杜明斌 梁 宏 吳春強 曹云昌 郭 巍 唐玉琪 岳彩軍

1. 上海市生態(tài)氣象和衛(wèi)星遙感中心，上海，200030

2. 中國氣象局氣象探測中心，北京，100081

3. 國家衛(wèi)星氣象中心，北京，100081

4. 上海海洋中心氣象臺，上海，200030

1 引 言

水汽在天氣和氣候演變中扮演著關(guān)鍵角色，是隨時間和空間變化最為劇烈的大氣成分之一，在大氣垂直穩(wěn)定性、風暴系統(tǒng)的結(jié)構(gòu)和演變過程中常常起關(guān)鍵性作用，但傳統(tǒng)的水汽探測手段，如無線電探空儀、微波輻射計和地面氣象站等，存在諸如空間或時間分辨率不足、精度有限、受天氣影響較大或者適用范圍較小等一系列弊端（Lee，et al，2013）。地基全球?qū)Ш叫l(wèi)星系統(tǒng)（GNSS）探測大氣可降水量（PWV）就是利用導航衛(wèi)星信號在穿越大氣層時會引起傳輸路徑彎曲和時間延遲這一效應(yīng)，通過反演技 術(shù) 得 到 大 氣 的 水 汽 信 息（Rocken，et al，1995；Duan，et al，1996）。GNSS/PWV具有成本低、精度高、不需要定標等優(yōu)點，是傳統(tǒng)大氣水汽觀測手段的有效補充（梁宏等，2020）。近30年來地基GNSS廣泛應(yīng)用于大氣水汽探測，事實證明該技術(shù)是目前探測大氣水汽的最佳技術(shù)之一（Wulfmeyer，et al，2015；Vaquero-Martíne，et al，2021）。近 年來，中國各地氣象部門聯(lián)合測繪、地震、環(huán)境等相關(guān)部門已建起了相當規(guī)模的地基GNSS監(jiān)測網(wǎng)，以每小時一次實時發(fā)布中國超過1000個站的水汽監(jiān)測信息（Liang，et al，2015），未來可達到每15 min一次的水汽監(jiān)測 （曹云昌等，2006；丁金才等，2006；丁金才，2009；梁宏等，2020）。整層大氣可降水量GNSS/PWV較難反映大氣水汽的分層信息及其連續(xù)變化，與其他氣象資料融合應(yīng)用可更好地提升高精度GNSS/PWV資料的價值。

目前，極軌氣象衛(wèi)星搭載的高光譜紅外探測載荷有美國宇航局（National Aeronautics and Space Administration，NASA）Aqua上的大氣紅外探測儀（Atmospheric Infrared Sounder，AIRS）、歐洲氣象衛(wèi)星應(yīng)用組織（European Organisation for the Exploitation of Meteorological Satellites，EUMETSAT）MetOp上的紅外大氣干涉儀（Infrared Atmospheric Sounding Interferometer，IASI）和美國新一代極軌氣象衛(wèi)星NPP （National Polar-orbiting Partnership）上的交叉軌道紅外探測儀（Cross-track Infrared Sounder，CrIS）。在高光譜紅外探測大氣水汽廓線產(chǎn)品檢驗和應(yīng)用方面，顧雅茹等（2018）利用2015年夏季加密無線電探空資料與AIRS反演產(chǎn)品進行精度檢驗，發(fā)現(xiàn)濕度誤差平均約為20%。Schneider等（2011）通過最優(yōu)估計方法得出IASI反演對流層水汽精度在10%—20%，整層水汽偏差在5%左右。Gambacorta等（2012）研究顯示采用NOAA獨特聯(lián)合大氣處理系統(tǒng)（NOAA Unique CrIS/ATMS processing System，NUCAPS）反演的CrIS全球范圍的大氣濕度廓線誤差為25%。風云三號D星（FY-3D）搭載的紅外高光譜大氣探測儀（High Spectral Resolution Infrared Atmospheric Sounder，HIRAS）實現(xiàn)了中國極軌氣象衛(wèi)星從多光譜探測到高光譜探測的跨越，通過獲得更窄的大氣探測權(quán)重函數(shù)，提高垂直分辨能力（陸其峰等，2019）。Zhang等（2021）利用FY-3D/HIRAS數(shù)據(jù)結(jié)合RTTOV（Radiative Transfer for TOVS） 建立大氣溫度和濕度的反演算法，通過對2020年7月和8月歐洲區(qū)域的反演結(jié)果檢驗得出，濕度誤差小于15%。

