2016-2

Size: px

Start display at page:

Download "2016-2"

竹弋印
9 years ago
Views:

1 第 33 卷第 2 期 2016 年 4 月海洋预报 MARINE FORECASTS Vol.33,No.2 Apr.2016 DOI: /j.issn 基于我国沿海 GPS 站点数据提取天顶水汽含量的方法对比研究卢勇夺 1, 刘思晗 1, 王朝阳 2, 周东旭 2 1, 燕丹晨 (1. 国家海洋环境预报中心, 北京 10001;2. 国家海洋局第一海洋研究所, 山东青岛 ) 摘要 : 基于我国沿海地基 GPS 数据与海洋站气象数据, 利用相关干对流层模型湿对流层模型等, 提取了东海沿海北茭崇武 2 个 GPS 站天顶水汽含量, 并与 MODIS 水汽产品数据做比对分析结果表明 : 干对流层模型与 Beivs 湿对流层模型组合而成的提取方法较好, 其平均偏差小于 0.50 均方根误差小于 5.10, 其结果检验了沿海 GPS 提取水汽含量的可行性与有效性关键词 :GPS; 海洋站 ; 水汽含量 ;Bernese 中图分类号 :P732 文献标识码 :A 文章编号 : (2016) 引言水汽是大气层重要的动态物理参数, 其对云层降水的形成及演变具有显著效应, 亦是海 - 气相互作用的重要因子, 在海洋气象海洋环境预报等方面发挥着不可或缺的角色全球定位系统 (GPS) 北斗等导航定位系统在气象学上的应用与研究越来越广泛国内外多位学者利用陆基 GPS [1-4] 开展了提取大气水汽含量的研究, 已逐步成为陆地大气监测的重要手段但现有的 GPS 水汽提取主要针对大陆地区 GPS 站, 较少涉及沿海海上 [1] GPS 站, 针对我国沿海地区 GPS 站的水汽提取研究则更为缺失, 因此其相关研究工作一定程度上是我国沿海 GPS 海洋气象监测应用的基础本文以我国东海沿海地基 GPS 数据和同步海洋站气象实测数据为基础, 结合卫星遥感理论和 MODIS 水汽数据, 开展我国沿海 GPS 水汽提取分析, 研究适合我国东部沿海的 GPS 水汽提取方法 2 GPS 数据处理与方法当 GPS 发出的电磁信号穿过大气对流层时, 会受到对流层大气折射的影响, 发生信号延迟 [5] 对流层延迟包含两部分 : 一部分主要是由大气水汽引起, 称为湿对流层延迟 ; 另一部分由氮氧等水汽以外的气体引起, 这部分延迟被称为干对流层延迟湿对流层延迟 (Zenith Wet Delay,ZWD) 与信号传播路径上的大气水汽含量或可降水量 (Precipitable Water,PW) 近似成正比关系, 其关系公式可表示为 : PW = F ZWD (1) F = 10 6 u R ( k 3 v Tm + k 2 - w k 1 ) (2) 式中 :F 为转换因子,u 为水的密度,R v 为水汽常量,k 1 k 2 k 3 为大气折射因子, w 为水汽分子与干空气分子的质量比,T m 为对流层加权平均温度,T m 与地面温度存在一定关系, 可通过某种模型求解得 [6] [7] 到, 常见 T m 模型有 Bevis 模型毛节泰 (Mao) 模型收稿日期 : 基金项目 : 国家海洋局海洋公益性行业科研专项 ( ); 中国科学院海洋环流与波动重点实验室开放基金课题 (KLOCAW1410) 作者简介 : 卢勇夺 (1986-), 男, 工程师, 硕士, 主要从事海洋遥感信息提取与应用研究和数据管理应用平台开发等 [email protected]

国家海洋局第一海洋研究所, 山东青岛 266061) 摘要 : 基于我国沿海地基 GPS 数据与海洋站气象数据, 利用相关干对流层模型湿对流层模型等, 提取了东海沿海北茭崇武 2 个 GPS 站天顶水汽含量, 并与 MODIS 水汽产品数据做比对分析

