《測繪學報》
構建與學術的橋樑 拉近與權威的距離
複製鏈接，關注《測繪學報》抖音！
【測繪學報的個人主頁】長按複製此條消息，長按複製打開抖音查看TA的更多作品##7NsBSynuc88##[抖音口令]
本文內容來源於《測繪學報》2020年第9期，審圖號GS（2020）4848號。
基於北斗/GNSS的中國-中南半島地區大氣水汽氣候特徵及同降水的相關分析
施闖1
, 張衛星2
, 曹雲昌3, 樓益棟2, 梁宏3, 範磊1, SATIRAPOD C4, TRAKOLKUL C4 1. 北京航空航天大學衛星導航與移動通信融合技術工業與信息化部重點實驗室, 北京 100191;
2. 武漢大學衛星導航定位技術研究中心, 湖北 武漢 430079;
3. 中國氣象局氣象探測中心, 北京 100081;
4. 泰國朱拉隆功大學測量工程學院, 泰國 曼谷 10330
基金項目：國家自然科學基金（41961144015；41804023；41774036）
摘要：本文采用統一的處理模型和處理策略對中國-中南半島地區地基北斗/GNSS測站2006—2016年曆史觀測數據進行高精度重處理和水汽反演，獲得近10年的大氣可降水含量（PWV）產品。基於北斗/GNSS PWV產品，研究了該地區大氣水汽平均含量、年週期振幅和半年週期振幅等氣候特徵，發現這些特徵主要受到了測站緯度、高程以及季風的影響。通過分析PWV同並址氣象站降水觀測的關聯特性，揭示了該地區大氣水汽含量同降水相關性隨測站緯度減小而降低的特點（在雲南相關係數可達0.8，在靠近赤道的泰國南部相關係數約為0.2）。此外，PWV和降水的距平值相關分析表明，相比於歷史同期，大氣水汽含量較高的月份在一定程度上對應著降水異常偏高，兩者相關係數為0.2~0.4。
關鍵詞：中國-中南半島地區 北斗/GNSS 大氣可降水含量 降水 氣候變化
引文格式：施闖, 張衛星, 曹雲昌, 等. 基於北斗/GNSS的中國-中南半島地區大氣水汽氣候特徵及同降水的相關分析. 測繪學報，2020，49(9)：1112-1119. DOI: 10.11947/j.AGCS.2020.20200339.
閱讀全文：http://xb.sinomaps.com/article/2020/1001-1595/2020-9-1112.htm
全文概述
中國-中南半島經濟走廊地區(簡稱中國-中南半島地區)屬於典型的季風氣候，乾溼季節顯著，中國-中南半島是孟加拉灣水汽輸送中國的通道，對於中國氣候具有極其重要的影響[1-2]。泰國、緬甸和越南等國位列近20年(1997—2016)受極端降水天氣引發的洪澇和滑坡災害威脅最嚴重的國家[3-4]。在全球變暖背景下，全球各地極端天氣的頻數和強度有進一步增大的趨勢[5]。中國-中南半島地區是全球重要的糧食產區，頻發的極端降水天氣給該區域的經濟和社會發展以及全球的糧食安全帶來了嚴重的破壞，也對中國-中南半島經濟走廊基礎設施建設的安全和效益形成了巨大的威脅。開展中國-中南半島地區極端降水天氣形成和變化機制研究及預警預報工作，對於深入理解全球變暖背景下區域天氣系統的響應機制、保障地區經濟建設和社會發展具有十分重要的科學價值和現實意義。
中國-中南半島地區極端強降水量或暴雨強降水量在總降水量中的比重總體上有所增加，降水強度也有一定的增強，但是不同區域的變化呈現出空間上的不一致性[6-9]。極端天氣氣候事件的變化規律是全球氣候變化背景下氣象和氣候科學研究的重點和熱點[10-11]。
目前對極端降水天氣的預警預報和未來規律預測仍然是世界性難題。導致極端降水的因子非常複雜，包括大氣環流、大氣穩定度、潛熱釋放、水汽輻合、抬升運動、雲的範圍和中尺度組織的強度、氣溶膠作用和複雜地形作用等[12-13]。雖然降水預報水平從20世紀60年代至今取得很大進展，但目前國際上對大於1英寸(1英寸=25.4 mm)/24 h降水預報技術評分(threat score)不足0.4(1.0表示完美預報)[14]，對水汽輸送機理認識不足是制約極端降水天氣預報精度的重要原因[12]。
