2021, Vol. 41
2. 天津城建大学地质与测绘学院，天津市津静路26号，300384;
3. 北京建筑大学测绘与城市空间信息学院，北京市展览馆路1号，100044;
4. 中国地震局第一监测中心，天津市耐火路7号，300180
水汽是大气的主要成分之一，也是大气中最活跃的组分，虽然其含量不高，但对雾霾及强对流天气具有重要影响。水汽短时周期分析对研究中小尺度灾害天气及短时天气预报具有重要意义，但常规的水汽获取手段具有局限性。自Bevis等[1]提出GPS气象学概念以来，GNSS水汽应用研究已取得大量成果[2-17]。气象要素(特别是水汽)在短时间内急剧变化往往是天气剧烈变化的前兆，以往研究多集中于年际或年代际，对于短时气象要素变化周期的研究较少。王笑蕾等[18]基于经验模态分解(EMD)和小波分解(WD)对台湾地区GPS水汽时间序列进行研究发现，水汽日循环由海陆风环流和山谷风环流引起，而水汽的半日周期则与局部热对流有关；刘严萍[19]对河北省GNSS水汽时间序列进行研究发现，GNSS水汽存在明显的日变化、半日变化和1/3日变化周期；Jadala等[20]利用快速傅里叶变换和谐波分析方法提取24 h、12 h和8 h振荡振幅和相位信息，结果表明，日本中部地区气温在平静夏日的日变化较明显，与太阳辐射的日变化相似。但这些研究大多仅限于较小区域范围，针对国家尺度的气象要素短期变化周期的研究较少。
水汽是引发强对流天气和雾霾天气的重要因素之一，水汽短时频域特征分析对预测强对流天气及雾霾等具有参考意义。中国大陆构造环境监测网络(CMONOC)已积累全国GNSS观测资料，将其应用于短时气象预报有助于扩展其应用领域。本文基于CMONOC的GNSS数据，并将中国大陆地区按气候类型进行分区，利用FFT开展各类区域站点的水汽短时频域特征分析，从频域角度探究中国大陆各区域水汽在短时间内的变化特征，以期为短期天气预报提供参考。
1 研究区划分与研究数据 1.1 研究区划分综合考虑影响水汽的地理位置、气候类型等因素，将中国大陆地区划分为5个区域，并从每个区域中随机选取若干个站点开展中国大陆地区水汽频域特征分析。由于我国亚热带季风气候地区范围较广，地形差异明显，因此将研究对象分为西南山区、长江内陆和沿海地区3个类型，随机选取的研究站点分别对应为SCNC、LUZH，AHAQ、JXHK及ZJZS、ZJWZ。
1.2 研究数据本文实验数据时间为2016-01-01~12-31，水汽数据由CMONOC提供的GNSS连续观测数据反演获得。利用GAMIT 10.61软件对GNSS数据进行处理，选择精密星历、松弛解模式，卫星高度角设置为10°，以d为单位进行解算，每2 h估算1个天顶对流层延迟(ZTD)值。由于CMONOC测站间距超过500 km，因此解算获得的ZTD为绝对观测量。结合测站气象观测数据(气压、测站坐标)，采用静力学延迟计算模型和湿延迟与水汽转换模型即可获得各站点的GNSS水汽值[21]。
1.3 快速傅里叶变换方法傅里叶变换是一种信号分析方法，即将时域波形分解成正弦波的过程，可将波形分解和投影到频域上。离散傅里叶变换(DFT)为傅里叶变换在离散系统中的表示形式，但DFT的计算量非常大，快速傅里叶变换(FFT)为DFT的一种快速算法。
2 中国大陆地区水汽频域变化特征本文利用FFT方法开展各站点水汽频域特征分析，并对选取站点四季的时间序列进行季节频域变化特征研究。
2.1 不同气候类型的GNSS站点水汽对比基于GNSS高精度解算的ZTD，结合气象要素获得各站点2016年的水汽时间序列，并按气候类型绘制GNSS水汽变化图，具体如图 1所示。
|
图 1 GNSS水汽时间序列 Fig. 1 GNSS PWV time series |
由图 1可知，从全年变化来看，温带大陆气候、温带季风气候和高原山地气候类型的GNSS站点水汽值在夏季处于峰值，且峰值持续时间较短，这是因为上述3种气候类型全年降水基本集中在夏季；而热带季风气候和亚热带季风气候类型的GNSS站点水汽峰值持续时间较长，且峰值高于其他3种气候类型。
2.2 中国大陆地区全年水汽频域变化特征采用FFT方法对随机选取的5种气候类型的GNSS站点2016年水汽时间序列进行处理，获得各站点的水汽频域变化特征(图 2)，由于本文主要研究气象要素的短时变化，因此图 2横坐标设定为0.5~6 cpd，对应的时间周期为1/6~2 d(4~48 h)。
|
图 2 水汽频域变化特征 Fig. 2 Variation characteristics of PWV frequency domain |
由图 2可知，相比于其他气候类型，图 2(a)和2(b)中温带大陆气候与温带季风气候的GNSS站点水汽频域变化周期不显著；图 2(c)~2(g)气候类型的GNSS站点水汽频域变化均显示出水汽存在1 cpd、2 cpd、3 cpd、4 cpd(对应时间周期为日变化、半日变化、8 h变化和6 h变化)的显著周期性变化；XZAR站的半日变化振幅高于日变化振幅，这主要与地理位置有关，其他站点的变化周期振幅由高到低为1 cpd、2 cpd、3 cpd、4 cpd。
