2023, Vol. 43
2. 沧州市遥感与智慧水利技术创新中心，河北省沧州市黄河西路49号，061001;
3. 新疆大学地理与遥感科学学院，乌鲁木齐市华瑞街777号，830017;
4. 新疆大学绿洲生态教育部重点实验室，乌鲁木齐市华瑞街777号，830017;
5. 新疆大学智慧城市与环境建模普通高校重点实验室，乌鲁木齐市华瑞街777号，830017
台风是发生在热带洋面上的强烈气旋性涡旋，是一种典型致灾天气[1]。其中，99%的水汽集中于对流层，与云雨的分布有直接关系。台风具有巨大的能量，台风过境会引起区域上空对流层发生剧烈变化，带来狂风和风暴潮，从而引发强降雨[2]。水汽在台风移动过程中会不断地吸收和释放能量，从而影响电磁波信号的传播，导致无线电通讯及卫星导航定位异常[3]。因此，可以通过分析水汽对台风的响应，对台风轨迹及台风天气中的强降雨天气作出合理预测。目前，利用GNSS气象学反演水汽的技术已发展成熟[4-5]，其中中国大陆构造环境监测网络(CMONOC)观测站在现代天气研究方面发挥着重要作用[6]。本文利用CMONOC观测数据进行研究，以期为台风轨迹预报和气象部门的台风灾害及极端降水预警等提供借鉴和参考。
1 研究数据本文研究数据主要包括台风数据、GNSS ZTD数据和降水数据。
1) 台风数据来源于中国气象台风网(http://typhoon.nmc.cn/web.html)，包含台风运动轨迹、起止时间、强度等信息，本文选择台风经过前3 d至台风结束期间数据(图 1和表 1)。
|
图 1 台风轨迹及站点分布 Fig. 1 Typhoon trajectory and station distribution |
|
表 1 台风起止时间及研究站点 Tab. 1 Typhoon starting and ending time and research stations |
2) GNSS ZTD数据来自中国大陆环境构造监测网络，涵盖站点名称、站点坐标、数据采集时间、ZTD (单位mm)等信息。数据采集频率为25次/d，等间隔时间采集。部分站点存在数据缺失，本文利用SPSS软件进行补缺。
3) 降水数据来源于气象网站(https://www.xihe-energy.com)，降水量为小时数据，单位mm。根据CMONOC站点坐标获得同区域同时段降水数据，保证ZTD与降水的时空一致性。本文研究日降水量与ZTD短时序的对应关系，将小时降水数据进行日降水量计算处理。
2 数据处理因对流层延迟数据中包含噪声，会影响研究分析的准确性，本文选用dbN小波对对流层延迟数据进行小波变换，分解后得到高频系数与低频系数。其中，高频部分由各种干扰噪声、异常突变、周期和随机波动等构成，低频部分则反映了对流层延迟的主要特征，如演变趋势[7-8]。先将ZTD数据作小波变换，再进行频谱分析确定噪声层；利用硬阈值去噪剔除噪声层，然后将各层数据重构得到剔除噪声的对流层延迟数据。信号有时在时域上无法发现其特征，尤其是周期性特征，但如果将信号转换到频域，这些周期性特征就很容易显现出来[8]，快速傅里叶变换能将信号从时域变换到频域。本文利用加汉宁窗的快速傅里叶变换对时间序列的周期信号进行分析。
3 ZTD周期性变换研究 3.1 小波变化分析为研究台风来临前后水汽的变换周期，以随机选取的2012年台风布拉万、2016年台风尼伯特、2017年台风天鸽、2018年台风安比、2019年台风利奇马来临时期部分站点为研究对象，分别利用小波变换和快速傅里叶变换处理台风天气ZTD(水汽)数据和正常天气ZTD(水汽)数据，通过对小波变换的不同层高频周期项和快速傅里叶变换的频谱进行分析，探讨台风事件对ZTD(水汽)变换周期的影响。
经小波变换后，ZTD不同层高频项具有不同的周期变化特征。图 2~6为不同台风不同站点采集到的台风天气和正常天气ZTD(水汽)数据经小波分解后的D4项(日周期变化)结果，图中，除了JSLY、JXJA、XIAM站点台风天气和正常天气的GNSS ZTD变化差异不明显外，其余站点的GNSS ZTD台风天气的振幅均比正常天气大，变化更剧烈；台风天气GNSS ZTD峰值大于正常天气，说明台风天气下水汽含量较高。同时，经小波变换后在开始和结束时相位相反，但变化过程中中部的相位变化基本一致，说明经过小波变换后相同层的周期相同。
|
图 2 布拉万台风实验站点ZTD小波分解日周期变化 Fig. 2 Daily cycle change of ZTD wavelet decomposition in the experimental station of typhoon Bravan |
|
图 3 尼伯特台风实验站点ZTD小波分解日周期变化 Fig. 3 Daily cycle change of ZTD wavelet decomposition in the experimental station of typhoon Nebert |
|
图 4 天鸽台风实验站点ZTD小波分解日周期变化 Fig. 4 Daily cycle change of ZTD wavelet decomposition in the experimental station of typhoon Pigeon |
|
图 5 安比台风实验站点ZTD小波分解日周期变化 Fig. 5 Daily cycle change of ZTD wavelet decomposition in the experimental station of typhoon Ambi |
|
