利用ECMWF水汽格网精化区域GNSS水汽模型.pdf

70测绘第46 卷第2 期2 0 2 3年4月利用ECMWF水汽格网精化区域GNSS水汽模型高涵科周乐韬（西南交通大学地球科学与环境工程学院，四川成都6 117 56）摘要】利用全球导航卫星系统（global navigation satellite system，G NSS）观测数据反演得到的高精度水汽信息是目前分析水汽分布的重要数据来源，但靠单一的数据来源进行区域水汽分布研究取得的效果欠佳。本文结合欧洲中尺度天气预报中心（EuropeanCenterforMedium-RangeWeatherForecasting，ECM W F）提供的水汽格网数据，联立GNSS水汽数据进行多项式拟合插值得到区域水汽分布，本文以中国香港卫星定位参考站网（satellitepositioning reference stationnetwork，Sa t R e f）实测GNSS数据进行实验，并以实验区域内的探空数据作为基准进行精度分析。实验结果表明，加入ECMWF数据能够有效提高区域水汽拟合的精度，相比仅采用GNSS数据进行多项式拟合精度提升在2 0%一30%；以经度、纬度和高程作为参数，对比了三参一次模型和两种三参二次模型的拟合效果，结果表明三参一次模型的拟合效果最好，精度提升在33%左右。【关键词全球卫星导航系统；欧洲中期天气预报中心；水汽；多项式拟合中图分类号 P22Refinement of Regional GNSS Water Vapor Model Using ECMWF文献标识码 AWater Vapor GridGAO Han-keZHOU Le-tao文章编号】16 7 4-50 19（2 0 2 3）0 2-0 0 7 0-0 61引言水汽作为大气的主要成分，是一个十分多变的气象参数，精确测定大气水汽含量对天气监测预报、区域气候变化、卫星信号处理、航空航天等领域都有着十分重要的意义。传统的水汽测量技术在不同程度上受限于价格昂贵、时空分辨率低、精度有限等不足，无法满足中小尺度天气变化监测的需求。1992 年，Bevis等人首次提出了“GPS气象学”的概念，并详细阐述了利用GPS 观测数据反演大气可降水量的理论和方法。此后，国内外众多学者在该方面进行了许多研究?2-，得益于全球卫星导航系统的深入发展，具有高时空分辨率、高精度与低运营成本等优点的GNSS 水汽反演技术近年来受到越来越多的应用 7 。利用地面GNSS接收机获得的观测数据可以反演得到站点位置的水汽数据，为分析区域水汽的动态分布和变化趋势以用于降水预报，需要联合多个地面站点数据，通过插值构建水汽场。但是，现有的GNSS网络中测站分布稀疏且不均匀，且站点分布受限于选址条件，如海面上难以布站，通过常规的插值手段较难获取可靠的水汽场。目前，利用GNSS观测数据获得可靠水汽场主要是通过创新完善插值方法，如刘晨基于DEM点云数据选取有代表性且分布均匀的采样点赋予PWV信息以进行空间插值8，闫香蓉等人提出了顾及GNSS水汽特性和站间距离的优化IDW插值方法；或联立MODIS、ECM W F等多源数据进行数据融合以实现模拟预测，如赵庆志等人联立GNSS和ERA-Interim数据建立了云南区域的GSP模型 10 ,张文渊等人联合GNSS/RS多源数据进行高精度三维大气水汽分布反演，刘严萍等人以GNSS水汽为标准分区域进行MODIS水汽校正和图像叠加得到校正后的中国西南地区MODIS水汽分布 2 。插值优化能够得到局部中小范围的可靠水汽场，数据融合能够得到高精度的水汽预测模型或是分布场，但两者的数据处理过程都较为复杂，实现过程费时费力。本文提出一种联立GNSS水汽数据与ECMWF水汽格网数据的多项式拟合插值方法，能够在丰富可靠数据源的同时较为简易地进行数据处理以获得范围水汽数据。2区域水汽连续模型构建方法多项式拟合与趋势面法类似，是整体插值法的一种，通过建立一个光滑的数学曲面来描述空间数据的分布特征及变化趋势，其实现方法是基于指定研究区域内获得的站点水汽数据并结合站点的地理信息（如经纬度），通过回归分析的方式拟合多项式系数。不同地区的气候差异很大，但在相近地区气候特征较为接近，天气变化相近，其水汽含量PWV测绘第46 卷第2 期2 0 2 3年4月（Pr e c i p i t a b l e W a t e r Va p o r，大气可降水量）的变化特征也较为类似，因此，PWV的分布与地面位置具有很大的关系，通过经纬度能很好地描述地球上任一点的平面位置。