英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料
译文
基于GPS的降水预报及其在台风事件中的应用
摘要
全球导航卫星系统观测得出的大气可降水的时间变异性可用于预报降水事件。 在浙江省进行了一些降水事件的研究，提出了一个降水的预报方法。对全球定位系统(GPS)观测数据中的PWV时间序列采用最小二乘拟合方法进行处理，来获得PWV的上升和下降趋势线。短时间内(2至6小时)的PWV增量和较长时间内(数小时至超过10小时）PWV持续上升时的斜率被认为是预测降水事件的预测因素。数据结果表明约80%-90%的降水事件和90%以上的暴雨事件都可以根据所提出的方法，在降水事件发生前2-6小时进行预报。2015年7月10日至12日，台风袭击浙江省，采用基于实时精确单点定位方法(RT-PPP)采集的GPS观测数据（间隔五分钟），利用该种预测方法取得了良好的效果，并且可提前10 ~30分钟预报了74%的降水事件，误报率为18%。研究表明，基于GPS的PWV在短期和即时降水预报具有良好的应用前景。
关键词： GNSS；PWV；降水预报；最小二乘法
- 引入
低大气循环中的水蒸气含量是水蒸气监测和降水预报的最重要参数之一，但其迅速的变化速度使监测变得困难（Li等人，2012年）；然而，足够的水蒸气含量是任何降水事件的先决条件。一个大规模和连续或集中的降水事件将导致洪水，危及生命和生计。此外，降水也是许多地区最重要的水源之一。因此，短期降水监测和预报服务，特别是针对高强度降雨的监测和预报服务，对于减少对生命和财产的风险，增加水资源的利用至关重要（Chiang等人，2009年）。
传统的水汽观测方法由于其时空分辨率的限制，不能应用于降水事件的监测和预报。 例如，邻近的无线电发射台之间的距离约为200至300公里，探空气球每天发射两到四次：这种时空分辨率不足以满足中尺度或小尺度所需的监测和预测。 微波辐射计非常昂贵，不能在雨天工作，因此实际上并不广泛使用（Bevis等人，1994年；Baker等人，2001年）。因为Bevis等人（1992年）提出了全球定位系统气象学的概念，地面导航卫星系统已逐渐成为获取完整水汽数据和分析降水事件的最重要手段之一。全球导航卫星系统经过二十多年的发展，许多城市建立了自己的连续运行参考站网络。例如，中国各省平均分布着5000多个连续运行的地面导航卫星系统台站，足以满足中小尺度水蒸气分析的要求。
目前，基于全球导航卫星系统的PWV主要来自两种技术，一种是基于无差分观测的精确单点定位技术；另一种是基线或网络基于双差观测的计算（Zumberge等人，1997年；Dow等人，2009年；Caissy等人，2012年）。 与后者相比，PPP技术可以在不引入基线长于500公里的辅助站的情况下使用，基于PPP技术的单个站点的分辨率既有效又具有时间效率。 一系列研究表明，无论是基于非差分观测还是双差分观测，从全球定位系统中提取的PWV的精度都与水蒸气辐射计、辐射探测仪或雷达（在现在预报的暴雨中使用ZTD及其增量）李等人（2012年）的经典测量结果相当（Bevis等人，1992年；Rocken等人，1995年；Seco等人，2012年；Ortiz de Galisteo等人，2014年）。 Benevides等人（2015）提出了一种简单的算法，在单个站的GPS PWV显著增加后，在6小时内预测降雨。
本研究的目的是利用GPS数据和相关降水信息分析PPP技术计算的PWV，从而探讨PWV与降水的关系，为短期实时预测提供有用的信息。 通过使用开发的PPP软件，积累了试验性降水站一整年的小时降水数据，并在中国浙江省处理了相关GPS站的小时PWV数据。 根据PWV与降水事件的相关性，提出了一种新的降水预测模型，并利用其他地区的数据进行了测试。该模型还可用于基于RT-PPP获取的PWV时间序列的台风事件。
- GPS观测处理
