摘 要：GNSS气象学为研究GNSS探测地球中性大气层中所涉及的大地测量与气象领域内各种技术问题与应用前景的交叉学科。本文综述了GNSS气象学模型中的对流层顶研究，并简要探讨了对流层顶所涉及的模型与方法。确定全球范围内对流层顶有利于判断对流层顶层的下边界，将其应用到GNSS气象学对流层模型中具有十分重要的意义，有利于诠释大气循环和物质能量传输过程。
关键词：对流层顶；GNSS气象；对流层湿延迟；全球加权平均温度模型
对流层处于大气层底层，厚度近十几千米，大气约75%的质量和几乎全部的水汽位于对流层内。对流层内经常发生强烈的垂直运动，诸如寒流、台风、闪电等都发生在这一层，是孕育自然现象和过程的温床。对流层与平流层的过渡区称为对流层顶层，厚度在百米到千米的范围内变动。[1]对流层顶层在全球气候中长尺度的变化辐射力中具有显著作用。对流层顶层不仅影响着大气在对流层与平流层之间的垂直运输速率，还影响着对流层与平流层之间的物质能量交换。[2]对流层顶层的研究有利于解释全球范围内大气循环和物质能量传输过程。[3]
全球定位导航系统（Global Navigation Satellite System，GNSS）的信号在穿越对流层时会产生延迟，根据GNSS信号所产生的延迟可以推导出天顶湿延迟（Zenith Wet Delay，ZWD）模型，诸如Hopfield天顶湿延迟模型、SA模型等。ZWD乘以一个转化系数 可以推导出大气可降水量（Preciptable Water Vapor，PWV），其在GPS气象学中产生了广泛的应用。
对流层顶在GNSS气象学模型中常常取11km，事实上这并不合理。以对流层顶为基础的ZWD模型以及与PWV相关的转化系数Π中的关键参数全球加权平均温度Tm模型都有待改进。确定全球范围内对流层顶不仅有利于判断对流层顶层的下边界，也有利于将其应用到GNSS气象学对流层模型中，具有十分重要的意义。
对流层顶研究
气象学家在研究全球气候循环时就注意到对流层与平流层存在不同时间尺度、具有季节特征的大气现象和物质能量交换过程。因此气象学家专门将对流层至平流层底层之间的区域定义为平流层与对流层交换区域（Stratosphere-Troposphere Exchange，STE），这个区域一般有上百米到几千米的厚度，而对流层顶位于该区域底层。
根据已有的研究，确定对流层顶的高度主要有如下几种方法：（1）温度递减率；（2）温度最冷点；（3）100hPa气压面；（4）掩星事件弯曲角反演法。对于对流层顶，气象组织定义比较模糊，不同的数据来源包含各自不同的系统性误差，所以采用以上方法确定的对流层顶高度并不完全一致，存在一些差异，相互间相差约0.3km。
COSMIC（Constellation Observation System of Meteorology，Ionosphere and Climate）计划是由低轨卫星组成的气象、电离层以及气候的观测系统。该项目的主要目的是改善全球及局部地区天气的监测和预报，为全球气候变化等相关研究提供数据（Hajj，2000；Rocken，2000）。COSMIC掩星每天能产生上千条折射率和温度廓线，作为一种新兴技术，很适合用于监测全球对流层变化。随着新技术不断更新，求解对流层顶的理论不断完善，对流层顶的研究将会越来越多，对流层顶层的温度、气压等与气象灾害之间的关系也将会得到更多的关注。
对流层湿延迟研究
水汽在大气中占很小的比例，是对流层中最活跃的成分，参与整个大气层的物理化学过程。水汽主要来自于海洋表面的蒸发以及副热带洋面的蒸发，它们为大气层提供了大量水汽，并经大气环流向赤道和高纬度地区上空输送。水汽及其存在的三相变化是气候变化的主要驱动力，水汽的极化分子影响大气折射率，产生GPS信号湿延迟（Zenith Wet Delay，ZWD），是GNSS气象学研究的重要对象之一。PWV是反映测站上空水汽单位面积垂直水柱含量的一个指标。大气PWV是监测及预报全球变化、气候变化以及包括梅雨季节、暴雨在内的高影响天气或强天气的一个十分重要的气象因子。ZWD乘以转换系数，可得到大气PWV。因此，水汽变化可以通过研究ZWD和PWV间接得到。
