連達(dá)軍，何琦敏，2，李 黎，2，富爾江，張克非

(1.蘇州科技大學(xué) 地理科學(xué)與測繪工程學(xué)院，江蘇 蘇州 215009；2.蘇州科技大學(xué) 北斗導(dǎo)航與環(huán)境感知研究中心，江蘇 蘇州 215009；3.北星空間信息技術(shù)研究院(南京)有限公司，江蘇 南京 211800；4.中國礦業(yè)大學(xué) 環(huán)境與測繪學(xué)院，江蘇 徐州 221116)

天頂對流層延遲(Zenith Tropospheric Delay，ZTD)和大氣可降水量(Precipitable Water Vapor，PWV)是改善氣象預(yù)報(bào)的重要大氣參數(shù)，同時(shí)也是影響全球?qū)Ш叫l(wèi)星系統(tǒng)(Global Navigation Satellite System，GNSS)高精度定位的主要誤差源。ERA5是歐洲中期天氣預(yù)報(bào)中心提供的第五代大氣再分析數(shù)據(jù)集，能夠提供全球范圍內(nèi)的小時(shí)氣象數(shù)據(jù)。由于ERA5數(shù)據(jù)具有較高的時(shí)空分辨率和精度，常用于構(gòu)建ZTD等大氣參數(shù)的經(jīng)驗(yàn)?zāi)Ｐ蚚1-2]，并作為GNSS和衛(wèi)星遙感等水汽觀測技術(shù)的檢校源[3]。由于ZTD和PWV作為輸入數(shù)據(jù)源參與氣象預(yù)報(bào)時(shí)應(yīng)滿足要求相應(yīng)的精度閾值要求[4]，國內(nèi)外已有部分學(xué)者對ERA5資料反演的ZTD(ERA5-ZTD)和PWV(ERA5-PWV)進(jìn)行了一些初步的評估。在全球范圍內(nèi)，YU等[5]利用1 300個(gè)GNSS監(jiān)測站反演的ZTD(GNSS-ZTD)對ERA5-ZTD精度進(jìn)行了評估，兩者的整體偏差約為16.9 mm，全球范圍內(nèi)精度不均勻，與站點(diǎn)的高程具有相關(guān)關(guān)系；上官明等[6]基于分析了基于全球180個(gè)GNSS站和180個(gè)探空站(Radiosonde Station，RS)反演的ZTD對ERA5-ZTD的精度進(jìn)行了評估，其結(jié)果具有顯著的季節(jié)性特征，在夏季時(shí)的精度最低；ZHANG等[7]檢驗(yàn)了ERA5、ERA- Interim(ERA5的上一代產(chǎn)品)、GNSS和RS反演的PWV數(shù)據(jù)集的一致性，以GNSS-PWV和RS-PWV作為參考值，ERA5-PWV的均方根誤差(Root Mean Square Error，RMSE)分別為1.8 mm和2.7 mm。此外，有不少學(xué)者分析了ERA5產(chǎn)品在我國省市區(qū)域范圍的適用性，相較于其他高精度大氣探測方法獲得的ZTD和PWV產(chǎn)品，ERA5-ZTD和ERA5-PWV的平均偏差分別在[15 mm，20 mm]和[1.5 mm，3 mm]區(qū)間范圍[8-12]。但上述的研究都是將兩者的評估分開，且時(shí)間尺度較短，因此得到的結(jié)果未能客觀反映ZTD和PWV兩者的整體精度關(guān)系。

此外，由于在極端天氣事件演變過程中，ZTD和PWV等大氣參數(shù)通常出現(xiàn)顯著的異常變化，因此ZTD和PWV可直接應(yīng)用于部分區(qū)域性極端天氣的預(yù)警預(yù)報(bào)[13]。目前ZTD和PWV在氣象預(yù)報(bào)方面的應(yīng)用主要包括降雨、臺風(fēng)和對流風(fēng)暴等方面[14]，已能夠?qū)崿F(xiàn)定性和部分定量的極端天氣短臨預(yù)警。本文利用中國區(qū)域2017-2019年間的14個(gè)GNSS站和89個(gè)RS站點(diǎn)的GNSS-ZTD和RS-PWV分別對ERA5-ZTD和ERA5-PWV進(jìn)行精度評估。以2019年我國遭受的超強(qiáng)臺風(fēng)“利奇馬”事件為例，分析“利奇馬”期間的ZTD和PWV時(shí)空分布及運(yùn)移規(guī)律，構(gòu)建臺風(fēng)水汽移動(dòng)因子，研究水汽和臺風(fēng)的響應(yīng)關(guān)系，為我國預(yù)報(bào)臺風(fēng)等災(zāi)害性天氣提供新的參考思路。

