留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

COSMIC掩星反演湿温廓线质量的时空分析

王耀兴 张秋昭 沈震

王耀兴, 张秋昭, 沈震. COSMIC掩星反演湿温廓线质量的时空分析[J]. 武汉大学学报 ● 信息科学版, 2021, 46(6): 887-894. doi: 10.13203/j.whugis20190051
引用本文: 王耀兴, 张秋昭, 沈震. COSMIC掩星反演湿温廓线质量的时空分析[J]. 武汉大学学报 ● 信息科学版, 2021, 46(6): 887-894. doi: 10.13203/j.whugis20190051
WANG Yaoxing, ZHANG Qiuzhao, SHEN Zhen. Temporal and Spatial Analysis of COSMIC Occultation Inversion of Wet Temperature Profile Quality[J]. Geomatics and Information Science of Wuhan University, 2021, 46(6): 887-894. doi: 10.13203/j.whugis20190051
Citation: WANG Yaoxing, ZHANG Qiuzhao, SHEN Zhen. Temporal and Spatial Analysis of COSMIC Occultation Inversion of Wet Temperature Profile Quality[J]. Geomatics and Information Science of Wuhan University, 2021, 46(6): 887-894. doi: 10.13203/j.whugis20190051

COSMIC掩星反演湿温廓线质量的时空分析

doi: 10.13203/j.whugis20190051
基金项目: 

国家自然科学基金 41874040

国家自然科学基金 41774026

江苏高校优势学科建设工程资助项目 PAPD

详细信息

Temporal and Spatial Analysis of COSMIC Occultation Inversion of Wet Temperature Profile Quality

Funds: 

The National Natural Science Foundation of China 41874040

The National Natural Science Foundation of China 41774026

Priority Academic Program Development of Jiangsu Higher Education Institutions PAPD

More Information
  • 摘要: 为研究COSMIC(constellation observing system for meteorology,ionosphere and climate)掩星反演湿温廓线的质量,需对数据误差特性进行量化研究。首先采用线性插值的方法,以时间窗3 h、水平距离300 km为匹配准则,对0.2~30 km各高度层温度的平均偏差和标准差进行统计分析,研究随海拔高、季节和纬度带变化的温度平均偏差特性。然后采用2016年的全球探空数据集分析全球区域的COSMIC湿温廓线质量,以及北温带COSMIC湿温廓线质量随季节变化的特点,探究不同纬度带地区COSMIC掩星湿温廓线质量随纬度变化的特点。结果表明,全球范围内温度平均偏差为-0.16 K, 掩星数据和探空站资料精度相当;季节变化的统计量F=0.999 6 > 0.05,该因素对COSMIC湿温廓线质量影响不显著;纬度带变化的统计量F=0.024 4 < 0.05,该因素对COSMIC湿温廓线质量有显著影响,尤其是热带地区受水汽影响较大,温度平均偏差处于峰值,偏差高于0.25 K,南温带地区次之。
  • 图  1  COSMIC掩星数据和北温带湿温廓线与探空站数据不同季节的温度偏差变化曲线图

    Figure  1.  COSMIC Occultation Data and Curves of Temperature Deviations of Wet Temperature Profile and Sounding Station Data in Different Seasons

    图  2  不同季节温度偏差的均值及置信区间箱线图

    Figure  2.  Box Plots of Mean Values and Confidence Intervals of Temperature Deviations for Different Seasons

    图  3  COSMIC掩星数据和不同纬度带地区探空站资料的温度偏差变化曲线

    Figure  3.  COSMIC Occultation Data and Curves of Temperature Deviation of the Sounding Station Data in Different Latitude Zones

    图  4  不同统计区域均值及置信区间箱线图

    Figure  4.  Box Plots of Mean Values and Confidence Intervals in Different Statistical Areas

    表  1  COSMIC资料统计区域分布

    Table  1.   Statistical Distribution of COSMIC Data

    区域 纬度范围 经度范围
    全球 90°S~90°N 180°W~180°E
    北寒带 66.5°N~90°N 180°W~180°E
    北温带 23.5°N~66.5°N 180°W~180°E
    热带 23.5°S~23.5°N 180°W~180°E
    南温带 23.5°S~66.5°S 180°W~180°E
    南寒带 66.5°S~90°S 180°W~180°E
    下载: 导出CSV

    表  2  全球范围探空站资料各个纬度带COSMIC掩星资料时空匹配样本对数

    Table  2.   Number of Space⁃Time Matching Samples Based on COSMIC Occultation Data at Different Latitudes of Global Sounding Station Data

    时期 全球区域 北寒带 北温带 热带 南温带 南寒带
    3月—5月 13 110 984 10 206 1 221 513 186
    6月—8月 11 628 732 8 712 1 437 582 165
    9月—11月 9 093 627 6 828 1 002 528 108
    12月、
    1月—2月
    11 433 603 8 814 1 290 549 177
    全年 45 264 2 946 34 560 4 950 2 172 636
    下载: 导出CSV

    表  3  不同月份、不同地区温度偏差统计/K

    Table  3.   Statistics of Temperature Deviation of Different Regions in Different Months/K

