大气颗粒物浓度对GNS S 基线解算的影响分析

和 会 闻洪峰 付利钊

（1.河北省基础地理信息中心，河北 石家庄 050032；2.河北省第一测绘院，河北 石家庄 050032）

0.引言

GNSS信号在穿过雾霾区域时，雾霾会对GNSS信号的传播产生什么样的影响，对GNSS相对定位基线解算是否会产生影响，对GNSS精密单点定位是否会产生影响，对GNSS反演对流层延迟是否会产生影响，这种影响有多大，这种影响来源哪里？这些方面的研究相对还比较少，也不系统全面。2014年王勇等发现天顶对流层延迟与可降水量在雾霾天会有升高[1]；2016年田宗彪等研究了雾霾对精密单点定位的影响[2]；2017 年 魏 二 虎 等 以BJFS、LHAZ、CHAN、JFNG、SHAO等5个IGS站秋冬季的观测数据为例，分析得出可吸入颗粒物浓度变化与精密单点定位的精度没有显著相关性[3]。笔者以HBCORS基准站2014年9月至2015年2月的连续观测数据为例，结合CORS站所在地区AQI、PM2.5、PM10浓度日均值，详细分析了大气颗粒物浓度对GNSS基线解算、精密单点定位和GNSS反演对流层湿延迟的影响，探索雾霾天气对GNSS对流层湿延迟产生影响的原因。

1.大气颗粒物浓度对中长基线的影响

GNSS相对定位的基线解算一般是利用两台以上接收机的载波观测值和伪距观测值，组成双差观测值为基础量，配以组合观测值为辅助，解算接收机的相对位置关系。在基线解算过程中，基线长度对于解算结果会产生影响。对于相距15km以内，高差不大的基线，双差就可以基本消除如对流层延迟误差在内的多项误差源。而霾天气就发生在对流层，霾产生的影响在基线过短时经过双差处理后会被削弱甚至消除，因此本文选择50km以上的中长基线作为研究对象。

以AQI日均值为霾污染程度判断标准，假设基线端点分别为A和B，按照以下4种情况分类统计：

（1）基线一端站点A有重度以上霾发生（AQI＞200），另一端站点B空气质量良好（AQI＜100）；

（2）基线一端站点B有重度以上霾发生（AQI＞200），另一端站点A空气质量良好（AQI＜100）；

（3）基线两端站点A、B均有重度以上霾发生；

（4）基线两端站点A、B空气质量均良好。

表1 基线LHAZ-BDZZ各污染程度基线解算结果 单位：m

LHAZ—BDZZ的基线北方向（N）、东方向（E）、椭球高（U）和基线长度（DIS）的统计情况（如表1所示）。可以看出对于这种超过1000km的长基线，基线各个分量以及基线长度均没有明显因为霾天气的影响，在N方向、E方向、U方向都没有产生系统性的偏差。也就是说无论霾天气如何变化，基线分量和基线长度的重复性都是相当的。

表2 基线BJFS-BDAG各类污染程度基线解算结果 单位：m

BJFS-BDAG基线各分量及基线长度的统计值（如表2所示），显然在各种雾霾天气下，基线精度相当，基本没有变化，完全在误差范围内波动。无论是2000km以上的长基线还是100km以上的中等基线，雾霾天气都不会对基线解算精度造成显著影响，且没有体现出系统性的偏差。

因此，在相对定位解算基线的过程中，颗粒物浓度对基线解算的精度没有明显影响，可以不予考虑。

2.颗粒物浓度对精密单点定位的影响

本文以CORS站的实测数据为例，利用GPAS软件求解各站点的非差精密单点定位日解，并与当地的AQI日均值进行比较分析，以验证霾天气是否会对精密单点定位的精度产生影响。对于没有准确的三维坐标的CORS站点，将非差精密单点定位日解的均值作为基准值。然后将精密单点定位日解与基准值求差，以日解与基准值的偏差来与AQI指数进行比较。

图1 精密单点定位U方向坐标值残差

BDFP和TSZH两个站2014年9月至2015年3月期间AQI和精密单点定位U方向残差的比对（如图1所示），从图中看不出明显的相同的趋势性变化，AQI指数与精密单点定位的精度都没有显著的相关性。这期间各站坐标不同分量偏差与AQI的相关系数（如表3所示），也可以明显看出各个分量与AQI的相关性都很小，都未通过显著性检验，不具有统计特性。

表3 精密单点定位U方向坐标值残差与大气颗粒物浓度相关性

3.大气颗粒物浓度对GNSS 对流层延迟的影响

从前面分析可以看出，大气颗粒物浓度的变化并没有对GNSS基线解算精度和精密单点定位精度产生显著的影响。大气颗粒物大量悬浮于对流层底层，随对流层大气运动和气象条件变化而聚集和消散，因此，其浓度变化应该与GNSS对流层延迟有一定的关系。本文分析大气可吸入颗粒物浓度对GNSS对流层延迟的影响。

GNSS对流层延迟分为干延迟和湿延迟两部分，干延迟通过对流层延迟模型可以得到高精度改正。对流层湿延迟则需要经过数学误差模型在GNSS数据处理过程中估计。本文以GNSS对流层湿延迟和大气颗粒物浓度为研究对象，分析霾天气持续过程中，二者变化趋势。