1 ZTD和PWV反演原理

1.1 ERA5-ZTD反演原理

ZTD可根據(jù)大氣折射率在天頂方向的路徑積分表達(dá)式計(jì)算：

(1)

式中：h0和htro分別為地面和對流層頂高度(m)，N為大氣折射率，dh為天頂方向路徑微分(m)。N難以用顯式的表達(dá)式計(jì)算，可用分層的延遲量近似表示[15]：

(2)

式中：Ni和Δhi分別為分層的平均大氣折射率和高度差(m)，Pi、ei、和Ti分別為分層的平均總氣壓(hPa)、水汽分壓(hPa)和溫度(K)，n為總分層數(shù)，k1，k2和k3均為常數(shù)，其值分別為77.6、64.8和3.776×105。

在式(2)中，參數(shù)T和P可直接從ERA5數(shù)據(jù)集獲得，e需要通過比濕和氣壓間接計(jì)算得到[16]：

(3)

式中：Q為比濕，可從ERA5數(shù)據(jù)集中直接獲得。

1.2 ERA5-PWV反演原理

PWV可根據(jù)比濕在天頂方向的氣壓積分表達(dá)式得到，采用分層氣壓的方式計(jì)算[17]：

(4)

式中：Qi和ΔPi分別分層的平均比濕和氣壓差，g為當(dāng)?shù)刂亓铀俣?m/s2)。

此外，由于ERA5數(shù)據(jù)反演的ZTD和PWV數(shù)據(jù)是基于ERA5格網(wǎng)點(diǎn)位置，因此使用ERA5反演的數(shù)據(jù)產(chǎn)品與GNSS和RS的結(jié)果對比時(shí)，還需考慮ERA5格網(wǎng)點(diǎn)與GNSS和RS的站點(diǎn)空間差異。其中，在水平方向上采用距離站點(diǎn)最近的四個(gè)格網(wǎng)點(diǎn)進(jìn)行反距離加權(quán)的方法，獲得站點(diǎn)所在水平位置的ERA5-ZTD/PWV，然后在垂直方向上采用樣條曲線方法插值得到站點(diǎn)所在高度的ERA5結(jié)果。此外，由于ERA5和GNSS存在高程系統(tǒng)上的差異，其中ERA5數(shù)據(jù)產(chǎn)品是基于位勢高系統(tǒng)，而GNSS數(shù)據(jù)產(chǎn)品基于大地高系統(tǒng)，通過文獻(xiàn)[18]中的方法可實(shí)現(xiàn)兩者轉(zhuǎn)換。

2 實(shí)驗(yàn)區(qū)域和數(shù)據(jù)來源

我國東南沿海地區(qū)常年受到臺風(fēng)的侵襲，是世界上臺風(fēng)活動(dòng)最活躍的地區(qū)之一。為了綜合評估ERA5-ZTD/PWV產(chǎn)品在我國區(qū)域的可用性，并分析ZTD和PWV的時(shí)空變化與臺風(fēng)天氣事件之間的響應(yīng)機(jī)理。本實(shí)驗(yàn)所需的數(shù)據(jù)集主要包括如下：

1)2017-2019年ERA5位勢、溫度和比濕等參數(shù)的氣壓分層格網(wǎng)數(shù)據(jù)，空間分辨率、時(shí)間分辨率和垂直分辨率分別為0.25°×0.25°、1 h和37層(https：//cds.climate.copernicus.eu/#！/ home)。

2)國際GNSS服務(wù)(International GNSS Service，IGS)提供的2017-2019年中國區(qū)域14個(gè)GNSS站點(diǎn)事后處理的ZTD產(chǎn)品，時(shí)間分辨率為5 min(https：//cddis.nasa.gov/archive/gnss/products/troposphere/zpd/)。

3)懷俄明大學(xué)大氣科學(xué)系提供的2017-2019年中國區(qū)域89個(gè)探空站數(shù)據(jù)，時(shí)間分辨率為12 h(http：//weather.uwyo.edu/upperair/sounding.html)。

4)中央氣象臺提供的2019年臺風(fēng)最佳軌跡數(shù)據(jù)集[19-20]，時(shí)間分辨率為3 h或6 h (http：//tcdata.typhoon.org.cn)。

