2019, Vol. 39
2. 天津城建大学经济与管理学院，天津市津静路26号，300384
年降水量的预测研究对于气候预测、极端天气分析具有重要意义。而水汽是影响降水的关键要素之一，可利用GNSS观测数据反演高精度连续水汽序列。多位学者针对区域降水与GNSS天顶对流层延迟(ZTD)、水汽(PWV)的关系进行研究[1-6]发现，水汽值的大小和增幅与降水过程存在较好的对应关系，对短时强降水预报或暴雨临近预报有较好的指示意义。GNSS水汽与ZTD具有较好的对应关系，在无气象要素或气象要素缺失时段，可选用ZTD替代水汽进行时间序列分析[7-8]。国内外相关研究大多基于ZTD、水汽与降水的比较，对于长时序ZTD和水汽的分析较少。
中国IGS站点目前已积累20 a以上的数据，如何利用长时序水汽或ZTD数据研究气候变化是一个值得深入探讨的问题。本文选择中国大陆地区IGS GNSS站点开展GNSS ZTD长时序特征分析并研究其与年降水量的关系。
1 研究数据与数据处理 1.1 研究数据研究数据主要包括IGS GNSS站点ZTD序列、降水数据及同期气候资料。IGS网站在提供GNSS原始观测数据、精密星历、测站坐标序列的同时，还提供GNSS测站ZTD解算结果(ftp://cddis.gsfc.nasa.gov)，ZTD采样率为2 h一个观测值。本文选择数据较为连续的拉萨(LHAZ)、北京(BJFS)和乌鲁木齐(URUM)3个站点开展相应分析。LHAZ站点ZTD数据时间为1997-01-01~2017-12-31，BJFS和URUM站点ZTD数据时间均为2000-01-01~2017-12-31。3个站点的ZTD数据部分时间缺失，少量数据缺失对于长时序分析影响较小，缺失部分采用SPSS软件进行缺失值处理。
选用的降水数据由气象网站(https://en.tutiempo.net)根据GNSS测站坐标提取获得，由于两者的空间坐标基本一致，可保证ZTD数据与降水数据的空间同步。降水为日值数据，时间为1997~2017年，单位为mm。各个站点每年的降水数据都有小部分日值数据缺失，对于论文研究的影响较小，但是拉萨1999年的降水数据缺失严重，故未对该年数据进行分析。本文关注的是年降水量与ZTD长时序特征的对应关系，所以对测站日降水数据进行年降水量计算处理。
1.2 数据处理PWV获取过程如下：利用高精度解算软件GAMIT计算测站对流层延迟ZTD，逐日计算，每h估算一个对流层延迟，利用气象要素结合Saastamoinen模型计算测站静力学延迟；对流层延迟减去静力学延迟，即获得对流层湿延迟；湿延迟经过一定的变换，可转化为PWV[9]。本文利用BJFS站2009-06-01~2012-04-30的ZTD数据和地面气象数据计算得到PWV(单位为mm)。
选用dbN小波对ZTD作小波变换，分解后得到高频系数与低频系数。对于不同的dbN小波获得的高频与低频序列进行对应的相关性分析，寻找相关性最好的小波基函数和层数。经过实验，最终选定db7小波进行ZTD序列的分解。小波分解层数与数据长度有关，ZTD数据小波分解层数为17，小波分解重构后进行年周期变化分析，年周期变化为第13层数据重构之后得到，ZTD年周期变化结合降水数据和其他气象、气候数据进行分析。对于BJFS站PWV时间序列，同样采用db7小波基函数进行分解，分解层数为15，分解后的PWV数据第12层对应为年周期变化。
2 ZTD长时序特征分析 2.1 ZTD取代PWV的可行性IGS提供20 a以上的ZTD数据，ZTD数据转化为PWV需要获取同期的气压和温度数据，而部分中国IGS站点没有对应的气象数据。因此，有必要开展ZTD取代PWV的可行性分析。BJFS站设有气象观测仪器，选择该站点2009-06-01~2012-04-30 GNSS观测数据和气象观测数据开展ZTD与PWV的相关性比较，见图 1。
|
图 1 BJFS站ZTD与PWV比较 Fig. 1 Comparison of ZTD and PWV at BJFS |
由图 1可以看出，ZTD与PWV的变化趋势相同，两者相关性为0.805；显著性检验值为0.00，小于0.01，通过显著性检验，说明可用ZTD代替PWV进行分析。
2.2 基于小波变换的ZTD长时序特征分析以BJFS站为例，分析小波分解重构后的ZTD长时序特征，图 2(a)~(c)为小波分解重构的0.5 a、1 a和2 a周期项序列；图 2(d)为北京市年降水量，由于北京降水集中于6~8月，因此北京年降水量标注于该年的0.5 a处。
|
图 2 小波分解重构的ZTD序列与北京市年降水量 Fig. 2 ZTD series of wavelet decomposition and annual rainfall of Beijing |
