水汽反演
动态环境下PPP的GNSS大气水汽反演
ＤＯＩ：１０．１３８７８／ｊ．ｃｎｋｉ．ｊｎｕｉｓｔ．２０２１．０２．００７唐旭１㊀吴昊２㊀张迪１动态环境下ＰＰＰ的ＧＮＳＳ大气水汽反演摘要利用静态ＰＰＰ（精密单点定位）处理稳定的ＧＮＳＳ地面站可以高精度反演大气中的水汽含量．对于运动的载体，静态ＰＰＰ无法正确地估计待估参数．利用动态ＰＰＰ数据处理方法，在解算载体动态位置的同时，可以估计动态载体ＧＮＳＳ的天顶总延迟，并在此基础上计算水汽含量．分别利用ＰＰＰ动态和静态模型解算３ ５ｈ的稳定可靠ＧＮＳＳ参考站数据，结果表明，动态ＰＰＰ与静态ＰＰＰ利用稳定ＣＯＲＳ站解算大气可降水量（ＰＷＶ）时，最大差别为６ ６ｍｍ，且水汽的变化趋势基本一致．在快速运动平台下，旋转平台解算的ＰＷＶ与相同环境下的ＣＯＲＳ站解算的水汽结果在量级上一致，但并不能像ＣＯＲＳ站结果一样可以反映出水汽的变化趋势．针对地震等ＧＮＳＳ台站失稳问题，分别利用动态㊁静态ＰＰＰ进行水汽的提取，结果表明，地震的短期形变对ＰＰＰ水汽的提取无明显影响．建议使用静态ＰＰＰ对失稳ＧＮＳＳ台站进行水汽提取．关键词卫星导航定位；精密单点定位（ＰＰＰ）；大气可降水量（ＰＷＶ）中图分类号Ｐ２２８ ４文献标志码Ａ收稿日期２０２１⁃０１⁃１２资助项目国家自然科学基金（４１７０４０２４）；宁波市公益类项目（２０１８１ＪＣＧＹ０２０３８６）；南京信息工程大学人才项目（２０１９ｒ０３４）作者简介唐旭，男，博士，副教授，主要从事ＧＮＳＳ气象学㊁组合导航㊁ＧＮＳＳ高精度导航定位等方面的研究工作．Ｘｕ．Ｔａｎｇ＠ｎｕｉｓｔ．ｅｄｕ．ｃｎ１南京信息工程大学电子与信息工程学院，南京，２１００４４２淄博市勘察测绘研究院有限公司，淄博，２５５００００㊀引言㊀㊀ＧＮＳＳ技术广泛地应用于导航㊁定位与高精度形变监测领域．在这些应用领域中，对流层延迟往往被作为误差通过各种手段予以改正，以提高定位的精度［１⁃２］．部分学者还利用数值气象模型作为约束条件，实现高精度ＧＮＳＳ定位能力［３］．不同于定位过程中将对流层信息作为一种误差源来处理，ＧＮＳＳ气象学利用对流层对ＧＮＳＳ信号的延迟信息估计大气中的可降水量．利用ＧＮＳＳ技术可以高时空分辨率地提取大气中的水汽，进而用于分析极端气象条件中的水汽变化情况［４⁃５］．文献［６⁃７］利用ＧＰＳ提取的水汽进行台风过程中的短时降水预报，它们所利用的ＧＮＳＳ数据来自地面稳定㊁可靠的参考站．但是地面点因地震㊁滑坡等自然灾害时常发生，参考站发生位移对ＧＮＳＳＰＷＶ（大气可降水量）的估计可能带来的影响值得研究；此外，适用于运动载体的ＧＮＳＳＰＷＶ提取方法可以获取运动路径上的ＰＷＶ，有更好的应用前景．近年来，有部分学者利用移动载体上的ＧＮＳＳ设备估计载体运动路径上的ＰＷＶ，但与载体上搭载的大气红外探测仪结果相比，吻合度并不高，这主要是多路径误差造成的［８］．前期研究表明，静态ＰＰＰ（精密单点定位）可以利用稳定的ＧＮＳＳ参考站估计可靠的ＰＷＶ，并和周边的探空气球结果有很强的一致性［４］．本文设计了动态实验平台，以静态ＰＰＰ撮的大气水汽作为参考，评估动态ＰＰＰ在不同运动场景下ＰＷＶ估计精度．１㊀精密单点定位数学模型动态ＰＰＰ可以实时解算运动载体的位置，同时解算对流层的天顶总延迟，在此基础上利用ＧＮＳＳ天线周围的温度和气压传感器等可以实时估计出大气中的可降水量．为了避免电离层延迟对观测值的影响，通常使用基于双频的无电离层组合观测值作为ＰＰＰ观测方程的观测量．无电离层组合的相位㊁伪距ＰＰＰ观测方程为φＩＦ＝ρ＋（ΔＴ＋Δｔ）㊃ｃ＋δｏｒｂ＋ＮＩＦ㊃λＩＦ＋δｔｒｏｐ＋（ＢＩＦ＋ｂＩＦ）㊃λ＋ξφＩＦ，（１）ＰＩＦ＝ρ＋（ΔＴ＋Δｔ）㊃ｃ＋δｏｒｂ＋δｔｒｏｐ＋（ＤＩＦ＋ｄＩＦ）＋ξＰＩＦ．（２）式中：φＩＦ和ＰＩＦ分别表示双频接收机的无电离层组合载波相位观测值和伪距观测值，单位为ｍ；ρ为接收机与卫星之间的站星几何距，单位为ｍ；ΔＴ和Δｔ分别表示跟踪卫星及接收机的钟差，单位为ｓ；ｃ表示㊀㊀㊀㊀光在真空中的速度，单位为ｍ／ｓ；δｏｒｂ为卫星的轨道误差，单位为ｍ；δｔｒｏｂ为对流层延迟，单位为ｍ；ＢＩＦ和ｂＩＦ分别表示卫星和接收机的非证认小数偏差的无电离层组合形式，这也是破坏相位整周模糊度的主要参数；ＤＩＦ和ｄＩＦ分别为卫星和接收机的码偏无电离层组合形式；ξφＩＦ与ξＰＩＦ分别表示无电离层组合载波相位㊁伪距观测值的随机噪声．利用映射函数可以将每颗卫星的倾斜路径对流层延迟δｔｒｏｐ转换到天顶方向，倾斜路径对流层延迟量和天顶总延迟的关系式为δｔｒｏｐ＝Ｍ㊃δＺＴＤ，（３）式中，Ｍ表示映射函数，δＺＴＤ表示对流层天顶方向总延迟．式（１）与（２）中站星几何距ρ隐藏了未知参数接收机的位置信息，利用泰勒级数可以将此非线性方程进行展开．此外，未知参数还包括接收机的钟差㊁天顶湿延迟．未知参数的估计采用扩展卡尔曼滤波方法．假设有ｓ颗可跟踪卫星，则卡尔曼滤波的状态向量可以写成：Ｘ＝［ΔｘΔｙΔｚΔｔδＺＴＤＮ１Ｎｓ］Ｔ，（４）式中，待估参数Δｘ，Δｙ，Δｚ分别表示接收机的位置在３个坐标方向的改正量，Δｔ为接收机的钟差，Ｎ１，，Ｎｓ表示ｓ颗卫星的非差无电离层组合观测值．观测方程系数矩阵可以写为Ｈ＝ｌ１ｍ１ｎ１１Ｍ１１００ ０ｌ１ｍ１ｎ１１Ｍ１０００ ０ｌ２ｍ２ｎ２１Ｍ２０１０ ０ｌ２ｍ２ｎ２１Ｍ２０００ ０︙︙︙︙︙︙︙︙︙ｌｓｍｓｎｓ１Ｍｓ０００ １ｌｓｍｓｎｓ１Ｍｓ００００éëêêêêêêêêêêùûúúúúúúúúúú，（５）式中：ｌｓ，ｍｓ，ｎｓ表示第ｓ颗卫星与接收机间的单位几何向量；Ｍｓ表示第ｓ颗卫星对应的对流层映射函数系数．２㊀大气水汽反演由ＧＮＳＳ精密单点定位静态㊁动态模型可以获取ＧＮＳＳ天线上方的天顶总延迟．天顶总延迟主要包含天顶湿延迟（ＺｅｎｉｔｈＷｅｔＤｅｌａｙ，ＺＷＤ）和天顶干延迟（ＺｅｎｉｔｈＨｙｄｒｏｓｔａｔｉｃＤｅｌａｙ，ＺＨＤ）．其中天顶湿延迟是随时间与天气状况变化的变量，主要由ＧＮＳＳ监测点的温度㊁气压和相对湿度决定．对流层天顶干延迟可以由模型精确获得，精度可达ｍｍ级．δＺＨＤ＝０ ００２２７６８ˑｅｓｉｔｅ１－０ ００２６６ˑｃｏｓ２β()－２ ８ˑ１０－７ˑｈ，（６）式中：ｅｓｉｔｅ为天线高处的大气压，单位为ｈＰａ；β为天线位置的纬度分量；ｈ为天线的大地高．ＧＰＳ天线处的气压和温度通常可以由预先安置的气象传感器获得．此外，对于一些ＧＰＳ天线周边缺失温度㊁气压的测站，可以利用再分析资料通过反距离加权插值计算方法获取．ＧＮＳＳ天线处的气温Ｔｓｉｔｅ为Ｔｓｉｔｅ＝ð４ｉ＝１Ｔｉｄ２ｉæèçöø÷ð４ｉ＝１１ｄ２ｉ，（７）式中：ｄｉ为天线与其周边最近的再分析资料４个格网点之间的距离；Ｔｉ为每个格网点的温度．利用式（７）可以计算ＧＮＳＳ天线处的温度．以相同的方式，利用等距离加权插值方法可以获得天线处的平均海平面大气压．由ＧＮＳＳ天线处的温度㊁平均海平面大气压可以计算出式（６）中天线处的大气压为ｅｓｉｔｅ＝ＰＭＳＬˑ１－０ ００６５ˑｈＴｓｉｔｅ－０ ００６５ˑｈ＋２７３ １５æèçöø÷５ ２５７，（８）式中，ＰＭＳＬ为ＧＮＳＳ天线处的平均海平面大气压．ＮＣＥＰ等再分析资料通常每６ｈ记录一次数据，利用一些常用的插值方法可以将ＧＮＳＳ天线处６ｈ时间间隔的温度㊁平均海平面大气压插值成和ＧＮＳＳ采样率一致的温度㊁平均海平面大气压时间序列．利用动态ＰＰＰ或静态ＰＰＰ估计的δＺＴＤ以及式（６）计算的δＺＨＤ，可以计算出ＧＮＳＳ天顶方向湿延迟，即δＺＷＤ＝δＺＴＤ－δＺＨＤ．