0 引言

大气中水汽含量虽然不多，但其在天气变化过程中是一个极为重要的角色。水汽是大气温室效应的因素之一，也是大气的重要组成成分，其变化强烈影响着水循环、气溶胶成分以及云的形成(Gui et al，2017)。除了会引起云、雾、雨、雪等一系列的天气现象，水汽的相变同时会通过潜热和感热的释放，影响着各种天气现象的发生、发展和大气各种时空尺度的运动，所以，水汽是了解大气环流动力学和地气系统能量收支的重要内容(丁一汇，1991)。在陆地与海洋之间的水循环过程中，大气水汽由蒸发到凝结，吸收热量或者释放热量，从而起到调整地球能量的作用，影响地球大气系统温度以及环流的分布模式。Kump(2001)指出，虽然CO₂和其他温室气体的增长受到特别关注，但相对于水汽，其对气候变暖的实际影响相对较小。据研究，大气中约70%的加热归结于大气水汽的温室效应(Philipona et al，2005)。为适应不断深入的天气气候研究和应用，迫切需要精准连续的大气水汽观测，但是截至目前，作为温压湿风雨气象观测，湿度观测仍然是气象观测的短板(Wylie et al，1992, 郝民等，2015)。

地面湿度观测仅仅局限在地表，不能全面反映垂直空间大气的水汽分布状况。全球无线电探空湿度资料作为最基本、可直接使用的水汽观测，由于观测成本非常昂贵以及有限的台站数量和一天2次的观测时次，导致其时空分辨率远远不能满足精准数值模式预报的需求。同时，湿度传感器观测也存在着诸多问题，如，元件易受到太阳辐射影响造成湿度偏干(Bian et al，2011)，校准误差大和温度补偿不合理，探空仪在环境急变(如入云出云)后元件易受冰水污染造成湿度观测的失效(冒晓莉等，2016)，虽然探空仪在高空低温条件下存在低湿测量的不确定性(王碧波，等2012)，但其仍然是遥感资料的传统对比参考。鉴于无线电探空对全球天气和气候业务的重要性，世界气象组织每4年对各国业务使用的探空仪进行对比评估，一方面为全球用户使用探空资料提供参考，另一方面督促相关国家采取措施，改进设备和高空观测业务质量(世界气象组织，2011)。

地基微波辐射计是近年发展起来的地基遥感设备，其通过观测来自于22GHz(适合潮湿地区反演)和183GHz(适合干环境反演)处辐射强度和分布信息得到连续的大气对流层水汽廓线，有望成为探空水汽观测的有效补充(张文刚等，2015)。关于地基微波辐射计的温湿度观测，国内外学者大多基于探空开展对比评估，给出了一些湿度观测质量的初步结论(刘晓璐等，2019)。

随着全球卫星导航系统在气象学中的应用，GNSS水汽观测技术逐渐发展起来(Bevis et al，1992)，当GNSS发出的信号穿过大气层中对流层时，受到对流层的折射影响，GNSS信号发生弯曲和延迟，其中信号的弯曲量很小，而信号的延迟量很大，通过延迟量计算得到我们所需的大气折射率。大气折射率是与水汽压力有关的函数，最后可以得到水汽含量信息，精度可达1~2mm(刘焱雄等，2000)。其具有高时空分辨率、全天候监测、观测区域广、低运营成本等优点，作为地基水汽遥感观测，有望在未来的水汽观测中发挥作用(曹云昌等，2006；liang等，2015)。

目前基于地基的大气水汽观测，在观测业务上各有特点，其准确性各不相同，准确评估其观测误差，无论对于水汽观测，还是相关应用研究，均具有重要的应用价值。本文针对“超大城市垂直综合气象观测技术研究及实验”中北京站GNSS/MET、探空、地基微波辐射计反演的大气水汽总量进行了交叉对比，并结合ECMWF资料进行评估，给出了以上观测资料的误差情况。

1 实验、资料获取与数据处理 1.1 大城市观测实验

“超大城市垂直综合气象观测技术研究及实验”由中国气象局气象探测中心牵头实施，项目在北京地区布设了多种观测设备，旨在获取北京大城市下垫面的大气参数特征，其中以北京观象台的观测设备最为齐全。

在北京观象台(116°17′E，39°56′N)布设的GNSS/MET设备为NetR9型GNSS接收机，气象仪为WUSH-PTU300，水汽解算采用中国气象局气象探测中心开发的GNSS水汽解算软件CGVAPS(China GNSS Vapor System)，该软件以GAMIT为基础，采用滑动窗口网解模式，并优化了模型的输入参数和对流层天顶总延迟的质量控制。

北京观象台探空设备为GTS1型数字探空仪(邢毅等，2009)，L波段雷达-电子探空仪系统以自动跟踪方式工作，气球施放后由计算机对雷达实施程序控制，自动跟踪探空仪，地面设备计算机自动接收、处理探空、测风信号并生成业务应用文件，无需人工干预。GTS1型数字探空仪温度测量组件采用半导体热敏电阻，气压采用硅压阻，湿度采用碳膜湿敏电阻。

