1 引言

三江源及其周边地区是中国生态保护的重点地区, 也是保护和改善生态环境惠及全国的关键地区。保护好该地区的生态环境就是要增加生态用水的来源, 充分地开发利用空中云水资源是主要途径之一, 因而了解该地区的大气水汽状况将为科学地实施人工增雨(雪)作业起到重要指导作用。该地区因水汽观测站稀少, 探空站缺乏, 在现有条件下精确定量分析大气水汽分布特征实属困难, 为了精准掌握大气水汽分布及云水资源量, 文中采用三江源人工增雨工程建设的全球导航卫星系统气象观测(GNSS/Met, 以前称GPS/Met)、美国产35通道微波辐射仪等先进大气水汽探测仪器进行同种物理量同步探测和分析, 以期了解各仪器性能、特性、原理、标定等方面差异和适用性, 为该地区的天气预报预警、人工增雨(雪)、灾害预警等方面发挥基础性作用。

大气水汽含量(Precipitable Water Vapor, PWV, 也称大气可降水量)直接无法测量, 常用天基或地基仪器反演计算得出。天基仪器以卫星水汽通道的亮温反演得出(徐国森等, 2000; 施闯等, 2016; 曹玥瑶等, 2016)。地基仪器计算方法多样, 主要有: (1)气象探空资料分层累积法, 此方法准确度较高, 常作为基准值标校其他仪器, 但站点稀疏精细度不足; (2)地面气象资料经验公式法, 该方法站点多, 准确度较高, 但时间分辨率低; (3)地基GNSS反演法, 全天候监测, 性能稳定, 但时间序列较短(申彦波等, 2016); (4)地基微波辐射仪反演法, 全天候监测, 但反演依赖于大量探空资料和采用的方法, 且受气象因子影响(赵从龙等, 1991); (5)采用再分析资料法, 分辨率较高, 但质量受地理和同化系统等因素的影响; (6)激光雷达反演法, 此方法现处于测试试验阶段(王红伟等, 2013)。综上, 多种仪器反演计算大气水汽含量时采用的方法和资料不同将导致结果存在偏差, 因而估算大气水汽含量时需要相互检验才能了解仪器的适用性和偏差量。

校正和验证多种仪器观测准确性的一种重要手段是相互对比检验。全球探空对比检验表明:对于30 km以下高度的温度探测, 中国长峰和华云公司生产的探空仪与芬兰Vaisala公司的探空仪存在系统偏差小于0. 4 ℃, 标准偏差小于0. 7 ℃, 30 km高度以上偏差明显增大; 气压和风探测方面, 两者系统偏差与标准偏差均较小; 在低温环境下湿度探测差距更大(李伟等, 2011), 因而对国产北斗等探测仪进行数据质量控制和同种仪器对比检验是非常必要的(李昊睿等, 2014; 郭巍等, 2015), 这将提高国产仪器的性能指标。地面推算和GPS反演的大气水汽含量与探空仪估算水汽含量检验表明:地面推算略低, GPS反演微高, 总体精度较高, 且前两种站点较多可弥补探空站偏少的问题(向玉春等, 2009)。地基全球定位系统气象观测(GPS/Met)和微波辐射仪受日全食影响, 200 m以下近地层的温度和相对湿度有明显扰动(万蓉等, 2011)。任菊章等(2014)利用美国国家环境预报中心和美国国家大气研究中心(NCEP/NCAR)再分析资料、美国国家环境预报中心和美国国家能源部(NCEP/DOE)再分析资料、日本气象厅25年(JRA-25)再分析资料与GPS/Met对比检验表明:各类资料能反映出月、季的变化特征, 但3类再分析资料偏小, 精细度不足。研究者对不同季节和云系的大气可降水量(PWV)研究表明PWV与降水有一定的相关性和差异性(罗梦森等, 2013; 李国翠等, 2008)。以上研究表明仪器之间对同种物理量的观测受外部环境、仪器特性、地区和季节等方面的影响存在一定的偏差, 了解和掌握这些因素和偏差量有利于提高大气水汽探测精度、改善仪器探测能力和提高数据质量。