由天顶湿延迟可以计算出大气中可降水量，表示为ｙＰＷＶ＝１０５Ｒｖˑｋ２－ｋ１ˑｍｖｍｄ＋ｋ３Ｔｍæèçöø÷㊃δＺＷＤ，（９）式中：ｙＰＷＶ表示大气可降水量；Ｒｖ表示水汽的气体常数；ｋ１，ｋ２及ｋ３为大气折射常数；ｍｖ以及ｍｄ分别表示大气水汽与干空气的摩尔质量常数；Ｔｍ为加权平均湿度．相关的常量如表１所示．３㊀静态㊁动态实验验证因ＧＮＳＳ天线在某些环境下不可能处于完全稳２８１唐旭，等．动态环境下ＰＰＰ的ＧＮＳＳ大气水汽反演．ＴＡＮＧＸｕ，ｅｔａｌ．Ｐｒｅｃｉｐｉｔａｂｌｅｗａｔｅｒｖａｐｏｒｒｅｔｒｉｅｖｉｎｇｕｓｉｎｇｐｒｅｃｉｓｅｐｏｉｎｔｐｏｓｉｔｉｏｎｉｎｇｉｎｄｙｎａｍｉｃｓｃｅｎａｒｉｏ．表１ 水汽气体常数㊁大气折射常数㊁摩尔质量常数Ｔａｂｌｅ１㊀Ｇａｓｃｏｎｓｔａｎｔｏｆｗａｔｅｒｖａｐｏｒ，ａｔｍｏｓｐｈｅｒｉｃｒｅｆｒａｃｔｉｖｉｔｙｃｏｎｓｔａｎｔｓ，ａｎｄｔｈｅｍｏｌａｒｍａｓｓｃｏｎｓｔａｎｔｓｏｆｗａｔｅｒｖａｐｏｒａｎｄｄｒｙａｉｒ参数数值单位Ｒｖ４６１Ｊ㊃（ｋｇ㊃Ｋ）－１ｋ１７７ ６Ｋ㊃ｈＰａ－１ｋ２７１ ９８Ｋ㊃ｈＰａ－１ｋ３３ ７５４ˑ１０５Ｋ２㊃ｈＰａ－１ｍｖ１８ ０１５２ｇ㊃ｍｏｌ－１ｍｄ２８ ９６４４ｇ㊃ｍｏｌ－１定的状态，如地震等情景下．有必要评估动态单点定位与静态单点定位在不同动态场景下气象参数的提取能力，提高ＧＮＳＳ数据的利用率和不同应用场景下ＧＮＳＳ气象参数监测能力．为了评估ＧＮＳＳ动态ＰＰＰ对大气水汽的探测精度，在相同的观测环境㊁相同的观测时段内分别采集３ ５ｈ静态和动态数据．图１ａ为ＣＯＲＳ站观测环境；图１ｂ为动态旋转平台，ＧＮＳＳ天线可以在旋转平台上做单径为２ｍ的顺时针或逆时针圆周运动．旋转平台与ＣＯＲＳ测站相距约１０ｍ，两种观测情景所处的气象环境相似．数据采样率为１０Ｈｚ．卫星截止高度角为５ʎ．卫星钟产品为利用高频ＩＧＳ站跟踪站估计的１Ｈｚ改正产品．轨道采用１５ｍｉｎ采样间隔的ＣＯＤＥ精密轨道产品．此外，数据处理中还要顾及地球自转㊁载波相位缠绕改正㊁相对论效应等．图１㊀ＧＮＳＳ连续运行参考站（ａ），动态旋转平台（ｂ）Ｆｉｇ １㊀ＧＮＳＳｃｏｎｔｉｎｕｏｕｓｌｙｏｐｅｒａｔｉｎｇｒｅｆｅｒｅｎｃｅｓｔａｔｉｏｎｓ（ａ），ａｎｄｋｉｎｅｍａｔｉｃｒｏｔａｔｉｏｎａｒｍｒｉｇ（ｂ）分别利用ＰＰＰ静态与动态定位算法解算ＧＮＳＳＣＯＲＳ站的静态３ ５ｈ的观测数据，卫星截止高度角设制为１０ʎ，绘制位置误差的时间序列．由图２可以图２㊀ＧＮＳＳＣＯＲＳ站静态观测数据的ＰＰＰ静态（ａ）与动态（ｂ）定位时间序列Ｆｉｇ ２㊀Ｓｔａｔｉｃ（ａ）ａｎｄｄｙｎａｍｉｃ（ｂ）ＰＰＰｐｏｓｉｔｉｏｎｔｉｍｅｓｅｒｉｅｓｆｏｒｔｈｅＧＮＳＳＣＯＲＳ看出静态㊁动态ＰＰＰ都需要一定的时间进行收敛才可以得到比较稳定的定位结果．静态ＰＰＰ的定位精度要明显好于动态ＰＰＰ的结果．经过一段时间的收敛后静态ＰＰＰ的定位精度能保证在数厘米以内．在０６：３０至０７：００之间，静态ＰＰＰ在东西方向和南北方向有一定的偏差，之后再次趋于稳定．动态ＰＰＰ在０５：１０左右，经过一次收敛的过程．经过收敛后，定位精度大约在２０ｃｍ左右．在ＰＰＰ估计位置参数的同时估计了ＧＮＳＳ天线的天顶总延迟，并利用天线处的气压㊁气温等信息计算其大气可降水量．ＣＯＲＳ测站在实验过程中并没有实际的运动发生，分别利用动态ＰＰＰ定位算法和静态算法估算水汽，可以客观地反映两种算法在计算水汽方面的异同．静态ＰＰＰ定位算法在水汽的估计中已经有较多的应用，可以作为评估动态ＰＰＰ大气水汽的参考．图３给出了在实验的３ ５ｈ内，两种算法估算水汽的结果．可以看出，在实验期间，水汽的变化了大约１ ８ｃｍ．在０４：３０到０７：００之间，可降水量ＰＷＶ一直呈现持续增长的趋势，但是０７：００后，ＰＷＶ骤然下降．和静态ＰＰＰ大气水汽时间序列相比，动态ＰＰＰ结果更加平滑，时间序列的最大最小值相差１ ２ｃｍ．０４：３０至０６：３０之间，ＰＷＶ持续上升，同样在０７：００后ＰＷＶ有下降的趋势，但是相较于静态ＰＰＰ结果，趋势比较平缓．两种方法估算的水汽最大差别为６ ６ｍｍ．总体而言两种定位算法在大气水汽提取方面都可以反演出水汽的变化趋势，在３ ５ｈ内，水汽的变化量超过了１ｃｍ．３８１学报（自然科学版），２０２１，１３（２）：１８１⁃１８６ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ），２０２１，１３（２）：１８１⁃１８６图３㊀ＧＮＳＳＣＯＲＳ站态㊁静态ＰＰＰ大气水汽提取Ｆｉｇ ３㊀ＰＷＶｅｓｔｉｍａｔｉｏｎｆｒｏｍｔｈｅＧＮＳＳＣＯＲＳＰＰＰｉｎｔｈｅｓｔａｔｉｃａｎｄｄｙｎａｍｉｃｍｏｄｅｌｓＣＯＲＳ站反演出的大气水汽表明ＰＰＰ动态㊁静态数据处理方法可以成功提取大气水汽的ＰＷＶ，且一段时间内的水汽变化趋势也有较好的一致性．为了验证动态ＰＰＰ在真实的动态载体上水汽提取的可能性，在ＣＯＲＳ站附近设计了一个能快速旋转的载体，ＧＮＳＳ天线可以在旋转载体上做标准的圆周运动．实验中，ＧＮＳＳ数据的采样频率设置为１０Ｈｚ，卫星截止高度角为５ʎ．为了降低高度角卫星的高噪声观测值对观测结果的影响，在数据的处理过程中，卫星截止高度角设置为１０ʎ．天线在开始的１ｈ内处于静态状态，在０５：３５后，开始做匀速圆周运动，在０６：３７时，旋转平台由原来的顺时针改为逆时针运动．旋转平台每分钟转动２０周，旋转半径为２ｍ．图４ａ为动态ＰＰＰ解算的ＧＮＳＳ天线在旋转平台上３个方向的轨迹，红色为东西方向㊁蓝色为南北方向，黑色为垂直方向．轨迹图显示，经过一段时间的初始化，位置时间序列处于稳定状态．在旋转平台开始转动后，动态ＰＰＰ位置时间序列清晰地反映出该运动过程的变化．但在０６：００和０７：１０左右，观测值出现短暂的中断，出现了收敛过程．图４ｂ为动态ＰＰＰ处理的大气水汽ＰＷＶ，可以看出ＰＷＶ的变化范围在４ ５ ５ ３ｃｍ之间．由于旋转平台和ＣＯＲＳ站相距仅１０ｍ左右，因此静态ＰＰＰ获取的大气水汽可以作为旋转平台结果的参考．结果表明，在较为快速的运动平台下，动态ＰＰＰ可以获得ＰＷＶ，量级和静态ＰＰＰ的结果相当．但是在快速运动载体下，动态ＰＰＰ并没有准确提取出在实验过程中ＰＷＶ的变化趋势．这说明动态ＰＰＰ中，载体的动态变化影响到了水汽变化的提取．因其提取的水汽量级和静态ＰＰＰ相当，所以在一些不太关注水汽短期变化的应用领域依旧实用．图４㊀旋转平台动态ＰＰＰ估计的位置（ａ）与ＰＷＶ时间序列（ｂ）Ｆｉｇ ４㊀Ｐｏｓｉｔｉｏｎｅｒｒｏｒ（ａ）ａｎｄＰＷＶ（ｂ）ｔｉｍｅｓｅｒｉｅｓｆｒｏｍｔｈｅｒｏｔａｔｉｏｎａｒｍｒｉｇ ｓｋｉｎｅｍａｔｉｃＰＰＰ４ 智利地震网水汽反演ＰＰＰ静态㊁动态模型在载体的不同运动状态下的估算结果差异较为明显，特别是在长时间快速运动的旋转载体上，其提取的水汽虽能客观反映ＰＷＶ情况，但是很难描述在一段时间的大气水汽的变化趋势．在地震事件中，测站在短时间内可能发生米级形变．针对这一运动过程，如何利用测站进行大气水汽的反演值得探讨．智利为地震频发国家，ＧＮＳＳ地震网台站分布较为密集．图５给出了智利ＧＮＳＳ网台站的分布情况．２０１６年１２月２５日１４：２３左右在智利梅林卡港发生７ ６级地震，震源深度为３０ｋｍ，在其北方约２８４ｋｍ处ＯＳＯＲ台站受地震的影响较小．图６为利用动态ＰＰＰ估计的ＱＬＬＮ台站位移时间序列，时长约为１０ｍｉｎ．可以看出１４：２２：５４开始有较大的形变，整个过程持续约４５ｓ．高程方向和南北方向的最大形变要小于东西方向，分别为１４ ６ｃｍ和１６ ５ｃｍ，东西方向的最大形变为３６ ６ｃｍ．图７为利用ＱＬＬＮＧＮＳＳ台站的动态㊁静态ＰＰＰ估计的大气水汽ＰＷＶ与ＯＳＯＲ台站估计的大气水汽ＰＷＶ结果．