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)。
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。
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。
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 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。
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。
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。
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