周 羿 王新志,2,3 許 昌

1 南京信息工程大學(xué)遙感與測繪工程學(xué)院,南京市寧六路219號,210044 2 南京信息工程大學(xué)無錫研究院,江蘇省無錫市山河路50號,214101 3 江蘇省協(xié)同精密導(dǎo)航定位與智能應(yīng)用工程研究中心,南京市寧六路219號,210044 4 長大橋梁安全運營應(yīng)用技術(shù)協(xié)同創(chuàng)新中心,杭州市莫干山路1515號,311112 5 浙江交通職業(yè)技術(shù)學(xué)院路橋?qū)W院,杭州市莫干山路1515號,311112

據(jù)中國地震臺網(wǎng)正式測定,當(dāng)?shù)貢r間2023-02-06,土耳其發(fā)生4次地震,其中2次震級高達(dá)7.8。研究表明,地震前后大氣中的水汽含量會出現(xiàn)異常變化[1-5]。大氣可降水總量(total precipitable water, TPW)是表征大氣中水汽含量的重要指標(biāo),而衛(wèi)星遙感是反演TPW的重要手段之一[6-7]。本文首先利用無線探空儀水汽數(shù)據(jù)驗證FY-4A 搭載的AGRI水汽產(chǎn)品的精度;然后利用AGRI水汽產(chǎn)品提取2023-02-06土耳其地震震中區(qū)域的水汽時間序列,并采用多窗譜和小波譜分析方法對TPW時間序列的時頻特征以及背景噪聲進(jìn)行分析;再對震中區(qū)域的水汽時間序列以及不同分層的水汽含量和變化進(jìn)行分析,總結(jié)地震前后的水汽異常變化特征;最后結(jié)合AGRI的降水估計和陸表溫度產(chǎn)品推斷水汽出現(xiàn)異常的可能原因。

1 數(shù)據(jù)與方法

1.1 AGRI水汽產(chǎn)品

AGRI具有較高的探測效率和時空分辨率,能準(zhǔn)確獲取大氣中的水汽總量和分層水汽量[8-9]。利用AGRI水汽產(chǎn)品反演TPW主要采用大氣廓線檢索算法,通過一維變分迭代技術(shù)從衛(wèi)星觀測的原始數(shù)據(jù)中推導(dǎo)出亮溫和水汽廓線,然后利用反演的大氣廓線得到總TPW和分層TPW[10-12],主要計算公式為:

(Pi-Pi+1)

(1)

式中,ρ0為常溫下水的密度,單位kg/m3;g為重力加速度;mi為第i層水汽剖面的混合比;Pi為第i層大氣壓力(i=1時為地面氣壓),單位hPa。由于300 hPa以上的大氣中水汽含量極少,因此通常認(rèn)為Pn=300 hPa。

圖1為地震震中和探空站位置,震中具體信息見表1。由于AGRI受云量影響,往往無法實現(xiàn)小范圍的持續(xù)有效觀測。對此,本文以震中為中心擴大監(jiān)測范圍,直至區(qū)域內(nèi)的水汽有效值數(shù)量滿足每個時段的預(yù)設(shè)要求,然后對監(jiān)測區(qū)的平均水汽進(jìn)行統(tǒng)計,具體流程見圖2。AGRI數(shù)據(jù)由風(fēng)云衛(wèi)星遙感數(shù)據(jù)服務(wù)網(wǎng)提供,AGRI-TPW產(chǎn)品空間分布率為4 km,每日獲取165個監(jiān)測數(shù)據(jù),觀測內(nèi)容包括大氣水汽總量以及邊界層、中層和高層的水汽量等。

表1 2023-02-06土耳其地震震中信息

圖1 震中和探空站位置分布Fig.1 Distribution of epicenters and radiosonde stations

圖2 監(jiān)測區(qū)水汽獲取流程Fig.2 The flow chart of acquiring TPW in the monitoring area

1.2 無線探空儀數(shù)據(jù)

無線探空儀是非?？煽康乃囱菔侄沃籟13-14],其數(shù)據(jù)在每日UTC 00 :00和UTC 12:00更新。本文選用圖1中17196和17351探空站點數(shù)據(jù)作為真值(站點信息見表2),用于驗證AGRI-TPW產(chǎn)品精度。其中,探空數(shù)據(jù)從懷俄明大學(xué)官網(wǎng)下載。反演探空TPW的步驟為先計算各大氣層的比濕,然后對各層比濕進(jìn)行積分[15],具體見式(2)～(4):

