李瑞輝，袁運(yùn)斌，張紅星

ERA5應(yīng)用于區(qū)域?qū)α鲗友芯康倪m用性分析

李瑞輝1,2，袁運(yùn)斌1，張紅星1

（1. 中國(guó)科學(xué)院精密測(cè)量科學(xué)與技術(shù)創(chuàng)新研究院，武漢 430077；2. 中國(guó)科學(xué)院大學(xué)地球與行星科學(xué)學(xué)院，北京 100049）

針對(duì)歐洲中期天氣預(yù)報(bào)中心（ECMWF）第五代全球氣候再分析資料數(shù)據(jù)集（ERA5），應(yīng)用到區(qū)域?qū)α鲗友芯康倪m用性有待進(jìn)一步驗(yàn)證的問(wèn)題，采用基于氣象要素的檢核方案，利用地面實(shí)測(cè)氣象/全球衛(wèi)星導(dǎo)航系統(tǒng)（GNSS）數(shù)據(jù)與同期ERA5資料，實(shí)驗(yàn)分析了利用ERA5計(jì)算氣象要素、天頂對(duì)流層延遲（ZTD）的精度，并比較了不同插值方法對(duì)結(jié)果的影響。結(jié)果表明：從ERA5提取的氣象要素及ZTD具有較高精度，氣壓、氣溫、相對(duì)濕度與ZTD的均方根誤差分別小于0.922 hPa、1.803 K、10.346%、18.500 mm，氣象要素提取值可代替實(shí)測(cè)值用于該區(qū)域?qū)α鲗友芯?；氣壓與氣溫誤差表現(xiàn)出較為明顯的季節(jié)特征；不同插值方案下的氣象要素提取結(jié)果精度相當(dāng)。

全球衛(wèi)星導(dǎo)航系統(tǒng)；對(duì)流層延遲；大氣再分析資料；氣象要素；適用性分析

0 引言

全球衛(wèi)星導(dǎo)航系統(tǒng)（global navigation satellite system, GNSS）對(duì)流層，泛指影響衛(wèi)星信號(hào)傳播過(guò)程且未被電離的中性大氣空間。電磁波信號(hào)經(jīng)過(guò)對(duì)流層時(shí)，傳播速度和路徑會(huì)發(fā)生改變，由此產(chǎn)生的信號(hào)延遲稱(chēng)為對(duì)流層延遲[1]。對(duì)流層延遲根據(jù)其性質(zhì)，常分為流體靜力學(xué)延遲和濕延遲兩部分。對(duì)流層延遲是制約GNSS定位、導(dǎo)航、授時(shí)（positioning, navigation, timing, PNT）等服務(wù)性能的重要因素，必須加以改正；同時(shí)因濕延遲中包含豐富水汽信息，所以它也是氣象研究的良好數(shù)據(jù)源，可用于水汽監(jiān)測(cè)[2]、數(shù)值天氣預(yù)報(bào)[3]等研究。無(wú)論是對(duì)流層延遲改正還是基于濕延遲的氣象研究，二者很大程度上都依賴(lài)于站點(diǎn)附近的實(shí)測(cè)氣象要素。由于很多地面GNSS觀(guān)測(cè)站未裝配氣象傳感器，GNSS對(duì)流層研究常面臨缺少實(shí)測(cè)氣象要素的現(xiàn)實(shí)問(wèn)題。對(duì)此，研究人員提出了基于大氣再分析資料的替代方案[4]。目前，已有不少學(xué)者利用大氣再分析資料，進(jìn)行了對(duì)流層延遲建模[5-10]、大氣加權(quán)平均溫度模型本地化[11]、地基GNSS水汽探測(cè)[12-13]等多種與對(duì)流層相關(guān)的研究與應(yīng)用。

