基于多尺度分析揭示GNSS大气水汽扰动与雾霾的关系

Fog-haze plays an important role in indicating spectral and frequency characteristics of moisture disturbance, this project aims at investigating the features of GNSS moisture disturbance and its relationship with fog-haze from three perspectives, including observational analysis, numerical simulation and fog-haze forecasting applications.characteristics of moisture disturbance and its relationship with PM2.5/PM10 mass concentration measurements in different time scales (spectrum) using ground-based GNSS precipitation water vapor (PWV) with high precise and spatio-temporal resolution based on cross wavelet analysis, especially for the amplitude and phase spectrum of moisture disturbance and PM2.5/PM10 mass concentration variations in chief temporal scales. Secondly, generating the initial fields from ground-based GNSS PWV and MODIS data based on 3-dimensional variance assimilation technique, and verifying the performance of simulation by modeling fog-haze weather. Thirdly, studying the relationship between moisture disturbance and fog-haze at various periods based on the diagnostic analysis of dynamic and thermodynamic features and the structure of PWV using high spatio-temporal resolution data from numerical model simulation. Finally, developing forecasting models for fog-haze weather at different episodes and conducting the experiments of fog-haze process forecasting. The anticipated goal of this project is to improve our understanding of the relationship between moisture disturbance characteristics and the fog-haze system as well as to provide a new predicting method for improving fog-haze forecast.

雾霾在大气水汽扰动的频谱和频率特征方面有着重要的指示，本项目拟从观测分析、数值模拟研究、雾霾预报应用三个方面探讨GNSS大气水汽扰动特征及其与雾霾的关系。采用高精度、高时空分辨率的地基GNSS大气水汽观测资料，利用小波-交叉谱分析方法，分析雾霾过程中水汽扰动的频谱(或时间尺度)特征，及不同时间尺度(即频谱)的水汽扰动与PM2.5/PM10质量浓度观测数据在时间序列上的相关性，诊断分析关键时间尺度水汽扰动与PM2.5/PM10质量浓度观测数据扰动的振幅谱和相位谱。在此基础上，利用高时空分辨率数值模式模拟资料，针对雾霾各个阶段，诊断分析动、热力和水汽结构特征，研究水汽扰动与雾霾的关系，建立相应的预报模型，并对雾霾过程进行预报试验。期望通过本项目的研究工作提高人们对水汽扰动特征及其与雾霾关系的认识，并为改善雾霾预报提供一种新的预报方法。

雾霾天气发生期间大气中细颗粒物大量增加会改变对流层成分的稳定性，在大气水汽扰动的频谱和频率特征方面有着重要的指示作用。目前国内外关于水汽扰动与雾霾关系的研究还不多见，还有很多科学问题需要去探索。如对高精度、高时空分辨率的地基 GNSS水汽扰动分析不够深入，关键时间尺度水汽扰动与雾霾的关系尚不清楚，哪个空间尺度上的水汽扰动与雾霾的发生发展关系最为密切还有待验证。因此本项目的研究有着重要的科学意义。依托本项目取得了以下几方面成果：1）构建了顾及精细季节变化的Tm垂直递减率函数模型，进而建立了中国区域的Tm格网新模型（CTm），为获得高精度、高时空分辨率的地基 GNSS水汽奠定了良好的基础。2）将七个典型雾霾灾害严重城市不同季节GNSS PWV与PM2.5质量浓度进行相关性分析，进一步揭示了GNSS PWV与PM2.5在时间尺度的变化特征及扰动关系。3）分析了PM2.5与空间的相关联性，基于此建立了一种PM2.5的插值模型，该模型可以很好地反映出PM2.5的空间尺度特征。4）分析了PM2.5与GNSS PWV、气温、气压等因子的相关性，得到与PM2.5显著相关因子，将GNSS PWV数据联合其他显著相关因子，构建了GA-BP神经网络PM2.5预测模型，该模型具有可观的精度，进而为PM2.5的预报提供新的方法。在本项目基金资助下，发表或录用论文21篇（其中SCI论文6篇，EI 论文7篇，中文核心8篇），出版专著一本，申请发明专利3项(均已公开)。培养了项目组骨干青年教师2人、硕士研究生7人。获得测绘科技进步二等奖1项。