评估同化密集5G网络低成本GNSS接收机天顶总延迟数据的潜力：中国广东省对流性暴雨预报案例研究

《Atmospheric Research》：Evaluating the potential of assimilating zenith total delay data derived from low-cost GNSS receivers of a dense 5G network: a case study of convective heavy precipitation forecasts over Guangdong Province, China

　　

**亮点**

•**创新数据源与质量控制**：我们开发了一套多阶段质量控制和基于噪声的排序程序，以处理5G衍生ZTD相比大地测量级站点固有的更高噪声水平。

•**诊断基准评估**：在同一站点和分析时间下，将密集GNSS、WRF背景场、GFS和ERA5衍生的ZTD与CMA GNSS ZTD进行了比较。密集GNSS ZTD相比模型衍生数据集没有显示出明显的逐点精度优势，而其湿度增量和预报影响与此案例中GFS衍生基准的表现相似。

•**与大地测量级GNSS的比较**：在一次强对流事件期间，CMA GNSS ZTD和密集GNSS ZTD均调整了初始湿度场，并产生了正面但依赖于配置的预报影响。

•**网络密度优化**：稀疏化敏感性实验表明，在测试的配置中，20公里的稀疏化距离表现最佳。

•**2025年5月扩展评估**：在2025年5月可用预报时段上的验证显示，同化密集GNSS ZTD后，中低对流层湿度和某些暴雨评分有适度改善。

**引言**

大气水汽的高时空变异性使得短期强对流性暴雨预报极具挑战性（Westra等，2014；Prein等，2017；Myhre等，2019）。尽管当前数值天气预报（NWP）模型已有显著改进，但其模拟强对流性暴雨的能力仍然有限（Weisman等，2008；Stensrud等，2009；Schwitalla等，2011；Prein等，2020）。NWP模型中初始湿度场的质量是影响降水预报的主要因素（Boniface等，2009；Yan等，2009b；Bennitt和Jupp，2012）。近年来，同化全球导航卫星系统（GNSS）天顶总延迟（ZTD）观测数据作为一种有前景的方法，越来越多地用于应对这一挑战（Yan等，2009a；Arriola等，2016；Yang等，2020；Zheng等，2025）。尽管许多大地测量级GNSS站提供了宝贵的ZTD数据，但其密度仍然较低且空间稀疏。相比之下，第五代（5G）通信基站基础设施的快速扩展——其中许多5G基站配备了GNSS接收机——为探索来自通信基础设施的密集GNSS ZTD测量提供了一个新的机会。5G基站中嵌入的GNSS接收机可以提供大量高分辨率ZTD数据集。因此，本研究系统地评估了同化部署在5G蜂窝基站GNSS接收机上获取的密集ZTD观测数据用于对流性降水预报的潜力。

安装在5G蜂窝基站上的GNSS接收机可以像传统大地测量GNSS站一样用于反演ZTD。当GNSS信号穿过中性大气层传播时，会经历额外的传播延迟。利用映射函数将斜延迟映射到天顶方向后，即称为ZTD（Bevis等，1992；Niell，1996）。ZTD由两个部分组成：天顶静力延迟（ZHD）和天顶湿延迟（ZWD）。通常，ZHD是单位面积大气总质量的函数，而ZWD是大气中水汽垂直积分量的函数，通常称为可降水量（PWV）（Saastamoinen，1972；Bevis等，1992）。目前，广泛使用的变分数据同化方案允许直接同化ZTD数据，尽管它不是大气模型的状态变量（Brenot等，2006）。与传统通常位于精心选择的开阔视场站点的大地测量GNSS站不同，5G蜂窝基站通常部署在密集的城市区域，信号经常受到建筑物和其他基础设施的遮挡或反射。因此，从5G站获取的ZTD质量和可靠性通常低于传统大地测量级GNSS站。这提出了一个重要的问题：这种"机会性"数据源能否支持暴雨预报？

尽管专门针对同化5G基站衍生ZTD的研究仍然有限，但其理论基础和潜在效益可以从大量关于传统大地测量级GNSS ZTD同化的研究中推断出来。以往使用大地测量级GNSS ZTD观测数据的研究报道了在湿度分析和短期降水预报方面的改进，特别是通过对中低对流层湿度场的修正（Boniface等，2009；Yan等，2009b；Schwitalla等，2011；Torcasio等，2023；Zheng等，2025）。在中国南方，GNSS衍生的水汽产品，如PWV，也被证明在与其他观测数据结合时，可以为短期暴雨预报提供有用的信息（Gong等，2023）。这些研究表明，GNSS衍生的对流层观测数据可以为NWP模型提供宝贵的水汽信息。然而，由于5G基站GNSS观测数据使用的是低成本硬件、复杂的城市观测环境，且可能存在较大的误差，因此与传统大地测量GNSS观测数据存在显著差异。因此，在考虑任何实际预报应用之前，需要仔细评估其数据质量、同化行为和预报影响。

