杜明斌 梁 宏 吳春強(qiáng) 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(guó)氣象局氣象探測(cè)中心，北京，100081

3. 國(guó)家衛(wèi)星氣象中心，北京，100081

4. 上海海洋中心氣象臺(tái)，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(shí)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(fēng)暴系統(tǒng)的結(jié)構(gòu)和演變過(guò)程中常常起關(guān)鍵性作用，但傳統(tǒng)的水汽探測(cè)手段，如無(wú)線(xiàn)電探空儀、微波輻射計(jì)和地面氣象站等，存在諸如空間或時(shí)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(cè)大氣可降水量（PWV）就是利用導(dǎo)航衛(wèi)星信號(hào)在穿越大氣層時(shí)會(huì)引起傳輸路徑彎曲和時(shí)間延遲這一效應(yīng)，通過(guò)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(biāo)等優(yōu)點(diǎn)，是傳統(tǒng)大氣水汽觀(guān)測(cè)手段的有效補(bǔ)充（梁宏等，2020）。近30年來(lái)地基GNSS廣泛應(yīng)用于大氣水汽探測(cè)，事實(shí)證明該技術(shù)是目前探測(cè)大氣水汽的最佳技術(shù)之一（Wulfmeyer，et al，2015；Vaquero-Martíne，et al，2021）。近 年來(lái)，中國(guó)各地氣象部門(mén)聯(lián)合測(cè)繪、地震、環(huán)境等相關(guān)部門(mén)已建起了相當(dāng)規(guī)模的地基GNSS監(jiān)測(cè)網(wǎng)，以每小時(shí)一次實(shí)時(shí)發(fā)布中國(guó)超過(guò)1000個(gè)站的水汽監(jiān)測(cè)信息（Liang，et al，2015），未來(lái)可達(dá)到每15 min一次的水汽監(jiān)測(cè) （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(jià)值。

目前，極軌氣象衛(wèi)星搭載的高光譜紅外探測(cè)載荷有美國(guó)宇航局（National Aeronautics and Space Administration，NASA）Aqua上的大氣紅外探測(cè)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(guó)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(cè)儀（Cross-track Infrared Sounder，CrIS）。在高光譜紅外探測(cè)大氣水汽廓線(xiàn)產(chǎn)品檢驗(yàn)和應(yīng)用方面，顧雅茹等（2018）利用2015年夏季加密無(wú)線(xiàn)電探空資料與AIRS反演產(chǎn)品進(jìn)行精度檢驗(yàn)，發(fā)現(xiàn)濕度誤差平均約為20%。Schneider等（2011）通過(guò)最優(yōu)估計(jì)方法得出IASI反演對(duì)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(dú)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(xiàn)誤差為25%。風(fēng)云三號(hào)D星（FY-3D）搭載的紅外高光譜大氣探測(cè)儀（High Spectral Resolution Infrared Atmospheric Sounder，HIRAS）實(shí)現(xiàn)了中國(guó)極軌氣象衛(wèi)星從多光譜探測(cè)到高光譜探測(cè)的跨越，通過(guò)獲得更窄的大氣探測(cè)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(guò)對(duì)2020年7月和8月歐洲區(qū)域的反演結(jié)果檢驗(yàn)得出，濕度誤差小于15%。