干涉式大氣垂直探測儀是中國新一代地球靜止氣象衛(wèi)星風云四號A星（FY-4A）的主要載荷之一（楊軍等，2011），其資料可用于反演大氣溫濕度廓線信息（Li，et al，2017；Gambacorta，et al，2018），這也是國際上第一臺在靜止軌道衛(wèi)星上以紅外高光譜干涉分光方式探測三維大氣溫濕度結(jié)構(gòu)的精密遙感儀器。它的優(yōu)勢是對大氣溫濕度廓線的觀測實現(xiàn)空間與時間的連續(xù)，同時高光譜大氣探測儀有更精確的光譜定標和更高的垂直分辨率（華建文等，2018），可以連續(xù)監(jiān)測與高影響天氣有關(guān)的快速變化的天氣系統(tǒng)，尤其是大氣三維水汽場的觀測。風云四號A星GIIRS具有1650個光譜通道，光譜范圍為中波紅外4.44—6.06 μm、長波紅外8.85—14.29 μm，空間分辨率為16 km，最快可以每15 min提供一次區(qū)域大氣溫濕度廓線相關(guān)數(shù)據(jù)，在天氣監(jiān)測與預報方面有廣闊的應(yīng)用前景（張志清等，2017；Yang，et al，2017；Xue，et al，2022）。由于靜止衛(wèi)星軌道高度為36000 km，比極地軌道衛(wèi)星軌道高度提高了45倍，相關(guān)信號能量比在極地軌道衛(wèi)星軌道上的載荷弱得多。通過與極軌衛(wèi)星的同類高光譜載荷性能指標對比，相對較低的通道靈敏度和定標精度對FY-4A/GIIRS水汽廓線反演的產(chǎn)品質(zhì)量提出 較 大 挑 戰(zhàn)（Schneider，2011；Gambacorta，et al，2012，2018；Min，et al，2017；楊天杭等，2019）。為了解新型大氣廓線資料質(zhì)量狀況，更好地應(yīng)用于強對流、臺風等災害氣象觀測分析、數(shù)值模式同化等業(yè)務(wù)，對其探測資料的準確度進行深入分析和改進十分必要（鮑艷松等，2017；Gambacorta，et al，2018）。通過對地基GNSS/PWV和FY-4A/GIIRS水汽廓線的數(shù)據(jù)特點分析發(fā)現(xiàn)，地基GNSS氣象站監(jiān)測整層大氣可降水量具有全天候、高精度、連續(xù)性的特點，而風云四號衛(wèi)星高光譜大氣探測儀水汽廓線具有三維監(jiān)測、高分辨率、連續(xù)性。鑒于此，文中綜合利用地基GNSS/PWV準確度高和FY-4A/GIIRS水汽廓線產(chǎn)品垂直分層多的優(yōu)點，通過地基和天基觀測數(shù)據(jù)融合技術(shù)開發(fā)，使得兩種水汽觀測資料優(yōu)勢互補，可有效提高遙感水汽反演信息的定量化應(yīng)用水平，有利于一線預報員實時監(jiān)測、分析天氣系統(tǒng)，改善數(shù)值氣象模式初始場，為提高日常的強對流和臺風預報預警準確率提供觀測資料支撐。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)資料

利用GNSS/PWV和FY-4A/GIIRS水汽廓線進行快速融合，所使用的GNSS/PWV資料是基于中國氣象局衛(wèi)星廣播系統(tǒng)（CMACast）實時接收的業(yè)務(wù)產(chǎn)品，產(chǎn)品時間分辨率為每小時一次，中國區(qū)域約1000個站。FY-4A/GIIRS水汽廓線產(chǎn)品反演算法來源于中國氣象局國家衛(wèi)星氣象中心研發(fā)的風云地球靜止軌道算法試驗平臺（Fengyun Geostationary Algorithm Testbed-Imager/Sounder，F(xiàn)YGATI/S）（Min，et al，2017；張志清等，2017）。該算法以FY-4A/GIIRS數(shù)據(jù)、數(shù)值天氣預報模式預報地表氣壓、衛(wèi)星地理和時間信息以及云檢測結(jié)果為輸入，所反演的大氣狀態(tài)產(chǎn)品包括大氣溫度廓線、大氣濕度廓線、大氣臭氧廓線、地表發(fā)射率和地表溫度。文中所使用的FY-4A/GIIRS水汽廓線垂直方向有101層（0.005—1100 hPa），水平分辨率約為16 km，時間分辨率為3 h，具體算法可以參考Min等（2017）。