歐洲中期天氣預(yù)報(bào)中心（European Centre for Medium-Range Weather Forecasts, ECMWF）發(fā)布的第五代全球氣候再分析資料數(shù)據(jù)集（the fifth major global reanalysis，ERA5），是該中心最新一代大氣再分析資料，它以全球網(wǎng)格形式發(fā)布，常規(guī)網(wǎng)格分辨率為0.25°×0.25°，相比上一代產(chǎn)品，時(shí)間分辨率從6 h提高到1 h。研究表明，ERA5的精度相比上一代產(chǎn)品有明顯提升[14]，時(shí)間分辨率的提高，使對(duì)流層日內(nèi)變化研究成為可能。目前已有將ERA5用于區(qū)域?qū)α鲗迎h(huán)境監(jiān)測(cè)的研究，如文獻(xiàn)[15]選取中國(guó)區(qū)域國(guó)際GNSS服務(wù)（International GNSS Service，IGS）站點(diǎn)的天頂對(duì)流層延遲（zenith tropospheric delay，ZTD）時(shí)序產(chǎn)品，評(píng)估了利用ERA5資料計(jì)算的站點(diǎn)處ZTD精度，結(jié)果顯示其平均偏差（Bias）為11.95 mm，均方根誤差（root mean square error, RMSE）為20.06 mm；文獻(xiàn)[16]利用ERA5資料，建立了更高時(shí)空分辨率的中國(guó)區(qū)域?qū)α鲗友舆t和大氣加權(quán)平均溫度模型。上述研究以ZTD計(jì)算、大氣加權(quán)平均溫度模型構(gòu)建等實(shí)例，初步驗(yàn)證了ERA5的區(qū)域適用性。ERA5提供的氣象要素，是利用ERA5資料進(jìn)行對(duì)流層研究的基礎(chǔ)，因而有必要從氣象要素的角度進(jìn)一步驗(yàn)證ERA5的區(qū)域適用性。

本文以香港地區(qū)為例，從氣象要素及其插值過(guò)程的角度出發(fā)，利用地面實(shí)測(cè)數(shù)據(jù)檢核ERA5的區(qū)域適用性。選取香港衛(wèi)星定位參考站網(wǎng)（satellite positioning reference station network, SatRef）共計(jì)18個(gè)站點(diǎn)，利用2019年12月至2020年11月為期1 a的地面實(shí)測(cè)數(shù)據(jù)和ERA5數(shù)據(jù)開(kāi)展實(shí)驗(yàn)，分析ERA5在該區(qū)域的適用性，以期為ERA5用于區(qū)域?qū)α鲗友舆t計(jì)算、大氣加權(quán)平均溫度模型本地化構(gòu)建、地基GNSS水汽反演等與對(duì)流層相關(guān)的研究提供參考。

1 數(shù)據(jù)介紹與處理

為了驗(yàn)證ERA5代替實(shí)測(cè)氣象要素用于區(qū)域?qū)α鲗友芯康倪m用性，同時(shí)也為了評(píng)估不同內(nèi)插方案對(duì)氣象要素計(jì)算精度的影響，本文選取香港SatRef觀(guān)測(cè)網(wǎng)絡(luò)共計(jì)18個(gè)站點(diǎn)進(jìn)行實(shí)驗(yàn)，采用的數(shù)據(jù)有ERA5、實(shí)測(cè)地面氣象/GNSS數(shù)據(jù)。詳細(xì)的數(shù)據(jù)介紹與處理方法如下。

1.1 大氣再分析資料ERA5

ERA5產(chǎn)品包含地面單層、高空氣壓分層等不同的數(shù)據(jù)子集，本文采用的是氣壓分層數(shù)據(jù)。相比于上一代產(chǎn)品，ERA5在時(shí)間分辨率上有較大提升。它以全球網(wǎng)格的形式發(fā)布數(shù)據(jù)，每個(gè)網(wǎng)格點(diǎn)上共分37個(gè)等壓層，頂層高度約為47 km，每一層上包含了位勢(shì)、氣溫、氣壓、相對(duì)濕度、比濕等各項(xiàng)氣象要素。采用的ERA5數(shù)據(jù)時(shí)間跨度為1 a，范圍是2019年12月至2020年11月，平面分辨率為0.125°×0.125°，時(shí)間分辨率1 h。所有ERA5數(shù)據(jù)通過(guò)編寫(xiě)的派森（Python）批量下載腳本從官方數(shù)據(jù)存檔庫(kù)獲取。本文采用的各類(lèi)數(shù)據(jù)的特征如表1所示。

1.2 地面氣象/GNSS數(shù)據(jù)

