北京可降水量变化特征的地基GPS观测与分析（吴建军,王鑫,吕达仁,杜秉玉）

摘要：利用GAMIT软件对2004年7月至2005年7月北京GPS观测数据进行解算，结合地面温度及气压观测数据，反演了1 a时间内分辨率为2 h的水汽总量序列，并与探空和微波辐射计的反演结果做了对比．均方根差分别为3．05mm和3．29mm，得到了北京地区水汽总量的季节变化特点及水汽与降水的相互关系，这对气象研究和天气预报有很好的作用。

关键词：地基GPS；可降水量；加权平均温度

中图分类号：P228．4 文献标识码：A 文章编号：1000—2022(2007)03-0377-06

O 引言

水汽在天气演变和气候变化中扮演着重要角色，它影响大气辐射和太阳辐射，从而影响气候。水汽辐合的突然增加与对流的发展密切相关，所以水汽的遥感对于天气现象、气候变化研究和业务天气预报具有重要的意义。水汽绝大部分存在于对流层中，其分布随时空变化显著。目前世界各国的大气水汽资料主要依靠每天两次的常规探空气球观测获取，这种观测方式的主要局限性是测站密度过稀、相邻两次探测时间间隔过长，且维持这一观测系统的成本也在不断增加。已有的替代方法中，双通道微波辐射计和Raman激光雷达等观测手段，不但费用昂贵，不能全天候观测，而且需经常标定，难以大范围密集设置站网和实现观测业务化。卫星红外辐射计可以观测大气亮温，估算大气积分可降水分，能覆盖全球范围，但也局限于对晴空区域的监测。GPS技术探测大气水汽含量具有费用低廉，精度高，可以全天候观测等优点，在气象领域获得了广泛深入的研究应用[1] 。

1992年Bevis等[2]提出了地基GPS探测大气可降水量的原理。Rocken等[3]通过GPS／STORM试验验证了地基GPS反演大气可降水量的准确性。Niell等[4]利用甚长基线干涉仪(VLBI)进行了GPS湿延迟测量比较研究，两者相差3％ 。毛节泰[5]介绍了地基GPS反演水汽的原理。杨红梅等[6]、何平等[7]探讨了地基GPS资料在气象上使用的可能性，得到了水汽增减与降水的关系。杜瑞林等[8]利用地基GPS观测分析了武汉地区大气可降水汽总量与降水的关系。本文对地基GPS反演大气水汽含量的原理和反演方法进行了介绍，用历史探空资料回归得到了北京地区的加权平均温度Tm的反演公式，并将GPS最终反演结果分别与探空和微波辐射计反演结果进行了对比，确认了GPS反演的精度。通过北京地区时间为1 a，分辨率为2 h的水汽含量，得到了该地区上空水汽含量各月分布的主要结果，并结合天气形势略加讨论。结合常规降水资料，指出水汽含量快速增长且大于该月平均水汽含量可以作为短期降水的预报指标。

1 原理和方法

GPS卫星信号传输经过大气层时，会受到大气的影响而产生延迟。该延迟量可以划分为电离层延迟、静力延迟和湿项延迟。电离层延迟可以通过采用双频接收技术订正到毫米级。静力延迟可以由地面气压以及地面测站的具体位置(纬度)求出，也可以订正到毫米量级。利用GAMIT软件可以解算出静力延迟和湿项延迟的总量，精度可以达到毫米量级，这样就得到毫米量级的湿项延迟。利用湿项延迟与水汽量之间的正比关系，可以求解出沿天顶方向的水汽总量，精度在毫米量级。

天顶静力学延迟比较有规律，可以通过不同的模型推算出来，如Hopfield模型和Saastamoinen模型。因为Saastamoinen模型受高程的影响很小，其结果与探空数据相吻合，能够客观地反映水汽的真实情况。由该模型推算天顶静力学延迟的精度要好于其他的模型[9]。根据Saastamoinen模型[10]，天顶静力学延迟可以写为

式中：Rv是气体常数；k""2=k2-m ·kl；kl，k2，k3是实验常数；m为水汽和干空气的分子量之比。取k3=3.739×10 5K2/hPa，k""2=22.13K/hPa。Tm为加权平均温度，定义为[10]

