文章快速检索     高级检索
  大地测量与地球动力学  2020, Vol. 40 Issue (5): 491-495,501  DOI: 10.14075/j.jgg.2020.05.010

引用本文  

张静影, 罗亦泳, 邓健, 等. 台风期间PWV与降雨量的相关性分析[J]. 大地测量与地球动力学, 2020, 40(5): 491-495,501.
ZHANG Jingying, LUO Yiyong, DENG Jian, et al. Correlation Analysis of PWV and Rainfall during Typhoon[J]. Journal of Geodesy and Geodynamics, 2020, 40(5): 491-495,501.

项目来源

国家自然科学基金(41861058);江西省数字国土重点实验室开放基金(DLLJ201612)。

Foundation support

National Natural Science Foundation of China, No. 41861058; Open Fund of Key Laboratory for Digital Land and Resources of Jiangxi Province, No. DLLJ201612.

通讯作者

罗亦泳,博士,副教授,主要从事测绘数据处理理论与方法研究,E-mail:luoyiyong@whu.edu.cn

Corresponding author

LUO Yiyong, PhD, associate professor, majors in surveying and mapping data processing, E-mail: luoyiyong@whu.edu.cn .

第一作者简介

张静影,硕士生,主要从事GNSS数据处理与理论研究,E-mail:2339062309@qq.com。。

About the first author

ZHANG Jingying, postgraduate, majors in GNSS data processing, E-mail: 2339062309@qq.com.

文章历史

收稿日期:2019-05-15
台风期间PWV与降雨量的相关性分析
张静影1     罗亦泳1,2     邓健3     何原荣3     黄城1     
1. 东华理工大学测绘工程学院,南昌市广兰大道418号,330013;
2. 武汉大学测绘学院,武汉市珞喻路129号,430079;
3. 厦门理工学院计算机与信息工程学院,厦门市理工路600号,361024
摘要:基于2015~2017年台湾地区“苏迪罗”、“鲇鱼”、“海棠”等3次台风事件,利用地基GPS数据反演得到大气可降雨量(PWV),初步分析台风期间PWV与降雨量的关系,并利用交叉小波和小波相干进一步分析PWV与降雨量的时空变化规律。结果表明,台风发生期间,PWV总体呈先上升后下降的趋势,波动性剧烈;降雨发生时,PWV一定发生剧烈变化;在研究时域内,PWV与降雨量存在很强的正相关关系,相关系数达到0.7,PWV超前降雨量变化,PWV变化后的0~3 h发生强降雨。研究PWV与降雨量的时空变化特征可为短时降雨预报提供参考。
关键词台风PWV交叉小波小波相干

台风是产生于热带洋面上的一种强烈的热带气旋,能从海洋带来巨大的水汽,由于上升气流的作用,水汽的温度降低会引起暴雨,而长时间的暴雨不仅严重影响人们的生活,还极易引起洪涝、泥石流、山体滑坡等灾害的发生。因此,台风暴雨是近年来关注的焦点,许多气象学者对此进行了大量研究[1-10],但这些研究在探讨PWV与降雨量的相关性时大多基于图表相关分析等方法,不能很好地揭示两者的内部特征。

交叉小波和小波相干能够有效地分析两个时间序列之间的相关程度,并能很好地反映两者的位相结构和细部特征[11],在气象学区域气候[12]、水文[13]、地球物理[14]等领域已有广泛的应用。本文基于台湾地区“苏迪罗”、“鲇鱼”、“海棠”等3次台风事件,利用地基GPS反演得到的PWV数据,引用交叉小波和小波相干方法,从时频域上分析PWV与降雨量的时空特征,为台风预警及暴雨防范等提供良好的理论基础。

