地基GPS反演大气水汽含量实践＊

薛丰昌，高晓东，张亚琳

（1.南京信息工程大学 遥感学院，江苏 南京210044；2.上海嘉定区气象局，上海201800）

0 引 言

气象研究的热点之一是如何测定大气中的水汽含量，监测大气中水汽分布及变化趋势，并将监测结果应用于实际业务预报特别是中小尺度灾害性天气的监测预报。由于传统的无线电探测、卫星红外线探测和微波探测等手段自身存在的局限性，上世纪末有学者提出地基GPS技术可以作为一种新型大气探测实用技术有效弥补探空资料在时间和空间上的不足，提供高精度、高容量、快速变化的水汽信息。

Bevis M［1］等人首先提出了利用GPS探测大气总水汽量的方法，使得GPS成为探测大气结构的一种新手段。1994年美国GPS／STORM试验证明了利用地基GPS探测大气总水汽含量技术的可行性，地基GPS探测大气水汽含量的精度达0.1～0.2cm.与此同时，从1994年开始，NOAA利用美国中部的GPS网进行长达5年的大气水汽监测，结果表明该网能在高湿（大气总水汽量超过4.0cm）和十分干燥（大气总水汽量低于0.25cm）的条件下稳定地运行［2］。从GPS／STORM和GPSWISP94试验表明地基GPS／MET的应用价值和特点以来，美国、日本、德国、欧盟、韩国等还纷纷建立地基GPS／MET应用的连续运行网络。国内从90年代中期由国家卫星气象中心和北京大学联合进行空基、地基GPS／MET的研究，利用掩星数据进行了温度及气压的反演。利用地基GPS资料，对大气可降水量进行了探测，上海气象局和上海天文台通过合作，对上海暴雨期间进行了GPS观测，得到大气可降水量。中国科学研究院和地形形变监测中心在华南暴雨试验中也进行了GPS观测。2000年，国家卫星气象中心和北京大学联合北京市气象局进行了我国第一次北京地区地基GPS／VAPOR试验。2001年，973暴雨项目的观测试验课题在安徽进行了GPS的外场试验，进一步完善了GPS探测技术，得到精度为2mm左右的GPS大气可降水量和中层误差为1K的温度反演廓线。中国科学院大气物理研究所则开发GPS折射角的四维变分同化系统。目前，GPS应用在我国气象领域迅速开展，天津、山西、武汉、广东等省市开始进行综合应用GPS建设。

GPS作为探测大气的一项新手段，具有全球覆盖、精度高、垂直分辨率高等优点［3］，GPS技术可用于研究大气中水汽的日变化特征，得到的区域性高时空分辨率的水汽资料进行中尺度天气预报，对城市环境预报、暴雨、冰雹及其他洪涝灾害预报能够发挥重要作用［4］。

1 地基GPS信号反演水汽原理

GPS信号在穿越大气过程中，由于大气折射率梯度和大气密度等的变化使其相对于在真空中直线传播而言出现了延迟［5］。对精确定位、导航应用来说，必须消除或消弱地球大气层对GPS信号传播的种种影响，而当GPS应用到水汽反演中，正好与之相反，可以利用该延迟最终反演出大气中的水汽含量。

GPS信号总延迟分为电离层延迟和对流层天顶延迟，其中对流层延迟分为干延迟（ZHD）和湿延迟（ZWD），其中干延迟亦称为静力延迟，由大气中的干空气造成，而湿延迟主要由大气中的水汽引起。电离层延迟可以通过双频接收机观测技术订正到毫米量级，接收机钟差和卫星钟差则用相对差分处理消除。余下的对流层天顶总延迟（ZTD），可利用软件对GPS观测数据联合IGS跟踪站数据等进行求解得出。干延迟可用精确的地面气压、温度、湿度等气象资料通过公式给出，可以订正到毫米量级，这样就得到了毫米量级的湿延迟［4］，其值一般在区间［0，40］cm内［6］。湿延迟与大气水汽存在着一定的转换系数K，K值根据局部区域加权平均温度模型计算出，由天顶湿延迟转换而来，主要反映了大气中水汽分布对无线电信号传播的影响，只要确定这一转换系数，即可转换得到大气可降水汽量（PWV）［7］。

PWV相当于同样水汽含量的水柱高，可理解为某一时刻大气中的水汽压达到饱和时凝结成水全部降落所产生的降水量。反演过程如图1所示［8］。

图1 GPS数据反演PWV的流程

1.1 对流层天顶总延迟（ZTD）计算

利用测站的GPS数据，联合测站周边分布均匀、距离超过500km的IGS跟踪站在同一时间段的GPS观测数据和广播星历、精密星历等基础数据，通过精密双差定位定轨解算软件Bernese，解算出测站上空高精度的对流层天顶总延迟。软件计算流程如图2所示［8］。

2 基线网络处理和ZTD计算流程

通过改正可计算所有解算时段的天顶总延迟，其内符合精度为0.5～1mm，可用于大气中水汽总量的反演估算。

1.2 大气湿延迟（ZWD）

计算湿延迟的前提是获得干延迟。计算干延迟有多种模型，如Saastamoinen模型、Hopfield模型和Black模型，这里采用Saastamoinen模型。

根据Saastamoinen模型，干延迟精度可以达到mm量级，公式如下

式中：P为测站的地面大气压，单位hpa；H为测站的高程，单位km；λ为测站纬度。

可获得天顶湿延迟，它是计算水汽含量的前提。

1.3 大气水汽含量（PWV）计算

计算PWV值的公式

式中：k′2为22.1±2.2K／hPa；k3为3.739×105±0.012×105K2／hPa，二者为大气折射常数；ρ为液态水的密度，为1×103kg／m3；Rv是水汽的气体常数为461.524J／Kg·K；Tm为地区加权平均温度；Pv为垂直分布上某点的水汽分压；T为同一点的气温（K）；Hs为测站的高程，单位是m.