    时期 统计参数 全球区域 北寒带 北温带 热带 南温带 南寒带
    3月—5月 平均偏差
    标准差
    -0.168 6 -0.074 3 -0.161 4 -0.311 8 -0.258 6 0.048 7
    1.689 1 1.591 8 1.695 1 1.614 9 1.756 1 1.429 6
    6月—8月 平均偏差
    标准差
    -0.223 4 -0.069 2 -0.235 3 -0.297 2 -0.290 5 0.202 2
    1.684 4 1.601 6 1.682 8 1.602 5 1.891 3 1.901 9
    9月—11月 平均偏差 -0.123 3 -0.121 2 -0.112 9 -0.317 9 -0.181 5 -0.354 4
    标准差 1.740 0 1.562 5 1.760 4 1.516 0 1.832 6 1.957 4
    12月、1月—2月 平均偏差
    标准差
    -0.121 1 -0.005 6 -0.102 6 -0.219 7 -0.326 9 -0.162 3
    1.918 7 1.932 5 1.968 3 1.627 7 1.711 2 1.445 1
    全年 平均偏差
    标准差
    -0.162 8 -0.023 5 -0.157 5 -0.285 0 -0.264 2 -0.051 6
    1.757 2 1.628 4 1.778 1 1.599 4 1.805 2 1.673 9
    下载: 导出CSV

    表  4  季节变化因素方差分析表

    Table  4.   Variance Analysis of Seasonal Factor

    方差来源 平方和 自由度 均方差 F 置信度
    组间 0.000 28 3 0.000 1 0.01 0.999 6
    组内 0.473 91 20 0.023 7
    总和 0.474 19 23
    下载: 导出CSV

    表  5  纬度带因素方差分析表

    Table  5.   Variance Analysis of Latitude Factor

    方差来源 平方和 自由度 均方差 F 置信度
    组间 0.236 16 4 0.059 0 3.83 0.024 4
    组内 0.231 05 15 0.015 0
    总和 0.467 21 19
    下载: 导出CSV
  • [1] Steiner A K, Kirchengast G, Ladreiter H P. Inversion, Error Analysis, and Validation of GPS/MET Occultation Data[J]. Annales Geophysicae, 1998, 17(1): 122-138 doi:  10.1007/s00585-999-0122-5
    [2] Businger S, Chiswell S R, Bevis M, et al. The Promise of GPS in Atmospheric Monitoring[J]. Bulletin of the American Meteorological Society, 2011, 77(1): 5-18 http://www.nrcresearchpress.com/servlet/linkout?suffix=rg1/ref1&dbid=16&doi=10.1139%2FE09-010&key=10.1175%2F1520-0477(1996)0772.0.CO%3B2
    [3] Kursinski E R, Hajj G A, Schofield J T, et al. Observing Earth's Atmosphere with Radio Occultation Measurements Using the Global Positioning System[J]. Journal of Geophysical Research: Atmospheres, 1997, 102(D19): 23 429-23 465 doi:  10.1029/97JD01569
    [4] 徐晓华, 刘树纶, 罗佳. 利用COSMIC掩星折射指数分析全球大气边界层顶结构变化[J]. 武汉大学学报·信息科学版, 2018, 43(1): 94-100 doi:  10.13203/j.whugis20160183

    Xu Xiaohua, Liu Shulun, Luo Jia. Analysis of Global Atmospheric Boundary Layer Top Structure Changes Using COSMIC Occultation Refraction Index[J]. Geomatics and Information Science of Wuhan University, 2018, 43(1): 94-100 doi:  10.13203/j.whugis20160183
    [5] Scherllinpirscher B, Steiner A K, Kirchengast G, et al. The Power of Vertical Geolocation of Atmospheric Profiles from GNSS Radio Occultation[J]. Journal of Geophysical Research Atmospheres, 2017, 122(3): 1 595-1 616 doi:  10.1002/2016JD025902
    [6] Ware R, Rocken C, Solheim F, et al. GPS Sounding of the Atmosphere from Low Earth Orbit: Preliminary Results[J]. Bulletin of the American Meteorological Society, 1996, 77(1): 19-40 doi:  10.1175/1520-0477(1996)077<0019:GSOTAF>2.0.CO;2
    [7] 乐新安, 郭英华, 曾桢, 等. 近地空间环境的GNSS无线电掩星探测技术[J]. 地球物理学报, 2016, 59(4): 1 161-1 188 https://www.cnki.com.cn/Article/CJFDTOTAL-DQWX201604001.htm

    Le Xin'an, Guo Yinghua, Zeng Zhen, et al. GNSS Radio Occultation Detection Technology in Near-Earth Space Environment[J]. Chinese Journal of Geophysics, 2016, 59(4): 1 161-1 188 https://www.cnki.com.cn/Article/CJFDTOTAL-DQWX201604001.htm
    [8] Hajj G A, Ao C O, Iijima B A, et al. CHAMP and SAC-C Atmospheric Occultation Results and Intercomparisons[J]. Journal of Geophysical Research Atmospheres, 2004, 109(D6): 6 109 doi:  10.1029/2003JD003909/pdf
    [9] Ma Z, Kuo Y H, Ralph F M, et al. Assimilation of GPS Radio Occultation Data for an Intense Atmospheric River with the NCEP Regional GSI System[J]. Journal of Changchun University of Science & Technology, 2010, 139(7): 188-197 http://www.ingentaconnect.com/content/mnp/estu/2010/00000025/00000004/art00005
    [10] Rocken C, Anthes R, Exner M, et al. Analysis and Validation of GPS/MET Data in the Neutral Atmosphere[J]. Journal of Geophysical Research Atmospheres, 1997, 1 022(D25): 29 849-29 866 http://ci.nii.ac.jp/naid/10013126790/
    [11] Schmidt T, Heise S, Wickert J, et al. GPS Radio Occultation with CHAMP and SAC-C: Global Monitoring of Thermal Tropopause Parameters[J]. Atmospheric Chemistry and Physics, 2005, 5(6): 1 473-1 488 doi:  10.5194/acp-5-1473-2005
    [12] 王洪, 曹云昌, 肖稳安. COSMIC掩星数据与L波段探空数据的对比分析[J]. 气象, 2010, 36(9): 14-20 https://www.cnki.com.cn/Article/CJFDTOTAL-QXXX201009005.htm