1 PWV

GPS信号穿过对流层时会受到对流层延迟误差的影响。本文通过高精度的Bernese5.0软件解算GPS原始数据,得到天顶对流层总延迟(ZTD)。ZTD分为天顶静力学延迟(ZHD)和天顶湿延迟(ZWD),其中ZHD可通过Saastamoinen模型精确计算得到,而ZWD主要受信号传播路径上水汽密度的影响,很难高精度模型化,其计算方法为:

$ {\rm{ZWD}} = {\rm{ZTD}} - {\rm{ZHD}} $ (1)

ZWD与空气中的可降雨量PWV存在如下关系[15]

$ {\rm{PWV}} = \mathit{\Pi} \times {\rm{ZWD}} $ (2)

式中,Π为转换系数。

2 交叉小波与小波相干 2.1 交叉小波

交叉小波是一种新的信号分析技术,可以对两个时间序列在不同时频域中的相互关系进行分析研究[16]。设WX(s)、WY(s)分别为给定的两个时间序列XY的交叉小波变换,其交叉小波谱为WnXY(s)=WnX(s)WnY*(s),其中WnY*(s)为WnY(s)的复共轭,交叉小波功率谱密度为|WnXY(s)|,其值越大表示两个时间序列的相关程度越高[17]。交叉小波谱的显著性检验采用红色噪音标准谱。假设两个时间序列XY的期望谱为红噪声谱PkxPky,则交叉小波功率谱为:

$ D\left( {\frac{{\left| {W_n^X\left( s \right)W_n^{Y * }(s)} \right|}}{{{\sigma _x}{\sigma _y}}} < q} \right) = \frac{{{Z_\nu }\left( P \right)}}{\nu }\sqrt {P_k^xP_k^y} $ (3)

式中,σxσy分别为时间序列XY的标准差;Zν(p)为与概率q有关的置信度,ν为自由度,当ν取2,在显著性水平α=0.05时,Z2(95%)=3.999,通过红噪声检验,认为两者显著相关。

2.2 小波相干

小波相干谱可用来度量时频空间中两个时间序列局部相关的密切程度,即使交叉小波功率谱处于低能量区,两者在小波相干谱中的密切程度也可能很显著[14]。定义两个时间序列XY的小波相干谱为:

$ R_n^2(s) = \frac{{{{\left| {S({s^{ - 1}}W_n^{XY}(s))} \right|}^2}}}{{S({{\left| {{s^{ - 1}}W_n^X(s)} \right|}^2}) \times S({{\left| {{s^{ - 1}}W_n^X(s)} \right|}^2})}} $ (4)

其中,S为平滑器,其定义为:

$ S(W) = {S_{{\rm{scale}}}}\{ {S_{{\rm{time}}}}[{W_n}(s)]\} $ (5)

式中,Sscale为小波坐标尺度平滑,Stime为时间尺度平滑。Morlet小波平滑器表示为:

$ {S_{{\rm{time}}}}(W)\left| {_s} \right. = ({W_n}(s) \times c_1^{\frac{{ - {t^2}}}{{2{s^2}}}})\left| {_s} \right. $ (6)
$ {S_{{\rm{time}}}}(W)\left| {_s} \right. = ({W_n}(s) \times {c_2} \mathit{\Pi} {(0.6s)} )\left| {_n} \right. $ (7)

式中,c1c2为标准化常数,Π为矩形函数。小波相干谱的显著性检验采用Monte Carlo方法,本文对小波相干谱只标出了Rn2(s)≥0.5的位相变化。

3 实验结果及分析 3.1 台风简介

台风大多经过菲律宾以东的太平洋,该处属于暖海区,气象学上称之为“暖池”,最适合台风生成。自建国以来,西北太平洋和南海共生成385个超强台风,有3/4的超强台风经过台湾地区,给台湾地区带来了强风大雨、泥石流、洪涝等灾害,造成严重破坏。本文选取2015~2017年台湾地区“苏迪罗”、“鲇鱼”、“海棠”等3次台风事件作为研究对象。