GPS气象掩星探测技术与其他卫星资料相比观测精度和垂直分辨率均很高, 且不受天气状况影响, 在天气预报、气候及数值模式应用等方面有独特优势(马再忠等, 2011; 李国平等, 2011)。利用地基GPS反演的高时空分辨率大气可降水量序列, 分析与气温、气压、比湿、辐射和降雨量等气象要素的对应关系, 研究与局地环流、水汽输送和循环、地形等配置关系, 能够掌握典型灾害性天气(西南暴雨、持续性降水、冰冻雨雪、大雾)水汽演变特征, 对降雨预报有重要指示意义, 在强降水、暴雪等预报中发挥独特作用(郭洁等, 2007; 郭志梅等, 2008; 谢璞等, 2006)。因GPS的时空分辨率和精度均高、全天候、观测稳定、无需校正等优点(Anthes et al, 2000; Kursinski et al, 1996; Rocken et al, 1997), 促进了GPS气象的迅速发展, 组网应用(杜晓勇等, 2008; 李国平等, 2005)对气象、环境、水文和空间天气等领域产生深刻的影响(Rocken et al, 1997; Syndergaarda et al, 2005; Sokolovskiy et al, 2005; Huang et al, 2005)。

微波辐射仪通过观测的亮温, 采用神经网络系统反演出大气的温湿度、水汽含量和液态水含量的被动式遥感仪器。与常规探空、GPS探空、毫米波测云雷达等观测仪器对比检验表明微波辐射仪反演的温度与其他仪器较一致, 湿度在降水发生前和小降水时一致性较好, 但降水较大时偏差较大(郭丽君等, 2015; 李娜等, 2015; 王云等, 2014)。与毫米波云雷达对比检验表明云微物理参数两者有较好的一致性, 能反映出云中不同位置的动力和水汽特征(韩珏靖等, 2015)。研究表明其数据质量与反演技术有关(魏东等, 2011), 改进反演技术将推动微波辐射仪的发展和应用前景(Revercomb et al, 2003), 在北京和干旱半干旱区对反演技术改进后检验结果表明水汽、液态水路径、可降水量等参数更符合实际情况(韦凯华等, 2015; 刘亚亚等, 2010; 刘红燕等, 2009; 黄建平等, 2010)。与GPS探空和GPS/Met对比分析表明:在无降水条件下微波辐射仪与两者之间大气可降水量相关性较好, 偏差较小, 降水增强后, 相关性不足, 偏差较大(徐桂荣等, 2010)。鉴于以上分析, 在高寒高海拔、测站偏少和高原天气特征影响下进行大气水汽含量的精细分析, 首先要掌握仪器的适用性和差异性, 是准确把握大气水汽时空分布的首要问题, 因而文中采用L波段探空系统为基准值, 以大气水汽含量为相互对比值, 进行多源观测资料的对比分析, 探讨不同气候区布设的多源水汽观测资料的可靠性, 为后期客观定量评估三江源及其周边地区云水资源起到基础性作用, 也为天气预报预警、人工影响天气监测分析起到指示性作用。

2 资料和方法 2.1 资料

采用2014年全年的西宁市、格尔木市、玉树市、达日县和河南县的L波段探空资料、美国国家环境预报中心6 h间隔再分析资料(NCEP FNL)、GNSS/Met和微波辐射仪资料, 其中玉树市因地震影响GNSS/Met和微波辐射仪数据量较少, 而河南县有微波辐射仪但无探空系统。5个站中河南县与达日县属于同种天气气候区域, 且河南县有微波辐射仪, 可以进行对比检验; 其余3个站均处于三江源及其周边地区不同的天气和气候区域, 代表了不同区域的大气水汽特征。文中采用的主要仪器或数据见表 1, 布点情况见表 2, 地形和仪器种类见图 1。

