京津冀地区GNSS ZTD时序分析及对厄尔尼诺事件的响应

王勇 于腾丽 刘晓 占伟

0 引言

近年来,全球极端天气气候事件增加,京津冀地区暴雨天气频繁发生,造成严重的经济损失和社会影响．厄尔尼诺事件是高于气候噪声水平的全球大气和海洋相互耦合的信号,厄尔尼诺事件发生时,热带海洋温度偏高,通过海洋和大气相互作用会改变正常的大气环流,从而导致全球气候异常[1]．京津冀地区位于东亚季风区,东亚夏季风和冬季风的异常直接导致该地区的气候异常,厄尔尼诺事件通过大气环流以“遥相关”的形式影响东亚季风系统[2]．由于中部型厄尔尼诺事件和东部型厄尔尼诺事件的不同海温异常分布型所产生的大气响应不同,它们对气候的影响也有很大差异[3]．国内外学者针对两种分布型厄尔尼诺对降水量的影响做了大量研究[4-7],不同分布型厄尔尼诺对中国的部分地区降水存在相反影响．水汽(可降水量,PWV)是地球大气的重要组成成分,是引发暴雨灾害的关键要素之一,在大气能量传输和天气系统演变中起着重要作用[8]．厄尔尼诺事件是引起东亚季风水汽输送异常和旱涝发生的关键要素[9]．水汽作为形成灾害性天气的重要因子,对厄尔尼诺事件存在一定响应．来自西太平洋地区的水汽输送是厄尔尼诺事件影响京津冀地区降水等气象因素的重要纽带．地基GNSS水汽反演方法因其高精度、高时间分辨率、全天候观测等特点,目前广泛应用于气象领域．多位学者依据全球GNSS、探空观测资料,采用多元回归分析、经验正交函数等方法,开展了厄尔尼诺事件中水汽序列的各种振荡特征分析、GNSS水汽对ENSO的响应研究,表明GNSS水汽可用于指示ENSO时间的演变,探索了GNSS水汽作为干旱和洪水发生的预测指标的可行性[10-13]．

京津冀地区协同发展是重大国家战略,该地区水资源严重短缺,水汽是与气候监测和全球水文循环有关的关键因素之一,有必要开展该地区水汽时序分析及对厄尔尼诺事件的响应研究．中国大陆构造环境监测网络(Crustal Movement Observation Network of China,CMONOC)包含京津冀地区GNSS站点16个,积累了10余年的历史观测数据,利用GNSS数据开展水汽时序分析及厄尔尼诺事件响应,有助于拓展CMONOC网络的气象应用．本文将依托CMONOC京津冀地区GNSS观测资料,开展GNSS ZTD (Zenith Tropospheric Delay)时序分析及对厄尔尼诺事件的响应研究．利用快速傅里叶变换与小波变换方法从频域和时域开展GNSS ZTD时序分析,开展GNSS ZTD不同周期时序与东部型指数(IEP)、中部型指数(ICP)比较,分析IEP,ICP对GNSS ZTD周期变化的影响．为掌握区域GNSS ZTD(水汽)预测变化规律提供参考,并为旱涝灾害等极端天气监测提供理论支撑．

1 研究数据与研究方法

1.1 研究数据

本文研究数据包括GNSS ZTD和厄尔尼诺事件指数(Nio3.4区海温距平指数、东部型指数及中部型指数)．

1)GNSS ZTD数据

GNSS水汽数据由GNSS对流层延迟数据(ZTD)反演而来．为了避免由于同期的气压和温度数据的缺失导致GNSS水汽数据不完整,鉴于水汽与GNSS ZTD存在较高的相关性[14],本文利用ZTD代替水汽开展相应的研究．GNSS ZTD数据来源于中国大陆构造环境监测网络(CMONOC),包括站点名称、站点坐标、数据时间、ZTD(单位:mm)等信息．ZTD数据采样率为1 h．京津冀地区包含16个CMONOC站点,站点分布如图1所示．由于中国地壳运动监测网络和陆态网络建设时间不同,GNSS站点积累的观测资料长度不一,其中BJFS、BJSH、JIXN 3个站点的ZTD序列时间为2008-01-01—2020-06-30,其余站点ZTD序列时间为2010-12-25—2020-06-30．

图1 京津冀地区CMONOC站点分布

2)厄尔尼诺事件指数

(1)