水汽的日变化周期主要与太阳辐射有关，气温、局地环流、垂直空气运动、蒸散、凝结及降水等对其也存在影响[18]。相比于中纬度地区，低纬度地区的太阳辐射较高，因此低纬度地区的水汽变化更剧烈，显示出多个1 d以内的变化周期，而中纬度地区水汽变化则相对平缓。
2.3 中国大陆地区季节水汽频域变化特征为验证不同季节水汽周期性变化的差异性，对16个GNSS站点不同季节水汽的FFT结果进行对比，具体如图 3所示。
|
图 3 季节水汽频域变化特征 Fig. 3 Seasonal variation characteristics of PWV frequency domain |
由图 3可知，图 3(a)~3(c)中高原山地气候类型的站点存在明显的1 cpd、2 cpd、3 cpd和4 cpd周期性变化，其中XZAR站点最为特殊，其半日变化振幅超过日变化振幅，冬季和春季的半日变化(2 cpd)和8 h变化(3 cpd)振幅均高于日变化；高原山地地区由于海拔较高，大气稀薄，水汽1 d内变化更为活跃，存在8 h和6 h的变化周期。图 3(e)中热带季风气候类型的QION站点春季和夏季的水汽日变化和半日变化周期最为明显，水汽振幅也明显高于其他2个季节；图 3(i)中YNWS站点的春季日变化明显大于其他3个季节，日变化为主要的周期特征，其余站点夏季和秋季的水汽振幅高于春季和冬季。另外，振幅较高的站点集中在热带季风气候、亚热带季风气候及沿海地区，且沿海地区站点的振幅普遍高于内陆地区，其原因为受海陆风环流影响；夏季的最高振幅高于其他季节，冬季则相反。由此可见，本文从站点区域分布和季节2个层面说明GNSS水汽值和1 d内最显著周期对应的振幅具有较好的对应关系。
3 结语通过对中国大陆各区域各季节的水汽序列进行快速傅里叶变换分析，得到以下结论：
1) 水汽频域变化均显示水汽存在1 cpd、2 cpd、3 cpd、4 cpd(对应时间周期为日变化、半日变化、8 h变化和6 h变化)的周期变化，高原山地气候、热带季风气候和亚热带季风气候类型的GNSS站点周期性变化显著，XZAR站的半日变化振幅高于日变化振幅。
2) 水汽振幅较高的站点集中在热带季风气候、亚热带季风气候及沿海地区，沿海地区站点的振幅普遍高于内陆地区；夏季的最高振幅高于其他季节。
本文研究主要是基于FFT方法开展频域分析，下一步将从时域方面利用小波变换或经验模态分解开展相关研究，以验证中国大陆地区水汽的短时变化特征。
| [1] |
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
(  0) |
| [2] |
Zhao Q Z, Yang P F, Yao W Q, et al. Hourly PWV Dataset Derived from GNSS Observations in China[J]. Sensors, 2019, 20(1): 231 DOI:10.3390/s20010231
( 0) |
| [3] |
Zhao Q Z, Yao Y B, Yao W Q, et al. GNSS-Derived PWV and Comparison with Radiosonde and ECMWF ERA-Interim Data over Mainland China[J]. Journal of Atmospheric and Solar-Terrestrial Physics, 2019, 182: 85-92 DOI:10.1016/j.jastp.2018.11.004
( 0) |
| [4] |
单路路, 姚宜斌, 赵庆志, 等. 基于GNSS PWV的短临降雨预测方法[J]. 测绘地理信息, 2019, 44(1): 22-26 (Shan Lulu, Yao Yibin, Zhao Qingzhi, et al. A Short-Term Rainfall Forecasting Method Based on GNSS PWV Data[J]. Journal of Geomatics, 2019, 44(1): 22-26)
( 0) |
| [5] |
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) |
| [6] |
He Q M, Zhang K F, Wu S Q, et al. Real-Time GNSS-Derived PWV for Typhoon Characterizations: A Case Study for Super Typhoon Mangkhut in Hong Kong[J]. Remote Sensing, 2019, 12(1)
( 0) |
| [7] |