干涉式大氣垂直探測(cè)儀是中國(guó)新一代地球靜止氣象衛(wèi)星風(fēng)云四號(hào)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(xiàn)信息（Li，et al，2017；Gambacorta，et al，2018），這也是國(guó)際上第一臺(tái)在靜止軌道衛(wèi)星上以紅外高光譜干涉分光方式探測(cè)三維大氣溫濕度結(jié)構(gòu)的精密遙感儀器。它的優(yōu)勢(shì)是對(duì)大氣溫濕度廓線(xiàn)的觀(guān)測(cè)實(shí)現(xiàn)空間與時(shí)間的連續(xù)，同時(shí)高光譜大氣探測(cè)儀有更精確的光譜定標(biāo)和更高的垂直分辨率（華建文等，2018），可以連續(xù)監(jiān)測(cè)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(chǎng)的觀(guān)測(cè)。風(fēng)云四號(hào)A星GIIRS具有1650個(gè)光譜通道，光譜范圍為中波紅外4.44—6.06 μm、長(zhǎng)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(xiàn)相關(guān)數(shù)據(jù)，在天氣監(jiān)測(cè)與預(yù)報(bào)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(hào)能量比在極地軌道衛(wèi)星軌道上的載荷弱得多。通過(guò)與極軌衛(wèi)星的同類(lèi)高光譜載荷性能指標(biāo)對(duì)比，相對(duì)較低的通道靈敏度和定標(biāo)精度對(duì)FY-4A/GIIRS水汽廓線(xiàn)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(xiàn)資料質(zhì)量狀況，更好地應(yīng)用于強(qiáng)對(duì)流、臺(tái)風(fēng)等災(zāi)害氣象觀(guān)測(cè)分析、數(shù)值模式同化等業(yè)務(wù)，對(duì)其探測(cè)資料的準(zhǔn)確度進(jìn)行深入分析和改進(jìn)十分必要（鮑艷松等，2017；Gambacorta，et al，2018）。通過(guò)對(duì)地基GNSS/PWV和FY-4A/GIIRS水汽廓線(xiàn)的數(shù)據(jù)特點(diǎn)分析發(fā)現(xiàn)，地基GNSS氣象站監(jiān)測(cè)整層大氣可降水量具有全天候、高精度、連續(xù)性的特點(diǎn)，而風(fēng)云四號(hào)衛(wèi)星高光譜大氣探測(cè)儀水汽廓線(xiàn)具有三維監(jiān)測(cè)、高分辨率、連續(xù)性。鑒于此，文中綜合利用地基GNSS/PWV準(zhǔn)確度高和FY-4A/GIIRS水汽廓線(xiàn)產(chǎn)品垂直分層多的優(yōu)點(diǎn)，通過(guò)地基和天基觀(guān)測(cè)數(shù)據(jù)融合技術(shù)開(kāi)發(fā)，使得兩種水汽觀(guān)測(cè)資料優(yōu)勢(shì)互補(bǔ)，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(xiàn)預(yù)報(bào)員實(shí)時(shí)監(jiān)測(cè)、分析天氣系統(tǒng)，改善數(shù)值氣象模式初始場(chǎng)，為提高日常的強(qiáng)對(duì)流和臺(tái)風(fēng)預(yù)報(bào)預(yù)警準(zhǔn)確率提供觀(guān)測(cè)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(xiàn)進(jìn)行快速融合，所使用的GNSS/PWV資料是基于中國(guó)氣象局衛(wèi)星廣播系統(tǒng)（CMACast）實(shí)時(shí)接收的業(yè)務(wù)產(chǎn)品，產(chǎn)品時(shí)間分辨率為每小時(shí)一次，中國(guó)區(qū)域約1000個(gè)站。FY-4A/GIIRS水汽廓線(xiàn)產(chǎn)品反演算法來(lái)源于中國(guó)氣象局國(guó)家衛(wèi)星氣象中心研發(fā)的風(fēng)云地球靜止軌道算法試驗(yàn)平臺(tái)（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(yù)報(bào)模式預(yù)報(bào)地表氣壓、衛(wèi)星地理和時(shí)間信息以及云檢測(cè)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(xiàn)、大氣濕度廓線(xiàn)、大氣臭氧廓線(xiàn)、地表發(fā)射率和地表溫度。文中所使用的FY-4A/GIIRS水汽廓線(xiàn)垂直方向有101層（0.005—1100 hPa），水平分辨率約為16 km，時(shí)間分辨率為3 h，具體算法可以參考Min等（2017）。

常規(guī)無(wú)線(xiàn)電探空是目前世界上一致認(rèn)同的探測(cè)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(biāo)和衛(wèi)星產(chǎn)品反演的參考，也是作為對(duì)比分析新資料時(shí)常用的標(biāo)準(zhǔn)（Kuo，et al，2005；胡姮等，2019）。無(wú)線(xiàn)電探空的一般精度是氣溫±0.5 K，氣壓±1 hPa，相對(duì)濕度±5%（中國(guó)氣象局，2010），可以用于對(duì)FY-4A/GIIRS反演結(jié)果以及資料融合效果進(jìn)行檢驗(yàn)。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(guān)測(cè)數(shù)據(jù)是有效預(yù)報(bào)災(zāi)害天氣的重要保證（萬(wàn)蓉等，2008）。選取2018年6—8月的FY-4A/GIIRS水汽廓線(xiàn)與常規(guī)無(wú)線(xiàn)電探空資料做精度分析，通過(guò)GNSS/PWV與FY-4A/GIIRS水汽廓線(xiàn)融合技術(shù)研究對(duì)水汽廓線(xiàn)產(chǎn)品進(jìn)行改進(jìn)試驗(yàn)，并對(duì)改進(jìn)結(jié)果進(jìn)行評(píng)估。精度檢驗(yàn)和融合試驗(yàn)的時(shí)間為常規(guī)無(wú)線(xiàn)電探空觀(guān)測(cè)時(shí)間08和20時(shí)（北京時(shí)，下同），分別代表白天和夜晚的反演結(jié)果。