α取值如下:当I×I>0时,α=0.4;当I×I≤0时,α=0．

图2 热带太平洋区域海温异常监测关键区分布

判定厄尔尼诺事件类型标准如下:事件过程中IEP≥0.5 ℃且持续至少3个月的类型判定为东部型厄尔尼诺;事件过程中ICP≥0.5 ℃且持续至少3个月的类型判定为中部型厄尔尼诺．若一次事件中同时包含上述两种情况,存在两种类型间的转换,则将事件峰值所在类型定义为事件主体类型,另一种为非主体类型,整个事件的类型以事件主体类型为准．Nio3.4指数可由中国气象局国家气候中心网站下载(https:∥cmdp.ncc-cma.net/pred/cn_enso.php?product=cn_enso_nino_indices).Nio3.4指数为每月一个观测数值,时间序列数据时间与GNSS测站时间一致．Nio3.4指数3个月滑动平均值、IEP、ICP时间序列如图3所示．

图3 Nio3.4指数、IEP、ICP时间序列

由图3可知,2008-01—2020-06共发生了4次厄尔尼诺事件,包括1次东部型事件与3次中部型事件．由于大部分GNSS测站从2010年开始运行,只有少数站点具有2008—2009年的数据,故难以对2009-06—2010-04发生的厄尔尼诺事件进行分析．本文将对2014-10—2016-04发生的东部型厄尔尼诺、2018-09—2019-06发生的中部型厄尔尼诺和2019-11—2020-03发生的中部型厄尔尼诺事件开展相关研究．

1.2 研究方法

1)快速傅里叶变换(FFT)

快速傅里叶变换(FFT)是一种常用信号分析方法,是离散傅里叶变换的一种快速算法[16]．FFT能将信号在时域上无法体现的周期特征从频域上体现出来,尤其是其周期性．本文利用加汉宁窗的FFT方法提取GNSS ZTD的周期信号,获得GNSS ZTD周期变化的规律,进而分析厄尔尼诺事件对GNSS ZTD周期变化的影响．

2)小波变换(WT)

小波变换(WT)是一种信号的时频分析方法,通过伸缩平移运算对信号(函数)逐步进行多尺度细化,可聚焦到信号的任意细节．小波分层会分解出低频项和高频项,其中低频部分主要包含一些确定性因素,反映数据的宏观演变趋势,高频部分主要包括周期、噪声干扰、异常突变和随机波动等．通过时间序列长度来判断应分层数,分层合格的标准为低频信号曲线呈趋势单一的曲线．将信号进行小波分层后,可获得每层对应周期的变化情况．小波函数DbN系列小波随着阶次增加,消失矩阶数增加,频带划分的效果更好．本文选择紧支撑标准正交小波DbN小波系[17],将GNSS ZTD数据分为18层,其中D1～D18层为高频项,A18层为低频项,D11、D12、D13分别对应了季节、半年和年的周期变化．

2 GNSS ZTD时序分析

首先利用FFT方法从频域上分析GNSS ZTD的显著变化周期,再利用小波变换的方法分析各显著周期的具体变化,探究GNSS ZTD时序特征变化与厄尔尼诺事件的对应关系．

2.1 GNSS ZTD频域分析

利用FFT方法分析各站点GNSS ZTD的显著变化周期,由于篇幅限制,以北京十三陵(BJSH)、天津蓟县(JIXN)2个站点为例,绘制GNSS ZTD显著变化周期曲线,结果如图4所示．

图4 GNSS ZTD频域周期

由图4 FFT频域分析可知,GNSS ZTD存在显著的1年、1/2年、1/3年、1/4年等变化周期．对于各显著变化周期的各周期间的变化情况,从频域无法体现,故利用小波变换方法对GNSS ZTD时间序列开展时域分析．

2.2 GNSS ZTD时域分析

为了探究GNSS ZTD各显著周期的具体变化情况,利用小波变换的方法提取GNSS ZTD的年周期、半年周期及季节性变化周期对应的高频项．根据GNSS ZTD时间序列的小时采样率,获得GNSS ZTD年变化、半年变化和季节变化周期分别对应了小波变换的D13、D12、D11层高频项．图5和图6分别为BJSH、JIXN站点年变化、半年变化、季节变化高频项与IEP、ICP的比较．

