The weather in Australia is significantly influenced by water vapor evaporated fromwarm ocean surfaces,which is closely associated with various extreme weather events in the region,such as floods,droughts,and bushfire...The weather in Australia is significantly influenced by water vapor evaporated fromwarm ocean surfaces,which is closely associated with various extreme weather events in the region,such as floods,droughts,and bushfires.This study utilizes Precipitable Water Vapor(PWV)data from 15 Global Navigation Satellite System(GNSS)stations spanning 2010 to 2019 to investigate the spatiotemporal distribution of atmospheric water vapor across Australia,aiming to improve the accuracy of forecasting hazardous weather events.The results indicate distinct regional features in the spatial distribution of PWV.PWV gradually decreases from coastal areas toward inland regions and increases from south to north.Temporally,the overall trend of PWV remains consistent.From an annual trend perspective,most areas exhibit a decline in PWV content,with the exception of the southwestern coastal region,which shows an increasing trend.Furthermore,the study explores the correlations between PWV content and elevation,latitude,and longitude.Among these,latitude demonstrates the strongest correlation with PWV,with a correlation coefficient as high as 0.88,highlighting the significant impact of latitude on water vapor distribution.展开更多
利用LAPS(Local Analysis and Prediction System)系统同化GPS(Global Positioning System)/PWV(Precipitable Water Vapor)资料,分析GPS/PWV资料对LAPS输出场的影响,并结合WRF模式,将LAPS输出场作为其初始场进行降水预报,进一步考察GPS...利用LAPS(Local Analysis and Prediction System)系统同化GPS(Global Positioning System)/PWV(Precipitable Water Vapor)资料,分析GPS/PWV资料对LAPS输出场的影响,并结合WRF模式,将LAPS输出场作为其初始场进行降水预报,进一步考察GPS/PWV资料对降水预报的作用。选取2009年6月28日湖北地区的一次强降水过程,设计三种方案进行试验。结果表明:同化GPS/PWV资料后对LAPS湿度场有显著的改善,而对高度场及风场的作用则不明显;GPS/PWV资料对区域平均可降水量的影响比雷达资料大一个量级;与此同时,利用多种评分方法对6 h累计降水做了检验,分析结果表明同化GPS/PWV资料能够有效地改进WRF模式的初始场,增加丰富的中小尺度信息,并对随后的确定性预报产生正影响。展开更多
高精度和高时空分辨率的大气可降水量(precipitable water vapor,PWV)信息对于极端天气研究具有重要作用。传统的单一水汽探测技术获取的PWV因其系统设计的局限性存在精度差、时空分辨率低等缺陷。针对该问题,提出了一种基于多源数据的...高精度和高时空分辨率的大气可降水量(precipitable water vapor,PWV)信息对于极端天气研究具有重要作用。传统的单一水汽探测技术获取的PWV因其系统设计的局限性存在精度差、时空分辨率低等缺陷。针对该问题,提出了一种基于多源数据的混合模型——全球温度气压湿度(global pressure and temperature 2wet,GPT2w)+球谐函数(spherical harmonic function,SHF)+多项式拟合(polynomial fitting,PF),简称GSP模型。该模型通过GPT2w计算PWV的初始值,利用SHF拟合PWV的偏差序列,利用PF对模型偏差进行校正,并引入Bartlett检验确定GSP模型中多源数据的最优权值。选取2014年中国云南省26个全球导航卫星系统(global navigation satellite system,GNSS)测站和37个欧洲中期天气预报中心(European Centre for MediumRange Weather Forecasting,ECMWF)气候再分析数据集(ECMWF reanalysis-interim,ERA-Interim)格网点(1°×1°)的数据为例,建立GSP模型并进行验证,发现GSP模型较传统PF模型的精度提升率为15%~18%。以ECMWF第5代气候再分析数据集(ECMWF reanalysis v5,ERA5)提供的PWV格网数据(0.25°×0.25°)为参考,GSP模型的平均均方根误差和偏差分别为1.64 mm、-0.25 mm。上述结果表明GSP模型具有较高的精度,对于极端天气预警具有重要作用。展开更多
利用地基GPS估计PWV(precipitable water vapor)时,除GPS观测数据外,GPS测站地表的气温和气压也是必要参数。针对我国多数GPS网并未配备相应的气象传感器的情况,利用美国环境预报中心气候预报系统第2版提供的逐6h产品,并顾及测站高程转...利用地基GPS估计PWV(precipitable water vapor)时,除GPS观测数据外,GPS测站地表的气温和气压也是必要参数。针对我国多数GPS网并未配备相应的气象传感器的情况,利用美国环境预报中心气候预报系统第2版提供的逐6h产品,并顾及测站高程转换时的平均海平面高改正,提出一种GPS测站气象参数的插值新方法。以香港卫星定位参考站网实测GPS数据进行试验研究,结果表明,平均海平面高对地表气压的插值结果影响较大,而对地表气温的插值结果影响较小;经平均海平面高改正后,地表气压插值结果的平均均方根误差(RMSE)为1.61hPa,地表气温插值结果的平均RMSE为1.93 K;由插值气象参数估计的PWV的平均RMSE为2.76mm,验证了所提方法的有效性。展开更多
基金funded by Jiangsu Province Geological Engineering Environment Intelligent Monitoring Engineering Research Center Open Fund,grant number 2023-ZNJKJJ-08The National Natural Science Foundation of China,grant number 41674036.
