王宏斌,主要从事大气环境和遥感观测研究.Email:
2018年3月28—30日、6月20—26日和9月5—13日在江苏省盐城市射阳站开展了旋翼无人机大气边界层垂直结构观测试验,并与L波段雷达探空资料进行对比,验证无人机观测资料精度。结果表明无人机观测的温度、相对湿度、风向、风速廓线与探空观测资料具有较好的一致性。二者温度、相对湿度的相关系数均为0.98,温度绝对偏差为0.57℃,相对湿度绝对偏差为4.25%,风向相关系数为0.98,绝对偏差为11.5°,二者风速的相关系数为0.91,绝对偏差为1.88 m·s-1,且无人机探测的风速为对应高度上的瞬时风速,可以更好地反映出边界层内风速细节变化特征。试验期间,无人机观测到一次夏季浓雾过程边界层结构细致变化特征,其观测的雾的边界层结构特征和宏观特征与探空观测基本一致。验证结果表明无人机在边界层气象观测中具有很好的应用前景。
Three experiments of boundary-layer meteorological profiles observed by rotorcraft unmanned aerial vehicle (UAV) were carried out in spring (28-30 March), summer (20-26 June) and autumn (5-13 September) 2018 respectively in Sheyang Station of Yancheng, Jiangsu Province, and compared with L-band radar sounding data to verify the accuracy of UAV observation data. The results show that the observation data of temperature, relative humidity, wind direction and wind speed vertical profile measured by UAV are in good agreement with the observation data of the L-band radar sounding data. The correlation coefficients of temperature (
大气垂直观测是综合气象观测的重要组成部分,特别是大气边界层的垂直观测,不仅是数值预报模式、地气交换等理论研究的数据基础,还在生态文明建设、大气污染防治、城市规划等实际应用上具有重要的参考价值(
利用无人机进行大气边界层的垂直观测具有独特的优势。近年来,基于旋翼无人机平台的大气边界层廓线观测开始发展,并具有多方面优势(
本文利用自主研发的无人机边界层气象综合探测系统于2018年3、6和9月在江苏省盐城市5个气象站点开展试验,并与射阳站(58150)L波段雷达探空资料进行对比分析,验证了无人机观测误差及其应用前景。
自主研发集成的无人机边界层气象综合探测系统可进行从地表到1500 m高度内温度、湿度和风的廓线和它们的短期变化的测量,主要包括气象传感器、无人机平台和地面站等部分。实现了无人机状态数据与气象环境数据的统一输出,每秒进行一次测量,垂直上升速度通常在150~200 m·min-1,保证了2.5~3 m的垂直分辨率,以获得更详尽的廓线数据。其中传感器集成了温、湿、压、风向、风速五要素,参考世界气象组织关于边界层气象观测的要求,气压、温度、湿度传感器设计上沿用探空观测体制,传感器兼具高灵敏度和准确度,风向、风速采用压力式固态传感器,可实现1~10 Hz采样速率的瞬时风向、风速测量。结构布局充分考虑旋翼扰流的影响,传感器架设在机臂高度以上60 cm处,使用三根支柱的结构以保证支撑稳定,避免产生共振。
无人机边界层气象综合探测系统传感器参数
Sensor parameters of UAV boundary layer meteorological comprehensive observation system
要素 | 工作范围 | 分辨率 |
气压/hPa | 1050~500 | 0.1 |
温度/℃ | -40~40 | 0.1 |
湿度/% | 10~100 | 1 |
风速/(m·s-1) | 0.5~60 | 0.1 |
风向/(°) | 0~360 | 1 |