由图5、图6可知,GNSS站点的季节性周期、半年周期、年周期变化与不同时段发生的厄尔尼诺事件存在对应关系．对于BJSH站点:季节性周期变化显示出GNSS ZTD在2018年的夏季出现异常峰值,这与2018-09—2019-06发生的厄尔尼诺事件存在对应关系;半年周期变化情况显示GNSS ZTD 在2009年与2016年的夏季出现异常峰值,与2009-06—2010-04和2014-10—2016-04发生的两次厄尔尼诺事件存在对应关系;年周期变化情况显示GNSS ZTD在2019年夏季出现异常峰值,这与2018-09—2019-06发生的厄尔尼诺事件存在对应关系．JIXN站点的GNSS ZTD序列各显著周期峰值的出现时间与厄尔尼诺事件发生时间对应情况,与BJSH站点对应情况基本相同．综合各站点GNSS ZTD时序分析结果得出结论:GNSS ZTD异常波动出现的时间与厄尔尼诺事件存在对应关系．

3 厄尔尼诺指数与GNSS ZTD相关性分析

将京津冀地区CMONOC 16个站点的GNSS ZTD时间序列与同期的厄尔尼诺指数(IEP、ICP)开展相关性分析．由于篇幅限制,综合站点分布情况以及数据完整性考虑,以BJSH和JIXN站点为例,绘制了厄尔尼诺指数(IEP、ICP)与GNSS ZTD时间序列的对比,如图7所示．

由图7可知,GNSS ZTD与厄尔尼诺指数(IEP、ICP)存在较为明显的周期差异．由图4可知GNSS ZTD存在明显的年、半年、季节性变化周期,除此之外,在(0,12)频率区间内它还存在诸多其他变化周期,而IEP、ICP指数的周期从图7中难以获得．利用FFT方法提取IEP、ICP指数的显著变化周期,图8为IEP、ICP指数在(0,4)频率区间的显著周期．

图5 GNSS ZTD高频项时序与IEP、ICP的比较(BJSH)

图6 GNSS ZTD高频项时序与IEP、ICP的比较(JIXN)

图7 GNSS ZTD与厄尔尼诺指数(IEP、ICP)比较

由图8可知,IEP、ICP指数的显著变化周期存在于(0,1)频率区间内,但在图中无法精确判断．提取IEP、ICP的所有变化周期及其对应峰值,并基于峰值的大小筛选出了最为显著的4个变化周期,如表1所示．

图8 IEP、ICP指数频域周期

表1 各厄尔尼诺指数显著变化周期

Table 1 Significant change period of El Nio index

表1 各厄尔尼诺指数显著变化周期

指数类型周期/年显著周期1显著周期2显著周期3显著周期4ICP5.991.222.851.58 IEP3.336.651.521.17

表1为各厄尔尼诺指数在(0,1)频率区间内最显著的4个变化周期．综合以上分析结果,为了合理探究GNSS ZTD与厄尔尼诺事件的相关性,利用小波变换的方法对GNSS ZTD进行分层,筛选出各指数显著周期所对应的高频项进行重构,利用重构后的GNSS ZTD与各指数进行相关性分析．各指数的4个显著变化周期分别对应周期小波变换中D16、D15、D14、D13层对应周期范围．利用小波变换分析GNSS ZTD,提取其D13～D16层高频项并进行重构,截选出东部型与中部型两类不同分布型厄尔尼诺发生时段的GNSS ZTD,分别与IEP和ICP进行相关性分析,探究不同分布类型厄尔尼诺对GNSS ZTD的影响．BJSH和JIXN站点的相关性分析结果如图9所示,其余各站点相关性分析结果如表2所示．

由图9和表2可知：东部型指数(IEP)与GNSS ZTD呈正相关,即东部型厄尔尼诺发生期间,随着IEP增大,GNSS ZTD也随之升高;中部型指数(ICP)与GNSS ZTD呈负相关,且2019-11—2020-03时段相关性优于2018-09—2019-06时段的相关性,即中部型厄尔尼诺发生期间,GNSS ZTD相比于正常气候会减少,且短时段内相关性优于长时段．推测其原因为:东部型厄尔尼诺年太平洋副热带高压偏强,水汽输送条件较强,有利于将来自太平洋蒸发的大量水汽持续输送至中国[18]．

