大气水汽环流异常是气象灾害的重要原因, 研究大气水汽空间分布及其变化对气象灾害预报具有重要意义[1]。欧洲中期数值天气预报中心(European centre for medium-range weather forecasts, ECMWF)代表着世界中短期数值天气预报的最高水平, 每天提供4次全球网格点水汽数据, 在区域气象预报方面发挥着重要作用[2-4]。地基GPS探测水汽技术具有实时性、全天候、高精度等优势, 且单站布设成本较低, 一旦布设完毕即可投入连续运行, 方便实现大范围高密度的水汽监测, 在水汽监测和气象预报中具有重要作用[5-8]。
利用ECMWF和GPS反演水汽结果都已经相对成熟, 但综合利用两者分析降雨特征的研究较少。ECMWF可提供大范围格网点上垂向维的水汽密度、温度、偏压等剖线数据, 能提供面上的水汽含量; GPS水汽是单个点的水汽值, 但是精度及时间分辨率都极高。因此, 可以综合两种反演方法的优点分析降水特征。本文选取台湾地区2009-06-01~06-06一次典型的锋面降雨, 利用ECMWF和GPS水汽来分析其降雨前后的气象元素特征。
1 大气水汽反演原理GPS卫星发射的电磁波信号在大气中传播时会受到对流层的影响, 地基GPS气象学中通常用天顶总延迟ZTD与天顶静力学延迟ZHD的差间接计算天顶湿延迟[8], 即:
(1) |
利用天顶静力学延迟模型, 结合测站气象参数可以计算静力学延迟, 并进一步得到天顶湿延迟。
数值大气模型作为研究大气的一个基本工具, 可以提供每天4次、覆盖全球的格网点水汽数据。本文利用文献[9]中的边界层伸缩水汽加密算法, 根据式(2)对气象参数积分, 求取综合可降水汽PWV:
(2) |
式中, ρV为水汽密度(kg/m3), 下标i和i+1表示每层的底部和顶部。
2 算例分析台湾地区冬季受大陆冷气团影响, 东北季风盛行, 但受到北上的太平洋北赤道暖流制约; 夏季受太平洋副热带高气压影响, 西南季风盛行, 来自太平洋的东南季风受到中央山脉阻挡。春末到盛夏、盛夏到冬初时, 两种季风带来的冷、暖空气相汇合之后, 即形成锋面雨。本文利用ECMWF提供的覆盖全球的1°×1°网格, 根据1 000~10 hPa之间37个等压层的气象信息和位势高度值及近地面的气压、温度、相对湿度资料, 基于文献[9]的方法反演获得台湾地区2009-06-01~06-06气压、温度、水汽值, 结果如图 1所示。
图 1中, (a)~(f)、(g)~(L)、(m)~(r)分别给出了根据ECMWF反演出的台湾地区的气压、温度、水汽结果。
1) 06-01图 1(g)中西南部与其他地区有明显的温度差异(西南部300 K, 其他地区290~296 K); 06-02西南方较高温度范围逐步向岛内扩展。图 1(a)和1(b)中, 气压值按照高度梯度呈负变化, 且2 d内无明显变化。温度的变化是夏季盛行的西南季风登陆的表现, 携带大量水汽的暖风在台湾西南部登陆, 导致此处温度较高。图 1(m)和1(n)中, 水汽值自海岸向岛内递减(沿海55 mm, 岛内非高山50 mm, 高山区15 mm), 等值线明确, 显然此时暖冷锋虽然相遇, 但未交绥, 各气象要素还保持平稳, 这导致台湾地区06-01天气晴朗, 06-02午后有雷阵雨。
2) 从图 1(c)、1(i)和1(o)中可以发现, 06-03水汽、温度、气压分布与前2 d发生巨大变化, 有了混沌之势。图 1(c)中, 西南部气压高低等值线交界处的中值范围(980~990 hPa, 即高低气压混合区)扩大; 图 1(i)中, 全岛温度整体提升, 而且已经没有明确的分界线(大致在299 K), 说明暖锋已经在全岛发挥作用; 图 1(o)中, 水汽分布变化更加剧烈, 全岛非高原地区水汽分布非常均匀(55 mm), 说明各种气象要素正在剧烈变化之中。06-04, 图 1(d)中, 气压中值范围进一步扩大; 图 1(j)中, 温度分布更加均匀(299 K); 而在图 1(p)中, 水汽分布又重新出现了阶梯状, 但分布状态与06-01~06-02不同。这种气象要素变化说明, 06-03~06-04内天气必然也出现相应的剧烈变化。
3) 06-05各气象要素重新恢复到稳定的阶梯分布状态。图 1(e)中, 气压中值区域缩小; 图 1(q)中, 温度整体下降, 大致恢复到06-01的状态(西南部300 K, 其他地区290~296 K); 图 1(q)中, 水汽阶梯分布更加明显。值得注意的是, 06-06图 1(r)中水汽显示出明显的岛内非高原区自南向西梯度下降(南部沿海50 mm, 北部沿海25 mm), 从历史资料来看, 06-05开始, 锋面南移至巴士海峡, 使台湾地区天气恢复晴朗。