鑒于地面長(zhǎng)時(shí)間跨度的氣象臺(tái)站數(shù)據(jù)難以獲取的現(xiàn)實(shí)情況，本文使用的地面實(shí)測(cè)氣象數(shù)據(jù)來(lái)自于8個(gè)SatRef站點(diǎn)（均配備了專(zhuān)業(yè)氣象傳感器Paroscientific Met4A），以GNSS中常用的與接收機(jī)無(wú)關(guān)的交換格式（receiver independent exchange format, RINEX）存儲(chǔ)。氣象傳感器采集的地面氣象要素包括氣壓、氣溫、相對(duì)濕度，采樣間隔均為60 s，基于站點(diǎn)位置且為單層。氣壓測(cè)量的標(biāo)稱(chēng)準(zhǔn)確度為0.080 hPa，氣溫標(biāo)稱(chēng)準(zhǔn)確度為0.1℃，相對(duì)濕度標(biāo)稱(chēng)準(zhǔn)確度2%，傳感器的詳細(xì)參數(shù)可從相應(yīng)測(cè)站的日志文件查詢(xún)。此外，除了采用GNSS測(cè)站的氣象數(shù)據(jù)，也選取了觀(guān)測(cè)網(wǎng)絡(luò)中全部站點(diǎn)的GNSS觀(guān)測(cè)數(shù)據(jù)，用于ERA5計(jì)算天頂對(duì)流層延遲的精度驗(yàn)證。測(cè)站地理分布如圖1所示，圓形標(biāo)記的點(diǎn)表示無(wú)氣象數(shù)據(jù)的GNSS觀(guān)測(cè)站點(diǎn)，而星形標(biāo)記的點(diǎn)表示同時(shí)具備氣象數(shù)據(jù)和GNSS觀(guān)測(cè)數(shù)據(jù)（MET+GNSS）的站點(diǎn)。關(guān)于地面氣象/GNSS數(shù)據(jù)的詳細(xì)信息參見(jiàn)表1。

圖1 地面實(shí)測(cè)氣象/GNSS站點(diǎn)分布

1.3 處理方法與步驟

利用ERA5資料不僅可以提取地面測(cè)站處的氣溫、氣壓、相對(duì)濕度等氣象要素，也可通過(guò)積分法與薩斯塔莫寧（Saastamoinen）模型[17]相結(jié)合的方案，獲取天頂對(duì)流層延遲。由于地面氣象/GNSS測(cè)站通常不與網(wǎng)格點(diǎn)重合，故而在計(jì)算過(guò)程中需進(jìn)行垂向內(nèi)插/外推和水平方向內(nèi)插。

1）氣象要素提取。為了探究ERA5資料是否適用于本區(qū)域的對(duì)流層研究，首先提取地面測(cè)站位置處的氣壓、氣溫、相對(duì)濕度這三類(lèi)氣象要素。其計(jì)算原理和步驟如下。

ERA5數(shù)據(jù)采用位勢(shì)高，測(cè)站高程是大地高，二者差異不容忽略，而位勢(shì)高與正高相近，因此采用超高階地球重力場(chǎng)模型（Earth gravitational model 2008, EGM2008）將測(cè)站大地高轉(zhuǎn)化為正高。尋找測(cè)站周?chē)?個(gè)網(wǎng)格點(diǎn)，計(jì)算網(wǎng)格點(diǎn)在測(cè)站高度處的氣象要素。測(cè)站高度可能介于某兩個(gè)等壓層之間，也可能位于底層以下，因此在垂向上存在內(nèi)插和外推兩種不同的情形，需要區(qū)別對(duì)待。內(nèi)插時(shí)，各氣象要素均采用普通線(xiàn)性?xún)?nèi)插。外推時(shí)，采用以下方案：氣溫采用對(duì)流層平均溫度遞減率-6.5 K/km進(jìn)行外推；相對(duì)濕度與高程之間無(wú)明顯變化規(guī)律，采用底層相對(duì)濕度作為外推值；氣壓采用壓高公式進(jìn)行計(jì)算[18]。氣壓計(jì)算公式為

式中：site為測(cè)站高度處氣壓，單位為hPa；0為起算層氣壓，單位為hPa；0為起算層位勢(shì)高度，以位勢(shì)米（geopotential metre, gpm）的個(gè)數(shù)來(lái)表示，假如單位質(zhì)量空氣克服地球引力作9.806650 J的功，則向上移動(dòng)的高度為1個(gè)gpm；site為測(cè)站高度，單位為km；0為全球海平面重力加速度平均值，0= 9.806650 J/(kg·gpm)；dry為干空氣比氣體常數(shù)，dry= 287.050 J/(kg·K)；0為起算層氣溫，單位為K；v0為起算層的虛溫，單位為K；為比濕，單位為kg/kg；表示虛溫直減率，采用與對(duì)流層平均溫度遞減率相同的值，單位為K/km。

2）平面插值方案。為了分析水平方向插值策略對(duì)結(jié)果的影響，分別采用雙線(xiàn)性?xún)?nèi)插法（bilinear interpolation, BI）和反距離加權(quán)法（inverse distance weighted interpolation, IDW）計(jì)算了測(cè)站處的氣溫、氣壓、相對(duì)濕度。雙線(xiàn)性?xún)?nèi)插法的要義是分別在兩個(gè)方向各進(jìn)行一次線(xiàn)性插值，是常見(jiàn)的插值方法，此處不再詳述。反距離加權(quán)內(nèi)插法的函數(shù)模型為