大氣水汽在極端降水天氣的形成和發展過程中扮演著十分關鍵的角色。一方面，大氣水汽是極端降水天氣形成的主要物質基礎；另一方面，水汽在大氣中通過相態轉化和輸送等過程能顯著改變大氣能量分佈，深刻影響大氣能量系統平衡，為極端降水天氣的形成提供了重要的動力條件。觀測和研究大氣水汽在不同時間尺度上的變化特性，對於深入理解極端降水天氣的形成機制和預警預報及未來變化規律預測十分關鍵。
大氣水汽觀測有多種技術手段，目前常用的主要有高空無線電探空儀、地基微波輻射計、星基輻射計、星基無線電掩星和地基GNSS反演等手段。相比於其他手段，地基GNSS具備全天候、高精度、低費用、高時間分辨率和均一性好等優勢[15-16]，近些年已成為大氣水汽觀測的一種重要手段[17]。地基GNSS也被全球氣候觀測系統(GCOS)高空參考觀測網絡(GRUAN)列為水汽I類觀測手段[18]。
本文采用統一的處理模型和處理策略對中國-中南半島地區數十年的地基北斗/GNSS歷史觀測資料進行高精度重處理並反演獲得該地區上空大氣可降水含量(PWV)產品。基於PWV產品，開展中國-中南半島地區大氣水汽含量氣候學特徵分析。結合並址氣象觀測站的降水數據，通過時序分析，研究大氣水汽含量同降水的變化關係。
1 數據及處理方法
本文所使用到的各類數據，包括地基北斗/GNSS觀測數據、大氣氣象再分析資料以及地面氣象站降水數據。
1.1 北斗/GNSS數據及處理策略
本文的研究區域為5°N—26°N、95°E—116°E(圖 1)，主要覆蓋了中南半島和我國廣東、廣西、雲南、海南以及南海的部分地區。研究區域內使用的北斗/GNSS測站包括中國大陸構造環境監測網絡(CMONOC)(簡稱陸態網)中的42個測站，泰國公共工程和城鄉規劃部(DPT)網絡中的11個測站[19]，共計53個測站。研究時段為2006-01-01—2016-12-31。需要說明的是陸態網中的二期測站從2011年起才提供觀測。圖 1中標註了研究時段內北斗/GNSS觀測時段超過10年的測站名稱(共16個)。黑框標註的是陸態網中包含我國北斗衛星導航系統觀測的測站(共7個，從2014年起提供北斗觀測數據)。文獻[20—21]通過評估指出，採用北斗數據反演的可降水產品與GPS結果精度相當，且北斗+GPS聯合處理結果精度優於單北斗或單GPS。因此，對於圖 1中標註的7個含北斗數據的陸態網測站採用北斗+GPS數據聯合處理方式，對於其他測站在處理中採用GPS觀測數據。
圖 1 北斗/GNSS測站地理分佈Fig. 1 Geographical distribution of BeiDou/GNSS stations
圖選項
為了保證北斗/GNSS處理結果在時域上的均一性，本文采用統一的處理模型和處理策略對研究範圍內的北斗/GNSS歷史觀測資料進行了高精度重處理。處理策略見表 1，其中，衛星軌道和鐘差產品採用了IGS第2次重處理(repro2)中ESA的重處理產品(ES2)，避免了IGS日常事後精密產品由於參考框架和處理策略的更新可能給北斗/GNSS數據處理結果帶來的非均一性問題。由於ES2產品只提供到2014年4月19日，對於2014年4月19日之後使用ESA事後精密產品(不含北斗觀測的測站處理)或WUM事後精密產品(含北斗觀測的測站處理)，從ES2切換到ESA產品或WUM產品對GNSS數據處理結果的影響可忽略不計[22]。此外，在本文的北斗/GNSS數據處理中，採用了最新的投影函數VMF3(1°×1°分辨率格網產品)[23]。VMF3是基於氣象再分析資料ERA-Interim構建的，相較於基於業務化氣象資料構建的VMF1，在長時間尺度上具有更好的一致性，能夠更好地保證處理結果的長期均一性。
1.2 氣象再分析資料ERA-Interim
ERA-Interim是由歐洲中期天氣預報中心(ECMWF)發佈的一款氣象再分析資料[24]。本文ERA-Interim主要有兩個用處：提供北斗/GNSS水汽反演所需的測站處氣壓和加權平均溫度(Tm)；計算基於ERA-Interim的北斗/GNSS測站處PWV，用於同北斗/GNSS PWV比較以剔除北斗/GNSS PWV序列中的異常值。
