楊 超，姜曉爽，胡月華

（1.山東正元數字城市建設有限公司，山東 煙臺 264670）

在GNSS氣象學中，大氣可降水量（precipitable water vapor,PWV）反映了大氣中水汽含量的豐富程度，PWV含量直接關系到短期氣象降水及長期氣候變化[1-7]。PWV是形成氣候環(huán)境的重要特征量，其長期變化特征反映了氣候的演變趨勢，因此，實時監(jiān)測PWV數據在GNSS氣象學研究和應用領域中具有重要的指導意義[8]。

目前探測PWV常用的手段主要包括探空站、微波輻射、衛(wèi)星遙感和太陽光譜分析等，這些技術探測PWV成本較高，操作難度大且復雜。為彌補常規(guī)大氣水汽探測技術的局限性，將地基GNSS觀測資料用來反演大氣水汽含量，并展現出廣闊的應用前景[9-10]?；趪HGNSS服務組織（international GNSS service,IGS）中心提供的最終精密星歷（IGS final products,IGF）反演得到PWV精度可以達到2 mm，但是IGF產品更新時間較慢不具備實時性，無法滿足實時水汽反演的需要。因此，國內外許多學者就快速精密星歷（IGS rapid products,IGR）和超快速精密星歷（IGS ul?tra-rapid products，IGU）是否可以代替最終精密星歷等諸多實際應用問題進行了研究[12-15]。

本文選取香港地區(qū)連續(xù)運行參考站（hong kong continuously operating reference stations，HKCORS）2020-01-01~2020-01-31（DOY:001-031）觀測數據進行解算，對比分析IGF/IGR/IGU產品對地基GNSS反演PWV的精度。

1 地基GNSS反演PWV原理

進入20世紀后，GNSS理論與應用得到快速發(fā)展，各個行業(yè)對GNSS數據處理都提出了更高的要求，地基GNSS氣象學也快速得到應用。本次實驗過程中借助GAMIT/GLOBK10.7軟件獲取對流層天頂總延遲（zenith tropospheric delay,ZTD），再結合氣象觀測資料和天頂靜力延遲計算模型，得到天頂靜力學延遲，如式（1）所示[9]：

式中，φ為測站的緯度；h0為測站海拔高度；P為測站地面氣壓；ZHD為天頂靜力學延遲。天頂對流層總延遲減去天頂靜力學延遲（zenith hydrostatic delay,ZHD）得到天頂濕延遲（zenith wet delay,ZWD），即：

式中，ZWD占ZTD的10%不到，但是受外界環(huán)境作用影響較大。利用Bevis公式計算出加權平均溫度Tm，進而得到水汽轉換系數Π。天頂濕延遲與水汽轉換系數相乘即可得到大氣可降水量，即：

式中，Π是無量綱轉換因子，Π值得大小只和平均溫度Tm相關。

2 IGF/IGR/IGU產品對比分析

IGS數據分析中心自2000年起提供IGF、IGR、IGU產品下載服務，不同的星歷產品在軌道精度、鐘差精度、滯后時間、更新率和采樣率方面都存在較大的差異，IGF、IGR、IGU產品具體參數如表1所示。

表1 IGF/IGR/IGU產品對比分析表

從表1可以看出，IGF產品的軌道、鐘差精度都優(yōu)于IGR、IGU產品，但是滯后時間較長、更新率較慢；IGF、IGR、IGU產品軌道采樣率間隔都是15 min，而鐘差采樣率IGF和IGR產品優(yōu)于IGU產品；IGU產品最大的特點是具備實時性，無滯后時間，因此可將IGU產品進行地基GNSS水氣反演可實際應用于天氣預報。

