贵阳市激光雷达与北斗探空水汽观测对比研究

doi:10.11755/j.issn.1006-7639-2026-04-0681

摘要/Abstract

摘要：

水汽垂直分布是山地气象预报和数值模式优化的重要参数，贵阳复杂山地地形使水汽探测面临空间非均匀性强、瞬态变化剧烈等挑战。为评估激光雷达与北斗探空在复杂山地环境下水汽观测的一致性及差异特征，利用贵阳市气象站2024年8月至2025年1月的80条有效水汽廓线（晴天38条、多云14条、雨天28条），以北斗探空观测资料为参照，采用时空匹配、相关分析及误差统计等方法，对距地高度0~1 500 m范围内两种方法获得的水汽混合比廓线进行对比研究。结果表明：激光雷达与北斗探空水汽混合比总体具有较好一致性，近地面层相关系数均大于0.90，并随高度升高相关系数逐渐降低，1 500 m处降至0.58；天气条件对两种观测资料的一致性影响显著，晴天、多云和雨天整体相关系数分别为0.91、0.92、0.78，雨天云层及以上区域进一步降至0.42；两种观测资料的系统性偏差具有明显的分高度层和分天气类型特征，近地面层和边界层偏差较小，自由大气层偏差显著增大；激光雷达具有边界层内分钟级连续观测优势，北斗探空在自由大气层观测稳定性更高，两种观测手段具有较好互补性。

关键词: 拉曼和米散射气溶胶激光雷达, 北斗探空资料, 水汽混合比, 对比分析

Abstract:

The vertical distribution of water vapor is a key parameter for mountainous meteorological forecasting and numerical model optimization. The complex mountainous terrain of Guiyang poses significant challenges to water vapor detection, including strong spatial heterogeneity and rapid transient variability. To evaluate the consistency and differences of water vapor observations between lidar and BeiDou radiosonde under complex mountainous conditions, the paper used 80 quality-controlled water vapor profiles (38 clear, 14 cloudy, and 28 rainy) collected at the Guiyang Meteorological Station from August 2024 to January 2025, and spatiotemporal matching, correlation analysis, and error statistics to compare the water vapor mixing ratio profiles obtained by the two instruments within the 0-1 500 m above-ground-level range taking BeiDou radiosonde observations as the reference. The results show that the water vapor mixing ratios derived from lidar and BeiDou radiosonde exhibit good overall consistency. The correlation coefficient exceeds 0.90 near the surface and gradually decreases with increasing altitude, dropping to 0.58 at 1 500 m. Weather conditions significantly affect the consistency between the two datasets, with overall correlation coefficients of 0.91, 0.92, and 0.78 for clear, cloudy, and rainy days, respectively, further decreasing to 0.42 within and above the cloud layer on rainy days. The systematic bias between the two datasets exhibits distinct characteristics with respect to both altitude and weather conditions, with relatively small biases in the near-surface layer and atmospheric boundary layer, and substantially larger biases in the free atmosphere. Lidar provides the advantage of minute-scale continuous observations within the atmospheric boundary layer, whereas BeiDou radiosonde exhibits higher observational reliability in the free atmosphere. The two observing techniques are highly complementary and together provide more comprehensive observations of atmospheric water vapor over complex mountainous terrain.

Key words: Raman and Mie scattering aerosol lidar, BeiDou radiosonde data, water vapor mixing ratio, comparative analysis

中图分类号:

P412.2

王珏, 奚悦, 王强, 杨涛. 贵阳市激光雷达与北斗探空水汽观测对比研究[J]. 干旱气象, 2026, 44(4): 681-690.

WANG Jue, XI Yue, WANG Qiang, YANG Tao. Comparative study of water vapor observations between Lidar and BeiDou radiosonde in Guiyang City[J]. Journal of Arid Meteorology, 2026, 44(4): 681-690.

图/表 7

图1 2024年8月—2025年1月贵阳激光雷达反演与北斗探空观测的水汽混合比相关系数（a）、相对偏差（b）及均方根误差（c）廓线

Fig.1 Vertical profiles of correlation coefficient （a）， relative bias （b）， and RMSE （c） for water vapor mixing ratio between Raman lidar retrievals and BeiDou radiosonde observations in Guiyang from August 2024 to January 2025

图2 晴天（a、b、c）、多云（d、e、f）及雨天（g、h、i）条件下雷达反演与观测的水汽混合比相关系数（a、d、g）、相对偏差（b、e、h）及均方根误差（c、f、i）廓线

Fig.2 Vertical profiles of correlation coefficient （a， d， g）， relative bias （b， e， h）， and RMSE （c， f， i） of water vapor mixing ratio between Raman lidar retrievals and BeiDou radiosonde observations in Guiyang under clear-sky （a， b， c）， cloudy （d， e， f）， and rainy （g， h， i） conditions

