2023, Vol. 43
2. 武汉大学卫星导航定位技术研究中心，武汉市珞喻路129号，430079
北京时间2021-07-17~23河南省中部、西部和北部地区遭遇历史罕见特大暴雨，称为“21 ·7”河南特大暴雨。此次特大暴雨极端性强、持续时间长，6 d累积降水量达1 122.6 mm，全省平均过程降水量223 mm，有285个站超过500 mm；20个国家级气象站日降水量突破历史极值，北京时间2021-07-20 16:00~17:00郑州气象观测站最大小时降雨量为201.9 mm，突破我国大陆有记录以来每小时降雨量的极值。
大气水汽是描述极端天气的主要参量，在极端天气的发生、发展和演化过程中起着关键的作用[1]。由于水汽变化迅速、空间分布复杂、主要集中在离地面5 km高度范围内，传统水汽探测方法，如探空、微波辐射计和卫星遥感等难以获取高时空分辨率的水汽信息[1]。地基GNSS具有高精度、高时空分辨率和低成本等优势，其探测大气可降水量(PWV)的时间分辨率可达min级，甚至s级，精度达到1~2 mm[2]。
本文利用河南省CORS网中GNSS站点反演得到的PWV结合多气象要素，分析“21 ·7”河南特大暴雨过程中降雨量、PWV、相对湿度和总云量的时空变化特征及相互联系，为今后特大暴雨预报分析提供参考。
1 研究区域及实验数据 1.1 研究区域与测站分布河南省位于黄淮西部地貌过渡区，地势西高东低，北、西、南三面由太行山、伏牛山、桐柏山、大别山沿省界呈半环形分布，中、东部为黄淮海冲积平原，西南部为南阳盆地。自北向南由暖温带半湿润区向北亚热带气候过渡，自西向东从丘陵山地向平原气候过渡，降水时空分布不均[3]。黄河以北的太行山东侧(新乡、安阳、鹤壁地区)为河南省短时极端强降水的频发区之一，其中7月频次最高[4]。河南省CORS网中51个GNSS站点、116个地面气象站点及2个探空站点57083(郑州)、57178(南阳)的位置分布见图 1，数据时间范围为UTC 2021-07-15~25(如无特殊说明，下文时间均为UTC时)。
|
图 1 河南省CORS测站、气象站、探空站分布 Fig. 1 CORS stations, meteorological stations and radiosonde stations distribution in Henan province |
无线电探空法是获取高精度PWV的测量方法之一，其利用探空气球搭载无线电探空仪，获取不同高度处的气压、温度和比湿等数据，以确定气象参数的垂直分布情况[5]。探空数据计算的PWV精度在mm级，时间分辨率为12 h，可作为验证GNSS探测水汽精度的参考基准。本文使用美国怀俄明大学网站(http://weather.uwyo.edu/upperair/buf-rraob.shtml)提供的编号为57083和57178的2个探空站的观测数据。
1.3 ERA5气象再分析数据ERA5再分析资料是ECMWF发布的第5代全球气候再分析产品，其使用最新的数据同化模型对多源气象数据进行同化，经再分析获得描述大气、陆地和海洋的全球气象数据集，从而精确描述全球气候变化状态。本文使用1940年至今基于气压分层的ERA5逐小时数据集(https://cds.climate.copernicus.eu/)，详细描述见表 1。
|
表 1 ERA5逐小时数据描述 Tab. 1 Description of hourly ERA5 data |
GNSS信号穿过大气层时受大气折射产生延迟，该延迟根据来源可分为2个部分：1)由电离层折射产生的电离层延迟，解算GNSS数据时可采用无电离层组合等方法加以消除；2)由未经电离的中性气体(氮气、氧气和少量水汽等)折射产生的延迟，主要由对流层引起，称为对流层延迟。
在GNSS数据处理中，为解决秩亏问题，通常将沿信号斜路径的对流层延迟映射到天顶方向[6]，即天顶总延迟(ZTD)。ZTD包含2个部分：1)由大气流体静力作用引起的延迟，称为天顶静力延迟(ZHD)；2)由大气中的水汽引起的延迟，称为天顶湿延迟(ZWD)。ZTD、ZHD和ZWD之间的关系为：
| $ \mathrm{ZTD}=\mathrm{ZHD}+\mathrm{ZWD} $ | (1) |
本文使用Saastamonien模型[7]计算ZHD：