本研究分析了中国广东省2025年5月可用研究期间的降水统计以及2025年5月10日至11日发生的一次代表性对流性降雨事件。选择这一时段主要是因为5月是广东省的汛期，此时对流活动频繁，既有大范围暴雨事件也有局地暴雨事件。为了探究密集GNSS ZTD在NWP中的潜力，我们从部署在该研究区域内的中国移动5G蜂窝网络中超过1500个站采集了GNSS ZTD时间序列。我们应用了多阶段质量控制程序来剔除明显的离群值并优先考虑数据特征相对稳定的观测值。然而，筛选后可能仍然存在残余误差。质量控制过程的详细信息见第2.2节。筛选后的ZTD观测值随后通过三维变分数据同化（3DVar）系统同化到天气研究和预报（WRF）模型中，然后进行12小时预报。

本研究包含三组主要实验和一个诊断基准。第一组是比较实验（EXP1），其中部署在5G基础设施上的GNSS站与中国气象局（CMA）网络中的大地测量GNSS站使用四种水平匹配距离（5、10、30和50公里）进行配对。当中国移动5G站和CMA大地测量GNSS站之间的分隔距离在指定阈值内时进行配对。该程序生成了两个匹配数据集：密集GNSS ZTD和CMA GNSS ZTD。每个数据集独立同化到WRF数据同化（WRFDA）模型中，并比较它们对WRF分析和降水预报的影响。在解读预报影响之前，使用相同的匹配站集合和分析时间，将密集GNSS、WRF背景场、GFS（全球预报系统）和ERA5（欧洲中期天气预报中心第五代再分析）衍生的ZTD与CMA GNSS ZTD进行了比较。GFS和ERA5衍生的ZTD也使用与密集GNSS ZTD相同的站配置和同化设置作为诊断基准进行同化。这些测试旨在检验密集GNSS ZTD是否提供了超出预报背景场之外的信息。第二组实验（EXP2）是稀疏化敏感性试验，使用10、15、20和25公里的间隔距离对密集GNSS ZTD进行系统稀疏化，以评估网络密度如何影响同化性能。第三组实验（EXP3）使用在EXP2配置中表现最佳的20公里稀疏化距离，评估2025年5月可用天数中密集GNSS ZTD的同化效果。

本文其余部分组织如下：第2节描述数据集、质量控制程序和数据质量评估。第3节介绍WRF配置、同化设计、WRFDA质量控制设置、对流案例的气象背景以及验证指标。第4节提供结果和分析。第5节讨论主要发现并给出结论。

**章节节选**

**数据描述**

本研究使用的密集GNSS观测数据来自中国移动运营的某个区域5G网络，其中GNSS接收机与5G基站共址部署。由于5G网络本身就是以密集、面向人口的方式部署的，城市地区的站间距通常约为500米到1公里，城郊地区为1到3公里，农村地区为3到10公里。大多数站点安装在屋顶上，而在农村地区则更多采用塔式安装方式。

**WRF模型配置**

本研究使用4.2版高级研究WRF模型（Skamarock等，2019），配置了两个嵌套区域，如图5所示。粗分辨率外区域（D01）以15公里的空间分辨率模拟大尺度天气状况，网格维度为226×221，而内区域（D02）聚焦于中国南方，特别是广东省，采用更精细的3公里水平分辨率，网格维度为486×481。采用双向嵌套交互方式。

**诊断评估与基准同化实验**

在解读同化影响之前，首先检验了密集GNSS ZTD与独立的CMA GNSS观测数据之间的一致性。使用四种水平距离阈值（5、10、30和50公里）对密集GNSS和CMA GNSS站进行配对。图8显示了匹配站对的空间分布。匹配对的数量从5公里阈值的30对增加到50公里阈值的66对。

表4总结了密集GNSS ZTD与CMA GNSS ZTD之间的统计差异。

**结论与讨论**

受传统大地测量级GNSS站空间覆盖范围有限的启发，本研究评估了源自5G蜂窝基站网络的密集GNSS ZTD观测数据用于中国广东省对流性降水预报的潜力。首先进行了诊断比较和基准同化实验，以评估产品精度及其相对于模型衍生ZTD的信息价值。EXP1将密集GNSS ZTD与大地测量级CMA……

**CRediT 作者贡献声明**

钟金华：撰写—初稿、可视化、方法论、形式分析、概念化。刘志昭：撰写—审阅与编辑、监督、资源、项目管理、方法论、资金获取、概念化。商春清：撰写—审阅与编辑、方法论、数据整理。黄丹妮：资源、数据整理。陈安华：资源、数据整理。曲水华：监督、数据整理。梁宏：撰写—审阅与编辑、数据整理。曹云昌……

**利益冲突声明**

作者声明不存在任何已知的竞争性经济利益或个人关系，这些利益或关系可能会影响本文报告的工作。

**致谢**

本研究由香港理工大学沿海城市气候韧性国家重点实验室支持。本研究还部分由中国香港特别行政区研究资助局（项目编号PolyU/RGC 15212622/B-Q94L）、香港物流和供应链多技术研究与开发中心管理的创新科技署项目ITP/047/23LP（P0456）（PolyU代码K-ZS1Z）、香港理工大学……

钟金华 | 刘志昭 | 商春清 | 黄丹妮 | 陈安华 | 曲水华 | 梁宏 | 曹云昌 | 洪冠 | 张鹏 | 苏德滨