2.2 資料預(yù)處理

以常規(guī)無(wú)線(xiàn)電探空為參考進(jìn)行精度檢驗(yàn)，通過(guò)對(duì)中國(guó)約1000個(gè)地基GNSS氣象站進(jìn)行篩選，選取附近10 km以?xún)?nèi)有常規(guī)無(wú)線(xiàn)電探空站的站（共94個(gè)），空間分布在（EQ—55°N，70°—140°E），如圖1所示，紅圈代表無(wú)線(xiàn)電探空站，藍(lán)點(diǎn)代表附近與之匹配的地基GNSS氣象站。

圖1 GNSS氣象站與無(wú)線(xiàn)電探空站匹配后分布示意Fig. 1 Distribution of matched GNSS sites and radiosondes

對(duì)于FY-4A/GIIRS水汽廓線(xiàn)產(chǎn)品，采用克里斯曼客觀(guān)分析方法（Cressman，1959）把相近的有效高光譜大氣探測(cè)像元進(jìn)行站點(diǎn)化分析，也就是對(duì)于每個(gè)匹配時(shí)次選擇覆蓋站點(diǎn)周邊9個(gè)像元，按照氣壓層進(jìn)行水平克里斯曼距離權(quán)重插值作為該站點(diǎn)衛(wèi)星廓線(xiàn)反演結(jié)果。

無(wú)線(xiàn)電探空資料通過(guò)式（1）和（2）分別計(jì)算出水汽壓和比濕廓線(xiàn)。原理和計(jì)算方法參考《地面氣象觀(guān)測(cè)規(guī)范 空氣溫度和濕度》（GB/T 35226-2017）（中華人民共和國(guó)國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局，2017）和《常規(guī)高空氣象觀(guān)測(cè)業(yè)務(wù)規(guī)范》（中國(guó)氣象局，2010）。

式中，e為水汽壓，td為露點(diǎn)溫度，q為比濕，p為氣壓。

2.3 精度檢驗(yàn)方法

FY-4A/GIIRS可以根據(jù)數(shù)值模式的云圖預(yù)報(bào)結(jié)果進(jìn)行區(qū)域掃描，首先確定數(shù)值模式預(yù)報(bào)云圖分析的晴空區(qū)域，再對(duì)該區(qū)域進(jìn)行東西掃描探測(cè)，探測(cè)一行結(jié)束后，南北步進(jìn)至下一行繼續(xù)東西掃描探測(cè)，依此規(guī)律最終完成指定區(qū)域的探測(cè)任務(wù)。但是由于云系發(fā)展的不連續(xù)、反演過(guò)程產(chǎn)生的誤差、數(shù)值模式預(yù)報(bào)云圖的誤差等影響，許多探測(cè)像元受到云污染和定標(biāo)質(zhì)量低的影響而無(wú)法反演出完整的大氣溫濕度廓線(xiàn)。FY-4A/GIIRS水汽廓線(xiàn)產(chǎn)品有4種質(zhì)量標(biāo)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(biāo)記的廓線(xiàn)。采用下式進(jìn)行誤差估計(jì)

式中，qr為 由無(wú)線(xiàn)電探空資料計(jì)算的比濕，qg為FY-4A/GIIRS反演的比濕，i為第i個(gè)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(duì)誤差。