利用无人机分别于2018年3月28—30日、6月20—26日、9月5—13日在江苏省盐城市射阳站(58150)开展了与L波段雷达探空的对比观测试验,同时6月22—26日、9月5—13日在盐城市滨海站(58049)、阜宁站(58143)、建湖站(58146)、大丰站(58158)和射阳站(58150)开展无人机组网观测试验,每日07:30、10:30、13:30、16:30和19:30在5个站点5台无人机同时开始观测,获得同时次5个站点的温度(
无人机组网观测站点地理位置分布
Location distribution of UAV observation stations
无人机观测站点信息和时段及无人机飞行参数
The information of UAV observation stations and flying parameters
站点 | 站号 | 纬度/°N | 经度/°E | 海拔高度/m | 观测时段 | 垂直速度/(m·s-1) | 时间分辨率/s | |
上升 | 下降 | |||||||
射阳 | 58150 | 33.767 | 120.250 | 1.8 | 3月28—30日 |
3 | 2 | 1 |
滨海 | 58049 | 34.033 | 119.817 | 4.1 | 6月22—26日 |
3 | 2 | 1 |
阜宁 | 58143 | 33.800 | 119.850 | 4.8 | 6月22—26日 |
3 | 2 | 1 |
建湖 | 58146 | 33.483 | 119.800 | 2.7 | 6月22—26日 |
3 | 2 | 1 |
大丰 | 58158 | 33.200 | 120.483 | 3.1 | 6月22—26日 |
3 | 2 | 1 |
射阳站为全国120个L波段雷达探空站之一,选择无人机观测时间同时次的L波段雷达秒级探空资料作为无人机观测数据对比的真值,对无人机垂直观测数据精度进行验证。L波段雷达探空观测放球开始时间一般为每日07:15和19:15,选择07:30和19:30时次的无人机观测数据进行对比验证。L波段雷达探空数据采集间隔为1 s,垂直分辨率为5~8 m。
为方便无人机观测数据与探空数据的对比,将两种数据的垂直分辨率重采样为6 m,共有24个同时观测的廓线进行对比。
射阳站无人机观测数据与L波段雷达探空数据对比(a)温度,(b)相对湿度,(c)风向,(d)风速
Comparison of temperature (a), relative humidity (b), wind direction (c) and speed (d) of UAV and L-band radar sounding
无人机观测与L波段雷达探空观测的温度、相对湿度、风向、风速对比统计参数
Statistics of comparison parameters of temperature, relative humidity, wind direction and speed of UAV and L-band radar sounding
观测要素 | 相关系数 | 偏差平均值 | 偏差中值 | 绝对偏差 | 均方根误差 | 25%分位数 | 75%分位数 | 5%分位数 | 95%分位数 |
0.98 | 0.25 | 0.05 | 0.57 | 0.76 | -0.27 | 0.43 | -0.68 | 2.46 | |
0.98 | -0.08 | -0.98 | 4.25 | 5.53 | -3.52 | 3.42 | -7.82 | 8.46 | |
0.98 | 0.1 | 1.0 | 11.5 | 15.5 | -10.0 | 8.0 | -24.0 | 23.0 | |
0.91 | 1.83 | 1.80 | 1.88 | 2.18 | 1.10 | 2.50 | 0.10 | 4.00 |
无人机和探空观测温度的相关系数为0.98,二者温度偏差的平均值、中值、绝对偏差和均方根误差分别为0.25、0.05、0.57和0.76℃,偏差第25%、75%、5%和95%分位数分别为-0.27,0.43、-0.68和2.46℃,表明无人机温度的观测与探空观测值一致性较好。
无人机和探空观测相对湿度的相关系数为0.98,二者相对湿度偏差平均值、中值、绝对偏差和均方根误差分别为-0.08%、-0.98%、4.25%和5.53%,偏差的25%、75%、5%和95%分位数分别为-3.52%、3.42%、-7.82%和8.46%,表明无人机相对湿度的观测与探空观测值一致性较好。
