王勇 于騰麗 劉曉 占偉

0 引言

近年來(lái),全球極端天氣氣候事件增加,京津冀地區(qū)暴雨天氣頻繁發(fā)生,造成嚴(yán)重的經(jīng)濟(jì)損失和社會(huì)影響．厄爾尼諾事件是高于氣候噪聲水平的全球大氣和海洋相互耦合的信號(hào),厄爾尼諾事件發(fā)生時(shí),熱帶海洋溫度偏高,通過(guò)海洋和大氣相互作用會(huì)改變正常的大氣環(huán)流,從而導(dǎo)致全球氣候異常[1]．京津冀地區(qū)位于東亞季風(fēng)區(qū),東亞夏季風(fēng)和冬季風(fēng)的異常直接導(dǎo)致該地區(qū)的氣候異常,厄爾尼諾事件通過(guò)大氣環(huán)流以“遙相關(guān)”的形式影響東亞季風(fēng)系統(tǒng)[2]．由于中部型厄爾尼諾事件和東部型厄爾尼諾事件的不同海溫異常分布型所產(chǎn)生的大氣響應(yīng)不同,它們對(duì)氣候的影響也有很大差異[3]．國(guó)內(nèi)外學(xué)者針對(duì)兩種分布型厄爾尼諾對(duì)降水量的影響做了大量研究[4-7],不同分布型厄爾尼諾對(duì)中國(guó)的部分地區(qū)降水存在相反影響．水汽(可降水量,PWV)是地球大氣的重要組成成分,是引發(fā)暴雨災(zāi)害的關(guān)鍵要素之一,在大氣能量傳輸和天氣系統(tǒng)演變中起著重要作用[8]．厄爾尼諾事件是引起東亞季風(fēng)水汽輸送異常和旱澇發(fā)生的關(guān)鍵要素[9]．水汽作為形成災(zāi)害性天氣的重要因子,對(duì)厄爾尼諾事件存在一定響應(yīng)．來(lái)自西太平洋地區(qū)的水汽輸送是厄爾尼諾事件影響京津冀地區(qū)降水等氣象因素的重要紐帶．地基GNSS水汽反演方法因其高精度、高時(shí)間分辨率、全天候觀測(cè)等特點(diǎn),目前廣泛應(yīng)用于氣象領(lǐng)域．多位學(xué)者依據(jù)全球GNSS、探空觀測(cè)資料,采用多元回歸分析、經(jīng)驗(yàn)正交函數(shù)等方法,開(kāi)展了厄爾尼諾事件中水汽序列的各種振蕩特征分析、GNSS水汽對(duì)ENSO的響應(yīng)研究,表明GNSS水汽可用于指示ENSO時(shí)間的演變,探索了GNSS水汽作為干旱和洪水發(fā)生的預(yù)測(cè)指標(biāo)的可行性[10-13]．

京津冀地區(qū)協(xié)同發(fā)展是重大國(guó)家戰(zhàn)略,該地區(qū)水資源嚴(yán)重短缺,水汽是與氣候監(jiān)測(cè)和全球水文循環(huán)有關(guān)的關(guān)鍵因素之一,有必要開(kāi)展該地區(qū)水汽時(shí)序分析及對(duì)厄爾尼諾事件的響應(yīng)研究．中國(guó)大陸構(gòu)造環(huán)境監(jiān)測(cè)網(wǎng)絡(luò)(Crustal Movement Observation Network of China,CMONOC)包含京津冀地區(qū)GNSS站點(diǎn)16個(gè),積累了10余年的歷史觀測(cè)數(shù)據(jù),利用GNSS數(shù)據(jù)開(kāi)展水汽時(shí)序分析及厄爾尼諾事件響應(yīng),有助于拓展CMONOC網(wǎng)絡(luò)的氣象應(yīng)用．本文將依托CMONOC京津冀地區(qū)GNSS觀測(cè)資料,開(kāi)展GNSS ZTD (Zenith Tropospheric Delay)時(shí)序分析及對(duì)厄爾尼諾事件的響應(yīng)研究．利用快速傅里葉變換與小波變換方法從頻域和時(shí)域開(kāi)展GNSS ZTD時(shí)序分析,開(kāi)展GNSS ZTD不同周期時(shí)序與東部型指數(shù)(IEP)、中部型指數(shù)(ICP)比較,分析IEP,ICP對(duì)GNSS ZTD周期變化的影響．為掌握區(qū)域GNSS ZTD(水汽)預(yù)測(cè)變化規(guī)律提供參考,并為旱澇災(zāi)害等極端天氣監(jiān)測(cè)提供理論支撐．