| $ \begin{gathered} \text { ZHD = } \\ \frac{(2.279 \pm 0.0024)}{1-0.00266 \cos (2 \varphi)-0.00028 h} \times P \end{gathered} $ | (2) |
式中，P为测站地面气压，单位为hPa；h为测站高程，单位为km；φ为测站地理纬度。
ZWD主要由水汽引起，难以进行准确建模，通常从估计的ZTD中减去ZHD来获取ZWD，再由水汽转换系数将ZWD转换为PWV：
| $ \mathrm{PWV}=\varPi \cdot \mathrm{ZWD} $ | (3) |
式中，Π为水汽转换系数，由式(4)计算：
| $ \varPi=\frac{10^6}{\rho_{\mathrm{w}} R_v\left(\frac{k_3}{T_m}+k_2^{\prime}\right)} $ | (4) |
式中，Tm为加权平均温度，单位为K；ρw为液态水密度，取103 kg/m3；Rv为水汽的气体常数，取461.518 J/(kg·K)；k'2和k3为大气折射率实验常数，取16.52 K/hPa和3.776×105 K2/hPa。
2.2 GNSS数据解算使用KF_PPP软件解算GNSS站点的观测数据，具体参数设置见表 2。对流层参数估计采用Saastamoninen模型提供的ZTD先验值，并采用GMF映射函数模型，星历和钟差采用武汉大学IGS数据中心发布的时间分辨率分别为15 min和30 s的GFZ精密星历钟差文件(ftp://igs.gnsswhu.cn/pub/gnss/products/)。
2.3 探空、ERA5数据计算PWV由探空数据和ERA5数据计算PWV：
| $ \mathrm{PWV}=-\frac{1}{\rho_{\mathrm{w}} g} \sum\limits_{P_s}^{P_u} q \Delta P $ | (5) |
式中，g为重力加速度，取9.806 665 m/s2；q为比湿，单位为kg/kg；ΔP为相邻两高度层之间的气压差；Ps、Pu分别为探空和ERA5资料中记录的最低层与最高层的气压。
|
|
表 2 数据解算策略 Tab. 2 Strategy of data solution |
GNSS站点的大地高与探空站点、ERA5数据周围4个格网点最邻近气压层的大地高往往不一致，利用式(6)将探空数据和ERA5数据得到的PWV归化到与GNSS站点大地高相同处：
| $ \mathrm{PWV}_s=\mathrm{PWV} \cdot \exp \left(-\frac{H_s-H}{2000}\right) $ | (6) |
式中，H为探空站点或ERA5数据4个格网点与GNSS站点最邻近气压层的大地高，单位为m；Hs为GNSS站点的大地高，单位为m；PWVs为探空数据和ERA5数据归化到与GNSS站点相同高度处的水汽值，单位为mm。
2.4 可调节张量连续曲率样条插值为分析降雨量、GNSS-PWV、相对湿度和总云量在河南区域的时空变化特征，使用可调节张量连续曲率样条插值法对其依次进行插值：
| $ (1-t) \cdot \nabla^2(z)+t \cdot \nabla(z)=0 $ | (7) |
式中，t为张量因子，取值范围为0~1，此处设为0.25；
将探空数据计算得到的PWV作为参考值，记为RS-PWV，GNSS反演得到的PWV记为GNSS-PWV。探空站点与GNSS站点水平距离小于50 km时，可认为二者共址[9]。图 2为57083、57178探空站RS-PWV与各自共址的GNSS测站GNSS-PWV时序分布。由图可知，“21 ·7”河南特大暴雨过程中，GNSS-PWV和RS-PWV总体上均呈先上升后下降的趋势，且二者一致性较好。57083探空站RS-PWV峰值出现在07-21 00:00，GNSS-PWV峰值早于RS-PWV；57178探空站RS-PWV峰值出现在07-19 00:00，GNSS-PWV峰值稍晚于RS-PWV。GNSS-PWV和RS-PWV在07-23经过短时上升后急速下降，此时“21 ·7”河南特大暴雨已经结束。
|
图 2 探空站RS-PWV和共址GNSS测站GNSS-PWV时序 Fig. 2 Time series of RS-PWV of radiosonde stations and GNSS-PWV of co-addressed GNSS stations |