无人机和探空观测风向的相关系数为0.98,二者风向偏差平均值、中值、绝对偏差和均方根误差分别为0.1°、1.0°、11.5°、15.5°,偏差的25%、75%、5%和95%分位数分别为-10.0°、8.0°、-24.0°和23.0°。以气象上常用的16方位风向计算,二者风向落在同一方向上的比例占80.2%。风向对比图中左上角和右下角的点是由于风向由360°转0°(或0°转360°)数值变化导致的,风向差并不大,在计算相关系数等参数时,对二者之差绝对值大于180°的情况,进行订正后再计算。
从二者风速的对比图可以看到,无人机观测的风速较探空气球观测的风速存在系统性偏大(偏大1.8 m·s-1左右),二者的相关系数为0.91,偏差平均值、中值、绝对偏差和均方根误差分别为1.83、1.80、1.88和2.18 m·s-1,偏差的25%、75%、5%和95%分位数分别为1.10、2.50、0.10和4.00 m·s-1。这一系统性的偏差除无人机观测风速误差以外,还有二者的观测方式不同导致的偏差。无人机采用测风传感器直接测量当前时刻风速,而根据
2018年6月24日19:41射阳站无人机观测数据与探空数据对比(a)温度和相对湿度,(b)风速和风向
Comparison of observation data of UAV and L-band radar sounding at 19:41 BT 24 June 2018 (a) temperature and relative humidity, (b) wind speed and wind direction
无人机上升阶段(a~d)和下降阶段(e~h)观测与L波段雷达探空观测的每层的温度(a, e)、相对湿度(b, f)、风向(c, g)、风速(d, h)偏差平均值(彩色线)和均方根误差(灰色阴影)
The mean deviation (color lines) and root mean square error (gray shaded) of the
综上所述,无人机观测的温度、相对湿度、风向和风速廓线与探空观测具有较好的一致性,数据准确度满足使用要求。
2018年6月21日凌晨到早上江苏省盐城、淮安、宿迁、连云港、徐州等地发生浓雾,特别是盐城市射阳站和大丰站出现能见度低于200 m的强浓雾,射阳站、大丰站最低能见度(出现时刻)分别为113 m (05:55)、41 m(03:30,特强浓雾)。
2018年6月20日20时至21日12时射阳站(a)和大丰站(b)能见度(a1, b1)、温度和相对湿度(a2, b2)、风向和风速(a3, b3)时间变化
Time series of (a1, b1) visibility, (a2, b2) temperature, relative humidity, (a3, b3) wind direction, wind speed at Sheyang Station (a) and Dafeng Station (b) from 20:00 BT 20 to 12:00 BT 21 June 2018
这次雾过程及其前后在射阳站共进行了6次无人机观测,雾发生前6月20日19:23进行了一次观测,6月21日早上雾消散前后进行了4次观测(起飞时间06:22、06:50、07:35、08:09),其中06:22和08:09的飞行高度为1000 m,21日午后进行了一次观测(13:21),
2018年6月20日19:23(a)、21日06:22(b)、06:50(c)、07:35(d)、08:09(e)、13:21(f)无人机起飞观测的温度、湿度、风向、风速廓线
Profiles of temperature, relative humidity, wind direction and wind speed by UAV observation (a) 19:23 BT 20, (b) 06:22 BT, (c) 06:50 BT, (d) 07:35 BT, (e) 08:09 BT, (f) 13:21 BT 21 June 2018
由
21日06:22,此时能见度降到192 m,为强浓雾,无人机观测的廓线上在230 m以下相对湿度达到100%,为饱和层,即雾顶高度为230 m。在0~270 m存在逆温层,温度由19.5℃上升到22.3℃,逆温强度为1.0℃·(100 m)-1,逆温层的存在有助于雾的形成和维持,雾层也位于这一逆温层内。雾层内风速均小于3 m·s-1,地面为静风;从雾顶到600 m高度,这一层相对湿度在80%~90%,风向为偏北风,风速增大到6~8 m·s-1;600~800 m风向由偏北风转为偏东风,800~1000 m风稳定为偏东风,风速由1~2 m·s-1再次增大到6~8 m·s-1。