1 研究數(shù)據(jù)與研究方法

1.1 研究數(shù)據(jù)

本文研究數(shù)據(jù)包括GNSS ZTD和厄爾尼諾事件指數(shù)(Nio3.4區(qū)海溫距平指數(shù)、東部型指數(shù)及中部型指數(shù))．

1)GNSS ZTD數(shù)據(jù)

GNSS水汽數(shù)據(jù)由GNSS對(duì)流層延遲數(shù)據(jù)(ZTD)反演而來(lái)．為了避免由于同期的氣壓和溫度數(shù)據(jù)的缺失導(dǎo)致GNSS水汽數(shù)據(jù)不完整,鑒于水汽與GNSS ZTD存在較高的相關(guān)性[14],本文利用ZTD代替水汽開(kāi)展相應(yīng)的研究．GNSS ZTD數(shù)據(jù)來(lái)源于中國(guó)大陸構(gòu)造環(huán)境監(jiān)測(cè)網(wǎng)絡(luò)(CMONOC),包括站點(diǎn)名稱(chēng)、站點(diǎn)坐標(biāo)、數(shù)據(jù)時(shí)間、ZTD(單位:mm)等信息．ZTD數(shù)據(jù)采樣率為1 h．京津冀地區(qū)包含16個(gè)CMONOC站點(diǎn),站點(diǎn)分布如圖1所示．由于中國(guó)地殼運(yùn)動(dòng)監(jiān)測(cè)網(wǎng)絡(luò)和陸態(tài)網(wǎng)絡(luò)建設(shè)時(shí)間不同,GNSS站點(diǎn)積累的觀測(cè)資料長(zhǎng)度不一,其中BJFS、BJSH、JIXN 3個(gè)站點(diǎn)的ZTD序列時(shí)間為2008-01-01—2020-06-30,其余站點(diǎn)ZTD序列時(shí)間為2010-12-25—2020-06-30．

圖1 京津冀地區(qū)CMONOC站點(diǎn)分布

2)厄爾尼諾事件指數(shù)

(1)

α取值如下:當(dāng)I×I>0時(shí),α=0.4;當(dāng)I×I≤0時(shí),α=0．

圖2 熱帶太平洋區(qū)域海溫異常監(jiān)測(cè)關(guān)鍵區(qū)分布

判定厄爾尼諾事件類(lèi)型標(biāo)準(zhǔn)如下:事件過(guò)程中IEP≥0.5 ℃且持續(xù)至少3個(gè)月的類(lèi)型判定為東部型厄爾尼諾;事件過(guò)程中ICP≥0.5 ℃且持續(xù)至少3個(gè)月的類(lèi)型判定為中部型厄爾尼諾．若一次事件中同時(shí)包含上述兩種情況,存在兩種類(lèi)型間的轉(zhuǎn)換,則將事件峰值所在類(lèi)型定義為事件主體類(lèi)型,另一種為非主體類(lèi)型,整個(gè)事件的類(lèi)型以事件主體類(lèi)型為準(zhǔn)．Nio3.4指數(shù)可由中國(guó)氣象局國(guó)家氣候中心網(wǎng)站下載(https:∥cmdp.ncc-cma.net/pred/cn_enso.php?product=cn_enso_nino_indices).Nio3.4指數(shù)為每月一個(gè)觀測(cè)數(shù)值,時(shí)間序列數(shù)據(jù)時(shí)間與GNSS測(cè)站時(shí)間一致．Nio3.4指數(shù)3個(gè)月滑動(dòng)平均值、IEP、ICP時(shí)間序列如圖3所示．

