王開通
(中國鐵路設(shè)計集團有限公司,天津 300142)
自地基GNSS氣象學(xué)提出以來[1],利用GNSS遙感大氣水汽含量,一般是將天頂對流層延遲作為待估參數(shù),與待測站點的大地坐標(biāo)、整周模糊度、衛(wèi)星和接收機鐘差同時解算。大氣參數(shù)的先驗值通常由地面氣象數(shù)據(jù)得到,或者由水汽輻射計測量得到,再將天頂對流層延遲的殘差作為附加參數(shù)在平差中估計。宋淑麗等使用上海綜合GPS應(yīng)用網(wǎng)對GPS數(shù)據(jù)處理中影響天頂延遲參數(shù)的因素進行深入分析,并對實時處理過程中出現(xiàn)的端部效應(yīng)等問題進行研究[2];張雙成等對軌道誤差、大洋負(fù)荷、天線相位中心偏差及映射函數(shù)的選取對大氣可降水量估計的影響進行分析[3];在GPS反演近實時水汽方面,SHOJI將精密單點定位理論和方法運用到近實時水汽驗證,結(jié)果表明,利用精密星歷的IGU預(yù)報星歷和衛(wèi)星鐘差不能滿足實時反演PWV的精度要求[4];張小紅等采用快速精密星歷和快速精密鐘差將反演后的GPSPWV值與NOAA提供的實時PWV序列進行比較,兩者的平均偏差小于0.5 mm,均方根誤差優(yōu)于1.3 mm[5];李黎等利用估計衛(wèi)星軌道和鐘差反演ZTD,其結(jié)果對于暴雨短時預(yù)報有一定指示作用[6]。以上研究均為GPS數(shù)據(jù)處理范疇內(nèi)的研究,主要是在控制衛(wèi)星高度截止角度、海洋潮汐、天線相位中心偏差、衛(wèi)星軌道等外部誤差源的基礎(chǔ)上討論GPSPWV結(jié)果的精度。另外,于勝杰等利用2003~2006年無線電探空數(shù)據(jù),對高程的相關(guān)性進行改進[7];王曉英等利用香港2003以后6年的探空數(shù)據(jù),并將地面溫度、氣壓、水汽壓等因素充分考慮在內(nèi),運用統(tǒng)計回歸分析的方法,得到Tm與地面氣象參數(shù)之間的線性關(guān)系[8];姚宜斌等利用我國78個地面無線電探空站數(shù)據(jù)推算出Tm與Ts之間存在非線性函數(shù)關(guān)系,并給出適用于我國利用Ts計算Tm的非線性公式[9]。以上研究主要是精確求定GNSS遙感水汽轉(zhuǎn)換系數(shù)(Π)中的Tm。目前,通常采用分段線性法來獲得測站的天頂總延遲(ZTD),再從中減去天頂靜力學(xué)延遲(ZHD),得到天頂濕分量延遲(ZWD)。為求取氣象學(xué)中可降水量(PWV),再將天頂濕分量延遲乘以轉(zhuǎn)換系數(shù)(Π)。不難看出,以上4個參數(shù)的求得都與氣象參數(shù)緊密相關(guān),為進一步分析氣象參數(shù)對地基GNSS遙感大氣水汽含量的影響,通過氣壓等氣象參數(shù)對GNSS遙感PWV和ZWD的結(jié)果進行分析,并通過與GNSS并址的水汽輻射計進行比較,以期得到一些有益的結(jié)論。
通常條件下,GNSS信號穿過大氣層到達地面接收機并不是沿天頂方向,為獲得天頂方向延遲量,需將斜路徑延遲量投影到天頂方向,有
z(e)=ZHDmh(e)+ZWDmw(e)
(1)
式中,z(e)為斜路徑上的對流層延遲;mh(e)和mw(e)分別為靜力學(xué)映射函數(shù)和濕映射函數(shù)。天頂靜力學(xué)延遲(ZHD)占大氣總延遲的90%,可以用模型進行模擬,常用的模型有Saastamoinen、Hopfield和Black模型。Saastamoinen模型計算ZHD的公式為
(2)
f(θ,H)=1-0.002 66cos2θ-0.000 28
(3)
式中,Ps為測站表面的大氣壓;θ為測站緯度;H為測站大地高。
在地基GNSS反演大氣水汽含量時,國際上高精度定位軟件(GAMTI、BERNESE和GIPSY)通常采用一定步長的離散隨機過程表示對流層隨時間的變化,即利用分段線性法精確的求得ZTD?;谝陨蟌TD、ZHD的獲得方法,有
