首页 > 论文范文 > 自然科学论文 > 地质学论文 > 地质灾害论文 > 基于FY-4A AGRI数据研究2023-02-06土耳其地震水汽异常变化

基于FY-4A AGRI数据研究2023-02-06土耳其地震水汽异常变化

2023-11-29 51 上传者：管理员

摘要：首先利用探空数据对风云四号气象卫星A星(FY-4A)先进的静止轨道辐射成像仪(AGRI)提供的水汽产品进行精度验证；然后利用AGRI获取2023-02-06土耳其地震震中区域水汽、陆表温度和降水估计的时间序列，并对水汽异常变化特征进行分析。结果表明：1) AGRI水汽和探空水汽的相关系数为0.90,RMSE和平均bias分别为2.51 mm和-0.06 mm; 2)临震时，AGRI水汽方差上升至0.029～0.156 mm,波动加剧；震后，AGRI水汽出现一个明显的陡升-陡降过程；3)基于AGRI陆表温度和降水估计，推断出现水汽异常变化的原因可能是地震后地面热作用增加使得水汽上升，在峰值时形成降水，导致水汽急剧下降。

关键词：
FY-4A AGRI
土耳其地震
探空
水汽
陆表温度
降水估计
加入收藏

据中国地震台网正式测定，当地时间2023-02-06,土耳其发生4次地震，其中2次震级高达7.8。研究表明，地震前后大气中的水汽含量会出现异常变化[1,2,3,4,5]。大气可降水总量(total precipitable water, TPW)是表征大气中水汽含量的重要指标，而卫星遥感是反演TPW的重要手段之一[6,7]。本文首先利用无线探空仪水汽数据验证FY-4A 搭载的AGRI水汽产品的精度；然后利用AGRI水汽产品提取2023-02-06土耳其地震震中区域的水汽时间序列，并采用多窗谱和小波谱分析方法对TPW时间序列的时频特征以及背景噪声进行分析；再对震中区域的水汽时间序列以及不同分层的水汽含量和变化进行分析，总结地震前后的水汽异常变化特征；最后结合AGRI的降水估计和陆表温度产品推断水汽出现异常的可能原因。

1、数据与方法

1.1 AGRI水汽产品

AGRI具有较高的探测效率和时空分辨率，能准确获取大气中的水汽总量和分层水汽量[8,9]。利用AGRI水汽产品反演TPW主要采用大气廓线检索算法，通过一维变分迭代技术从卫星观测的原始数据中推导出亮温和水汽廓线，然后利用反演的大气廓线得到总TPW和分层TPW[10,11,12],主要计算公式为：

TPW=10ρ0g∑i=1n0.5(mi+1+mi)⋅(Pi−Pi+1) (1)

式中，ρ0为常温下水的密度，单位kg/m3;g为重力加速度；mi为第i层水汽剖面的混合比；Pi为第i层大气压力(i=1时为地面气压),单位hPa。由于300 hPa以上的大气中水汽含量极少，因此通常认为Pn=300 hPa。

图1为地震震中和探空站位置，震中具体信息见表1。由于AGRI受云量影响，往往无法实现小范围的持续有效观测。对此，本文以震中为中心扩大监测范围，直至区域内的水汽有效值数量满足每个时段的预设要求，然后对监测区的平均水汽进行统计，具体流程见图2。AGRI数据由风云卫星遥感数据服务网提供，AGRI-TPW产品空间分布率为4 km, 每日获取165个监测数据，观测内容包括大气水汽总量以及边界层、中层和高层的水汽量等。

图1 震中和探空站位置分布

表1 2023-02-06土耳其地震震中信息

图2 监测区水汽获取流程

1.2 无线探空仪数据

无线探空仪是非常可靠的水汽反演手段之一[13,14],其数据在每日UTC 00 :00和UTC 12:00更新。本文选用图1中17196和17351探空站点数据作为真值(站点信息见表2),用于验证AGRI-TPW产品精度。其中，探空数据从怀俄明大学官网下载。反演探空TPW的步骤为先计算各大气层的比湿，然后对各层比湿进行积分[15],具体见式(2)～(4):

TPWR=1g∑i=1nqiΔp (2)