圖3 Nio3.4指數(shù)、IEP、ICP時(shí)間序列

由圖3可知,2008-01—2020-06共發(fā)生了4次厄爾尼諾事件,包括1次東部型事件與3次中部型事件．由于大部分GNSS測(cè)站從2010年開(kāi)始運(yùn)行,只有少數(shù)站點(diǎn)具有2008—2009年的數(shù)據(jù),故難以對(duì)2009-06—2010-04發(fā)生的厄爾尼諾事件進(jìn)行分析．本文將對(duì)2014-10—2016-04發(fā)生的東部型厄爾尼諾、2018-09—2019-06發(fā)生的中部型厄爾尼諾和2019-11—2020-03發(fā)生的中部型厄爾尼諾事件開(kāi)展相關(guān)研究．

1.2 研究方法

1)快速傅里葉變換(FFT)

快速傅里葉變換(FFT)是一種常用信號(hào)分析方法,是離散傅里葉變換的一種快速算法[16]．FFT能將信號(hào)在時(shí)域上無(wú)法體現(xiàn)的周期特征從頻域上體現(xiàn)出來(lái),尤其是其周期性．本文利用加漢寧窗的FFT方法提取GNSS ZTD的周期信號(hào),獲得GNSS ZTD周期變化的規(guī)律,進(jìn)而分析厄爾尼諾事件對(duì)GNSS ZTD周期變化的影響．

2)小波變換(WT)

小波變換(WT)是一種信號(hào)的時(shí)頻分析方法,通過(guò)伸縮平移運(yùn)算對(duì)信號(hào)(函數(shù))逐步進(jìn)行多尺度細(xì)化,可聚焦到信號(hào)的任意細(xì)節(jié)．小波分層會(huì)分解出低頻項(xiàng)和高頻項(xiàng),其中低頻部分主要包含一些確定性因素,反映數(shù)據(jù)的宏觀演變趨勢(shì),高頻部分主要包括周期、噪聲干擾、異常突變和隨機(jī)波動(dòng)等．通過(guò)時(shí)間序列長(zhǎng)度來(lái)判斷應(yīng)分層數(shù),分層合格的標(biāo)準(zhǔn)為低頻信號(hào)曲線呈趨勢(shì)單一的曲線．將信號(hào)進(jìn)行小波分層后,可獲得每層對(duì)應(yīng)周期的變化情況．小波函數(shù)DbN系列小波隨著階次增加,消失矩階數(shù)增加,頻帶劃分的效果更好．本文選擇緊支撐標(biāo)準(zhǔn)正交小波DbN小波系[17],將GNSS ZTD數(shù)據(jù)分為18層,其中D1～D18層為高頻項(xiàng),A18層為低頻項(xiàng),D11、D12、D13分別對(duì)應(yīng)了季節(jié)、半年和年的周期變化．

2 GNSS ZTD時(shí)序分析

首先利用FFT方法從頻域上分析GNSS ZTD的顯著變化周期,再利用小波變換的方法分析各顯著周期的具體變化,探究GNSS ZTD時(shí)序特征變化與厄爾尼諾事件的對(duì)應(yīng)關(guān)系．

2.1 GNSS ZTD頻域分析

利用FFT方法分析各站點(diǎn)GNSS ZTD的顯著變化周期,由于篇幅限制,以北京十三陵(BJSH)、天津薊縣(JIXN)2個(gè)站點(diǎn)為例,繪制GNSS ZTD顯著變化周期曲線,結(jié)果如圖4所示．

圖4 GNSS ZTD頻域周期

由圖4 FFT頻域分析可知,GNSS ZTD存在顯著的1年、1/2年、1/3年、1/4年等變化周期．對(duì)于各顯著變化周期的各周期間的變化情況,從頻域無(wú)法體現(xiàn),故利用小波變換方法對(duì)GNSS ZTD時(shí)間序列開(kāi)展時(shí)域分析．

2.2 GNSS ZTD時(shí)域分析

為了探究GNSS ZTD各顯著周期的具體變化情況,利用小波變換的方法提取GNSS ZTD的年周期、半年周期及季節(jié)性變化周期對(duì)應(yīng)的高頻項(xiàng)．根據(jù)GNSS ZTD時(shí)間序列的小時(shí)采樣率,獲得GNSS ZTD年變化、半年變化和季節(jié)變化周期分別對(duì)應(yīng)了小波變換的D13、D12、D11層高頻項(xiàng)．圖5和圖6分別為BJSH、JIXN站點(diǎn)年變化、半年變化、季節(jié)變化高頻項(xiàng)與IEP、ICP的比較．