从ＱＬＬＮ台站结果可以看出，动态与静态ＰＰＰ的ＰＷＶ估计结果在量级上一致性较好，变化趋势在１２：３０之前也具有较好的一致性，但是４８１唐旭，等．动态环境下ＰＰＰ的ＧＮＳＳ大气水汽反演．ＴＡＮＧＸｕ，ｅｔａｌ．Ｐｒｅｃｉｐｉｔａｂｌｅｗａｔｅｒｖａｐｏｒｒｅｔｒｉｅｖｉｎｇｕｓｉｎｇｐｒｅｃｉｓｅｐｏｉｎｔｐｏｓｉｔｉｏｎｉｎｇｉｎｄｙｎａｍｉｃｓｃｅｎａｒｉｏ．图５㊀智利地震网台站分布（红色五角星为ＱＬＬＮ台站，距离震源最近；绿色五角星为ＯＳＯＲ台站位置）Ｆｉｇ ５㊀ＤｉｓｔｒｉｂｕｔｉｏｎｏｆＣｈｉｌｅａｎｓｅｉｓｍｉｃｍｏｎｉｔｏｒｉｎｇＧＮＳＳｓｔａｔｉｏｎｓ（ｒｅｄｐｅｎｔａｇｒａｍｄｅｎｏｔｅｓｔｈｅｌｏｃａｔｉｏｎｏｆＱＬＬＮ，ｗｈｉｃｈｉｓｎｅａｒｅｓｔｔｏｔｈｅｓｅｉｓｍｉｃｆｏｃｕｓ；ｇｒｅｅｎｐｅｎｔａｇｒａｍｄｅｎｏｔｅｓｔｈｅｌｏｃａｔｉｏｎｏｆＯＳＯＲｓｔａｔｉｏｎ）图６㊀智利ＧＮＳＳ地震网ＱＬＬＮ台站ＰＰＰ地表形变时间序列Ｆｉｇ ６㊀ＤｉｓｐｌａｃｅｍｅｎｔｏｆＱＬＬＮｓｔａｔｉｏｎｏｖｅｒｔｈｅｅａｒｔｈｑｕａｋｅｅｖｅｎｔ之后变化趋势一致性较差．同时在地震发生前后，动态㊁静态ＰＰＰ提取的水汽并没有较大的变化，可以说明地震形变对ＰＰＰ的水汽提取并没有显著影响．ＯＳＯＲ台站在地震过程中所受到的影响非常有限，可以利用静态ＰＰＰ进行水汽ＰＷＶ的提取，其结果变化趋势与ＱＬＬＮ台站的静态结果一致性较好．但总体水汽ＰＷＶ要高于ＱＬＬＮ台站的结果，这主要是由两个台站的地理位置决定的．５ 结束语本文利用静态㊁动态ＰＰＰ提取不同运动场景下的大气水汽ＰＷＶ，研究ＰＰＰ在运动载体中提取大气水汽的可能性．研究结果表明，利用动态ＰＰＰ可以成图７㊀ＱＬＬＮ台站的动态㊁静态ＰＰＰ水汽ＰＷＶ与ＯＳＯＲ静态ＰＰＰ水汽ＰＷＶ比较Ｆｉｇ ７㊀ＣｏｍｐａｒｉｓｏｎｏｆＰＷＶｔｉｍｅｓｅｒｉｅｓｆｒｏｍｄｙｎａｍｉｃＰＰＰ，ｓｔａｔｉｃＰＰＰａｔＱＬＬＮｓｔａｔｉｏｎ，ａｎｄｔｈａｔｆｒｏｍｓｔａｔｉｃＰＰＰａｔＯＳＯＲｓｔａｔｉｏｎ功获取大气中的ＰＷＶ情况，其估计的ＰＷＶ与静态ＰＰＰ估计结果在长时间序列下的一致性较好，但是其短期水汽结果的可靠性并不理想．在运动的车辆㊁轮船等应用场景中，静态ＰＰＰ已经不适用，利用动态ＰＰＰ提取长时间序列水汽是一种可行方案．在地震等瞬时短时间运动场景下，地表台站失稳并未对ＰＷＶ的提取造成明显的差异．在地震发生前后，建议采用静态ＰＰＰ进行ＰＷＶ的提取．参考文献Ｒｅｆｅｒｅｎｃｅｓ［１］㊀ＳｈｉＪＢ，ＧａｏＹ．ＡｔｒｏｐｏｓｐｈｅｒｅｃｏｎｓｔｒａｉｎｔｍｅｔｈｏｄｔｏｉｍｐｒｏｖｅＰＰＰａｍｂｉｇｕｉｔｙ⁃ｒｅｓｏｌｖｅｄｈｅｉｇｈｔｓｏｌｕｔｉｏｎ［Ｊ］．Ｊｏｕｒ⁃ｎａｌｏｆＮａｖｉｇａｔｉｏｎ，２０１４，６７（２）：２４９⁃２６２［２］㊀ＨａｄａｓＴ，ＫａｐｌｏｎＪ，ＢｏｓｙＪ，ｅｔａｌ．Ｎｅａｒ⁃ｒｅａｌ⁃ｔｉｍｅｒｅｇｉｏｎａｌｔｒｏｐｏｓｐｈｅｒｅｍｏｄｅｌｓｆｏｒｔｈｅＧＮＳＳｐｒｅｃｉｓｅｐｏｉｎｔｐｏｓｉｔｉｏｎｉｎｇｔｅｃｈｎｉｑｕｅ［Ｊ］．ＭｅａｓｕｒｅｍｅｎｔＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，２０１３，２４（５）：０５５００３［３］㊀ＡｌｖｅｓＤＢＭ，ＳａｐｕｃｃｉＬＦ，ＭａｒｑｕｅｓＨＡ，ｅｔａｌ．ＵｓｉｎｇａｒｅｇｉｏｎａｌｎｕｍｅｒｉｃａｌｗｅａｔｈｅｒｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｆｏｒＧＮＳＳｐｏｓｉｔｉｏｎｉｎｇｏｖｅｒＢｒａｚｉｌ［Ｊ］．ＧＰＳＳｏｌｕｔｉｏｎｓ，２０１６，２０（４）：６７７⁃６８５［４］㊀ＴａｎｇＸ，ＨａｎｃｏｃｋＣＭ，ＸｉａｎｇＺＹ，ｅｔａｌ．ＰｒｅｃｉｐｉｔａｂｌｅｗａｔｅｒｖａｐｏｕｒｒｅｔｒｉｅｖａｌｆｒｏｍＧＰＳｐｒｅｃｉｓｅｐｏｉｎｔｐｏｓｉｔｉｏｎｉｎｇａｎｄＮＣＥＰＣＦＳｖ２ｄａｔａｓｅｔｄｕｒｉｎｇｔｙｐｈｏｏｎｅｖｅｎｔｓ［Ｊ］．Ｓｅｎ⁃ｓｏｒｓ（Ｂａｓｅｌ），２０１８，１８（１１）：３８３１［５］㊀ＳｏｎｇＤＳ，Ｇｒｅｊｎｅｒ⁃ＢｒｚｅｚｉｎｓｋａＤＡ．Ｒｅｍｏｔｅｓｅｎｓｉｎｇｏｆａｔ⁃ｍｏｓｐｈｅｒｉｃｗａｔｅｒｖａｐｏｒｖａｒｉａｔｉｏｎｆｒｏｍＧＰＳｍｅａｓｕｒｅｍｅｎｔｓｄｕｒｉｎｇａｓｅｖｅｒｅｗｅａｔｈｅｒｅｖｅｎｔ［Ｊ］．ＥａｒｔｈＰｌａｎｅｔｓａｎｄＳｐａｃｅ，２００９，６１（１０）：１１１７⁃１１２５［６］㊀ＹａｏＹＢ，ＳｈａｎＬＬ，ＺｈａｏＱＺ．Ｅｓｔａｂｌｉｓｈｉｎｇａｍｅｔｈｏｄｏｆｓｈｏｒｔ⁃ｔｅｒｍｒａｉｎｆａｌｌｆｏｒｅｃａｓｔｉｎｇｂａｓｅｄｏｎＧＮＳＳ⁃ｄｅｒｉｖｅｄＰＷＶａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎ［Ｊ］．ＳｃｉｅｎｔｉｆｉｃＲｅｐｏｒｔｓ，２０１７，７５８１学报（自然科学版），２０２１，１３（２）：１８１⁃１８６ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ），２０２１，１３（２）：１８１⁃１８６（１）：１２４６５［７］㊀ＺｈａｏＱＺ，ＹａｏＹＢ，ＹａｏＷＱ．ＧＰＳ⁃ｂａｓｅｄＰＷＶｆｏｒｐｒｅ⁃ｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｉｎｇａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｔｏａｔｙｐｈｏｏｎｅｖｅｎｔ［Ｊ］．ＪＡｔｍｏｓＳｏｌ⁃ＴｅｒｒＰｈｙ，２０１８，１６７：１２４⁃１３３［８］㊀ＳｏｈｎＤＨ，ＣｈｏｉＢＫ，ＰａｒｋＹ，ｅｔａｌ．Ｐｒｅｃｉｐｉｔａｂｌｅｗａｔｅｒｖａ⁃ｐｏｒｒｅｔｒｉｅｖａｌｆｒｏｍｓｈｉｐｂｏｒｎｅＧＮＳＳｏｂｓｅｒｖａｔｉｏｎｓｏｎｔｈｅＫｏｒｅａｎｒｅｓｅａｒｃｈｖｅｓｓｅｌＩＳＡＢＵ［Ｊ］．Ｓｅｎｓｏｒｓ（Ｂａｓｅｌ），２０２０，２０（１５）：４２６１ＰｒｅｃｉｐｉｔａｂｌｅｗａｔｅｒｖａｐｏｒｒｅｔｒｉｅｖｉｎｇｕｓｉｎｇｐｒｅｃｉｓｅｐｏｉｎｔｐｏｓｉｔｉｏｎｉｎｇｉｎｄｙｎａｍｉｃｓｃｅｎａｒｉｏＴＡＮＧＸｕ１㊀ＷＵＨａｏ２㊀ＺＨＡＮＧＤｉ１１ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃ＆ＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ㊀２１００４４２ＺｉｂｏＳｕｒｖｅｙａｎｄＭａｐｐｉｎｇＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅＣｏｍｐａｎｙＬｉｍｉｔｅｄ，Ｚｉｂｏ㊀２５５０００Ａｂｓｔｒａｃｔ㊀Ｐｒｅｃｉｓｅｐｏｉｎｔｐｏｓｉｔｉｏｎｉｎｇ（ＰＰＰ）ｈａｓｂｅｅｎｗｅｌｌｅｓｔａｂｌｉｓｈｅｄｆｏｒｒｅｔｒｉｅｖｉｎｇｔｈｅｐｒｅｃｉｐｉｔａｂｌｅｗａｔｅｒｖａｐｏｒ（ＰＷＶ）ｉｎｔｈｅｓｔａｔｉｃｍｏｄｅｌ．ＹｅｔｉｔｉｓｎｏｔａｌｗａｙｓｓｕｉｔａｂｌｅｆｏｒｓｔａｔｉｃＰＰＰＰＷＶｒｅｔｒｉｅｖｉｎｇ，ｆｏｒａｎｉｎｓｔａｎｃｅ，ｔｈｅＧＮＳＳａｎｔｅｎｎａｋｅｅｐｓｍｏｖｉｎｇ．Ｐｏｓｉｔｉｏｎａｎｄｚｅｎｉｔｈｔｏｔａｌｄｅｌａｙ（ＺＴＤ）ａｒｅｃｏｉｎｓｔａｎｔａｎｅｏｕｓｌｙｅｓｔｉｍａｔｅｄｉｎｄｙｎａｍｉｃＰＰＰｍｏｄ⁃ｅｌ，ｗｈｉｃｈｉｓａｎｏｐｔｉｏｎｆｏｒｔｈｅＰＷＶｒｅｔｒｉｅｖｉｎｇｉｎｄｙｎａｍｉｃｓｃｅｎａｒｉｏ．