常規(guī)無線電探空是目前世界上一致認同的探測高空大氣要素的規(guī)范方式，被廣泛用于業(yè)務(wù)和科研，常作為衛(wèi)星資料定標和衛(wèi)星產(chǎn)品反演的參考，也是作為對比分析新資料時常用的標準（Kuo，et al，2005；胡姮等，2019）。無線電探空的一般精度是氣溫±0.5 K，氣壓±1 hPa，相對濕度±5%（中國氣象局，2010），可以用于對FY-4A/GIIRS反演結(jié)果以及資料融合效果進行檢驗。由于夏季天氣系統(tǒng)變化快、大氣水汽含量較高，精確的水汽觀測數(shù)據(jù)是有效預報災害天氣的重要保證（萬蓉等，2008）。選取2018年6—8月的FY-4A/GIIRS水汽廓線與常規(guī)無線電探空資料做精度分析，通過GNSS/PWV與FY-4A/GIIRS水汽廓線融合技術(shù)研究對水汽廓線產(chǎn)品進行改進試驗，并對改進結(jié)果進行評估。精度檢驗和融合試驗的時間為常規(guī)無線電探空觀測時間08和20時（北京時，下同），分別代表白天和夜晚的反演結(jié)果。

2.2 資料預處理

以常規(guī)無線電探空為參考進行精度檢驗，通過對中國約1000個地基GNSS氣象站進行篩選，選取附近10 km以內(nèi)有常規(guī)無線電探空站的站（共94個），空間分布在（EQ—55°N，70°—140°E），如圖1所示，紅圈代表無線電探空站，藍點代表附近與之匹配的地基GNSS氣象站。

圖1 GNSS氣象站與無線電探空站匹配后分布示意Fig. 1 Distribution of matched GNSS sites and radiosondes

對于FY-4A/GIIRS水汽廓線產(chǎn)品，采用克里斯曼客觀分析方法（Cressman，1959）把相近的有效高光譜大氣探測像元進行站點化分析，也就是對于每個匹配時次選擇覆蓋站點周邊9個像元，按照氣壓層進行水平克里斯曼距離權(quán)重插值作為該站點衛(wèi)星廓線反演結(jié)果。

無線電探空資料通過式（1）和（2）分別計算出水汽壓和比濕廓線。原理和計算方法參考《地面氣象觀測規(guī)范 空氣溫度和濕度》（GB/T 35226-2017）（中華人民共和國國家質(zhì)量監(jiān)督檢驗檢疫總局，2017）和《常規(guī)高空氣象觀測業(yè)務(wù)規(guī)范》（中國氣象局，2010）。

式中，e為水汽壓，td為露點溫度，q為比濕，p為氣壓。

2.3 精度檢驗方法

FY-4A/GIIRS可以根據(jù)數(shù)值模式的云圖預報結(jié)果進行區(qū)域掃描，首先確定數(shù)值模式預報云圖分析的晴空區(qū)域，再對該區(qū)域進行東西掃描探測，探測一行結(jié)束后，南北步進至下一行繼續(xù)東西掃描探測，依此規(guī)律最終完成指定區(qū)域的探測任務(wù)。但是由于云系發(fā)展的不連續(xù)、反演過程產(chǎn)生的誤差、數(shù)值模式預報云圖的誤差等影響，許多探測像元受到云污染和定標質(zhì)量低的影響而無法反演出完整的大氣溫濕度廓線。FY-4A/GIIRS水汽廓線產(chǎn)品有4種質(zhì)量標記，質(zhì)量從高到低依次為“perfect”“good”“bad”和“do not use”，本研究選取前兩種質(zhì)量標記的廓線。采用下式進行誤差估計

式中，qr為 由無線電探空資料計算的比濕，qg為FY-4A/GIIRS反演的比濕，i為第i個樣本，n為每一氣壓層的樣本數(shù)。Bias表示偏差，RMSE表示均方根誤差，MRE表示相對誤差。