由圖5、圖6可知,GNSS站點(diǎn)的季節(jié)性周期、半年周期、年周期變化與不同時(shí)段發(fā)生的厄爾尼諾事件存在對(duì)應(yīng)關(guān)系．對(duì)于BJSH站點(diǎn):季節(jié)性周期變化顯示出GNSS ZTD在2018年的夏季出現(xiàn)異常峰值,這與2018-09—2019-06發(fā)生的厄爾尼諾事件存在對(duì)應(yīng)關(guān)系;半年周期變化情況顯示GNSS ZTD 在2009年與2016年的夏季出現(xiàn)異常峰值,與2009-06—2010-04和2014-10—2016-04發(fā)生的兩次厄爾尼諾事件存在對(duì)應(yīng)關(guān)系;年周期變化情況顯示GNSS ZTD在2019年夏季出現(xiàn)異常峰值,這與2018-09—2019-06發(fā)生的厄爾尼諾事件存在對(duì)應(yīng)關(guān)系．JIXN站點(diǎn)的GNSS ZTD序列各顯著周期峰值的出現(xiàn)時(shí)間與厄爾尼諾事件發(fā)生時(shí)間對(duì)應(yīng)情況,與BJSH站點(diǎn)對(duì)應(yīng)情況基本相同．綜合各站點(diǎn)GNSS ZTD時(shí)序分析結(jié)果得出結(jié)論:GNSS ZTD異常波動(dòng)出現(xiàn)的時(shí)間與厄爾尼諾事件存在對(duì)應(yīng)關(guān)系．

3 厄爾尼諾指數(shù)與GNSS ZTD相關(guān)性分析

將京津冀地區(qū)CMONOC 16個(gè)站點(diǎn)的GNSS ZTD時(shí)間序列與同期的厄爾尼諾指數(shù)(IEP、ICP)開(kāi)展相關(guān)性分析．由于篇幅限制,綜合站點(diǎn)分布情況以及數(shù)據(jù)完整性考慮,以BJSH和JIXN站點(diǎn)為例,繪制了厄爾尼諾指數(shù)(IEP、ICP)與GNSS ZTD時(shí)間序列的對(duì)比,如圖7所示．

由圖7可知,GNSS ZTD與厄爾尼諾指數(shù)(IEP、ICP)存在較為明顯的周期差異．由圖4可知GNSS ZTD存在明顯的年、半年、季節(jié)性變化周期,除此之外,在(0,12)頻率區(qū)間內(nèi)它還存在諸多其他變化周期,而IEP、ICP指數(shù)的周期從圖7中難以獲得．利用FFT方法提取IEP、ICP指數(shù)的顯著變化周期,圖8為IEP、ICP指數(shù)在(0,4)頻率區(qū)間的顯著周期．

圖5 GNSS ZTD高頻項(xiàng)時(shí)序與IEP、ICP的比較(BJSH)

圖6 GNSS ZTD高頻項(xiàng)時(shí)序與IEP、ICP的比較(JIXN)

圖7 GNSS ZTD與厄爾尼諾指數(shù)(IEP、ICP)比較

由圖8可知,IEP、ICP指數(shù)的顯著變化周期存在于(0,1)頻率區(qū)間內(nèi),但在圖中無(wú)法精確判斷．提取IEP、ICP的所有變化周期及其對(duì)應(yīng)峰值,并基于峰值的大小篩選出了最為顯著的4個(gè)變化周期,如表1所示．