表2 探空站信息

(2)

式中,g為重力加速度;n為大氣垂直剖面的層數(shù);Δp為相鄰兩層大氣間的壓力差,單位hPa;qi為該層大氣的比濕。

(3)

式中,p為該層大氣壓;e為水汽壓[16]。

(4)

式中,T為露點溫度,單位K。

1.3 統(tǒng)計指標(biāo)

采用均方根誤差RMSE、平均偏差MB和相關(guān)系數(shù)R評估AGRI-TPW的精度并進(jìn)行誤差分析,計算公式為:

(5)

(6)

(7)

使用方差評價監(jiān)測區(qū)每小時TPW波動程度,計算公式為:

(8)

式中,x為每小時單個監(jiān)測數(shù)據(jù);μ為每小時監(jiān)測數(shù)據(jù)的平均值,單位mm;n為每小時監(jiān)測數(shù)據(jù)的個數(shù)。

2 結(jié)果分析

2.1 AGRI-TPW精度評估

選取2022-11～2023-01 AGRI-TPW產(chǎn)品和探空數(shù)據(jù)作為樣本,經(jīng)時空匹配后(空間差異<0.15°, 時間差異<30 min)得到362個匹配點,兩者散點圖見圖3?？梢钥闯?大部分匹配點集中在1∶1線附近,AGRI-TPW和探空TPW的R達(dá)到0.90,RMSE為2.51 mm,MB僅為-0.06 mm,說明AGRI-TPW和探空TPW表現(xiàn)出較好的一致性,即AGRI能較好地反映監(jiān)測區(qū)大氣中水汽的實際情況。

圖3 AGRI-TPW與探空TPW散點圖Fig.3 Scatter plot of AGRI-TPW and radiosonde TPW

2個探空站點位于監(jiān)測區(qū)內(nèi),距離震中較近。對2023-01-01～02-20探空站點水汽序列進(jìn)行統(tǒng)計(時間間隔為12 h),結(jié)果見圖4?？梢钥闯?2個站點的水汽值在震前1個月呈現(xiàn)反復(fù)升降,其中17351站更明顯;震后,2個站點的水汽值均迅速上升到一個峰值,隨后急劇下降,并在之后的多天內(nèi)相對平穩(wěn)。

圖4 探空數(shù)據(jù)水汽變化時間序列Fig.4 Time series of water vapor changeof radiosonde data

2.2 TPW時間序列時頻特征及背景噪聲分析

分別采用多窗譜(MTM)和小波譜[17]對TPW時間序列的時頻特征以及背景噪聲進(jìn)行分析。為保證分析結(jié)果的可靠性,顯著性檢驗時不僅考慮傳統(tǒng)的一階自回歸(AR1),還顧及多種隨機噪聲,如冪率噪聲(PL)、廣義高斯模型(GGM)[18]、一階自回歸移動平均模型(ARFI1)、Matern隨機過程[19]以及白噪聲等。將上述噪聲作為原假設(shè)噪聲,通過極大似然估計(MLE)結(jié)合AIC準(zhǔn)則,確定TPW背景噪聲為冪率噪聲(譜指數(shù)為-1.77),結(jié)果見圖5?？梢钥闯?TPW存在顯著的時間相關(guān)特征,其噪聲背景為非平穩(wěn)的冪率噪聲,這一發(fā)現(xiàn)罕見于以往的相關(guān)報道。另外,小波譜結(jié)果表明,TPW異常變化特征在2次地震前非常顯著,可排除這些異常現(xiàn)象是由噪聲引起的,從而為后續(xù)分析奠定了基礎(chǔ)。

噪聲背景為冪率噪聲;小波譜橫軸為時間,起始時間為UTC 2023-02-05 00:30;紅色豎線表示2次7.8級地震發(fā)生時刻;小波分析采用Morlet作為母小波,分析結(jié)果剔除影響錐(COI)以外的小波譜圖5 TPW時間序列及其MTM和小波譜顯著性檢驗分析Fig.5 TPW time series and its MTM and wavelet spectrum significance test analysis