半小时后,06:50,此时能见度为176 m,由于太阳辐射加热作用,饱和层(雾顶高度)降低到150 m,同时150~520 m仍存在相对湿度较大(80%~90%)的一层,520 m以上相对湿度迅速降到40%以下。0~266 m为逆温层,温度由20.6℃上升到22.6℃,逆温强度仍为1.0℃·(100 m)-1。风随高度的变化与06:22观测时相似。
45 min后,07:35,能见度上升到510 m,5 min后能见度持续上升到1000 m以上,可见此时为大雾即将消散的临界时刻。无人机和探空观测的雾顶高度分别为173和193 m,结果基本一致。此时由于太阳辐射作用继续加强,地表温度快速上升,从地面到70 m温度随高度减小,即逆温从地面开始消失。70~210 m为一逆温层,温度由20.8℃上升到22.4℃,逆温强度仍为1.0℃·(100 m)-1,可见逆温层底高度被抬升,逆温顶高度降低,逆温厚度减小。湿度减小到100%以下,0~160 m相对湿度在90%以上,160~570 m相对湿度在80%~90%,570 m以上相对湿度迅速下降到40%以下。此时底层风普遍为2~3 m·s-1,较06:50时(1~2 m·s-1)增大,在200~600 m转为偏北风增大到6~7 m·s-1,在800~1000 m转为偏东风再次增大到7~9 m·s-1。
到08:09,此时能见度为3432 m,底层逆温层消失,0~300 m为一等温层,温度在22.7±0.2 ℃,300~540 m温度随高度递减,540~600 m高度上存在逆温层,之上到1000 m为等温层。湿度的大值区也集中在540 m之下,540 m以上相对湿度迅速减小。可见,随着逆温层的减小直到消失,雾随之消散。
到午后13:21,除在750 m高度上有一薄逆温层,其他高度温度均随高度递减;湿度在750 m以下在40%以上,750 m以上降低到30%以下。
可见,无人机观测获取的雾的边界层结构特征和雾的宏观特征与探空观测基本一致,有助于对雾的生消机制的理解和认识。
利用L波段雷达探空和地面自动站资料对基于旋翼无人机的边界层气象环境观测数据精度进行了验证,并利用无人机观测资料对一次夏季浓雾过程边界层结构特征进行了分析,也进一步验证了无人机边界层廓线观测的可靠性。
(1) 无人机观测的温度、相对湿度、风向、风速廓线与探空观测具有较好的一致性,数据准确度满足使用要求。二者温度、湿度的相关系数均为0.98,温度绝对偏差为0.57℃,湿度绝对偏差为4.25%,风向绝对偏差为11.5°,二者风速的相关系数为0.91,绝对偏差为1.88 m·s-1,且无人机探测的风速为对应高度上的瞬时风速,可以更好地反映出边界层内风速细节变化特征。
(2) 无人机观测到一次夏季浓雾过程边界层结构变化特征。无人机观测获取的雾的边界层结构特征和宏观特征与探空观测基本一致。
(3) 无人机采取“直上直下”的垂直观测方式,而探空气球释放后上升过程中随气流漂浮,二者观测目标并不完全相同也是二者对比结果不完全一致的原因之一。
奥银焕, 吕世华, 陈世强, 等, 2005.夏季金塔绿洲及邻近戈壁的冷湿舌及边界层特征分析[J].高原气象, 24(4):503-508.
Ao Y H, Lü S H, Chen S Q, et al, 2005.Analyses of cold-wet tongue and boundary layer characteristic inside and outside of Jinta Oasis[J].Plateau Meteor, 24(4):503-508(in Chinese).
卞林根, 程彦杰, 王欣, 等, 2002.北京大气边界层中风和温度廓线的观测研究[J].应用气象学报, 13(S1):13-25.
Bian L G, Cheng Y J, Wang X, et al, 2002.Observational study of wind and tempe-rature profiles of urban boundary layer in Beijing winter[J].J Appl Meteor Sci, 13(S1):13-25(in Chinese).