圖8 IEP、ICP指數(shù)頻域周期

表1 各厄爾尼諾指數(shù)顯著變化周期

Table 1 Significant change period of El Nio index

表1 各厄爾尼諾指數(shù)顯著變化周期

指數(shù)類(lèi)型周期/年顯著周期1顯著周期2顯著周期3顯著周期4ICP5.991.222.851.58 IEP3.336.651.521.17

表1為各厄爾尼諾指數(shù)在(0,1)頻率區(qū)間內(nèi)最顯著的4個(gè)變化周期．綜合以上分析結(jié)果,為了合理探究GNSS ZTD與厄爾尼諾事件的相關(guān)性,利用小波變換的方法對(duì)GNSS ZTD進(jìn)行分層,篩選出各指數(shù)顯著周期所對(duì)應(yīng)的高頻項(xiàng)進(jìn)行重構(gòu),利用重構(gòu)后的GNSS ZTD與各指數(shù)進(jìn)行相關(guān)性分析．各指數(shù)的4個(gè)顯著變化周期分別對(duì)應(yīng)周期小波變換中D16、D15、D14、D13層對(duì)應(yīng)周期范圍．利用小波變換分析GNSS ZTD,提取其D13～D16層高頻項(xiàng)并進(jìn)行重構(gòu),截選出東部型與中部型兩類(lèi)不同分布型厄爾尼諾發(fā)生時(shí)段的GNSS ZTD,分別與IEP和ICP進(jìn)行相關(guān)性分析,探究不同分布類(lèi)型厄爾尼諾對(duì)GNSS ZTD的影響．BJSH和JIXN站點(diǎn)的相關(guān)性分析結(jié)果如圖9所示,其余各站點(diǎn)相關(guān)性分析結(jié)果如表2所示．

由圖9和表2可知：東部型指數(shù)(IEP)與GNSS ZTD呈正相關(guān),即東部型厄爾尼諾發(fā)生期間,隨著IEP增大,GNSS ZTD也隨之升高;中部型指數(shù)(ICP)與GNSS ZTD呈負(fù)相關(guān),且2019-11—2020-03時(shí)段相關(guān)性優(yōu)于2018-09—2019-06時(shí)段的相關(guān)性,即中部型厄爾尼諾發(fā)生期間,GNSS ZTD相比于正常氣候會(huì)減少,且短時(shí)段內(nèi)相關(guān)性優(yōu)于長(zhǎng)時(shí)段．推測(cè)其原因?yàn)?東部型厄爾尼諾年太平洋副熱帶高壓偏強(qiáng),水汽輸送條件較強(qiáng),有利于將來(lái)自太平洋蒸發(fā)的大量水汽持續(xù)輸送至中國(guó)[18]．

圖9 重構(gòu)的GNSS ZTD與厄爾尼諾指數(shù)(IEP、ICP)比較

表2 GNSS ZTD與厄爾尼諾指數(shù)(IEP、ICP)的相關(guān)性

Table 2 Correlation between GNSS ZTD and El Nio Index (IEP,ICP)

表2 GNSS ZTD與厄爾尼諾指數(shù)(IEP、ICP)的相關(guān)性

注:IEP對(duì)應(yīng)時(shí)間為2014-10—2016-04,ICP1對(duì)應(yīng)時(shí)間為2018-09—2019-06,ICP2對(duì)應(yīng)時(shí)間為2019-11—2020-03．

站點(diǎn)GNSS ZTD/IEPGNSS ZTD/ICP1GNSS ZTD/ICP2站點(diǎn)GNSS ZTD/IEPGNSS ZTD/ICP1GNSS ZTD/ICP2 BJFS0.665-0.511-0.536HECC0.344-0.310-0.882 BJGB0.199-0.278-0.931HECD0.314-0.314-0.926 BJSH0.614-0.413-0.470HECX0.327-0.276-0.913 BJYQ0.608-0.450-0.243HELQ0.030-0.307-0.889 JIXN0.587-0.506-0.426HELY0.397-0.501-0.791 TJBD0.229-0.271-0.912HETS0.423-0.448-0.844 TJBH0.384-0.405-0.838HEYY0.261-0.273-0.923 TJWQ0.094-0.328-0.902HEZJ0.470-0.429-0.831

4 厄爾尼諾對(duì)GNSS ZTD變化周期的影響

由上文分析可知,GNSS ZTD存在顯著的年周期、半年周期、季節(jié)性周期等．現(xiàn)利用加漢寧窗的快速傅里葉變換對(duì)正常氣候和兩類(lèi)分布型厄爾尼諾事件下GNSS ZTD數(shù)據(jù)進(jìn)行對(duì)比分析,探究GNSS ZTD在正常氣候和兩類(lèi)分布型厄爾尼諾事件下這些顯著周期的差異．由于圖4僅顯示了GNSS ZTD(0,12)頻率區(qū)間內(nèi)的顯著周期,且顯著的年周期、半年周期對(duì)其他周期的分析造成了干擾,故重新調(diào)整X軸和Y軸的取值范圍,排除了年周期的干擾,截選了(0,30)頻率區(qū)間分析GNSS ZTD其他顯著變化周期,其中BJSH、JIXN站點(diǎn)的分析結(jié)果如圖10所示．