图 3为RS-PWV与GNSS-PWV的相关性。图 3(a)中，RS-PWV与GNSS-PWV的相关系数为0.951，bias为－0.447 mm，RMS为2.808 mm；图 3(b)中，RS-PWV与GNSS-PWV的相关系数为0.959，bias为0.604 mm，RMS为2.236 mm。由此可知，将RS-PWV作为参考值时，GNSS反演得到的PWV具有较高精度。
|
图 3 RS-PWV和GNSS-PWV的相关性 Fig. 3 Correlation between RS-PWV and GNSS-PWV |
探空法探测水汽的精度虽然很高，但其时空分辨率较低。将ERA5数据计算得到的PWV记为ERA5-PWV，与RS-PWV相比，ERA5-PWV的精度为1~2 mm[10]，故可作为参考值用于评估GNSS-PWV的精度。图 4为51个GNSS站点反演PWV的|bias|和RMS分布。图 4(a)显示，GNSS-PWV的|bias|均小于3 mm；图 4(b)显示，GNSS-PWV的RMS范围在2.5~4 mm。由于夏季水汽空间分布复杂，变化迅速，使得获取的GNSS-PWV精度稍差，但此精度可满足后续对GNSS-PWV作时空特征变化分析。河南省中部、西部和北部地区的|bias|和RMS大于东部和南部地区，原因为前3个地区受“21 ·7”河南特大暴雨影响，导致GNSS探测水汽的信息与ERA5数据计算得到的水汽信息存在较大误差。
|
图 4 GNSS-PWV与ERA5-PWV的|bias|和RMS分布 Fig. 4 |bias| and RMS distribution of GNSS-PWV and ERA5-PWV |
由于暴雨主要发生在河南省的中部、西部和北部，故选取鹤壁市(HBHB)、开封市(KFKF)、新乡市(XXYY)和郑州市(ZZZX)4个GNSS测站及邻近气象站点，研究GNSS-PWV、相对湿度和降雨量在暴雨期间的时序变化特征(图 5)。
|
图 5 GNSS-PWV、相对湿度和降雨量时序 Fig. 5 Time series of GNSS-PWV, relative humidity and precipitation |
图 5中，4个GNSS测站的持续降雨时间分别主要集中在07-19 18:00~07-22 04:00、07-19 14:00~07-21 22:00、07-19 14:00~07-22 00:00和07-19 01:00~07-22 00:00。HBHB站逐小时降雨量达到极值74.5 mm时，PWV提前6 h由63.23 mm急增到70.58 mm，ΔPWV为7.35 mm；KFKF站逐小时降雨量达到极值103.4 mm时，PWV提前4 h由63.42 mm急增到72.44 mm，ΔPWV为9.02 mm；XXYY站逐小时降雨量达到极值44.5 mm时，PWV提前4 h由62.05 mm急增到70.71 mm，ΔPWV为8.66 mm；ZZZX站逐小时降雨量达到极值201.9 mm时，PWV提前5 h由64.06 mm急增到71.56 mm，ΔPWV为7.50 mm。综上，4个GNSS测站降雨量达到峰值前，PWV提前4~6 h开始急增到极值，ΔPWV的变化范围为7.35~9.02 mm。
图 5还显示，在特大暴雨期间，PWV总体呈先随降雨量的增加而上升、后随降雨量的减少而下降的变化趋势，相对湿度始终维持在100%的最高水平。逐小时降雨量达到极值时，4个GNSS测站上空的PWV也相应达到峰值(70.58 mm以上)。特大暴雨发生前，PWV呈缓慢上升的趋势，原因为07-15~19各测站处均有低强度降雨发生，PWV已维持在较高水平；当特大暴雨结束后，测站上空的水汽含量快速减少，PWV急速下降。在特大暴雨发生前后，PWV与相对湿度的时序变化特征十分相近，故可将相对湿度作为预报特大暴雨的一个重要参考。
5 GNSS-PWV、相对湿度、总云量与降雨量时空特征分析“21 ·7”河南特大暴雨主要发生在2021-07-20~21，本节分析GNSS-PWV、相对湿度、总云量和降雨量(时间分辨率为8 h)在此期间的时空变化特征。