陈洪滨, 郑国光, 2005.基于商用运输平台的流动大气和环境监测系统[J].地球科学进展, 20(5):520-524.
Chen H B, Zheng G G, 2005.Mobile systems for monitoring the atmosphere and its environments based on commercial transport platforms[J].Adv Earth Sci, 20(5):520-524(in Chinese).
郭丽君, 郭学良, 2015.利用地基多通道微波辐射计遥感反演华北持续性大雾天气温、湿度廓线的检验研究[J].气象学报, 73(2):368-381.
Guo L J, Guo X L, 2015.Verification study of the atmospheric temperature and humidity profiles retrieved from the ground-based multi-channels microwave radiometer for persistent foggy weather events in northern China[J].Acta Meteor Sin, 73(2):368-381(in Chinese).
郭启云, 杨荣康, 钱媛, 等, 2018.气球携带探空仪上升和降落伞携带探空仪下降的全程探空对比分析[J].气象, 44(8):1094-1103.
Guo Q Y, Yang R K, Qian Y, et al, 2018.Full-range sounding comparison analysis of balloon borne rdiosonde rising and parachute carrying radiosonde descending[J].Meteor Mon, 44(8):1094-1103(in Chinese).
韩珏靖, 陈飞, 张臻, 等, 2015.MP-3000A型地基微波辐射计的资料质量评估和探测特征分析[J].气象, 41(2):226-233.
Han J J, Chen F, Zhang Z, et al, 2015.Assessment and characteristics of MP-3000A ground-based microwave radiometer[J].Meteor Mon, 41(2):226-233(in Chinese).
胡非, 洪钟祥, 雷孝恩, 2003.大气边界层和大气环境研究进展[J].大气科学, 27(4):712-728.
Hu F, Hong Z X, Lei X E, 2003.Recent progress of atmospheric boundary layer physics and atmospheric environment research in IAP[J].Chin J Atmos Sci, 27(4):712-728(in Chinese).
黄治勇, 徐桂荣, 王晓芳, 等, 2014.基于地基微波辐射计资料对咸宁两次冰雹天气的观测分析[J].气象, 40(2):216-222.
Huang Z Y, Xu G R, Wang X F, et al, 2014.Analysis on two hailstorm events in Xianning based on observations of ground based microwave radiometer[J].Meteor Mon, 40(2):216-222(in Chinese).
李子华, 黄建平, 周毓荃, 等, 1999.1996年南京连续5天浓雾的物理结构特征[J].气象学报, 57(5):622-631.
Li Z H, Huang J P, Zhou Y Q, et al, 1999.Physical structures of the five-day sustained fog around Nanjing in 1996[J].Acta Meteor Sin, 57(5):622-631(in Chinese).
刘超, 花丛, 张恒德, 等, 2017.L波段探空雷达秒数据在污染天气边界层分析中的应用[J].气象, 43(5):591-597.
Liu C, Hua C, Zhang H D, et al, 2017.Application of L-band radar sounding data in analyzing polluted weather boundary layer[J].Meteor Mon, 43(5):591-597(in Chinese).
刘梦娟, 刘舜, 2016.上海组网风廓线雷达数据质量评估[J].气象, 42(8):962-970.
Liu M J, Liu S, 2016.Evaluation of wind profiler network data in Shanghai[J].Meteor Mon, 42(8):962-970(in Chinese).
陆春松, 牛生杰, 杨军, 等, 2010.南京冬季一次雾过程宏微观结构的突变特征及成因分析[J].大气科学, 34(4):681-690.
Lu C S, Niu S J, Yang J, et al, 2010.Jump features and causes of macro and microphysical structures of a winter fog in Nanjing[J].Chin J Atmos Sci, 34(4):681-690(in Chinese).
马舒庆, 赵志强, 邢毅, 2005.VAISALA探空技术及中国探空技术的发展[J].气象科技, 33(5):390-393.