3.2 台风期间降雨量与PWV的初步分析

为探究台风期间PWV与降雨量的变化,基于2015~2017年台湾地区3次台风事件,选取TUNM站2015-08-07 00:00~08-10 00:00、HUWE站2016-09-27 00:00~09-30 00:00、NJOU站2017-07-29 00:00~08-01 00:00的PWV(利用地基GPS解算得到)和降雨量数据(采样频率为1 h)展开分析(图 1~3)。

图 1 “苏迪罗”台风期间TUNM站点PWV与降雨量的变化 Fig. 1 Changes of PWV and rainfall at TUNM station during typhoon Soudelor

图 2 “鲇鱼”台风期间HUWE站点PWV与降雨量的变化 Fig. 2 Changes of PWV and rainfall at HUWE station during typhoon Megi

图 3 “海棠”台风期间NJOU站点PWV与降雨量的变化 Fig. 3 Changes of PWV and rainfall at NJOU station during typhoon Haitang

图 1可知,对于TUNM站,台风发生期间PWV总体呈先上升后下降的趋势,2015-08-07 22:00、2015-08-08 07:13的PWV曲线震荡性较为强烈,在2015-08-07 22:00最大增幅为9.39 mm/h,最大降幅为10.97 mm/h;降雨量在2017-08-08 07:00达到最大值35.5 mm,而台风“苏迪罗”在2018-08-08 05:00经过TUNM站。由此可见,台风“苏迪罗”发生期间,PWV先剧烈变化达到峰值,随后发生强降雨,进而继续影响PWV的变化。

图 2可知,对于HUWE站,台风发生期间PWV总体呈先上升后下降的趋势,2016-09-27 13:00、2016-09-28 00:00和12:00的PWV曲线震荡性较为强烈,在2016-09-28 12:00达到峰值69.95 mm,最大增幅为5.77 mm/h,最大降幅为5.63 mm/h;降雨量在2016-09-28 15:00达到最大值32 mm。由此可见,台风“鲇鱼”发生期间,PWV先剧烈变化,进而发生强降雨,继续影响PWV的变化。

图 3可知,对于NJOU站,台风发生期间PWV总体呈先上升后下降的趋势,2017-07-29 13:00和2017-07-31 01:00的PWV曲线震荡性较为强烈,在2017-07-29 14:00达到峰值74.60 mm,最大增幅为5.63 mm/h,最大降幅为4.24 mm/h;降雨量在2017-07-29 15:00达到最大值166 mm。由此可见,台风“海棠”发生期间,PWV剧烈变化后的1~2 h出现强暴雨。

综上所述,台湾地区2015~2017年的3次台风发生期间,各站点的PWV值迅速上升并伴随着降雨的发生,PWV总体呈震荡性变化,波动性剧烈,PWV与降雨量呈现一定的相关性,PWV波动性随着台风的路径逐渐减弱,降雨发生时,PWV一定发生剧烈变化。

3.3 台风期间降雨量与PWV的时空变化分析

为更好地分析PWV与降雨量在时频域上的相关性、细部特征及变化规律,利用交叉小波和小波相干谱绘制降雨量-PWV频谱图(图 4~9)。图中,实线区域表示通过显著性水平α=0.05条件下的红噪声标准谱的检验,细弧线区域表示小波影响椎内区域的有效谱值,箭头表示两者之间的位相关系,箭头向右表示PWV与降雨量同位相,说明两者为正相关关系;向左表示ZTD与降雨量反位相,说明两者为负相关关系;向上表示PWV变化超前降雨量变化90°(对应时间为0.25 h);向下表示PWV变化落后降雨量变化90°。交叉小波可从多时间尺度来研究两个时间序列在时频域中的相互关系,而小波相干谱不仅可以揭示两个时间序列共同的高能量区及位相关系,还可以度量时频空间中两个时间序列局部相关的密切程度。

图 4 TUNM站点降雨量与PWV的交叉小波谱 Fig. 4 Cross wavelet spectrum of rainfall and PWV at TUNM site