2.4 GNSS/PWV水汽融合方法

地基GNSS/PWV與無(wú)線(xiàn)電探空儀或微波輻射計(jì)的探測(cè)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(guó)臺(tái)灣為2.2 mm（Liou，et al，2001）。中國(guó)大陸地區(qū)實(shí)時(shí)業(yè)務(wù)GNSS/PWV是基于麻省理工學(xué)院等機(jī)構(gòu)研究開(kāi)發(fā)GAMIT/GLOBK反演的，產(chǎn)品精度約為3 mm，相對(duì)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(shí)現(xiàn)了大氣水汽的垂直結(jié)構(gòu)探測(cè)，但通過(guò)精度檢驗(yàn)發(fā)現(xiàn)反演結(jié)果仍需要改進(jìn)，靜止軌道高光譜載荷的通道靈敏度和定標(biāo)精度嚴(yán)重影響水汽廓線(xiàn)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(duì)大氣水汽場(chǎng)進(jìn)行水汽廓線(xiàn)調(diào)整的處理方法，即假設(shè)每個(gè)地基GNSS氣象站上空的比濕廓線(xiàn)（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(gè)初始參考值。通過(guò)水汽初始參考值隨高度的積分與GNSS/PWV進(jìn)行融合來(lái)更新水汽廓線(xiàn)的分析結(jié)果，進(jìn)而獲得三維水汽廓線(xiàn)。在GNSS/PWV與FY-4A/GIIRS水汽廓線(xiàn)融合技術(shù)研究中，這個(gè)水汽廓線(xiàn)的初始結(jié)構(gòu)參考值為根據(jù)GIIRS水汽廓線(xiàn)計(jì)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(jì)算的大氣可降水量，ρ為水密度，g為重力加速度，p0為站點(diǎn)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(cè)的大氣可降水量，根據(jù)式（7）對(duì)FY-4A/GIIRS水汽廓線(xiàn)進(jìn)行更新，其中qu(k)為更新后的比濕廓線(xiàn)。

考慮到直接調(diào)節(jié)比濕可能引起大氣分析場(chǎng)過(guò)飽和，根據(jù)FY-4A/GIIRS反演的溫度廓線(xiàn)計(jì)算大氣飽 和 比 濕 廓 線(xiàn)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(yàn)公式可得FY-4A/GIIRS的飽和水汽壓Esg(k) ， 進(jìn)而計(jì)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(dǎo)可得式（10），計(jì)算融合更新后的水汽廓線(xiàn)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(biāo)，文中對(duì)于所有廓線(xiàn)統(tǒng)一設(shè)置為0.1 mm（?值也可根據(jù)每個(gè)地基GNSS氣象站具體情況進(jìn)行設(shè)定）。從這種融合方法上看計(jì)算過(guò)程簡(jiǎn)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(jì)算方法參考式（11）。

考慮到FY-4A/GIIRS反演誤差的影響，統(tǒng)計(jì)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(xiàn)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(biāo)，設(shè)置為a=2.5，表示對(duì)廓線(xiàn)調(diào)整幅度不超過(guò)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(guò)程中即可快速融合GNSS/PWV與FY-4A/GIIRS水汽廓線(xiàn)并獲得三維水汽場(chǎng)的觀(guān)測(cè)改進(jìn)。結(jié)合精度檢驗(yàn)過(guò)程，總體的算法流程如圖2。

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

3 結(jié)果與分析

3.1 精度檢驗(yàn)結(jié)果

對(duì)2018年6—8月資料（圖3）分析表明，與無(wú)線(xiàn)電探空資料相比，F(xiàn)Y-4A/GIIRS水汽廓線(xiàn)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(shí)）的反演結(jié)果偏高更加明

圖3 風(fēng)云四號(hào)A星GIIRS比濕 （q） 廓線(xiàn)反演精度檢驗(yàn) （08和20為觀(guān)測(cè)時(shí)間；a. 偏差、均方根誤差和比濕廓線(xiàn)均值，b. 相對(duì)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(shí)）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(lái)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(jì)時(shí)段兩者比濕廓線(xiàn)的均值。兩廓線(xiàn)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(duì)誤差（圖3b）來(lái)看，F(xiàn)Y-4A/GIIRS水汽廓線(xiàn)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(guò)150%，400 hPa以 上 達(dá) 到200%。比 濕 在250 hPa以 上MRE超過(guò)250%。圖3b中Num （08）和Num （20）分別表示08和20時(shí)每個(gè)氣壓層參與檢驗(yàn)的樣本數(shù)目。

3.2 融合效果分析

GNSS/PWV與FY-4A/GIIRS水汽廓線(xiàn)快速融合后獲得水汽廓線(xiàn)更新，按照前文精度檢驗(yàn)的方法參考無(wú)線(xiàn)電探空資料對(duì)快速融合效果進(jìn)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(jìn)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(duì)誤差也明顯降低，近地層約為25%，850 hPa在25%—30%，基本達(dá)到極軌衛(wèi)星高光譜載荷反演大氣水汽廓線(xiàn)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(shí)的融合效果看，白天和夜晚在融合后差異不大，沒(méi)有表現(xiàn)出明顯的不一致。