式中：為測(cè)站周?chē)W(wǎng)格點(diǎn)總數(shù)；d為第個(gè)網(wǎng)格點(diǎn)與測(cè)站之間的距離；λ為相應(yīng)網(wǎng)格點(diǎn)的權(quán)重；為反距離定權(quán)的冪值，取值1.3；site和grid,i分別為測(cè)站處氣象要素與第個(gè)網(wǎng)格點(diǎn)處氣象要素。

3）天頂對(duì)流層延遲計(jì)算。為了進(jìn)一步評(píng)估ERA5資料用于對(duì)流層研究的適用性，本文以天頂對(duì)流層計(jì)算為例，利用ERA5數(shù)據(jù)計(jì)算了測(cè)站處的天頂對(duì)流層延遲并與GNSS數(shù)據(jù)估計(jì)值進(jìn)行比對(duì)。由于再分析資料ERA5頂層的高度約為47 km，并未覆蓋整個(gè)對(duì)流層空間，因而利用ERA5計(jì)算測(cè)站天頂對(duì)流層延遲ZTD常分兩部分進(jìn)行：①積分法計(jì)算測(cè)站高度處至氣壓分層數(shù)據(jù)頂層的天頂對(duì)流層延遲量，記為1；②Saastamoinen模型計(jì)算ERA5分層數(shù)據(jù)頂層以上的延遲量，記為2。最后把這兩部分之和作為測(cè)站處的天頂對(duì)流層延遲td。頂層以上大氣空間幾乎不存在水汽，默認(rèn)是流體靜力學(xué)延遲，Saastamoinen模型計(jì)算天頂對(duì)流層流體靜力學(xué)延遲的精度可達(dá)毫米級(jí)[19]。12和td的計(jì)算公式為

計(jì)算步驟與氣象要素的提取過(guò)程類(lèi)似，首先通過(guò)內(nèi)插或外推獲取周?chē)?個(gè)網(wǎng)格點(diǎn)在測(cè)站高度處的氣象要素；然后計(jì)算出該位置的大氣折射指數(shù)，以積分法和Saastamoinen模型計(jì)算天頂對(duì)流層延遲；最后通過(guò)雙線(xiàn)性?xún)?nèi)插法將4個(gè)網(wǎng)格點(diǎn)處天頂對(duì)流層延遲插值到測(cè)站位置。

為了驗(yàn)證ERA5資料獲取的ZTD精度，將計(jì)算結(jié)果與GNSS觀(guān)測(cè)數(shù)據(jù)獲取的天頂對(duì)流層延遲絕對(duì)估值進(jìn)行對(duì)比。從GNSS觀(guān)測(cè)數(shù)據(jù)中獲取天頂對(duì)流層延遲通常有兩種方式：①基于雙差觀(guān)測(cè)值的網(wǎng)解法；②基于非差觀(guān)測(cè)值的精密單點(diǎn)定位法（precise point positioning, PPP）。相比于前者，精密單點(diǎn)定位法無(wú)需引入遠(yuǎn)距離測(cè)站，具有單站作業(yè)優(yōu)勢(shì)。本文參考開(kāi)源軟件RTKLIB[20]編寫(xiě)PPP程序估計(jì)了研究區(qū)域內(nèi)所有站點(diǎn)2020年10月的天頂對(duì)流層延遲。采用的GNSS數(shù)據(jù)包括中國(guó)北斗衛(wèi)星導(dǎo)航系統(tǒng)（BeiDou navigation satellite system, BDS）數(shù)據(jù)及美國(guó)全球定位系統(tǒng)（global positioning system，GPS）數(shù)據(jù)，采用的映射函數(shù)為Niell映射函數(shù)（Niell mapping function, NMF）。具體的解算策略與參數(shù)設(shè)置如表2所示。

表2 GNSS數(shù)據(jù)處理策略

4）精度評(píng)估指標(biāo)。為了評(píng)估計(jì)算結(jié)果，本文主要選取Bias和RMSE作為精度評(píng)定指標(biāo)，其計(jì)算公式為