    Wang Hong, Cao Yunchang, Xiao Wen'an. Comparison Between the COSMIC and L Band Radiosonde Data[J]. Meteorology, 2010, 36(9): 14-20 https://www.cnki.com.cn/Article/CJFDTOTAL-QXXX201009005.htm
    [13] 王伯睿, 刘晓阳, 王久珂. COSMIC掩星反演数据质量分析[J]. 北京大学学报(自然科学版), 2013, 49(2): 241-251 https://www.cnki.com.cn/Article/CJFDTOTAL-BJDZ201302012.htm

    Wang Borui, Liu Xiaoyang, Wang Jiuke. COSMIC Occultation Inversion Data Quality Analysis[J]. Journal of Peking University(Natural Sciences), 2013, 49(2): 241-251 https://www.cnki.com.cn/Article/CJFDTOTAL-BJDZ201302012.htm
    [14] Fu E, Zhang K, Marion K, et al. Assessing COSMIC GPS Radio Occultation Derived Atmospheric Parameters Using Australian Radiosonde Network Data[J]. Procedia Earth and Planetary Science, 2009, 1(1): 1 054-1 059 doi:  10.1016/j.proeps.2009.09.162
    [15] Sun B, Reale A, Seidel D J, et al. Comparing Radiosonde and COSMIC Atmospheric Profile Data to Quantify Differences Among Radiosonde Types and the Effects of Imperfect Collocation on Comparison Statistics[J]. Journal of Geophysical Research Atmospheres, 2010, 115: D23104 doi:  10.1029/2010JD014457
    [16] Kishore P, Namboothiri S P, Jiang J H, et al. Global Temperature Estimates in the Troposphere and Stratosphere: A Validation Study of COSMIC/FORMOSAT-3 Measurements[J]. Atmospheric Chemistry and Physics Discussions, 2008, 8(3): 8 327-8 355 http://onlinelibrary.wiley.com/resolve/reference/ADS?id=2008ACPD....8.8327K
    [17] He W, Ho S, Chen H, et al. Assessment of Radiosonde Temperature Measurements in the Upper Troposphere and Lower Stratosphere Using COSMIC Radio Occultation Data[J]. Geophysical Research Letters, 2009, 36(17): 1 397-1 413 doi:  10.1029/2009GL038712/full
    [18] 苟小平, 符养, 郭粤宁, 等. COSMIC计划及掩星资料误差分析[J]. 气象科学, 2009, 29(3): 348-354 doi:  10.3969/j.issn.1009-0827.2009.03.011

    Gou Xiaoping, Fu Yang, Guo Yuening, et al. COSMIC Mission and Error Analysis of GPS Radio Occultation Data[J]. Scientia Meteorologica Sinica, 2009, 29(3): 348-354 doi:  10.3969/j.issn.1009-0827.2009.03.011
    [19] 徐晓华, 李娟, 罗佳, 等. COSMIC掩星电子密度廓线的质量检核[J]. 国防科技大学学报, 2018, 40(5): 54-59 https://www.cnki.com.cn/Article/CJFDTOTAL-GFKJ201805009.htm

    Xu Xiaohua, Li Juan, Luo Jia, et al. Quality Check of the Ionospheric Density Profiles from COSMIC Radio Occultation Observations[J]. Journal of National University of Defense Technology, 2018, 40(5): 54-59 https://www.cnki.com.cn/Article/CJFDTOTAL-GFKJ201805009.htm
    [20] 廖蜜, 张鹏, 毕研盟, 等. 风云三号气象卫星掩星大气产品精度的初步检验[J]. 气象学报, 2015, 73(6): 1 131-1 140 https://www.cnki.com.cn/Article/CJFDTOTAL-QXXB201506011.htm

    Liao Mi, Zhang Peng, Bi Yanmeng, et al. A Preliminary Estimation of the Radio Occultation Products Accuracy from the Fengyun-3C Meteorological Satellite[J]. Acta Meteor Sinica, 2015, 73(6): 1 131-1 140 https://www.cnki.com.cn/Article/CJFDTOTAL-QXXB201506011.htm
    [21] Zou X, Zeng Z.A Quality Control Procedure for GPS Radio Occultation Data[J]. Journal of Geophysical Research Atmospheres, 2006, 111(D2): D02112 doi:  10.1029/2005JD005846/full
    [22] 徐晓华, 汪海洪. 不同季节GPS掩星廓线精度的比较研究[J]. 武汉大学学报·信息科学版, 2010, 35(6): 639-643 http://ch.whu.edu.cn/article/id/979