同时，许多研究表明，PWV的分布与高程也有很高的相关性 13-15，对中小范围（6 0 km60km）和较大范围（50 0 kmX500km），含一个高程因子的多项式拟合模型都有较好的拟合效果16 。因此，本文采用经度、纬度和高程三个参数描述区域内任一点位的三维位置，并以此构建多项式来拟合区域71(PWVECMWFx-PWVTK：(PWVeCMWTix-PWV,TKQ=Qk+1：LQk+m(2)(PWVsiti)SiPWV数据。考虑到不同形式的多项式拟合得到的结果精度有所差异，本文采用以下三种形式的多项式进行参数拟合的对比研究（见表1）。表1多项式拟合模型模型多项式公式序号模型1模型2PwVrit=ao+aix+azy+agh+axx?+asy?模型3PWVrit=ao+aix+azy+agh+agx?+asy?+agh?+arxy+agxh+agh各多项式拟合模型公式中，aoa,a2a,为拟合系数，x为站点纬度，为站点经度，h为站点高程，各多项式均为单时段、单点位置的PWV拟合。表1中，模型1为三参一次拟合模型，仅考虑PWV在三维空间上的线性变化；模型2 与模型3均为三参二次拟合模型，前者仅考虑PWV在三维空间上的非线性变化，后者既考虑PWV在三维空间上的非线性变化又考虑PWV在经度和纬度方向具有不同梯度的影响。本文引入ECMWF提供的ERA5数据集中的水汽格网数据，联立GNSS数据解算得到的水汽数据进行多项式拟合。由于两者的数据精度不同，联立ECMWF-PWV与GNSS-PWV进行多项式拟合需要两者的精度数据，前者通过将格网点数据双线性内插到探空站位置与探空数据作差得到数据误差，后者为站点每个时段的不确定度数据，联立进行单时段多项式拟合的准则为VTPV=min，其中：TPWVECMWF-PWV.VPWVECMWF.-PWVmVkVk+1k+nP=Q-1上式中，k为PWV格网数据格网点总数，n为GNSS站点数；PWVecMwr为ECMWF提供的对应格网点位置的水汽数据（PWVecMwF为ECMWF格网点数据双线性内插到探空站位置得到的结果），PWVenss为GNSS数据解算得到的水汽数据，PWVm为多项式拟合得到的水汽数据（式1中PWVm为各个ECMWFPWVrit=ao+aix+azy+agh格网点位置的拟合结果，PWVit+k为各个GNSS观+agh2测站点位置的拟合结果），PWVrk为探空站PWV数据，PWVsig为GNSS数据解算得到的水汽数据的不确定度；Q为数据的方差阵，P为权阵。使用不同数据源进行不同拟合模型的插值拟合后，可通过输入探空站位置的经纬度及高程数据获得该位置的拟合结果，与实际探空数据进行比对即可分析拟合结果的精度。3数据处理3.1数据介绍本文选取香港卫星定位参考站网（SatRefCORS）中9 个GPS站点提供的观测数据进行GNSS数据处理；选取ECMWF提供的第五代再分析资料数据集ERA5中的水汽格网数据，数据覆盖范围为2 2 N22.75N、113.7 5E114.5E，时间跨度为2 0 2 0年全年，时间分辨率为1h，空间分辨率为0.2 50.25；选取香港地区唯一的无线电探空站KingsPark(22.32N,114.17E)2020年全年测得的PWV数据为精度评价标准，数据来自怀俄明大学天气数据网站（https：/w e a t h e r.u w y o.e d u）。G PS站点位置、ECMWF格网点位置、探空站位置如图1所示。选取的GPS观测数据使用10.7 版本的GAMIT软件进行数据处理，观测数据的采样率为30 s。为提高数据解算的精度，加强区域网与全球网的联系，并PWVeNs-PWV mu(1)LPWVCvss,-PWVmta.(3)有效降低测站间的对流层延迟相关性 17-19，本文引入BJFS、SH A O、NT U S、H YD E、LH A Z、PI M O 6 个IGS站点。72224522302215220011345图1站点分布（五角星表示探空站）3.2数据处理策略本文采用10.7 版本的GAMIT软件进行数据的批处理，数据处理流程如图2 所示。解算策略配置如表2 所示。3.3解算精度分析标准化均方根误差（normalized rootmean square，测绘第46 卷第2 期2 0 2 3年4月NRMS）是衡量GAMIT基线解算质量的重要指标，11345114001140011415ACORS.ECMWFT K1141511430存放观测文件和星历文件114302245223022152200创建项目文件夹它反映了单时段基线解算值与其加权平均值的偏离程度，具体计算公式为：NRMS=VN台8？