一种基于GNSS及气象数据校正的潜在蒸散量计算方法

一种基于gnss及气象数据校正的潜在蒸散量计算方法
技术领域
1.本发明涉及gnss气象学、gnss大气应用领域，特别涉及一种基于gnss及气象数据校正的潜在蒸散量计算方法。


背景技术：

2.温室气体引起的全球变暖，导致蒸发需求普遍增加及区域降水减少，致使干旱事件更频繁、更严重和更持久，这也进一步加剧了对高准确度、高时效性干旱监测预警预报的迫切需要。当前，面向干旱事件的监测预警，最为常用的方法便是通过求取包括标准化降水蒸散指数(spei)、帕默尔干旱指数(pdsi)、气象干旱综合指数(mci)等表征与干旱强相关的大气态势指数信息。而在这些指数的求取过程中，均需用到潜在蒸散发量(pet,potential evapotranspiration)这一参数，因此如何有效求取高精度的pet成为了近年来的研究和应用热点。
3.pet是指在一定气象条件下水分供应不受限制时，某一充分供水下垫面(即充分湿润表面或开阔水体)可能达到的最大蒸发/蒸腾量，又称可能蒸散发量或潜在蒸发能力。由于pet主要受温度、湿度、辐射和风等常规气象参数的影响，因此在过往研究及当前应用中，通常利用多种气象参数基于多类型经验公式来求取pet。最常用的两类方法主要包括thornthwaite(th)公式和penman-monteith(pm)公式，其中，th公式是一种依托于温度观测求取pet的方法，该方法计算相对简单，需要的气象要素少；而pm公式是世界粮农组织(fao,food and agriculture organization)推荐的计算方法，该方法计算误差小，但需要的气象要素较多，通常在诸多研究区域中难以较好地满足数据获取的需求。
4.因此，如何应用有限的气象参数获取更为准确的pet，对于扩展传统pet计算模型(th和pm)的应用，提升高精度pet的空间分辨率都有重要意义。
5.随着新一代全球导航卫星系统(gnss,global navigation satellite systems)的快速发展，基于gnss的大气遥感观测技术对现有传统探测技术提供了有效弥补。


