利用GAMIT软件反演北京大气可降水量的初步研究

《测绘通报》测绘科学前沿技术论坛论文集1利用GAMIT软件反演北京大气可降水量的初步研究1李昂晟1李小娟1张有全1，2陈蓓蓓1周环1（1.首都师范大学,北京100037；2.中国科学院东北地理与农业生态研究所,长春130012）摘要：大气中的水汽对微波信号有着显著影响，是制约高精度的InSAR研究应用的主要因素之一。GPS探测利用GPS信号穿过大气受到大气折射而产生的延迟来探测大气中的水汽含量，探测精度高，分辩率高，全天候，观测稳定。本文利用GAMIT软件选取了十个IGS站和两个基准站对2003年至2007年北京GPS部分观测数据进行了解算，验证结算精度达到要求后反演出各测段内时间分辨率为1小时的大气可降水量序列，并与无线电探空仪获取的探测结果和气象局解算的GPS数据分别进行比较，根据二者线性拟和关系发现初步结果趋势一致，可应用于下一步建立大气延迟改正模型。关键字：GAMIT地基GPS大气可降水量(PWV)引言水汽在天气演变和气候变化中扮演着重要角色,它影响大气辐射和太阳辐射,从而影响气候。水汽辐合的突然增加与对流的发展密切相关，所以水汽的遥感对于天气现象、气候变化研究和业务天气预报具有重要的意义。目前世界各国的大气水汽资料主要依靠常规探空气球观测获取,这种观测方式的主要局限性是测站密度过稀、相邻两次探测时间间隔过长。已有的替代方法中,双通道微波辐射计等观测手段,不但费用昂贵,不能全天候观测,而且需经常标定,难以大范围密集设置站网和实现观测业务化[1]。GPS探测水汽是利用GPS信号穿过大气受到大气折射而产生的延迟来探测大气中的水汽含量，该技术与以往的探测水汽技术相比具有探测精度高，全天候，分辨率高，观测稳定，费用低廉，无需校正等优点，在气象领域获得了广泛深入的研究应用[2]。一、GPS/MET的国内外研究进展1.1国外GPS/MET研究进展1992年，Bevis等人推导了湿延迟、可降水汽量和大气加权平均温度三者之间的函数关系式，使地基GPS定量测量可降水汽量成为可能[3]。1993年，UNAVCO和南加州大学联合进行了较大规模的GPS/STORM试验，以评估地基GPS测量大气水汽的精度[4]。1994年，NOAA和UNAVO联合进行了GPS-WIS94试验，证明了可以利用地基GPS连续监测大气可降水汽量，时间分辨率优于1小时，精度达到毫米级[2]。1996年，Duan等人提出了无需利用微波辐射计测量进行订正偏差，采用远距离的跟踪站与GPS网直接测量绝对可降水量的方法，均方根误差为1.0—1.5mm[5]。后来Ge等基于国际GPS服务机构（IGS）提供的轨道预测产品建立了轨道参数误差影响GPS测量天顶延迟精度的模型，使天顶延迟的估计精度提高了近20%，在提高GPS大气参数实时估计精度方面迈出了一大步[2]。2004年，V.Janssen等应用南加州23个GPS站进行第一作者简介：李昂晟（1985、3-），女，汉族，首都师范大学资源环境与旅游学院硕士研究生，研究方向为遥感与地理信息系统应用。第二作者简介：李小娟（1965、2-），女，汉族，首都师范大学资源与旅游学院研究员，研究方向为遥感与地理信息系统应用。《测绘通报》测绘科学前沿技术论坛论文集2对流层延迟校正[6]。2006年，R.Lindenbergh等采用德国Potsdam地区的24个连续GPS站数据，结合同步Meris水汽产品反演区域水汽变化情况[7]。2007年，SrideviJade等首次利用印度17个GPS站数据和气象资料估测了2001-2004年印度上空的PWV值序列，并根据印度次大陆的PWV值空间变异性与ZWD之间的函数关系建模，利用该模型估测实时PWV值摆脱了对GPS站点加权平均温度的依赖[8]。1.2国内GPS/MET研究进展国内从90年代中期由国家卫星气象中心和北京大学联合进行空基、地基GPS/MET的研究。