由ZWD乘以轉(zhuǎn)換系數(shù)Π,便可求得測站天頂方向上大氣中的水汽全部凝結(jié)成水所產(chǎn)生的降雨量(PWV),在不考慮精度的條件下,轉(zhuǎn)換系數(shù)取0.15,其計算式為
PWV=Π×ZWD
(5)
(6)
(7)
國內(nèi)外相關(guān)學(xué)者將氣壓對天頂對流層延遲以及PWV的影響從理論上做過大量分析,一般情況下,100 Pa的氣壓誤差能引起2.3 mm的ZHD誤差,進而引起0.4 mm的PWV誤差。部分學(xué)者通過地面實測氣壓參數(shù),通過內(nèi)插的方法得到GNSS測站的氣壓參數(shù),40 Pa的氣壓誤差可以將由氣壓造成的PWV誤差訂正到亞毫米級。
為從實驗結(jié)果統(tǒng)計角度直接分析氣壓對PWV的影響,選取IGS監(jiān)測網(wǎng)中位于中國武漢的WUHN和北京的BJFS兩個測站并進行實驗,處理2013年和2014年的高精度PWV及氣壓數(shù)據(jù)(見圖1)。
圖1 WUHN和BJFS站點可降水量與氣壓的時間序列
由圖1可知,通過以上2個站點2年的時間序列,氣壓P和PWV隨時間周期變化,當(dāng)P達到峰值時,PWV亦對應(yīng)著峰值,且呈現(xiàn)相反的關(guān)系。在圖1(a)中的BJFS測站,P值在980~1 030 Pa區(qū)間且抖動較小,這是由測站的地理位置所決定的,對應(yīng)的PWV值在0~65 mm區(qū)間變化。分析發(fā)現(xiàn),平均大氣壓強每下降100 Pa,對應(yīng)的PWV下降1.055 mm,這對高精度近實時的水汽反演具有重要影響。在武漢測站,P值在990~1 030 Pa區(qū)間且抖動大,對應(yīng)的PWV值在10~85 mm區(qū)間變化。這個與兩個站點實際降雨情況完全吻合。
為進一步得到P與PWV的關(guān)系,由圖2中HTV5站點的2年觀測數(shù)據(jù)顯示,2014年,年積日為229天當(dāng)?shù)氐臍鈮河幸淮蚊黠@的跳變,最低值達到了902.5 Pa,而PWV相應(yīng)的與也有一次跳變,最高值達到了86.8 mm。通過以上的分析,氣象參數(shù)對PWV不僅隨時間呈周期性變化,同時也對應(yīng)著PWV的劇烈變化。由此可見,氣象參數(shù)在GNSS遙感大氣水汽含量具有至關(guān)重要的作用。
圖2 HTV5站點可降水量與氣壓的時間序列
氣象參數(shù)的微小變化對GNSS遙感大氣有著顯著的影響,故由于氣象參數(shù)所帶來的影響需要進一步分析。GPT(Global Pressure and Temperature)模型是基于九次九階球諧函數(shù)而建立的經(jīng)驗?zāi)P?,將測站的坐標(biāo)和年積日為輸入?yún)?shù),可大幅降低氣壓參數(shù)的估計偏差;歐洲中尺度預(yù)報中心(ECMWF)的數(shù)值天氣再分析資料通過同化地面觀測、高空觀測、衛(wèi)星反演等資料得到的全球格網(wǎng)點氣象資料,以及該資料構(gòu)建的動態(tài)映射函數(shù)VMF1和GMF,成為現(xiàn)階段研究領(lǐng)域的重要資源;另外當(dāng)?shù)貧庀笥^測文件(RNX)也是重要的氣象參數(shù)來源。
為詳細(xì)分析參數(shù)對PWV的影響,選取與GNSS并址的水汽輻射計站點SA10年積日(145 d、146 d)的觀測數(shù)據(jù),以獲得天頂對流層的絕對延遲量,同時選取均勻分布在SA10周圍5個距離長于500 km的IGS測站(AHID、ALBH、BLYN、DRAO、HOLB)進行組網(wǎng)解算,采用高精度GNSS處理軟件GAMIT,并與當(dāng)?shù)夭⒅返乃椛溆嫈?shù)據(jù)進行檢核,軟件參數(shù)設(shè)置見表1。
表1 GAMIT參數(shù)設(shè)置
在映射函數(shù)選取方面,由于GMF是在VMF1模型基礎(chǔ)上構(gòu)建的映射函數(shù),兩者精度相當(dāng),為避免由于映射函數(shù)對解算結(jié)果的影響,只使用GMF與VMF1映射函數(shù)[10-11]。基于以上的分析,選用表2中的4種方案來獲得ZWD。