图9 重构的GNSS ZTD与厄尔尼诺指数(IEP、ICP)比较

表2 GNSS ZTD与厄尔尼诺指数(IEP、ICP)的相关性

Table 2 Correlation between GNSS ZTD and El Nio Index (IEP,ICP)

表2 GNSS ZTD与厄尔尼诺指数(IEP、ICP)的相关性

注:IEP对应时间为2014-10—2016-04,ICP1对应时间为2018-09—2019-06,ICP2对应时间为2019-11—2020-03．

站点GNSS ZTD/IEPGNSS ZTD/ICP1GNSS ZTD/ICP2站点GNSS ZTD/IEPGNSS ZTD/ICP1GNSS ZTD/ICP2 BJFS0.665-0.511-0.536HECC0.344-0.310-0.882 BJGB0.199-0.278-0.931HECD0.314-0.314-0.926 BJSH0.614-0.413-0.470HECX0.327-0.276-0.913 BJYQ0.608-0.450-0.243HELQ0.030-0.307-0.889 JIXN0.587-0.506-0.426HELY0.397-0.501-0.791 TJBD0.229-0.271-0.912HETS0.423-0.448-0.844 TJBH0.384-0.405-0.838HEYY0.261-0.273-0.923 TJWQ0.094-0.328-0.902HEZJ0.470-0.429-0.831

4 厄尔尼诺对GNSS ZTD变化周期的影响

由上文分析可知,GNSS ZTD存在显著的年周期、半年周期、季节性周期等．现利用加汉宁窗的快速傅里叶变换对正常气候和两类分布型厄尔尼诺事件下GNSS ZTD数据进行对比分析,探究GNSS ZTD在正常气候和两类分布型厄尔尼诺事件下这些显著周期的差异．由于图4仅显示了GNSS ZTD(0,12)频率区间内的显著周期,且显著的年周期、半年周期对其他周期的分析造成了干扰,故重新调整X轴和Y轴的取值范围,排除了年周期的干扰,截选了(0,30)频率区间分析GNSS ZTD其他显著变化周期,其中BJSH、JIXN站点的分析结果如图10所示．

图10 基于FFT的GNSS ZTD频域分析结果

由图10可知,GNSS ZTD存在1年周期、1/2年周期、1/3年周期和1/4年周期,频率区间(1/12,1/15)内的1个月左右周期以及频率区间(1/22,1/24)内的半月左右周期．由于利用FFT分析年变化周期至少需要2年的时间长度,而厄尔尼诺事件持续的最长时间长度为19个月,限制了对年周期、半年周期变化的分析．故本文将基于FFT对厄尔尼诺事件与正常气候下GNSS ZTD的季节性周期、1个月周期以及半个月周期的变化进行对比分析,探究不同分布型厄尔尼诺事件对GNSS ZTD显著变化周期的影响．

4.1 东部型厄尔尼诺事件对GNSS ZTD周期变化的影响

为研究东部厄尔尼诺事件对GNSS ZTD周期变化影响，选取两个正常气候时段与一个厄尔尼诺事件时段(2014-10—2016-04)进行对比分析.此次厄尔尼诺事件持续时间较长，历时19个月，在所研究时间序列范围中只有一段正常气候的时间序列与之恰好对应，即2014-10—2016-04.为了确保分析结果的准确性，从该东部型厄尔尼诺事件时间序列中截取了12个月的时间长度：2015-05—2016-04，与正常气候时段2016-05—2017-04进行了对比分析.利用FFT的方法分析3个时间段内GNSS ZTD的变化周期，由于是对季节变化周期、月周期与半月周期进行分析，频率单位选用cpm.截选(0.1，3)频率区间即周期范围为大于1/3个月小于10个月，对GNSS ZTD的季节性周期、月周期和半月周期进行对比，获得GNSS ZTD在有无东部型厄尔尼诺事件这两种情况下周期的变化差异.判断季节性周期、月周期和半月周期的标准为：选取最接近1/3、1、2这3个频率的最高峰值所对应的周期.BJSH和JIXN站点分析结果如图11所示.

由图11可看出，东部型厄尔尼诺事件下的GNSS ZTD变化周期与正常气候下的GNSS ZTD变化周期存在明显差异.由于从图中无法判断变化周期的精确值，提取两种气候类型下的GNSS ZTD的频率与周期.两种气候下各站点GNSS ZTD季节性变化周期对比结果如表3所示，其中正常气候1指2012-10—2014-04正常气候时段；厄尔尼诺1指2014-10—2016-04厄尔尼诺事件发生时段；正常气候2指2016-05—2017-04正常气候时段；厄尔尼诺2指2015-05—2016-04厄尔尼诺事件发生时段.