2.4 GNSS/PWV水汽融合方法

地基GNSS/PWV與無線電探空儀或微波輻射計的探測結(jié)果相比，均方根誤差在北美小于2 mm（Dai，et al，2002），在日本為3.7 mm（Ohtani，et al，2000），在中國臺灣為2.2 mm（Liou，et al，2001）。中國大陸地區(qū)實時業(yè)務(wù)GNSS/PWV是基于麻省理工學院等機構(gòu)研究開發(fā)GAMIT/GLOBK反演的，產(chǎn)品精度約為3 mm，相對誤差在12%左右（杜明斌等，2013；Liang，et al，2015；胡姮等，2018）。FY-4A/GIIRS雖然實現(xiàn)了大氣水汽的垂直結(jié)構(gòu)探測，但通過精度檢驗發(fā)現(xiàn)反演結(jié)果仍需要改進，靜止軌道高光譜載荷的通道靈敏度和定標精度嚴重影響水汽廓線反演的產(chǎn)品質(zhì)量 （Gambacorta，et al，2012，2018；Min，et al，2017）。在 數(shù) 值 模 式 同 化 中，Kuo等（1993）提出了利用GNSS/PWV對大氣水汽場進行水汽廓線調(diào)整的處理方法，即假設(shè)每個地基GNSS氣象站上空的比濕廓線（qg(k)）垂直結(jié)構(gòu)不變（k表示第k層大氣，下同），這樣地基GNSS氣象站上空的大氣水汽分層結(jié)構(gòu)就有一個初始參考值。通過水汽初始參考值隨高度的積分與GNSS/PWV進行融合來更新水汽廓線的分析結(jié)果，進而獲得三維水汽廓線。在GNSS/PWV與FY-4A/GIIRS水汽廓線融合技術(shù)研究中，這個水汽廓線的初始結(jié)構(gòu)參考值為根據(jù)GIIRS水汽廓線計算各氣壓層的水汽比濕，按照式（6）可得到整層大氣可降水量（ PWVg）。

式中， PWVg表示由FY-4A/GIIRS產(chǎn)品計算的大氣可降水量，ρ為水密度，g為重力加速度，p0為站點地面氣壓，k表示第k層大氣。設(shè)PWV為地基GNSS氣象站監(jiān)測的大氣可降水量，根據(jù)式（7）對FY-4A/GIIRS水汽廓線進行更新，其中qu(k)為更新后的比濕廓線。

考慮到直接調(diào)節(jié)比濕可能引起大氣分析場過飽和，根據(jù)FY-4A/GIIRS反演的溫度廓線計算大氣飽 和 比 濕 廓 線qsg(k)。 如 果qu(k)＞qsg(k) ， 則qu(k)=qsg(k)。根據(jù)馬格努斯飽和水汽壓經(jīng)驗公式可得FY-4A/GIIRS的飽和水汽壓Esg(k) ， 進而計算qsg(k)作為飽和約束值，具體方法參考式（8）和（9）。

式中，t(k)為 第k層的大氣溫度，p(k)為第k層的氣壓。參考式（6）推導可得式（10），計算融合更新后的水汽廓線的大氣可降水量為PWVu(j)（j為第j次迭代），設(shè)其中?為收斂指標，文中對于所有廓線統(tǒng)一設(shè)置為0.1 mm（?值也可根據(jù)每個地基GNSS氣象站具體情況進行設(shè)定）。從這種融合方法上看計算過程簡單高效，通常情況下迭代2次就能收斂。

式中，m代表大氣層數(shù)， ΔPk為第k層與第k+1層氣壓差，為更新后大氣層平均比濕，計算方法參考式（11）。

考慮到FY-4A/GIIRS反演誤差的影響，統(tǒng)計百分比誤差為 MREq(k)，以設(shè)定極值作為約束條件，文中設(shè)置qmg(k)為每層廓線調(diào)節(jié)的極值，并存在以下關(guān)系式中，q（k）為第k層比濕，a為極值約束指標，設(shè)置為a=2.5，表示對廓線調(diào)整幅度不超過百分比誤差的2.5倍。根據(jù)式（7）可推出以下結(jié)果：