在水汽输送充沛的背景下，受大地形热力抬升和动力阻挡抬升的共同作用，极端强降水沿地形在迎风坡一侧呈带状分布特征[11]。图 6(a1)~6(d1)显示，2021-07-20 00:00特大暴雨主要发生在河南省的中部和北部，中部雨量较大；07-20 08:00特大暴雨沿南北方向朝北部和南部移动，北部雨量较大；07-20 16:00特大暴雨沿东西方向朝西南部和东北部移动，降雨主要发生在东北部；07-21 00:00特大暴雨沿南北方向朝北部移动，降雨主要发生在中部和中北部，中北部雨量稍大。图 6(a2)~6(d2)显示，特大暴雨期间降雨强度与PWV的空间分布大致呈正相关，但由于PWV的变化与降雨之间具有一定的时延性，使得二者空间分布规律并非完全一致。河南省中部、北部和西部上空的PWV始终处于较高水平(65 mm以上)，河南省东部区域未发生降雨，其上空PWV较低(65 mm以下)。在同一时刻，PWV高的区域也是发生特大暴雨的主要区域。图 6(a3)~6(d3)和6(a4)~6(d4)表明，特大暴雨发生过程中，相对湿度和总云量的空间分布与降雨量的空间分布几乎一致。受远距离台风“烟花”和“查帕卡”高压型环流的影响，在副高南侧和台风“烟花”北侧建立起自东向西稳定的水汽输送通道，由于河南省西部山地阻挡，导致大量水汽在河南省中部区域汇聚，河南省上空PWV分布沿水汽输送通道呈中部高、东部和西部低的特点。加之中尺度低压气旋环流作用，河南中部、西部和北部始终维持接近饱和的相对湿度和总云量[11]。同一时刻，特大暴雨发生的区域上空的相对湿度与总云量达到极值100%，该特征可作为预报特大暴雨发生的重要参考依据。
|
图 6 降雨量、GNSS-PWV、相对湿度和总云量时空变化 Fig. 6 Spatio-temporal variations of precipitation, GNSS-PWV, relative humidity and total cloud cover |
1) 将RS-PWV作为参考值时，GNSS-PWV与RS-PWV相关系数大于0.95，|bias|小于0.7 mm，RMS小于2.9 mm；将ERA5-PWV作为参考值时，GNSS-PWV的|bias|小于3 mm，RMS范围在2.5~4 mm。受“21 ·7”河南特大暴雨影响，河南省中部、西部和北部地区GNSS-PWV与ERA5-PWV的|bias|、RMS比东部和南部地区大。
2) 暴雨期间，PWV总体呈先随降雨量的增加而上升、后随降雨量的减少而下降的变化趋势，测站上空的相对湿度始终保持最高水平100%。特大暴雨发生前，PWV上升缓慢；特大暴雨结束后，测站上空的水汽含量快速减少，PWV急速下降。特大暴雨发生前后，PWV与相对湿度的时序变化特征一致性较高。
3) 特大暴雨过程中，相对湿度、总云量与降雨量的空间分布几乎一致。在远距离台风“烟花”和“查帕卡”高压型环流背景条件下，副高南侧和台风“烟花”北侧建立起自东向西稳定的水汽输送通道，大量水汽在河南省中部区域汇聚，河南省上空的PWV分布沿水汽输送通道呈中部高、东部和西部低的特点。特大暴雨主要发生在河南中部、西部和北部，这些区域始终维持接近饱和的相对湿度和总云量(达到峰值100%)，该特征可作为今后预报特大暴雨发生的重要参考。
| [1] |
Wulfmeyer V, Hardesty R M, Turner D D, et al. A Review of the Remote Sensing of Lower Tropospheric Thermodynamic Profiles and Its Indispensable Role for the Understanding and the Simulation of Water and Energy Cycles[J]. Reviews of Geophysics, 2015, 53(3): 819-895 DOI:10.1002/2014RG000476
(  0) |
| [2] |
Wang M H, Wang J X, Bock Y, et al. Dynamic Mapping of the Movement of Landfalling Atmospheric Rivers over Southern California with GPS Data[J]. Geophysical Research Letters, 2019, 46(6): 33 551-3 559
( 0) |
| [3] |
张建忠. 河南重大暴雨灾害的孕灾风险研究[J]. 气象与环境科学, 2015, 38(3): 19-24 (Zhang Jianzhong. Study on Catastrophic Rainstorm Disaster Risk in Henan[J]. Meteorological and Environmental Sciences, 2015, 38(3): 19-24)