上式中，N为测站个数，Y为基线解算值，Y为加权平均值，为单位权中误差。通常认为NRMS值越小，基线解算结果越好，精度越高。若NRMS大于0.5，说明基线解算结果不合格，需重新解算；一般要求NRMS小于0.3，且值在0.2 左右时解算质量最佳 2 0-2 。在完成数据解算后，本文提取了所有解算记录文件q文件中的后验标准化均方根误差（Postfitnrms），得到图3。由图3可知，2 0 2 0 年的单天解标准化均方根误差主要在值0.15一0.2 之间波动，均满足要求，且值大多靠近0.2，解算质量较好。4精度分析拟合完成后，在多项式拟合模型中，输入探空站的经度、纬度和高程能够得到各多项式在探空站位置的拟合结果，与探空PWV比对即可实现精度分析。(4)链接表文件配置解算策略生成站点信息表数据筛查N生成测站近似坐标文件数据解算得到解算记录文件检查nrms是否合格得到对流层延迟图2 GAMIT解算流程MAE=.-,(5)ni=1测绘第46 卷第2 期2 0 2 3年4月控制项基线解算类型基线解算模式卫星截止高度角数据采样间隔对流层延迟参数对流层延迟改正模型映射函数模型输出m文件固体潮模型地心参考框架空间惯性参考系海潮模型IGS站坐标约束测站坐标约束73反应非常敏感，能够很好地反映出数据的精度；MAE表2 解算策略为拟合结果与真值之间的平均绝对误差，用于描述拟选择模型及参数合值的误差范围。两者的计算公式如下：BASELINELC_AUTCLN1030s1SaastamoinenGMFYIERS10ITRF 2008J2000FES 20040.5m/0.5m/0.5m100m/100m/100mRMSE=Vni=I上式中，f为时段i时在探空站位置的拟合结果，t,为时段i时的探空数据。采用9 个地面观测站点反演得到的GNSS-PWV与选取的16 个格网点的ECMWF-PWV，分别进行仅基于GNSS-PWV（方案一，图表中标记为GP）与结合GNSS-PWV和ECMWF-PWV（方案二，图表中标记为GP&EP）的三种模型的拟合。在完成拟合后，获取探空站位置的拟合PWV，与探空PWV进行2 0 2 0年全年数据的比对，比对情况如图4所示，数据变化趋势及峰值、谷值出现时间趋于一致，其中模型1的一致性最好；计算获得各模型与探空数据相比的RMSE和MAE，如表3所示。(6)图32 0 2 0 年单天解均方根误差时间分布本文采取的精度分析指标为均方根误差（RootMeanSquared Error，R M SE）和平均绝对误差（MeanAbsolute Error，M A E)。R M SE为拟合结果与真值之间的差值的平方和的平均值的平方根，其对异常值的模型序号GP模型15.9117模型25.9543模型35.9248通过表3可以看出，从变化比例上来看，无论是哪一个拟合模型，方案二（结合ECMWF-PWV与GNSS-PWV）比方案一（仅基于GNSS-PWV）的精度都有提示，模型1的精度提升在33%左右，模型2、3的精度提升在2 4%左右，这说明在GNSS-PWV基础上结合ECMWF-PWV进行多项式拟合能够有效提高拟合得到的区域PWV数据精度；从数值上看，两种方案都是模型1的精度最高，这也与已有研究得到的6 0 km60km左右的测区中含一个高程因子的3参平面拟合模型具有较好的拟合精度这一结论相一图4各模型不同方案拟合数据与探空数据的比对表3各模型不同方案全年拟合精度比对RMSE/mmGP&EP3.91584.46204.4170MAE/mm变化比例GP+33.76%4.2301+25.06%4.2674+25.45%4.2728致 16 。在方案一中各模型精度差异不大，方案二中模型1的精度较模型2 和模型3有0.4mm左右的提高。考虑到香港地区岛屿众多，三面环海，且位于亚热带季风气候区，夏季炎热潮湿，5月至9月多雨，其余月份降雨较少，在时间上降水分布不均，7 月至9月又常受台风天气影响，水汽变化幅度大。因此，仅从全年的时间跨度上进行拟合精度的分析是不够的，还应考虑实际的降水情况分时段进行拟合精度的分析，比较不同时段两种拟合方案及拟合模型的差异。利用ECMWF提供的区域降水数据，可通过双线GP&EP2.86333.26443.2452变化比例+32.31%+23.50%+24.05%74性内插得到探空站位置1h分辨率的降水分布，并通过对格网数据的处理，计算得到探空站位置的每月降水量，如图5所示。