用于全球导航卫星系统观数据处理的软件包括GAMIT/GOBK和Bernese全球导航卫星系统软件V5.2，这些软件都提供了观测站上方高精度的天顶对流层延迟（ZTD）。 利用映射函数将倾斜路径延迟投射到观测站的天顶方向，得到ZTD，一般由天顶干延迟（ZHD）和天顶湿延迟（ZWD）组成。对ZTD（在海平面上约有90%的ZTD）的主要贡献是来自于ZHD，由站的高度和表面压力决定的。可以用经验模型精确地得到。另一个是由ZWD（约占ZTD的2-20%）贡献，它发生在不同的信号频率上，主要受水蒸气分子偶极矩的影响，从而导致信号传播的延迟。 此外，在降水事件发生前几个小时，信号传播也受到大气水文（ZHMD，约根据Saastamoinen模型（Saastamoinen，1972年），利用已观测到的地面气压，可以精确计算出观测站上方的ZHD：
其中Ps为地面压力（单位：hPa），phi;为纬度，Hc为大地高（单位：千米）。ZHD是观测站确定后地面压力的函数.。1hPa地面压力的增加只会导致约0.2毫米的ZHD误差（Tregoning和Herring，2006年）。
通常，通过从ZTD减去ZHD获取高精确的ZWD，然后再从ZWD转换获得PWV。（Bevis等人，1994年）。
其中，，，， 为常数，是水汽的比气体常数， ，为加权平均温度。通常，TM是根据已观测到的地面温度，使用经验模型计算得到的.(i.e. ECMWF data) (Bevis et al., 1994)。在我们的研究中，的取值是根据中国东部的经验模型估算得到的，（经验模型的）数据来自于中国东部的一组无线电探测器(20°~50°N, 100°~130°E)。
PWV是大气柱单位面积中的总水蒸气含量（单位：千克/平方米），等于同一高度的液态水含量（单位：毫米），与该站上方的综合湿剖面有关（Benevides等人，2015年）。在确定了上述站的ZWD后，PWV只与tm相关：Bevis进行了一个完善实验，以验证误差是由Eq引起的。大约为1%至2 %（Bevis等，1994 年）。Brenot等人（2006年）同样发现PWV误差小于0.3毫米（基Eq.(2)），比直接气象观测得出的PWV更准确。
-
实验数据及其处理
- 数据的介绍及选取
浙江省地处中国东部沿海地区，具有亚热带季风气候，常发生台风、暴雨、干旱、洪水等气象灾害。 该地区具有较大的水汽时空变化和空间降水异质不均性，年平均降水量为980～2000毫米，主要发生在夏季（5 月～7月）。 在我们的研究中，GPS和气象数据是从由86个地基观测站组成的CORS网络中收集的，这些站点分布在浙江省各地。浙江省水利厅提供了台风CHAN-HOM 1509 的每小时降水信息。此外，还选择了湖北省武汉市的1个具有气象数据的GNSS站和1个降水站（数据分别由国际GNSS服务局和武汉市水务局提供）。
为了获取PWV数据，利用新开发的PPP软件处理GPS观测数据，然后结合气象观测数据获得高精度的PWV数据。 尽管浙江省的全球导航卫星系统站覆盖范围很广，但不幸的是，无线电探空仪5457（绿色矩形，图1（b））周围的地基GPS站没有配备气象传感器，因此没有准确的PWV方法。 因此，香港的一个无线电探空仪（站45004）和相应的GPS站HKSC（香港定位卫星参考网络(SatRef)）被选择来比较PWV的精度，由刚开发的PPP软件得到的PWV，分别如图中的绿色矩形和黑色三角形所示图1（a））。
图1说明了全球导航卫星系统台站（黑色三角形）的地理分布，并结合台风CHAN-HOM 1509的跟踪路径，还给出了无线电探空仪的位置（绿色矩形）以及在我们的研究中使用的降水站（红色圆圈）。 选择了6个具有附近降水站的全球定位系统站来揭示PWV与降水之间的关系，其海拔高度的范围从WUHAN的28米至ZJXC的170 米不等。在2015年7月10日至12日的一次台风活动中，根据RT-PPP，考虑了3 个全球导航卫星系统台站（JIAX、ZHOS和YYAO）的5 分钟PWV实时降水预报。
图 1. 使用的全球导航卫星系统、无线电发射站和降水站的位置
-
- PPP-ZTD的精度分析
据(其他文献)说Bernese GNSS软件(V5.2)中从PPP模块导出的ZTD的内部精度达到plusmn;1.3 毫米，平均偏差小于7毫米（KyoungMin，2014年；Wilgan,2015年）。此外，利用GAMIT估计ZTD参数的外部精度（v10.5）优于plusmn;10毫米（Gusfarienza等人，2015年）。因此，Bernese全球导航卫星系统软件和GAMIT/GLOBK的结果都被认为是检验该PPP软件中得出的结果的参考。在基于双差分模型的全球定位系统观测数据处理软件中，由于局部地区各站之间的基线较短，不同观测站接收信号的传播路径相似。因此，各站之间在大气上引起的信号延迟具有很强的相关性，由此导出的ZTD和PWV是相对值。在我们的研究中，对流层之间的相关性通过引入三个IGS站（BJFS、LHAZ和SHAO）减少了整个网络的参数，其中基线长度大于500公里（Rocken等人，1995年）。