技术实现要素：

6.本公开提供一种基于gnss及气象数据校正的潜在蒸散量计算方法，能够基于简单的th经验公式，利用长时序gnss及气象数据的校正，获取任一研究时段的高精度潜在蒸散量。
7.本公开提供的基于gnss及气象数据校正的潜在蒸散量计算方法，包括以下步骤：
8.s1，收集选择需使用的气象参数；
9.s2，在所选研究区域及研究时段，分别基于th和pm经验公式，计算潜在蒸散量时间序列；
10.s3，计算基于两种经验公式获得的潜在蒸散量差值的时间序列；
11.s4，获取研究区域内gnss反演得到的长时序大气参数；
12.s5，以温度、气压和基于gnss反演的长时序历史数据为参数，构建对步骤s3获取的
差值时间序列的拟合函数；
13.s6，通过所述拟合函数获取的各个历元针对th模型得到的潜在蒸散量的校正项，与对应的、由th模型计算的潜在蒸散量相加，获得经拟合校正的高精度潜在蒸散量时间序列。
14.进一步地，所述步骤s4具体包括：
15.基于gnss卫星信号穿过地球大气时会受大气折射影像而发生延迟的现象，利用gnss数据处理软件，获取大气对流层的天顶总延迟信息ztd；
16.对于所述ztd观测信息，通过与igs发布的高精度产品或与gnss站点相邻并址的探空站点获取的观测数据进行精度比较，参照公开的精度规范，保障所获取的ztd观测信息的精度满足气象应用要求。
17.进一步地，所述拟合函数如下式所示：
[0018][0019]
其中，tm,pm,ztdm分别代表温度、气压和ztd三种大气参数的月均值；a,b,c分别指三种大气参数的系数项；d则表示该拟合公式的截距项；pet
cal
代表拟合得到的潜在蒸散量的校正项。
[0020]
进一步地，所述经拟合校正的高精度潜在蒸散量根据下式计算：
[0021]
ipet＝pet
th
+pet
cal
[0022]
其中，pet
th
代表由th方法计算得到的潜在蒸散量，ipet为经拟合校正的高精度潜在蒸散量。
[0023]
进一步地，所述计算方法还包括：对经过拟合校正的潜在蒸散量进行精度验证，及适用性分析的步骤。
[0024]
进一步地，所述精度验证，以由pm模型计算得到的潜在蒸散量作为精度参考。
[0025]
与现有技术相比，本公开的有益效果是：(1)在使用包括温度、气压等传统气象参数的基础上，引入了高精度、高时效性的长时序gnss大气数据产品，对基于简单的th经验公式获取的潜在蒸散量值进行了拟合校正，有效提升了潜在蒸散量的计算精度；(2)较好地兼顾了长时序历史大数据分析体现的普适性，传统th模型体现的便捷性，以及gnss大气参数的高精度和高时效性；(3)有利于基于校正后的数据产品，开展进一步的广泛应用。
附图说明
[0026]
通过结合附图对本公开示例性实施例进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施例方式中，相同的参考标号通常代表相同部件。
[0027]
图1为根据本公开的示例性实施例流程图。
具体实施方式
[0028]
下面将参照附图更详细地描述本公开的优选实施例。虽然附图中显示了本公开的优选实施例，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
[0029]
本公开提供了一种基于gnss及气象数据校正的潜在蒸散量计算方法。示例性实施例流程图如图1所示，包括以下步骤：
[0030]
步骤1：基于本公开所面向的潜在蒸散量高精度求取问题，及传统th和pm经验公式的计算机理，选择并收集需使用的各类气象参数。
[0031]
其中，针对传统th经验公式的特性，计算潜在蒸散量所需的气象参数主要包括：月均温和站点坐标信息；针对传统pm经验公式的特性，所需的气象参数主要包括：月均温、月最高和最低温度、2米高度风速、地表净辐射、土壤热通量、饱和水汽压、实际水汽压、露点温度、气压、干湿表常数等。
[0032]
步骤2：收集计算潜在蒸散量过程中需要的多类型气象参数后，在所选研究区域及研究时段基于th和pm经验公式计算潜在蒸散量时间序列。
[0033]
由于利用th和pm模型计算潜在蒸散量是当前国际上主流方式，二者的优缺点均十分明显，其中，th方法计算相对简单，需要的气象要素少；而pm方法计算误差小，但需要的气象要素较多，通常在诸多研究区域中难以同时获取所需的各类气象参数。在本公开中，由pm计算得到的潜在蒸散主要用于作为精度参考以检验th方法获得的潜在蒸散量，并利用二者的差值开展拟合校正。
[0034]
基于th方法计算潜在蒸散的公式如下所示：
[0035][0036][0037]
a＝6.75
×
10-7h3-7.71
×
10-5
h2+1.792
×
10-2
h+0.4
ꢀꢀꢀꢀꢀꢀ
(3)
[0038]
其中，ti代表月均气温(℃)；h和hi分别代表年热量指数和月热量指数；a为常数项，可基于年热量指数计算获得。
[0039]
基于pm方法计算潜在蒸散的公式如下所示：
[0040][0041]
其中，rn代表地表净辐射；g代表土壤热通量；t
mean
为月均温度；u2指2米高度处风速；es代表饱和水汽压；ea为实际水汽压；δ和γ分别指饱和水汽压曲线斜率和干湿表常数。由于饱和水汽压与气温相关，其可以由下式计算得到：
[0042][0043][0044]
其中，e0(t)代表气温为t时的饱和水汽压；由于饱和水汽压方程的非线性，月均饱和水汽压应以该时段内的最低和最高气温计算出来的饱和水汽压的均值来计算。对于实际水汽压而言，它是露点温度t
dew
下的饱和水汽压，见下式：
[0045][0046]
此外，对于干湿表常数和土壤热通量则可分别由下列公式计算：
[0047]
γ＝0.665
×
10-3
p,
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0048]