圖10 基于FFT的GNSS ZTD頻域分析結(jié)果

由圖10可知,GNSS ZTD存在1年周期、1/2年周期、1/3年周期和1/4年周期,頻率區(qū)間(1/12,1/15)內(nèi)的1個(gè)月左右周期以及頻率區(qū)間(1/22,1/24)內(nèi)的半月左右周期．由于利用FFT分析年變化周期至少需要2年的時(shí)間長(zhǎng)度,而厄爾尼諾事件持續(xù)的最長(zhǎng)時(shí)間長(zhǎng)度為19個(gè)月,限制了對(duì)年周期、半年周期變化的分析．故本文將基于FFT對(duì)厄爾尼諾事件與正常氣候下GNSS ZTD的季節(jié)性周期、1個(gè)月周期以及半個(gè)月周期的變化進(jìn)行對(duì)比分析,探究不同分布型厄爾尼諾事件對(duì)GNSS ZTD顯著變化周期的影響．

4.1 東部型厄爾尼諾事件對(duì)GNSS ZTD周期變化的影響

為研究東部厄爾尼諾事件對(duì)GNSS ZTD周期變化影響，選取兩個(gè)正常氣候時(shí)段與一個(gè)厄爾尼諾事件時(shí)段(2014-10—2016-04)進(jìn)行對(duì)比分析.此次厄爾尼諾事件持續(xù)時(shí)間較長(zhǎng)，歷時(shí)19個(gè)月，在所研究時(shí)間序列范圍中只有一段正常氣候的時(shí)間序列與之恰好對(duì)應(yīng)，即2014-10—2016-04.為了確保分析結(jié)果的準(zhǔn)確性，從該東部型厄爾尼諾事件時(shí)間序列中截取了12個(gè)月的時(shí)間長(zhǎng)度：2015-05—2016-04，與正常氣候時(shí)段2016-05—2017-04進(jìn)行了對(duì)比分析.利用FFT的方法分析3個(gè)時(shí)間段內(nèi)GNSS ZTD的變化周期，由于是對(duì)季節(jié)變化周期、月周期與半月周期進(jìn)行分析，頻率單位選用cpm.截選(0.1，3)頻率區(qū)間即周期范圍為大于1/3個(gè)月小于10個(gè)月，對(duì)GNSS ZTD的季節(jié)性周期、月周期和半月周期進(jìn)行對(duì)比，獲得GNSS ZTD在有無(wú)東部型厄爾尼諾事件這兩種情況下周期的變化差異.判斷季節(jié)性周期、月周期和半月周期的標(biāo)準(zhǔn)為：選取最接近1/3、1、2這3個(gè)頻率的最高峰值所對(duì)應(yīng)的周期.BJSH和JIXN站點(diǎn)分析結(jié)果如圖11所示.

由圖11可看出，東部型厄爾尼諾事件下的GNSS ZTD變化周期與正常氣候下的GNSS ZTD變化周期存在明顯差異.由于從圖中無(wú)法判斷變化周期的精確值，提取兩種氣候類(lèi)型下的GNSS ZTD的頻率與周期.兩種氣候下各站點(diǎn)GNSS ZTD季節(jié)性變化周期對(duì)比結(jié)果如表3所示，其中正常氣候1指2012-10—2014-04正常氣候時(shí)段；厄爾尼諾1指2014-10—2016-04厄爾尼諾事件發(fā)生時(shí)段；正常氣候2指2016-05—2017-04正常氣候時(shí)段；厄爾尼諾2指2015-05—2016-04厄爾尼諾事件發(fā)生時(shí)段.

