2. 现代工程测量国家测绘地理信息局重点实验室, 上海市四平路1239号, 200092
可降水量是空气柱中含有的水汽总量能形成的降雨量,在天气预报等气象工作中有着重要意义[1]。GPS信号在穿过大气层时会产生延迟,可利用延迟量计算可降水量,即地基GPS反演可降水量方法。该方法具有高精度、高时间分辨率、低成本等优点。
地基GPS反演可降水量的相关理论于1987年提出[2],我国学者在20世纪90年代末开始对该方法进行研究[3]。国内外许多学者对反演得到的可降水量精度进行了研究[4-6],相关研究推动了GPS气象学的发展。但仅从精度分析的角度探讨反演效果、验证该方法的可行性,往往无法体现地基GPS反演数据的时间变化趋势。本文从频谱分析的角度出发,采用奇异谱分析方法,验证地基GPS反演可降水量的可行性。
1 奇异谱分析原理奇异谱分析是一种对时间序列数据进行分析的方法。处理一组一维时间序列x1, x2, x3, …xN的过程如下[7]。
1) 分解。构造轨迹矩阵X:
![]() |
(1) |
式中,L为通过适当方法或经验选定的窗口长度,1<L≤N/2。对X进行奇异值分解,得到:
![]() |
(2) |
式中,λi为矩阵XXT和XTX的特征值,Ui和Vi为所对应的特征向量,
![]() |
(3) |
2) 重构。对奇异值分解后得到的L个矩阵Xi(i=1, 2, …, L)分组如下:
![]() |
(4) |
式中,每个XIi均是由一个或多个Xi合成,且不同的XIi内包含的Xi不同。将分组得到的每个L×K矩阵XIi通过对角平均公式(5)转换为新重构的序列(reconstruction,RC):
![]() |
(5) |
式中,L*=min{L, K},K*=max{L, K},N=L+K-1,xi, j*为矩阵XIi的第i行j列上的元素。将转换后的RC相加得到经奇异谱分析后的时间序列:
![]() |
(6) |
3) 趋势项判定和周期提取。在奇异谱分析中,通过Kendall非参数检验判定某RC是否为趋势项。计算指标数Kr并构造统计量τ=
GPS信号穿过对流层时会发生折射,并产生延迟,而延迟量的大小与许多气象元素有关,通过气象元素之间的关系可以计算出可降水量。对流层天顶总延迟(ZTD)由天顶湿延迟(ZWD)和天顶静力学延迟(ZHD)构成[9],即
![]() |
(7) |
式中,天顶静力学延迟可以通过Saastamoinen、Hopfield等模型计算。
可降水量(PWV)与天顶湿延迟有如下关系[5]:
![]() |
(8) |
![]() |
(9) |
式中,ρw为液态水密度,Rv为水汽的气体常数,Tm为大气加权平均温度,k′2、k3为大气折射常数。只要已知天顶总延迟和天顶静力学延迟,便可以计算得到可降水量。在GAMIT软件中,将天顶总延迟作为参数进行估计,采用Saastamoinen模型计算天顶静力学延迟,得到可降水量。下文中用到的地基GPS反演可降水量数据均利用GAMIT软件计算而得。
3 实验分析 3.1 数据选取及方案设计微波辐射计是通过被动式微波遥感探测亮温,进而反演水汽含量等信息的设备。与地基GPS反演可降水量相比,微波辐射计在晴空下得到的数据精度较高,可作为真值使用,但在雨天,微波辐射计数据会明显偏高,数据质量下降。
微波辐射计数据由位于同济大学测绘楼的微波辐射计观测得到,采样间隔为1 h;GPS数据由与微波辐射计并址的GPS参考站观测得到。利用GAMIT软件解算同济大学GPS参考站与SHAO、WUHN、CHAN、BJFS、URUM等5个IGS站间基线,若IGS站某天数据缺失,则使用中国境内其他IGS站数据替代。利用基线解算结果与GPS参考站气象文件,由GAMIT软件计算得到地基GPS反演可降水量数据,采样间隔为1 h。
为确保实验结果的可靠性,实验时选取2个短时段和1个长时段,短时段1为2015-01-01 00:00~01-13 06:00(UTC),短时段2为2015-02-02 02:00~02-14 15:00,两个短时段内均无降雨,为连续时段,时长分别为295 h和302 h;长时段为2016-01-01 01:00~04-23 23:00,由于微波辐射计在雨天数据质量下降,在该时段中,结合上海市历史天气资料剔除部分含有明显粗差的降雨时段,得到共2 503 h的数据。再利用奇异谱分析,对不同时段的微波辐射计数据和地基GPS反演数据分别进行趋势项判定和周期提取,以分析地基GPS反演可降水量的可行性。短时段和长时段两种数据对比如图 1~3所示。短时段1、短时段2和长时段微波辐射计数据与地基GPS反演数据的均方根误差分别为1.68 mm、2.52 mm、2.56 mm。
![]() |
图 1 长时段两种数据对比 Fig. 1 Comparison of two data in long period |
