文章快速检索     高级检索
  大地测量与地球动力学  2023, Vol. 43 Issue (8): 809-815  DOI: 10.14075/j.jgg.2023.08.009

引用本文  

郑志卿, 张克非, 师嘉奇, 等. GNSS-PWV结合多气象要素分析“21·7”河南特大暴雨过程[J]. 大地测量与地球动力学, 2023, 43(8): 809-815.
ZHENG Zhiqing, ZHANG Kefei, SHI Jiaqi, et al. Using GNSS-PWV Combined with Multiple Meteorological Elements to Analyze the Process of "21·7" Severe Rainstorm in Henan Province[J]. Journal of Geodesy and Geodynamics, 2023, 43(8): 809-815.

项目来源

国家自然科学基金(41730109,41874040)。

Foundation support

National Natural Science Foundation of China, No. 41730109, 41874040.

第一作者简介

郑志卿,硕士生,主要研究方向为GNSS数据处理和GNSS气象学,E-mail:434257574@qq.com

About the first author

ZHENG Zhiqing, postgraduate, majors in GNSS data processing and GNSS meteorology, E-mail: 434257574@qq.com.

文章历史

收稿日期:2022-10-16
GNSS-PWV结合多气象要素分析“21·7”河南特大暴雨过程
郑志卿1     张克非1     师嘉奇2     张明浩1     李龙江1     
1. 中国矿业大学环境与测绘学院,江苏省徐州市大学路1号,221116;
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
摘要:选取UTC 2021-07-15~25河南省51个GNSS站点、116个气象站点、2个RS站点和ERA5数据,将GNSS反演的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内在联系。结果表明,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;GNSS-PWV与ERA5-PWV的|bias|小于3 mm,RMS范围在2.5~4 mm。特大暴雨期间,PWV总体呈现先随降雨量的增加而上升、后随降雨量的减少而下降。降雨量达到峰值前4~6 h,PWV急增到极值,ΔPWV的变化范围为7.35~9.02 mm;降雨量达到极值时,PWV也相应达到峰值(70.58 mm以上)。PWV、相对湿度、总云量与降雨量的空间分布规律相似,发生降雨的河南省中部、北部和西部上空的PWV始终处于较高水平(65 mm以上),未发生降雨的东部区域上空PWV较低(65 mm以下)。
关键词GNSSCORS大气可降水量降雨量相对湿度

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
1.2 探空数据

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
2 方法 2.1 地基GNSS水汽探测原理

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/m3Rv为水汽的气体常数,取461.518 J/(kg·K);k'2k3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/s2q为比湿,单位为kg/kg;ΔP为相邻两高度层之间的气压差;PsPu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;$\nabla$为拉普拉斯算子;z为4个插值变量。解微分方程时,采用自然边界条件[8]

3 GNSS-PWV精度评估 3.1 GNSS-PWV与RS-PWV对比

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
3.2 GNSS-PWV与ERA5-PWV对比

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
4 GNSS-PWV、相对湿度与降雨量时序特征分析

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)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
6 结语

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。

参考文献
[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)
Using GNSS-PWV Combined with Multiple Meteorological Elements to Analyze the Process of "21·7" Severe Rainstorm in Henan Province
ZHENG Zhiqing1     ZHANG Kefei1     SHI Jiaqi2     ZHANG Minghao1     LI Longjiang1     
1. School of Environment and Spatial Informatics, China University of Mining and Technology, 1 Daxue Road, Xuzhou 221116, China;
2. GNSS Research Center, Wuhan University, 129 Luoyu Road, Wuhan 430079, China
Abstract: We use the data from 51 GNSS stations, 116 meteorological stations, 2 radiosonde (RS) stations and ERA5 in Henan province spanning from UTC July 15 to 25, 2021. By combining GNSS derived atmospheric PWV with multiple meteorological elements, we analyze the spatial and temporal variation characteristics and internal relationship of precipitation, PWV, relative humidity and total cloud cover during the "21·7" heavy rainfalls in Henan province. The results show that the correlation coefficient between GNSS-PWV and RS-PWV is more than 0.95, the absolute bias is less than 0.7 mm, and RMS is less than 2.9 mm. The absolute bias of GNSS-PWV and ERA5-PWV are less than 3 mm, and the RMS range is 2.5 to 4 mm. During the period of extremely heavy rainfalls, PWV firstly increased with the increase of precipitation and then decreased with the decrease of precipitation. At 4 to 6 h before the peak of the precipitation, PWV began to increase sharply to the extreme value, ΔPWV with a range of 7.35 to 9.02 mm. When the precipitation reached the extreme value, the PWV content over the GNSS stations also reached the peak value (above 70.58 mm). The spatial distribution of PWV, relative humidity, total cloud cover and precipitation are consistent with each other. The PWV content over central, northern and western regions with rainfalls in the province was constantly at a high level (above 65 mm), while the PWV content over the eastern region without rainfalls was lower (below 65 mm).
Key words: GNSS; CORS; precipitable water vapor; precipitation; relative humidity