一种基于数据段的方法，用于全球范围内可降水量水汽的垂直调整

《Advances in Space Research》：A segment-based approach for global vertical adjustment of precipitable water vapor

基于ERA5数据开发了全球分段垂直调整模型GS-PWV，通过分区域分段应用指数函数优化PWV垂直修正，相比GPWV-H模型在 Bias和RMSE指标上分别提升9.09%和25.00%，验证了模型在复杂地形气候区的适用性和多源数据融合价值。

　　

林迈进|谢少峰|黄亮科|杨一飞|陈向平|李向红|李薇薇|刘利龙

中国西安长安大学地质工程与地理信息学院，邮编710054

摘要

可降水量水汽（PWV）的垂直校正模型可以修正由于高度差异导致的不同数据集之间的PWV误差，从而整合来自各种来源的PWV信息。然而，以往的全球校正模型忽略了PWV的区域差异以及高度差异，导致在不同地形和气候区域的性能下降。为了解决这一问题，基于欧洲中期天气预报中心第五代大气再分析数据（ERA5）开发了一种全球分段PWV垂直校正模型（GS-PWV）。该模型使用多源PWV数据进行了评估，以高精度全球PWV垂直校正模型（GPWV-H）作为参考。使用ERA5和无线电探空仪PWV剖面作为参考数据集，GS-PWV模型的偏差分别为-0.07毫米/-0.11毫米，均方根误差（RMSE）分别为1.00毫米/1.02毫米。与GPWV-H模型相比，RMSE分别提高了9.09%和25.00%。利用两种垂直校正模型将ERA5的PWV数据插值到GNSS站点。研究结果表明，GS-PWV模型的RMSE比GPWV-H模型提高了2.44%-3.57%。这些结果表明，GS-PWV模型具有稳定的准确性，为大气研究和多源PWV融合提供了重要参考。

引言

可降水量水汽（PWV）的研究对于理解大气过程至关重要，因为它与天气模式、气候动态和全球水循环密切相关（Liu等人，2024年；Manandhar等人，2018年；Zhao等人，2023年）。PWV是指从地面到大气顶层单位面积内的总水汽质量（King等人，1992年）。它代表了可用于降水的可用水汽量，其变化显著影响降水分布和持续时间。因此，PWV是理解和预测极端天气现象及气候变率的关键参数（Bock等人，2007年；Huang等人，2024b年；Zhang等人，2021年）。

PWV的主要数据来源包括全球导航卫星系统（GNSS）、MERRA-2和ERA5大气再分析数据、无线电探空仪（RS）以及卫星遥感（Vázquez B等人，2013年；Xu等人，2022年；Yao等人，2016年；Zhu等人，2021年；Jing等人，2025年）。这些数据源具有不同的特性，并提供了各种观测信息。然而，数据采集方法、空间分辨率和时间覆盖范围的不同可能导致直接使用这些数据时出现误差（Manandhar等人，2017年）。在GNSS气象学中，PWV垂直校正模型可以减少地表与观测目标之间的水汽差异误差，提高多源数据融合和评估的准确性和可靠性（Du等人，2023年；Huang等人，2022年；Wang等人，2020年）。此外，PWV校正模型在利用卫星遥感方法的大气研究中得到广泛应用。校正模型提高了大气辐射特性和云水含量的反演精度，增强了遥感算法和数据融合过程的可靠性（Gong等人，2023年；Li和Long，2020年；Tonooka，2005年）。因此，开发高精度的PWV垂直校正模型对于更准确的气象预报和科学研究至关重要。