本文采用的ERA-Interim資料為6 h分辨率的氣壓層產品(共37層)，空間分辨率為0.75°×0.75°。每個氣壓層上使用的參數場包括溫度(T)、氣壓(P)、位勢高(GH)和比溼(q)。根據北斗/GNSS測站的位置，水平方向採用雙線性內插方法，高程方向溫度和氣壓分別採用線性和指數補償氣壓層和測站高程差異，並通過積分和時間內插獲得北斗/GNSS測站處逐小時分辨率氣壓和Tm。具體的計算方法和流程可參考文獻[25—26]。
獲得測站處的氣壓後，採用Saastamoinen模型估算測站處的天頂幹延遲(ZHD)[27]。從北斗/GNSS數據處理估算獲得的ZTD中扣除ZHD，得到天頂溼延遲(ZWD)，並採用式(1)反演獲得測站處的大氣可降水總含量(PWV)
(1)
式中，k′2(17±10 K/hPa)和k3(3.776±0.004×105K2/hPa)為大氣折射率常數；Rw為水汽氣體常數(461.51 J/(K×kg))；ρw為液態水密度(1000 kg/m3)；Tm為加權平均溫度(單位為K)。
而基於ERA-Interim氣壓層產品積分計算PWV的公式為
(2)
式中，g為地球重力加速度，需要考慮緯度和高度的變化。
對各個測站處的北斗/GNSS和ERA-Interim逐小時PWV產品做差，剔除超出4倍差值中誤差的北斗/GNSS PWV異常點，最終獲得研究區域內各個北斗/GNSS的PWV時間序列。
1.3 地面降水數據
北斗/GNSS測站和地面氣象測站通常不共址。本文采用平面距離在30 km以內且高程差異在100 m以內的原則對北斗/GNSS測站和地面氣象測站進行匹配。若北斗/GNSS測站同時匹配到多個氣象站，則選擇距離最近的一個測站作為匹配測站。按此原則，最終有38個北斗/GNSS測站匹配到地面氣象測站，包括27個CMONOC測站和11個DPT測站。中國地區使用的降水資料為逐小時累積降雨量觀測，資料的時段為2006—2014年；泰國地區使用的降水資料為逐日累積降雨量觀測，資料的時段為2007—2016年。
2 結果分析
2.1 PWV週期信號提取
研究區域整體上為季風氣候區域，因此本文主要顧及PWV時間序列中的週年和半週年週期信號。採用以下模型對PWV時間序列進行擬合[28]
(3)
式中，y(t)即為t時刻(以年為單位表示)的PWV值；A0、A1、A2和A3分別為常數項、趨勢項、週年項和半週年項的係數；P1與P2分別為週年和半週年相位；QBO1和QBO2分別為30 hPa和50 hPa高度處的標準化準兩年振盪(quasi-biennial oscillation)參數(http://www.cpc.ncep.noaa.gov/data/indices)，主要用於考慮QBO現象對水汽變化的週期影響；B1與B2為QBO相應的尺度係數；SF為太陽光照通量參數(http://www.esrl.noaa.gov/psd/data/correlation/solar.data)，用於考慮太陽光照變化對水汽的影響；B3為SF對應的尺度係數。在採用式(3)擬合時，為了保證擬合結果的可靠性，要求北斗/GNSS的PWV產品覆蓋天數不少於2年，對不符合要求的測站不予擬合。圖 2給出了8個北斗/GNSS代表測站PWV時間序列以及採用式(3)模型擬合的結果，其中PWV時間序列中缺失的部分是由於北斗/GNSS數據缺失或異常值剔除造成的。
圖 2 8個北斗/GNSS測站處PWV時間序列(灰點)、PWV模型擬合值(黑點)和並址氣象站月累積降水量(黑柱)Fig. 2 PWV time series (gray dots), PWV model values (black dots) and collocated monthly precipitation (balck bars) at eight BeiDou/GNSS stations
圖選項
2.2 大氣水汽含量氣候分佈特徵分析