图 1中, 气压经过了稳定阶梯状-中值混合区扩大-恢复稳定阶梯的过程; 温度经过了冷暖差异大-均匀分布、整体上升-温度分布恢复的过程; 水汽含量经过了明显阶梯状-均匀分布-阶梯状-自南向北减少的过程。06-01~06-06台湾地区的天气状况如下:06-01天气稳定, 除南部有局部短暂阵雨, 其他地区多云转晴; 06-02受锋面影响, 北部、中部山区及南部局部地区午后有短暂阵雨; 06-03傍晚起至06-04受锋面影响, 其中06-03中部及南部有短暂阵雨; 06-04各地有显著降水, 台北、基隆、桃园、新竹、台中、日月潭及山区测站均出现豪雨, 淡水、嘉义、花莲亦有大雨; 06-05锋面南移至巴士海峡, 清晨各地仍有短暂阵雨; 06-06天气稳定, 部分城市的降雨量见图 2。可以看出, 这些气象要素的变化过程与台湾地区的天气变化(稳定-降雨-稳定)一一呼应。然而, 基于ECMWF获得的水汽值是大范围、低分辨率、低精度的水汽结果, 虽然可以获得冷暖峰相遇、各气象要素巨变引起相应天气变化的结论, 但是却无法解决诸如降水于何时开始、各气象要素在降雨前后具体如何变化等问题。这时就需要用到高精度、高分辨率、全天候的GPS水汽反演技术。
本文水汽解算数据来自大气可降水服务网(http://120.126.139.90:8080/), 该网站提供台湾本岛及离岛共计100个测站2006~2013年每小时的GPS-PWV资料。图 2中展示了位于台湾不同地区的3个城市(基隆、台中、花莲)的温度、气压、水汽值与降水量的对应关系。由图 2可知:
1) 降水之前大气中都有明显的水汽增长(增幅大于45 mm, 增速15 mm/h), 大气中含有大量的可降水量水汽是降水产生的先决条件。虽然在降水结束后PWV也存在明显的抖动, 但是由于大气中水汽含量不足, 导致无法产生降水, 或只产生少量降水。降水结束后由于水汽量在短时间内不能及时得到补充, 所以可降水量PWV急剧下降。当水汽值缓慢上升或由峰顶缓慢下降时, 对应着实际降水的开始和结束。
2) 06-01~06-02温度上升(+1.5°/d), 气压降低(-3 hPa/d), 是西南季风登陆的表现; 06-03~06-04温度下降(-1.5°/d), 气压维持在较低水平(982 hPa), 是水蒸气凝结的表现; 06-05~06-06温度和气压逐渐回升至原水平, 是季风离岸的表现。06-04气温与气压的值相交, 说明气压和温度在该点的变化最为激烈, 同时水汽逐步明显攀升, 各种气象要素的变化都预示着降雨(甚至暴雨)的发生。06-02~06-03也有气温与气压的值相交现象, 但是水汽并未显著攀升(基隆增幅6 mm, 台北和花莲增幅10 mm), 因此发生较大降雨的可能性小, 可能有小幅降雨或者无降雨。
再根据实际降雨量, 06-04各地发生豪雨, 而06-03只有台中和花莲出现降雨, 说明第2点的分析是正确的。综上所述, 认为当发生以下3个现象:气压从稳步下降变为平稳(甚至小幅上升)、温度从稳步上升变为稳步下降、PWV稳步上升时, 则降雨即将发生, 且降雨会发生在温度值线和气压值线的交点上, 因为此时是气象要素变化最剧烈的时候。
实际上国内己经进行了很多GPS可降水量与降雨之间关系的研究, 并给出了较好的结论:是否降雨与2 h内变化超过5 mm的可降水量有密切关系; 暴雨与50 mm的GPS可降水量之间存在对应关系; 最强降雨出现在GPS PWV峰值后1~2 h内; 对流层增速超过1 cm/h并持续3 h以上, 暴雨很可能在将来几个小时内来临[5-6]。因此, 可降水量稳步上升及长时间处于高值区域是降水产生的先兆, 再加上温度、气压、风速等气象数据, 就会对是否降雨和何时降雨有更好的判断。
3 结语本文综合ECMWF和GPS反演水汽方法的优点, 分析了台湾地区2009-06-01~06-06的一次典型降雨发生时的水汽及其他气象要素特征。结果发现, 根据ECMWF反演的气象要素可以获得大范围的气象因子活动情况, 以此判断在一定时间段内是否有降水的动力学条件; 而根据GPS反演水汽结果可以在更高的时间分辨率上对何时降水有指导作用。
致谢: 感谢台湾大气可降水服务网提供的水汽解算数据和北斗分析中心提供的平台支持。
[1] |
李国平, 陈娇娜, 黄丁发, 等. 地基GPS水汽实时监测系统及其气象业务应用[J]. 武汉大学学报:信息科学版, 2009, 34(11): 1 328-1 331 (Li Gouping, Chen Jiaona, Huang Dingfa, et al. Real-Time Monitoring System of Precipitable Water Vapor Derived from Ground-Based GPS and Its Applications in Meteorology[J]. Geomatics and Information Science of Wuhan University, 2009, 34(11): 1 328-1 331)
