《测绘学 》
构建与学术的桥梁 拉近与权威的距离
复制链接，关注《测绘学 》抖音！
【测绘学 的个人主页】长按复制此条消息，长按复制打开抖音查看TA的更多作品##7NsBSynuc88##[抖音口令]
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
1. 北京航空航天大学卫星导航与移动通信融合技术工业与信息化部重点实验室, 北京 100191;
2. 武汉大学卫星导航定位技术研究中心, 湖北 武汉 430079;
3. 中国气象局气象探测中心, 北京 100081;
4. 泰国朱拉隆功大学测量工程学院, 泰国 曼谷 10330
基金项目：国家自然科学基金（41961144015；41804023；41774036）
关键词：中国-中南半岛地区 北斗/GNSS 大气可降水含量 降水 气候变化
引 格式：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. 测绘学 ，2020，49(9)：1112-1119. DOI:
10.11947/j.AGCS.2020.20200339.
阅读全 ：
http://xb.sinomaps.com/article/2020/1001-1595/2020-9-1112.htm
全 概述
中国-中南半岛经济走廊地区(简称中国-中南半岛地区)属于典型的季风气候，干湿季节显著，中国-中南半岛是孟加拉湾水汽输送中国的通道，对于中国气候具有极其重要的影响[1-2]。泰国、缅甸和越南等国位列近20年(1997—2016)受极端降水天气引发的洪涝和滑坡灾害威胁最严重的国家[3-4]。在全球变暖背景下，全球各地极端天气的频数和强度有进一步增大的趋势[5]。中国-中南半岛地区是全球重要的粮食产区，频发的极端降水天气给该区域的经济和社会发展以及全球的粮食安全带来了严重的破坏，也对中国-中南半岛经济走廊基础设施建设的安全和效益形成了巨大的威胁。开展中国-中南半岛地区极端降水天气形成和变化机制研究及预警预 工作，对于深入理解全球变暖背景下区域天气系统的响应机制、保障地区经济建设和社会发展具有十分重要的科学价值和现实意义。
中国-中南半岛地区极端强降水量或暴雨强降水量在总降水量中的比重总体上有所增加，降水强度也有一定的增强，但是不同区域的变化呈现出空间上的不一致性[6-9]。极端天气气候事件的变化规律是全球气候变化背景下气象和气候科学研究的重点和热点[10-11]。
目前对极端降水天气的预警预 和未来规律预测仍然是世界性难题。导致极端降水的因子非常复杂，包括大气环流、大气稳定度、潜热释放、水汽辐合、抬升运动、云的范围和中尺度组织的强度、气溶胶作用和复杂地形作用等[12-13]。虽然降水预 水平从20世纪60年代至今取得很大进展，但目前国际上对大于1英寸(1英寸=25.4 mm)/24 h降水预 技术评分(threat score)不足0.4(1.0表示完美预 )[14]，对水汽输送机理认识不足是制约极端降水天气预 精度的重要原因[12]。
大气水汽在极端降水天气的形成和发展过程中扮演着十分关键的角色。一方面，大气水汽是极端降水天气形成的主要物质基础；另一方面，水汽在大气中通过相态转化和输送等过程能显著改变大气能量分布，深刻影响大气能量系统平衡，为极端降水天气的形成提供了重要的动力条件。观测和研究大气水汽在不同时间尺度上的变化特性，对于深入理解极端降水天气的形成机制和预警预 及未来变化规律预测十分关键。
大气水汽观测有多种技术手段，目前常用的主要有高空无线电探空仪、地基微波辐射计、星基辐射计、星基无线电掩星和地基GNSS反演等手段。相比于其他手段，地基GNSS具备全天候、高精度、低费用、高时间分辨率和均一性好等优势[15-16]，近些年已成为大气水汽观测的一种重要手段[17]。地基GNSS也被全球气候观测系统(GCOS)高空参考观测 络(GRUAN)列为水汽I类观测手段[18]。
1 数据及处理方法
1.1 北斗/GNSS数据及处理策略
图 1 北斗/GNSS测站地理分布Fig. 1 Geographical distribution of BeiDou/GNSS stations
图选项
1.2 气象再分析资料ERA-Interim