g＝0.14
×
(t
month,i-t
month,i-1
),
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0049]
其中，p代表大气压；t
month,i
和t
month,i-1
则分别表征第i和i-1月的平均气温。
[0050]
步骤3：计算基于两种经验公式获得的潜在蒸散量间差值的时间序列。
[0051]
在通过上述th和pm经验方法分别计算得到潜在蒸散量之后，应将各个历元上二者的数值进行作差(如下式)，求得他们差值在整个研究时段内的时间序列。该时序一方面可以用于分析th方法得到的潜在蒸散的精度；另一方面也是在拟合校正阶段中的数据参考(即模型的“理想输出”)。
[0052]
pet
diff
＝pet
pm-pet
th
,
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0053]
其中，pet
pm
和pet
th
分别代表由pm和th方法计算得到的潜在蒸散量；pet
diff
则代表获取的二者间差值。
[0054]
步骤4：收集研究区域内gnss站点反演的长时序大气资料，并对其进行质量控制及精度检验，确保符合气象应用需求。
[0055]
在计算潜在蒸散过程中，除了已收集获取的温度和气压之外，还需要收集研究区域内所建立的各地基gnss站点的长时序历史数据。
[0056]
在潜在蒸散量的精度校正过程中所需的gnss和气象参数可选择为：温度、气压及gnss反演获取的ztd。由于gnss信号在由卫星到地面接收机的传播过程中，会受到路径上的延迟作用，因此大气对流层的延迟信息ztd可以通过如gamit、bernese等常用的gnss数据处理软件进行高精度获取。同样应对其进行分类保存和数据预处理工作，剔除缺失的数据。
[0057]
此外，在完成数据反演后，为了构造高精度的拟合校正模型，还应针对所获取的gnss大气产品开展严格的质量控制与精度检验工作，结合gnss新型的信号体制设计，分析基于多系统gnss观测数据对进行ztd反演的精度影响，确保所收集的地基gnss大气观测信息符合气象研究的应用需求。方法包括：针对ztd观测信息，通过与igs发布的高精度产品或与gnss站点相邻并址的探空站点获取的观测数据进行精度比较，参照世界气象组织等机构设定的精度规范，保障所获取的ztd观测信息的精度满足气象应用要求。
[0058]
步骤5：利用收集到的gnss及温压参数的长时序历史数据，构建拟合函数对该差值时序进行拟合。
[0059]
在拟合校正的过程中，通常认为若拟合变量(如各类gnss和气象参数)与目标变量(即所求得的利用两种模型计算的潜在蒸散量的差值)的相关关系越好，则拟合校正的效果便越好，因此，为了达到最优的拟合校正目标，便需要探究出与两个模型所获pet差值的相关关系最好的气象参数及其阶次项；此外，为了保障模型的便捷性和时效性，在th模型的基础上所额外使用的大气参数的数量也不宜过多，需要在使用参数、校正效果、计算效率等方面取得平衡。
[0060]
需要说明的是，无论是变量阶次亦或是拟合公式中各项系数及截距项的获取，均需要根据实际应用区域与气候环境，利用校正参数变量及其对应的潜在蒸散差值的长时序历史大数据进行回归分析得到。针对不同的季节、地域以及气候等因素的影响，在模型构建过程中应充分顾及实际情况，需要根据实际收集获取的长时序历史数据开展分析，从而优化确定高阶线性模型的拟合校正系数以及各类参数的阶次。
[0061]
所获的各项系数及截距项可作为常数项用于此后该区域的校正。
[0062]
作为优选，示例性的拟合函数为：在潜在蒸散量的精度校正过程中分别使用温度
的3次方、气压的1次方以及ztd的8次方来构造线性拟合校正模型。如下式所示：
[0063][0064]
其中，tm,pm,ztdm分别代表温度、气压和ztd的月均值；a,b,c分别指三种大气参数的系数项；d则表示该拟合公式的截距项；pet
cal
代表拟合得到的潜在蒸散量的校正项。
[0065]
步骤6：将通过拟合函数获取的各个历元的校正项，与其对应的由th模型计算得到的潜在蒸散量相加，即可获得经拟合校正后的高精度潜在蒸散量(ipet)，如下所示：
[0066]
ipet＝pet
th
+pet
cal
,
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
[0067]
作为优选，还包括：步骤7，对经过校正的潜在蒸散量进行精度验证与适用性分析，并将经验证的数据应用到科研及各项业务中。
[0068]
由于当前公认由pm方法计算得到的潜在蒸散量可以作为精度参考，因此通过将所获得的经拟合校正的潜在蒸散量时序与其进行对比便可有效开展精度验证工作。在对经过校正的潜在蒸散量进行精度验证时，以主要偏差(bias)、均方根误差(rmse,root mean square error)、相关系数(r,correlation coefficient)及纳什效率系数(nse,nash-sutcliffe efficiency)作为评价指标开展分析。
[0069]
利用上述评价指标，针对目标时段的拟合校正结果进行统计，既能对模型拟合优化效果进行合理有效的量化评价；而对于以上指标(如相关系数)的优化程度，又能体现利用所获取的数据结果进一步求取包括标准化降水蒸散指数、帕默尔干旱指数以及气象干旱综合指数等各类干旱监测指数的提升效果。
[0070]
上述技术方案只是本发明的示例性实施例，对于本领域内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施例所描述的方法，因此前面描述的方式只是优选的，而并不具有限制性的意义。