ＧＮＳＳｄａｔａｏｖｅｒ３ ５ｈｏｕｒｓｈａｖｅｂｅｅｎｇａｔｈｅｒｅｄｆｒｏｍｔｈｅＣｏｎｔｉｎｕｏｕｓｌｙＯｐｅｒａｔｉｎｇＲｅｆｅｒｅｎｃｅＳｔａｔｉｏｎｓ（ＣＯＲＳ）．ＢｏｔｈｓｔａｔｉｃａｎｄｄｙｎａｍｉｃＰＰＰｓｈａｖｅｂｅｅｎａｐｐｌｉｅｄｆｏｒｔｈｅＣＯＲＳｄａｔａｐｒｏｃｅｓｓｉｎｇ．Ｔｈｅｒｅｓｕｌｔｒｅｖｅａｌｓｔｈａｔｔｈｅｍａｘｉｍｕｍｄｉｆｆｅｒｅｎｃｅｉｓ６ ６ｍｍ，ａｎｄｄｙｎａｍｉｃＰＰＰＰＷＶｇｒａｄ⁃ｕａｔｅｍｏｖｅｍｅｎｔａｇｒｅｅｓｉｎｍａｇｎｉｔｕｄｅｗｉｔｈｔｈａｔｆｒｏｍｓｔａｔｉｃＰＰＰＰＷＶ．ＡｒｏｔａｔｉｏｎａｒｍｈａｓｂｅｅｎｄｅｓｉｇｎｅｄｆｏｒＧＮＳＳｒｅ⁃ｃｅｉｖｅｒｇａｔｈｅｒｉｎｇｄａｔａｉｎｄｙｎａｍｉｃｓｃｅｎａｒｉｏ．ＰＰＰｉｎｄｙｎａｍｉｃｍｏｄｅｌｃａｎｒｅｔｒｉｅｖｅｔｈｅｒｏｔａｔｉｏｎａｒｍＰＷＶ，ｗｈｉｃｈｍａｋｅｓｓｅｎｓｅｔｏｔｈｅｏｎｅｆｒｏｍＣＯＲＳＰＷＶ，ｂｕｔｌｏｓｅｔｈｅｃａｐａｃｉｔｙｏｆｄｅｔｅｃｔｉｎｇｔｈｅＰＷＶｃｈａｎｇｅｓ．ＧＮＳＳｓｔａｔｉｏｎｃａｎｈａｖｅｄｉｓ⁃ｐｌａｃｅｍｅｎｔｉｎａｓｈｏｒｔｔｅｒｍｉｎｔｈｅｅａｒｔｈｑｕａｋｅｅｖｅｎｔ．ＢｏｔｈｓｔａｔｉｃＰＰＰａｎｄｄｙｎａｍｉｃＰＰＰｈａｖｅｂｅｅｎａｓｓｅｓｓｅｄｆｏｒｔｈｉｓｓｃｅｎａｒｉｏ．ＴｈｅｒｅｓｕｌｔｒｅｖｅａｌｓｔｈａｔｄｉｓｐｌａｃｅｍｅｎｔｄｕｅｔｏｔｈｅｅａｒｔｈｑｕａｋｅｄｏｅｓｎｏｔｍａｋｅａｎｅｖｉｄｅｎｔｅｆｆｅｃｔｏｎｔｈｅＰＷＶｒｅ⁃ｔｒｉｅｖｉｎｇｂｏｔｈｉｎｓｔａｔｉｃＰＰＰａｎｄｄｙｎａｍｉｃＰＰＰ．ＴｈｅｓｔａｔｉｃＰＰＰｉｓｓｔｉｌｌｒｅｃｏｍｍｅｎｄｅｄｆｏｒｔｈｅＰＷＶｒｅｔｒｉｅｖｉｎｇｏｖｅｒｔｈｅｅａｒｔｈｑｕａｋｅｐｅｒｉｏｄ．Ｋｅｙｗｏｒｄｓ㊀ｓａｔｅｌｌｉｔｅｎａｖｉｇａｔｉｏｎ；ＰｒｅｃｉｓｅＰｏｉｎｔＰｏｓｉｔｉｏｎｉｎｇ（ＰＰＰ）；ＰｒｅｃｉｐｉｔａｂｌｅＷａｔｅｒＶａｐｏｒ（ＰＷＶ）６８１唐旭，等．动态环境下ＰＰＰ的ＧＮＳＳ大气水汽反演．ＴＡＮＧＸｕ，ｅｔａｌ．Ｐｒｅｃｉｐｉｔａｂｌｅｗａｔｅｒｖａｐｏｒｒｅｔｒｉｅｖｉｎｇｕｓｉｎｇｐｒｅｃｉｓｅｐｏｉｎｔｐｏｓｉｔｉｏｎｉｎｇｉｎｄｙｎａｍｉｃｓｃｅｎａｒｉｏ．。
利用FY-3A近红外资料反演水汽总量
利用FY-3A近红外资料反演水汽总量胡秀清;黄意玢;陆其峰;郑婧【摘要】The technique of retrieving precipitable water vapor (PWV) based on near-infrared (NIR) data of Medium Resolution Spectral Imager (MERSl) on board FY-3A satellite is introduced. Five NIR channels are designed on the MERSI instrument for PWV observation, three of which are water vapor absorption channels centered near 905 nm, 940 nm and 980 nm respectively and others are atmospheric window channels at 865 nm and 1030 nm. The method adopted here for PWV retrieval is based on the ratio of reflected solar radiance (or apparent reflectance) detected by satellite between water vapor absorption channels and atmospheric window channels. By employing channel ratios, the aerosol extinction distribution and the variation effect of surface reflectance are partially removed. and the atmospheric transmittance of water vapor channels is approximately obtained. The PWV is derived from the atmospheric transmittance based on a Look-up Table which is pre-calculated using a radiation transfer model. The sensitivities of atmospheric transmission in each NIR water vapor channels of MERSI to the total precipitable water vapor are also simulated. It is found that 905 nm channel is more sensitive under humid conditions while the strong absorption channel at 940 nm is sensitive under dry conditions. And the two weak absorption channels have similar sensitivity to total water vapor amount. In this case, under a given atmosphere condition, the derived PWV values from three water vaporchannels may be a little different. The weighted average of three derived PWV values is regarded as the final PWV product and the weighing coefficients are determined by their sensitivity. The procedure of the operational PWV product generation is designed and conducted for experimental retrieval. Based on the global data of MERSI, FY-3A Products Generation System (PGS) can successfully generate the daily global and regional PWV L2 products and multi-day integrated L3 products. which can clearly display the spatial distribution of water vapor amounts over global land area. The result indicates that FY-3A/MERSI has an excellent ability in detecting NIR water