基於擬合模型計算研究時段(即2006—2016年)的PWV模型值，求取研究時段PWV模型值的平均值作為各北斗/GNSS測站處的PWV年均值。年均值的地理分佈如圖 3(a)所示，在泰國的南部年均值可達50 mm左右，而在我國的雲南地區年均值為20~30 mm。PWV年均值整體上呈現出較為典型的空間地理分佈特徵，即PWV年均值主要同測站的高程和緯度相關。圖 4給出了各個北斗/GNSS測站PWV年均值同測站高程和測站緯度的變化關係。容易看出，隨著測站高度的增大，PWV年均值呈現出近似於線性的下降趨勢，兩者變化的皮爾遜相關係數達-0.974。在緯度變化方面，PWV年均值同緯度變化的皮爾遜相關係數為-0.783，即PWV年均值在低緯度地區總體上要高於高緯度地區。這主要是由於低緯度地區的氣溫一般要高於高緯度地區，氣溫的升高可使大氣蓄水能力增強，在水汽來源較為充足的情況下，大氣水汽的含量更高。
圖 3 PWV年均值與年振幅的地理分佈Fig. 3 Distribution of annual average PWV and PWV annual amplitude
圖選項
圖 4 PWV年均值隨北斗/GNSS測站高程與緯度的變化Fig. 4 Variations of annual average PWV with station altitude and latitude
圖選項
中國-中南半島地區總體上屬於季風氣候類型，受到了印度季風、東亞季風、西太平洋季風等季風子系統的綜合作用。圖 3(b)給出了各個北斗/GNSS測站處PWV年振幅的地理分佈。結合圖 2中的8個典型北斗/GNSS測站的PWV時間序列，不難看出在季風的影響下大部分測站大氣水汽含量的週年變化信號較為顯著，在夏季大氣水汽含量明顯高於冬季，在廣西和廣東部分地區PWV年振幅可超過20 mm。年振幅的地理分佈整體上呈現出高緯度到低緯度下降的特徵，在泰國的南部，例如圖 2(g)和圖 2(h)所示的SOKA和SRTN站，PWV常年保持在較高水平，年振幅在10 mm以內。這主要是因為泰國南部地區氣溫常年較為穩定，且地理位置臨海，水汽來源充足，因此水汽含量年變化幅度並不明顯。
類似於年振幅結果，圖 5(a)給出了各個北斗/GNSS測站處的半年振幅地理分佈情況。半年振幅的地理分佈總體上表現出同年振幅地理分佈相反的特徵，即隨著測站緯度的下降，半年振幅大體上呈增大的趨勢。在雲南南部PWV半年振幅不足2 mm，而在泰國南部可達4~5 mm。這種分佈同泰國的氣候特徵息息相關，泰國大部分地區大氣水汽含量較高的夏季(3—5月)和雨季(6—10月)的時長要明顯長於水汽含量較低的涼季(11—次年2月)。對比圖 2(a)的雲南XIAG站和圖 2(g)的泰國SRTN站可以看出，雲南XIAG站PWV在一年中變化非常平順，而SRTN站PWV高值持續的時間要明顯長於低值持續時間。這種非對稱特性是導致低緯度測站半年週期信號更為顯著的主要原因。
圖 5 PWV半年振幅以及月均值同降水量相關係數地理分佈Fig. 5 Distribution of PWV semi-annual amplitudes and PWV-monthly precipitation correlation coefficients
圖選項
2.3 大氣水汽含量同降水變化關聯分析
大氣水汽含量及變化同降水過程息息相關。大氣水汽是降水形成的主要物質基礎之一，大氣水汽的變化帶來的大氣潛熱能的儲存和釋放為降水過程提供重要的動力因子。圖 5(b)給出了北斗/GNSS測站PWV月均值同並址氣象測站月累積降水量的相關係數地理分佈情況。結合圖 2中的8個典型北斗/GNSS測站並址氣象站的月累積降水量的時間序列，可以看出PWV同降水的相關係數分佈與圖 3(b)中的PWV年振幅地理分佈較為相似。隨著測站緯度的下降總體呈減小的趨勢，在雲南地區相關係數在0.6以上，而在泰國南部相關係數小於0.2。這主要是因為在緯度相對較高的雲南等地區，大氣水汽同降水的季節變化具有較好的一致性。在夏季由於副熱帶高壓的持續影響，暖冷鋒在此區域交會，並保持較長時間停留，導致降水增多。同時夏季氣溫升高，大氣蓄水能力增強，且季風系統將海洋的溼潤空氣源源不斷地輸送到該區域，大氣水汽含量達到峰值。而在緯度較低的泰國南部，大氣水汽常年保持較高含量，季節變化特徵明顯更弱，在該地區影響降水的主要因素為大氣動力因子，而不再是大氣水汽含量，因此在低緯度地區兩者相關性明顯下降。
