利用ERA5资料进行桂林地区GNSS水汽反演精度分析

莫智翔 黄玲 郭希 黄良珂 刘立龙 庞周洲 邓云飞

0 引言

大气水汽(Precipitable Water Vapor,PWV)是地球大气中的重要组成部分,其变化与降水直接相关,并在大气能量传输、天气系统演变、大气辐射收支、全球气候变化等多种气象演变中扮演着重要的角色[1]．目前,在气候研究及天气预报中的一项基本工作就是要精确探测出大气水汽的分布及其变化规律,达到监测和预报的目的．因此,系统全面地监测并分析水汽的时空分布对研究各种复杂的气候特征、短期天气预报和气候灾害预警具有重要意义．

传统的大气水汽探测方法主要包括无线电探空站、微波辐射计、雷达观测和卫星遥感等,但使用费用昂贵,且时空分辨率低,离监测和预报中小尺度灾害性天气的要求还有很大差距．随着全球导航卫星系统(Global Navigation Satellite System,GNSS)技术在气象探测领域的应用,地基GNSS能较好地弥补传统大气水汽探测技术在时空分辨率上的不足,并有效提供精细化气象预报所需要的高精度、大容量、近实时的大气水汽资料[2]．

然而,利用GNSS技术进行大气水汽反演往往需要获得相应的地面气压和地面温度等气象数据,但由于大部分GNSS观测站建设时没有安装气象传感器,致使这些数据无法应用于气象变化研究．再分析资料因为其庞大的数据量和高时空分辨率,可以有效弥补地面气象观测资料时空分布不均匀的缺陷,被诸多学者作为补充数据源来获取GNSS反演水汽所需的气象参数,并验证了这种方法的可行性和可靠性[3]．文献[4]以中国地区24个气象站的气压、气温和相对湿度实测资料为标准评估了ERA-Interim再分析资料应用于GPS PWV计算的精度．文献[5]利用山东及周边地区的观测数据,对ERA5再分析数据在山东地区的适用性进行了初步分析,并与ERA-Interim再分析数据进行对比．文献[6]利用江淮地区15个观测站的观测资料对ERA-Interim再分析资料在江淮地区的适用性进行了对比分析．文献[7]利用探空数据评估了ERA5再分析资料温压产品在中国地区的精度,并将ERA5温压产品用于反演逐小时GNSS PWV资料．

ERA5是欧洲中期天气预报中心(European Center for Medium-Range Weather Forecasts,ECMWF)最新发布的第五代全球气候再分析数据集,该数据集可提供高时空分辨率的温度和气压等气象数据,但目前尚没有利用ERA5再分析资料应用于桂林地区GNSS水汽反演并进行相应精度评估的相关文献,故需开展针对桂林地区利用ERA5再分析资料计算GNSS PWV的精度进行评估与分析．本文以桂林地区2017年10个地面气象站及GNSS观测数据为例,评估利用ERA5地表气压和温度进行GNSS水汽反演的精度,可为后续ERA5数据在桂林地区的使用和开展相关方面的GNSS水汽研究提供参考依据．

1 数据来源及处理方法

1.1 数据来源

ERA5是ECMWF提供的最新大气再分析资料,其水平分辨率为0.25°×0.25°,垂直分辨率为37层,时间分辨率可达1 h(https:∥cds.climate.copernicus.eu/)．本文采用的是2017年ERA5地表气压和温度气象资料以及对应的地表位势高资料．探空站资料可提供探空气球每天在0时和12时探测两次的实测的地表以及分层的气象数据,该数据可从美国怀俄明州立大学网(http:∥weather.uwyo.edu/upperair/sounding.html)上下载,其实测的PWV资料常用来评估其他水汽产品．实测的气压、温度资料来自地面气象站观测,其时间分辨率为1 h,可在中国气象数据网(http:∥data.cma.cn)上下载获取．所用的GNSS观测数据采集自桂林地区2017年6—7月的GNSS站,其时间分辨率也为1 h．所用站点的位置如图1所示．

图1 桂林地区地面气象站、探空站和GNSS站分布

1.2 GNSS水汽反演

GNSS反演大气水汽PWV(量值记为xPWV)与天顶湿延迟(ZWD,量值记为yZWD)的基本关系式[8]为

xPWV=Π·yZWD,

(1)