2000年，国家卫星气象中心和北京大学联合北京市气象局在京津地区进行了区域性地基GPS网遥感大气总水汽量的试验。2001年，在973暴雨项目的观测试验的课题中在安徽进行了GPS的外场试验，进一步完善了GPS观测和反演的技术，得到精度为2mm左右的GPS大气可降水量[9]。1999年，王小亚等进行了我国首次GPS试验估计对流层延迟，得到了精度为1～2mm的可降水汽量的计算结果[10]。2003年，丁晓利对美国俄克拉荷马州北部地区\德国地区的GPS与Modis生成的PWV进行了比较分析,分别得出了该地区GPS与Modis测得WZD值的拟和方程。2004年，李志伟采用Modis的Level2产品(PWV)对加州南部地区大气湿项延迟进行计算,并提出了修正公式[11]。2005年，李振洪提出GPS/MODIS集成大气改正方法[12]。2006年，吴云孙等采用双差模型和地质统计学算法来缓解干涉中的大气延迟噪声，应用日本东京35个连续GPS观测站进行区域天顶延迟计算，从而降低差分干涉测量中的大气影响[13]。2007年，李青春等利用地基GPS试验网遥感监测北京地区大气可降水量(PWV),分析2004年汛期暴雨天气过程PWV的变化特征及其与降雨量、降雨强度的关系[14]。二、原理和方法GPS卫星信号传输经过大气层时,会受到大气的影响而产生延迟。该延迟可以划分为电离层延迟和对流层延迟。电离层延迟可以利用双频信号将其影响消除，但对流层大气层的影响，只能通过一定的模型将其影响降低到最小程度。对流层延迟又分为静力学延迟(ZHD)和湿延迟(ZWD)，即对流层总延迟可表示为：ZTDZHDZWD（1）静力学延迟比较有规律,可以通过不同的模型推算出来。如根据Saastamoninen模型（1972）通过地面实测压力来获取：2.2770.0024,PsZHDfH（2）其中，,10.00266cos20.00028fHH，ZHD为天顶静力学延迟（mm），PS为地表压力(hPa),为站点纬度，H为站点高度（km）[10]。湿延迟的计算与大气可降水量（PWV）值密切相关。对流层湿延迟与降水量关系：PWVZWD=（3）式中,影射函数Ⅱ为：610321kRkwkvTm（4）式中，ρ为水的液体密度，Rv为水汽比气体常数，k1,k2,k3为大气折射常数，w=0.622为水汽分子与干气分子的比值，Tm为对流层加权平均温度。70.20.720TTm，式中T0为地面温度[10]。《测绘通报》测绘科学前沿技术论坛论文集3利用GAMIT软件可以首先解算出静力学延迟和湿项延迟的总量，精度可以达到毫米量级，再通过模型求解出静力学延迟，这样就得到毫米量级的湿项延迟。利用湿项延迟与水汽量之间的正比关系,可以求解出沿天顶方向的水汽总量（PWV），精度在毫米量级。本次实验利用地基GPS遥感反演大气可降水量。利用GAMIT软件对2003年至2007年北京GPS部分观测数据进行解算，反演出了各测段内时间分辨率为1小时的大气可降水量序列，为建立大气延迟改正模型提供数据。图1大气延迟改正模型技术路线图三、实例运行3.1GAMIT软件简介GAMIT是美国麻省理工学院(MIT)等研制的高精度GPS处理软件。它不但精度高而且开放源代码，因此，在国内得到了广泛的应用。通过GAMIT可以解算卫星轨道、测站坐标、钟差、大气延迟、整周模糊度等[15]。3.2测站选取IGS站空间展布形态对测站结果精度是有影响的。根据国内外相关论文中总结的测站选取原则，此次实验的测站选取思路是：房山站(BJFS)首先必选；所选IGS站空间上尽可能均匀分布；大体上按离北京台网近的先选，远的后选；已知IGS站工作不正常的不选；IGS站的数量从4开始，逐个增加，最多12个；以单日解为基础分析[16]。最终选取方案为：BJFS、KUNM、LHAS、URUM、WUHN五个国内IGS站和DAEJ、GUAM、IRKT、TSKB、USUD五个国外IGS站以及BJSH、JIXN两个基准站（数据来源：和）。