图5探空站2 0 2 0 年月降水量由图5可知，全年的降水基本集中在5月至10月，这五个月每月的月降水量均在10 0 mm以上，占模型序号模型1模型2模型3模型序号模型1模型2模型3图6 探空站位置2 0 2 0 年PWV分布雨季阶段，方案二（结合ECMWF-PWV与GNSS-PWV）相比方案一（仅基于GNSS-PWV）的拟合精度提高并不是很大，仅在10%左右；而在旱季阶段，方案二相比方案一的拟合精度提高程度均超过30%，模型1更是精度提高超过40%。考虑到方案二的本质是在拟合区域中加入了更多的数据，丰富了数据源，因此，雨季与旱季的拟合精度比对说明，在水汽丰富、相近的地面位置PWV分布相近的雨季阶段，本实验中仅基于GNSS-PWV就能够实现精度良好的区域PWV拟合；而在水汽含量总体较少、相近地表位置易发生大波动PWV变化的旱季阶段，在本实验中仅基于GNSS-PWV进行区域PWV测绘第46 卷第2 期2 0 2 3年4月全年降水量的8 5.2 6%。因此，本文划分两个时段对2020年探空站位置的PWV拟合精度进行分时段分析，其一为降水丰富的5月至10 月（下文称为雨季），其二为降水较少的1月至4月、11月至12 月（下文称为旱季），计算两个时段内两种拟合方案下三种拟合模型的拟合精度，统计结果如表4、表5所示。由表4、表5可知，任一拟合模型在任一拟合方案下雨季期的拟合精度都要优于旱季，这可能是由于雨季整体上大气可降水量丰富，日降水量虽常有波动，但大气可降水量整体波动并不大，而旱季波动较大。图6 显示了探空站位置2 0 2 0 年的PWV变化，相比雨季，旱季确实有更多陡增或猛降的变化波动，这种波动的存在使得拟合变得困难，致使拟合精度降低。表4各模型不同方案雨季拟合精度比对RMSE/mmGPGP&EP4.05493.53604.10443.89164.27893.8319表5各模型不同方案旱季拟合精度比对RMSE/mmGPGP&EP7.67584.34147.70725.17097.55375.2140MAE/mm变化比例GP+12.80%2.9839+5.18%3.0149+10.45%3.1788变化比例GP+43.44%5.9645+32.91%5.9913+30.97%5.8430会因为数据较少导致拟合精度欠佳，RMSE更是因为对数据大幅度变化较为敏感而超过了7 mm，在该阶段进行区域PWV拟合需要引入更多的数据以丰富数据源，而获取便利的ECMWF数据是一个很好的选择，实验也表明引入ECMWF的水汽数据很大程度上提高了拟合精度。综上，在本文的案例中，使用经度、纬度、高程三种参数的三参一次拟合模型拟合区域PWV数据的效果最好，且模型较为简单，便于拟合，具有较高的适用性。在雨季阶段，由于水汽充沛，两种拟合方案的拟合精度差距不是很大；而在旱季阶段，水汽含量较少，且易发生短时降雨消耗大量的PWV的情况，PWV变化幅度较大，方案二（结合ECMWF-PWV与GNSS-PWV）相比方案一（仅基于GNSS-PWV）拟合精度提高很大，该阶段引入更多的数据以丰富数据源才能够实现精度良好的区域PWV拟合。5结束语针对仅使用GNSS观测数据反演得到的水汽数据进行常规插值难以得到可靠的水汽场这一问题，本文GP&EP2.59452.83212.8413MAE/mmGP&EP3.23083.93123.9354变化比例+13.05%+6.06%+10.62%变化比例+45.83%+34.38%+32.65%测绘第46 卷第2 期2 0 2 3年4月提出结合GNSS-PWV与ECMWF-PWV进行区域水汽多项式拟合的方法，能够比较简易地得到较为可靠的水汽场。利用中国香港卫星定位参考站网2 0 2 0 年全年的观测数据及ECMWF提供的水汽格网数据进行实验，验证了本文方法的可行性。将探空数据得到的水汽数据作为真值，比较发现：(1)在GNSS-PWV基础上，加入ECMWF-PWV能够有效提高区域水汽拟合的精度，采用多项式拟合精度提升在2 0%一30%。（2）以地面点位的经度、纬度和高程作为参数，仅考虑三维位置线性变化的三参一次模型拟合精度优于仅考虑三维位置非线性变化的三参二次模型和既考虑三维位置非线性变化又考虑PWV在经度和纬度方向具有不同梯度的影响的三参二次模型，在GNSS-PWV的基础上加入ECMWF-PWV可使该模型精度提高33%左右，RMSE由5.9 117 降到3.9 158，同时，该模型参数较少，拟合较为简单，具有较高的适用性。（3）本文对香港地区进行了雨季（5月至10 月）与旱季（1月至4月、11月至12 月）分阶段的拟合精度比对分析，结果表明，雨季阶段两种拟合方案精度差异不大，引入ECMWF-PWV仅有10%左右的小幅度提高；而在早季引入ECMWF-PWV能提供30%-40%的精度提高，表明该阶段的区域PWV拟合需要引入更多的数据以减少由于水汽含量较少、PWV波动较大所带来的影响。