获得测站处的气压后，采用Saastamoinen模型估算测站处的天顶干延迟(ZHD)[27]。从北斗/GNSS数据处理估算获得的ZTD中扣除ZHD，得到天顶湿延迟(ZWD)，并采用式(1)反演获得测站处的大气可降水总含量(PWV)
(1)
式中，k′2(17±10 K/hPa)和k3(3.776±0.004×105K2/hPa)为大气折射率常数；Rw为水汽气体常数(461.51 J/(K×kg))；ρw为液态水密度(1000 kg/m3)；Tm为加权平均温度(单位为K)。
而基于ERA-Interim气压层产品积分计算PWV的公式为
(2)
式中，g为地球重力加速度，需要考虑纬度和高度的变化。
对各个测站处的北斗/GNSS和ERA-Interim逐小时PWV产品做差，剔除超出4倍差值中误差的北斗/GNSS PWV异常点，最终获得研究区域内各个北斗/GNSS的PWV时间序列。
1.3 地面降水数据
2 结果分析
2.1 PWV周期信号提取
(3)
式中，y(t)即为t时刻(以年为单位表示)的PWV值；A0、A1、A2和A3分别为常数项、趋势项、周年项和半周年项的系数；P1与P2分别为周年和半周年相位；QBO1和QBO2分别为30 hPa和50 hPa高度处的标准化准两年振荡(quasi-biennial oscillation)参数(
http://www.cpc.ncep.noaa.gov/data/indices)，主要用于考虑QBO现象对水汽变化的周期影响；B1与B2为QBO相应的尺度系数；SF为太阳光照通量参数(
http://www.esrl.noaa.gov/psd/data/correlation/solar.data)，用于考虑太阳光照变化对水汽的影响；B3为SF对应的尺度系数。在采用式(3)拟合时，为了保证拟合结果的可靠性，要求北斗/GNSS的PWV产品覆盖天数不少于2年，对不符合要求的测站不予拟合。图 2给出了8个北斗/GNSS代表测站PWV时间序列以及采用式(3)模型拟合的结果，其中PWV时间序列中缺失的部分是由于北斗/GNSS数据缺失或异常值剔除造成的。
图 2 8个北斗/GNSS测站处PWV时间序列(灰点)、PWV模型拟合值(黑点)和并址气象站月累积降水量(黑柱)Fig. 2 PWV time series (gray dots), PWV model values (black dots) and collocated monthly precipitation (balck bars) at eight BeiDou/GNSS stations
图选项
2.2 大气水汽含量气候分布特征分析
图 3 PWV年均值与年振幅的地理分布Fig. 3 Distribution of annual average PWV and PWV annual amplitude
图选项
图 4 PWV年均值随北斗/GNSS测站高程与纬度的变化Fig. 4 Variations of annual average PWV with station altitude and latitude
图选项
类似于年振幅结果，图 5(a)给出了各个北斗/GNSS测站处的半年振幅地理分布情况。半年振幅的地理分布总体上表现出同年振幅地理分布相反的特征，即随着测站纬度的下降，半年振幅大体上呈增大的趋势。在云南南部PWV半年振幅不足2 mm，而在泰国南部可达4~5 mm。这种分布同泰国的气候特征息息相关，泰国大部分地区大气水汽含量较高的夏季(3—5月)和雨季(6—10月)的时长要明显长于水汽含量较低的凉季(11—次年2月)。对比图 2(a)的云南XIAG站和图 2(g)的泰国SRTN站可以看出，云南XIAG站PWV在一年中变化非常平顺，而SRTN站PWV高值持续的时间要明显长于低值持续时间。这种非对称特性是导致低纬度测站半年周期信号更为显著的主要原因。
图 5 PWV半年振幅以及月均值同降水量相关系数地理分布Fig. 5 Distribution of PWV semi-annual amplitudes and PWV-monthly precipitation correlation coefficients
图选项
2.3 大气水汽含量同降水变化关联分析