如果 P WV≥PWVg，qmg(k)=(a·MREq(k)+1)q(k)；如果 P WV＜PWVg，qmg(k)=(1?a·MREq(k))q(k)。

根據(jù)極值約束條件可得以下關(guān)系：

若 P WV≥PWVg，且qu(k)＞qmg(k)， 則qu(k)=qmg(k)；若 P WV＜PWVg，且qu(k)＜qmg(k)， 則qu(k)=qmg(k)。

把極值的約束條件代入到式（7）—（9）的過程中即可快速融合GNSS/PWV與FY-4A/GIIRS水汽廓線并獲得三維水汽場的觀測改進。結(jié)合精度檢驗過程，總體的算法流程如圖2。

圖2 融合方法和精度檢驗流程Fig. 2 Flowchart of merging method and accuracy evaluation

3 結(jié)果與分析

3.1 精度檢驗結(jié)果

對2018年6—8月資料（圖3）分析表明，與無線電探空資料相比，F(xiàn)Y-4A/GIIRS水汽廓線反演整體稍微偏高，尤其是850—550 hPa高度層，平均偏高約0.7 g/kg，夜晚（20時）的反演結(jié)果偏高更加明

圖3 風云四號A星GIIRS比濕 （q） 廓線反演精度檢驗 （08和20為觀測時間；a. 偏差、均方根誤差和比濕廓線均值，b. 相對誤差與樣本數(shù)目）Fig. 3 Accuracy evaluation of specific humidity profiles for FY-4A GIIRS retrievals （08 and 20 represent observation time；a. Bias，RMSEs and mean profiles of specific humidity，b. mean relative errors and sample numbers）

顯。在近地層，白天（08時）反演水汽結(jié)果偏低，夜晚與探空結(jié)果較為一致。從均方根誤差（圖3a）來看，白天和夜晚差異不大，大氣底層至850 hPa約為4.5 g/kg，隨 著 大 氣 層 高 度 升 高，700 hPa比 濕 的RMSE約為2.4 g/kg，500 hPa以上因水 汽含量較低，RSME小 于1.5 g/kg。圖3a中q-GIIRS和q-Radiosonde 分別為統(tǒng)計時段兩者比濕廓線的均值。兩廓線均值較為接近，850 hPa以上FY-4A/GIIRS比濕總體偏高，期中850—550 hPa偏高較為顯著。從相對誤差（圖3b）來看，F(xiàn)Y-4A/GIIRS水汽廓線產(chǎn)品比濕在近地層誤差為30%—35%，850—700 hPa高度的MRE在45%左右。從700 hPa到400 hPa，比濕的MRE從50%增大到超過150%，400 hPa以 上 達 到200%。比 濕 在250 hPa以 上MRE超過250%。圖3b中Num （08）和Num （20）分別表示08和20時每個氣壓層參與檢驗的樣本數(shù)目。

3.2 融合效果分析

GNSS/PWV與FY-4A/GIIRS水汽廓線快速融合后獲得水汽廓線更新，按照前文精度檢驗的方法參考無線電探空資料對快速融合效果進行分析。融合更新后的比濕RMSE與融合前相比，大氣整層都有所降低，融合改進效果顯著，尤其是600 hPa以下。如圖4a所示，大氣底層至850 hPa RMSE約為3.5 g/kg，700 hPa以上比濕RMSE在2.0 g/kg以下。從圖4b可以看出融合后的比濕相對誤差也明顯降低，近地層約為25%，850 hPa在25%—30%，基本達到極軌衛(wèi)星高光譜載荷反演大氣水汽廓線的精度水平（Schneider，et al，2011；Gambacorta，et al，2012；Nalli，et al，2018）。融合后MRE的改善主 要 表 現(xiàn) 在600 hPa以 下，600 hPa以 上 融 合 后MRE在部分大氣層高度仍有變差的情況。從08和20時的融合效果看，白天和夜晚在融合后差異不大，沒有表現(xiàn)出明顯的不一致。

圖4 水汽廓線融合效果檢驗 （08和20為觀測時間；a. 融合前后均方根誤差 （RMSE為融合前，RMSE merged為融合后），b. 融合后相對誤差（MRE為融合前，MRE merged為融合后））Fig. 4 Accuracy evaluation of updated specific humidity profiles with merging method （08 and 20 represent observation time；a. RMSEs before and after merging （RMSE merged is the RSME after merging），b. mean relative errors before and after merging （MRE merged is the MRE after merging））