2 實(shí)驗(yàn)結(jié)果與評(píng)估分析

2.1 氣象要素精度統(tǒng)計(jì)分析

從地面氣象數(shù)據(jù)和ERA5再分析資料中分別提取了2019年12月至2020年11月測(cè)站位置處的氣象要素：氣壓、氣溫、相對(duì)濕度。為了便于結(jié)果比對(duì)，實(shí)測(cè)氣象要素時(shí)間分辨率也離散化為1 h。以地面實(shí)測(cè)值為基準(zhǔn)，在剔除部分缺失值與異常值的情形下，統(tǒng)計(jì)了相應(yīng)測(cè)站氣象要素提取值的Bias和RMSE，統(tǒng)計(jì)結(jié)果如圖2所示。

圖2 ERA5提取的氣象要素Bias與RMSE

1）氣壓。圖2給出了從ERA5提取的各測(cè)站氣壓Bias和RMSE。由圖2可知，除HKST站點(diǎn)外，ERA5提取的氣壓與實(shí)測(cè)值吻合程度很高。水平方向采用雙線(xiàn)性?xún)?nèi)插方案時(shí)8個(gè)測(cè)站Bias為 -0.002 hPa，RMSE為0.922 hPa。采用反距離加權(quán)插值方案時(shí)各測(cè)站Bias為-0.046 hPa，RMSE為0.786 hPa。以上結(jié)果表明從大氣再分析資料ERA5提取的地面氣壓具有較高精度。

2）氣溫。圖2也給出了從ERA5資料中提取的氣溫Bias和RMSE。統(tǒng)計(jì)結(jié)果顯示，水平方向采用雙線(xiàn)性?xún)?nèi)插方案時(shí)6個(gè)測(cè)站（HKPC、HKSC站點(diǎn)的氣溫?cái)?shù)據(jù)缺失嚴(yán)重，未納入統(tǒng)計(jì)）Bias為0.876 K，RMSE為1.790 K。采用反距離加權(quán)插值方案時(shí)各測(cè)站Bias為0.950 K，RMSE為1.803 K。這表明大氣再分析資料ERA5提取的地面氣溫與實(shí)測(cè)值比較接近。

3）相對(duì)濕度。圖2同時(shí)給出了從ERA5資料中提取的相對(duì)濕度Bias和RMSE。與氣壓和氣溫的提取結(jié)果相比，相對(duì)濕度的提取精度明顯更低。水平方向采用雙線(xiàn)性?xún)?nèi)插方案時(shí)6個(gè)測(cè)站（HKSL、HKKT站點(diǎn)的相對(duì)濕度數(shù)據(jù)缺失嚴(yán)重，未納入統(tǒng)計(jì)）Bias為0.424%，RMSE為10.117%。采用反距離加權(quán)插值方案時(shí)各測(cè)站平均Bias為0.105%，RMSE為10.346%。相對(duì)濕度提取精度不如氣壓和氣溫，這可能與相對(duì)濕度提取過(guò)程中未進(jìn)行垂向高程歸算處理有較大關(guān)系。

2.2 氣象要素時(shí)變特征分析

為了評(píng)估從ERA5資料中提取的氣象要素的時(shí)變特征，計(jì)算了研究區(qū)域內(nèi)氣象要素提取值各月的Bias與RMSE，并統(tǒng)計(jì)分析了氣壓、氣溫、相對(duì)濕度與時(shí)間、測(cè)站高程之間的關(guān)系，結(jié)果如圖3所示。

由圖3（a）和圖3（b）可知，氣壓提取誤差表現(xiàn)出較為顯著的季節(jié)特征，其RMSE在冬季至夏季時(shí)段呈現(xiàn)逐漸上升趨勢(shì)，在夏季8月達(dá)到峰值，隨后下降。圖3（c）和圖3（d）結(jié)果表明，溫度提取誤差表現(xiàn)明顯季節(jié)特征，其Bias與RMSE谷值均出現(xiàn)在冬春交接之際的3月，Bias峰值出現(xiàn)在夏季7月，整體而言，春秋季節(jié)精度優(yōu)于夏冬兩季，這可能與冬夏季節(jié)實(shí)際溫度遞減率與平均溫度遞減率差異增大有關(guān)。圖3（e）和圖3（f）的結(jié)果顯示相對(duì)濕度誤差也表現(xiàn)出明顯的波狀起伏，其RMSE波谷出現(xiàn)在9月，季節(jié)特征不明顯。與測(cè)站高程的比對(duì)結(jié)果表明，氣象要素提取精度與高程之間未發(fā)現(xiàn)明顯的相關(guān)性，各氣象要素在垂向高程歸算中未出現(xiàn)明顯的系統(tǒng)性偏差。

圖3 氣壓、氣溫、相對(duì)濕度月均統(tǒng)計(jì)