2 2 期卢勇夺等 : 基于我国沿海 GPS 站点数据提取天顶水汽含量的方法对比研究 17 等, 另外 F 常取经验值 0.15 [8] 通过物理变换, 将湿对流层分量延迟转化成大气水汽含量干对流层延迟 (Zenith Dry Delay,ZDD ) 与气压温度等因素有关, 可利用某种干对流层模型求 [9] 解得到, 干对流层模型有模型 [10] [11] [12] Hopfied 模型模型及模型等其具体形式分别如下 : ZDD S = cos( 2φ) H (3) ZDD H = 1.552( ( T S ) - H) P S T S P S (4) ZDD B = (T S ) P S T S (5) ZDD E =( ± ) cos( φ) H P S (6) 式 (3) (6) 中 :P S 表示 GPS 站点地面气压,φ 表示 GPS 站点纬度,H 表示 GPS 站点海拔高度,T S 表示 GPS 站点地面绝对温度 GPS 对流层延迟 (Zenith Total Delay,ZTD) 可通过 Bernese 处理软件解算得到, 其与干对流层延迟湿对流层延迟的关系可以表示为 : 含量 ZTD = ZDD + ZWD (7) 通过式 (1) (6) 分别求解得到 GPS 天顶水汽我国沿海 GPS 观测系统由分布于我国沿海海岸及部分岛屿上数十个海洋站点组成, 为我国沿海可降水量提取及台风监测奠定了基础考虑到我国沿海台风受灾情况与 GPS 站点数据连续情况, 我们选取 2013 年 6 10 月我国东部沿海的北茭崇武 GPS 站天顶延迟及气温气压等数据开展水汽提取分析研究由于我国沿海海洋站尚未有连续观测的无线电探空仪水汽辐射计等资料, 本文选取了已广泛应用的 MODIS 水汽产品作为检验分析 GPS PW 的参考值, 其空间分辨率为 5 km, 产品精度约为 5 本文以平均偏差 (Bias) 均方根误差 (RMS) 相关系数 (Corr) 等作为评价因子为研究分析不同水汽提取方法对 GPS PW 的影响, 本文利用 GPS 对流层延迟数据 ZTD 计算 GPS PW 时, 干对流层模型采用了模型 Hopfield 模型模型及模型等, 湿对流层模型 ( 模型 ) 采用了常数模型 (F=0.15) Bevis 模型及 Mao 模型等 3 分析结果与讨论基于 2013 年 6 10 月北茭崇武 GPS 对流层延迟及气象数据, 本文采用不同水汽含量提取方法求解 GPS 水汽含量 PW, 并与 MODIS PW 比对分析, 以检验分析不同水汽提取方法的可行性与有效性, 相关结果见表 1 表 2 表 3 从表 1 可见, 在 Tm 为常数模型下, 采用不同干表 1 Tm 为常数 2013 年 6 10 月北茭与崇武 GPS PW 与沿海 GPS 站点北茭崇武干对流层模型 MODIS PW 对比结果平均偏差 / 均方误差 / 相关系数表 2 Bevis Tm 模型 2013 年 6 10 月北茭与崇武 GPS PW 与沿海 GPS 站点北茭崇武 MODIS PW 对比结果干对流层模型平均偏差 / 均方误差 / 相关系数表 3 Mao Tm 模型 2013 年 6 10 月北茭与崇武 GPS PW 与沿海 GPS 站点北茭崇武 MODIS PW 对比结果干对流层模型平均偏差 / 均方误差 / 相关系数

模型等其具体形式分别如下 : ZDD S = 0.227 1-0.0026 cos( 2φ) - 0.00028H (3) ZDD H = 1.552(40.082 + 0.14898( T S - 273.16) - H) P S T S P S (4) ZDD B = 0.2343(T S - 4.12) P S T S (5) ZDD E =(2.2779 ± 0.

3 18 海洋预报 33 卷对流层模型求解得到的 GPS PW 与 MODIS PW 均 GPS PW 大于 0.82 是由于崇武站与 MODIS 数据空有较好的相关性相关系数均大于 0.76 崇武站间匹配更好造成的其均方根误差 RMS 较小约图 1 北茭海洋站 GPS PW 与 MODIS L2 PW 之间比对散点图 (左侧一列 Tm 为常数中间一列为 Beivs Tm 模型右侧一列为 Mao Tm 模型)

4 2期卢勇夺等基于我国沿海 GPS 站点数据提取天顶水汽含量的方法对比研究图 2 崇武海洋站 GPS PW 与 MODIS L2 PW 之间比对散点图左侧一列 Tm 为常数中间一列为 Beivs Tm 模型右侧一列为 Mao Tm 模型 19