地基微波辐射计是在观测实验中新布设的遥感观测设备，用于观测大气在垂直和水平方向上的温湿分布，设备为HTG4。微波辐射计在使用前，首先经过外置液氮定标，采用液氮作为绝对定标过程中的冷点，配合内部定标黑体，通过软件自动实现液氮绝对定标。在使用过程中，采用噪声源定标，设置2个噪声源：2个绝对标准(冷/热)定标后确定噪声二极管的等效噪声温度，实现仪器日常自动相对定标。在反演时利用观测到的亮温数据，通过神经网络反演，输出天顶方向地面至10km各层的温度、湿度、液态水的廓线数据。

2017年，“超大城市垂直综合气象观测技术研究及实验”项目启动，自2018年开始进行超大城市气象要素的连续观测实验。本文收集了北京观象台2018年1月1日~12月24日的GNSS、探空、微波辐射计观测和ECMWF再分析资料，对各种观测资料的水汽总量进行了对比。

1.2 资料和数据处理 1.2.1 探空资料计算大气水汽总量

本文使用L波段探空数据中的温度T、水的三相点温度T₀，计算出水面饱和水汽压E_w

$\begin{aligned} \lg E_{w}=& 10.79574\left(1-\frac{T_{0}}{T}\right)-5.028 \lg \frac{T}{T_{0}}+1.50475 \times 10^{-4}\left[1-10^{-8.2969\left(\frac{T}{T_{0}}-1\right)}\right]+\\ & 0.42873 \times 10^{-3}\left[10^{4.76955\left(1-\frac{T_{0}}{T}\right)}-1\right]+0.78614+\\ & 0.42873 \times 10^{-3}\left[10^{4.76955\left(1-\frac{T_{0}}{T}\right)}-1\right]+0.78614 \end{aligned} $

(1)

再由饱和水汽压计算出实际水汽压e

$e=E_{w}\left(\frac{U}{100}\right) $

(2)

其中，U为相对湿度。

大气中绝对湿度q的计算公式为

$q=216.7679 \times \frac{e}{T} $

(3)

最后，根据高度将绝对湿度q累加，得到总的水汽质量PWV

$\mathrm{PWV}=\frac{1}{\rho \mathrm{g}} \int_{0}^{p_{s}} q \mathrm{~d} p $

(4)

其中，ρ为水的密度，g为重力加速度，p_s为地面气压，p为大气压强。

1.2.2 ECMWF计算水汽总量

欧洲数值预报中心ECMWF全球再分析融合了预报模式资料和地面、高空及雷达卫星观测数据，是目前公认的评估分析各种气象遥感观测产品的基准数据集。本文应用了ERA Interim数据集，格点经纬度分辨率为0.125°×0.125°。

利用ECMWF资料计算水汽总量与探空基本相同，首先对地面到各规定层积分求得各个格点上的水汽总量，然后采用经纬度双线性内插将站点所在的周边4个格点内插到站点(北京观象台)上。

1.2.3 地基GNSS反演大气水汽总量

GNSS无线电波在大气中的传输因受到大气介质的折射而沿曲线前进，与真空中相比，其传播速度发生延迟效应。总延迟距离ΔL与大气折射率有关

$\Delta L=\int_{s} N \mathrm{~d} s $

(5)

式中，N为无线电波沿曲线s传播时经过大气的折射率，其与大气的状态有以下关系

$N=\left(-4.03 \times 10^{6} \frac{n_{e}}{f}\right)+\left(77.6 \frac{P_{d}}{T}\right)+\left(70.4 \frac{P_{v}}{T}+3.739 \frac{P_{v}}{T^{2}}\right) $

(6)

其中，n_e为大气中的电子密度，f为电波的频率，P_d为干空气的部分气压，P_v为湿空气的部分气压，T为大气温度。

将式(6)右端前2项从总延迟中抽离出来，得出剩余水汽部分的总湿延迟ΔL_w。

总天顶湿延迟ZWD(Zenith Wet Delay)与总湿延迟的关系为

$\mathrm{ZWD}=\Delta L_{w} \csc \theta $

(7)

其中，θ为天顶角。大气中的垂直(z)总水汽量为

$\mathrm{PWV}=\int \rho_{v} \mathrm{~d} z $

(8)

其中，ρ_v为空气中的水汽密度。经推导，ZWD与PWV有以下关系

$\mathrm{PWV}=\Pi \times \mathrm{ZWD} $

(9)

其中，比例系数Π可表达为

$\Pi=\frac{10^{6}}{\rho R_{v}\left(\frac{k_{3}}{T_{m}}+k_{2}-\omega k_{1}\right)} $

(10)

式中，k₁、k₂、k₃、ω为物理常数，ρ为水的密度，R_v为大气常数(水汽)，而T_m为大气的平均温度。T_m与地面温度T_s和温度廓线有关，使用较普遍的为Bevis经验公式：T_m=70.2+0.72T_s。在CGVAPS中，对于不同的地区，采用适合中国不同纬度的T_m与T_s之间的函数关系式(王晓英等，2011)。