式中：e和T分别是测站天顶方向上某点的水汽压和绝对温度。由于水汽的空间分布极不规则，时空特性非常复杂，不可能得到（3）式的严密积分值，所以如何实时、高精度地计算对流层加权平均温度成为地基GPS遥感大气水汽含量的重要问题之一[11-12]。水汽主要分布在对流层0-15km高度范围内，无线电探空气球可以提供地面至20km高空的温度、气压和湿度观测剖面，本文利用北京地区2004年4月1日-2005年4月8日（文中所涉及的时间均为世界时）共721次有效探空数据和地面温度数据，采用拟合方法得到了Tm的经验公式，

Tm=18.144+0.918Ts。 （4）

式中：Ts为地表温度。拟合相关系数为0.975，标准差为2.40K。

2 资料获取与数据处理

利用安装在中国科学院大气物理研究所内的一台LEICARS500接收机，接收了2004年7月—2005年7月的数据，由中国气象局取得了北京地区的地面温压和降水等观测数据，对气温和气压数据做了高度订正，得到了与接收机高度一致的温压数据。曲建光等[13]通过对Saastamoinen模型分析指出，计算静力学延迟的精度主要取决于地面气压的测量误差的大小。由于地面3 h 变压很小，在计算静力延迟和湿项延迟时，对地面气压和温度资料进行线性内插。

下载了位于国内的武汉、上海、昆明、拉萨、乌鲁木齐和国外的连续跟踪站数据，以及国际GPS服务IGS中心（International GPS Service）提供的SP3精密星历，利用麻省理工学院提供的高精度GPS数据处理软件GAMIT/GLOBK对GPS观测数据进行了天顶延迟解算。由于采用了精密星历，卫星轨道参数约束为0.01m，周跳剔除选用自动修复方式。解算方案选用对站点进行松弛约束精密定位迭代的方式得到GPS气象站的天顶延迟参数。第1次解算时，GPS气象观测站的三维初始坐标分别约束为1.00m、1.00m、1.00m，其余的IGS跟踪站采用了可靠的站坐标和相应的强约束0．005 m、0．005 m、0．01 m。利用第1次的解算结果对测站坐标进行更新，此时坐标约束改为0．1 m、0．1 m、0．1 m，再次进行解算。在第3次解算中坐标约束改为0．005 m、0．005 m、0．01 m。利用最终得到的对流层总延迟值，结合地面温压数据和天顶流体静力学延迟公式计算大气积分总水汽量Wp值。

3 结果分析

3．1 与探空和微波辐射计的精度对比

将2004年7月12日至2005年2月28日GPS反演的大气水汽总量与探空计算的水汽总量相比．两套仪器相距约50 km。两者随时问演变的趋势一致，峰值和谷值也很接近。从图1a可以看出，GPS反演的水汽总量总体上比探空测量的水汽总量要偏大，这与二者能探测的最高高度的差别相吻合。二者之间的线性拟合关系在图1a中给出。在仪器的观测时段二者对应时刻测量的水汽总量的比较：在354个样本中，GPS反演值平均为l9．58 mm，探空测量值平均为17．55 mm，二者之间最大偏差11．99 mm，最小偏差0．008 mm，总体上GPS反演值比探空测量值平均偏大11．6％ ，二者的均方根差为3．05 mm。

2005年3月以后，利用微波辐射计观测资料反演的数据，再次进行了对比。两套仪器几乎处于同一高度，直线距离30 m左右。从图1b可以看出，GPS反演的水汽总量总体上比微波辐射计反演的水汽总量要偏小，二者之间的线性拟合关系在图1b中给出。在仪器的观测时段二者对应时刻测量的水汽总量的比较：在332个样本中，GPS反演值平均为9．85mm，微波辐射计反演值平均为l2．71 mm，二者之间最大偏差13．01 mm，最小偏差0．49 mm，总体上GPS反演值比微波辐射计平均偏小22．5％ ，二者的均方根差为3．29 mm。

3．2 季节变化特征

就季节分布而言，北京上空水汽总量的分布形式是夏、秋季多，春、冬季少，夏季到冬季递减的趋势十分明显。这一方面是受气温变化的影响，另外一方面是季风进退的影响。

从6月开始(图2)，水汽含量分布转入夏季形式。这种形式将稳定地持续到8月。夏季是北京地区水汽含量最为丰沛的季节，2004年7月中上旬出现了全年的水汽最高值68．88 mm，该月水汽平均值高达44．46 mm。8月略有减少，平均值为37．85 mm。2005年6月，水汽含量的平均值为24．36 mm，7 月上旬的平均值增长不大，为25．32 mm，几乎与6月持平(图略)。

