刘立龙教授：桂林地区暴雨天气下GNSS水汽时空特性分析| SANA佳文速递
Liangke Huang, Zhixiang Mo*, Shaofeng Xie*, Lilong Liu, Jun Chen, Chuanli Kang and
Shitai Wang
Satellite Navigation (2021) 2: 13
引用文章:
Huang, L. K., Mo, Z. X., Xie, S. F. et al. Spatiotemporal characteristics of GNSS-derived precipitable water vapor during heavy rainfall events in Guilin, China. Satell Navig 2, 13 (2021). https://doi.org/10.1186/s43020-021-00046-y.
PDF文件下载链接：
https://satellite-navigation.springeropen.com/articles/10.1186/s43020-021-00046-y
GNSS: Precipitable Water Vapor Retrieval
Precipitable Water Vapor (PWV), as an important indicator of atmospheric water vapor, can be derived from Global Navigation Satellite System (GNSS) observations with the advantages of high precision and all-weather capacity. GNSS-derived PWV with a high spatiotemporal resolution has become an important source of observations in meteorology, particularly for severe weather conditions, for water vapor is not well sampled in the current meteorological observing systems.
In this study, an empirical atmospheric weighted mean temperature (Tm) model for Guilin is established using the radiosonde data from 2012 to 2017. Then, the observations at 11 GNSS stations in Guilin are used to investigate the spatiotemporal features of GNSS-derived PWV under the heavy rainfalls from June to July 2017.
The results show that the new Tm model in Guilin has better performance with the mean bias and Root Mean Square (RMS) of -0.51 and 2.12 K, respectively, compared with other widely used models. Moreover, the GNSS PWV estimates are validated with the data at Guilin radiosonde station. Good agreements are found between GNSS-derived PWV and radiosonde-derived PWV with the mean bias and RMS of −0.9 and 3.53 mm, respectively. Finally, an investigation on the spatiotemporal characteristics of GNSS PWV during heavy rainfalls in Guilin is performed. It is shown that variations of PWV retrieved from GNSS have a direct relationship with the in-situ rainfall measurements, and the PWV increases sharply before the arrival of a heavy rainfall and decreases to a stable state after the cease of the rainfall. It also reveals the moisture variation in several regions of Guilin during a heavy rainfall, which is significant for the monitoring of rainfalls and weather forecast.
本文亮点
利用桂林地区的探空站资料，构建了适用于桂林地区的高精度大气加权平均温度（T m）模型，新建立的T m模型相比常用的T m模型具有优异的性能，可为桂林地区高精度、高时间分辨率GNSS 大气水汽（PWV）反演提供保障。
选取了桂林地区2017年6-7月暴雨天气下的11个GNSS站观测数据，基于已构建的桂林地区T m模型，精密获取暴雨天气下逐小时的PWV信息，分析桂林地区暴雨天气下的GNSS PWV时空变化特性，结果揭示了暴雨前、暴雨进程中和暴雨后GNSS PWV特有的时空演变特征。该成果可为桂林地区极端天气的监测与预警提供重要参考。
