基于GNSS的北京地区水汽含量与雾霾浓度的相关性分析

2019-10-28段红志张凤录

测绘通报 2019年10期

段红志,李森,张凤录,李刚

(1.北京市测绘设计研究院，北京 100038；2.城市空间信息工程北京市重点实验室，北京 100038)

近年来随着我国城镇化进程的加快，霾灾害天气频发，尤其在华北地区更为突出，霾灾害天气影响了公众健康，且给交通出行带来了不便。为研究霾灾害天气形成机理，国内外学者分析了中国超大城市和环保重点城市的主要污染物的变化[1-3]。随着全球卫星定位系统在气象学领域的不断发展完善，文献[4—6]从GNSS气象学的角度，研究分析了GNSS大气水含量PWV与PM2.5浓度的相关性，发现两者之间存在正相关性[4-6]；并取得了相应的研究成果，为后期利用该技术实现雾霾灾害天气的监测与预警提供了研究基础。

本文通过利用GAMIT软件处理北京地区全年GNSS观测数据，获得北京地区春、夏、秋、冬4个季节的可降水量PWV和对流层延迟等相关数据的时间序列，以研究PWV、ZHD与雾霾浓度PM2.5的相关性，为今后北京地区开展雾霾灾害天气监测研究提供一定理论支撑。

1 GNSS反演大气可降水量方法

1.1 基本原理

GNSS卫星发射的电磁波在到达接收机前要穿过大气层，由于大气中有干空气、电子浓度、水汽等物质的存在导致无线电信号产生延迟，这种时间上的延迟等价于传播路径的增长，从而导致GNSS定位误差的存在。20世纪90年代，文献[7—8]提出能否利用GNSS接收机接收到的无线电信号反算出大气中的电子密度、水汽含量等。

GNSS信号延迟表现为两个方面：一是GNSS传播路径由直线变为弯曲；二是与电磁波在真空中的传播速度相比，电磁波传播速度减慢。这延迟由传播路径上大气折射指数的变化引起，而这种折射率指数变化与大气的温度、压力、湿度等大气状态相关[9]。

Thary提出的电磁波折射率指数表达式为

(1)

(2)

将式(1)代入式(2)可以得到天顶总延迟ZTD

ΔLzd+ΔLzw+ΔLze

(3)

式中，ΔLd、ΔLw、ΔLe分别表示大气干延迟ZHD、大气湿延迟、电离层延迟。由于通常情况下，无法得知大气的Pd,Pw和T的空间分布，因此，Davis将状态方程式进行引入

(4)

式中，Rd和Rw分别为干空气比气体常数和水汽比气体常数。同时，干延迟使用流体静力学代替，可得

ΔLs=ΔLzh+ΔLzw+ΔLze

(5)

(6)

ΔLZW=ΔLz-ΔLzd-ΔLze=

(7)

1.2 大气可降水量(PWV)获取

令Tm为垂直方向气压的加权平均温度

(8)

则式(6)中的湿延迟

(9)

因此，大气可降水量(PWV)为单位面积上垂直空气柱内水汽全部转化为降水时的降水量高度，PWV为

PWV=∏ΔLzw

(10)

(11)

2 数据处理

为分析北京地区不同季节水汽含量与雾霾浓度相关性，同时考虑北京夏季开始时间为每年的6月，本文收集的GNSS观测数据从6月1日的夏季开始，以次年5月31日春季结束，保证一周年内每个季节的完整性。本文收集了BJFS国际IGS站2017年6月1日至2018年5月31日，总计365 d的GNSS观测数据(O文件)、气象观测数据(M文件)和北京市空气质量历史数据。

选取北京及其周边稳定的其他5个国际IGS站(CHAN、DEAJ、LHAZ、SHAO和ULAB)，2017年6月1日至2018年5月31日的GNSS观测数据进行联合基线解算。GNSS数据处理采用美国MIT/SIO联合研制的GAMIT/GLOBK(V10.70)精密解算软件，观测数据截止卫星高度角为10°，卫星星历选择精密星历，精密星历参考框架为IGS14，基线处理时所有IGS站均实施松弛约束(100.000 m、100.000 m、100.000 m)，每15 min估算一次大气可降水量(PWV)，获得测站的可降水量的时间序列。其中，GNSS导航卫星广播星历(.BRDC)和精密轨道(.SP3)均由武汉大学北斗卫星观测试验网提供[10-15]。

从全国空气质量历史数据官网上可获得分布于北京市12个环境监测站的采样率为1 h的实时PM10、PM2.5、CO、NO2、温度、湿度等反映空气质量相关数据参数[4]，本次空气质量监测数据选择距离BJFS站最近的气象监测站房山站，以保证两者大气条件相同。

3 GNSS水汽与雾霾变化的相关性分析

根据6个国际IGS站分布情况，按照上述数据处理方案计算得到365 d大气可降水量PWV，重点分析了BJFS站2017年6月1日至2018年5月31日大气可降水量与该地区的大气雾霾浓度PM2.5的相关性特征，图1为全年GNSS反演获得大气可降水量PWV与雾霾浓度PM2.5相关性，图2和图3分别为夏季和冬季PWV与雾霾浓度PM2.5相关性。

由图1、图2、图3可以看出北京地区春、夏、秋、冬4个季节的大气可降水量PWV和雾霾浓度PM2.5的相关性表现出较大的差异性，冬季的相关性最强，春秋的相关性次之，夏季的相关性最弱。利用皮尔逊积矩相关系数计算公式，分别计算了夏季和冬季的PWV与雾霾浓度PM2.5相关系数，相关系数分别为0.165和0.432。

由图4可以发现，连续几天或更长时间的雾霾天气和水汽含量相关性比较大，而瞬间或短期的雾霾浓度波动和GNSS大气水的相关性较弱。根据图3、图4两个关系图可以发现，雾霾浓度峰值出现的时间较PWV峰值出现的时间存在一定的延迟，这是因为在冬季雾霾浓度随着水汽含量的增加而逐渐增大。

4 对流层天顶干延迟与雾霾浓度PM2.5相关性

根据上述大气干延迟ZHD计算原理，利用2017年6月1日至2018年5月31日GNSS观测数据计算了BJFS站365 d对流层天顶干延迟ZHD，按照上述数据处理方案计算得到365 d ZHD与雾霾浓度PM2.5关系，图5为GNSS反演ZHD与雾霾浓度PM2.5关系，为重点分析北京地区不同季节ZHD变化与雾霾浓度的相关性，图6、图7分别给出了夏季和冬季ZHD变化与雾霾浓度PM2.5的关系。

由图6、图7、图8可以看出，北京地区春、夏、秋、冬4个季节的天顶干延迟ZHD与雾霾浓度的相关性同样表现出较大的差异性。冬季的相关性最强，但表现为负相关性，春秋的相关性次之，夏季的相关性最弱。利用皮尔逊积矩相关系数计算公式，分别计算了夏季和冬季的PWV与雾霾浓度相关系数，相关系数分别为0.098和-0.422。