BDFP和TSQA两个CORS站点两次持续重雾霾的发生、持续直至消散的过程期间，天顶对流层湿延迟（ZWD）和PM2.5的变化趋势（如图2所示）。以BDFP站点为例，在2014年10月5日至10月13日在保定市阜平县发生了一次较为严重的持续雾霾天气，从10月6日夜间（25历元）开始，PM2.5浓度从不到100μg/m3开始逐步攀升，到10月8日达到接近500μg/m3最高点，并在高位持续徘徊，直到11日夜间（155历元）开始迅速降低，雾霾消散。在此期间，ZWD也是从10月6日夜间开始随着PM2.5浓度同步攀升，从不到100mm攀升到160mm左右。之后在整个雾霾持续过程中，ZWD一直在160mm上下高位震荡，在10月11日（155历元）开始下降，一直降至不到40mm。唐山市迁安市2014年10月27日至11月2日期间发生的一次持续雾霾天气过程（如图2（b）所示），其ZWD和PM2.5浓度的同步变化过程与图2（a）是高度相似的。

由以上分析可以看出，整个霾天气持续过程中，ZWD和PM2.5浓度有着相似的升降过程，但升降的时间点略有偏差，升降速度也略有不同，PM2.5浓度变化曲线比较陡，而ZWD的变化曲线要相对平缓。

图2 大气颗粒物浓度与大气可降水量同步变化趋势图

对流层湿延迟ZWD与大气可降水量，也就是整层大气的水汽含量是呈一定正比例关系的，只要知道一个区域的加权平均温度Tm，就可以建立ZWD与大气可降水量之间的数学关系[5]。在GNSS气象学中，GNSS对流层湿延迟通常都被用于反演大气可降水量。然而在雾霾天气发生时，ZWD与颗粒物浓度有着相近的升降趋势，那颗粒物是否对GNSS反演对流层湿延迟有影响呢？如果有影响，那么在GNSS对流层湿延迟反演大气可降水量时就需要减去大气颗粒物的影响。

图3 对流层湿延迟ZWD与整层大气可降水量的线性回归方程

对ZWD与大气可降水量呈现出很强的线性关系（如图3所示），斜率在0.15至0.16之间，与众多学者们此前的研究成果相符，也印证了二者计算结果的可靠性。本地加权平均气温一般需要长时间的探空资料才能计算，而且并非累积时间越长效果越好，最近一年的数据分析成果优于之前几年累积数据的分析成果。本文没有研究区域长时间累积的探空数据来统计估算加权平均温度。就直接取贝叶斯经验公式计算加权平均温度。利用欧洲天气预报中心气象再处理数据ERA5的整层大气水汽含量（IWV）通过转换系数即可反演水汽造成的对流层湿延迟，用GNSS对流层湿延迟减去通过整层大气水汽含量估算的对流层湿延迟，就可以得到对流层湿延迟的剩余残差量，进而分析去掉大气水汽影响后对流层湿延迟的残差与大气颗粒物浓度是否存在相关性。

9个监测站ZWD残余误差的平均值、中位值、标准差以及其与AQI、PM2.5、PM10的相关系数（如表4所示），可见不同监测站的ZWD残余误差平均值是有差别的，这表明ERA5提取的大气水汽含量反演的ZWD与GNSS实测反演的ZWD之间有系统性误差，且在不同区域这一系统性误差存在差异。各个监测站的ZWD残差标准差都在8mm左右，折合成大气可降水量约在1-2mm。除了TSQA站，其余各站ZWD与PM2.5、PM10、AQI的相关系数都低于0.2甚至0.1，且有正有负，没有显著的相关性。TSQA一个站的微弱正相关性不具有代表性，综合来看，颗粒物浓度的变化与ZWD残余误差之间没有显著的相关性。大气颗粒物浓度的上升下降并没有直接影响到ZWD的升降变化。

表4 ZWD剩余残差与大气颗粒物浓度相关性

GNSS信号在穿过霾区域时，如果大气颗粒物会对GNSS信号产生延迟影响，则ZWD去掉水汽影响后的残差应该与大气颗粒物浓度有一定的相关性，而且应该是正相关性。而从上述分析中可以看出大气颗粒物浓度与ZWD剩余残差并没有体现出显著的相关性。由此可以推断：在目前的测量精度上，大气颗粒物对GNSS信号传播不会产生显著的直接影响，通过GNSS对流层湿延迟反演大气可降水量并不必考虑大气颗粒物浓度的影响；对流层湿延迟与大气颗粒物浓度在霾天气有相似变化的主要原因在于大气可降水量与大气颗粒物浓度在霾天气时有着相似变化趋势。

4.结论

本文分析了大气颗粒物浓度对GNSS数据处理的影响以及大气颗粒物浓度与PWV相关性起因。得出以下结论：

（1）雾霾天气，大气颗粒物的高浓度对于GNSS基线解算不会产生显著影响，基线解算精度与大气颗粒物浓度之间没有显著相关性。

（2）雾霾天气，大气颗粒物的高浓度对于GNSS精密单点定位日解精度没有显著影响，精密单点定位与大气颗粒物浓度之间也没有显著的相关性。

（3）雾霾天气，大气颗粒物浓度与对流层湿延迟会有相似变化趋势，但二者不是直接相关关系，本质上是大气颗粒物浓度与PWV存在相关性。积累阶段，大气颗粒物浓度比ZWD或者说PWV上升要更快。