图 6 利奇马台风实验站点ZTD小波分解日周期变化 Fig. 6 Daily cycle change of ZTD wavelet decomposition in the experimental station of typhoon Lechima |
结合图 1、3和6分析可知，JSLY站点与台风中心相距较远，与正常天气相比，台风天气ZTD变化不明显。结合图 1和5分析可知，当观测站点与台风中心的距离较近时，与正常天气相比，台风天气ZTD变化更明显，与台风中心距离越远台风天气ZTD变化越不明显。图 4为沿台风天鸽轨迹纵向选择的3个站点ZTD变化，其中GDZH、GXNN站点台风天气ZTD振幅最先发生波动，GXBS站点变化较晚。其余台风天气无论偏远或邻近站点，均表现为沿台风移动路径，台风气旋中心越早经过，站点GNSS ZTD振幅波动越早，并且与气旋中心距离越近ZTD振幅越大，水汽含量越大。
3.2 傅里叶变换分析因小波变换为时频分析方法，且在频域不易看出ZTD的主要变化周期，本文利用快速傅里叶变换(FFT)方法分析ZTD变化周期。
由图 7~11可以看出，经快速傅里叶变换后ZTD在频域具有很好的表现性，台风天气变化周期与正常天气变化周期分析见表 2。
|
图 7 天鸽台风实验站点 Fig. 7 Experimental station of typhoon Pigeon |
|
图 8 安比台风实验站点 Fig. 8 Experimental station of typhoon Ambi |
|
图 9 布拉万台风实验站点 Fig. 9 Experimental station of typhoon Bravan |
|
图 10 利奇马台风实验站点 Fig. 10 Experimental station of typhoon Lekima |
|
图 11 尼伯特台风实验站点 Fig. 11 Experimental station of typhoon Niebert |
|
|
表 2 不同天气期间ZTD变化周期对比分析 Tab. 2 Comparative analysis of ZTD change cycles during different weather periods |
结合经小波变换后ZTD图像分析可知，尽管台风来临的时间各不相同，所有结果均显示，两种天气条件下ZTD的变化周期不一致。结合表 2(选取台风天气和正常天气第1个相对异常的峰值)和图 7~11可知，台风期间11个不同站点的ZTD变化周期均有所缩短，仅HECD、GXBS、HRBN站点的ZTD变化周期增大。台风天气ZTD的周期相对于正常天气发生了变化，同时JXJA、XIAM、JSLY站点ZTD在小波D4层日周期变化不明显，不能很好地反映台风天气和正常天气的水汽变化周期，但经快速傅里叶变换后这些站点在频域有很好的表现性，均显示出台风天气ZTD变化周期相较于正常天气缩短的特征。由小波变换分析和傅里叶快速变换分析可知，台风天气能在一定程度上影响水汽的变化周期，台风天气水汽的变化周期缩短[9]，对应地区的降水量增加[10]。
4 台风与水汽变化研究 4.1 不同台风事件中水汽变化分析降水来自大气中的水汽，大气中的水汽也是维持台风动力的主要成分，通过连续观测GPS可降水量并了解其时空分布，对监测和预测台风具有重要的意义。多位学者针对区域降水量与GNSS天顶对流层延迟、水汽的关系开展了相关研究[11-16]，发现水汽值大小及其增幅与降水过程存在较好的对应关系，并且对短时强降水预报或暴雨临近预报有较好的指示意义[17]。为研究GNSS ZTD数据代替GNSS水汽的可行性，本文选取台风事件中部分邻近区域及偏远区域GNSS基准站，利用采集的ZTD数据对不同台风事件中的降水变化进行分析。
4.2 台风前后临近站点水汽分析根据台风移动轨迹，随机选取不同台风时期邻近区域的GNSS基准站，分析台风来临前后GNSS ZTD和相关降水数据。由图 12可以看出，台风来临前3 d，不同地区站点ZTD会发生较为剧烈的变化且均会产生降水；台风降水发生前后GNSS ZTD单峰结构明显，降水量与ZTD每日增幅有很强的对应关系，并多次出现短时间内GNSS ZTD剧烈升降的变化过程。
|
图 12 不同邻近站点ZTD日周期变化与日降水量对比分析 Fig. 12 Comparative analysis of daily cycle variation and daily precipitation of ZTD at different neighboring stations |
根据台风移动轨迹，随机选取偏远区域GNSS基准站，分析台风来临前后GNSS ZTD和降水的关系。由图 13可知，在台风来临前3 d，不同区域均会发生降水。对于远距离区域的台风降水，ZTD震荡性越强，波动幅度越大，降水强度越大，并且在台风发生前一段时间内ZTD会发生剧烈变化。
|
图 13 不同偏远站点ZTD日周期变化与日降水量对比分析 Fig. 13 Comparative analysis of daily cycle variation and daily precipitation of ZTD at different remote stations |
研究结果表明，台风降水量与ZTD变化有较强的对应关系。对于远距离区域的台风降水，ZTD震荡性越强，波动幅度越大，对应降水强度越大；对于近距离区域台风降水，ZTD短时间内的升幅越大，对应的降水量往往越大。当ZTD达到峰值时，说明大气中的水汽含量较高，为降雨的发生作好了必要的准备，并且发生强降雨之前ZTD会发生急剧变化。同时，通过对台风中心不同距离GNSS站点进行对比分析得出，相较于之后经过的GNSS基准站，台风最先经过的GNSS基准站ZTD发生波动早，且先经过区域降水量比后经过区域降水量大。