图 5 TUNM站点降雨量与PWV的小波相干谱 Fig. 5 Wavelet coherence spectrum of rainfall and PWV at TUNM site

图 6 HUWE站点降雨量与PWV的交叉小波谱 Fig. 6 Cross wavelet spectrum of rainfall and PWV at HUWE Site

图 7 HUWE站点降雨量与PWV的小波相干谱 Fig. 7 Wavelet coherence spectrum of rainfall and PWV at HUWE site

图 8 NJOU站点降雨量与PWV的交叉小波谱 Fig. 8 Cross wavelet spectrum of rainfall and PWV at NJOU site

图 9 NJOU站点降雨量与PWV的小波相干谱 Fig. 9 Wavelet coherence spectrum of rainfall and PWV at NJOU site

图 4为TUNM站降雨量与PWV的交叉小波谱,由图可知,2~10 h周期区间,两个信号序列在2015-08-07 20:00~08-08 13:00表现出通过95%置信度检验的显著共振关系,相关系数达到0.8,箭头基本指向右上方,PWV位相超前降雨量变化。图 5显示,3~10 h周期区间,两个信号序列在2015-08-07 23:00~08-08 17:00呈现出很强的相关性,相关系数达到0.9,通过95%置信度的检验,箭头基本指向右上方,PWV与降雨量同相位,两者具有很强的正相关关系,且PWV超前降雨量的变化。台风“苏迪罗”在2015-08-08 05:00登陆TUNM站,由此可知,台风“苏迪罗”发生期间PWV与降雨量呈现很强的正相关,置信区间内箭头的指向基本在0°~60°,PWV剧烈变化后的0~1.5 h发生强降雨。

图 6为HUWE站降雨量与PWV的交叉小波谱,由图可知,3~6 h周期区间,两个信号序列在2016-09-27 13:00~09-28 03:00呈现很强的相关性,相关系数达到0.7,通过95%置信度的检验,箭头基本指向右上方,PWV与降雨量同相位且PWV超前降雨量的变化;0~6 h周期区间,两个信号序列在2016-09-28 13:00~19:00表现出通过95%置信度检验的显著共振关系,箭头基本指向右下方,PWV与降雨量同相位,且PWV滞后降雨量变化;10~16 h周期区间,两个信号序列在2016-09-28 05:00~09-29 00:00呈现很强的相关性,相关系数达到0.9,通过95%置信度的检验,箭头基本指向右上方,PWV与降雨量同相位且PWV超前降雨量的变化。图 7显示,0~4 h周期区间,两个信号序列在2016-09-29 05:00~12:00呈现很强的相关性,相关系数达到0.9,通过95%置信度的检验,箭头基本指向左下方,PWV与降雨量反相位且PWV位相滞后降雨量的变化;4~9 h周期区间,两个信号序列在2016-09-27 08:00~09-28 06:00呈现很强的相关性,相关系数达到0.9,通过95%置信度的检验,箭头基本指向右上方,PWV与降雨量同相位且PWV超前降雨量的变化;14~18 h周期区间,两个信号序列在2016-09-28 19:00~09-29 06:00呈现很强的相关性,相关系数达到0.9,通过95%置信度的检验,箭头基本指向右上方,PWV与降雨量同相位且PWV超前降雨量的变化。台风“鲇鱼”在2016-09-27 21:00登陆HUWE站,由此可知,台风“鲇鱼”发生期间PWV与降雨量基本呈现正相关,置信区间内箭头的指向基本在0°~60°,PWV剧烈变化进而影响降雨量的发生,PWV剧烈变化后的0~3 h发生强降雨。

