融合地基GNSS大气水平梯度模型的空基掩星探测

GNSS (Global Navigation Satellite Systems) radio occultation (RO) observations in the lower troposphere are typically down-weighted during assimilation relative to the upper troposphere and lower stratosphere observations because of the potentially larger errors attributed to assuming local spherical symmetry in the retrieval process. With a high gain antenna, the airborne RO together with ground-based GNSS observations has the potential to provide high-quality data to investigate these errors in detail and to improve the accuracy of the retrieved refractivity. This project aims to develop a novel airborne RO remote sensing system for retrieving the high-accuracy refractivity in the low troposphere without assuming local spherical symmetry. A simulation experiment will be conducted to investigate the spatial and temporal variation of the horizontal gradient and its impact on the retrieval of refractivity with GNSS RO. The ground-based GNSS observations will be utilized to determine the horizontal gradient with high accuracy and spatial resolution. The estimated gradients then can be used in the RO data processing process as a priori knowledge to reduce the effect of the spherical symmetry assumption. The newly proposed method will be validated using simulation data and the airborne RO observations collected in Qinghai-Tibet Plateau and Inner Mongolia. This research will demonstrate the potential of using airborne RO as a novel sensing system for monitoring the atmosphere variation in the low troposphere, which will contribute to both the improvement of weather forecasting and the study of severe weather events.

以高空气球和飞艇为载体的空基GNSS掩星探测可实现对特定区域低层大气变化的连续监测，在局部大气研究和极端天气预报中有着极为重要的科研和应用价值。但传统掩星反演方法中忽略大气水平梯度的球对称假设会严重影响低层大气的反演精度，是目前一个亟待解决的科学问题。本课题拟充分利用地基和空基GNSS掩星各自的观测优势，通过融合两种技术手段实以现对低层大气折射率的高精度反演。首先利用大气再分析资料仿真研究球对称假设对低层大气反演影响，揭示大气水平梯度时空变化规律，阐明在不同大气状况下大气水平梯度对反演影响的机制，构建地基GNSS反演大气水平梯度的最优模型和算法，最终提出顾及地基GNSS先验大气水平梯度信息的掩星反演算法。本课题可为融合地基、空基和星基GNSS大气探测技术，以进一步提高低层大气探测精度奠定理论和技术基础。

近年来全球极端天气事件频发，给人们生产生活及经济社会发展带来了严重危害。由于我国地处东亚季风区，且自然条件及地形地貌十分复杂，这使得我国成为遭受各类气象灾害最为频繁且损失最为严重的国家之一。常规气象观测数据的时空分辨率有限，对于诸如极端强降水等突发性强、局地性明显的气象灾害现象难以捕捉，给预报预警增加了很大的难度。在影响天气变化的众多的气象要素中，大气中的水汽是最为重要的气象参数之一，同时由于其具有时空分布复杂且变化较快等特点,也使得对水汽高精度实时监测极具困难。本项目综合利用地基GNSS、掩星以及其他气象传感器观测数据开展了多源融合大气建模研究，开发了具有业务化运行能力的数据处理平台，并将其应用于短时临近天气预报中。对于映射函数、梯度参数、截至高度角、潮汐模型和大气加权平均温度等影响实时地基GNSS反演精度的多种因素开展了系统分析，并以此确立了最优的地基GNSS大气反演方法。对于掩星数据处理的误差源，特别是忽略水平梯度带来的反演误差进行了系统的分析，并确立了综合利用多源观测数据的大气三维建模方法。利用反演得到的多源观测数据开展了其在临近天气预报中的应用研究，系统的分析了多种GNSS大气反演参数对于极端天气的响应特征，提出了基于GNSS实时反演信息的短时临近预报模型。详细分析了极端降水事件的形成机理及其同多类型GNSS及气象参数的响应关系，构造了一种基于GNSS反演的可降水总量的极端降水短临预报阈值模型，并提出一种新的逐日预报阈值求取方法，形成了一种基于神经网络技术的预报方法。相关研究成果不仅可以丰富GNSS大气探测理论，推动我国北斗导航系统在气象预报领域中的应用，同时可以提高我国对于暴雨等极端天气预报精度及预见期，进而形成有效的预警预防举措，减少此类灾害对于我国人民生命和财产安全的危害，具有重要的科学意义和工程应用价值。