5 结语利用小波变换及快速傅里叶变换对不同台风不同GNSS站点的ZTD数据进行分析，通过对ZTD日变化周期和日降水量进行对比分析，得到以下结论：
1) 与正常天气相比，台风影响下GNSS ZTD周期会缩短，降水会增加。
2) 对降雨过程进行分析可知，在降雨发生前，ZTD会发生较为剧烈的变化，并达到一个峰值。
3) 通过对台风中心不同距离的GNSS站点进行对比分析可知，台风先经过区域站点的ZTD比后经过站点的ZTD发生波动早，且先经过区域的降水量比后经过区域的降水量大。
| [1] |
钱传海. 台风监测预警及灾害防御[J]. 中国保险, 2022(2): 40-44 (Qian Chuanhai. Typhoon Monitoring, Early Warning and Disaster Prevention[J]. China Insurance, 2022(2): 40-44)
(  0) |
| [2] |
李英, 陈联寿, 张胜军. 登陆我国热带气旋的统计特征[J]. 热带气象学报, 2004, 20(1): 14-23 (Li Ying, Chen Lianshou, Zhang Shengjun. Statistical Characteristics of Tropical Cyclone Making Landfalls on China[J]. Journal of Tropical Meteorology, 2004, 20(1): 14-23)
( 0) |
| [3] |
周苏娅. 香港地区台风时期对流层水汽变化研究[D]. 长沙: 长沙理工大学, 2019 (Zhou Suya. Study on Water vapor change in troposphere during Typhoon in Hong Kong[D]. Changsha: Changsha University of Science and Technology, 2019)
( 0) |
| [4] |
娄泽生. ENSO气候事件对中国大陆GNSS水汽变化周期的影响研究[D]. 天津: 天津城建大学, 2020 (Lou Zesheng. Impact of ENSO Climate Events on GNSS Water Vapor Variation Cycle in China[D]. Tianjin: Tianjin Chengjian University, 2020)
( 0) |
| [5] |
聂志喜. 多模GNSS精密单点定位模型统一理论与方法研究[D]. 青岛: 中国石油大学(华东), 2017 (Nie Zhixi. Reseach on the Unified Modeling for Multi-GNSS Precise Point Postioning[D]. Qingdao: China University of Petroleum, 2017)
( 0) |
| [6] |
刘晨. 地基GNSS水汽的空间插值与层析方法[D]. 徐州: 中国矿业大学, 2019 (Liu Chen. Spatial Interpolation and Tomography of Ground-Based GNSS-Derived Water Vapor[D]. Xuzhou: China University of Mining and Technology, 2019)
( 0) |
| [7] |
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) |
| [8] |
王勇, 娄泽生, 刘严萍, 等. 中国IGS站点ZTD长时序特征及其与年降水量的关系研究[J]. 大地测量与地球动力学, 2019, 39(10): 1 037-1 040 (Wang Yong, Lou Zesheng, Liu Yanping, et al. ZTD Long Time Series Characteristics of IGS Stations in China and Their Relationship with Annual Precipitation[J]. Journal of Geodesy and Geodynamics, 2019, 39(10): 1 037-1 040)
( 0) |
| [9] |
邱明宇, 陆维松, 王尚荣. ENSO事件与北半球中高纬低频振荡[J]. 热带气象学报, 2006, 22(5): 454-460 (Qiu Mingyu, Lu Weisong, Wang Shangrong. Enso Episodes and Low-Frequency Oscillation in the Extra-Tropical Latitude of the Northern Hemisphere[J]. Journal of Tropical Meteorology, 2006, 22(5): 454-460)
( 0) |
| [10] |