水汽是大氣中含量最為豐富的溫室氣體，加之大氣氣溫和水汽含量的正相關性(理論上滿足Clausius-Clapeyro方程)，大氣水汽含量的變化對大氣暖化具有很強的正反饋作用。已有的一些研究指出，在全球暖化背景下，水汽含量的變化同極端降水天氣頻率和強度的變化具有較強的關聯性[5]，因此分析大氣水汽含量異常同降水異常的關聯對於氣候分析和極端降水天氣的長期規律研究具有重要意義。圖 6(a)給出了北斗/GNSS觀測跨度超過10年的16個北斗/GNSS測站處PWV月均值距平值同月累積降水量距平值的相關係數地理分佈，圖 6(b)和圖 6(c)選取了兩個代表測站(雲南XIAG站和泰國CHAN站)的PWV和降水量距平值時間序列。研究區域內大部分測站的PWV和降水量距平值的相關係數為0.2~0.4，呈現出一定的相關性，即大氣水汽含量偏高的月份在一定程度上對應著降水異常偏高。反之，水汽含量偏低的月份在一定程度上對應著降水異常偏低。從圖 6(b)和(c)中的兩個典型測站處的時間序列也可以觀察出這種關聯特性。
圖 6 PWV月均值與月累積降水量距平值的相關特徵Fig. 6 Correlation between PWV and monthly precipitation anomaly
圖選項
3 結論
中國-中南半島地區是世界重要的產糧區，也是“一帶一路”倡議建設的重點地區，但在全球變暖背景下，近期該地區極端降水天氣頻發，嚴重威脅了該地區的經濟建設和社會發展。本文圍繞大氣水汽分佈和變化的氣候特徵及同降水的長尺度關聯進行研究，採用統一的數據處理模型和策略對中國-中南半島地區的地基北斗/GNSS測站數據進行高精度重處理和水汽反演，獲得了該地區數十年的大氣水汽含量(PWV)產品。基於該產品，系統分析了中國-中南半島地區的PWV年均值、年振幅和半年振幅的空間分佈特徵。結合北斗/GNSS測站並址氣象站的降水數據，討論了PWV同降水的相關特性。主要結論如下：
(1) 該地區大氣水汽含量主要同測站高程和緯度相關，相關係數分別為-0.974和-0.783。在泰國的南部年均值達到50 mm左右，而在我國的雲南地區年均值為20~30 mm。
(2) 受季風影響，該地區大部分測站上空大氣水汽表現出明顯的年週期變化，年振幅呈現出高緯度到低緯度下降的特徵。在廣西和廣東部分地區PWV年振幅可超過20 mm，而在泰國南部SOKA和SRTN站，年振幅在10 mm以內。
(3) PWV半年振幅的地理分佈總體上表現出隨著測站緯度的下降的特徵。在雲南南部PWV半年振幅不足2 mm，而在泰國南部可達4~5 mm，這與泰國南部大氣水汽含量在一年中的非對稱分佈特徵有關。
(4) 大氣水汽含量同降水具有較為明顯的相關性，且隨著測站緯度的下降相關性減弱。在雲南地區相關係數在0.6以上，而在泰國南部相關係數在0.2左右；PWV同降水量的距平值同樣具有一定的相關性(相關係數0.2~0.4)，表明相比於歷史同期，水汽含量偏多的月份在一定程度上對應著降水異常偏高。
作者簡介
第一作者簡介：施闖(1968-), 男, 教授, 研究方向為高精度衛星導航定位。
E-mail:[email protected]
通信作者：張衛星,
E-mail：[email protected]
《測繪學報（英文版）》（JGGS）專刊徵稿：LiDAR數據處理
論文推薦 | 張勤, 燕興元,黃觀文,解世超,曹鈺：北斗衛星天線相位中心改正模型精化及對精密定軌和定位影響分析
通知 | 《測繪學報》論文入選中國科協第五屆優秀科技論文遴選計劃
孫龍 吳濤 孫光才 邢孟道 等 |《測繪學報（英文版）》（JGGS）精選論文
權威 | 專業 | 學術 | 前沿
微信、抖音小視頻投稿郵箱 | [email protected]
歡迎加入《測繪學報》作者QQ群： 751717395
進群請備註：姓名+單位+稿件編號