姚宜斌, 雷祥旭, 张良, 等. 青藏高原地区1979~2014年大气可降水量和地表温度时空变化特征分析[J]. 科学通报, 2016, 61(13): 1462-1477 (Yao Yibin, Lei Xiangxu, Zhang Liang, et al. Analysis of Precipitable Water Vapor and Surface Temperature Variation over Qinghai-Tibetan Plateau from 1979 to 2014[J]. Chinese Science Bulletin, 2016, 61(13): 1462-1477)
( 0) |
| [8] |
王勇, 任栋, 刘严萍, 等. 融合GNSS PWV、风速与大气污染观测的河北省春季PM2.5浓度模型研究[J]. 武汉大学学报: 信息科学版, 2019, 44(8): 1198-1204 (Wang Yong, Ren Dong, Liu Yanping, et al. Spring PM2.5 Concentration Model in Hebei Province Based on GNSS PWV, Wind Speed and Air Pollution Observation[J]. Geomatics and Information Science of Wuhan University, 2019, 44(8): 1198-1204)
( 0) |
| [9] |
Gurbuz G, Jin S G. Long-Time Variations of Precipitable Water Vapour Estimated from GPS, MODIS and Radiosonde Observations in Turkey[J]. International Journal of Climatology, 2017, 37(15): 5170-5180 DOI:10.1002/joc.5153
( 0) |
| [10] |
Oliveira G, Brunsell N A, Moraes E C, et al. Evaluation of MODIS-Based Estimates of Water-Use Efficiency in Amazonia[J]. International Journal of Remote Sensing, 2017, 38(19): 5291-5309 DOI:10.1080/01431161.2017.1339924
( 0) |
| [11] |
Gui K, Che H Z, Chen Q L, et al. Evaluation of Radiosonde, MODIS-NIR-Clear, and AERONET Precipitable Water Vapor Using IGS Ground-Based GPS Measurements over China[J]. Atmospheric Research, 2017, 197: 461-473 DOI:10.1016/j.atmosres.2017.07.021
( 0) |
| [12] |
刘备, 王勇, 娄泽生, 等. CMONOC观测约束下的中国大陆地区MODIS PWV校正[J]. 测绘学报, 2019, 48(10): 1207-1215 (Liu Bei, Wang Yong, Lou Zesheng, et al. The MODIS PWV Correction Based on CMONOC in Chinese Mainland[J]. Acta Geodaetica et Cartographica Sinica, 2019, 48(10): 1207-1215 DOI:10.11947/j.AGCS.2019.20180386)
( 0) |
| [13] |
Zhao Q Z, Yao Y B, Yao W Q, et al. Near-Global GPS-Derived PWV and Its Analysis in the El Niño Event of 2014-2016[J]. Journal of Atmospheric and Solar-Terrestrial Physics, 2018, 179: 69-80 DOI:10.1016/j.jastp.2018.06.016
( 0) |
| [14] |
Wang X M, Zhang K F, Wu S Q, et al. The Correlation between GNSS-Derived Precipitable Water Vapor and Sea Surface Temperature and Its Responses to El Niño-Southern Oscillation[J]. Remote Sensing of Environment, 2018, 216: 1-12 DOI:10.1016/j.rse.2018.06.029