圖11 東部型厄爾尼諾事件對(duì)GNSS ZTD變化周期的影響

表3給出了各站點(diǎn)在東部型厄爾尼諾事件下的GNSS ZTD季節(jié)周期相比于正常氣候的變化情況．由于篇幅限制,將東部型厄爾尼諾事件下與正常氣候下GNSS ZTD的月周期和半月周期的比較結(jié)果以站點(diǎn)分布的形式體現(xiàn),如圖12所示．

表3 東部型厄爾尼諾事件對(duì)GNSS ZTD季節(jié)變化周期的影響(單位:月)

Table 3 Influence of EP-El Nio events on seasonal variation cycles of GNSS ZTD (unit:month)

表3 東部型厄爾尼諾事件對(duì)GNSS ZTD季節(jié)變化周期的影響(單位:月)

站點(diǎn)變化1變化2正常氣候1厄爾尼諾1變化情況正常氣候2厄爾尼諾2變化情況 BJFS2.0772.456↑2.6483.632↑ BJGB2.0752.511↑2.6573.641↑ BJSH2.0452.468↑2.6433.587↑ BJYQ2.0632.498↑2.6243.596↑ JIXN2.1742.456↑2.6433.605↑ TJBD2.1742.439↑2.6583.578↑ TJBH2.1832.427↑2.6723.535↑ TJWQ2.1172.477↑2.6582.485↓ HECC2.0142.515↑2.6103.623↑ HECD2.1322.477↑2.5913.659↑ HECX1.8482.411↑2.6533.526↑ HELQ2.4602.489↑2.8332.966↑ HELY2.4352.407↓2.6533.501↑ HETS2.2102.439↑2.8840.369↑ HEYY2.0832.582↑2.5023.509↑ HEZJ2.4152.507↑2.8952.111↓

由表3、圖12可知,京津冀地區(qū)GNSS ZTD在東部型厄爾尼諾事件的影響下,季節(jié)性變化周期增大,月周期和半月周期都減小(個(gè)別站點(diǎn)由于部分?jǐn)?shù)據(jù)缺失導(dǎo)致分析結(jié)果異常)．

4.2 中部型厄爾尼諾事件對(duì)GNSS ZTD周期變化的影響

以中部型厄爾尼諾事件(2018-09—2019-06)開(kāi)展其對(duì)GNSS ZTD的周期變化影響分析.為研究中部型厄爾尼諾事件對(duì)GNSS ZTD周期變化影響，選取兩個(gè)正常氣候時(shí)段(2012-09—2013-06和2016-09—2017-06)與厄爾尼諾事件時(shí)段進(jìn)行比較，分析季節(jié)周期、月周期、半月周期的變化.利用FFT法提取GNSS ZTD變化周期，獲得GNSS ZTD在有無(wú)中部型厄爾尼諾事件這兩種情況下周期的變化差異，如圖13所示.

由圖13可知,中部型厄爾尼諾事件下的GNSS ZTD變化周期與正常氣候下的GNSS ZTD變化周期存在明顯差異．由于從圖中無(wú)法判斷變化周期的精確值,提取兩種氣候類(lèi)型下的GNSS ZTD的頻率與周期．由于篇幅限制將中部型厄爾尼諾事件下與正常氣候下GNSS ZTD的季節(jié)性周期、月周期和半月周期的對(duì)比結(jié)果以站點(diǎn)分布的形式體現(xiàn),結(jié)果如圖14所示．

由圖14可知,京津冀地區(qū)GNSS ZTD在中部型厄爾尼諾事件的影響下季節(jié)周期、月周期和半月周期相比于正常氣候都減?。?/p>

5 結(jié)論

本文利用FFT與小波變換方法開(kāi)展了京津冀地區(qū)GNSS ZTD時(shí)序分析,及其對(duì)兩類(lèi)分布型厄爾尼諾事件的響應(yīng)研究．獲得結(jié)論如下:

1)由GNSS ZTD頻域和時(shí)域分析結(jié)果可知,GNSS ZTD異常時(shí)段與厄爾尼諾事件存在對(duì)應(yīng)關(guān)系．

2)東部型指數(shù)(IEP)與GNSS ZTD呈正相關(guān);中部型指數(shù)(ICP)與GNSS ZTD呈顯著負(fù)相關(guān)．

3)在東部型厄爾尼諾事件的影響下,GNSS ZTD的季節(jié)性周期增大,月周期和半月周期減小;在中部型厄爾尼諾事件的影響下,GNSS ZTD的季節(jié)性周期、月周期、半月周期都減小．

圖12 東部型厄爾尼諾事件對(duì)GNSS ZTD月、半月變化周期的影響

圖13 中部型厄爾尼諾事件對(duì)GNSS ZTD變化周期的影響

圖14 中部型厄爾尼諾事件對(duì)GNSS ZTD季節(jié)、月和半月變化周期的影響