5 20 海洋预报 33 卷为 4.50 反映了不同模型提取的 GPS PW 与 MODIS PW 精密性较好但不同干对流层模型求解得到的 GPS PW 与 MODIS L2 PW 的平均偏差差别较大, 模型最大, 约为 7.00, 模型次之, 模型最小, 约为 3.50, 且均为负值, 反映了利用 Tm 为常数求解 GPS PW 时可能存在系统偏差, 可能是因为该模型未考虑气温气压变化对大气水汽含量的动态影响从表 2 3 可见, 在湿对流层 Bevis Tm 模型与 Mao Tm 模型下, 不同干对流层模型求解得到的 GPS PW 相关结果与 Tm 为常数模型存在较好的相似性表结合可见, 利用不同湿对流层 Tm 模型求解的 GPS PW 与 MODIS PW 对比结果不甚相同以干对流层模型为例,Tm 为常数模型求解得到的 GPS PW 平均偏差最大, 约为 7.00,Bevis Tm 模型与 Mao Tm 模型 GPS PW 平均偏差较小, 均为 4.00 左右, 均为负值, 反映模型求解 GPS PW 可能存在系统偏差 ; 同一干对流层模型下, 不同 Tm 模型的 GPS PW 均方根误差 (RMS) 差别较小, 均为 4.00 左右 ; 图 1 图 2 分别给出了北茭崇武 GPS PW 与 MODIS PW 之间比对散点图从图中可以看出,2013 年 6 10 月北茭崇武两站 Tm 为常数模型与不同干对流层模型结合求解得到的 GPS PW 整体上较 MODIS PW 偏小, 但其散点分布相对集中, 表 1 GPS PW 与 MODIS PW 的平均偏差与均方根误差亦说明了这一点,Beivs Tm 与 Mao Tm 模型求解得到的散点基本对角线两侧分布集中从图 1 图 2 还可以看出 : 和模型下与不同 Tm 模型结合求解得到的 GPS PW 整体上比 MODIS PW 偏小, 散点分布相对集中, 表 GPS PW 与 MODIS PW 的平均偏差和均方根误差亦能说明这一点, 模型散点相对分散, 模型散点对角线两侧集中分布综上所述, 不同干对流层模型与湿对流层模型相组合求解得到的 GPS PW, 与 MODIS PW 相比, 其平均偏差均方根误差与相关系数存在一定差异模型与 Tm 为常数模型组合求解得到的 GPS PW 平均偏差最大, 大于 7.10, 其均方根误差约为 4.30, 初步判定其模型组合存在一定系统偏差, 未考虑气温等因素对水汽提取的影响 ; 模型与湿对流模型组合求解的 GPS PW 平均偏差较小, 但均方根误差较大, 分布相对发散 ; 模型与湿对流层模型组合求解的 GPS PW 均方根误差较小, 分布相对集中, 但平均偏差较大 ; 模型与 Beivs 模型组合求解的 GPS PW 平均偏差较小, 其值小于 0.6, 均方根误差约为 4.00, 分布较为集中, 整体而言, 沿海 GPS 站点水汽含量提取宜这一模型组合 4 结论与展望利用我国东部沿海北茭与崇武海洋站 GPS 站 2013 年 6 10 月监测的天顶对流层延迟数据和气象数据等, 采用不同水汽含量提取方法求解 GPS PW, 并与 MODIS PW 进行比对分析, 检验了 GPS 不同水汽含量提取方法求解的 GPS PW 的可行性与有效性, 得到如下结论 : (1) 不同干对流层模型对 GPS PW 均方根误差影响不大, 但对 GPS PW 平均偏差具有较为显著影响与 MODIS PW 相比,Hopfield 模型求解的 GPS PW 平均偏差最大, 模型平均偏差次之. 模型平均偏差最小 ; (2) 不同湿对流层模型的 GPS PW 平均偏差存在一定差异, 但均方根误差区别不大,Bevis Tm 模型与 Mao Tm 模型 GPS PW 平均偏差较小 ; (3) 不同水汽含量提取方法求解得到的 GPS PW 平均偏差均方根误差存在一定差异, 整体而言, 模型与 Beivs 模型组合而成的水汽含量提取方法平均偏差均方根误差均较小, 适于我国东部沿海 GPS 水汽提取 ; 在下一步研究中, 我们将开展湿对流层模型加权平均温度的本地化订正研究, 以进一步提高 GPS PW 的提取精度, 为 GPS 海洋气象研究应用等提供参考参考文献 : [1] Xu G R, Cui C G, Wan R, et al. Applicability of Methods for Estimating GPS Precipitable Water in the Qinghai-Tibet Plateau[J]. Journal of Atmospheric and Solar-Terrestrial Physics, 2012, 89: [2] 张化疑, 刘焱雄, 周兴华, 等. 渤海区域对流层加权平均温度研究 [J]. 测绘信息与工程, 2010, 35(4): 1-2.