从图 2(a)可看出，每2个高峰中有1个小高峰，呈0.5 a周期规律变化。北京地区冬季虽然气候干燥，但相对于春季和秋季ZTD序列会有一个小峰值。对比图 2(a)和2(b)可知，冬季的小峰值对于ZTD年周期的变化情况影响不大，基本不影响ZTD年周期的峰值变化规律。综上认为，北京地区夏季ZTD峰值主导年ZTD峰值变化，并且能够验证北京地区夏季降水量主导年降水量的结论[10]。对比图 2(b)和2(d)可知，ZTD年周期项各年的峰值大小与对应年份的年降水量大小变化较为一致，除个别年份外，大部分年份的ZTD周期项峰值高，对应的年降水量值也大；ZTD周期项峰值低，对应的年降水量值也小，两者变化存在较为一致的对应关系，可用ZTD年周期项峰值的高低来预测年降水量的多少。
2.3 ZTD年周期变化序列与年降水量比较由图 3~5可看出，北京、拉萨和乌鲁木齐的年降水量与小波分解重构后的ZTD年周期序列的峰值变化存在较为一致的对应关系(只有个别年份不对应)，说明可以利用ZTD年周期变化序列的峰值变化来预测年降水量的变化。个别年份ZTD年周期变化的峰值与年降水量不对应与ENSO事件(厄尔尼诺、拉尼娜)相关。
|
图 3 北京ZTD年周期高频项与年降水量 Fig. 3 Annual high frequency terms of ZTD and annual precipitation in Beijing |
|
图 4 拉萨ZTD年周期高频项与年降水量 Fig. 4 Annual high frequency terms of ZTD and annual precipitation in Lhasa |
|
图 5 乌鲁木齐ZTD年周期高频项与年降水量 Fig. 5 Annual high frequency terms of ZTD and annual precipitation in Urumchi |
表 1和表 2给出了1997~2017年中国大陆地区的厄尔尼诺和拉尼娜极端气候现象的起始结束时间、峰值时间和等级数据。
|
表 1 1997~2017年厄尔尼诺事件特征 Tab. 1 Features of El Nino events of 1997-2017 |
|
|
表 2 1997~2017年拉尼娜事件特征 Tab. 2 Features of La Nina events of 1997-2017 |
对比图 3~5发现，北京市2005年和2006年，拉萨市的2000年、2002年和2009~2012年、2015年以及乌鲁木齐市的2008年、2010年、2012年和2014年的年降水量与ZTD年周期峰值不对应，这些时间的年降水量均偏小。结合表 1和表 2的分析可知，造成年降水量偏小的原因为拉尼娜现象和厄尔尼诺现象的影响。北京地区在2005年和2006年年降水量与ZTD年周期峰值呈反比。由表 1看出，在2005年和2006年发生厄尔尼诺事件，且2005-01和2006-12为厄尔尼诺事件峰值，所以2005年和2006年所受影响较大。在厄尔尼诺发生时期，华北地区夏季降水偏少；而拉尼娜时期情况相反，华北地区夏季降水偏多[11]。
拉萨地区年降水偏少的原因均为拉尼娜事件影响。拉尼娜事件后，西南地区夏季降水较少，影响年降水量[12]，而且极端降水事件与强ENSO信号对比滞后半年[13]，所以2009年虽然没有发生拉尼娜事件，但是该年年降水量依然受到严重影响。拉尼娜同时也会造成乌鲁木齐地区降水偏少[14]。由表 2可知，在2008年、2010年、2014年和2014年发生拉尼娜现象，所以这4个年份降水量偏低。
分析图 3~5发现，北京市2008年、2011年、2012年、2016年和乌鲁木齐2003年、2007年、2009年的年降水量相对于ZTD年周期峰值偏高。结合表 1和表 2可以发现，2008年、2011年、2012年和2016年均发生拉尼娜现象，而拉尼娜极端气候事件会造成华北地区降水量增加[11]。乌鲁木齐2003年、2007年、2009年降水量偏大是因为降水量气候异常的前1 a发生厄尔尼诺现象，西北地区厄尔尼诺事件当年或者结束后1 a，西北地区的年平均降水量增加的概率大幅增大[15]，这造成乌鲁木齐市在这3个年份的降水量偏大。ZTD变化对应可降水量的变化(水汽的变化)，而降水过程的发生，不仅取决于可降水量的多少和变化，还与温度、风速风向、大气传输有关，因而ENSO事件使ZTD变化和降水变化存在不一致的情况。
3 结语通过对中国大陆地区IGS站点北京、拉萨、乌鲁木齐GNSS ZTD与年降水量的比较，获得以下结论：
1) 小波分解后的ZTD 0.5 a周期项呈现规律性，为冬夏高、春秋低。
2) 小波分解重构后的ZTD年周期高频项的峰值大小与年降水量大小存在较好的对应关系。
