基于沿海业务观测的BDS大气可降水量反演

史 航，范士杰，王丽欣,臧建飞，张化疑，刘焱雄

(1.中国石油大学(华东) 海洋与空间信息学院，山东 青岛 266580；2.黑龙江省测绘地理信息学会，哈尔滨 150081;3.自然资源部 第一海洋研究所，山东 青岛 266061)

水汽是大气中最活跃和最重要的组成部分，其相变直接影响大气的运动和变化[1]。研究水汽的变化对灾害性天气预警、中小尺度降水预报等有重要意义。相较于传统的大气水汽探测手段，地基GNSS反演水汽具有低成本、全天候、高精度、高时间分辨率等优点，已成为水汽探测的重要技术手段[2]。经过30多年的发展，地基GPS(Global Positioning System)反演水汽的精度达到1～2 mm。随着中国北斗导航卫星系统(BeiDou Navigation Satellite System, BDS)建设和发展，国内外学者开始对BDS反演水汽的精度进行分析。高志钰等利用相对定位方法反演BDS大气可降水量(Precipitable Water Vapor, PWV)，相对于探空数据的均方根误差小于2 mm，与GPS PWV之间的均方根误差小于3 mm[3]。Li等选取了亚太地区10个测站的北斗数据采用精密单点定位(Precise Point Positioning，PPP)方法进行PWV反演，相对于GPS PWV的均方根误差为2 mm[4]。Lu等实时估计了BDS PWV，与GPS的水汽反演结果相比，均方根误差为2～3 mm[5]。吴旭祥等对比分析了BDS、GPS在大气水汽反演中的性能，两者解算的PWV相关系数为0.98，均方根误差为2.29 mm[6]。上述研究多为基于BDS-2卫星观测数据的水汽反演结果。目前BDS全球系统的卫星星座由BDS-2和新一代BDS-3卫星共同构成，因此新一代卫星对BDS水汽反演精度的影响就成为该领域关注的热点之一。

自然资源部于2010年在中国沿海增设了GNSS观测站，建立了中国沿海GNSS业务观测系统。文中利用中国沿海GNSS业务观测系统2022年的观测数据，采用PPP方法，设计了BDS-2、BDS-3和BDS-2/3等3种方案，开展了BDS PWV反演试验，并将试验结果与GPS PWV和欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts，ECMWF)发布的ERA5再分析资料进行对比，对新一代BDS-3卫星水汽反演的精度进行评估。

1 试验数据和PWV计算方法

1.1 中国沿海GNSS业务观测

中国沿海GNSS业务观测系统布设了56个连续运行观测站，为海洋环境监测和天气变化提供数据资料[7]。文中选取黄渤海沿岸的BBYQ(鲅鱼圈)、BHLD(葫芦岛)、BQHD(秦皇岛)、BXMD(小麦岛)等4个GNSS业务观测站(图1)2022年1月1—7日(年积日：1—7)的BDS和GPS观测数据。

图1 试验选取的GNSS业务观测站分布

中国沿海业务观测站GNSS PWV的反演方法如下[8]：首先采用PPP方法，以测站的对流层天顶湿延迟(Zenith Wet Delay，ZWD)为未知参数，通过参数估计得到ZWD估值；利用测站气象观测数据，将ZWD转换为PWV。基于PPP的GNSS PWV反演的数据处理策略如表1所示。

表1 基于PPP的PWV反演策略

1.2 ERA5再分析数据

ERA5产品是由ECMWF于2017年发布的第五代全球气候再分析资料，其中包括从1979年至今的柱状水汽总量(Total Column Water Vapor, TCWV)和地表温度，ERA5产品的时间分辨率为1 h，网格分辨率为0.25°×0.25°。

提取与GNSS业务观测站相匹配的ERA5水汽的方法：选取整小时历元，根据GNSS站点的经纬度坐标，选取距离最近的4个网格点的TCWV，进行双线性内插即可得到GNSS业务站上空在该时刻的ERA5 PWV[9]。

2 BDS大气可降水量反演

2.1 试验方案

目前BDS卫星星座由BDS-2和BDS-3卫星共同构成，2022年1月1—7日文中所选4个GNSS业务站每天观测到的BDS-2和BDS-3卫星的数量分别为11颗(5颗GEO卫星、5颗IGSO卫星和1颗MEO卫星)和8颗(均为MEO卫星)。为了评估新一代BDS-3卫星对水汽反演精度的影响，设计了BDS-2(只利用BDS-2卫星)、BDS-3(只利用BDS-3卫星)、BDS-2/3(利用BDS-2和BDS-3卫星)等3种数据处理方案，采用PPP方法进行水汽反演，将3种方案的水汽反演结果分别表示为BDS-2 PWV、BDS-3 PWV和BDS-2/3 PWV；分别以GPS PWV和ERA5 PWV为参考值，对上述3种方案反演的PWV进行对比和分析。由于ERA5产品的时间分辨率为1 h，因此文中选取试验时段(7 d)所有整小时历元的PWV进行误差统计，以平均偏差、均方根误差(Root Mean Square Error, RMSE)和标准差(Standard Deviation, STD)作为数值指标，对BDS PWV进行精度评价。