文摘The weather in Australia is significantly influenced by water vapor evaporated fromwarm ocean surfaces,which is closely associated with various extreme weather events in the region,such as floods,droughts,and bushfires.This study utilizes Precipitable Water Vapor(PWV)data from 15 Global Navigation Satellite System(GNSS)stations spanning 2010 to 2019 to investigate the spatiotemporal distribution of atmospheric water vapor across Australia,aiming to improve the accuracy of forecasting hazardous weather events.The results indicate distinct regional features in the spatial distribution of PWV.PWV gradually decreases from coastal areas toward inland regions and increases from south to north.Temporally,the overall trend of PWV remains consistent.From an annual trend perspective,most areas exhibit a decline in PWV content,with the exception of the southwestern coastal region,which shows an increasing trend.Furthermore,the study explores the correlations between PWV content and elevation,latitude,and longitude.Among these,latitude demonstrates the strongest correlation with PWV,with a correlation coefficient as high as 0.88,highlighting the significant impact of latitude on water vapor distribution.
文摘利用LAPS(Local Analysis and Prediction System)系统同化GPS(Global Positioning System)/PWV(Precipitable Water Vapor)资料,分析GPS/PWV资料对LAPS输出场的影响,并结合WRF模式,将LAPS输出场作为其初始场进行降水预报,进一步考察GPS/PWV资料对降水预报的作用。选取2009年6月28日湖北地区的一次强降水过程,设计三种方案进行试验。结果表明:同化GPS/PWV资料后对LAPS湿度场有显著的改善,而对高度场及风场的作用则不明显;GPS/PWV资料对区域平均可降水量的影响比雷达资料大一个量级;与此同时,利用多种评分方法对6 h累计降水做了检验,分析结果表明同化GPS/PWV资料能够有效地改进WRF模式的初始场,增加丰富的中小尺度信息,并对随后的确定性预报产生正影响。
文摘高精度和高时空分辨率的大气可降水量(precipitable water vapor,PWV)信息对于极端天气研究具有重要作用。传统的单一水汽探测技术获取的PWV因其系统设计的局限性存在精度差、时空分辨率低等缺陷。针对该问题,提出了一种基于多源数据的混合模型——全球温度气压湿度(global pressure and temperature 2wet,GPT2w)+球谐函数(spherical harmonic function,SHF)+多项式拟合(polynomial fitting,PF),简称GSP模型。该模型通过GPT2w计算PWV的初始值,利用SHF拟合PWV的偏差序列,利用PF对模型偏差进行校正,并引入Bartlett检验确定GSP模型中多源数据的最优权值。选取2014年中国云南省26个全球导航卫星系统(global navigation satellite system,GNSS)测站和37个欧洲中期天气预报中心(European Centre for MediumRange Weather Forecasting,ECMWF)气候再分析数据集(ECMWF reanalysis-interim,ERA-Interim)格网点(1°×1°)的数据为例,建立GSP模型并进行验证,发现GSP模型较传统PF模型的精度提升率为15%~18%。以ECMWF第5代气候再分析数据集(ECMWF reanalysis v5,ERA5)提供的PWV格网数据(0.25°×0.25°)为参考,GSP模型的平均均方根误差和偏差分别为1.64 mm、-0.25 mm。上述结果表明GSP模型具有较高的精度,对于极端天气预警具有重要作用。
文摘利用地基GPS估计PWV(precipitable water vapor)时,除GPS观测数据外,GPS测站地表的气温和气压也是必要参数。针对我国多数GPS网并未配备相应的气象传感器的情况,利用美国环境预报中心气候预报系统第2版提供的逐6h产品,并顾及测站高程转换时的平均海平面高改正,提出一种GPS测站气象参数的插值新方法。以香港卫星定位参考站网实测GPS数据进行试验研究,结果表明,平均海平面高对地表气压的插值结果影响较大,而对地表气温的插值结果影响较小;经平均海平面高改正后,地表气压插值结果的平均均方根误差(RMSE)为1.61hPa,地表气温插值结果的平均RMSE为1.93 K;由插值气象参数估计的PWV的平均RMSE为2.76mm,验证了所提方法的有效性。