3) ZTD年周期序列与个别年份的年降水量不对应的原因分析表明，不对应的年份均发生ENSO事件，影响了年降水量的变化。下一步研究需综合考虑ENSO事件及ZTD时序特征与年降水量的关系变化。
| [1] |
朱恩慧, 杨力, 贾鹏志, 等. 暴雨天气中地基GNSS可降水量时序变化分析[J]. 导航定位学报, 2018, 6(1): 21-26 (Zhu Enhui, Yang Li, Jia Pengzhi, et al. Temporal Variation Analysis of Ground-Based GNSS Precipition in Heavy Rain[J]. Journal of Navigation and Positioning, 2018, 6(1): 21-26)
(  0) |
| [2] |
杨军建, 姚宜斌, 许超钤, 等. 大气可降水量与实际降水量的关联性分析[J]. 测绘地理信息, 2016, 41(1): 18-21 (Yang Junjian, Yao Yibin, Xu Chaoqian, et al. Analysis of the Correlation between PWV and Actual Rainfall[J]. Journal of Geomatics, 2016, 41(1): 18-21)
( 0) |
| [3] |
符睿, 段旭, 刘建宇, 等. 云南地基GPS观测大气可降水量变化特征[J]. 气象科技, 2010, 38(4): 456-462 (Fu Rui, Duan Xu, Liu Jianyu, et al. Characteristics of Ground-Based GPS-Retrieved PWV in Yunnan[J]. Meteorogical Science and Technaology, 2010, 38(4): 456-462 DOI:10.3969/j.issn.1671-6345.2010.04.011)
( 0) |
| [4] |
Yao Y B, Shan L L, Zhao Q Z. Establishing a Method of Short-Term Rainfall Forecasting Based on GNSS-Derived PWV and Its Application[J]. Scientific Reports, 2017, 7(1)
( 0) |
| [5] |
李青春, 张朝林, 楚艳丽, 等. GPS遥感大气可降水量在暴雨天气过程分析中的应用[J]. 气象, 2007, 33(6): 51-58 (Li Qingchun, Zhang Chaolin, Chu Yanli, et al. Applications of Precipitable Water Vapor Monitored by Ground-Based GPS to Analyzing Heavy Rain Event[J]. Meteorological Monthly, 2007, 33(6): 51-58)
( 0) |
| [6] |
丁海燕.北京地区夏季几次典型降水的大气水汽特征[A]//中国气象学会.第27届中国气象学会年会灾害天气研究与预报分会场论文集[M].北京: 气象出版社, 2010 (Ding Haiyan. Atmospheric Water Vapor Characteristics of Several Typical Precipitation in Summer of Beijing Area[A]//China Meteorological Society. Proceedings of the 27th Annual Conference of China Meteorological Society on Disaster Weather Research and Forecasting[M]. Beijing: China Meteorological Press, 2010)
( 0) |
| [7] |
姚宜斌, 赵庆志, 李祖锋, 等. 基于全球导航卫星系统资料的短时降水预报[J]. 水科学进展, 2016, 27(3): 357-365 (Yao Yibin, Zhao Qingzhi, Li Zufeng, et al. Short-Term Precipitation Forecasting Based on the Data form GNSS Observation[J]. Advances in Water Science, 2016, 27(3): 357-365)
( 0) |
| [8] |