由于Pv和T随时间和空间变化而变化，Tm也是一个时空变化量，故转换系数K也是一个变量，是将湿延迟转换为水汽含量的关键量。如果要确定转换系数K，就必须准确地确定加权平均温度Tm［9］.一般选取测站一段时间内的气象资料进行线性回归计算，获取该站的加权平均温度模型。作为近似，转换系数K也可以简单的取为常数K≈0.15［10］.

利用式（2～6）计算Tm需要知道大气水汽分压和绝对温度的垂直分布情况，需要利用无线电探空资料才能获得，因此在实际应用中受到了限制。以下是几个典型的经验回归公式［8］.

1）Bevis等人根据北美多个站点多年的无线电探空资料给出了大气加权平均温度与地面绝对温度的线性回归公式

式中Ts为地面绝对温度。经研究该式的相对误差小于2%，推算综合水汽含量的误差小于4%。

2）李建国，毛节泰等人利用中国东部地区多个探空站1992年全年的资料给出了中国东部地区大气加权平均温度逐月和全年的回归公式，年回归公式为

3）谷晓平、王长耀等人分析了大气加权平均温度的变化特征，认为Tm的变化主要受太阳辐射以及地球大气热辐射的影响，并根据广东清远站多年的探空资料利用最优子集回归技术建立了Tm与地表气压、温度、露点温度（Td）以及水气压的局地回归算式

2 GPS反演大气水汽实例

现代高精度的GPS数据处理中，一般采用参数估计法估算对流层延迟值，将对流层延迟值作为未知参数在数据处理过程中连同其他参数一并解算出来。目前国际上流行的高精度GPS数据处理软件（Bernese，GAMIT，GIPSY等）都可以估算测站上空对流层的天顶延迟值，其估算方法主要有两种：一种是利用最小二乘法，在整个测量时段内每隔一定的时间间隔（例如半小时）引入一个对流层天顶延迟参数，并假设其在该时间间隔内是固定不变的，在数据处理中采用最小二乘法将延迟参数连同测站坐标一同解算出来；另一种方法是用随机模型描述对流层天顶延迟的变化，采用卡尔曼滤波等方法估计对流层的延迟值。目前较常用的GPS精密数据处理软件中Bernese，GAMIT采用的是最小二乘估计法，而GIPSY则采用的是卡尔曼滤波的方法［8］。

使用Bernese软件计算出2010年4月24日13：00的天顶总延迟，其单位为m，依据式（1）、（2）、（3）计算出对流层湿延迟，而后依据式（4）计算出大气水汽含量，其中由于气象资料的缺乏，转换系数K取近似值0.15［8］。五个基站各项数据的计算结果如表1所示。

表2示出了利用MODIS数据反演出的2010年4月24日晴空5个基站所在像元的水汽含量值，单位为mm.

根据表2、表3所示，GPS反演的水汽数值与MODIS反演的水汽数值相近，两种反演方法获得的数值均值均在20mm左右，表明利用GPS观测数据反演大气水汽是可行的。总体上看GPS数据反演的水汽数值略大于MODIS水汽反演的水汽数值，这是由于受气象条件限制，利用GPS观测数据反演大气水汽含量计算时的气象资料缺乏，难以算出基站位置精确的加权平均温度，所以只能将水汽转换系数K取近似值常数，而将湿延迟转化为大气水汽含量时，主要误差来源是转换系数K的误差，由此导致了利用GPS观测值最终算得的水汽含量存在一定误差。

3 结 论

GPS探测水汽相对于传统手段具有探测精度高、时间分辨率高、不需要标定等优点，必将成为气象现代探测的有效手段。目前，GPS水汽探测仍在发展中，有许多问题需要解决和改进。总结了GPS反演大气水汽含量的原理并通过实例验证了利用GPS反演大气水汽含量的可行性，下一步应提高其可靠性和稳定性，为天气预报灾害监测等提供服务。

［1］ BEVIS M，BUSINGER S，HERRING T A，et al.GPS meteorology：Remote sensing of atmospheric water vapor using the global positioning system［J］.Geophys.Res，1992（97）：15787－15801.

［2］ 赵有兵.联合地基GPS和MODIS研究成都地区大气可降水量变化［D］.成都：西南交通大学，2008.

［3］ 叶朗明，侯喜良，邵 洋.GPS技术在水汽观测中的应用及前景［J］.气象水文海洋仪器，2009（3）：62－65.

［4］ 柳 典，刘晓阳.地基GPS遥感观测北京地区水汽变化特征［J］.应用气象学报，2009，20（3）：346－353.

［5］ 金慧华，闫征东，过静琚，等.地基GPS反演水汽影响因素分析［J］.测绘科学，2008，33（4）：65－67.

［6］ 李国翠.华北地区地基GPS遥感可降水量及天气学应用研究［D］.兰州：兰州大学，2007.

［7］ 青 盛，吕弋培，黄丁发，等.GPS水汽反演在成都地区的应用［J］.四川测绘，2008，31（3）：121－123.

［8］ 岳迎春 陈春明 俞 艳.GPS技术遥感南极大气水汽含量的研究［J］.测绘科学，2008.33（5）：81－84.

［9］ 李成钢，李 杰，阳 力，等.地基GPS技术在广东区域水汽分布研究中的应用［J］.广东气象，2008，30（1）：14－16.

［10］ 陈兆林.基于GPS数据反演大气水汽含量的研究［D］.徐州：中国矿业大学，2008.