數(shù)據(jù)集(1)主要用于反演ERA5-ZTD和ERA5-PWV，數(shù)據(jù)集(2)和數(shù)據(jù)集(3)分別用于評估ERA5-ZTD和ERA5-PWV的精度，數(shù)據(jù)集(4)主要用于提取2019年“利奇馬”臺風(fēng)的移動(dòng)路徑，并計(jì)算路徑上的移動(dòng)速度，分析ZTD和PWV時(shí)空變化與臺風(fēng)臨近前后的響應(yīng)關(guān)系。其中，數(shù)據(jù)集(2)中的14個(gè)IGS站點(diǎn)的大地坐標(biāo)和高程見表1，數(shù)據(jù)集(2)的IGS站點(diǎn)和數(shù)據(jù)集(3)的探空站點(diǎn)分布見圖1。

圖1 實(shí)驗(yàn)中GNSS站和探空站地理分布

表1 GNSS站點(diǎn)大地坐標(biāo)及高程

3 結(jié)果與分析

3.1 ERA5-ZTD精度分析

IGS采用事后的精密衛(wèi)星軌道和鐘差處理策略，能夠提供時(shí)間分辨率為5 min，且精度優(yōu)于5 mm的ZTD產(chǎn)品[21]。其中在2017-2019年時(shí)間段內(nèi)，中國區(qū)域范圍共有14個(gè)IGS站點(diǎn)的ZTD數(shù)據(jù)產(chǎn)品可用。因此，為了檢驗(yàn)ERA5-ZTD的可用性，利用ERA5格網(wǎng)數(shù)據(jù)首先獲得所在的IGS站點(diǎn)ZTD值，以IGS提供GNSS-ZTD產(chǎn)品作為參考值，計(jì)算ERA5-ZTD在各個(gè)站點(diǎn)上的平均偏差(Bias)、RMSE和標(biāo)準(zhǔn)差(Standard Deviation，STD)，統(tǒng)計(jì)結(jié)果見表2。

表2 14個(gè)GNSS站點(diǎn)的ERA5-ZTD統(tǒng)計(jì)結(jié)果

由表2結(jié)果可知，14個(gè)站點(diǎn)的ERA5-ZTD平均Bias、RMSE、STD分別為-6.3 mm、19.3 mm和17.5 mm，絕大部分測站精度在13.9～21.1 mm之間；其中誤差最大的站點(diǎn)為LHAZ，平均Bias、RMSE、STD分別為7.6 mm、34.3 mm和33.4 mm。分析LHAZ站點(diǎn)的ERA5-ZTD誤差偏大的主要原因可能是由于該站點(diǎn)位于氣象站點(diǎn)和數(shù)據(jù)匱乏的青藏地區(qū)，而ERA5的大氣數(shù)據(jù)產(chǎn)品是基于多種氣象數(shù)據(jù)的同化模型結(jié)果。因此在原始數(shù)據(jù)缺失的地區(qū)，同化后的氣象數(shù)據(jù)結(jié)果精度較差，而高海拔的青藏地區(qū)環(huán)境和條件使搭建氣象站變得困難，且難以長期維護(hù)，因此基于ERA5數(shù)據(jù)反演ZTD產(chǎn)品整體精度也將偏低。

3.2 ERA5-PWV精度分析

探空氣球是一種高精度的高空大氣探測技術(shù)，能夠獲取探空站上空的多種氣象參數(shù)(例如：溫度、氣壓和相對濕度等)廓線信息，基于該廓線信息可以反演得到PWV。由探空站反演的PWV精度通常優(yōu)于1.5 mm，但時(shí)間分辨率較低，通常為1 d 2次或3次。因此，RS-PWV常用來檢校GNSS、衛(wèi)星遙感和數(shù)值氣象預(yù)報(bào)模式等水汽探測方法的精度。

為了進(jìn)一步分析ERA5-PWV在中國區(qū)域內(nèi)的精度，利用2017-2019年間中國區(qū)域內(nèi)89個(gè)探空站反演的RS-PWV數(shù)據(jù)作為參考值檢驗(yàn)ERA5-PWV的精度，并計(jì)算了兩者的相關(guān)系數(shù)值(圖2)。在圖2中，由NW至SE方向精度明顯下降，整體呈現(xiàn)西部內(nèi)陸精度高，東南沿海精度低的趨勢，ERA5-PWV的整體平均Bias、RMSE和STD分別為0.3 mm，2.9 mm和2.7 mm，最大值分別為-2.29 mm、6.65 mm和6.25 mm。ERA5-PWV和RS-PWV具有顯著的相關(guān)關(guān)系，超過97%站點(diǎn)的相關(guān)系數(shù)大于0.9，平均和最小相關(guān)系數(shù)分別為0.97和0.84。由ERA5-ZTD和ERA5-PWV在中國區(qū)域內(nèi)的精度評估結(jié)果表明，兩者具有較高的精度，能夠進(jìn)一步用于分析與極端天氣事件的響應(yīng)關(guān)系。