    Xu Xiaohua, Wang Haihong. Comparative Study on the Accuracy of GPS Occultation Profiles in Different Seasons[J]. Geomatics and Information Science of Wuhan University, 2010, 35(6): 639-643 http://ch.whu.edu.cn/article/id/979
  • [1] 张文渊, 郑南山, 张书毕, 丁楠, 戚铭心, 王昊.  附加高水平分辨率PWV约束的GNSS水汽层析算法 . 武汉大学学报 ● 信息科学版, 2021, 46(11): 1627-1635. doi: 10.13203/j.whugis20210055
    [2] 徐晓华, 朱洲宗, 罗佳.  利用IGRA2探空数据和COSMIC掩星资料对FY-3C掩星中性大气产品进行质量分析 . 武汉大学学报 ● 信息科学版, 2020, 45(3): 384-393. doi: 10.13203/j.whugis20180490
    [3] 孙方方, 罗佳, 徐晓华, 王涵.  中国区域掩星观测与IRI-2016电离层峰值参数的比较 . 武汉大学学报 ● 信息科学版, 2020, 45(3): 403-410. doi: 10.13203/j.whugis20180391
    [4] 陈袁芳, 蔡建南, 刘启亮, 邓敏, 张雪英.  城市犯罪时空同现模式的非参数检验方法 . 武汉大学学报 ● 信息科学版, 2019, 44(12): 1883-1892. doi: 10.13203/j.whugis20180112
    [5] 徐晓华, 刘树纶, 罗佳.  利用COSMIC掩星折射指数分析全球大气边界层顶结构变化 . 武汉大学学报 ● 信息科学版, 2018, 43(1): 94-100. doi: 10.13203/j.whugis20160183
    [6] 王琰, 郭睿, 张传定, 胡小工, 唐成盼, 李冉, 潘军洋.  Bernese ECOM光压模型在BDS卫星精密定轨中的应用 . 武汉大学学报 ● 信息科学版, 2018, 43(2): 194-200. doi: 10.13203/j.whugis20160024
    [7] 王勇, 刘严萍, 李江波, 柳林涛.  GPS和无线电探空的水汽变化与PM2.5/PM10变化的相关性研究 . 武汉大学学报 ● 信息科学版, 2016, 41(12): 1626-1631. doi: 10.13203/j.whugis20140628
    [8] 徐晓华, 郭金城, 罗佳.  利用COSMIC掩星资料分析大气重力波参数的全球分布特征 . 武汉大学学报 ● 信息科学版, 2015, 40(11): 1493-1498. doi: 10.13203/j.whugis20130587
    [9] 屈小川, 安家春, 刘根.  利用COSMIC掩星资料分析南极地区对流层顶变化 . 武汉大学学报 ● 信息科学版, 2014, 39(5): 605-610. doi: 10.13203/j.whugis20130728
    [10] 夏朋飞, 蔡昌盛, 戴吾蛟, 陈必焰.  地基GPS联合COSMIC掩星数据的水汽三维层析研究 . 武汉大学学报 ● 信息科学版, 2013, 38(8): 892-896.
    [11] 肖卫华, 符养, 杜晓勇, 高太长.  利用COSMIC掩星资料计算平流层大气风场方法分析 . 武汉大学学报 ● 信息科学版, 2012, 37(2): 199-204.
    [12] 许超钤, 史俊波, 郭际明, 徐晓华.  联合地基GPS和空基COSMIC掩星的可降水量研究 . 武汉大学学报 ● 信息科学版, 2011, 36(4): 467-470.
    [13] 徐晓华, 汪海洪.  不同季节GPS掩星廓线精度的比较研究 . 武汉大学学报 ● 信息科学版, 2010, 35(6): 639-643.
    [14] 赵莹, 张小红.  COSMIC掩星观测数据反演电离层电子密度廓线 . 武汉大学学报 ● 信息科学版, 2010, 35(6): 644-648.
    [15] 徐晓华, ZHANG Kefei, 罗佳, FU Erjiang.  GPS掩星与探空观测统计比较中配对标准的比较研究 . 武汉大学学报 ● 信息科学版, 2009, 34(11): 1332-1335.
    [16] 徐晓华, 罗佳.  COSMIC掩星折射指数廓线的统计验证 . 武汉大学学报 ● 信息科学版, 2009, 34(2): 214-217.
    [17] 徐晓华, ZhangKefei, FuErjiang, 罗佳.  澳大利亚上空COSMIC掩星廓线的反演 . 武汉大学学报 ● 信息科学版, 2008, 33(8): 800-804.
    [18] 徐晓华, 李征航, 罗佳.  GPS掩星数据反演中的地球扁率影响改正 . 武汉大学学报 ● 信息科学版, 2005, 30(6): 502-505.
    [19] 李德仁.  自检校光束法区域网平差的相关分析和附加参数显著性检验 . 武汉大学学报 ● 信息科学版, 1981, 6(2): 46-65.
    [20] 陈伟伟, 熊永良, 徐韶光, 高姝妹.  中国区域COSMIC数据掩星反射信号特征分析 . 武汉大学学报 ● 信息科学版, 0, 0(0): 0-0. doi: 10.13203/j.whugis20190475
  • 加载中
图(4) / 表(5)
计量
  • 文章访问数:  180
  • HTML全文浏览量:  76
  • PDF下载量:  16
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-12-27
  • 刊出日期:  2021-06-05

COSMIC掩星反演湿温廓线质量的时空分析

doi: 10.13203/j.whugis20190051
    基金项目:

    国家自然科学基金 41874040

    国家自然科学基金 41774026

    江苏高校优势学科建设工程资助项目 PAPD

    作者简介:

    王耀兴,硕士,主要从事GNSS气象学的研究。wangyaoxing@cumt.edu.cn

    通讯作者: 张秋昭,博士,副教授。qiuzhaocumt@163.com
  • 中图分类号: P228.42

摘要: 为研究COSMIC(constellation observing system for meteorology,ionosphere and climate)掩星反演湿温廓线的质量,需对数据误差特性进行量化研究。首先采用线性插值的方法,以时间窗3 h、水平距离300 km为匹配准则,对0.2~30 km各高度层温度的平均偏差和标准差进行统计分析,研究随海拔高、季节和纬度带变化的温度平均偏差特性。然后采用2016年的全球探空数据集分析全球区域的COSMIC湿温廓线质量,以及北温带COSMIC湿温廓线质量随季节变化的特点,探究不同纬度带地区COSMIC掩星湿温廓线质量随纬度变化的特点。结果表明,全球范围内温度平均偏差为-0.16 K, 掩星数据和探空站资料精度相当;季节变化的统计量F=0.999 6 > 0.05,该因素对COSMIC湿温廓线质量影响不显著;纬度带变化的统计量F=0.024 4 < 0.05,该因素对COSMIC湿温廓线质量有显著影响,尤其是热带地区受水汽影响较大,温度平均偏差处于峰值,偏差高于0.25 K,南温带地区次之。