秋季(9-11月；图3)各月水汽含量变化比较大，呈锐减趋势。在9月，平均值为22．97 mm，水汽最大值为44．74 mm。到10月，水汽平均值降为l2．02 mm，水汽最大值为27．91 mm。在11月，水汽平均值只有6．53 mm，较之l0月，水汽含量减少了一半，最大值也仅为16．62 mm，几乎是10月最大值的一半，且该月出现了全年的水汽最低值0．53 mm。

冬季(图4)各月水汽含量最少，平均值为5．95 mm，其中以1月水汽含量最少，平均为4．45 mm。由于在这期间，我国大陆为蒙古高压控制，低层盛行西北气流，为单一的干冷性极地气候，水汽相对较少，温度相对较低，此时水汽的蒸发、辐合辐散受温度的影响较少，所以水汽含量的变化幅度比较小，甚至在1月6日至1月22日出现了水汽含量一直在2 mm至6 mm之间徘徊的现象。此后水汽的增幅开始变大，水汽含量进入短时增长阶段。

从3月开始(图5)，北京水汽含量开始增加，月平均值为10．34 mm，但在3月，水汽含量还是很低，相对增幅比较小，水汽含量均值为4．54 mm，仅比1月高出0．91 mm。在5月，副热带高压开始加强北进，带来了大量的水汽，水汽增幅开始变得剧烈，出现了1．26 mm的低值，也出现了45．33 mm的高值，平均值达到了20．08 mm，比4 月增长了9．74 mm。

3．3 周期性分析

小波分析[14]不仅可以给出降水序列变化的尺度，还可以显示变化的时间位置。本文使用Morlet小波对Wp的时间序列进行了分析。首先对1 a的水汽含量做了日平均，对其进行小波变换。由图6可以看到，小波实部系数形成各种尺度正负相间的振荡中心，显示水汽变化包含多个尺度的周期变化。观察图6中闭合曲线密集区，在140 d左右，正负闭合中心最明显，存在整个观测时问段内。105 d周期则主要集中在前期。这些长周期可能是水汽受季节变化影响的体现。12 d周期主要集中在夏季，这与东亚副热带季风环流系统准双周的振荡性质相符合[15]。因此对这一年的水汽变化周期分析不能一概而论，根据主要的周期变化，将整个时间段分为3个阶段。

第1阶段：2004-07-l2～2004-11-10(图略)，主要周期为12 d左右，5～6 d也是一个较为明显的周期，其中12 d左右的周期基本贯穿整个时间段，而5～6 d的周期主要集中在前面的一些天数，大约40 d以后虽然也有5～6 d的周期，但是周期性减弱。

第2阶段：2004-11-10～2005-03-10(图略)，这段时间水汽值变化比较平缓，周期性较弱。天气过程以西风带气流控制为主，比较稳定单一。但是依然存在较为明显的12 d左右的周期，另外还存在着比较明显的3 d左右的周期。

第3阶段：2005-03-10～2005-07-10(图略)，这段时间的周期比较乱，这与气旋和反气旋的活动频繁有关。12 d左右的周期在这段时间比较弱，但在前半段存在明显的5 d左右的周期，这是中纬度冷空气周期活动的表现。而在其后半段时间里面，3 d左右的周期比较明显，且持续时间较长。

3．4 大气总水汽量与降水的关系

图2～5分别是夏季、秋季、冬季的主要降水情况与水汽含量的对比。从图中可以看出，在降水开始前的几个小时内，大气水汽含量都是持续增长。除了秋天127 h处的降水，是在水汽持续增长几天又下降的情况下出现的，但该次降水不但强度小，6 h累计只有2 mm，而且在以后的相当长的一段时间内没有再出现降水。每次降水时，大气水汽含量都大于该月平均水汽含量，因此，建议以每月的平均水汽含量作为该月的阈值，将水汽含量快速增长且超过该月阈值作为短时降水的预报指标。

观测结果还表明，水汽总量的大小与降水量并没有明显的关联，但在水汽含量曲线陡峭的地方，短时间的降水量比较大。图2夏季的403 h，这是全年水汽曲线最陡峭的地方，伴随着是12 h内74 mm的暴雨，降水过后，水汽量迅速减少，在16 h之内，由63．9 mm下降到28．1 mm。而在水汽量持续稳定增长的情况下往往伴随的是强度不大的连续降水。在研究分析大气水汽总量与降水的关系时，应综合考虑天气系统、前期的水汽平均水平、短时的增幅和峰值的大小等条件。在短时间内，大气水汽量的急剧上升预示着某一强天气系统来临或强天气系统生成，这为短时预报和临近预报提供了一定的依据。