静力延迟（Zenith Hydrostatic Delay，ZHD）在对流层大气在天顶方向上的总延迟（Zenith Total Delay，ZTD）中的比例达90%以上，基本不受气象条件的影响，结果比较稳定，可以通过相应模型求解得到。水汽造成的ZWD在ZTD中所占比例相对较小，受水汽变化影响较大，ZWD的变化量不固定，往往相差数倍。从两极到赤道，其全年平均值在0～300mm范围内。[4]静力延迟可以通过经验模型得到毫米级的ZHD，可以得到毫米级的湿延迟。湿延迟由对流层大气折射导致，可以使用探空站观测数据直接计算湿延迟，但在其它地方，必须知道温度廓线和水汽压的垂直分布，这限制了此方法的应用。
因此，很多学者对湿延迟进行了大量研究，提出了一些经验模型。由于ZWD与水汽紧密相关，这些模型的构建都是基于对水汽压廓线的假设而建立的。对水汽压廓线的假设不同，模型也不一样。常见的Hopfield模型是基于用四次廓线来描述湿折射率，Saastamoinen模型是假设水汽压与高度呈幂指数递减。在GNSS气象学中，将ZTD作为参数与观测方程直接求解，减去ZHD来获得ZWD。该方法精度高，可达毫米级，但不便于内插，而大部分没有使用GNSS仪器测量的地区无法获得ZWD。因此提高现有ZWD模型的精度具有现实意义。
3 加权平均温度研究
加权平均温度是ZWD转化为PWV的系数中的关键因子，是决定地基GNSS ZWD反演可降水汽总量的关键参数，其模型精度直接影响着反演结果。加权平均温度与地表温度有着极其强烈的线性相关性，只需要地面气温观测资料，即可获得加权平均温度。事实上，加權平均温度与气象条件和地理位置等因素密切相关。[5]
加权平均温度是可以通过先验模型求得，而不必依靠实测参数来求解。加权平均温度与地表温度具有强烈的相关性，从加权平均温度的定义出发，从理论上讨论其与地表温度，测站海拔，对流层顶之间的关系将值得探究。
4 总结
GNSS具有各种传统方法所不具备的优越性，将GNSS大气探測数据用于气象监测与预报中，将有助于改善模式初始场，提高预报精度。本文对流层顶在GPS气象学中相关模型进行了简要探讨与综述，对流层顶模型建立与完善值得进一步的详细研究，精确判断对流层顶层的下边界具有十分重要的意义，有助于诠释大气循环和物质能量传输过程。
参考文献：
[1]盛裴轩，毛节泰，等.大气物理学[M].北京：北京出版社，2005.
[2]Yibin Yao，Shuang Zhu，ShunQiang Yue.A globally applicable，season-specific model for estimating the weighted mean temperature of the atmosphere[J].J Geod，2011.doi 10.1007/s00190-012-0568-1.
[3]Xiaohua Xu，Pan Gao，Xiaohong Zhang.Global multiple tropopause features derived from COSMIC radio occultation data during 2007 to 2012，J.Geophys.Res.Atmos.，119，8515-8534，doi：10.1002/2014JD021620.
[4]Janes H W，Langley R B.1991.Analysis of tropospheric delay prediction models：comparisons with ray-tracing and implications for GPS relative positioning.Bull.Geod.，65：151-161.
[5]姚宜斌，刘劲宏，张豹，何畅勇.地表温度与加权平均温度的非线性关系，武汉大学学报信息科学版，2015，39（5）：112-116.