式中，g为重力加速度；n为大气垂直剖面的层数；Δp为相邻两层大气间的压力差，单位hPa; qi为该层大气的比湿。

q=0.662ep−0.378e (3)

式中，p为该层大气压；e为水汽压[16]。

e=6.112exp(17.67TT+243.15) (4)

式中，T为露点温度，单位K。

表2 探空站信息

1.3 统计指标

采用均方根误差RMSE、平均偏差MB和相关系数R评估AGRI-TPW的精度并进行误差分析，计算公式为：

RMSE=∑i=1N(Si−Ii)2N−−−−−−−−⎷ (5)

MB=∑i=1N(Si−Ii)N (6)

R=∑i=1N(Si−S¯¯i)(Ii−I¯i)∑i=1N(Si−S¯¯i)2∑i=1N(Ii−I¯i)2⎷ (7)

式中，S为AGRI-TPW;I为探空TPW;S¯¯i和I¯

i分别为AGRI-TPW和探空TPW的平均值，单位mm; N为样本总量。

使用方差评价监测区每小时TPW波动程度，计算公式为：

Dx=∑i=1n(xi−μ)2n (8)

式中，x为每小时单个监测数据；μ为每小时监测数据的平均值，单位mm; n为每小时监测数据的个数。

2、结果分析

2.1 AGRI-TPW精度评估

选取2022-11～2023-01 AGRI-TPW产品和探空数据作为样本，经时空匹配后(空间差异<0.15°, 时间差异<30 min)得到362个匹配点，两者散点图见图3。可以看出，大部分匹配点集中在1∶1线附近，AGRI-TPW和探空TPW的R达到0.90,RMSE为2.51 mm, MB仅为-0.06 mm, 说明AGRI-TPW和探空TPW表现出较好的一致性，即AGRI能较好地反映监测区大气中水汽的实际情况。

图3 AGRI-TPW与探空TPW散点图

2个探空站点位于监测区内，距离震中较近。对2023-01-01～02-20探空站点水汽序列进行统计(时间间隔为12 h),结果见图4。可以看出，2个站点的水汽值在震前1个月呈现反复升降，其中17351站更明显；震后，2个站点的水汽值均迅速上升到一个峰值，随后急剧下降，并在之后的多天内相对平稳。

图4 探空数据水汽变化时间序列

2.2 TPW时间序列时频特征及背景噪声分析

分别采用多窗谱(MTM)和小波谱[17]对TPW时间序列的时频特征以及背景噪声进行分析。为保证分析结果的可靠性，显著性检验时不仅考虑传统的一阶自回归(AR1),还顾及多种随机噪声，如幂率噪声(PL)、广义高斯模型(GGM)[18]、一阶自回归移动平均模型(ARFI1)、Matern随机过程[19]以及白噪声等。将上述噪声作为原假设噪声，通过极大似然估计(MLE)结合AIC准则，确定TPW背景噪声为幂率噪声(谱指数为-1.77),结果见图5。可以看出，TPW存在显著的时间相关特征，其噪声背景为非平稳的幂率噪声，这一发现罕见于以往的相关报道。另外，小波谱结果表明，TPW异常变化特征在2次地震前非常显著，可排除这些异常现象是由噪声引起的，从而为后续分析奠定了基础。

图5 TPW时间序列及其MTM和小波谱显著性检验分析

噪声背景为幂率噪声；小波谱横轴为时间，起始时间为UTC 2023-02-05 00:30;红色竖线表示2次7.8级地震发生时刻；小波分析采用Morlet作为母小波，分析结果剔除影响锥(COI)以外的小波谱

2.3 TPW时间序列分析

图6(a)为2023-02-05～07 AGRI-TPW变化情况，时间间隔最低可达4 min, 图中垂直虚线为4次地震发生的时刻；图6(b)为每小时内TPW的方差变化。可以看出，02-05水汽方差变化范围为0.001～0.057 mm, 说明水汽波动较小，且呈上升趋势，上升幅度约2 mm。02-06 00:00～01:00水汽方差上升至0.156 mm, 说明临近第1次和第2次地震时，水汽波动程度加剧，随后在03:00～04:00水汽方差达到1.162 mm。从图6(a)可知，这是一个陡升-陡降的过程，在下降过程结束后，水汽趋于平稳状态(方差<0.011 mm);在09:00～13:00(即第3、4次地震发生前后),水汽方差又上升至0.029～0.078 mm, 随后在15:00～16:00达到第2个方差高值0.503 mm, 对应图6(a)中仍然是一个陡升-陡降过程，之后水汽恢复相对平稳状态。02-07水汽呈平缓下降趋势，但方差整体较02-05略高。