3.3数据准备在数据处理前，首先需要组织和存放好GPS原始观测数据，更重要的是还要配置好各项参数表文件，包括观测文件、导航文件、星历文件、测段信息控制文件、测站信息控制文件、Tables目录文件等，而且解算结果的精度还依赖于这些表文件里的参数配置。本次实验中GAMIT主要参数设置如下：表1测站信息控制文件SITEFIX--COORD.CONSTR.--CUTOFFBJFSBJFS_GPSYYY0.0050.0050.0115.0BJSHBJSH_GPSNNN1.0001.0001.0015.0MerisGPS气象数据ⅡZHDZWD气压经纬度融入PS算法大气延迟(ZTD)改进PWV《测绘通报》测绘科学前沿技术论坛论文集4JIXNJIXN_GPSNNN1.0001.0001.0015.0KUNMKUNM_GPSNNN0.0050.0050.0115.0URUMURUM_GPSNNN0.0050.0050.0115.0LHASLHAS_GPSNNN0.0050.0050.0115.0WUHNWUHN_GPSNNN0.0050.0050.0115.0测站信息控制文件表Sittbl包含各站使用的钟和大气模型及先验坐标约束等。上表中，SITE为四字符站点名；FIX决定该测站是否为固定站点；COORD.CONSTR为坐标约束：GPS基准站BJSH，JIXN的三维初始坐标采用松弛约束，其余的IGS跟踪站采用了可靠的站坐标和相应的强约束。CUTOFF为截至高度角，设为15度[17]。表2测段信息控制文件ChoiceofExperiment=RELAX；BASELINE/RELAX./ORBITDataStatus=RAW；RAW/CLNTypeofAnalysis=1-ITER；1-ITER/0-ITER(nopostfitautcln)/PREFITMetobssource=GPT50NumberZen=25ZenithDelayEstimation=YES；YES/NO(defaultno)ZenithModel=PWL；PWL(piecewiselinear)/CON(step)ReferenceSystemforOrbit=ITR00测段信息控制文件Sestbl定义了常用的解算控制设置，它是数据处理的核心控制文件。上表中，TypeofAnalysis为解算的方法(1-ITER为一次迭代后求解)，DataStatus为采用数据的类型(RAW表示原始数据，需要进行AUTCLN编辑)，ChoiceofExperiment为解算类型的选择(RELAX为定位与定轨)[17]。3.4数据处理上述文件准备和配置完毕后，在用户目录下以年份建立目录名，以年积日建立子目录，将该年积日内所有文件放入年积日子目录中，开始处理GPS数据。数据批处理流程如下图：图2批处理模块计算流程图四、解算精度和可靠性简析NY有周跳结束ARCMODELAUTCLNCFMRGSOLVESCANDDG文件M文件干净的CC文件调整参数CVIEW《测绘通报》测绘科学前沿技术论坛论文集54.1均方根残差nrms值统计在生成的平查结果Q文件中有对结算精度和可靠性进行评估的指标，其中均方根残差是衡量单天解质量的重要指标之一，通常比较理想的值应小于0.3，如果大于0.5，就意味着处理过程中未除去大的周跳或某一参数的结算存在很大偏差，或者结算模型设定有误。具体原因可进一步在autcln.sum中查找,也可利用CVIEW程序进行更详细的分析处理。本次研究中，23个测段的单天基线正规解（ConstrainedSolutions）在Q文件中的nrms值均小于0.3[18]。下表为各测段的nrms统计表：表3基线单天解的nrms的统计表年份年积日Nrms值20040100.212560550.205760680.229990740.214102520.239042