1.2.4 微波辐射计反演的水汽总量

微波辐射计的产品反演使用北京观象台的历史探空资料，建立产品的反演模型，利用产品反演模型，根据实时观测的各通道亮温，进行各种参数的反演。其中，水汽总量产品由水汽通道的亮温反演而来。

2 大气水汽总量对比分析 2.1 北京大气水汽总量月平均值的变化

北京观象台地处中纬度，属温带大陆性季风气候，全年四季水汽变化显著，图 1给出了2018年由微波辐射计、探空、GNSS/MET观测的月平均水汽总量和欧洲数值预报中心再分析的结果。由图 1可以看出，北京夏季7、8月水汽充沛，平均值达到40~50mm，而冬季仅为5mm左右，春季、秋季迅速增加或减少。

从GNSS/MET、微波辐射计、探空和ECMWF模式的分析结果看，水汽总量月平均值在夏季有一定的差别，冬季由于水汽较少，差别不大。

2.2 与ECMWF模式的水汽总量对比

ECMWF再分析资料是基于模式和多种观测的多源数据的融合，一般将其作为描述大气状态的基准数据集。对比GNSS/MET、探空、微波辐射计的总水汽量与ECMWF再分析结果(图 2)，可以看出三者与ECMWF模式分析结果符合较好，特别是探空和GNSS/MET。相比而言微波辐射计差别明显，并且观测存在异常点，表明其反演算法存在一定问题，仍有待完善。

GNSS/MET、探空、微波辐射计与ECMWF模式的相关性，如表 1所示，可以看出其均具有较好的相关性，相关系数大于0.90，但探空、GNSS/MET与ECMWF模式具有更好的相关性，达到了0.99。从三者的偏差来看，GNSS/MET存在0.54mm的正偏差，探空存在1.94mm的正偏差，微波辐射计存在0.65mm的负偏差。对于均方根误差，GNSS/MET和探空相当，在3mm左右，而微波辐射计的误差明显偏大，达到了6mm。

对比GNSS/MET和探空，二者的相关性和均方根误差相近，但探空偏差略大；而微波辐射计虽然偏差较小，但均方根误差较大。

2.3 与探空的水汽总量对比

探空观测作为一种遥测在点观测，传统上被认为是高空遥感观测的基准，可以对ECMWF模式分析进行交叉验证。以探空作为参考，对比GNSS/MET、ECMWF模式和微波辐射计的水汽总量，如表 2所示。

由此可见，表 2与表 1的结果基本一致，若以探空作为参考，GNSS/MET的相关性、偏差和均方根误差在3种资料中均为最优。

虽然微波辐射计可以在小、中雨时反演获取数据，但由于存在水膜污染微波罩，造成辐射亮温的偏差，从而引起水汽总量反演误差。为此，在上述数据中剔除了小、中雨日共35组数据，重新进行统计，得到微波辐射计与探空的对比统计结果，如表 3所示。

由表 3可见，剔除小、中雨后，相关系数提高了3%，相对均方根误差提高了6%，偏差略有增加。这说明在使用微波辐射计数据时，需要剔除雨日数据来保证数据的质量。但也要看到，即使剔除了雨日数据，微波辐射计数据的相对误差也是GNSS/MET的2倍，相对探空和GNSS/MET，其准确性还有待提高。

3 结论和讨论

通过对比北京2018年全年的水汽总量资料，可以得到如下结论：

(1) 与ECMWF模式分析对比，GNSS/MET、探空、微波辐射计的相关系数分别为0.99、0.99、0.93。从三者的偏差来看，GNSS/MET存在0.54mm的正偏差，探空存在1.94mm的正偏差，微波辐射计存在0.65mm的负偏差。三者的均方根误差则分别为3.55mm、3.60mm和6.08mm。

(2) 以探空作为参考，GNSS/MET、ECMWF模式和微波辐射计的相关系数分别为0.99、0.99和0.93，偏差分别为-1.39mm、-1.94mm和-2.58mm，均方根误差为2.85mm、3.59mm和6.79mm。GNSS/MET的相关性、偏差和均方根误差在3种资料中均表现最优。

(3) 在4种资料中，微波辐射计观测的差别明显，均方根误差最大。剔除小、中雨后，相关系数提高了3%，相对均方根误差提高了6%，数据质量有所提高。说明在使用微波辐射计数据时，需要剔除雨日数据来保证数据的质量，同时，微波辐射计的反演算法需要进一步完善。

(4) 通过对比分析可以看出，GNSS/MET、探空和ECMWF模式具有相当的精度和误差，无论采用ECMWF模式对比，还是与探空进行对比，GNSS/MET的水汽观测表现良好，说明其水汽资料具有较高的质量。

最后需要指出的是，本研究只针对北京2018年全年的资料进行了分析，结论是初步的，今后仍需要更多地区的多年资料来进一步对比。