图6 02-05～07 AGRI-TPW及其方差时间序列

AGRI还能实现垂直分层水汽观测。本文对02-06水汽进行分层提取，结果见图7。从水汽含量来看，中层>边界层>高层。从水汽波动程度来看，边界层水汽波动最明显，接近图7(a)水汽总量变化趋势，拥有2个陡峰；中层水汽表现最平稳，仅在第1次和第2次地震前后波动较明显，之后水汽保持较平稳状态；高层水汽在第2次地震结束后先呈上升趋势，随后不断下降至最低值。高层水汽变化趋势与图7(a)差异最大，根据中层和边界层水汽变化情况推断，出现这种现象的原因可能为地震后高层水汽开始下沉并不断向边界层聚拢。

图7 02-06 AGRI分层水汽变化时间序列

综上可知，在高时间分辨率的水汽监测下，每次地震前后均出现水汽异常现象。地震后水汽急剧上升可能与震中区热作用增强有关，地震往往伴随着陆表温度的异常升高，地面水分迅速蒸发，同时还有部分地下水汽沿裂缝进入空气[20,21]。这些水汽上升到一定高值时会形成降水，从而导致大气中水汽含量急剧下降，这也是震后常常出现暴雨的原因[22,23]。对此，本文利用AGRI数据对监测区02-06陆表温度(land surface temperature, LST)和降水估计(quantitative precipitation estimationI, QPE)进行统计，结果见图8。从图8(a)可以看出，第1次MS7.8地震后LST陡升5.27 K,随后又下降至268.57 K,这个过程对应图7(a)中第1个水汽陡升开始阶段；在04:00,LST继续上升，且上升时间和幅度较大，可能是因为当地太阳高度角开始增加(即日出),从而导致地面温度升高。从图8(b)可以看出，03:00时QPE开始呈上升趋势，最高可达到0.361 8 mm, 在第3次地震前QPE有所下降，第4次地震后QPE又继续上升，约16:00达到峰值(对应水汽含量的低谷)。

图8 02-06 AGRI陆表温度和降水估计时间序列

3、结语

本文利用FY-4A ARGI和探空数据对2023-02-06土耳其地震前后水汽变化进行研究，得到以下结论：

1)利用监测区内的2个探空站点对AGRI-TPW精度进行验证，得到两者相关系数为0.90,均方根误差和平均偏差分别为2.51 mm和-0.06 mm, 说明AGRI反演的TPW与探空TPW具有较高的一致性。

2)根据AGRI反演的TPW监测结果可知，临近地震前，水汽方差上升，水汽开始异常波动；震后2～3 h内水汽不断积聚上升，形成明显的波峰，随后急剧下降。

3)通过AGRI的陆表温度和降水估计产品，推断震后水汽异常变化的原因可能为地震后地面热作用增强导致水汽上升，在到达峰值时形成降水，且降水持续时间较长。

参考文献:

[2]邓志辉,陈梅花,杨竹转,等.芦山地震､汶川地震与龙门山地区水汽异常[J].地震地质,2014,36(3):658-666

[3]王勇,任栋,娄泽生,等.地震后水汽异常变化初探[J].大地测量与地球动力学,2019,39(9):881-883

[5]陈梅花,邓志辉,马晓静,等.强地震前水汽中长期异常变化特征研究[J].地震地质,2011,33(3):549-559

[14]魏浩林,魏冠军,戴嵩,等.兰州市大气水汽含量及其时空特征分析[J].遥感信息,2021,36(4):68-75

[15]唐仁茂,陈英英,叶建元.探空､地面及卫星资料反演水汽含量的比较[J].气象科学,2010,30(3):373-377