水汽廓線融合前后誤差的減少比例表明GNSS/PWV與FY-4A/GIIRS水汽廓線融合效果顯著（圖5）。如圖5a所示，從RMSE改進情況可見近地層到600 hPa高度平均減少約20%，尤其是850—700 hPa高度改善比較明顯。600—400 hPa的大氣中層RMSE改善稍小，平均減少約12%。400—250 hPa大氣高層改善效果逐漸增大，平均減少超過25%。從MRE改進情況分析可見，近地層到600 hPa平均減少約20%，而且在850—700 hPa改善更為明顯，如圖5b所示，850 hPa MRE減少了近45%。600 hPa以上的大氣中層MRE改善較小，個別高度層融合后MRE反而有所增大。整體來說無論從RMSE或是MRE上看，GNSS/PWV與FY-4A/GIIRS水汽廓線融合后，水汽廓線精度改善非常明顯，尤其是在大氣中、低層，極大地改善了衛(wèi)星反演資料的可用性。

圖5 水汽廓線融合后均方根誤差 （a） 和相對誤差 （b） 減少比例 （08和20為觀測時間）Fig. 5 Reduction ratios of RMSE （a） and （b） after updating specific humidity profile with merging method （08 and 20 represent observation time）

從圖5可見融合改善效果在RMSE上表現(xiàn)更為顯著，尤其是在600 hPa以下水汽含量相對高的大氣層，而在600 hPa以上RMSE和MRE改善效果卻不一致。通過統(tǒng)計分析參與檢驗的94個無線電探空站資料得出，大氣中層（600—400 hPa，如圖3a）平均比濕從3 g/kg左右降低到0.8 g/kg，水汽含量下降了70%，水汽含量相對較低；從400 hPa到250 hPa，大氣層平均比濕從0.8 g/kg左右降低到0.1 g/kg以下，水汽含量又快速降低了近90%，水汽含量極低。因此，比濕的小量變化可引起MRE的極大改變，大氣中、高層水汽探測RMSE較小，但MRE較高，對探測產(chǎn)品的精確度和靈敏度要求都比較高，同時對作為檢驗標準的無線電探空資料的精度要求也較高。從融合效果看，整層大氣RMSE都有明顯改善，且高層大氣融合更新后比濕RMSE相對減少比例較大是由于大氣水汽含量較低，稍有改善就比較顯著；大氣中層和高層MRE相對減少比例較小甚至稍有變差的現(xiàn)象也是由于中層和高層大氣水汽含量較低引起MRE計算波動較大造成的。

如圖6所示，通過計算對應(yīng)層次的2倍RMSE范圍內(nèi)各個值域的誤差出現(xiàn)頻率，進而分析水汽廓線誤差概率密度。對融合前、后誤差概率密度分布對比可見，融合后標準偏差明顯下降，誤差分布更加密集于誤差均值附近。同時，融合后整體上誤差概率密度峰值更高，GNSS/PWV與FY-4A/GIIRS水汽廓線快速融合改善了誤差概率密度的分布。結(jié)合圖3可見，融合前的近地層水汽反演結(jié)果整體是偏干的，850 hPa以上反演結(jié)果整體開始偏濕，參考對應(yīng)層次的RMSE，融合前后的峰值偏差不是特別明顯，一般不超過0.25倍RMSE。

圖6 融合前后誤差概率分布 （橫坐標表示RMSE比例，stdev1和stdev2分別代表融合前后標準偏差統(tǒng)計；a. 925 hPa， b. 850 hPa，c.700 hPa，d. 500 hPa）Fig. 6 Bias PDFs before and after merging （x-axis represents the RMSE ratio at corresponding height，stdev1 and stdev2 represent the standard deviations before and after merging，respectively；a. 925 hPa，b. 850 hPa， c. 700 hPa，b. 500 hPa）