式中Π为无量纲水汽转换系数．

本文首先利用GAMIT/GLOBK高精度GNSS数据处理软件解算桂林地区GNSS原始观测数据得到对流层天顶总延迟量ZTD,解算的ZTD数据经过国际GNSS服务(International GNSS Service,IGS)的高精度ZTD产品验证,其均方根误差(RMSE)在5 mm左右,具有较高的精度和可靠性．根据Saastamoinen模型由气压值计算出天顶静力延迟量ZHD(量值记为yZHD)[9]:

(2)

式中:Ps为地面气压,单位为hPa;φ为测站的纬度;ho为大地高,单位为km;计算出的yZHD单位为mm．

GNSS数据解算出的ZTD(量值记为yZTD)减去由Saastamoinen模型计算出的ZHD而间接获得ZWD,即式(3)所示:

yZWD=yZTD-yZHD.

(3)

利用常用的Bevis模型(式(4)),通过温度(Ts)算出大气加权平均温度(Tm)值,再据计算得到的Tm值,代入式(5)则可算出水汽转换系数Π:

Tm=70.2+0.72Ts,

(4)

(5)

式中:ρw=1×103kg/m3为液态水的密度;Rv=461.495 J·kg-1·K-1为水汽气体常数;k′2，k3为大气物理参数,经验值通常分别为22.13±2.20 K/hPa、(3.739±0.012)×105K/hPa．

地面站一般不与再分析资料的格网点重合,且站点高程基准也与格网点不同,因此需要先进行高程基准的统一，再将格网点插值到站点位置上．再分析资料采用的高程系统为位势高,地面气象站采用海拔高,GNSS站则为大地高,海拔高与位势高之间的差异对气象参数的高程改正影响较小,可忽略不计,但大地高和位势高之间的差异则不可忽视,对此可采用EGM2008模型实现高程基准的统一[10-11]．由于站点与其附近4个格网点的高程不一致,因此需要对气温和气压数据进行垂直方向上的插值改正,插值公式[12]分别如下:

T=T0-γ(h1-h2)，

(6)

(7)

(8)

式中:T和T0(K)分别表示在高度为h1和h2(m)时对应的温度值;P和P0(hPa)分别表示在高度为h1和h2时对应的气压值;γ为垂直递减率,一般取平均常数-0.006 5 K/m;M为干空气的摩尔质量,通常取值为0.028 964 4 kg/mol;R为理想气体常数,通常取值为8.314 32 N·m/(mol·K);g为重力加速度．

根据上述方法计算出最近4个格网点在站点高度处的气象参数后,采用双线性插值法进行水平方向的插值,最终获得GNSS站处的气象参数值．

2 精度评估

本文以桂林地区2017年10个地面气象站的气压和温度资料为参考值,评价ERA5再分析资料温度和气压的精度,并使用偏差(bias，其量值记为εbias)与均方根误差(RMSE,其量值记为εRMSE)作为精度指标,其公式为

(9)

(10)

式中:N为数据的样本数;XOi表示观测值;XRi为参考值．

2.1 ERA5资料温压精度评估

本文利用桂林地区2017年10个地面气象站的气压和温度资料来验证ERA5再分析资料地表气压和温度的精度,对所求的偏差和RMSE进行了统计,统计结果如表1和图2所示.

表1 桂林地区地面气象站资料检验ERA5气压和温度的精度统计

由表1可知:与10个地面气象站实测的气压相比,由ERA5资料获取的气压年均偏差为-0.35 hPa(最大值恭城站-0.04 hPa,最小值永福站-0.74 hPa),全部站点上的年均偏差均为负值,说明ERA5资料的气压值要稍低于实测值;气压年均RMSE为0.86 hPa(最大值永福站0.95 hPa,最小值恭城站0.48 hPa)．与10个地面气象站实测的温度相比,由ERA5资料获取的温度年均偏差为0.86 K(最大值龙胜站1.44 K,最小值恭城站0.19 K),全部站点上的年均偏差均为正值,说明ERA5资料的温度值要稍高于实测值;温度年均RMSE为1.66 K(最大值龙胜站2.07 K,最小值恭城站1.31 K)．总之,ERA5资料气压和温度产品的精度较为稳定、可靠．