vapor, and can demonstrate fine characteristic of PWV spatial distributions. As 940 nm channel shows good application under dry atmosphere conditions and 905 nm or 980 nm channel work well under humid situation, acceptable retrieval accuracy can always be achieved by combining these channels. In order to assess the accuracy, the retrieved PWV from MERSI NIR are compared with the ground-based sounding data. Over cloud free area, there is a good agreement between them in variation trend and spatial distribution. The MERSI PWV results are steady but 20％-30％ lower than sounding, so the retrieval algorithm and the Look-up Table need to be updated to reduce this bias in the near future.%该文介绍了利用搭载在FY-3A卫星上的中分辨率光谱成像仪(MERSI)的近红外(NIR)通道反演大气水汽总量(PWV)的方法.根据预先建立的查找表,大气水汽总量可以通过水汽通道与窗区通道的卫星测值相比反演得到.对MERSI近红外水汽通道灵敏度进行估算,结果表明:处于吸收带两翼的905 nm和980 nm通道对不同水汽量的敏感性表现比较接近,对较大水汽含量最为敏感;当水汽较弱时,强吸收的940 nm通道非常敏感.基于这3个通道对水汽含量敏感性的不同表现,采用3个通道水汽总量的加权平均值作为PWV产品的最终反演值.文中设计了水汽总量业务算法反演流程,并基于FY-3A/MERSI最新观测资料进行晴空大气水汽总量的业务处理生成试验,顺利生成MERSI单轨道水汽总量产品及日拼图中国区域产品和全球产品,同时生成多天合成产品,产品反映出MERSI具有较好的近红外水汽探测能力.将卫星反演结果与探空数据进行初步比对检验,显示卫星反演值有20%～30%系统性偏低,需要进一步改进反演查找表.【期刊名称】《应用气象学报》【年(卷),期】2011(022)001【总页数】11页(P46-56)【关键词】中分辨率光谱成像仪;近红外通道;水汽总量【作者】胡秀清;黄意玢;陆其峰;郑婧【作者单位】中国气象局中国遥感卫星辐射测量和定标重点开放实验室,国家卫星气象中心,北京,100081;中国科学院遥感应用研究所,北京,100101;中国气象局中国遥感卫星辐射测量和定标重点开放实验室,国家卫星气象中心,北京,100081;中国气象局中国遥感卫星辐射测量和定标重点开放实验室,国家卫星气象中心,北京,100081;中国气象局中国遥感卫星辐射测量和定标重点开放实验室,国家卫星气象中心,北京,100081【正文语种】中文该文介绍了利用搭载在FY－3A卫星上的中分辨率光谱成像仪（MERSI）的近红外（NIR）通道反演大气水汽总量（PWV）的方法。
利用ERA5资料进行桂林地区GNSS水汽反演精度分析
和 ｈ ２ 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
１３３
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
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
ＧＮＳＳ 利用地面气象站反演的 ＰＷＶ 为参考值，
ＥＲＡ５ 反演的 ＧＮＳＳ ＰＷＶ 的偏差和 ＲＭＳＥ 分别
为 ０ １７ ｍｍ 和 ０ ３５ ｍｍ，且两者具较好的相关
性和一致性．由此表明，ＥＲＡ５ 地表温压产品可
应用于桂林地区 ＧＮＳＳ 水汽反演，这些研究结
果可为桂林地区的 ＧＮＳＳ 水汽反演及数据源的
４６１ ４９５ Ｊ·ｋｇ －１·Ｋ －１ 为水汽气体常数；ｋ′２ ，ｋ ３ 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） × １０ ５ Ｋ ／ 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
胜站 ２ ０７ Ｋ，最小值恭城站 １ ３１ Ｋ） ．总之，ＥＲＡ５ 资
取值为 ８ ３１４ ３２ Ｎ·ｍ ／ （ ｍｏｌ·Ｋ） ；ｇ 为重力加速度．
大气水汽含量反演ppt课件
卫星遥感反演大气水汽
Company Logo
MODIS数据反演大气水汽
一、MODIS传感器简介
中分辨率成像光谱仪（MODIS）是EOS系列卫星的最主要 的探测仪器，是搭载在TERRA和AQUA卫星上的对地观测传 感器。MODIS是现今新一代“图谱合一”的光学遥感仪器， 它具有36个光谱通道，分布在0.4~14μm的电磁波谱范围内， 地面分辨率为250m、500m、1000m,灰度量化等级为12bit， 图幅宽度为2330KM。在对地观测过程中，每秒可以同时获取 6.1M比特来自海陆表面的信息，每天或两天可以获得一次全 球观测数据。
同时，他们给出如下关系式：
系数α，β与太阳天顶角，卫星天顶角等诸多因 素有关，对于复合型地表，上式中α=0.02， β=0.651。R为相关系数。
Company Logo
MODIS数据近红外波段反演大气水汽
水汽含量的加权平均 不同的水汽吸收通道对水汽变化有不同的敏感度，
反演结果也不尽相同。第17通道位于水汽弱吸收区， 对湿润地区的水汽反演有利；18通道在干燥环境下 对水汽最敏感；19通道则适用于复合型地表环境。 仅用单一通道反演必然导致结果的不精确。因此， 我们可以对不同通道的水汽反演结果根据其敏感系 数进行加权平均，得到的结果将更接近于真实情况。 在相同的大气条件下，平均水汽可用下式计算：
通道的两个象素间亮温比与辐射传输之间的相关性 来反演大气水：
式中,τ212和τ211分别指第4、5通道辐射传输的平方， σ212和σ211指方差。
Company Logo
MODIS数据反演大气水汽
回归斜率法： 回归斜率法作为大气水函数，是两个通道亮温变
化之间的比率。在大气干燥的情况下，第4、5通道 几乎具有相同的温度，回归斜率近似等于1；大气湿 度不断增加，对第5通道的影响越发显著，两通道间 的差异也就更大。
GPS水汽反演及降雨预报方法研究
GPS水汽反演及降雨预报方法探究GPS（全球定位系统）是一种利用卫星信号来测量地球上点的三维坐标的技术。
在过去的几十年里，GPS已经被广泛应用于地理定位、导航和测绘领域。
然而，探究人员发现，GPS信号在穿过大气层时会发生衍射和折射，从而提供了一种预估大气中水汽含量的方法。
这种方法被称为GPS水汽反演。
GPS水汽反演是通过分析GPS信号在穿过大气层时受到的影响来预估大气中水汽含量的技术。
当GPS信号通过大气层时，水汽会对信号产生延迟。
通过测量GPS信号的延迟，可以准确地预估大气中的水汽含量。
这种方法已经被广泛应用于气象预报、气候探究和环境监测等领域。