圖2 89個(gè)RS站點(diǎn)的ERA5-PWV統(tǒng)計(jì)結(jié)果(Bias、RMSE、STD和相關(guān)系數(shù))分布

3.3 臺風(fēng)“利奇馬”期間ZTD和PWV響應(yīng)分析

為了進(jìn)一步分析ZTD和PWV與臺風(fēng)事件之間的響應(yīng)關(guān)系，本實(shí)驗(yàn)以2019年的“利奇馬”臺風(fēng)事件為例，提取了2019年8月8日0時(shí)-18時(shí)“利奇馬”臺風(fēng)的活動(dòng)區(qū)域范圍的ERA5-ZTD和ERA5-PWV，并進(jìn)行了空間插值，獲得了PWV和ZTD的空間分布圖(圖3和圖4)。由圖可知，“利奇馬”臺風(fēng)期間的ZTD和PWV空間分布非常相似。當(dāng)臺風(fēng)內(nèi)部攜帶了大量水汽，臺風(fēng)路徑上有一個(gè)近似的旋轉(zhuǎn)黃色圓(高PWV)能夠顯著表征當(dāng)時(shí)臺風(fēng)覆蓋區(qū)域和所處位置。而ZTD是濕延遲和干延遲的綜合，結(jié)果中，臺風(fēng)期間的ZTD顯著增大，可能是由于水汽的增加引起的濕延遲增大。此外，從圖中PWV和ZTD移動(dòng)趨勢上可知，PWV和ZTD的移動(dòng)方向具有明顯東南向西北方向趨勢，與“利奇馬”臺風(fēng)的路徑方向是保持一致的。

圖3 2019年8月8日0時(shí)-18時(shí)每6 h的PWV空間分布與“利奇馬”臺風(fēng)路徑

圖4 2019年8月8日0時(shí)-18時(shí)每6 h的ZTD空間分布與“利奇馬”臺風(fēng)路徑

因此，為了進(jìn)一步研究“利奇馬”臺風(fēng)期間的水汽時(shí)序特征，在路徑周圍選取了6個(gè)位于臺風(fēng)中心附近ERA5格網(wǎng)點(diǎn)，分析臺風(fēng)來臨前后的PWV變化。同時(shí)，為了對比多個(gè)時(shí)間序列的特征變化，對原始PWV序列進(jìn)行標(biāo)準(zhǔn)化：

(5)

圖5 2019年8月6日0時(shí)-8月9日0時(shí)“利奇馬”臺風(fēng)路徑周圍所選的ERA5格網(wǎng)點(diǎn)與1 h SPWV時(shí)間序列

由圖5可知，由于臺風(fēng)攜帶了大量水汽，因此在來臨過程中，SPWV會(huì)出現(xiàn)一段時(shí)間的增長，之后達(dá)到最大值，隨著臺風(fēng)的逐漸遠(yuǎn)離，SPWV又開始呈現(xiàn)下降的趨勢。同時(shí)，由于臺風(fēng)均經(jīng)過上述6個(gè)ERA5點(diǎn)，因此圖5b中的6個(gè)SPWV序列非常相似，均能夠找到臺風(fēng)遠(yuǎn)離時(shí)SPWV的最大值點(diǎn)。但由于臺風(fēng)來臨的先后次序不同，因此在上述幾個(gè)SPWV序列中最大值點(diǎn)出現(xiàn)的時(shí)間存在偏移，且該時(shí)間偏移方向和臺風(fēng)到達(dá)的路徑方向也是一致的。由圖3可知，水汽的移動(dòng)方向和臺風(fēng)移動(dòng)方向是接近的，為了進(jìn)一步定量分析水汽的移動(dòng)速度和臺風(fēng)速度關(guān)系，假設(shè)臺風(fēng)內(nèi)的水汽首先到達(dá)了第1個(gè)格網(wǎng)點(diǎn)，且正在往附近第2個(gè)格網(wǎng)點(diǎn)方向移動(dòng)，示意圖見圖6。