大气水汽含量及变化同降水过程息息相关。大气水汽是降水形成的主要物质基础之一，大气水汽的变化带来的大气潜热能的储存和释放为降水过程提供重要的动力因子。图 5(b)给出了北斗/GNSS测站PWV月均值同并址气象测站月累积降水量的相关系数地理分布情况。结合图 2中的8个典型北斗/GNSS测站并址气象站的月累积降水量的时间序列，可以看出PWV同降水的相关系数分布与图 3(b)中的PWV年振幅地理分布较为相似。随着测站纬度的下降总体呈减小的趋势，在云南地区相关系数在0.6以上，而在泰国南部相关系数小于0.2。这主要是因为在纬度相对较高的云南等地区，大气水汽同降水的季节变化具有较好的一致性。在夏季由于副热带高压的持续影响，暖冷锋在此区域交会，并保持较长时间停留，导致降水增多。同时夏季气温升高，大气蓄水能力增强，且季风系统将海洋的湿润空气源源不断地输送到该区域，大气水汽含量达到峰值。而在纬度较低的泰国南部，大气水汽常年保持较高含量，季节变化特征明显更弱，在该地区影响降水的主要因素为大气动力因子，而不再是大气水汽含量，因此在低纬度地区两者相关性明显下降。
水汽是大气中含量最为丰富的温室气体，加之大气气温和水汽含量的正相关性(理论上满足Clausius-Clapeyro方程)，大气水汽含量的变化对大气暖化具有很强的正反馈作用。已有的一些研究指出，在全球暖化背景下，水汽含量的变化同极端降水天气频率和强度的变化具有较强的关联性[5]，因此分析大气水汽含量异常同降水异常的关联对于气候分析和极端降水天气的长期规律研究具有重要意义。图 6(a)给出了北斗/GNSS观测跨度超过10年的16个北斗/GNSS测站处PWV月均值距平值同月累积降水量距平值的相关系数地理分布，图 6(b)和图 6(c)选取了两个代表测站(云南XIAG站和泰国CHAN站)的PWV和降水量距平值时间序列。研究区域内大部分测站的PWV和降水量距平值的相关系数为0.2~0.4，呈现出一定的相关性，即大气水汽含量偏高的月份在一定程度上对应着降水异常偏高。反之，水汽含量偏低的月份在一定程度上对应着降水异常偏低。从图 6(b)和(c)中的两个典型测站处的时间序列也可以观察出这种关联特性。
图 6 PWV月均值与月累积降水量距平值的相关特征Fig. 6 Correlation between PWV and monthly precipitation anomaly
图选项
3 结论
(1) 该地区大气水汽含量主要同测站高程和纬度相关，相关系数分别为-0.974和-0.783。在泰国的南部年均值达到50 mm左右，而在我国的云南地区年均值为20~30 mm。
(2) 受季风影响，该地区大部分测站上空大气水汽表现出明显的年周期变化，年振幅呈现出高纬度到低纬度下降的特征。在广西和广东部分地区PWV年振幅可超过20 mm，而在泰国南部SOKA和SRTN站，年振幅在10 mm以内。
(3) PWV半年振幅的地理分布总体上表现出随着测站纬度的下降的特征。在云南南部PWV半年振幅不足2 mm，而在泰国南部可达4~5 mm，这与泰国南部大气水汽含量在一年中的非对称分布特征有关。
(4) 大气水汽含量同降水具有较为明显的相关性，且随着测站纬度的下降相关性减弱。在云南地区相关系数在0.6以上，而在泰国南部相关系数在0.2左右；PWV同降水量的距平值同样具有一定的相关性(相关系数0.2~0.4)，表明相比于历史同期，水汽含量偏多的月份在一定程度上对应着降水异常偏高。
E-mail:shichuang@buaa.edu.cn
E-mail：zhangweixing89@whu.edu.cn
《测绘学 （英 版）》（JGGS）专刊征稿：LiDAR数据处理
论 推荐 | 张勤, 燕兴元,黄观 ,解世超,曹钰：北斗卫星天线相位中心改正模型精化及对精密定轨和定位影响分析
通知 | 《测绘学 》论 入选中国科协第五届优秀科技论 遴选计划
孙龙 吴涛 孙光才 邢孟道 等 |《测绘学 （英 版）》（JGGS）精选论
权威 | 专业 | 学术 | 前沿
微信、抖音小视频投稿邮箱 | song_qi_fan@163.com
进群请备注：姓名+单位+稿件编号
声明：本站部分 章内容系出于传递信息之目的源自于第三方 站转载，行业企业、终端用户投稿。若对稿件内容有任何疑问或质疑，请立即与本 站联系，本 站将迅速给予回应并第一时间做出处理（联系邮箱：jinwei@zod.com.cn）。