GPS水汽反演技术的探究主要有两个方面：一是建立信号传播延迟与水汽含量之间的数学模型，二是开发相应的数据处理算法。
在建立数学模型方面，探究人员起首需要了解GPS信号在大气中的传播特性。
大气中的水汽含量是不稳定的，并且会随着时间和空间的变化而变化。
因此，探究人员需要思量这种时空变化对GPS信号的影响。
通过对大气层的物理特性和水汽分布进行建模，可以准确地预估GPS信号在大气中的传播延迟与水汽含量之间的干系。
在数据处理算法方面，探究人员需要开发一些数值方法来处理从GPS接收机接收到的信号。
这些方法通常包括信号的采样、去噪、解缠和反演等步骤。
通过对GPS信号进行精确的处理和分析，可以提高水汽反演的准确性和可靠性。
GPS水汽反演技术在气象领域的应用已经取得了一些重要的效果。
通过将GPS水汽反演结果与气象观测数据进行对比，探究人员可以验证这种方法的有效性。
探究人员还利用GPS水汽反演结果来改进降雨预报模型，提高降雨预报的准确性。
降雨预报是气象学中的一个重要问题。
传统的降雨预报方法通常基于气象观测数据和数值模型。
然而，由于气象观测数据的不确定性和数值模型的复杂性，降雨预报结果往往存在一定的误差。
GPS水汽反演技术的引入为降雨预报提供了一种新的思路和方法。
通过结合GPS水汽反演结果和其他气象观测数据，可以提高降雨预报的准确性和可靠性。
GPS水汽反演及降雨预报方法研究
GPS水汽反演及降雨预报方法探究一、引言地球上大气水汽的水平分布对天气、气候和水循环等多个领域具有重要的影响。
在过去几十年里，随着全球定位系统（GPS）技术的进步和应用，GPS成为一种有效的手段来估算大气中的水汽含量。
本文将盘绕GPS水汽反演及降雨预报方法的探究展开，旨在探究这一领域的最新进展和应用。
二、GPS水汽反演原理GPS水汽反演原理是基于接收机观测到的GPS信号通过大气传播路径的延迟和相位差。
由于水汽对无线电波的传播速度和相位产生延迟，因此可以通过测量接收机信号的延迟来反演出大气中的水汽含量。
常用的GPS水汽反演方法主要包括对流层湿延迟（Tropospheric Delay, TD）和对流层相位湿延迟（Tropospheric Phase Delay, TPD）两种。
三、GPS水汽反演方法探究1. TD法TD法是通过测量GPS信号在大气中的传播路径延迟来反演水汽含量。
该方法主要利用GPS接收机观测到的伪距数据，通过减除大气的干延迟来得到湿延迟，从而估算出水汽含量和水汽分布。
TD法适用于小时标准和较短的距离范围内的水汽反演。
2. TPD法TPD法是通过测量GPS信号在大气中的相位延迟来反演水汽含量。
该方法主要利用GPS接收机观测到的载波相位数据，通过减除大气的干延迟和载波频率来得到相位延迟，从而估算出水汽含量和水汽分布。
TPD法适用于更长的时间标准和更大的距离范围内的水汽反演。
四、GPS水汽反演在降雨预报中的应用GPS水汽反演可以帮助降雨预报工作，提高对降雨过程的准确性和可靠性。
通过测量大气中的水汽含量和水汽分布，可以对降雨的强度、范围和进步趋势进行猜测。
GPS水汽反演可以提供高时空区分率的水汽数据，为降雨预报模型提供输入参数，优化降雨模拟和预报结果。
五、GPS水汽反演及降雨预报方法的探究进展目前，GPS水汽反演及降雨预报方法的探究已取得一些重要进展。
包括改进GPS观测和数据处理方法、提高对大气细结构的区分能力、开发更准确的降雨预报模型等。
地基GNSS水汽反演及其在极端天气中的应用研究
㊀㊀第５２卷㊀第９期测㊀绘㊀学㊀报V o l．５２,N o．９㊀２０２３年９月A c t aG e o d a e t i c ae tC a r t o g r a p h i c aS i n i c a S e p t e m b e r,２０２３引文格式:何琦敏．地基G N S S水汽反演及其在极端天气中的应用研究[J]．测绘学报,２０２３,５２(９):１６１０．D O I:１０．１１９４７/j．A G C S．２０２３．２０２２０１８７．H EQ i m i n．W a t e r v a p o r r e t r i e v e d f r o m g r o u n dＧb a s e dG N S S a n d i t s a p p l i c a t i o n s i n e x t r e m ew e a t h e r s t u d i e s[J]．A c t aG e o d a e t i c ae tC a r t o g r a p h i c aS i n i c a,２０２３,５２(９):１６１０．D O I:１０．１１９４７/j．A G C S．２０２３．２０２２０１８７．地基G N S S水汽反演及其在极端天气中的应用研究何琦敏１,２１．苏州科技大学地理科学与测绘工程学院,江苏苏州２１５００９;２．中国矿业大学环境与测绘学院,江苏徐州２２１１１６W a t e rv a p o rr e t r i e v e df r o m g r o u n dＧb a s e d G N S S a n di t s a p p l i c a t i o n si n e x t r e m ew e a t h e r s t u d i e sH EQ i m i n１,２１．S c h o o l o fG e o g r a p h y S c i e n c ea n dG e o m a t i c sE n g i n e e r i n g,S u z h o uU n i v e r s i t y o f S c i e n c ea n dT e c h n o l o g y,S u z h o u ２１５００９,C h i n a;２．S c h o o lo fE n v i r o n m e n ta n d S p a t i a l I n f o r m a t i c s,C h i n a U n i v e r s i t y o fM i n i n g a n d T e c h n o l o g y,X u z h o u２２１１１６,C h i n a㊀㊀全球导航卫星系统(g l o b a l n a v i g a t i o n s a t e l l i t e s y s t e m,G N S S)作为一项颠覆性的导航技术,在诸多重要领域(如测绘㊁气象㊁交通㊁环境和农业等)都得到了广泛的应用.G N S S作为一种新型的水汽探测手段,具有重要的研究前景和应用潜力.它克服了传统气象观测水汽的诸多缺点(成本高㊁时间分辨率低㊁仪器偏差与漂移影响较大㊁易受天气影响等),能够实时反映大气环境的变化规律,全天候地获取全球大气水汽信息.然而,G N S S气象学作为一项快速发展的学科,在多尺度的天气灾害事件监测与预报模型的应用研究中还很有限.论文以利用地基G N S S水汽反演技术监测极端天气的相关理论与应用为研究目标,对大气改正模型进行深入探讨,优化了G N S S水汽反演中的关键参数,对不同数据处理和观测模式的G N S S水汽产品进行了精度评估.首先,建立了高精度的G N S S水汽监测系统;然后,开展了极端天气下的水汽㊁温度㊁气压㊁风速和降雨量等多气象参数的研究;最后,挖掘了水汽变化过程中的极端天气短临预警信号.论文的主要研究内容如下.(１)研究了５种主流的大气温度与气压经验模型在中国区域的精度分布情况以及它们的年㊁半年和日变化项的特征,为相应的模型选择及优化提供理论参考.