3 數據來源與處理策略

3.1 數據來源

本次實驗過程中選取17個HKCORS 2020年DOY：001~031觀測數據進行解算，在解算過程中引入IGS觀測站（BJFS、CHAN、SHAO和WUHN）數據進行聯合解算，站點分布圖如圖1所示。引入IGS觀測站數據其目的是為了削弱對流層相關性，IGS觀測數據和星歷產品通過IGS發(fā)布中心（ftp://cddis.gsfc.nasa.gov/）下載。美國懷俄明州立大學提供的探空數據產品被認為是當今精度最高的水汽產品，探空站數據在美國懷俄明州立大學(http://weather.uwyo.edu/)下載。

圖1 站點分布圖

3.2 處理策略

本次實驗過程在利用GAMIT/GLOBK10.7軟件，分別采用3種實驗方案驗證IGF、IGR、IGU產品對地基GNSS反演PWV的精度分析，具體處理策略如表2所示。

表2 數據處理策略

從表2可以看出，3種方案數據處理策略上采用控制變量法，3種方案唯一不同之處在于使用星歷產品類型的不同。在數據處理的過程中：衛(wèi)星截止高度角設置為10°；對流層總延遲計算方式采用Saas?tamoinen模型；全球氣溫氣壓模型采用目前全球范圍內精度最高、使用范圍最廣的GPT2模型；映射函數采用全球范圍內適用性最強的GMF映射函數模型；大氣加權平均溫度使用的是Bevis模型；解算過程中同時考慮到了潮汐改正、相位纏繞、相對論效應對PWV結果的影響。

4 案例分析

4.1 基線結果精度分析

標準化均方根誤差（normalized root mean square，NRMS）基線解算結果中基線質量的重要指標之一，是用來表示GAMIT基線解算結果中基線值偏離加權平均值的程度，NRMS值越?。∟RMS＜0.3），表示基線解算結果越好。

本次實驗過程中針對3種不同方案對2020年DOY：001~031，共計31 d的HKCORS觀測數據進行基線解算處理，對31 d解算結果進行統計分析，結果如圖2所示。

由圖2可知，3種方案基線解算的NRMS值均小于0.3，因此我們認為3種方案基線解算全部合格。同一天觀測數據3種解算方案的NRMS值基本一致，無明顯差異，進一步證實了使用IGR和IGU產品替代IGF產品進行基線解算是可行的，同時也為IGU產品用于氣象預報奠定了基礎。

4.2 PWV精度分析

為了進一步對IGF、IGR和I GU產品反演PWV的精度進行評估，本文選取香港地區(qū)探空站（King’s Park站,編號：45004）數據產品與HKCORS中HKSC基準站反演PWV進行對比分析。從地理位置上看出探空站與HKSC基準站直線距離＜2 km，實驗過程中忽略兩者在地理位置上的差異而引起的PWV在數值上表現出來的細小差異。對2020年DOY:001~031共計31 d的King’s Park探空站與HKSC基準站反演的PWV進行偏差統計，結果如圖3所示。

圖3 HKCORS反演PWV與探空站參考值間偏差

由圖3可知，3種方案反演的PWV與探空站參考值間的偏差存在明顯的差異。采用IGF、IGR和IGU產品反演的PWV與探空站參考值間的偏差分別優(yōu)于1.5 mm、2.5 mm和4.0 mm，采用IGF產品反演的PWV與探空站觀測數據最為接近，說明IGF反演的PWV精度最佳，IGU產品反演的PWV結果精度較低，但滿足氣象預報對精度的要求。

5 結語

借助IGS提供的IGF、IGR和IGU產品，對HK?CORS 2020年DOY:001~031觀測數據進行解算，并把探空數據作為參考值對反演PWV進行精度評估，實驗結果表明：使用IGR和IGU產品替代IGF產品進行基線解算是可行的，對基線解算結果無影響；IGF反演的PWV精度最佳，IGU產品反演的PWV結果精度較低；IGF、IGR和IGU產品反演的PWV與探空站參考值間的偏差分別優(yōu)于1.5 mm、2.5 mm和4.0 mm，總體都優(yōu)于1 cm，滿足氣象部門對氣象預報精度的要求，在滿足短期實時預報的前提下，可以利用IGU產品替代IGF產品進行PWV的解算服務。