2.3 TPW時間序列分析

圖6(a)為2023-02-05～07 AGRI-TPW變化情況,時間間隔最低可達(dá)4 min,圖中垂直虛線為4次地震發(fā)生的時刻;圖6(b)為每小時內(nèi)TPW的方差變化?？梢钥闯?02-05水汽方差變化范圍為0.001～0.057 mm,說明水汽波動較小,且呈上升趨勢,上升幅度約2 mm。02-06 00:00～01:00水汽方差上升至0.156 mm,說明臨近第1次和第2次地震時,水汽波動程度加劇,隨后在03:00～04:00水汽方差達(dá)到1.162 mm。從圖6(a)可知,這是一個陡升-陡降的過程,在下降過程結(jié)束后,水汽趨于平穩(wěn)狀態(tài)(方差<0.011 mm);在09:00～13:00(即第3、4次地震發(fā)生前后),水汽方差又上升至0.029～0.078 mm,隨后在15:00～16:00達(dá)到第2個方差高值0.503 mm,對應(yīng)圖6(a)中仍然是一個陡升-陡降過程,之后水汽恢復(fù)相對平穩(wěn)狀態(tài)。02-07水汽呈平緩下降趨勢,但方差整體較02-05略高。

圖6 02-05～07 AGRI-TPW及其方差時間序列Fig.6 AGRI-TPW and its variance time series from February 5 to 7

AGRI還能實現(xiàn)垂直分層水汽觀測。本文對02-06水汽進(jìn)行分層提取,結(jié)果見圖7。從水汽含量來看,中層>邊界層>高層。從水汽波動程度來看,邊界層水汽波動最明顯,接近圖7(a)水汽總量變化趨勢,擁有2個陡峰;中層水汽表現(xiàn)最平穩(wěn),僅在第1次和第2次地震前后波動較明顯,之后水汽保持較平穩(wěn)狀態(tài);高層水汽在第2次地震結(jié)束后先呈上升趨勢,隨后不斷下降至最低值。高層水汽變化趨勢與圖7(a)差異最大,根據(jù)中層和邊界層水汽變化情況推斷,出現(xiàn)這種現(xiàn)象的原因可能為地震后高層水汽開始下沉并不斷向邊界層聚攏。

圖7 02-06 AGRI分層水汽變化時間序列Fig.7 Time series of AGRI stratified water vapor change on February 6

綜上可知,在高時間分辨率的水汽監(jiān)測下,每次地震前后均出現(xiàn)水汽異常現(xiàn)象。地震后水汽急劇上升可能與震中區(qū)熱作用增強有關(guān),地震往往伴隨著陸表溫度的異常升高,地面水分迅速蒸發(fā),同時還有部分地下水汽沿裂縫進(jìn)入空氣[20-21]。這些水汽上升到一定高值時會形成降水,從而導(dǎo)致大氣中水汽含量急劇下降,這也是震后常常出現(xiàn)暴雨的原因[22-23]。對此,本文利用AGRI數(shù)據(jù)對監(jiān)測區(qū)02-06陸表溫度(land surface temperature, LST)和降水估計(quantitative precipitation estimationI, QPE)進(jìn)行統(tǒng)計,結(jié)果見圖8。從圖8(a)可以看出,第1次MS7.8地震后LST陡升5.27 K,隨后又下降至268.57 K,這個過程對應(yīng)圖7(a)中第1個水汽陡升開始階段;在04:00,LST繼續(xù)上升,且上升時間和幅度較大,可能是因為當(dāng)?shù)靥柛叨冉情_始增加(即日出),從而導(dǎo)致地面溫度升高。從圖8(b)可以看出,03:00時QPE開始呈上升趨勢,最高可達(dá)到0.361 8 mm,在第3次地震前QPE有所下降,第4次地震后QPE又繼續(xù)上升,約16:00達(dá)到峰值(對應(yīng)水汽含量的低谷)。

3 結(jié) 語

本文利用FY-4A ARGI和探空數(shù)據(jù)對2023-02-06土耳其地震前后水汽變化進(jìn)行研究,得到以下結(jié)論:

1)利用監(jiān)測區(qū)內(nèi)的2個探空站點對AGRI-TPW精度進(jìn)行驗證,得到兩者相關(guān)系數(shù)為0.90,均方根誤差和平均偏差分別為2.51 mm和-0.06 mm,說明AGRI反演的TPW與探空TPW具有較高的一致性。

2)根據(jù)AGRI反演的TPW監(jiān)測結(jié)果可知,臨近地震前,水汽方差上升,水汽開始異常波動;震后2～3 h內(nèi)水汽不斷積聚上升,形成明顯的波峰,隨后急劇下降。

3)通過AGRI的陸表溫度和降水估計產(chǎn)品,推斷震后水汽異常變化的原因可能為地震后地面熱作用增強導(dǎo)致水汽上升,在到達(dá)峰值時形成降水,且降水持續(xù)時間較長。