(0) |
[2] |
Ye H C, Fetzer E J, Bromwich D H, et al. Atmospheric Total Precipitable Water from AIRS and ECMWF during Antarctic Summer[J]. Geophysical Research Letters, 2007, 34(19)
(0) |
[3] |
Bock O, Nuret M. Verification of NWF Model Analyses and Radiosonde Humidity Data with GPS Precipitable Water Vapor Estimates During AMMA[J]. Weather and Forecasting, 2009, 24(4): 1 085-1 101 DOI:10.1175/2009WAF2222239.1
(0) |
[4] |
文彩虹, 杨修群. 使用ECMWF集合预报数据集估计全球季节平均气候异常的潜在可预报性[J]. 气象科学, 2003, 23(4): 379-391 (Wen Caihong, Yang Xiuqun. Potential Predictability of Seasonal Mean Climate Anomaly Assessed from ECMWF Ensemble Seasonal Forecasts[J]. Meteorological Science, 2003, 23(4): 379-391 DOI:10.3969/j.issn.1009-0827.2003.04.001)
(0) |
[5] |
宋淑丽.地基GPS网对水汽三维分布的监测及其在气象学中的应用[D].上海: 中国科学院上海天文台, 2004 (Song Shuli.Sensing Three Dimensional Water Vapor Structure with Ground-Based GPS Network and the Application in Meteorology[D].Shanghai: Shanghai Astronomical Observatory, CAS, 2004)
(0) |
[6] |
陈永奇, 刘焱雄, 王晓亚, 等. 香港实时GPS水汽监测系统的若干关键技术[J]. 测绘学报, 2007, 36(1): 9-12 (Chen Yongqi, Liu Yanxiong, Wang Xiaoya, et al. GPS Real-Time Estimation of Precipitable Water Vapor-Hong Kong Experiences[J]. Acta Geodaetica et Cartographica Sinica, 2007, 36(1): 9-12 DOI:10.3321/j.issn:1001-1595.2007.01.002)
(0) |
[7] |
于胜杰, 柳林涛, 梁星辉. 约束条件对GPS水汽层析解算的影响分析[J]. 测绘学报, 2010, 39(5): 491-496 (Yu Shengjie, Liu Lintao, Liang Xinghui. Influence Analysis of Constraint Conditions on GPS Water Vapor Tomography[J]. Acta Geodaetica et Cartographica Sinica, 2010, 39(5): 491-496)
(0) |
[8] |
张双成, 刘经南, 叶世榕, 等. 顾及双差残差反演GPS信号方向的斜路径水汽含量[J]. 武汉大学学报:信息科学版, 2009, 34(1): 100-104 (Zhang Shuangcheng, Liu Jingnan, Ye Shirong, et al. Retrieval of Water Vapor along the GPS Slant Path Based on Double-Differenced Residuals[J]. Geomatics and Information Science of Wuhan University, 2009, 34(1): 100-104)
(0) |
[9] |
杨成生.差分干涉雷达测量技术中水汽延迟改正方法研究[D].西安: 长安大学, 2011 (Yang Chengsheng.Study on Atmosphere Delay Correction Methods in Differential Interferometric Synthetic Aperture Radar[D].Xi'an: Chang'an University, 2011)
(0) |