图 1为大气水汽监测站布局, 各站所代表的天气气候特点不同, 其中西宁站代表三江源及其周边地区的东北部农业区, 相对干旱少雨, 年降水量在400~500 mm, 雨热同期, 地形影响下降水差异明显; 格尔木站处于柴达木盆地, 干旱少雨, 年降水量在100 mm左右, 虽雨热同期, 但太阳辐射强、光照充足、蒸发量大; 玉树站处于3700 m以上的高海拔地区, 受高原南支槽影响, 水汽输送较多, 降水量在600 mm左右, 温度较低; 达日和河南站处于三江源东南边缘, 受副热带高压和高原南支槽的交替影响, 年降水量达700 mm左右, 是三江源多雨区, 但降水时空差异较大。据上, 5个站代表着4个不同小气候区, 但都属于大陆性气候。

大气水汽含量即为大气可降水量, 是垂直空气柱中全部水汽凝结后在气柱底面上形成的液态水深度(单位: mm), 不同仪器称谓不同, 但均代表大气水汽含量。文中L波段探空用水汽压和比湿积分出大气水汽含量作为参考标准值; GNSS/Met水汽含量用GAMIT/GLOBK和TEQC软件计算得出; NCEP是6 h间隔的FNL地面大气可降水量, 采用就近格点原则得到站点资料; 微波辐射仪数据是大气总水汽累积量。另外, 文中采样点均用近同步时段, 探空资料为整点数据(2 h内探空)。

2.2 方法

仪器之间测量的相关性和偏差大小, 可以用两种仪器测量的同一种物理量进行散点分析, 并采用最小二乘法做回归曲线。标准方法只能将每个点的X方向距离最小化, 而本研究中采用Baumgardner(1983)提出的统计分析两种仪器之间的相关性和偏差的分析方法, 求出每个数据点垂直于回归曲线最小化的距离, 在此基础上得出两变量之间误差或仪器之间基于基准仪器的相对性能。两种仪器的线性相关性函数表达为式(1)、相关系数为式(2)、偏差为式(3)。

$ Y=aX+b, $

(1)

$ R=\frac{1}{N-1}\sum\limits_{i=1}^{N}{\left(\frac{{{X}_{i}}-\overline{{{X}_{i}}}}{{{\sigma }_{X}}} \right)\left(\frac{{{Y}_{i}}-{{\overline{Y}}_{i}}}{{{\sigma }_{Y}}} \right)}, ~ $

(2)

$ RSS=\sqrt{\frac{\sum\limits_{1}^{N}{{{\left(aX-Y \right)}^{2}}}}{N({{a}^{2}}+1)}}, $

(3)

其中: X为基准仪器; Y为对比检验仪器; a为Y仪器观测值占基准观测仪器值的占比或倍数; b为对比检验仪器相对于基准仪器间的偏移量(也可称为系统标校误差, 单位: mm)。N为两种仪器同步采样数; σ_X和σ_Y是观测数据的标准偏差; R为两种仪器的相关系数。RSS是Y仪器相对于X参考仪器的总偏差量(单位: mm)。以上方法给定不同的条件后可计算出不同条件下的相关性和偏差量, 如给出温度阈值计算两仪器之间的相关性和偏差量, 从而掌握仪器的适用性和相互差异性。文中表或图中字母与以上说明一致。

3 主要结果 3.1 总体对比分析

图 2为NCEP、GNSS/Met与L波段探空大气水汽含量散点分布及拟合关系, 文中坐标以等比例显示且图中虚线为两种仪器测值相等线。从图 2(a)可知, NCEP再分析资料的PWV与探空基准值相关性较强, 相关系数0. 94, 但NCEP值明显偏小, 占比仅为69%, 系统误差偏高0. 37 mm, 总偏差1. 37 mm。从图 2(b)可知, GNSS/Met的PWV与探空基准值具有较强相关性, 相关系数为0. 95, 占比98%, 与两值相等线基本重合, 系统误差偏高0. 46 mm, 总偏差1. 45 mm。总体对比分析表明:三江源及其周边地区的NCEP、GNSS/Met的PWV与基准值一致性较好, 能够反映出三江源及其周边地区大气的水汽特征, 但NCEP的PWV明显比基准值偏小。