Ma S Q, Zhao Z Q, Xing Y, 2005.VAISALA's radiosonde technology and advancement in radiosonde technology in China[J].Meteor Sci Technol, 33(5):390-393(in Chinese).
沈怀荣, 2010.无人机气象探测技术[M].北京:清华大学出版社.
Shen H R, 2010.UAV Meteorological Observation Technology[M].Beijing:Tsinghua University Press(in Chinese).
沈怀荣, 邵琼玲, 王盛军, 2006.基于微小型无人机的气象探测有效载荷研究[J].装备指挥技术学院学报, 17(5):102-106.
Shen H R, Shao Q L, Wang S J, 2006.Research on the meteorological-exploring payload based on a Min-UAV[J].J Acad Equip Command Technol, 17(5):102-106(in Chinese).
史静, 姜明, 姚巍, 等, 2018.基于微型多旋翼无人机的气象及环境监测系统设计[J].气象水文海洋仪器, 35(1):47-51.
Shi J, Jiang M, Yao W, et al, 2018.Design of meteorological and environmental monitoring system based on micro multi rotor UAV[J].Meteor, Hydrol Marine Instrum, 35(1):47-51(in Chinese).
杨晓亮, 杨敏, 李江波, 等, 2018.一次太行山焚风对霾强度的影响分析[J].气象, 44(2):313-319.
Yang X L, Yang M, Li J B, et al, 2018.Impact analysis of a Taihang Mountain fohn on haze intensity[J].Meteor Mon, 44(2):313-319(in Chinese).
叶笃正, 1977.探空资料的应用(二)[J].气象, 3(12):21-23.
Ye D Z, 1977.Application of radiosonde data(Ⅱ)[J].Meteor Mon, 3(12):21-23(in Chinese).
余君, 李庆祥, 廖捷, 等, 2016.中国区域高空三种气温、湿度资料交叉对比[J].气象, 42(6):743-755.
Yu J, Li Q X, Liao J, et al, 2016.Cross comparison of three kinds of upper air temperature and humidity data over China[J].Meteor Mon, 42(6):743-755(in Chinese).
张思齐, 郭艳君, 王国复, 2018.中国探空观测与第3代再分析大气湿度资料的对比研究[J].气象学报, 76(2):289-303.
Zhang S Q, Guo Y J, Wang G F, 2018.A comparative study of atmospheric humidity over China between radiosonde and the third generation reanalysis datasets[J].Acta Meteor Sin, 76(2):289-303(in Chinese).
中国气象局监测网络司, 2005.L波段(1型)高空气象探测系统业务操作手册[M].北京:气象出版社.
Department of Integrated Observations of China Meteorological Administration, 2005.The Ope-ration Manual of L Band (type 1) Radiosonde Meteorological Observation System[M].Beijing:China Meteorological Press(in Chinese).
周毓荃, 欧建军, 2010.利用探空数据分析云垂直结构的方法及其应用研究[J].气象, 36(11):50-58.
Zhou Y Q, Ou J J, 2010.The method of cloud vertical structure analysis using rawinsonde observation and its applied research[J].Meteor Mon, 36(11):50-58(in Chinese).
Cassano J J, 2014.Observations of atmospheric boundary layer temperature profiles with a small unmanned aerial vehicle[J].An-tarctic Sci, 26(2):205-213.
Colomina I, Molina P, 2014.Unmanned aerial systems for photogrammetry and remote sensing:a review[J].ISPRS J Photogramm Remote Sens, 92:79-97.
Guo J P, Miao Y C, Zhang Y, et al, 2016.The climatology of planetary boundary layer height in China derived from radiosonde and reanalysis data[J].Atmos Chem Phys, 16(20):13309-13319.
Saggiani G M, Teodorani B, 2004.Rotary wing UAV potential applications:an analytical study through a matrix method[J].Aircraft Eng Aerosp Technol, 76(1):6-14.