( 0) |
| [15] |
马雄伟, 赵庆志, 姚顽强, 等. PWV对全球气候变化的响应研究[J]. 测绘通报, 2019(增1): 54-59 (Ma Xiongwei, Zhao Qingzhi, Yao Wanqiang, et al. PWV Response to Global Climate Change[J]. Bulletin of Surveying and Mapping, 2019(S1): 54-59)
( 0) |
| [16] |
Zhao Q Z, Liu Y, Yao W Q, et al. A Novel ENSO Monitoring Method Using Precipitable Water Vapor and Temperature in Southeast China[J]. Remote Sensing, 2020, 12(4)
( 0) |
| [17] |
施闯, 张卫星, 曹云昌, 等. 基于北斗/GNSS的中国-中南半岛地区大气水汽气候特征及同降水的相关分析[J]. 测绘学报, 2020, 49(9): 1112-1119 (Shi Chuang, Zhang Weixing, Cao Yunchang, et al. Atmospheric Water Vapor Climatological Characteristics over Indo-China Region Based on Beidou/GNSS and Relationships with Precipitation[J]. Acta Geodaetica et Cartographica Sinica, 2020, 49(9): 1112-1119)
( 0) |
| [18] |
王笑蕾, 张勤, 张双成. 基于EMD和WD联合算法的GPS水汽时间序列的周期性振荡分析[J]. 武汉大学学报: 信息科学版, 2018, 43(4): 620-628 (Wang Xiaolei, Zhang Qin, Zhang Shuangcheng. Periodic Oscillation Analysis of GPS Water Vapor Time Series Using Combined Algorithm Based on EMD and WD[J]. Geomatics and Information Science of Wuhan University, 2018, 43(4): 620-628)
( 0) |
| [19] |
刘严萍. 基于快速傅立叶变换的短时水汽变化周期研究[J]. 灾害学, 2020, 35(1): 60-63 (Liu Yanping. Study on Short-Term Precipitable Water Vapor Periodic Change Based on Fast Fourier Transform[J]. Journal of Catastrophology, 2020, 35(1): 60-63 DOI:10.3969/j.issn.1000-811X.2020.01.012)
( 0) |
| [20] |
Jadala N B, Sridhar M, Dashora N, et al. Annual, Seasonal and Diurnal Variations of Integrated Water Vapor Using GPS Observations over Hyderabad, a Tropical Station[J]. Advances in Space Research, 2020, 65(1): 529-540 DOI:10.1016/j.asr.2019.10.002
( 0) |
| [21] |
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) |
2. School of Geology and Geomatics, Tianjin Chengjian University, 26 Jinjing Road, Tianjin 300384, China;
3. School of Geomatics and Urban Spatial Informatics, Beijing University of Civil Engineering and Architecture, 1 Zhanlanguan Road, Beijing 100044, China;
4. The First Monitoring and Application Center, CEA, 7 Naihuo Road, Tianjin 300180, China