2.3 內(nèi)插方案比較分析

為了評(píng)估水平向不同內(nèi)插方案對(duì)氣象要素提取精度的影響，實(shí)驗(yàn)中分別采用了雙線(xiàn)性?xún)?nèi)插法和反距離加權(quán)法計(jì)算了測(cè)站處的氣壓、氣溫、相對(duì)濕度。圖2與圖3分別顯示了這兩種內(nèi)插方案下的氣象要素年均與月均Bias、RMSE。年均統(tǒng)計(jì)結(jié)果表明，除HKSL站點(diǎn)兩種方案提取的氣壓RMSE差異較大以外，其余站點(diǎn)各氣象要素提取精度無(wú)明顯差異。月均統(tǒng)計(jì)結(jié)果表明，兩種方案下的氣壓提取結(jié)果差異在2020年10月達(dá)到峰值，當(dāng)月雙線(xiàn)性?xún)?nèi)插法表現(xiàn)更優(yōu)，其余月份不同方案下的計(jì)算結(jié)果差異很小。從氣溫提取的月均Bias來(lái)看，冬春季節(jié)的氣溫提取采用雙線(xiàn)性?xún)?nèi)插法時(shí)精度更優(yōu)，其余月份差異不明顯。從相對(duì)濕度的月均結(jié)果可以看出，雙線(xiàn)性?xún)?nèi)插法提取的相對(duì)濕度絕對(duì)Bias與RMSE整體稍微低于反距離加權(quán)法，但這種差異很小，雙線(xiàn)性?xún)?nèi)插法未表現(xiàn)出明顯優(yōu)勢(shì)。

表3更為細(xì)致地展示了兩種方案下的氣溫、氣壓、相對(duì)濕度提取結(jié)果。年均RMSE結(jié)果反映了部分站點(diǎn)選用反距離加權(quán)法進(jìn)行氣壓的水平向插值能得到更優(yōu)的結(jié)果，而氣溫和相對(duì)濕度水平向插值采用雙線(xiàn)性?xún)?nèi)插法時(shí)稍?xún)?yōu)于反距離加權(quán)法。就整體精度而言，無(wú)論采用其中哪種方案，均可滿(mǎn)足基本應(yīng)用需求。

表3 氣象要素年均Bias與RMSE

2.4 ZTD計(jì)算精度分析

為了進(jìn)一步評(píng)估ERA5資料的區(qū)域適用性，選取觀(guān)測(cè)網(wǎng)絡(luò)中所有測(cè)站，利用2020年10月的ERA5資料與GNSS數(shù)據(jù)分別計(jì)算了測(cè)站天頂對(duì)流層延遲。ERA5資料計(jì)算的天頂對(duì)流層延遲具有較高精度，Bias為-6.8 mm，RMSE為18.5 mm。這與文獻(xiàn)[15]的結(jié)論相符。從圖4可以看出個(gè)別站點(diǎn)的絕對(duì)Bias與RMSE高于均值，整體來(lái)看出現(xiàn)一定波動(dòng)起伏，香港地區(qū)緯度較低，難以實(shí)時(shí)監(jiān)測(cè)的頻繁水汽活動(dòng)或許是制約ERA5天頂對(duì)流層延遲計(jì)算精度進(jìn)一步提升的主要原因。圖4橫軸按站點(diǎn)高程由低到高順序排列，表明測(cè)站高程與ZTD誤差之間不存在明顯的線(xiàn)性相關(guān)性。為了進(jìn)一步探究對(duì)流層延遲計(jì)算誤差與氣象要素誤差之間的相關(guān)性，選取HKSS站點(diǎn)進(jìn)行分析，圖5顯示了該站點(diǎn)由ERA5資料提取的ZTD及氣象要素的日均誤差。

從圖5可以看出，ZTD、氣象要素的日均Bias、RMSE變化呈波狀起伏趨勢(shì)。ZTD誤差與氣壓相應(yīng)誤差的變化呈現(xiàn)一定相反趨勢(shì)，與氣溫及相對(duì)濕度誤差變化趨勢(shì)無(wú)明顯關(guān)聯(lián)，進(jìn)一步的相關(guān)系數(shù)計(jì)算結(jié)果表明ZTD計(jì)算誤差與各氣象要素提取誤差之間不存在明顯線(xiàn)性相關(guān)性。

3 結(jié)束語(yǔ)