4 暴雨過程應(yīng)用

2018年8月15日08時—16日20時受1814號臺風“摩羯”殘留氣團以及副熱帶高壓影響，江淮地區(qū)發(fā)生一次明顯的暴雨過程，降水時段開始于傍晚，如圖7中15日08時衛(wèi)星云圖所示，江淮地區(qū)受副熱帶高壓控制，臺風“摩羯”的低壓氣旋位于渤海，處于逐漸消散狀態(tài)，東南沿海1818號臺風“溫比亞”剛剛生成，中國南海地區(qū)1816號臺風“貝碧嘉”持續(xù)活躍，因此，江淮地區(qū)天氣形勢變化充滿不確定性。

圖7 2018年8月15日08時FY-4A 10.8 μm通道衛(wèi)星云圖Fig. 7 FY-4A satellite image of channel 10.8 μm at 08：00 BT 15 August 2018

08時常規(guī)探空資料表明，江淮地區(qū)受副熱帶高壓影響，高濕區(qū)主要在副熱帶高壓邊緣地區(qū)，位于江淮地區(qū)北部，700 hPa以上水汽含量較低。通過對GNSS/PWV與FY-4A/GIIRS水汽廓線快速融合，可生成暴雨過程期間每3 h一次的水汽廓線。如圖8所示，由于受副熱帶高壓影響，08時江淮地區(qū)700 hPa以上水汽含量較低，850 hPa至低層水汽含量相對較高。如圖8中方框所示，14時之后江淮區(qū)域700和850 hPa水汽含量顯著增加。從融合后700和850 hPa的水汽增量場來看，在15日08時FY-4A/GIIRS對流云團剛發(fā)展起來的高濕度區(qū)比濕估計偏低，尤其是700 hPa。

圖8 2018年8月15日水汽融合比濕 （色階） 與融合后水汽增量場 （等值線） （紅色方框為暴雨發(fā)生的區(qū)域；單位：g/kg；a. 08時700 hPa，b. 14時700 hPa，c. 08時850 hPa，d. 14時850 hPa）Fig. 8 Specific humidity after merging （shaded） and increment field （contours） on 15 August 2018 （the red box shows the rainstorm area，unit：g/kg；a. 700 hPa at 08：00 BT，b. 700 hPa at 14：00 BT，c. 850 hPa at 08：00 BT，d. 850 hPa at 14：00 BT）

續(xù)圖 8 Fig. 8 Continued

對江淮地區(qū)（圖8方框區(qū)）各氣壓層的比濕取平均，獲取3 h一次的水汽廓線變化序列，如圖9所示。11—14時，江淮地區(qū)水汽開始呈現(xiàn)上升趨勢，區(qū)域內(nèi)不穩(wěn)定持續(xù)增大，與3 h累計降水量的變化有較強的相關(guān)。從每3 h一次的水汽廓線變化序列可見，暴雨過程水汽變化非常劇烈，08時江淮地區(qū)受副熱帶高壓影響，高濕度區(qū)主要在850 hPa以下，11—14時，850 hPa水汽含量持續(xù)增加，同時由于500 hPa水汽含量持續(xù)較低，使得高低空水汽梯度增加，較易觸發(fā)強對流。如圖9b所示，從區(qū)域3 h累計降水量和最大降水量時間序列可見，8月15日江淮地區(qū)強降水發(fā)生在14—20時。17時區(qū)域平均降水量明顯增大，3 h最大降水量接近40 mm，且隨著中低層高水汽含量狀態(tài)的維持，強降水持續(xù)到15日20時。16日凌晨隨著高濕度區(qū)域大氣高度的下降強降水出現(xiàn)間歇。16日上午，高濕度區(qū)域明顯快速上升，同時底層大氣濕度也較高，對應(yīng)的3 h累計降水量無論是從區(qū)域降水極值或是平均值都較高，并持續(xù)到16日11時。16日11時之后，高濕度區(qū)域維持較高的氣壓層次，但低層大氣濕度有所降低，對應(yīng)的3 h累計降水量主要特點表現(xiàn)為平均值較高，區(qū)域降水極值較小。

圖9 2018年8月15日08時至16日20時江淮區(qū)域平均比濕變化 （a） 與3 h降水時間序列 （b）Fig. 9 Average specific humidity （a） and 3 h accumulative rainfall （b） from 08：00 BT 15 August to 20：00 BT 16 August 2018