Bernese GNSS软件（V5.2）（Dach等人，2015年）和GAMIT/GOBK软件(V10.5) （Herring等人，2010年）都用于处理采样间隔为30s的数据。其中，BSW和GMT是Bernese GNSS软件和GAMIT/GOBK软件的缩写。所处理的数据是来源于浙江省的7个全球导航卫星系统观测站，其时间段为2015年5月1日至31日。在0.5h和2 h的时间间隔内分别估计了ZTD和水平变化梯度的参数。选择了10°的高度角，并基于全局映射函数（GMF）（Bohm等人，2006）将倾斜路径延迟投影到测站天顶方向。在这里，GEO-PPP是指地球数学学院开发的PPP软件所得出的结果，BSW-PP表示具有BSW的PPP，GMT-DDN是指具有GMT的双差分网络解决方案。图2显示了ZJHZ站从GEO-PPP 、BSW-PPP和GMT-DDN导出的ZTD的比较。结果表明，GEO-PPP导出的ZTD与BSW-PPP和GMT-DDN导出的具有良好的一致性。根据对实验数据的统计分析，与GMT-DDN相比，ZTD的均方根和系数分别为7.2毫米和0.9954；与BSW-PP相比，ZTD的均方根和系数分别为8.1毫米和0.9942，这表明GEO-PP的ZTD的准确性足以用于气象应用。
图 2. 比较ZJHZ 2015年5月GEO-PPP、BSW-PPP和GMT-DDN ZTD的对比
（a）ZTD的时间序列，（b）GEO-PPP和GMT-DDN的ZTD相关性分析图，（c）GEO-PPP和BSW-PPP的ZTD相关性分析图
-
- PPP-PWV的精度分析
无线电探空站数据可以提供准确的水蒸气密度剖面信息（Niell等人，2001 年；Adeyemi和Joerg，2012 年；Liu等人，2013年），并且可以通过在垂直方向上集成水蒸气图获得高精度的PWV数据；然而，如上所述，浙江省无线电探空站附近的全球导航卫星系统站没有配备对应的气象传感器，因此，这些站没有准确的PWV数据。幸运的是，香港有一个无线电探空站（45004站）和一个装有气象传感器的地基GPS站HKSC（图1（a）），并选择了2013 年至2014年两年期间的无线电探空数据、GPS观测数据和气象数据，以验证GEO-PPP所获取数据的准确性。利用上述处理策略，通过利用GEO-PPP技术从地基GPS站引入精确的气象数据来计算PWV并与无线电探空数据获取的PVW（RS PWV）进行比较。由开发的PPP软件和无线电探空仪导出的PWV时间序列的时间段为UTC 0：00和12：00（日间），比较如图3所示。PPP软件的PWV时间序列和无线电探空的彼此一致。根据本试验数据的分析，相关系数为0.9937，PWV差异的均方根和偏差分别为2.19毫米和1.17毫米（图3（b）），与国际同行公布的准确性相同(Ortiz de Galisteo et al., 2014; Benevides et al.,2015）。
图3 . GEO-PPP PWV与无线电探空数据PWV(2013-2014)的对比
- PWV与降水间的关系
为了分析PWV与降水的相关性，选取了浙江省4个GPS站（ZHOS、LJSL、ZJXC和ZJ PH）和相对降水站（HONW、DAMT、XINC和QYHU）为期一年的数据（2014年9月1日至2015年8月31日）。四个选定的GPS站都配备了气象传感器，距离最近的降水事件的距离小于4公里（见图1）。基于开发的PPP软件，从GPS观测和气象数据中检索了四个站点的PWV数据，并为相应的降水站记录了每小时的降水。
PWV的变异性有一个明确的年度周期，并与当地气候有关（Jin等人，2007年；Byun和Bar-Sever；2009年）。图4说明了ZJXC每小时PWV变化差异和每小时降
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[411111]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