3.2 温度影响分析

将三江源及其周边地区的常年温度划分为3个小区, 分别为-30~0 ℃、0~10 ℃和10~30 ℃, 精细分析不同温度条件下各仪器之间的偏差及产生根源。从不同温度区间的PWV差异性(表 3)可知, NCEP再分析资料的PWV在0~10 ℃和10~30 ℃与探空相关性较强, 相关系数0. 90以上, 占比最低, 为63%, 如0~10 ℃占比为70%, 系统误差偏大0. 26 mm, 总偏差为1. 30 mm; -30~0 ℃区间两者相关系数0. 81, 总偏差仅为0. 69 mm。GNSS/Met的PWV与探空大于0 ℃区间相关性较强, 相关系数0. 93, 占比大于88%, 系统误差偏大2. 63 mm, 该区间总偏差最小为1. 49 mm; -30~0 ℃区间相关系数0. 83, 总偏差0. 71 mm。以上分析表明:在大于0 ℃区间NCEP的PWV与基准值相关性较强, 占比偏小, 且随温度升高占比越小, 总偏差越大; 在小于0 ℃区间相关性下降, 占比更小, 但总偏差变小; GNSS/Met的PWV与基准值一致性很好, 系统偏差微大, 定标后能够代表不同温度条件下的大气水汽特征。

3.3 降水影响分析

降水对仪器的影响引起大气水汽含量的相互差异, 为此用探空8 h和20 h为基准取前6 h内的降水量作为分析条件。从表 4可知, 当6 h降水量在0~10 mm区间时, NCEP的PWV与探空相关性较强, 相关系数0. 94, 占比76%, 总偏差1. 31 mm; 降水在10~30 mm区间时, 相关系数0. 83, 占比仅为65%, 总偏差达3. 26 mm, 以上分析表明, 降水较大时NCEP的PWV与基准值相关性降低, 占比明显偏低, 总偏差增大。降水在0~10 mm区间时GNSS/Met的PWV与基准值强相关性, 相关系数0. 97, 占比103%, 拟合线与相等线基本重合, 系统误差偏小0. 2 mm, 总偏差1. 03 mm; 降水在10~30 mm时, 相关系数0. 99, 占比105%, 系统误差偏小1. 21 mm, 总偏差0. 89 mm, 此区间采样数虽偏少, 但从采样点分布特征可知7个采样点均紧贴拟合线, 采样点具有代表性。分析表明, 在降水影响下该地区NCEP的PWV比基准值偏小, 随降水增大相关性降低, 总偏差明显增大; GNSS/Met的PWV与基准值一致性较好, 降水影响较小。

3.4 季节性差异

从不同季节(春季以3月始, 以此类推)条件下大气水汽含量差异性分析(表 5)可知, 秋季NCEP的PWV与基准值比较接近, 相关系数0. 91, 占比68%, 系统误差偏高0. 09 mm, 总偏差相对较大, 说明秋季的大气水汽含量时空变化较大; 冬季在四季中相关性较弱, 仅为0. 72, 占比62%(冬季和春季拟合线重合), 系统误差偏高0. 46 mm, 总偏差0. 63 mm, 表明该地区冬季大气水汽的时空变化相对比较稳定, 水汽输送平稳, 与冬季降水天气过程偏少密切相关。GNSS/Met的PWV与NCEP值特点一致, 即秋季与基准值最接近, 相关性更好, 占比最高, 为98%, 系统误差偏高0. 02 mm, 总偏差为1. 39 mm。相关性按秋季、夏季、春季和冬季的顺序降低, 但总偏差依夏季、春季、秋季和冬季的顺序降低, 总偏差的大小与季节中天气系统活跃程度有关, 即夏季不稳定性天气系统活跃, 大气水汽的时空变化较大。综上, GNSS/Met的PWV在不同季节相关性和占比较高, 与基准值很接近, 随季节中天气系统更替快慢和活跃程度不同总偏差有明显的差异。