图 8为NJOU站降雨量与PWV的交叉小波谱,由图可知,0~4 h周期区间,两个信号序列在2017-07-29 11:00~18:00表现出通过95%置信度检验的显著共振关系,箭头的指向基本由左向右,PWV与降雨量同相位;7~9 h周期区间,两个信号序列在2017-07-30 22:00~07-31 04:00呈现很强的相关性,相关系数达到0.8,通过95%置信度的检验,箭头基本指向右上方,PWV与降雨量同相位且PWV超前降雨量的变化。图 9显示,2~4 h周期区间,两个信号序列在2017-07-29 11:00~07-30 03:00呈现很强的相关性,相关系数达到0.9,通过95%置信度的检验,箭头基本指向右上方,PWV与降雨量同相位,两者具有很强的正相关关系,且PWV位相超前降雨量的变化;8~14 h周期区间,两个信号序列在2017-07-30 23:00~07-31 04:00呈现很强的相关性,相关系数达到0.9,通过95%置信度的检验,箭头基本指向右上方,PWV与降雨量同相位且PWV超前降雨量的变化。台风“海棠”在2017-07-30 19:00登陆NJOU站,由此可知,台风“海棠”发生期间PWV与降雨量呈现很强的正相关,置信区间内箭头指向基本在0°~60°,PWV变化剧烈后0~2 h发生强降雨。

综合分析,台风发生期间的交叉小波谱和小波相干谱均显示,PWV与降雨量基本同相位,箭头基本指向右上方,PWV与降雨量存在很强的正相关关系且相关系数达到0.7,PWV超前降雨量变化。分析降雨前后PWV的时空变化特征与实际降雨之间的关系,为短时预报暴雨的降雨时间、强度提供参考,若短时间内PWV剧烈变化,可对重点发生台风的地区重点监控,做好台风来袭的准备,尽可能地减轻台风对人民生命财产的损害。

4 结语

本文针对2015~2017年台湾地区“苏迪罗”、“鲇鱼”、“海棠”等3次台风事件,基于地基GPS反演的PWV数据,利用交叉小波和小波相干方法,分析台风期间PWV与降雨量的相关性及时空变化规律,为台风预警、降雨预报提供参考。结论如下:

1) 交叉小波和小波相干方法可作为分析PWV与降雨量时空变化规律的一种新方法,交叉小波和小波相干谱能够在时频域上清晰地显示两个信号的相关性、变化细节、局部特征及位相差异,且通过95%置信度检验,结果可靠。