English Abstract

王耀兴, 张秋昭, 沈震. COSMIC掩星反演湿温廓线质量的时空分析[J]. 武汉大学学报 ● 信息科学版, 2021, 46(6): 887-894. doi: 10.13203/j.whugis20190051
引用本文: 王耀兴, 张秋昭, 沈震. COSMIC掩星反演湿温廓线质量的时空分析[J]. 武汉大学学报 ● 信息科学版, 2021, 46(6): 887-894. doi: 10.13203/j.whugis20190051
WANG Yaoxing, ZHANG Qiuzhao, SHEN Zhen. Temporal and Spatial Analysis of COSMIC Occultation Inversion of Wet Temperature Profile Quality[J]. Geomatics and Information Science of Wuhan University, 2021, 46(6): 887-894. doi: 10.13203/j.whugis20190051
Citation: WANG Yaoxing, ZHANG Qiuzhao, SHEN Zhen. Temporal and Spatial Analysis of COSMIC Occultation Inversion of Wet Temperature Profile Quality[J]. Geomatics and Information Science of Wuhan University, 2021, 46(6): 887-894. doi: 10.13203/j.whugis20190051
  • 20世纪90年代,GPS掩星技术(radio occultation,RO)首次被提出[1],其原理是通过部署在低轨卫星上的接收机接收来自GPS卫星的无线电信号,由于传播介质是密度分布不均匀的地球大气,信号传播路径会呈现弯曲状态,基于弯曲参数可反演得到相应的大气参数[2]。1995年,GPS掩星技术首次被美国GPS/MET(Meteorology)实验成功验证[3-4]。此后,大量GPS掩星项目相继兴起,如丹麦Orsted卫星、德美CHAMP(challenging minisatellite payload)卫星、阿根廷SAC-C(satellite de aplicaciones cientificas-C)卫星、欧洲GRACE(gravity recovery and climate experiment)卫星和韩国KOMPSAT-5(Korea multi-purpose satellite 5)卫星以及中国自主发射的风云3号C(Fengyun 3C,FY-3C)卫星等。其中,美国和中国台湾联合发起的COSMIC(constellation observing system for meteorology,ionosphere and climate)卫星计划,在传统单颗低轨卫星探测的基础上加入多卫星探测计划,由6颗低轨卫星组建多维探测星座,构建多任务卫星掩星探测系统,可用于气象学、电离层和气候领域的研究[5-6]。由于掩星资料具有长期稳定、垂直分辨率高、全球覆盖和高质量的特性,因此GPS掩星技术的业务化应用对空气天气监测、气候变化等研究领域有重要意义[7]

    为研究GPS掩星资料的质量和准确度,必须基于背景场资料对掩星数据进行误差统计评估。文献[8-9]采用CHAMP、SAC-C掩星数据,以时间窗0.5 h、水平距离差小于200 km为匹配准测估计两种数据的温度偏差,比对结果表明,温度平均偏差低于0.1 K,标准差小于0.5 K,两种数据保持了良好的一致性,验证了不同类型掩星资料同化研究的合理性。文献[10]以无线电探空仪数据为背景场资料,以时间窗3 h、水平距离差小于300 km为匹配准测将其与GPS/MET掩星资料作比对,在2~28 km高度范围匹配了280个样本,发现掩星资料温度平均偏差小于0.5 K。文献[11]采用2001-05—2004-09的CHAMP/SAC-C掩星资料,基于无线电探空资料展开比对统计,以2 h、200 km为匹配准则,在20~200 hPa高度层匹配了10 000多对样本,发现CHAMP/SAC-C掩星资料温度廓线平均偏差小于0.5 K。此外,相关文献针对COSMIC掩星数据也开展了质量分析工作。文献[12]基于常规探空资料分析了2008-05—2018-11 6个月的COSMIC掩星数据,结果表明,在10 km高度以下,湿温廓线温度平均偏差小于0.5 K,均方根误差小于1.5 K。文献[13]将2007—2010年的中国地区探空资料与COSMIC后处理产品进行比对,在1 h、300 km匹配准则条件下分析了10~925 hPa高度的温度剖面图,发现COSMIC掩星数据与探空资料相比,温度平均偏差为-0.08 K,均方根误差为1.67 K[13]。文献[14]以位于澳大利亚和南极的35个探空站资料为参考基准,分内陆、沿海和海洋3个纬度带地区对COSMIC掩星数据进行质量评估,验证了无线电掩星技术的可靠性。文献[15]在2 h、200 km匹配准则下,基于多类型无线电探空仪比对分析2008-04—2009-10的COSMIC数据,结果表明温度平均偏差小于0.5 K,COSMIC掩星数据和探空资料在北半球高纬度带和中纬度带地区拟合性较好,在赤道和南半球高纬度带地区湿温廓线质量相对不稳定,存在大偏差离散点。文献[16]将探空资料与COSMIC/福卫3号(Formosat-3)掩星资料作比对,结果表明掩星湿温廓线资料与探空数据温度平均偏差基本可忽略。文献[17]利用多种型号无线电探空仪数据分析对流层上部和平流层下部的偏差特性,结果表明Vaisala-RS92探空仪探测温度与COSMIC掩星数据吻合较好,MRZ和VIZ-B2探空仪温度出现较大的偏差。文献[18]采用4个月的COSMIC掩星数据与全球探空数据作比对,发现两种数据在不同地区、不同高度层的温度平均偏差可忽略不计。尽管现有文献对掩星资料的质量已经做了大量评估工作,但分纬度带变化、季节性差异评估COSMIC掩星反演湿温廓线数据质量的相关研究仍较少。

    本文以全球探空数据集(integrated global radiosonde archive,IGRA)为背景场,采用2016年COSMIC掩星Level2后处理产品wetPrf资料,对北半球温带地区掩星资料展开季节性变化分析,对全年范围掩星资料展开纬度带变化分析,探究COSMIC掩星湿温廓线数据质量是否受季节和纬度带差异的影响。