图11 东部型厄尔尼诺事件对GNSS ZTD变化周期的影响

表3给出了各站点在东部型厄尔尼诺事件下的GNSS ZTD季节周期相比于正常气候的变化情况．由于篇幅限制,将东部型厄尔尼诺事件下与正常气候下GNSS ZTD的月周期和半月周期的比较结果以站点分布的形式体现,如图12所示．

表3 东部型厄尔尼诺事件对GNSS ZTD季节变化周期的影响(单位:月)

Table 3 Influence of EP-El Nio events on seasonal variation cycles of GNSS ZTD (unit:month)

表3 东部型厄尔尼诺事件对GNSS ZTD季节变化周期的影响(单位:月)

站点变化1变化2正常气候1厄尔尼诺1变化情况正常气候2厄尔尼诺2变化情况 BJFS2.0772.456↑2.6483.632↑ BJGB2.0752.511↑2.6573.641↑ BJSH2.0452.468↑2.6433.587↑ BJYQ2.0632.498↑2.6243.596↑ JIXN2.1742.456↑2.6433.605↑ TJBD2.1742.439↑2.6583.578↑ TJBH2.1832.427↑2.6723.535↑ TJWQ2.1172.477↑2.6582.485↓ HECC2.0142.515↑2.6103.623↑ HECD2.1322.477↑2.5913.659↑ HECX1.8482.411↑2.6533.526↑ HELQ2.4602.489↑2.8332.966↑ HELY2.4352.407↓2.6533.501↑ HETS2.2102.439↑2.8840.369↑ HEYY2.0832.582↑2.5023.509↑ HEZJ2.4152.507↑2.8952.111↓

由表3、图12可知,京津冀地区GNSS ZTD在东部型厄尔尼诺事件的影响下,季节性变化周期增大,月周期和半月周期都减小(个别站点由于部分数据缺失导致分析结果异常)．

4.2 中部型厄尔尼诺事件对GNSS ZTD周期变化的影响

以中部型厄尔尼诺事件(2018-09—2019-06)开展其对GNSS ZTD的周期变化影响分析.为研究中部型厄尔尼诺事件对GNSS ZTD周期变化影响，选取两个正常气候时段(2012-09—2013-06和2016-09—2017-06)与厄尔尼诺事件时段进行比较，分析季节周期、月周期、半月周期的变化.利用FFT法提取GNSS ZTD变化周期，获得GNSS ZTD在有无中部型厄尔尼诺事件这两种情况下周期的变化差异，如图13所示.

由图13可知,中部型厄尔尼诺事件下的GNSS ZTD变化周期与正常气候下的GNSS ZTD变化周期存在明显差异．由于从图中无法判断变化周期的精确值,提取两种气候类型下的GNSS ZTD的频率与周期．由于篇幅限制将中部型厄尔尼诺事件下与正常气候下GNSS ZTD的季节性周期、月周期和半月周期的对比结果以站点分布的形式体现,结果如图14所示．

由图14可知,京津冀地区GNSS ZTD在中部型厄尔尼诺事件的影响下季节周期、月周期和半月周期相比于正常气候都减小．

5 结论

本文利用FFT与小波变换方法开展了京津冀地区GNSS ZTD时序分析,及其对两类分布型厄尔尼诺事件的响应研究．获得结论如下:

1)由GNSS ZTD频域和时域分析结果可知,GNSS ZTD异常时段与厄尔尼诺事件存在对应关系．

2)东部型指数(IEP)与GNSS ZTD呈正相关;中部型指数(ICP)与GNSS ZTD呈显著负相关．

3)在东部型厄尔尼诺事件的影响下,GNSS ZTD的季节性周期增大,月周期和半月周期减小;在中部型厄尔尼诺事件的影响下,GNSS ZTD的季节性周期、月周期、半月周期都减小．

图12 东部型厄尔尼诺事件对GNSS ZTD月、半月变化周期的影响

图13 中部型厄尔尼诺事件对GNSS ZTD变化周期的影响

图14 中部型厄尔尼诺事件对GNSS ZTD季节、月和半月变化周期的影响