圖4 水汽廓線(xiàn)融合效果檢驗(yàn) （08和20為觀(guān)測(cè)時(shí)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(duì)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(xiàn)融合前后誤差的減少比例表明GNSS/PWV與FY-4A/GIIRS水汽廓線(xiàn)融合效果顯著（圖5）。如圖5a所示，從RMSE改進(jìn)情況可見(jiàn)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(guò)25%。從MRE改進(jìn)情況分析可見(jiàn)，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(gè)別高度層融合后MRE反而有所增大。整體來(lái)說(shuō)無(wú)論從RMSE或是MRE上看，GNSS/PWV與FY-4A/GIIRS水汽廓線(xiàn)融合后，水汽廓線(xiàn)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(xiàn)融合后均方根誤差 （a） 和相對(duì)誤差 （b） 減少比例 （08和20為觀(guān)測(cè)時(shí)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(jiàn)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(duì)高的大氣層，而在600 hPa以上RMSE和MRE改善效果卻不一致。通過(guò)統(tǒng)計(jì)分析參與檢驗(yàn)的94個(gè)無(wú)線(xiàn)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(duì)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(cè)RMSE較小，但MRE較高，對(duì)探測(cè)產(chǎn)品的精確度和靈敏度要求都比較高，同時(shí)對(duì)作為檢驗(yàn)標(biāo)準(zhǔn)的無(wú)線(xiàn)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(duì)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(duì)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(jì)算波動(dòng)較大造成的。

如圖6所示，通過(guò)計(jì)算對(duì)應(yīng)層次的2倍RMSE范圍內(nèi)各個(gè)值域的誤差出現(xiàn)頻率，進(jìn)而分析水汽廓線(xiàn)誤差概率密度。對(duì)融合前、后誤差概率密度分布對(duì)比可見(jiàn)，融合后標(biāo)準(zhǔn)偏差明顯下降，誤差分布更加密集于誤差均值附近。同時(shí)，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(xiàn)快速融合改善了誤差概率密度的分布。結(jié)合圖3可見(jiàn)，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(kāi)始偏濕，參考對(duì)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(guò)0.25倍RMSE。

圖6 融合前后誤差概率分布 （橫坐標(biāo)表示RMSE比例，stdev1和stdev2分別代表融合前后標(biāo)準(zhǔn)偏差統(tǒng)計(jì)；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(guò)程應(yīng)用

2018年8月15日08時(shí)—16日20時(shí)受1814號(hào)臺(tái)風(fēng)“摩羯”殘留氣團(tuán)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(guò)程，降水時(shí)段開(kāi)始于傍晚，如圖7中15日08時(shí)衛(wèi)星云圖所示，江淮地區(qū)受副熱帶高壓控制，臺(tái)風(fēng)“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(hào)臺(tái)風(fēng)“溫比亞”剛剛生成，中國(guó)南海地區(qū)1816號(hào)臺(tái)風(fēng)“貝碧嘉”持續(xù)活躍，因此，江淮地區(qū)天氣形勢(shì)變化充滿(mǎn)不確定性。