李黎, 田莹, 袁志敏, 等. 暴雨期间GNSS遥感气象要素的时序变化[J]. 测绘科学, 2016, 41(10): 82-87 (Li Li, Tian Ying, Yuan Zhimin, et al. Time Series Changes of GNSS Remote Sensing Meteorological Elements during Rainstorms[J]. Science of Surveying and Mapping, 2016, 41(10): 82-87)
( 0) |
| [9] |
王勇, 刘严萍. 地基GPS气象学原理与应用研究[M]. 北京: 测绘出版社, 2012 (Wang Yong, Liu Yanping. Theory and Application of Ground-Based GPS Meteorology[M]. Beijing: Surveying and Mapping Press, 2012)
( 0) |
| [10] |
王秀荣, 王维国, 刘还珠, 等. 北京降水特征与西太副高关系的若干统计[J]. 高原气象, 2008, 27(4): 822-829 (Wang Xiurong, Wang Weiguo, Liu Huanzhu, et al. Beijing Region Precipitation Feature and Some Statistis of Relationship Between It and SHWP[J]. Plateau Meteorology, 2008, 27(4): 822-829)
( 0) |
| [11] |
张键, 李长青. ENSO事件对中国东部降水的影响研究[J]. 首都师范大学学报:自然科学版, 2002, 23(4): 72-78 (Zhang Jian, Li Changqing. Impact of ENSO Events on the Climate in East China[J]. Journal of Capital Normal University:Natural Science Edition, 2002, 23(4): 72-78)
( 0) |
| [12] |
王伟, 冯爽. 西南地区夏季旱涝与厄尔尼诺(拉尼娜)的关系分析[J]. 成都信息工程学院学报, 2012, 27(4): 412-418 (Wang Wei, Feng Shuang. The Correlation Analysis between Summer Droughts & Floods in the Southwest and ENSO[J]. Journal of Chengdu University of Information Technology, 2012, 27(4): 412-418 DOI:10.3969/j.issn.1671-1742.2012.04.016)
( 0) |
| [13] |
李威, 翟盘茂. 中国极端强降水日数与ENSO的关系[J]. 气候变化研究进展, 2009, 5(6): 336-342 (Li Wei, Zhai Panmao. Relationship between ENSO and Frequency of Extreme Precipitation Days in China[J]. Advances in Climate Change Research, 2009, 5(6): 336-342 DOI:10.3969/j.issn.1673-1719.2009.06.004)
( 0) |
| [14] |
李耀辉, 李栋梁, 赵庆云, 等. ENSO对中国西北地区秋季异常降水的影响[J]. 气候与环境研究, 2000, 5(2): 205-213 (Li Yaohui, Li Dongliang, Zhao Qingyun, et al. Effect of ENSO on the Autumn Rainfall Anomaly in Northwest China[J]. Climatic and Environmental Research, 2000, 5(2): 205-213)
( 0) |
| [15] |
张冲.1950年以来ENSO事件对我国气候影响研究[D].西安: 陕西师范大学, 2012 (Zhang Chong. Study on the Impact of ENSO Events on China's Climate Since 1950[D]. Xi'an: Shaanxi Normal University, 2012)
( 0) |
2. School of Economics and Management, Tianjin Chengjian University, 26 Jinjing Road, Tianjin 300384, China