![]() |
图 2 短时段1两种数据对比 Fig. 2 Comparison of two data in the first short period |
![]() |
图 3 短时段2两种数据对比 Fig. 3 Comparison of two data in the second short period |
对短时段1和短时段2中微波辐射计数据与地基GPS反演数据进行趋势项判定,窗口长度均取90,结果如表 1所示。
![]() |
表 1 短时段趋势项判定 Tab. 1 Trends in short period |
由表 1可知,在短时段1中,微波辐射计数据与地基GPS反演数据的RC1均为趋势项且贡献率均超过80%,因此RC1能反映出原数据的主体趋势。短时段1两种数据的RC1如图 4所示,两种数据RC1的均方根误差为1.31 mm,相关系数为0.985 5。
![]() |
图 4 短时段1两种数据的RC1 Fig. 4 RC1 of two data in the first short period |
同理,短时段2两种数据的RC1能反映出原数据的主体趋势,RC1如图 5所示,其均方根误差为2.37 mm,相关系数为0.996 5。
![]() |
图 5 短时段2两种数据的RC1 Fig. 5 RC1 of two data in the second short period |
对长时段微波辐射计数据与地基GPS反演数据进行趋势项判定,窗口长度均取666,取贡献率大于1%的趋势项,结果如表 2所示。
![]() |
表 2 长时段趋势项判定 Tab. 2 Trends in long period |
由表 2可知,长时段微波辐射计数据与地基GPS反演数据的RC1均为趋势项且贡献率均超过70%,即RC1为主体趋势项。两种数据的RC1如图 6所示,其均方根误差为2.11 mm,相关系数为0.999 4。
![]() |
图 6 长时段两种数据的RC1 Fig. 6 RC1 of two data in long period |
对短时段1和短时段2中微波辐射计数据与地基GPS反演数据进行周期提取,窗口长度均取90,取贡献率大于0.1%的周期项,见表 3。
![]() |
表 3 短时段周期提取 Tab. 3 Periodic in short period |
由表 3可知,在短时段1中,微波辐射计和地基GPS反演数据通过奇异谱分析提取的周期项十分相似,贡献率最大的周期项均为RC4和RC5,周期分别为46.5 h和44.4 h。另外,两者均含有27 h左右、20 h左右、16 h左右的周期。在短时段2中,贡献率最大的周期项均为RC4和RC5,周期为45.6 h。对比短时段1和2发现,两个时段均含有46 h左右和27 h左右的周期。
对长时段微波辐射计数据与地基GPS反演数据进行周期提取,窗口长度均取666,取贡献率大于0.1%的周期项,见表 4。
![]() |
表 4 长时段周期提取 Tab. 4 Periodic in long period |
由表 4可知,两种数据含有的周期项十分相似,贡献率最大的周期项RC2和RC3周期均为333.3 h,周期项RC12和RC13的周期均为200.0 h。对比长、短时段周期提取结果发现,表 4中没有20 h左右和10 h左右的周期项,但这并不代表长时段中不含有这些周期项,只不过由于这些项的贡献率远小于0.1%,在长时段内时间较短的周期项不显著,所以没有在表 4中列出。
4 结语实验结果表明,在短时段和长时段下,微波辐射计与地基GPS反演可降水量数据的均方根误差均在2 mm左右。通过奇异谱分析对微波辐射计与地基GPS反演数据进行趋势项判定与周期提取发现,两种数据的主体趋势具有良好的相关性,大部分周期项对应的周期相同或相近。
[1] |
李国平.地基GPS遥感大气可降水量及其在气象中的应用研究[D].成都: 西南交通大学, 2007 (Li Guoping. On the Remote Sensing of Precipitable Water Vapor Using Ground-Based GPS Technique and Applications in Meteorology[D].Chengdu: Southwest Jiaotong University, 2007) http://cdmd.cnki.com.cn/article/cdmd-10613-2008042015.htm
( ![]() |
[2] |