这些研究开发了简单的PWV校正模型（Cady-Pereira等人，2008年；Kouba，2008年；Leckner，1978年；Morland等人，2006年），但这些模型的适用性受到PWV季节性变化未被考虑的限制。因此，研究人员开发了考虑水汽特性时间变化的垂直校正模型以提高准确性。Zhang等人（2015年）提出了一个包含水汽尺度高度周期性变化的全球剖面模型。然而，该模型无法完全捕捉水汽变化的实际动态，从而限制了其适用性。Huang等人（2023年）分析了6年的全球PWV递减率变化，并开发了一个具有时间变化递减率的垂直校正模型（GPWV-H）。地球被划分为12个15°纬度间隔的区域，每个区域对应不同的递减率。结果显示，GPWV-H优于Kouba（2008年）开发的经验模型。然而，ERA5的结果表明，GPWV-H模型在15°S和15°N之间存在显著误差。由于具有时间变化递减率的区域经验模型忽略了局部变化，其校正性能需要改进。Ding等人（2024年）使用神经网络（PWVVANN）开发了一个PWV垂直校正的经验模型，该模型基于全球无线电探空仪PWV数据，采用多层前馈神经网络（FFNN）。输入包括测量的PWV、站点位置、水汽减少因子（λ）和天顶静力延迟（ZHD），以确定目标高度的PWV。实验结果显示，与GPWV-H模型相比，准确率提高了23.6%。然而，该模型依赖于λ和ZHD的质量，在实际应用中存在局限性。区域经验模型无法考虑局部空间变化及其环境影响，促使研究人员开发高分辨率的垂直校正网格模型。Li等人（2024a）基于ERA5数据开发了两个全球PWV垂直校正模型，分别使用三次多项式和指数函数构建。结果表明，三次多项式适用于低海拔地区，而指数函数适用于高海拔地区。

以往的研究使用简单函数表示PWV的垂直变化，忽略了PWV在不同高度的变化速率不同这一事实。这一限制影响了垂直校正模型的性能，表明需要提高准确性。因此，本研究基于2016至2019年的ERA5数据开发了一种全球PWV的分段垂直校正模型（GS-PWV），覆盖0至12公里的高度范围。使用ERA5和无线电探空仪的PWV剖面评估了GS-PWV模型的垂直校正性能，同时使用内华达大地测量实验室（NGL）的PWV数据评估了空间插值精度。通过采用分段指数函数，该模型提高了PWV垂直校正的准确性，从而更好地理解了大气水汽的垂直变化模式，为天气预报和大气研究提供了更可靠的数据。

数据和方法

在本研究中，使用2016至2019年的ERA5 PWV剖面数据开发了GS-PWV模型。2020年的数据集（包括ERA5和无线电探空仪PWV剖面以及GNSS PWV数据）被排除在建模过程之外，用于独立模型验证。

GS-PWV模型的开发

Lin等人（2025年）最近开发了一种用于中国可降水量水汽垂直校正的分段网格模型。该模型基于分段指数函数和三角函数，并考虑了季节性变化。实验结果表明，该模型具有高准确性。因此，本研究在其分段方法的基础上开发了一个全球模型。文中展示了三个不同随机选定位置的网格拟合结果。

准确性验证与分析

在验证ERA5和无线电探空仪PWV剖面时，使用ERA5或无线电探空仪的地表PWV作为参考，分别利用GS-PWV和GPWV-H模型对参考层的PWV进行垂直校正，以评估其他高度的PWV。GS-PWV模型在GNSS PWV空间插值中的应用方法在第4.3节中描述。该GS-PWV和GPWV-H模型基于0–12公里高度的对流层，ERA5和无线电探空仪的验证结果如下

结论

PWV垂直校正模型可以修正由于高度差异导致的不同数据集之间的误差，从而整合来自各种来源的PWV信息。该模型为大气研究和极端天气监测提供了更可靠的支持。因此，本研究基于分析不同空间和时间高度的PWV递减率，构建了一个全球PWV分段垂直校正模型（GS-PWV），以弥补以往研究的局限性。

未引用的参考文献

Vázquez和Grejner-Brzezinska，2013年；Xu和Liu，2022年；Xu和Liu，2024年；Yao和Zhao，2016年；Zhang和Yao，2021年。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。

致谢

本研究得到了中国自然科学基金（42474057）和广西自然科学基金（2023GXNSFAA026434）的支持。我们感谢欧洲中期天气预报中心（ECMWF）提供ERA5再分析产品，西安科技大学（UWYO）提供分层无线电探空仪数据，以及内华达大地测量实验室（NGL）提供GNSS对流层产品。