3.5 地区差异

从不同地区NCEP、GNSS/Met与L波段探空大气水汽含量拟合关系(表 6)可知, 在不同地区NCEP、GNSS/Met的PWV与基准值相关性均较强, 相关系数最低为0. 93, 最高为0. 98。NCEP的PWV与基准值相关系数在0. 93~0. 96, 占比在67%~80%, 系统误差偏高0. 09~0. 41 mm, 总偏差1. 08~1. 58 mm, 地区差异比较明显, 其中达日和玉树处于三江源地区海拔3500 m以上, 水汽充足, 输送稳定, 相关性很强, 系统误差较低, 总偏差较低, 而格尔木和西宁位于北部干旱半干旱地区, 海拔在2100~2800 m, 气候干燥, 水汽不足, 水汽输送与天气系统密切相关, 水汽更替缓慢, 相关性下降, 总偏差变大, 系统误差格尔木最大, 西宁最小。GNSS/Met的PWV与基准值强相关, 相关系数大于0. 94, 占比97%~103%, 系统误差偏高0. 08~0. 75 mm, 总偏差1. 06~1. 72 mm。达日站的PWV与基准值最接近, 系统误差和总偏差最小, 而格尔木站相关性最低, 西宁站总误差最大。因GNSS/Met的PWV与基准值比较一致, 在基准数据缺乏的情况下, 文中为了分析微波辐射仪数据质量, 增加了GNSS/Met的PWV与NCEP的对比分析, 得到同一气候区域的河南站与达日站相关性均为0. 97, 且河南站NCEP的PWV占比为85%, 而达日为79%, 从以上分析可知NCEP的PWV在高海拔地区明显偏低, 说明河南县站GNSS/Met的PWV相对偏低, 系统误差和总偏差比达日站相对偏高。对比分析表明:三江源及其周边地区的大气水汽测量站点所处的气候和地理位置不同, 各类数据之间也有明显的差异, 处于海拔较高、水汽充足、输送稳定的地区仪器间的偏差较小, 而海拔高度较低、水汽输送不均匀的相对干旱地区偏差有增大趋势, 这些差异在三江源及其周边地区有可能与水汽输送通道的厚度有密切关系, 如达日和玉树海拔较高, 水汽输送通道从近地面至500 hPa高度层以下为主, 而格尔木和西宁海拔较低, 地面至500 hPa天气系统水汽输送厚度层比以上2个站厚1 km以上, 因而估算时产生一定的误差; 也可能与探空采样时间延长和不同步有关, 这些疑难还需通过加密站点才能解决。

3.6 微波辐射仪

河南站因无探空系统有GNSS/Met的PWV, 且GNSS/Met的PWV上文分析表明与基准值一致, 因此用GNSS/Met的PWV代替探空。表 7为不同气象条件下河南县微波辐射仪反演的PWV与GNSS/Met的PWV对比。表 7中-30~0 ℃和10~30 ℃温度区间微波辐射仪的PWV与GNSS/Met相关系数均为0. 84, 占比分别为138%和202%, 系统误差分别偏高0. 45 mm和2. 02 mm, 总偏差分别为0. 88 mm和2. 90 mm, 而0~10 ℃区间相关系数0. 69, 占比172%, 系统误差偏高2. 71 mm, 总偏差3. 81 mm, 分析显示温度升高微波辐射仪的PWV占比明显增大。6 h降水量在0~0. 5 mm和0. 5~1. 0 mm区间的相关系数分别为0. 88和0. 98, 系统误差分别偏低3. 78 mm和13. 08 mm, 总偏差分别为2. 38 mm和4. 13 mm, 占比分别为247%和303%;从降水影响下的分析表明小于1 mm降水量采样点集中在拟合线附近(图略), 虽采样点偏少, 但两者的相关系数较高, 说明6 h降水量0~1 mm区间微波辐射仪反演的PWV还是比较可信的, 这与徐桂荣等(2010)得出的结论一致。6 h降水量大于1 mm区间两者采样点相对较多, 但无相关性, 总偏差也最大, 达20. 16 mm, 说明大于1 mm降水条件下微波辐射仪受降水影响严重, 其值无实际参考价值。