大氣再分析資料ERA5用于對(duì)流層研究日益受到關(guān)注。其在不同的研究區(qū)域往往具有不同的精度，在使用ERA5資料之前有必要進(jìn)行適用性分析。本文利用香港衛(wèi)星定位參考站網(wǎng)SatRef總計(jì)18個(gè)站點(diǎn)中的實(shí)測(cè)氣象數(shù)據(jù)驗(yàn)證了從ERA5提取的氣壓、氣溫、相對(duì)濕度的精度，并以天頂對(duì)流層延遲計(jì)算為例評(píng)估了ERA5的應(yīng)用精度，得出的主要結(jié)論如下：

1）ERA5高空氣壓分層數(shù)據(jù)提取的地面氣象要素與實(shí)測(cè)氣象要素之間的差異較小，可作為缺失實(shí)測(cè)值的有效補(bǔ)充。

2）氣壓與氣溫誤差呈現(xiàn)較為明顯的季節(jié)特征，相對(duì)濕度誤差呈一定的波狀起伏，無(wú)明顯季節(jié)特征。站點(diǎn)高程和氣象要素計(jì)算誤差之間無(wú)明顯線(xiàn)性相關(guān)性。

3）不同平面插值方案下氣象要素提取結(jié)果的差異不大。

4）ERA5資料計(jì)算的對(duì)流層延遲具有較高精度，計(jì)算結(jié)果與站點(diǎn)高程、氣象要素誤差之間無(wú)顯著線(xiàn)性相關(guān)性。

本文研究?jī)?nèi)容驗(yàn)證了從大氣再分析資料ERA5提取的氣象要素具有較高精度，滿(mǎn)足天頂對(duì)流層延遲計(jì)算的應(yīng)用需求。擴(kuò)大研究區(qū)域、增加地面實(shí)測(cè)氣象數(shù)據(jù)深入探究ERA5用于地基GNSS水汽探測(cè)的精度是下一步要進(jìn)行的工作。

[1] 李征航, 黃勁松. GPS測(cè)量與數(shù)據(jù)處理[M]. 2版. 武漢: 武漢大學(xué)出版社, 2010: 107-108.

[2] LI X X, DICK G, GE M R, et al. Real-time GPS sensing of atmospheric water vapor: precise point positioning with orbit, clock, and phase delay corrections[J]. Geophysical Research Letters, 2014, 41(10): 3615-3621.

[3] KARABATIC A, WEBER R, HAIDEN T. Near real-time estimation of tropospheric water vapour content from ground based GNSS data and its potential contribution to weather now-casting in Austria[J]. Advances in Space Research, 2011, 47(10): 1691-1703.

[4] PANY T, PESEC P, STANGL G. Elimination of tropospheric path delays in GPS observations with the ECMWF numerical weather model[J]. Physics and Chemistry of the Earth, Part A: Solid Earth and Geodesy, 2001, 26(6/7/8): 1-492.

[5] 李薇, 袁運(yùn)斌, 歐吉坤, 等. 全球?qū)α鲗犹祉斞舆t模型IGGtrop的建立與分析[J]. 科學(xué)通報(bào), 2012, 57(15): 1317-1325.

[6] LAGLER K, SCHINDELEGGER M, B?HM J, et al. GPT2: empirical slant delay model for radio space geodetic techniques[J]. Geophysical Research Letters, 2013, 40(6): 1069-1073.

[7] 姚宜斌, 何暢勇, 張豹, 等. 一種新的全球?qū)α鲗犹祉斞舆t模型GZTD[J]. 地球物理學(xué)報(bào), 2013, 56(7): 2218-2227.

[8] LI W, YUAN Y B, OU J K, et al. New versions of the BDS/GNSS zenith tropospheric delay model IGGtrop[J]. Journal of Geodesy, 2015, 89(1): 73-80.

[9] B?HM J, M?LLER G, SCHINDELEGGER M, et al. Development of an improved empirical model for slant delays in the troposphere (GPT2w)[J]. GPS Solutions, 2015, 19(3): 433-441.

[10] YAO Y B, HU Y F, YU C, et al. An improved global zenith tropospheric delay model GZTD2 considering diurnal variations[J]. Nonlinear Processes in Geophysics, 2016, 23(3): 127-136.

[11] ZHANG W, ZHANG H, LIANG H, et al. On the suitability of ERA5 in hourly GPS precipitable water vapor retrieval over China[J]. Journal of Geodesy, 2019, 93(10): 1897-1909.

[12] ZHANG H X, YUAN Y B, LI W, et al. GPS PPP-derived precipitable water vapor retrieval based onm/sfrom multiple sources of meteorological data sets in China[J]. Journal of Geophysical Research (Atmospheres), 2017, 122(8): 4165-4183.