何溪澄, 丁一汇, 何金海, 等. 中国南方地区冬季风降水异常的分析[J]. 气象学报, 2006, 64(5): 594-604 (He Xicheng, Ding Yihui, He Jinhai, et al. An Analysis on Anomalous Precipitation in Southern China during Winter Monsoons[J]. Acta Meteorologica Sinica, 2006, 64(5): 594-604)
( 0) |
| [11] |
朱恩慧, 杨力, 贾鹏志, 等. 暴雨天气中地基GNSS可降水量时序变化分析[J]. 导航定位学报, 2018, 6(1): 21-26 (Zhu Enhui, Yang Li, Jia Pengzhi, et al. Temporal Variation Analysis of Ground-Base GNSS Precipitation in Heavy Rain[J]. Journal of Navigation and Positioning, 2018, 6(1): 21-26)
( 0) |
| [12] |
杨军建, 姚宜斌, 许超钤, 等. 大气可降水量与实际降水量的关联性分析[J]. 测绘地理信息, 2016, 41(1): 18-21 (Yang Junjian, Yao Yibin, Xu Chaoqian, et al. Analysis of the Correlation between PWV and Actual Rainfall[J]. Journal of Geomatics, 2016, 41(1): 18-21)
( 0) |
| [13] |
符睿, 段旭, 刘建宇, 等. 云南地基GPS观测大气可降水量变化特征[J]. 气象科技, 2010, 38(4): 456-462 (Fu Rui, Duan Xu, Liu Jianyu, et al. Characteristics of Ground-Based GPS-Retrieved PWV in Yunnan[J]. Meteorological Science and Technology, 2010, 38(4): 456-462)
( 0) |
| [14] |
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): 1-11
( 0) |
| [15] |
李青春, 张朝林, 楚艳丽, 等. GPS遥感大气可降水量在暴雨天气过程分析中的应用[C]. 中国气象学会2005年年会, 苏州, 2005 (Li Qingqing, Zhang Chaolin, Chu Yanli et al. Applications of Precipitable Water Vapor Monitored by Ground-Based GPS to Analyzing Heavy Rain Event[C]. The 2005 Annual Conference of China Meteorological Society, Suzhou, 2005)
( 0) |
| [16] |
丁海燕, 李青春. 北京地区夏季几次典型降水的大气水汽特征[C]. 第27届中国气象学会年会, 北京, 2010 (Ding Haiyan, Li Qingqing. Atmospheric Water Vapor Characteristics of Several Typical Precipitationin Summer of Beijing Area[C]. The 27th Annual Conference of China Meteorological Society, Beijing, 2010)
( 0) |
| [17] |
李建国, 毛节泰, 李成才, 等. 使用全球定位系统遥感水汽分布原理和中国东部地区加权"平均温度"的回归分析[J]. 气象学报, 1999, 57(3): 283-292 (Li Jianguo, Mao Jietai, Li Chengcai, et al. The Approach to Remote Sensing of Water Vapor Based on GPS and Linear Regression Tm in Eastern Region of China[J]. Acta Meteorologica Sinica, 1999, 57(3): 283-292)
( 0) |
2. Cangzhou Technology Innovation Center of Remote Sensing and Smart Water, 49 West-Huanghe Road, Cangzhou 061001, China;
3. College of Geography and Remote Sensing Sciences, Xinjiang University, 777 Huarui Street, Urumqi 830017, China;
4. Key Laboratory of Oasis Ecology of Ministry of Education, Xinjiang University, 777 Huarui Street, Urumqi 830017, China;
5. Key Laboratory of Smart City and Environmental Modeling of Higher Education Institute, Xinjiang University, 777 Huarui Street, Urumqi 830017, China