若数据体量较大，拟合工作量大，也可根据区域的降水特征及PWV分布特征，分时段采用不同体量的数据进行区域PWV拟合，减少工作量。参考文献i Michael Bevis,Steven Businger,Thomas A.Herring,等.GPS meteorology:Remote sensing of atmosphericwater vapor using the global positioning systemJ.Journal of Geophysical Research:Atmospheres,1992,97（D 14):157 8 7-158 0 1.2 CRocken,MExner,DHunt,等.Analysis and validationof GPS/MET data in the neutral atmosphereJ.Journal of Geophysical Research.Biogeosciences,1997，10 2（d 2 5）：2 9 8 49-2 9 8 6 6.3 JING PING D U A N，M ICH A EL BEVIS，PENG FA NG，等.GPSMeteorology:Direct Estimation of the Absolute Valueof Precipitable WaterJ.Journal of AppliedMeteorology，19 9 6,35（6）：8 30-8 38.4 G.Esteban Vazquez B,Dorota A.Grejner-Brzezinska.GPS-PwV estimation and validation with radiosondedata and numerical weather prediction model in75AntarcticaJ.GPSSolutions,2013,17（1):2 9-3 9.5毛节泰GPS的气象应用J气象科技，1993（4）：45-49.6王小亚，朱文耀，严豪健，等地面GPS探测大气可降水量的初步结果 J大气科学，1999（5）：6 0 56 12.7黄逸宇地基GNSS反演大气可降水量及水汽层析技术研究 D甘肃：兰州交通大学，2 0 2 0.8刘晨地基GNSS水汽的空间插值与层析方法 D江苏：中国矿业大学，2 0 19.9闫香蓉，王晓春，梁薇，等顾及GNSS水汽分布特性和站间距离的优化IDW插值方法 J南京信息工程大学学报（自然科学版），2 0 2 2，14（3）：2 8 7-2 9 3.10赵庆志，杜正，吴满意，等利用多源数据的PWV混合模型构建 J武汉大学学报（信息科学版），114.11张文渊，张书毕，郑南山，等联合GNSS/RS多源数据反演三维大气水汽分布研究 J地球物理学报，2 0 2 2，6 5(6):1951-1964.12刘严萍，曾昭扬，王勇基于GNSS的中国西南地区MODIS水汽校正研究 J大地测量与地球动力学，2 0 2 2，42（4)：389-392.13薛骐地基GPS水汽反演及水汽层析研究 D成都：西南交通大学，2 0 17.14杨药，丁一航，吴康良，等利用CORS观测资料反演四川地区水汽含量及其变化特征分析 J大地测量与地球动力学，2 0 18，38（6）：58 7-590+597.15 Liu C,Zheng N,Zhang K,等.A New Method for Refiningthe GNSS-Derived Precipitable Water Vapor MapJ.Sensors,2019,19（3):6 9 8.16熊永良，黄丁发，丁晓利，等虚拟参考站技术中对流层误差建模方法研究J测绘学报，2 0 0 6（2）：118-121+132.17】李延兴，胡新康，赵承坤.GPS监测网数据处理方案研究J测绘学报，1999（1）：6 46 8.18汤伟尧利用CORS网络研究四川地区地壳形变及地震危险性 D成都：西南交通大学，2 0 18.19赵庆志地基GPS大气可降水量估计及水汽层析研究 D.江苏：中国矿业大学，2 0 14.20符宏伟GNSS静态相对定位精度分析与比较 J导航定位学报，2 0 2 1，9（5）：11412 0.21李征，严志文，张永MGEX站解算GPS/BDS基线精度对比分析 J地理空间信息，2 0 2 2，2 0（4）：130 133.收稿日期 2 0 2 2-0 8-13【作者简介】高涵科（2 0 0 0-），男，浙江杭州人，硕士研究生，研究方向为卫星定位与导航。