[13] 施闖, 張衛(wèi)星, 曹云昌, 等. 基于北斗/GNSS的中國(guó)-中南半島地區(qū)大氣水汽氣候特征及同降水的相關(guān)分析[J]. 測(cè)繪學(xué)報(bào), 2020, 49(9): 1112-1119.

[14] 張永林, 蔡昌盛. 基于再分析資料ERA5的對(duì)流層延遲估計(jì)方法及精度評(píng)估[J]. 大地測(cè)量與地球動(dòng)力學(xué), 2020, 40(1): 62-65.

[15] 徐康, 鄧興升, 邢承濱. 中國(guó)地區(qū)ERA5資料計(jì)算ZTD精度評(píng)估[J]. 測(cè)繪工程, 2020, 29(6): 24-30.

[16] SUN Z Y, ZHANG B, YAO Y B. An ERA5-based model for estimating tropospheric delay and weighted mean temperature over China with improved spatiotemporal resolutions[J]. Earth and Space Science, 2019, 6(10): 1926-1941.

[17] SAASTAMOINEN J. Atmospheric correction for the troposphere and stratosphere in radio ranging satellites[J]. The Use of Artificial Satellites for Geodesy, 1972, 15: 247-251.

[18] 趙靜旸, 宋淑麗, 朱文耀. ERA-Interim應(yīng)用于中國(guó)地區(qū)地基GPS/PWV計(jì)算的精度評(píng)估[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版), 2014, 39(8): 935-939, 1008.

[19] ELGERED G, DAVIS J L, HERRING T A, et al. Geodesy by radio interferometry: water vapor radiometry for estimation of the wet delay[J]. Journal of Geophysical Research (Solid Earth), 1991, 96(B4):6541-6555.

[20] TAKASU T. RTKLIB: an open source program package for GNSS positioning[EB/OL]. (2013-04-29)[2019-07-25]. http://www.rtklib.com/.

Applicability analysis of applying ERA5 reanalysis data to regional tropospheric research

LI Ruihui1,2, YUAN Yunbin1, ZHANG Hongxing1

（1. Innovation Academy for Precision Measurement Science and Technology, Chinese Academy of Sciences, Wuhan 430077, China;2. College of Earth and Planetary Sciences, University of Chinese Academy of Sciences，Beijing 100049, China)

Aiming at the problem that the applicability of applying the fifth major global reanalysis (ERA5) produced by the European Centre for Medium-Range Weather Forecasts (ECMWF) to regional tropospheric research needs to be further verified, this paper adopted a checking scheme based on meteorological elements. Experiments were carried out using measured meteorological data, Global Navigation Satellite System (GNSS) data and ERA5 data in the same period to analyze the accuracy of meteorological elements and Zenith Tropospheric Delay (ZTD) derived from ERA5. The effects of different interpolation methods on the calculation results were compared. The experimental result showed that: the meteorological elements and the zenith tropospheric delay derived from ERA5 had high accuracy, the Root Mean Square Error (RMSE) of atmospheric pressure, temperature, relative humidity and ZTD were smaller than 0.922 hPa, 1.803 K, 10.346%, 18.500 mm, respectively, indicating that the meteorological elements derived from ERA5 could replace the measured one for regional tropospheric research; the errors of atmospheric pressure and temperature showed obvious seasonal characteristics; different interpolation schemes led to almost the same result.

global navigation satellite system; tropospheric delay; reanalysis data; meteorological element; applicability analysis

P228

A

2095-4999(2021)06-0029-09

李瑞輝，袁運(yùn)斌，張紅星. ERA5應(yīng)用于區(qū)域?qū)α鲗友芯康倪m用性分析[J]. 導(dǎo)航定位學(xué)報(bào), 2021, 9(6): 29-37.（LI Ruihui, YUAN Yunbin, ZHANG Hongxing. Applicability analysis of applying ERA5 reanalysis data to regional tropospheric research[J]. Journal of Navigation and Positioning, 2021, 9(6): 29-37.）

10.16547/j.cnki.10-1096.20210605.

2021-02-18

國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2016YFB0501900）；國(guó)家自然科學(xué)基金項(xiàng)目（41674022）；王寬誠(chéng)率先人才計(jì)劃盧嘉錫國(guó)際合作團(tuán)隊(duì)項(xiàng)目。

李瑞輝（1995—），男，江西宜春人，碩士研究生，研究方向?yàn)樾l(wèi)星精密定位技術(shù)與對(duì)流層研究。

袁運(yùn)斌（1971—），男，江西余干人，博士，研究員，研究方向?yàn)楦呔菺NSS大氣誤差建模、衛(wèi)星精密導(dǎo)航與定位。