圖6 臺風(fēng)水汽的平面運(yùn)動(dòng)模型

圖6中，d12為沿著臺風(fēng)路徑方向行走的路程，l12為兩格網(wǎng)點(diǎn)之間的距離。因此，當(dāng)臺風(fēng)離開1號點(diǎn)到達(dá)2號點(diǎn)，所經(jīng)過的時(shí)間為t12，即有：

d12≈l12cos(θ-θ12)。

(6)

式中：θ和θ12分別為水汽的移動(dòng)方向和l12的方向角。不考慮水汽的收支和狀態(tài)變化等影響，當(dāng)移動(dòng)至最后一個(gè)格網(wǎng)點(diǎn)(圖5中6號點(diǎn))，即有：

(7)

式中：d為沿著臺風(fēng)路徑方向行走的路程總長，di(i+1)、li(i+1)和θi(i+1)為分段的路程、格網(wǎng)點(diǎn)距離和方位角。

假設(shè)水汽的移動(dòng)速度v保持不變，由圖5b可以得到各相鄰格網(wǎng)點(diǎn)的水汽到達(dá)時(shí)間差ti(i+1)，由此可以通過下式計(jì)算臺風(fēng)運(yùn)動(dòng)過程中的水汽平均移動(dòng)速度。

(8)

根據(jù)上述公式即計(jì)算得到“利奇馬”臺風(fēng)在此期間的水汽平均移動(dòng)速度為12.4 km/h，而通過臺風(fēng)的軌跡數(shù)據(jù)計(jì)算的臺風(fēng)移動(dòng)速度為16.1 km/h。兩者的計(jì)算結(jié)果非常接近，但由于臺風(fēng)內(nèi)的水汽還存在過程損失等情況，因此在數(shù)值上水汽的速度將小于實(shí)際的臺風(fēng)移速，但仍可以作為一個(gè)重要參考因子對臺風(fēng)的運(yùn)動(dòng)狀態(tài)進(jìn)行預(yù)報(bào)。

4 結(jié)論與討論

為了研究ERA5數(shù)據(jù)反演的ZTD和PWV在中國區(qū)域內(nèi)的可用性，本文利用2017-2019年中國區(qū)域內(nèi)的14個(gè)IGS站和89個(gè)RS站估計(jì)的ZTD和PWV分別對ERA5-ZTD和ERA5-PWV進(jìn)行精度評估。結(jié)果表明，中國區(qū)域內(nèi)的ERA5-ZTD和ERA5-PWV精度較高，ERA5-ZTD的平均Bias、RMSE、STD分別為-6.3 mm、19.3 mm和17.5 mm，除高海拔的青藏區(qū)域LHAZ站存在較大偏差外，其余站點(diǎn)的精度均在13.9～21.1 mm范圍內(nèi)；ERA5-PWV的平均Bias、RMSE和STD分別為0.3 mm，2.9 mm和2.7 mm，精度分布整體呈現(xiàn)西部內(nèi)陸精度高和東南沿海低的趨勢。

此外，本文還分析ZTD和PWV與臺風(fēng)事件的響應(yīng)關(guān)系，以2019年“利奇馬”臺風(fēng)為例，分析了臺風(fēng)期間ZTD和PWV的空間分布和時(shí)間序列。結(jié)果表明，ZTD和PWV具有相似的分布規(guī)律，移動(dòng)方向呈現(xiàn)與臺風(fēng)的路徑方向一致趨勢，當(dāng)臺風(fēng)臨近時(shí)均出現(xiàn)顯著的增長，達(dá)到最大值隨臺風(fēng)遠(yuǎn)離開始下降。因此，為定量研究水汽的移動(dòng)速度和臺風(fēng)移動(dòng)關(guān)系，提出了使用臺風(fēng)路徑附近的ERA5格網(wǎng)點(diǎn)水汽序列計(jì)算水汽速度的方法，計(jì)算了“利奇馬”臺風(fēng)在經(jīng)過6個(gè)ERA5格網(wǎng)點(diǎn)的平均水汽移動(dòng)速度為12.4 km/h，與臺風(fēng)在該段路徑上的平均移動(dòng)速度16.1 km/h非常接近。以上的研究表明，ERA5-ZTD和ERA5-PWV在中國區(qū)域范圍內(nèi)具有較高的精度，ZTD和PWV可以作為臺風(fēng)預(yù)警預(yù)報(bào)研究的重要輔助氣象因子。本文所使用的ERA5水汽產(chǎn)品是事后解算的結(jié)果，隨著實(shí)時(shí)GNSS等水汽探測技術(shù)發(fā)展，基于多源水汽的實(shí)時(shí)臺風(fēng)監(jiān)測技術(shù)將得到進(jìn)一步發(fā)展。