内容简介
大气水汽作为调节地球气候的关键因素，在全球大气辐射、水循环和能量平衡中发挥着重要作用，了解大气水汽的时空变化对气候预报和气候研究具有重要意义。大气可降水量（Precipitable water vapor，PWV）是表征大气水汽含量的重要指标。随着GPS、GLONASS、伽利略和北斗等全球卫星导航与定位系统（Global Navigation Satellite System，GNSS）技术的发展，地基GNSS能以较高精度探测接收机站点上空的PWV，相对探空观测、卫星和雷达探测、微波辐射计等传统方式，其具有全球全天候观测、高精度、低成本、高时间分辨率等优势。由于目前气象观测系统还远不能满足对PWV信息的获取，GNSS反演的高时空分辨率PWV已逐渐成为PWV观测的重要来源。
本文利用2012-2017年的探空资料建立了适用于桂林地区的大气加权平均温度（T m）经验模型。基于2017年6-7月桂林地区11个GNSS站反演的高精度逐小时PWV信息，分析了桂林地区在暴雨天气下的GNSS PWV时空变化特征。结果表明，新的模型在桂林地区的平均偏差和均方根误差分别为−0.51和2.12 K，与其他广泛使用的T m模型相比具有更好的精度。利用桂林探空站实测PWV数据检验了GNSS PWV值的可靠性，GNSS PWV和探空PWV的平均偏差和均方根误差分别为−0.9和3.53 mm。最后，对桂林地区几次暴雨事件GNSS PWV的时空特性进行了分析，结果表明暴雨前、暴雨进程中和暴雨后GNSS PWV表现出特有的时空演变特征。该研究成果对桂林地区的暴雨天气监测与预警具有重要意义。
I.桂林地区大气加权平均温度模型的构建及验证
在建立Tm模型之前，使用2012-2017年桂林探空数据分析Tm与Ts的时间序列及相关性，结果如图1所示。由图1可知，Tm与Ts具有较强的线性关系。基于此，利用2012-2017年桂林探空数据建立了桂林地区Tm经验模型：Tm = 101.01 + 0.62Ts。表1统计了桂林地区Bevis、李建国、GPT2w和新建立的桂林Tm模型的精度对比，结果表明新建立的Tm模型具有最优的精度。
图 1 2012-2017年探空数据Tm与Ts的时间序列（a）及相关性（b）
表 1 利用2017年ERA5数据验证桂林地区Bevis、李建国、GPT2w和桂林模型的精度
II.PWV时变特性分析
选取桂林地区2017年7月1日前后几天暴雨事件中7个GNSS站反演的PWV及对应的实际降雨量数据，分析暴雨前后及进程中PWV的时序变化，结果如图2所示。GNSS PWV与实际降雨量呈现出较为显著的相关性，两者变化趋势较为一致，降水事件主要发生在PWV峰值附近；尤其在出现暴雨事件时，PWV值的变化量较大，其在暴雨前会明显抬升，在暴雨进程中PWV值的变化幅度较小，但是PWV仍维持在较高的峰值，而暴雨过后造成水汽含量的极大释放，则PWV出现急剧下降，最后抵达低谷。
III.PWV空间特性分析
图3呈现了2017年6月30日至7月2日桂林地区GNSS PWV的空间变化分布，图4为同期ERA5 PWV的空间变化分布情况对比。
结果表明，GNSS PWV时空演变过程与实际降雨变化过程具有良好的对应关系，能有效地揭示桂林多个地区PWV和实际降水的显著变化。此外，桂林属亚热带季风气候，由于陆海热力性质的差异，夏季暖湿空气盛行风以西南、东南为主，降水由东南向西北递减，PWV的增加也主要从桂林南部开始。桂林西北部的PWV由于靠近内陆，加上西北部高山阻挡，比桂林东南部的PWV整体小约5mm。
GNSS PWV和ERA5 PWV的空间变化分布基本一致，表明ERA5 PWV也能较好地揭示桂林强降雨事件期间的水汽变化，在未来工作中可将其与GNSS PWV融合，获得更高时空分辨率的水汽信息，用于分析极端天气下更为精细的水汽演变过程，为极端天气监测与预警提供重要参考。
图 3 2017年6月30日至7月2日桂林地区GNSS PWV每6小时的空间变化分布
图 4 2017年6月30日至7月2日桂林地区ERA5 PWV每6小时的空间变化分布
作者简介
刘立龙 教授
团队带头人桂林理工大学
刘立龙，博士，教授，博士生导师，桂林理工大学测绘地理信息学院院长。全国测绘教育委员会委员、全国卫星导航应用协会教育委员会委员、广西测绘学会副理事长、常务理事、教育工作委员会主任，长期从事卫星导航定位技术及应用研究。在《Journal of Geodesy》、《GPS Solutions》、《地球物理学报》、《测绘学报》等期刊上发表学术论文110余篇，出版专著3部，申请发明专利6项（授权2项），获全国测绘科技进步奖二等奖等省部级奖励多项。
谢劭峰 教授
本文通讯作者桂林理工大学
谢劭峰，教授，硕士生导师，长期从事GNSS大气探测与对流层建模研究。在《ISPRS International Journal of Geo-Information》、《Earth and Space Science》、《测绘学报》、《武汉大学学报.信息科学版》等期刊发表学术论文40余篇，出版学术专著1部，授权发明专利2项，获全国测绘科技进步奖二等奖等省部级奖励多项。
撰稿：本文作者
编辑：星航
审校：黄良珂 副教授
关于我们
《卫星导航（英文）》（Satellite Navigation）创办于2020年，是中国科学院空天信息创新研究院主办的英文学术期刊，主编是杨元喜院士，主要报道卫星导航相关的最新高水平科研成果与综述文章及通讯，在 Springer Nature开放获取（open access）出版。可免费获取全文，欢迎关注和投稿。
Website：http://satellite-navigation.springeropen.com/E-mail：editorial_office@sana.org.cn/ satellite-navigation@aircas.ac.cnTel：86-10-58887063
期刊新媒体传播矩阵