液态水含量在0~2 mm区间微波辐射仪的PWV与GNSS/Met相关系数最低为0. 87, 总偏差为2. 26 mm, 系统误差-0. 55~0. 79 mm, 占比182%~206%, 说明液态水含量在0 ~2 mm区间PWV具有参考价值; 但当液态水含量在2~3 mm区间, 两者无相关性, 总偏差和系统误差均很大, 实际应用并无参考意义。从采样点分布可知2~3 mm区间采样点偏少且分布散乱(图略), 但1~2 mm区间采样点也偏少, 分布集中在拟合线附近, 相关性也较高, 对比说明2~3 mm区间采样点偏少对拟合有较大影响。云底高度越低相关性越强, 总偏差越低, 占比173%左右; 云底高度越高相关性减弱, 总偏差增大, 占比286%, 因此云底高度也影响微波辐射仪的PWV, 当云底高度越高时采样点越分散, 采样点的偏少将影响其拟合关系, 需增加样本数进一步完善。

相对湿度在10%~75%相关性大于0. 83, 总偏差2. 24 mm, 占比205%左右; 相对湿度在75%~100%区间相关性明显降低, 仅为0. 66, 总偏差明显增大, 占比178%。从以上分析表明相对湿度增加后误差增大, 特别是相对湿度大于75%, 系统误差和总偏差明显增大, 这与湿度增大后产生降水有关。地面气压较低时强相关性, 偏差较小, 气压较高时弱相关性, 偏差增大, 但气压较低时占比增高。

综上, 以GNSS/Met为基准的微波辐射仪的PWV对比分析表明微波辐射仪反演的整层大气水汽含量总体偏大, 偏大125%~303%, 且受温度、降水、液态水含量、云底高度、相对湿度和气压等气象因子的影响, 特别是当降水大于1 mm或液态水含量大于2 mm时, 微波辐射仪反演的PWV无参考价值, 除温度和液态水含量状态有一定的差异外, 其余状态下随着状态值的增大, 偏差有增大的趋势。

3.7 旬变化特征

三江源及其周边地区的湿池和水汽变化对当地和下游产生影响(周长艳等, 2017; 敬文琪等, 2017), 掌握该地区的年内大气水汽旬变化将为天气过程预报和科学增雨(雪)作业起到指导作用。文中用4个站探空和1个站GNSS/Met的PWV求出各站旬大气水汽平均变化特征(见图 3), 从图 3中看出, 3月上旬至4月下旬大气水汽平均含量逐步升高, 西宁站春季(3-5月)明显有异于其他4个站, 表现为大气水汽平均值明显高于其他站3 mm左右, 4月中旬达极高, 高出其他站5 mm左右, 这与春季西宁地区盛行东或东南倒灌气流形成降水天气密切相关; 5月上旬5个站大气水汽含量差异变小, 至5月下旬各站均持续升高, 但上升幅度差异较大, 格尔木站不及其余4个站, 说明春末干旱地区水汽输送量尚不足, 延迟夏季的到来。夏季(6-8月)大气水汽含量逐步提高, 至8月中旬整个三江源及其周边地区的大气水汽含量达到年内最高值; 6月中下旬玉树和河南站出现微下降, 这与此阶段2个站的天气系统更替密切相关, 前期高原切变线和高原涡等局地天气系统控制下水汽不足, 后期高原南支槽等天气尺度降水系统控制下水汽输送比较充足, 微下降阶段呈现于前期和后期天气系统调整阶段, 水汽含量变弱; 达日站位于以上2个站中间, 变化甚微; 格尔木和西宁站大气水汽含量保持持续上升阶段; 从7月下旬开始, 随着副热带高压的西伸北抬, 该地区大气水汽含量再次持续升高, 至8月中旬达到一年中最大值, 这一特点与高原出现强降水时间段相一致; 之后随着副热带高压的减弱和东退南缩, 整个区域大气水汽含量出现持续性下降的过程, 至8月下旬成为夏季大气水汽含量相对较低段。秋季(9-11月)9月上旬随着大气环流的调整, 高原地区出现南支槽和冷暖气流交替过程, 水汽输送变强; 至9月下旬达到秋季的最高值, 之后迅速降低; 至10月下旬变化趋势为持续降低型。从以上分析看出一年中各站大气水汽含量的高低变化与大气环流调整和伴随的天气系统密切相关, 这与周长艳等(2017)、姚宜斌等(2016)、刘春蓁(2004)研究的结果比较一致, 但本文仅为2014年数据, 其结果与气候平均值存在时间和强度差异, 呈现出年度特征。旬大气水汽含量区域特征表现为格尔木站极小值、西宁站极大值, 核心区的玉树、河南和达日站大气水汽含量介于以上2个站, 且玉树和河南站相近, 达日站相对较低。

