论文部分内容阅读
近年来,我国很多城市雾霾天气日益加剧,对人们的生活及身心健康造成了极大的危害,由于雾霾发生时同时会伴随着水汽、风力、温度等气象因素的变化,因此我们可以通过监测大气中水汽含量的变化来实现对雾霾天气的预报工作。而传统的大气水汽探测手段具有成本高、时空分辨率低等缺点,而地基GNSS水汽反演技本在经历了长时间的发展和改革后,具有全天候、精度高、成本低廉等传统水汽探测手段无法比拟的优点,现已被广泛应用于各类恶劣天气的观测预报当中。本文运用高精度数据解算软件GAMIT,联合BJFS、LHAZ、URUM、CUSV、PIMO各GNSS观测站,解算得到URUM站的天顶湿延迟,进而得到URUM站上方的PWV,并将探空站获取到的PWV作为真值与地基GNSS反演结果对比,验证了地基GNSS水汽的精度,然后对PM2.5与PWV进行相关性分析,最后结合一氧化碳、二氧化氮、PM10等大气污染物建立对PM2.5浓度预测的模型。本文主要研究内容和结论如下:(1)地基GNSS可降水量的获取。首先求得对流层天顶总延迟ZTD,然后利用前人的经验模型求出天顶干延迟ZHD,用天顶总延迟减去天顶干延迟就可以得到天顶湿延迟ZWD,最后根据研究区域内的探空资料确定区域性的加权平均温度模型从而提高天顶湿延迟向大气水汽的转化精度,并与对应时刻探空站得到的水汽含量进行精度对比,从而验证地基GNSS大气可降水量的精度。(2)大气颗粒物PM2.5与PWV的相关性分析。针对本文研究区域乌鲁木齐市,将地基GNSS反演的大气水汽含量与气象监测站获取到的PM2.5浓度进行相关性和变化趋势分析。结果表明,从整月的数据量统计,根据天气网历史天气表明,2015年11-12月存在水汽骤升形成降雪的天气,但并未形成雾霾,因此整体月变化呈负相关。但是当雾霾发生未形成降雨时,随着水汽增加会吸附空气中的颗粒物促进雾霾天气形成,而水汽达到一定峰值形成降雨时又会缓解雾霾天气,PM2.5与PWV随时间变化有很强的正相关性,特别是在雾霾严重的天气,相关性更明显。(3)基于地基GNSS可降水量PM2.5浓度预测模型的建立。利用地基GNSS反演的大气可降水量并结合大气污染物一氧化碳(CO)、二氧化氮(NO2)、二氧化硫(SO2)、臭氧(O3)及PM10建立起对PM2.5浓度预测的预测模型,并将两种预测模型进行精度验证和对比。结果表明,线性回归模型和基于随机森林算法构建的模型均有较好的精度,但相比之下,随机森林模型的精度指标要优于线性回归模型。