(２)针对气象数据的低时空分辨率问题,考虑了温度和气压的时空相关性,提出了一种基于I A G A(i m p r o v e d a d a p t i v e g e n e t i c a l g o r i t h m)改进的时空克里金(K r i g i n g)模型(I A G AＧK r i g i n g),解决了气象数据的时空不连续性问题,试验结果表明其精度优于传统的时空插值模型.(３)研究了多种基于地表气象参数建立的T m回归模型在中国区域的精度,充分考虑了T m的非线性特征,采用人工神经网络(a r t i f i c i a l n e u r a l n e t w o r k,A N N)和支持向量回归(s u p p o r tv e c t o r r e g r e s s i o n,S V R)模型,对相应模型进行了进一步优化.结果表明,通过组合A N N或S V R模型,能够有效减小线性T m模型的系统偏差.(４)建立了基于B N C＋B e r n e s e组合的G N S S水汽监测系统,并对该系统在不同观测和处理模式下输出的水汽精度进行了评估.结果表明,双差法反演的P WV(D DＧP WV)对卫星星历的精度依赖性较小,即使在台风天气中,实时和事后的D DＧP WV精度无明显差异.当使用精密单点定位法(P P P)反演P WV(P P PＧP WV)时,实时的P P PＧP WV精度低于事后精度.(５)以２０１８年香港超级台风 山竹 为例,研究了台风登陆前后,气温㊁气压㊁风速㊁降雨量和P WV的变化特征.提出了一种利用高时间分辨率的水汽产品监测台风的新方法,建立了台风移动的理论几何模型,使用该方法分别计算了５种不同等级的热带气旋移动速度,与气象部门发布的结果基本一致.论文为G N S S气象学进一步的发展提供了有价值的理论基础与应用参考,拓展了G N S S技术在热带气旋中的应用.中图分类号:P２２８㊀㊀㊀㊀文献标识码:D文章编号:１００１Ｇ１５９５(２０２３)０９Ｇ１６１０Ｇ０１基金项目:国家自然科学基金(４２２７４０２１;４１７３０１０９;４１８７４０４０;５２３６４０１８);江苏省科技计划专项资金Ｇ创新支撑计划国际科技合作项目(B Z２０２２０１８);苏州科技大学自然科学基金青年基金(X K Q２０２１００６);江苏省双创人才项目(J S S C R C２０２２２８１)收稿日期:２０２２Ｇ０３Ｇ１０作者简介:何琦敏(１９９４ ),男,２０２１年６月毕业于中国矿业大学,获工学博士学位(指导教师:张克非教授),研究方向为G N S S气象学.A u t h o r:H EQ i m i n(１９９４ ),m a l e,r e c e i v e dh i sd o c t o r a l d e g r e e f r o mC h i n aU n i v e r s i t y o fM i n i n g a n dT e c h n o l o g y o n J u n e２０２１,m a j o r s i nG N S Sm e t e o r o l o g y．EＧm a i l:h e q i m i n＠u s t s．e d u．c nCopyright©博看网. All Rights Reserved.。
PPP与NCEP再分析资料在水汽反演的研究
PWV 反演精度，该方法在缺乏实测气象数据时是一种行之有效的补充方式。
关键词 ：NCEP 再分析资料 ；PPP ；PWV 反演 ；气象数据
中图分类号 ：P228
文献标志码 ：B
文章编号 ：1672-4623（2018）06-0044-03
目 前， 已 有 多 个 地 区 基 于 GPS 气 象 学 获 得 实 时 水 汽 甚 至 进 行 预 报。 精 密 单 点 定 位（Precise Point Positioning，PPP）水汽随着 PPP 技术的日趋成熟，也 被提出来，有研究表明在利用 PPP 进行大气可降水量 （Precipitable Water Vapor, PWV）提取的精度可以达到 2~3 mm[1]，Hantanaka 利用日本 GEONET 网数据，采用 精密单点定位进行 PWV 提取精度研究，PWV 精度优 于 1mm[2]。
在进行 PPP 水汽反演时，站点的地表温度和压强 必不可少。然而在实际测站中，许多站点都没有配有 相关设备，站点的温度和压强只能通过公式从海平面 推算得到，这势必对 PWV 反演精度造成一定的影响。 NCEP 数据是美国国家气象局公布的全球气象资料，基 于全球的 NCEP 数据进行插值，获得较为精确的站点 地表温度与压强数据。目前国内外许多学者针对该方 法提出不同插值方法进行 PWV 水汽反演试验 ， [3-7] 大 多采用基于 NCEP 地面数据插值而来，在垂向进行插 值时都通过经验公式获得，但温度与压强的变化并不 完全与公式一致，由=K(Tm)×ZWD
(2)
其中
K (Tm)
=
106 tRt (k3 /Tm + k2 - ~k1)
(3)
式（2）、（3）中，K(Tm) 为转换因子 ；ρ 为水的密度 ；
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
4.２方差比反演算法介绍
基于４、５通道的两个像素间亮温比与辐射传输比之间的相关性来反演大气 柱水汽含量：
其中
和
分别代表４，５通道辐射传输的平方；
和
是方差。
4.３、回归斜率法介绍
• 1994年Goward等人改进了方差比算法。他们在AVHRR4、5通道间 使用了回归斜率作为估算大气水汽的方法，回归斜率作为大气水 汽的函数，代表了两个热通道亮温变化之间的比率。对于干燥条 件，两个通道几乎拥有相同的温度，回归斜率为一。而当空气中 湿度不断增加时，对通道5的影响变得更加显著，并且两个通道 间的差异也变的更大。
式中的r为永汽混合比，单位为： g.kg-1，由此计算气柱水汽总 含量：
• 式中的计算结果W表示对流层垂直气柱（P1～p2)中的水汽总量或 累积水汽量，代表气柱中的水汽凝结后积集在气柱地面上的液态 永的深度。
• 因无线电探空成本较高，相对于地面观测站而言探空站分布稀疏， 并且一般每天仅进行早晚2次探测，不足以分辨水汽的时空变化， 因此不能很好地监测大范围的天气变化(如雷雨和多变天气)。
LSensor ( ) 为传感器所获得的入瞳辐射亮度， • λ为波长； • LSun ( ) 为大气顶层太阳辐射亮度 • T(λ) 为总的大气透过率，是指辐射从太阳到达地表再从地表到达 传感器所经过的大气路径的总的透过率， • ( ) 是指地表的二向反射率， • LPath( ) 是指程辐射。式（1）忽略了光子在地表的上的多次反射， 即假设光子在地表上只反射一次。
2.2 使用微波辐射计探测大气水汽含量
（使用微波辐射计探测大气水汽含量可以分为地基微波辐射计和空基微波 辐 射计探测两种）
2.2.1、地基微波辐射探测原理
• 由于大气总光学厚度τλ，具有一些特性，给反演路径上物质含量 带来很大方便。在晴空和非降雨云时，反演的一般做法是，首先 在薄大气近似条件下引入大气平均辐射温度Tm，利用下列公式将 两段测值Tbλ(λ=1,2分别表示波长0.8cm和1.35cm，下同)转换成大气 的总吸收光学厚度τλ： 再由τλ反演，求得大气的水汽总量Q和云液态水总量L。
公式中：
四、劈窗算法反演水汽柱总量PWV原理分析与公式介绍
4.1、简单劈窗算法 Dalu的简单劈窗算法开创了用ＡＶＨＲＲ数据反演水汽的先河。他提