2) 台风发生期间,PWV总体呈震荡性变化,波动性剧烈,PWV与降雨量呈现一定的相关性,降雨量越大PWV的波动性越大,降雨发生时PWV一定会发生剧烈变化。

3) 在研究时域内,台风发生前后PWV与降雨量存在较强的正相关关系,相关系数达到0.7,PWV超前降雨量变化,PWV剧烈变化后的0~3 h发生强降雨。

参考文献
[1]
陈鸿志, 苏志满, 徐林荣, 等. 2013年尤特台风诱发广乐高速公路泥石流活动特征及危害[J]. 自然灾害学报, 2016, 25(1): 65-73 (Chen Hongzhi, Su Zhiman, Xu Linrong, et al. Characteristics and Damage of Debris Flow Events along Guangle Expressway during Typhoon Utor, 2013[J]. Journal of Natural Disasters, 2016, 25(1): 65-73) (0)
[2]
冯杭建, 唐小明, 周爱国. 浙江省泥石流与降雨历时关系研究及应用检验[J]. 自然灾害学报, 2013, 22(1): 159-168 (Feng Hangjian, Tang Xiaoming, Zhou Aiguo. Study on Relationship between Rainfall Duration and Occurrence of Debris Flow in Zhejiang Province and Its Application Examination[J]. Journal of Natural Disasters, 2013, 22(1): 159-168) (0)
[3]
刘艳辉, 温铭生, 苏永超, 等. 台风暴雨型地质灾害时空特征及预警效果分析[J]. 水文地质工程地质, 2016, 43(5): 119-126 (Liu Yanhui, Wen Mingsheng, Su Yongchao, et al. Characteristics of Geo-Hazards Induced by Typhoon Rainstorm and Evaluation of Geo-Hazards Early Warning[J]. Hydrogeology and Engineering Geology, 2016, 43(5): 119-126) (0)
[4]
丁金才, 黄炎, 叶其欣, 等. 2002年台风Ramasun影响华东沿海期间可降水量的GPS观测和分析[J]. 大气科学, 2004, 28(4): 613-624 (Ding Jincai, Huang Yan, Ye Qixin, et al. GPS Observation and Analysis of Precipitable Water Vapor during Typhoon Ramasun in 2002 Influencing East China Coast[J]. Chinese Journal of Atmospheric Sciences, 2004, 28(4): 613-624 DOI:10.3878/j.issn.1006-9895.2004.04.13) (0)
[5]
张建海, 诸晓明, 王丽华. 台风Haitang和Matsa引发浙江暴雨强度和分布的对比分析[J]. 热带气象学报, 2007, 23(2): 126-134 (Zhang Jianhai, Zhu Xiaoming, Wang Lihua. Comparative Analysis of the Intensity and Distribution of Rainstrom in Zhejiang Province Caused by Typhoon Haitang and Matsa[J]. Journal of Tropical Meteorology, 2007, 23(2): 126-134 DOI:10.3969/j.issn.1004-4965.2007.02.003) (0)
[6]
刘汉华, 唐伟民, 赵利刚. 2008年"凤凰"台风暴雨的水汽和螺旋度分析[J]. 气象科学, 2010, 30(3): 344-350 (Liu Hanhua, Tang Weimin, Zhao Ligang. Analysis of Helicity and Moisture during a Rainstorm Effected by 0808 Typhoon[J]. Scientia Meteorologica Sinica, 2010, 30(3): 344-350 DOI:10.3969/j.issn.1009-0827.2010.03.009) (0)
[7]
李星光, 郑南山, 狄利娟. GPS/PWV资料在两次台风袭港期间的特征分析[J]. 大地测量与地球动力学, 2015, 35(2): 298-302 (Li Xingguang, Zheng Nanshan, Di Lijuan. Application of GPS/PWV Data to Analysis Two Typhoons in Hong Kong[J]. Journal of Geodesy and Geodynamics, 2015, 35(2): 298-302) (0)
[8]
田亚杰, 黄泓, 王春明. 2016年01号台风"尼伯特"对一次梅雨期降雨影响的数值试验[J]. 大气科学, 2018, 42(2): 383-397 (Tian Yajie, Huang Hong, Wang Chunming. A Numerical Study of Typhoon "Nepartak" Impacts on a Precipitation Event during Meiyu Period[J]. Chinese Journal of Atmospheric Sciences, 2018, 42(2): 383-397) (0)
[9]
颜玲, 周玉淑, 刘宣飞. 1410号台风Matmo登陆前后的动热力结构演变和水汽输送特征分析[J]. 大气科学, 2017, 41(2): 289-301 (Yan Ling, Zhou Yushu, Liu Xuanfei. Dynamic and Thermodynamic Structure Analysis of Typhoon Matmo(1410) and Associated Moisture Characteristics before and after Its Landfall[J]. Chinese Journal of Atmospheric Sciences, 2017, 41(2): 289-301) (0)
[10]
陈明东. GPS/PWV在台风"玛莉亚"袭闽期间的变化特征研究[J]. 测绘通报, 2019(1): 93-96 (Chen Mingdong. Study on the Variation Characteristics of GPS/PWV during the Typhoon "Maria" Landing in Fujian[J]. Bulletin of Surveying and Mapping, 2019(1): 93-96) (0)
[11]