Askne J, Elgered G, Nordius H, et al. The ONSAM Experiment: Remote Sensing Techniques for Vertical Sounding of the Atmosphere[J]. Journal of Atmospheric and Oceanic Technology, 1987, 4(1): 180-190 DOI:10.1175/1520-0426(1987)004<0180:TOERST>2.0.CO;2
( ![]() |
[3] |
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, 23(5): 605-612 (Wang Xiaoya, Zhu Wenyao, Yan Haojian, et al. Preliminary Results of Precipitable Water Vapor Monitored by Ground-Based GPS[J]. Chinese Journal of Atmospheric Sciences, 1999, 23(5): 605-612 DOI:10.3878/j.issn.1006-9895.1999.05.11)
( ![]() |
[4] |
Bevis M, Businger S, Herring T A, et al. GPS Meteorology: Remote Sensing of Atmospheric Water Vapor Using the Global Positioning System[J]. Journal of Geophysical Research: Atmospheres, 1992, 97(D14): 15787-15801 DOI:10.1029/92JD01517
( ![]() |
[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) http://cdmd.cnki.com.cn/Article/CDMD-80022-2004139591.htm
( ![]() |
[6] |
王勇, 刘严萍, 柳林涛, 等. 区域GPS网对流层延迟直接推算可降水量研究[J]. 热带气象学报, 2007, 23(5): 510-514 (Wang Yong, Liu Yanping, Liu Lintao, et al. The Study of Directly Calculating Precipitable Water Vapor with Zenith Tropospheric Delay of GPS Network[J]. Journal of Tropical Meteorology, 2007, 23(5): 510-514 DOI:10.3969/j.issn.1004-4965.2007.05.013)
( ![]() |
[7] |
卢辰龙.奇异谱分析在大地测量时间序列分析中的应用研究[D].长沙: 中南大学, 2014 (Lu Chenlong. Research on Application of Singular Spectrum Analysis in Geodetic Survey Time Series[D]. Changsha: Central South University, 2014) http://cdmd.cnki.com.cn/Article/CDMD-10533-1014407784.htm
( ![]() |
[8] |
Vautard R, Yiou P, Ghil M. Singular-Spectrum Analysis: A Toolkit for Short, Noisy Chaotic Signals[J]. Physical D: Nonlinear Phenomena, 1992, 58: 95 DOI:10.1016/0167-2789(92)90103-T
( ![]() |
[9] |
王勇, 柳林涛, 梁洪有, 等. 基于GPS技术的高原与平原地区可降水量的研究[J]. 大地测量与地球动力学, 2006, 26(1): 88-91 (Wang Yong, Liu Lintao, Liang Hongyou, et al. Research on Precipitable Water Vapor in Plateau and Plain Areas with GPS Technique[J]. Journal of Geodesy and Geodynamics, 2006, 26(1): 88-91)
( ![]() |
2. Key Laboratory of Modern Engineering Survey, NASMG, 1239 Siping Road, Shanghai 200092, China