圖7 2018年8月15日08時(shí)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(shí)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(guò)對(duì)GNSS/PWV與FY-4A/GIIRS水汽廓線(xiàn)快速融合，可生成暴雨過(guò)程期間每3 h一次的水汽廓線(xiàn)。如圖8所示，由于受副熱帶高壓影響，08時(shí)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(duì)較高。如圖8中方框所示，14時(shí)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(chǎng)來(lái)看，在15日08時(shí)FY-4A/GIIRS對(duì)流云團(tuán)剛發(fā)展起來(lái)的高濕度區(qū)比濕估計(jì)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(chǎng) （等值線(xiàn)） （紅色方框?yàn)楸┯臧l(fā)生的區(qū)域；單位：g/kg；a. 08時(shí)700 hPa，b. 14時(shí)700 hPa，c. 08時(shí)850 hPa，d. 14時(shí)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(duì)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(xiàn)變化序列，如圖9所示。11—14時(shí)，江淮地區(qū)水汽開(kāi)始呈現(xiàn)上升趨勢(shì)，區(qū)域內(nèi)不穩(wěn)定持續(xù)增大，與3 h累計(jì)降水量的變化有較強(qiáng)的相關(guān)。從每3 h一次的水汽廓線(xiàn)變化序列可見(jiàn)，暴雨過(guò)程水汽變化非常劇烈，08時(shí)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(shí)，850 hPa水汽含量持續(xù)增加，同時(shí)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(qiáng)對(duì)流。如圖9b所示，從區(qū)域3 h累計(jì)降水量和最大降水量時(shí)間序列可見(jiàn)，8月15日江淮地區(qū)強(qiáng)降水發(fā)生在14—20時(shí)。17時(shí)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(qiáng)降水持續(xù)到15日20時(shí)。16日凌晨隨著高濕度區(qū)域大氣高度的下降強(qiáng)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(shí)底層大氣濕度也較高，對(duì)應(yīng)的3 h累計(jì)降水量無(wú)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(shí)。16日11時(shí)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(duì)應(yīng)的3 h累計(jì)降水量主要特點(diǎn)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(shí)至16日20時(shí)江淮區(qū)域平均比濕變化 （a） 與3 h降水時(shí)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(shí)至16日20時(shí)GNSS/PWV與FY-4A/GIIRS水 汽 廓 線(xiàn)融合后產(chǎn)品與對(duì)應(yīng)時(shí)段常規(guī)探空資料的對(duì)比，可見(jiàn)水汽廓線(xiàn)融合后改進(jìn)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(guò)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(guò)程中600—400 hPa的中層大氣水汽含量也處于相對(duì)較高的水平，融合后水汽MRE與圖4b趨勢(shì)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(guò)程的情況下，無(wú)論從RMSE或是MRE上看，GNSS/PWV與FY-4A/GIIRS水汽廓線(xiàn)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(xiàn)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(duì)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(guó)際上第一批靜止氣象衛(wèi)星的高光譜大氣垂直探測(cè)載荷。為了解新型大氣廓線(xiàn)資料的質(zhì)量狀況，以常規(guī)無(wú)線(xiàn)電探空資料為精度分析依據(jù)，對(duì)2018年6—8月中國(guó)地基GNSS站監(jiān)測(cè)的大氣可降水量和FY-4A/GIIRS水汽廓線(xiàn)產(chǎn)品進(jìn)行分析及融合研究，并對(duì)一次暴雨天氣過(guò)程進(jìn)行應(yīng)用分析，得到以下主要結(jié)論：

（1） FY-4A/GIIRS水汽廓線(xiàn)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(duì)誤差為30%—35%，700 hPa以上相對(duì)誤差隨高度上升逐步增大，400 hPa以上相對(duì)誤差達(dá)200%，250 hPa以上相對(duì)誤差超過(guò)250%。

（2） 通過(guò)GNSS/PWV與FY-4A/GIIRS水汽廓線(xiàn)融合，更新后的大氣廓線(xiàn)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(dá)到極軌氣象衛(wèi)星高光譜載荷反演大氣水汽廓線(xiàn)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(xiàn)融合技術(shù)實(shí)現(xiàn)了綜合利用地基GNSS/PWV和FY-4A/GIIRS水汽廓線(xiàn)的優(yōu)點(diǎn)，使得兩種水汽觀(guān)測(cè)資料優(yōu)勢(shì)互補(bǔ)，可有效提高遙感水汽反演信息的定量化水平。

（4）對(duì)一次多系統(tǒng)影響的暴雨天氣過(guò)程應(yīng)用分析表明，GNSS/PWV和FY-4A/GIIRS融合產(chǎn)品可獲得高時(shí)、空密度的大氣水汽廓線(xiàn)，對(duì)降水的臨近預(yù)報(bào)有重要應(yīng)用價(jià)值，有效彌補(bǔ)了常規(guī)探測(cè)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(guān)測(cè)而無(wú)需進(jìn)行標(biāo)定改正，時(shí)間分辨率也基本能夠滿(mǎn)足多數(shù)氣象業(yè)務(wù)和研究需要，但GNSS/PWV通過(guò)與其他大氣水汽廓線(xiàn)尤其是高時(shí)、空分辨率的衛(wèi)星遙感水汽廓線(xiàn)資料的融合，有利于一線(xiàn)預(yù)報(bào)員實(shí)時(shí)監(jiān)測(cè)、分析天氣系統(tǒng)，改善數(shù)值氣象模式初始場(chǎng)，為提高日常的強(qiáng)對(duì)流和臺(tái)風(fēng)預(yù)報(bào)、預(yù)警準(zhǔn)確率提供支撐。