表2 解算方案
對b、d方案進行比較,以檢驗?zāi)P虶MF和VMF1誤差對ZWD的影響,b、d方案同為使用RNX地面氣象觀測資料得到ZWD。結(jié)果發(fā)現(xiàn),兩者之間差值最大為0.2 mm,平均偏差為0.03 mm,均方差偏差為0.075 mm(見圖3)。由此可見,由于映射函數(shù)所能帶來的模型誤差可以忽略不計。同時,兩者均為由氣象參數(shù)計算得到的結(jié)果,說明在GNSS反演的過程中,其主要受到輸入氣象參數(shù)的影響,與使用的模型關(guān)系不大[12-15]。
圖3 b與d方案解算ZWD之差
為檢驗GNSS反演得到ZWD數(shù)據(jù)的可靠性,計算兩者的相關(guān)系數(shù),同時將其與WVR的觀測得到的結(jié)果作差值,得到均方根誤差,見表3。
表3 4種方案的相關(guān)系數(shù)和均方根誤差
由表3可知,方案b、d與WVR觀測的擬合效果最好,尤其是在20~25 h過程中,ZWD達到一次峰值,只有方案b、d能反映此次變化,且方案d的相關(guān)系數(shù)最高,方案c次之,且均優(yōu)于方案a,說明了氣象參數(shù)的擬合效果最好,而使用GPT全球溫壓模型的相關(guān)系數(shù)最小,擬合效果最差。這是由于GPT為經(jīng)驗?zāi)P?,對于氣象參?shù)的變化不敏感,不能很好地反映近實時的水汽變化情況[16-19]。方案c的VMF1模型利用ECMWF的6 h分辨率等數(shù)據(jù),對于氣象變化的敏感性要強于GPT模型。GPT模型的均方根誤差最小,也證明GPT模型不敏感。
圖4中,b、d方案的均方根誤差大、抖動量小,且存在10 mm的系統(tǒng)偏差,這是由于測站地面氣象數(shù)據(jù)不能代表高空的氣象數(shù)據(jù),由此導(dǎo)致GNSS遙感大氣水汽與實測的WVR之間存在一個系統(tǒng)偏差。這一點可以從圖5看出,a、c方案不能實時反映天頂對流層的變化,由此說明地面氣象參數(shù)的輸入對GNSS實時反演大氣水汽具有不可替代的作用,在沒有地面氣象參數(shù)的條件下,可以選擇ECMWF資料代替。同時根據(jù)式(5),在不考慮精度的條件下,取轉(zhuǎn)換系數(shù)Π為0.15,由不同氣象參數(shù)而計算得到的PWV值可以保持在1.38~1.84 mm范圍內(nèi),可以滿足GNSS遙感大氣水汽的精度要求。
圖4 4種方案與WVR得到ZWD時間序列
圖5 4種方案與WVR之差的時間序列
從GNSS探測大氣水汽的原理出發(fā),重點討論氣象參數(shù)對GNSS手段遙感大氣水汽的精度影響,并利用實測的數(shù)據(jù)進行對比分析,得到的結(jié)論如下。
(1)大氣壓強參數(shù)作為地基GNSS探測大氣水汽的重要誤差來源,即使變化很小也能引起PWV的很大偏差,尤其是在天氣劇烈變化過程中,其影響不能忽略,在實時的GNSS反演水汽過程中,應(yīng)對地面的氣象參數(shù)進行精密監(jiān)測。
(2)使用地面氣象觀測文件作為輸入?yún)?shù),計算得到的ZWD與實際ZWD之間存在一個系統(tǒng)偏差,這是因為由地面觀測得到的是測站高程上的氣象資料,而需要估計的天頂延遲與PWV均為測站到高空整個空間的變化。
(3)對于不同的氣象參數(shù),測站氣象資料能與當(dāng)?shù)靥祉敐穹至垦舆t較好擬合,但需附加一定的系統(tǒng)偏差改正,GPT模型作為一個經(jīng)驗?zāi)P?,不能有效探測天頂對流層延遲參數(shù)發(fā)生較大變化,而ECMWF資料介于兩者之間。
(4)GNSS是測繪領(lǐng)域重要的測量方法和手段,影響其精度的因素主要有對流層和電離層延遲、高度截止角度、海洋潮汐、天線相位中心偏差、衛(wèi)星軌道、整周模糊度,衛(wèi)星和接收機鐘差等。在顧及以上影響因素的前提下,可以獲取更為準(zhǔn)確的GNSS定位及大氣反演結(jié)果。