刘友存, 刘志方, 郝永红, 等. 基于交叉小波的天山乌鲁木齐河出山径流多尺度特征研究[J]. 冰川冻土, 2013, 35(6): 1564-1572 (Liu Youcun, Liu Zhifang, Hao Yonghong, et al. Multi-Time Scale Characteristics of the Runoff in the Upstream of Urumqi River, Tianshan Mountains, Based on Cross-Wavelet Transformation[J]. Journal of Glaciology and Geocryology, 2013, 35(6): 1564-1572) (0)
[12]
孙卫国, 程炳岩. 交叉小波变换在区域气候分析中的应用[J]. 应用气象学报, 2008, 19(4): 479-487 (Sun Weiguo, Cheng Bingyan. Application of Cross Wavelet Transform to Analysis on Regional Climate Variations[J]. Journal of Applied Meteorologica Science, 2008, 19(4): 479-487 DOI:10.3969/j.issn.1001-7313.2008.04.012) (0)
[13]
邵骏. 基于交叉小波变换的水文多尺度相关分析[J]. 水力发电学报, 2013, 32(2): 22-26 (Shao Jun. Hydrological Multi-Scale Correlation Analysis of Hydrological Time Series Based on Cross Wavelet Transform[J]. Journal of Hydroelectric Engineering, 2013, 32(2): 22-26) (0)
[14]
段鹏硕, 刘根友, 柳林涛, 等. 地球动力学扁率与南极涛动年际变化的小波相干分析[J]. 科学通报, 2014, 59(30): 2947-2955 (Duan Pengshuo, Liu Genyou, Liu Lintao, et al. Wavelet Coherence Analysis of the Correlation between Interannual Variability in the Earth's Dynamic Oblateness and the Antarctic Oscillation[J]. Chinese Science Bulletin, 2014, 59(30): 2947-2955) (0)
[15]
Bevis M, Businger S, Chiswell S, et al. GPS Meteorology: Mapping Zenith Wet Delays onto Precipitable Water[J]. Journal of Applied Meteorology, 1994, 33(3): 379-386 DOI:10.1175/1520-0450(1994)033<0379:GMMZWD>2.0.CO;2 (0)
[16]
Grinsted A, Moore J C, Jevrejeva S. Application of the Cross Wavelet Transform and Wavelet Coherence to Geophysical Time Series[J]. Nonlinear Processes in Geophysics, 2004, 11(5-6): 561-566 (0)
[17]
文鸿雁.基于小波理论的变形分析模型研究[D].武汉: 武汉大学, 2004 (Wen Hongyan. Research on Deformation Analysis Model Based on Wavelet Transform Theory[D]. Wuhan: Wuhan University, 2004) http://cdmd.cnki.com.cn/Article/CDMD-10486-2006035400.htm (0)
Correlation Analysis of PWV and Rainfall during Typhoon
ZHANG Jingying1     LUO Yiyong1,2     DENG Jian3     HE Yuanrong3     HUANG Cheng1     
1. Faculty of Geomatics, East China University of Technology, 418 Guanglan Road, Nanchang 330013, China;
2. School of Geodesy and Geomatics, Wuhan University, 129 Luoyu Road, Wuhan 430079, China;
3. School of Computer and Information Engineering, Xiamen University of Technology, 600 Ligong Road, Xiamen 361024, China
Abstract: This paper is based on the three typhoon events of "Soudelor", "Megi" and "Haitang" in Taiwan from 2015 to 2017. We use ground-based GPS data to retrieve the atmospheric rainfall (PWV), and carry out preliminary analysis of the relationship between PWV and rainfall during typhoon.Second, we use cross-wavelet and wavelet coherence to further analyze the temporal and spatial variation of PWV and rainfall. The results show that: during the typhoon, the PWV generally rises and then decreases, and the volatility is severe. When the rainfall occurs, the PWV must change drastically. In the research time domain, PWV has a strong positive correlation with rainfall, and the correlation coefficient reaches 0.7; PWV changes in pre-existing rainfall, and heavy rainfall occurs 0-3 h after PWV changes. Studying the temporal and spatial variation characteristics of PWV and rainfall provides a good reference for short-term rainfall forecasting.
Key words: typhoon; PWV; cross wavelet; wavelet coherence