出如果辐射传输方程是现线性的，那么大气水汽量将与AVHRR４、５通道之差 成比例： ＰＷ＝ａ（Ｔ４－Ｔ５）＋ｂ 其中ＰＷ代表总水汽柱含量；ａ、ｂ是常熟，需要反演。Ｔ４、Ｔ５表示AVHRR ４、５通道的亮温。
• 与方差比算法相似的是，这种方法同样要估测空气温度以及假定 相邻向元间水汽不变。 • 方法4：用劈窗协方差—方差比算法反演大气水汽
五、
MODIS近红外波段水汽反演原理
• 近红外水汽反演算法的理论基溶胶厚度较小的情况下近红外波段大气路径辐射Lp非常 小，可以忽略不计，则辐射传输方程可简化为
为了找出整层大气的水汽总量与地面实时的露点温度之间的关 系, 我们把测量期间每15分钟遥测的可降水含量的平均值与地面记 录的露点温度同时绘在图中,共计20 0 2 点, 拟合得到如下关系: Log(w)=0.033td-0.151 • 相关系数达0 .927 . 式中W 为可降水含量, t d 为地面露点温度. 若 采用测量的日平均可降水含量和地面日平均露点温度, 拟合的关 系相同, 而相关系数可高达0. 95
两边同时除以E0（λ）ρ（λ）得：
谢谢欣赏！
，
LSensor( ) LPath( ) ( ) T ( )( ) 则表观反射率表示为： LSun( ) LSun( )
*
• 总透过率 T ( ) 包含了在太阳-地表-传感器路径上的总的水汽含量 信息。 • LSun ( ) 为已知量。在1 m 附近，可以忽略瑞利散射项，对程辐射 LPath (的主要贡献是气溶胶的散射。 ) LPath ( ) 相对于 LDirect 是非常小的一部分 • 同时在1 m 附近， • 由于大多数气溶胶和水汽均位于大气底层的约2km处，因此水汽 LPath ( ) 也包含 也会对气溶胶的单次或多次散射造成影响。因此， 有水汽信息。这里我们假定在气溶胶光学厚度非常小的时候可以 忽略 LPath ( ) • 因此，在忽略 LPath ( ) 的情况下，可以将（2）式改写为： * ( ) T ( ) ( )
2.3、 建立经验模型的方 法
2.3.2、根据地面露点温度建立经验方程求解大气水汽含量4.
• 水汽含量随高度迅速递减, 因此, 近地层的水汽含量在整层大气的 可降水含量中占有最重要的地位. 表征地面水汽含量的露点温度 与整层大气可降水含量有一定的关系. 在观测点同步记录了地面 的温度和相对湿度, 并换算成露点温度, 如图给出了地面日平均露 点温度的变化. 可见两者变化相当一致, 有很好的相关性
二、大气水汽含量反演算法
2.1 无线电探空技术探测大气水汽含量
• 无线电探空技术，即通过施放探空气球，收集有关的温度、气压、 湿度等气象要素
• 来计算水汽含囊。杨红梅、葛润生等人提出了嗣单站探空资料分 檬对流层气柱承汽总爨的方法。计算原理如下： 用单站探空得到的各标准层和所有特性层的温度T、露点温度Td 气压p计算各层的饱和水汽压e,由已知的饱和水汽压计算水汽混 合比：
2.3 建立经验模型的方法
2.3.1、根据相应地面的水汽压建立经验方程求解整层大气水汽含量
2.3.2、根据地面露点温度建立经验方程求解大气水汽含量
2.4 利用太阳辐射计反演大气水汽含量 三、劈窗算法简介 四、劈窗算法反演水汽柱总量PWV原理分析与公式介绍 4.1 简单劈窗算法 4.2 方差比反演算法介绍 4.3 回归斜率法介绍 五、 MODIS近红外波段水汽反演原理
一
理
水汽反演原
1.1 水汽的特点： • 水汽的分布极不均匀，时空变化大（受海陆分布、季节 变化、温度及地表干旱程度的影响） • 整层大气水分含量与地面水气压有很好的线性关系 • 水汽对可见光、红外以及微波波段都具有表征性的吸收 波段 • 大气中的水汽因受重力作用而随高度增加而减小，主要 集中在3KM以下的底层大气中
1.2
大气中主要气体的吸收光谱
大气中主要吸收气体的吸收光谱和晴空整层大气分 别对天顶角为40度太阳辐射和地球漫射辐射的吸收谱
1. 3 大气中水成分的
吸收带
水汽及液态水的吸收带
近红外区水汽吸收带
1.4大气水气吸收的透过率模型
•
Ρs是水汽数密度，ρf是其他气体的数密度，ρ0是STP（气压 1013hpa、气温296K）的空气数密度。分为N层的大气柱的水汽 连续吸收率则为：
三、劈窗算法简介
• 劈窗算法最早是由Anding和Kauth在1970年提出的。两个相近的波 段虽然大气透过率不同，但他们之间有一定的数量关系，运用数 学方法可以消除大气对辐射的影响。这个原理经Prahakara等定型 后，演变为比较成熟的劈窗算法。劈窗算法是以AVHRR所观测到 的热辐射数据为基础，根据Planck热辐射函数，将AVHRR的两个 热通道（T4和T5）数据转化为基础，进而根据这两个亮度温度来 演算地表温度的算法 • 4种比较典型的劈窗算法 1、Qin算法 该算法的AVHRR图像上任一象元所相应的地面表层温度Ts的计 算表达式：Ts=A0+A1T4-A2T5
2.2.2、空基微波辐射计遥感大气水汽原理 • 目前主要用于反演水汽已被选用的频率大致有7个，按其高低顺 序排列是：18.5、19.35、2l 、22.235、23.8、31.5、37GHz。反演 水汽的通道组合以及算式多种多样。陈洪滨、吕达仁等人利用逐 步回归分析，研究和比较了不同通道组合和在算式中不同的亮温 函数形式的回归及反演效果，从而确定空间微波辐射计遥感反演 晴天大气可降水量的“最优”通道组合和方程形式。他们采用 wilheit和Chang(1980)的准统计方法来构造人工样本集并建立TB(亮 温)与Pw(大气可降水量)间的关系式： 式中，f(TBi)是TB的函数；m可以大于 通道数：a0和ai是回归系数。 根据文献调研， f(TBi)基本上有两 类，一类是线性的，即直接取Tbi，另一类称作非线性的，通常取 f(TBi)=ln(T0-TBi),T0多取280.
• Cs(r，T)、Cr(r，T)是水汽自加宽连续吸收系数和外加宽连续吸收 系数。 • 垂直大气柱的水汽连续吸收透过率函数：
水汽含量与大气透过率的关系
曲线由上到下分代表MODIS通道17、18、19
1.5、近红外通道的大气吸收和散射特征
• 大气中主要吸收气体的吸收光谱和晴空整层大气分 别对天顶角为40度太阳辐射和地球漫射辐射的吸收谱 LSensor ( ) LSum ( )T ( ) ( ) LPath ( )
2.4、利用太阳辐射计反演大气水汽含量
• 太阳辐射计是一种便携式仪器，利用它的940nm水汽吸收通道可以测量大气 柱水汽总量。胡秀清、张玉香等利用MODTRAN3.7模式模拟出太阳辐射计 940nm通道透过率与水汽量关系常数，考虑了通道的光谱响应函数和不同大 气模式的影响，模拟结果表明窄通道（小于10nm）上述关系常数受大气模 式影响不大，总消光剔除气溶胶及分子散射，就得出水汽的透过率。可采用 改进的Langley法处理。依照Bruegge和Halthore的研究，水汽透过率用两个参 数表达式来模拟： • （1） Tw是带上的透过率，W是大气路径水汽总量，a和b是常数，在给定的大气 条件下他们与940nm通道滤光片的波长位置、宽度和形状有关 根据Langley法，要利用940nm通道反演水汽量，还必须先减去940nm通道的 气溶胶光学厚度。因为870nm通道几乎没有气体吸收，选用一个940nm带外通 道870nm电压信号与940nm电压通道信号之比，即
大气中水汽的反演
目录
一：水汽反演原理
1.1 1.2 1.3 1.4 1.5 水汽的特点 大气中主要气体的吸收光谱 大气中水成分的吸收带 大气水汽吸收的透过率模型 近红外通道的大气吸收和散射特征