( 0) |
| [4] |
王婧羽, 李哲, 汪小康, 等. 河南省雨季短时强降水时空分布特征[J]. 暴雨灾害, 2019, 38(2): 152-160 (Wang Jingyu, Li Zhe, Wang Xiaokang, et al. Temporal and Spatial Distribution Characteristics of Flash Heavy Rain in Henan during Rainy Season[J]. Torrential Rain and Disasters, 2019, 38(2): 152-160)
( 0) |
| [5] |
吴旭祥, 郭秋英, 侯建辉. 基于BDS精密星历产品的水汽探测性能分析[J]. 全球定位系统, 2019, 44(5): 91-99 (Wu Xuxiang, Guo Qiuying, Hou Jianhui. Performance Analysis of Water Vapor Detection Based on Beidou Precise Ephemeris Products[J]. GNSS World of China, 2019, 44(5): 91-99)
( 0) |
| [6] |
Héroux P, Kouba J. GPS Precise Point Positioning Using IGS Orbit Products[J]. Physics and Chemistry of the Earth, Part A: Solid Earth and Geodesy, 2001, 26(6-8): 573-578 DOI:10.1016/S1464-1895(01)00103-X
( 0) |
| [7] |
Saastamoinen J. Contributions to the Theory of Atmospheric Refraction[J]. Bulletin Géodésique, 1972, 105(1): 279-298 DOI:10.1007/BF02521844
( 0) |
| [8] |
Smith W H F, Wessel P. Gridding with Continuous Curvature Splines in Tension[J]. Geophysics, 1990, 55(3): 293-305 DOI:10.1190/1.1442837
( 0) |
| [9] |
Lu C X, Li X X, Ge M R, et al. Estimation and Evaluation of Real-Time Precipitable Water Vapor from GLONASS and GPS[J]. GPS Solutions, 2016, 20(4): 703-713
( 0) |
| [10] |
Zhu D T, Zhang K F, Yang L, et al. Evaluation and Calibration of MODIS Near-Infrared Precipitable Water Vapor over China Using GNSS Observations and ERA-5 Reanalysis Dataset[J]. Remote Sensing, 2021, 13(14): 2 761
( 0) |
| [11] |
汪小康, 崔春光, 王婧羽, 等. "21 ·7"河南特大暴雨水汽和急流特征诊断分析[J]. 气象, 2022, 48(5): 533-544 (Wang Xiaokang, Cui Chunguang, Wang Jingyu, et al. Diagnostic Analysis on Water Vapor and Jet Characteristics of the July 2021 Severe Torrential Rain in Henan Province[J]. Meteorological Monthly, 2022, 48(5): 533-544)
( 0) |
2. GNSS Research Center, Wuhan University, 129 Luoyu Road, Wuhan 430079, China