GPS PW 相关结果与 Tm 为常数模型存在较好的相似性表 1 2 3 结合可见, 利用不同湿对流层 Tm 模型求解的 GPS PW 与 MODIS PW 对比结果不甚相同以干对流层模型为例,Tm 为常数模型求解得到的 GPS PW 平均偏差最大, 约为 7.

6 2 期卢勇夺等 : 基于我国沿海 GPS 站点数据提取天顶水汽含量的方法对比研究 21 [3] 李国平. 地基 GPS 遥感大气可降水量及其在气象中的应用研究 [D]. 成都 : 西南交通大学, [4] 何平, 徐宝祥, 周秀骥, 等. 地基 GPS 反演大气水汽总量的初步试验 [J]. 应用气象学报, 2002, 13(2): [5] 丁金才. GPS 气象学及其应用 [M]. 北京 : 气象出版社, 2009: [6] Bevis M, Businger S, Chiswell S, et al. Gps Meteorology: Mapping Zenith Wet Delays Onto Precipitable Water[J]. Journal of Applied Meteorology, 1994, 33(3): [7] 毛节泰, 李建国. 使用 GPS 系统遥感中国东部地区水汽分布原理和回归分析 [C]// 全球定位系统气象学 (GPS/MET) 研究论文汇编. 北京 : 中国气象局国家卫星气象中心, [8] 刘焱雄, 陈永奇. 地基 GPS 技术遥感香港地区大气水汽含量 [J]. 武汉测绘科技大学学报, 1999, 24(3): [9] J. Contributions to the Theory of Atmospheric Refraction. Part II. Refraction Corrections in Satellite Geodesy[J]. Bulletin Géodésique ( ), 1973, 107(1): [10] Hopfield H S. Tropospheric Effect on Electromagnetically Measured Range: Prediction from Surface Weather Data[J]. Radio Science, 1971, 6(3): [11] H D, Eisner A. Correcting Satellite Doppler Data for tropospheric Effects[J]. Journal of Geophysical Research, 1984, 89(D2): [12] 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, 1991, 96(B4): Extracting methods comparison of zenith precipitable water from China's coastal GPS station data LU Yong-duo 1, LIU Si-han 1, WANG Zhao-yang 2, ZHOU Dong-xu 2, YAN Dan-chen 1 (1.National Marine Environmental Forecasting Center, Beijing China; 2. The First Institute of Oceangraphy,State Oceanic Administration, Qingdao China) Abstract:Based on GPS data and marine station meteorological data along China coastal sea, the dry tropospheric model and wet troposphere delay model, the zenith PW at Bei Jiao and Chong Wu GPS stations located in the East China Sea coast was extracted and compared with water vapor data from MODIS. The results showed that, assembly of s dry tropospheric delay model and Bevis wet troposphere delay model could be better. The smallest Bias was less than 0.50 and RMS was less than 5.10, which verified the extracting PW from China coastal GPS data. Key words:ground-based GPS; marine atation; precipitable water; Bernese

Gps Meteorology: Mapping Zenith Wet Delays Onto Precipitable Water[J]. Journal of Applied Meteorology, 1994, 33(3): 379-386. [7] 毛节泰, 李建国.

何秋琳张立春视觉学习研究进展视觉注意视觉感知

何秋琳张立春视觉学习研究进展视觉注意视觉感知第卷第期年月开放教育研究何秋琳张立春华南师范大学未来教育研究中心广东广州随着图像化技术和电子媒体的发展视觉学习也逐步发展为学习科学的一个研究分支得到研究人员和教育工作者的广泛关注基于此作者试图对视觉学习