4 结论

(1)在水汽的周期变化中，季节变化的周期是不一样的：在盛夏，变化周期为5～6 d和3 d左右；在秋、冬季节，变化周期为3 d和12 d左右；在春天至仲夏，占主导地位的变化周期是5 d和3 d左右。

(2)北京降水之所以集中在夏季，环流的垂直运动在夏季有利于降水的形成固然重要，但夏季水汽含量相对较高也起到相当重要的作用。冬季虽在高压控制之下，但冷空气活动频繁，一次次寒潮冷锋的经过，不乏上升成云致雨的机会，只是由于被抬高的空气多半为极地大陆气团，水汽含量很少，难以形成大量降水。

(3)各月的水汽平均含量可以作为该月可能降水的阈值。在水汽含量快速增长且超过阈值的情况下，在未来几个小时内极有可能产生降水。

(4)将GPS反演水汽值分别和探空、微波辐射计反演的水汽值做了对比，其均方根差分别为3．05 mm和3．29 mm，进一步验证了GPS反演水汽的可靠性。

致谢：感谢中国科学院大气物理研究所宣越健老师在GPS接收机的硬件维护和数据采集方面所给予的帮助。感谢中国气象局气象信息中心气象资料室提供北京地区的地面气象资料。MIT授权使用GAMIT／GLOBK软件，谨致谢忱!

参考文献：

[1] 曹云昌，方宗义，夏青．地空基GPS探测应用研究进展[J]．南京气象学院学报，2004，27(4)：565-572．

[2] Bevis M，Businger S，Herring T A，et a1．GPS meteorology：Remote sensing of atmosphere water vapor using theglobal positioning system[J]．J Geophys Res，1992，97(DI4)：15787-15801．

[3] Rocken C，Van Hove T，Johnson J，et a1．GPS／STORM-GPS sensing of atmospheric watervapor for meteorology[J]．J Atmos Ocean Tech，l995，12(3)：468-478．

[4] Niell A E，Coster A J，solheim F S，et a1．Comparison ofmeasurements of atmospheric wet delay by radiosonde，water vapo r radiometer， GPS and VLBI[J]．J Atmos Oc ean Tech，2001，l8(6)： 830．850．

[5] 毛节泰．GPS的气象应用[J]．气象科技，1993，136(4)：45-49．

[6] 杨红梅，徐宝祥，周秀骥．GPS资料在天气分析中的应用[J]．气象科技，2000，28(4)：32．37．

[7] 何平，徐宝祥，周秀骥，等．地基GPS反演大气水汽总量的初步实验[J]．应用气象学报，2002，l3(2)：179．183．

[8] 杜瑞林，乔学军，王琪，等．用地基GPS资料分析大气可降水汽总量[J]．大地测量与地球动力学，2005，25(3)：121．124．

[9] 曲建光，魏旭东，王泽民，等．在高海拔地区Saastamoinen与Hopfield模型推算水汽含量差异地研究[J]．武汉大学学报：信息科学版，2003，28(4)：397．399．

[10] Duan J P，Bevis M，Fang P，et a1．GPS meteorology：direct estimation of the absolute value of precipitable water[J]．J Appl Meteor，1996，35(6)：830-838．

[11] Askne J，Nordius H．Estimation of tropospheric delay for microwaves from surface weather data[J]．Radio Sci，l987，22(3)：379．386．

[12] 陈俊勇．地基GPS遥感大气水汽含量的误差分析[J]．测绘学报，1998，27(2)：l13-l18．

[13] 曲建光，吴壮．从GPS推算大气水汽的误差分析[J]．测绘工程，2001，10(4)：24-26．

[14] 魏凤英．现代气候统计诊断与预测技术[M]．北京：气象出版社，1999：77-81：106-l13．

[15] 何金海，于新文．1979年夏季我国东部各纬带水汽输送周期振荡的初步分析[J]．热带气象，1986，2(1)：9．16．

作者简介：吴建军(1979一)，男，山东青岛人，硕士，研究方向：大气遥感及地基GPS气象。

来源：《南京气象学院学报》2007·6

推荐访问:降水量 地基 观测 北京 特征