2.2 试验结果和精度分析

2.2.1 BDS PWV误差序列

以GPS PWV为参考值，4个GNSS业务观测站连续7 d反演得到的BDS-2 PWV、BDS-3 PWV和BDS-2/3PWV结果相对于GPS PWV的误差序列如图2所示。可知，只利用BDS-2卫星反演的BDS-2 PWV相对于GPS PWV的误差较大且很不稳定，其原因应与BDS-2卫星星座的构成有关，4个测站观测到的BDS-2卫星中仅有1颗MEO卫星，其余均为GEO、IGSO等高轨卫星，由此组成的卫星定位几何图形强度较弱以及GEO卫星轨道误差较大等因素，严重影响了PPP水汽反演的精度；而利用新一代BDS-3卫星反演得到的BDS-3 PWV和BDS-2/3 PWV相对于GPS PWV的误差较小且稳定，明显优于BDS-2 PWV结果。

图2 BDS PWV相对于GPS PWV的误差序列

2.2.2 BDS PWV误差统计

分别以GPS PWV和ERA5 PWV为参考值，将上述4个GNSS业务站反演的BDS-2 PWV、BDS-3 PWV和BDS-2/3 PWV的误差进行统计分析，从而对新一代BDS-3卫星反演PWV的精度进行评价。

表2为各GNSS业务观测站不同方案反演的BDS PWV相对于GPS PWV的误差统计结果。可以看出，只利用BDS-2卫星反演PWV的平均偏差较大，标准差和均方根误差为2～4 mm。而利用新一代BDS-3卫星反演得到的BDS-3 PWV和BDS-2/3 PWV结果基本一致，4个测站的平均偏差为0.4～0.9 mm，STD为0.6～0.9 mm，RMSE为0.7～1.2 mm，该结果与GPS PWV的一致性较好，明显优于BDS-2 PWV，验证了新一代BDS-3卫星对于提高BDS水汽反演精度的贡献。

表2 BDS PWV相对于GPS PWV的误差统计 mm

表3为各GNSS业务观测站不同方案反演的BDS PWV相对于ERA5 PWV的误差统计结果。可以看出，只利用BDS-2卫星反演PWV的平均偏差均为负值且数值较大，存在明显的系统性误差影响；其平均的标准差和均方根误差分别为3.1 mm和3.5 mm，精度较差。而利用新一代BDS-3卫星反演得到的BDS-3 PWV和BDS-2/3 PWV结果基本一致，4个测站的平均偏差仅为0.2 mm，平均STD和平均RMSE均约为1.6 mm，该结果与ERA5 PWV的一致性较好，明显优于BDS-2 PWV，进一步验证了新一代BDS-3卫星对于提高BDS水汽反演精度的贡献。

表3 BDS PWV相对于ERA5 PWV的误差统计 mm

图3给出了4个GNSS业务观测站BDS-2 PWV、BDS-3 PWV和BDS-2/3PWV相对于GPS PWV和ERA5 PWV的误差统计结果的平均值对比情况。由图3可知，BDS PWV相对GPS PWV和ERA5 PWV的平均偏差、标准差和均方根误差均存在一定差异，这是由于不同数据源反演的水汽之间存在一定的系统性偏差影响所致。但是，无论是相对于GPS PWV，还是ERA5 PWV，利用新一代BDS-3卫星反演PWV的精度均得到大幅度提升，且BDS-2/3 PWV的精度略优于BDS-3 PWV；由于4个GNSS业务站观测的BDS-2卫星大部分为GEO和IGSO卫星，因此该结果也从一定程度上验证了BDS混合星座对水汽反演精度的影响。

图3 BDS PWV相对于GPS PWV和ERA5 PWV的误差统计结果

3 结束语

利用中国沿海GNSS业务观测系统在黄渤海沿岸的4个GNSS业务观测站2022年连续7 d的观测数据，采用PPP方法，开展了BDS PWV反演试验，并对新一代BDS-3卫星对BDS水汽反演精度的影响进行分析。主要结论如下：

1)只利用BDS-2卫星反演的BDS-2 PWV相对于GPS PWV的误差较大且很不稳定，其标准差和均方根误差为2～4 mm，精度较差。

2)利用新一代BDS-3卫星反演的BDS-3 PWV和BDS-2/3 PWV与GPS PWV和ERA5 PWV参考值均具有很好的一致性，其平均偏差分别为0.6 mm和0.2 mm，平均STD和RMSE分别优于1.0 mm和1.6 mm，具有较高的精度，验证了新一代BDS-3卫星对BDS水汽反演精度提升的贡献；BDS-2/3 PWV的精度略优于BDS-3 PWV，在一定程度上验证了BDS混合星座对水汽反演精度提升的影响。上述研究结果表明，利用新一代BDS-3卫星反演的水汽数据能够满足气象预报的精度要求，可以作为一种稳定的数据源，为数值天气预报等气象应用提供高精度和高时空分辨率的PWV产品。