    • 本文收集的探空数据下载自IGRA网站(https://www1.ncdc.noaa.gov/),选用1 006个全球分布的探空站点资料,整理协调世界时(universal time coordinated,UTC)00:00、06:00、12:00和18:00的探空数据。

      wetPrf资料下载自CDAAC(COSMIC Data Analysis and Archive Center)分析场(http://cosmic-io.cosmic.ucar.edu/cdaac/),包含海拔高、湿温廓线和折射率等大气参数廓线。

    • 本文把全球区域划分为北寒带、北温带、热带、南温带和南寒带5个纬度带,一共组成了6个数据统计区域,具体情况见表 1

      表 1  COSMIC资料统计区域分布

      Table 1.  Statistical Distribution of COSMIC Data

      区域 纬度范围 经度范围
      全球 90°S~90°N 180°W~180°E
      北寒带 66.5°N~90°N 180°W~180°E
      北温带 23.5°N~66.5°N 180°W~180°E
      热带 23.5°S~23.5°N 180°W~180°E
      南温带 23.5°S~66.5°S 180°W~180°E
      南寒带 66.5°S~90°S 180°W~180°E

      本文匹配标准采用3 h时间窗、300 km水平距离。在全球范围内,将2016年的COSMIC掩星数据与探空站资料匹配,使之符合阈值条件,分析湿温廓线的平均偏差和标准差[19]

    • 探空站数据是大气探测方法中业务化最久的资料,其数据常被用作背景场资料。本文将IGRA探空资料视为真值,分析COSMIC掩星资料的误差分布。

      由于无线电探空仪的温度、压强等大气参数探测数据是基于位势高度记录的,没有直接的海拔高观测值,因此需将位势高转换为对应的海拔高,计算如下:

      $$ {R}_{e}\left(\phi \right)=\sqrt{1/(\frac{\mathrm{c}\mathrm{o}{\mathrm{s}}^{2}\phi }{6\mathrm{ }378.{137}^{2}}+\frac{\mathrm{s}\mathrm{i}{\mathrm{n}}^{2}\phi }{6\mathrm{ }356.{752}^{2}})} $$ (1)
      $$ H=\frac{h\cdot {R}_{e}\left(\phi \right)}{\frac{9.806\mathrm{ }16[1-0.002\mathrm{ }637\mathrm{c}\mathrm{o}\mathrm{s}(2\phi )+0.000\mathrm{ }005\mathrm{ }9\mathrm{c}\mathrm{o}{\mathrm{s}}^{2}(2\phi \left)\right]}{9.806\mathrm{ }65}{R}_{e}\left(\phi \right)-{h}_{}} $$ (2)

      式中,$ \phi $为探空站点对应纬度;$ {R}_{e}\left(\phi \right) $为探空站点对应纬度地区的地球半径;$ H $表示海拔高;$ h $表示位势高。

      由于探空资料垂直分辨率较低,而COSMIC湿温廓线资料垂直探测高度范围为0~40 km,垂直分辨率可达100 m,因此本文将探空资料和COSMIC湿温廓线资料均进行分段线性插值,内插到0.2~30 km、间隔0.2 km的对应高度处,然后计算各个高度层对应的温度平均偏差$ \mathrm{\Delta }T $。定义如下:

      $$ \mathrm{\Delta }T(v, m)={T}_{w}(v, m)-{T}_{r}\left(v, m\right) $$ (3)

      式中,$ \mathrm{\Delta }T(v, m) $表示温度平均偏差;$ {T}_{w}(v, m) $和$ {T}_{r}(v, m) $分别为COSMIC湿温廓线、探空站数据对应的高度温度值;$ v $为垂直高度层;$ m $为时空配对样本的探测数据组号。对各高度层不同时空配对的样本进行统计分析,定义如下:

      $$ \mathrm{\Delta }{T}_{\mathrm{m}\mathrm{e}\mathrm{a}\mathrm{n}}\left(v\right)=\frac{1}{M\left(v\right)}\sum\limits_{m=1}^{M\left(v\right)}\mathrm{\Delta }T(v, m) $$ (4)
      $$ {\sigma }_{\mathrm{\Delta }T\left(v\right)}={\left\{\left.\frac{1}{M\left(v\right)-1}\sum\limits_{m=1}^{M\left(v\right)}\left[\mathrm{\Delta }T\right(v, m)-\mathrm{\Delta }{T}_{\mathrm{m}\mathrm{e}\mathrm{a}\mathrm{n}}{\left(v\right)]}^{2}\right\}\right.}^{1/2} $$ (5)

      式中,$ \mathrm{\Delta }{T}_{\mathrm{m}\mathrm{e}\mathrm{a}\mathrm{n}}\left(v\right) $和$ {\sigma }_{\mathrm{\Delta }T\left(v\right)} $分别是高度层$ v $对应的温度平均偏差和温度偏差标准差;$ M\left(v\right) $是高度层$ v $对应的时空配对样本数。总体温度平均偏差$ \mathrm{\Delta }{T}_{\mathrm{m}\mathrm{e}\mathrm{a}\mathrm{n}} $和总体温度偏差标准差$ {\sigma }_{\mathrm{\Delta }T} $的计算如下:

      $$ \mathrm{\Delta }{T}_{\mathrm{m}\mathrm{e}\mathrm{a}\mathrm{n}}=\frac{\sum\limits_{1}^{{v}_{\mathrm{m}\mathrm{a}\mathrm{x}}}\left|\mathrm{\Delta }{T}_{\mathrm{m}\mathrm{e}\mathrm{a}\mathrm{n}}\left(v\right)\right|}{{v}_{\mathrm{m}\mathrm{a}\mathrm{x}}} $$ (6)
      $$ {\sigma }_{\mathrm{\Delta }T}=\frac{\sum\limits_{1}^{{v}_{\mathrm{m}\mathrm{a}\mathrm{x}}}{\sigma }_{\mathrm{\Delta }T\left(v\right)}}{{v}_{\mathrm{m}\mathrm{a}\mathrm{x}}} $$ (7)