三江源及其周边地区除格尔木站外旬大气水汽平均含量变化特征具有同步性。格尔木站4月和5月空气干燥、风沙天气频发, 水汽含量明显较低, 至5月下旬才达到5 mm左右, 之后水汽含量逐步上升, 至7月中旬达最大值14 mm, 这比其他站同等大气水汽含量延迟近1个月, 与该地区戈壁沙滩地貌和副热带高压西北部水汽输送偏弱有一定的关系。从全年变化看, 格尔木站大气水汽含量相对比较稳定, 水汽上升段比其他站延迟, 降低段比其他站提前, 体现出戈壁干旱气候区的旬大气水汽分布特征。

4 误差来源分析

三江源及其周边地区高寒高海拔复杂天气和气候条件下, 多源大气水汽含量受降水、温度、地区差异、季节等因素的影响, 引起不同程度的偏差, 体现出仪器的特性和影响来源, 除此之外以下几方面也引起一定的偏差:

(1) 数据同步性和空间代表性问题。基准数据以2 h左右采样的L波段探空依经验公式计算大气水汽含量, GNSS/Met是分钟反演数据, 文中取整点前后10 min数据求平均, 两者系统误差1%~3%, 有时高达10%左右; NCEP采用就近站点的格点数据, 以上采样均有异步性和代表性问题, 产生偏差不可避免。

(2) 设备性能与温度有密切关系, 通常情况下温度较低性能相对越好, 如以温度为条件的分析, 仪器随温度升高总偏差有明显的增大, 系统误差也有一定的增大。

(3) 降水影响和设计缺陷形成系统误差, 特别是微波辐射仪天线罩面覆水后影响严重, 还受液态水含量等多种因素的影响, 需通过设计降低系统误差。采用的反演技术和神经网络训练不足产生比较确定的误差, 如训练不足情况下微波辐射仪随高度和温度等出现较大的偏差。

5 结论

采用三江源及其周边地区的特种和常规观测仪器, 以大气水汽含量进行多源资料的对比分析, 探讨多源数据特征及其在本地区的适用性问题, 得出如下结论:

(1) 三江源及其周边地区的GNSS/Met大气水汽含量与基准值具有较好的一致性, 不受温度、降水、季节、地区的明显影响, 仪器具备长期稳定性和偏差较小特性, 可用其值研究当地的水汽特征及云水资源精确评估, 有利于开发利用空中云水资源补充地面生态用水状况。

(2) NCEP大气可降水量总趋势与基准值比较一致, 但比实测值明显偏小, 且随降水增大偏差越大, 受温度、地区差异、季节的明显影响, 利用其值定量评估该地区大气水汽含量有低估的现象。

(3) 微波辐射仪虽能代表无降水或弱降水条件下的大气水汽含量, 且明显偏大, 但受温度、气压、液态水含量、云底高度、相对湿度等多种因素的影响, 数据可靠性还需神经网络训练和完善仪器设计才能改善数据质量。

(4) 旬大气水汽平均变化分析表明三江源核心区大气水汽含量差异较小, 从东到西呈波谷型分布; 周边地区大气水汽含量分布差异巨大, 东边大气水汽含量最高, 西边最低, 此分布特征与地理位置、地形和年内天气过程等密切相关。

使用三江源及其周边地区的特种仪器反演计算大气水汽含量, 进行数据质量对比检验表明多源观测仪器采集的数据在应用中需分析相互偏差和仪器的适用性问题, 找出各类仪器或数据的影响因素和测量偏差, 为后期精确定量应用和评估云水资源量、人工可开发云水量等方面具有重要的基础性作用, 但文中的微波辐射仪分析中液态水含量大于2 mm和云底高度大于5 km情况, 样本量偏少会影响其结果, 需通过增加样本数进一步分析, 而降水量大于1 mm情况增加样本数量并不能改变本文得出的结果。