由图2可知,位于桂林西南地区的永福站、荔浦站及桂林东部地区的灌阳站上ERA5气压的年均绝对偏差和RMSE要高于桂林其他地区,其年均偏差和RMSE分别在-0.6 hPa和0.9 hPa左右,桂林中部及北部地区的年均绝对偏差和RMSE则相对较小．位于桂林西北地区的龙胜站及桂林东部地区的灌阳站上ERA5温度的年均偏差和RMSE要高于桂林其他地区,其年均偏差和RMSE分别在1.4 K和2 K左右,桂林中部地区的年均偏差和RMSE则相对较小．总体上ERA5气压和温度的精度随纬度和经度变化不明显,多个站点均保持良好的精度,其中在桂林中部地区精度表现较好．

为了进一步分析在桂林地区ERA5气压和温度的精度随时间变化的特征,均匀选取桂林地区4个地面气象站上ERA5气压、温度的偏差和RMSE分别做日均统计,进而分析ERA5气压、温度的偏差和RMSE的时间变化特征．气压和温度的误差具体统计结果分别如图3和图4所示．

从图3可知,ERA5气压的年均绝对偏差和RMSE除了资源站在全年变化不大外,在其他大部分站点上均有明显的季节变化,峰值发生在冬季,谷值发生在夏季,其精度在冬季波动最大,但是全年大部分的绝对偏差和RMSE均分布在2 hPa以内,且全年具有明显的负偏差．由图4可知,ERA5温度的年均绝对偏差和RMSE的季节变化和气压一样,温度的绝对偏差和RMSE在夏季达到最低而冬季的值相对较高,其精度在冬季变化也较为明显,但其波动幅度相比气压较大,且全年具有明显的正偏差,这与桂林地区复杂的气候条件有一定联系．尽管如此,其绝对偏差和RMSE在全年的大部分时间均低于4 K．

图2 利用地面气象站检验桂林地区ERA5气压和温度的年均偏差和RMSE分布

图3 桂林地区4个地面气象站上ERA5气压资料的日均偏差和RMSE变化

图4 桂林地区4个地面气象站上ERA5温度资料的日均偏差和RMSE变化

2.2 基于ERA5资料的GNSS PWV精度评估

对2017年6—7月桂林地区的1个离桂林探空站最近的GNSS站解算的ZTD数据,分别用离其最近的兴安气象站提供的实测气压、温度和ERA5资料提取的气象参数计算出各自的逐小时GNSS PWV(分别简称为MET-PWV和ERA5-PWV)．在得出MET-PWV值后,经过桂林探空站实测的PWV资料验证,其平均偏差和RMSE分别为-0.77 mm和3.5 mm,具有较高的精度和可靠性．因此,以MET-PWV为参考值,对ERA5-PWV的精度进行评估来验证利用ERA5温压反演的GNSS PWV可靠性,两者随时间变化及对比结果如图5所示．

由图5可知,ERA5-PWV与MET-PWV整体变化趋势、峰值和谷值基本吻合,具有很好的一致性．对ERA5-PWV与MET-PWV进行概率统计分析,得到两种数据的相关系数R为0.99,为强相关,说明这两种数据具有很高的一致性．ERA5-PWV的平均偏差和RMSE分别为0.17 mm和0.35 mm,两者数据偏离程度相差不大,ERA5-PWV与MET-PWV精度相当．此外,2017年6—7月这个时间段桂林地区处于水汽变化剧烈、降雨频发时期,而尽管如此ERA5-PWV仍保持较好精度．以上分析说明利用ERA5地表温压资料反演的GNSS PWV精度良好,可以借助ERA5获取相应的GNSS PWV时间序列．这对桂林地区气候变化的研究具有重要的意义．

图5 ERA5-PWV和MET-PWV对比时间序列

3 结论

本文利用2017年ERA5再分析资料和分布在桂林地区10个地面气象站的实测气压、温度资料,研究和评估了ERA5再分析资料在桂林地区获取地表气压、温度并计算GNSS PWV的精度,结果表明:

1)与实测气压相比,ERA5地表气压和温度精度较高,10个测站年均偏差分别为-0.35 hPa和0.86 K,年均RMSE分别为0.65 hPa和1.66 K;

2)总体上ERA5地表气压和温度在桂林中部地区好于周边地区,且气压和温度的精度夏季高于冬季;

3)利用ERA5温压反演的GNSS PWV与利用实测气象资料计算的PWV值相比,平均偏差和RMSE分别为0.17 mm和0.35 mm,且两者差异较小．

总之,ERA5再分析资料地表气压和温度产品的精度较高,在桂林地区水汽变化剧烈的夏季反演出的GNSS水汽仍具有较高的精度．该研究结果可为桂林地区高精度GNSS水汽反演及数据源选择提供重要的参考依据．