      式中,$ {v}_{\mathrm{m}\mathrm{a}\mathrm{x}} $是最大探测高度层。

      此外,由于实际时空配对样本存在个别粗差探测值,粗差主要是由COSMIC掩星探测信号中断、多路径效应和数据插值计算引起的,离散点不能直接用于评估湿温廓线的质量,需进行质量控制,即剔除大偏差的离散点。本文选择剔除8~25 km高度处、温度平均偏差大于10 K的离散粗差数据集[20-21]

      为研究季节差异和纬度带变化对COSMIC湿温廓线数据质量的影响,本文进行了显著性检验实验。采用单因素一元方差分析的F统计量判定是否有显著性影响,显著性水平取值为0.05,若F > 0.05,则表明检测因素与温度平均偏差无显著性差异,即COSMIC湿温廓线数据质量受该因素变化的影响不显著,反之亦然。定义如下:

      $$ F=\frac{n-k}{k-1}\cdot \frac{{\sum\limits_{i}{n}_{i}(\overline{x}\cdot i-\overline{\overline{X}})}^{2}}{\sum\limits_{i}\sum\limits_{j}({X}_{ij}{-\overline{\overline{{x}_{i}}})}^{2}} $$ (8)

      式中,n为全部观察值个数;k为因素水平个数;$ \overline{x} $为单因素平均值;$ \overline{\overline{X}} $为总平均值。

    • 全球范围内共有45 318对匹配的样本数据,因此本文的比对具有统计学意义。为研究COSMIC湿温廓线数据的质量和准确度,将掩星资料和全球探空站数据作比对,分析湿温廓线的温度平均偏差和标准差。表 2为基于全球范围探空站资料各个纬度带COSMIC掩星资料时空匹配样本数。

      表 2  全球范围探空站资料各个纬度带COSMIC掩星资料时空匹配样本对数

      Table 2.  Number of Space⁃Time Matching Samples Based on COSMIC Occultation Data at Different Latitudes of Global Sounding Station Data

      时期 全球区域 北寒带 北温带 热带 南温带 南寒带
      3月—5月 13 110 984 10 206 1 221 513 186
      6月—8月 11 628 732 8 712 1 437 582 165
      9月—11月 9 093 627 6 828 1 002 528 108
      12月、
      1月—2月
      11 433 603 8 814 1 290 549 177
      全年 45 264 2 946 34 560 4 950 2 172 636

      表 2可知,2016年全年,寒带和热带地区COSMIC掩星资料时空匹配样本数分别为3 582对和4 950对。而温带地区四季分明,北半球春(3月—5月)、夏(6月—8月)、秋(9月—11月)、冬(12月、1月—2月)季节COSMIC掩星资料时空匹配样本数分别为10 206对、8 712对、6 828对和8 814对,南半球春(9月—11月)、夏(12月、1月—2月)、秋(3月—5月)、冬(6月—8月)季节COSMIC掩星资料时空匹配样本数分别为528对、549对、513对和582对。北温带地区时空匹配样本数最多,故选用南温带区域的匹配资料研究季节变化对数据质量的影响。

      表 3统计了不同月份、不同地区温度平均偏差$ \mathrm{\Delta }{T}_{\mathrm{m}\mathrm{e}\mathrm{a}\mathrm{n}} $和标准差$ {\sigma }_{\mathrm{\Delta }T} $。由表 3可知,全球区域0.2~30 km高度的温度平均偏差为-0.162 8 K,标准差为1.757 2 K;北温带COSMIC掩星资料温度平均偏差为-0.157 5 K,标准差为1.778 1 K,故保证样本数据量充足的前提下,相较于其他纬度带,北温带数据质量明显较好。

      表 3  不同月份、不同地区温度偏差统计/K

      Table 3.  Statistics of Temperature Deviation of Different Regions in Different Months/K

      时期 统计参数 全球区域 北寒带 北温带 热带 南温带 南寒带
      3月—5月 平均偏差
      标准差
      -0.168 6 -0.074 3 -0.161 4 -0.311 8 -0.258 6 0.048 7
      1.689 1 1.591 8 1.695 1 1.614 9 1.756 1 1.429 6
      6月—8月 平均偏差
      标准差
      -0.223 4 -0.069 2 -0.235 3 -0.297 2 -0.290 5 0.202 2
      1.684 4 1.601 6 1.682 8 1.602 5 1.891 3 1.901 9
      9月—11月 平均偏差 -0.123 3 -0.121 2 -0.112 9 -0.317 9 -0.181 5 -0.354 4
      标准差 1.740 0 1.562 5 1.760 4 1.516 0 1.832 6 1.957 4
      12月、1月—2月 平均偏差
      标准差
      -0.121 1 -0.005 6 -0.102 6 -0.219 7 -0.326 9 -0.162 3
      1.918 7 1.932 5 1.968 3 1.627 7 1.711 2 1.445 1
      全年 平均偏差
      标准差
      -0.162 8 -0.023 5 -0.157 5 -0.285 0 -0.264 2 -0.051 6
      1.757 2 1.628 4 1.778 1 1.599 4 1.805 2 1.673 9
    • 考虑到北温带数据样本量大且四季分明,本文基于该地区样本研究季节变化对COSMIC掩星反演湿温廓线质量的影响[22]