圖10為 江 淮 地 區(qū)2018年8月15日08時至16日20時GNSS/PWV與FY-4A/GIIRS水 汽 廓 線融合后產(chǎn)品與對應(yīng)時段常規(guī)探空資料的對比，可見水汽廓線融合后改進效果與圖4所示相似，大氣整層比濕誤差都有所降低，尤其是600 hPa高度以下，如圖10a所示，由于區(qū)域內(nèi)有明顯的降水過程，大氣中整層比濕RMSE更高，融合后的RMSE明顯降低。MRE隨著水汽含量降低以及氣壓層高度的升高快速增大，從圖10b中可以看出由于區(qū)域內(nèi)整層水汽含量較高使得MRE與圖4b中一樣相比較小，但融合后的MRE仍降低明顯。值得注意的是，在暴雨天氣過程中600—400 hPa的中層大氣水汽含量也處于相對較高的水平，融合后水汽MRE與圖4b趨勢一致，不但改善了600 hPa以下中、低層水汽的結(jié)果，600—400 hPa的中層大氣水汽融合效果改善也非常顯著。因此，在有明顯降水過程的情況下，無論從RMSE或是MRE上看，GNSS/PWV與FY-4A/GIIRS水汽廓線融合應(yīng)用仍極大地改善衛(wèi)星反演資料的可用性。

圖10 江淮地區(qū)水汽廓線融合效果 （a. 融合前后均方根誤差 （RMSE為融合前，RMSE merged為融合后），b. 融合后相對誤差（MRE為融合前，MRE merged為融合后））Fig. 10 Accuracy evaluation of updated specific humidity profiles with merging method in Jianghuai area （a. RMSE before and after merging （RMSE merged is the RSME after merging），b. mean relative errors before and after merging （MRE merged is the MRE after merging））

5 結(jié)論與討論

FY-4A/GIIRS是國際上第一批靜止氣象衛(wèi)星的高光譜大氣垂直探測載荷。為了解新型大氣廓線資料的質(zhì)量狀況，以常規(guī)無線電探空資料為精度分析依據(jù)，對2018年6—8月中國地基GNSS站監(jiān)測的大氣可降水量和FY-4A/GIIRS水汽廓線產(chǎn)品進行分析及融合研究，并對一次暴雨天氣過程進行應(yīng)用分析，得到以下主要結(jié)論：

（1） FY-4A/GIIRS水汽廓線均方根誤差在大氣底層至850 hPa約為4.5 g/kg，700 hPa約為2.4 g/kg，中、低層水汽相對誤差為30%—35%，700 hPa以上相對誤差隨高度上升逐步增大，400 hPa以上相對誤差達200%，250 hPa以上相對誤差超過250%。

（2） 通過GNSS/PWV與FY-4A/GIIRS水汽廓線融合，更新后的大氣廓線整層均方根誤差平均降低20%左右，從近地層到700 hPa高度均方根誤差平均減小20%—25%，尤其是850—700 hPa高度減小較為明顯，基本達到極軌氣象衛(wèi)星高光譜載荷反演大氣水汽廓線的精度水平，極大地改善了衛(wèi)星反演資料的可用性。

（3） 本研究提出的水汽廓線融合技術(shù)實現(xiàn)了綜合利用地基GNSS/PWV和FY-4A/GIIRS水汽廓線的優(yōu)點，使得兩種水汽觀測資料優(yōu)勢互補，可有效提高遙感水汽反演信息的定量化水平。

（4）對一次多系統(tǒng)影響的暴雨天氣過程應(yīng)用分析表明，GNSS/PWV和FY-4A/GIIRS融合產(chǎn)品可獲得高時、空密度的大氣水汽廓線，對降水的臨近預報有重要應(yīng)用價值，有效彌補了常規(guī)探測資料的不足。

（5）大氣整層可降水量（GNSS/PWV）能夠?qū)崿F(xiàn)大范圍高密度的成網(wǎng)布設(shè)，其設(shè)備一經(jīng)布設(shè)即可直接用于全天候觀測而無需進行標定改正，時間分辨率也基本能夠滿足多數(shù)氣象業(yè)務(wù)和研究需要，但GNSS/PWV通過與其他大氣水汽廓線尤其是高時、空分辨率的衛(wèi)星遙感水汽廓線資料的融合，有利于一線預報員實時監(jiān)測、分析天氣系統(tǒng)，改善數(shù)值氣象模式初始場，為提高日常的強對流和臺風預報、預警準確率提供支撐。