      图 1为北温带各季节湿温廓线与探空站资料的温度偏差随高度层变化曲线图。其中,红色实线代表各垂直高度层上COSMIC掩星数据与探空资料的$ \mathrm{\Delta }{T}_{\mathrm{m}\mathrm{e}\mathrm{a}\mathrm{n}} $变化曲线,黑色虚线表示$ \mathrm{\Delta }{T}_{\mathrm{m}\mathrm{e}\mathrm{a}\mathrm{n}} $-$ {\sigma }_{∆T} $的变化曲线,绿色虚线表示$ \mathrm{\Delta }{T}_{\mathrm{m}\mathrm{e}\mathrm{a}\mathrm{n}} $+$ {\sigma }_{∆T} $的变化曲线。

      图  1  COSMIC掩星数据和北温带湿温廓线与探空站数据不同季节的温度偏差变化曲线图

      Figure 1.  COSMIC Occultation Data and Curves of Temperature Deviations of Wet Temperature Profile and Sounding Station Data in Different Seasons

      图 1可知,COSMIC反演湿温廓线的温度较探空数据偏低,且在25 km高度以上,温度平均偏差略微增加,湿温廓线的温度平均偏差保持在0.5 K以内,各层温度平均偏差低于0.25 K。5~25 km高度数据量较多,标准差稳定在1.5~2.5 K。总体上,COSMIC湿温廓线数据质量较好。

      为了研究季节变化对COSMIC湿温廓线数据质量的影响,将北半球北温带春夏秋冬4组数据进行方差检验,表 4为季节变化因素的方差分析表,图 2为春夏秋冬各个季节温度偏差的均值及置信区间箱线图。图 2中红色线条表征均值,黑色实线反映样本上下界,蓝色上边界代表上1/4分位线,蓝色下边界为下1/4分位线。

      表 4  季节变化因素方差分析表

      Table 4.  Variance Analysis of Seasonal Factor

      方差来源 平方和 自由度 均方差 F 置信度
      组间 0.000 28 3 0.000 1 0.01 0.999 6
      组内 0.473 91 20 0.023 7
      总和 0.474 19 23

      图  2  不同季节温度偏差的均值及置信区间箱线图

      Figure 2.  Box Plots of Mean Values and Confidence Intervals of Temperature Deviations for Different Seasons

      表 4图 2可知,均值变化趋势线条近似于一条直线,表明季节变化对温度平均偏差影响不大,该因素的统计量F=0.999 6 > 0.05,可接受原假设,表明季节变化与温度平均偏差无显著性差异,即COSMIC湿温廓线数据质量受季节因素变化的影响不显著。

    • 为了探究纬度带变化对COSMIC掩星数据质量的影响,本文基于范围样本展开了分析。图 3为不同纬度带湿温廓线的温度偏差变化曲线。

      图  3  COSMIC掩星数据和不同纬度带地区探空站资料的温度偏差变化曲线

      Figure 3.  COSMIC Occultation Data and Curves of Temperature Deviation of the Sounding Station Data in Different Latitude Zones

      图 3可知,在热带、南温带地区,温度偏差变化曲线扰动范围明显扩大,平均偏差波动性显著增加。这是由于水汽模糊问题对温度的影响显著,因此赤道和高纬度带需考虑水汽干扰的影响。由表 3可知,湿温廓线与探空数据在热带和南温带的温度平均偏差分别为-0.285 0 K和-0.264 2 K,而北寒带、北温带和南寒带地区温度平均偏差分别为-0.023 5 K、-0.157 5 K、-0.051 6 K。因此,热带和南温带地区温度平均偏差存在跳变现象。

      为研究纬度带变化对COSMIC湿温廓线数据质量的影响,将6个纬度带统计区域数据进行方差检验。表 5为纬度带变化因素的方差分析表,图 4为各个纬度带统计区域方差检验的均值及置信区间的箱线图。

      表 5  纬度带因素方差分析表

      Table 5.  Variance Analysis of Latitude Factor

      方差来源 平方和 自由度 均方差 F 置信度
      组间 0.236 16 4 0.059 0 3.83 0.024 4
      组内 0.231 05 15 0.015 0
      总和 0.467 21 19

      图  4  不同统计区域均值及置信区间箱线图

      Figure 4.  Box Plots of Mean Values and Confidence Intervals in Different Statistical Areas

      表 5图 4可知,均值线条在热带和南温带地区出现跳变现象,样本上下界在南寒带纬度带异常;纬度带变化因素的统计量F=0.024 4 < 0.05,可拒绝原假设,表明纬度带变化与温度平均偏差有显著性差异,即COSMIC湿温廓线数据质量受纬度带变化因素的影响显著。

    • 本文以3 h和300 km为匹配标准,将2016年UTC 00:00、06:00、12:00和18:00的IGRA全球探空数据与COSMIC掩星数据匹配,在0.2~30 km高度范围比较两种资料,统计分析二者温度平均偏差和标准差,探究COSMIC掩星反演的湿温廓线质量是否受季节、纬度带变化的影响。结果表明,全球范围内温度平均偏差为-0.162 8 K,总体低于0.2 K,COSMIC掩星反演的湿温廓线质量和探空精度相当;季节变化因素对应的统计量F=0.999 6 > 0.05,表明季节变化与温度平均偏差无显著性差异,即COSMIC湿温廓线数据质量受季节因素变化的影响不显著;由于热带和南寒带地区水汽丰富,因此温度偏差受其影响显著。温度平均偏差峰值位于热带地区,南半球南寒带次之。纬度带变化因素的统计量F=0.024 4 < 0.05,表明纬度带变化因素与温度平均偏差有显著性差异,即COSMIC湿温廓线数据质量受纬度带变化因素的影响显著。

参考文献 (22)

目录

    /

    返回文章
    返回