图3 晴天（a，2024年10月26日）、多云天（b，2024年10月5日）、雨天（c，2024年10月18日）贵阳北斗探空观测与激光雷达反演水汽混合比廓线

Fig.3 Vertical profiles of water vapor mixing ratio of BeiDou radiosonde observations and Raman lidar retrievals in Guiyang on a clear day （a， 26 October 2024）， a cloudy day （b， 5 October 2024）， and a rainy day （c， 18 October 2024）

图4 晴天、多云及雨天条件下贵阳1 000 m高度处北斗探空与激光雷达水汽混合比对比

Fig.4 Comparison of water vapor mixing ratio between BeiDou radiosonde observations and Raman lidar retrievals in Guiyang under clear， cloudy， and rainy weather conditions at 1 000 m height

图5 晴天、多云及雨天条件下贵阳云底高度与激光雷达米散射消光系数的关系

Fig.5 Relationship between cloud base height and Mie-scattering extinction coefficient of lidar in Guiyang under clear， cloudy， and rainy weather conditions

图6 晴天（2024年10月26日）、多云天（2024年10月5日）、雨天（2024年10月18日）贵阳北斗探空观测水汽混合比垂直廓线

Fig.6 The vertical profiles of water vapor mixing ratio observed by BeiDou radiosonde in Guiyang on a clear day （26 October 2024）， a cloudy day （5 October 2024）， and a rainy day （18 October 2024）

表1 北斗探空观测与激光雷达反演的水汽混合比误差特征对比

Tab.1 Comparison of error characteristics of water vapor mixing ratio from BeiDou radiosonde observations and Raman lidar retrievals

设备类型	系统误差	随机误差	空间代表性	优化方向
北斗探空观测	高湿滞后（0.5~1.0 g·kg^-1）	气球漂移（水平位移≤40 km）	漂移导致采样偏移	开发动态湿度校正模型
激光雷达反演	气溶胶吸湿未校正	信噪比波动	局地地形影响近地面观测	增强信号降噪算法与多源数据融合；构建多站点观测网络

参考文献 38

[1]	白松竹, 王磊, 李如琦, 等, 2025. 基于新型垂直观测资料的一次强沙尘暴过程特征分析[J]. 沙漠与绿洲气象, 19(4):19-27.
[2]	曹玉静, 刘晶淼, 廖荣伟, 等, 2014. 两种垂直分层方法对GPS水汽层析结果的影响[J]. 气象与环境学报, 30(6):125-133.
[3]	常倬林, 姚展予, 崔洋, 等, 2023. 基于GNSS/MET的宁夏大气水汽分布及其与降水关系研究[J]. 气象与环境科学, 46(3):9-17.
[4]	杜雅菡, 2024. 基于拉曼激光雷达和探空资料对南京市水汽混合比的对比分析[J]. 农业与技术, 44(11):93-98.
[5]	顾欣, 田楠, 潘平珍, 2006. 黔东南暴雨气候特征及其地形影响[J]. 气象科技,(4):441-445.
[6]	郭启云, 杨加春, 杨荣康, 等, 2018. 球载式下投国产北斗探空仪测风性能评估[J]. 南京信息工程大学学报:自然科学版, 10(5):629-640.
[7]	李陶, 戚福第, 岳古明, 等, 2000. 大气中水汽混合比的Raman激光雷达探测[J]. 大气科学,(6):843-854.
[8]	廖家艳, 周天, 韩璧森, 等, 2023. 我国西北半干旱区气溶胶类型的地基激光雷达判别[J]. 干旱气象, 41(4):570-578.
[9]	刘建西, 龙美希, 杜远林, 等, 2010. 川渝地区空中水资源分布及水汽输送特征[J]. 高原山地气象研究, 30(2):31-35.
[10]	彭杰, 2015. 上海及周边地区气溶胶对云和降水的影响初探[J]. 暴雨灾害, 34(4):324-334.
[11]	秦建峰, 曹宇坤, 涂明, 等, 2025. 三波长拉曼-米散射激光雷达对武汉地区卷云的探测个例研究[J]. 暴雨灾害, 44(4):483-490.
[12]	孙丽, 赵姝慧, 2018. 探空仪湿度测量误差研究现状及其对云识别的影响[J]. 地球科学进展, 33(1):85-92.
[13]	田海, 张祝, 晏青, 2015. 梵净山区域空中水汽垂直分布与输送特征浅析[J]. 贵州气象, 39(6):39-42.
[14]	王芬, 曹杰, 李腹广, 等, 2015. 贵州不同等级降水日数气候特征及其与降水量的关系[J]. 高原气象, 34(1):145-154.
[15]	王开存, 2025. 探空观测及其在气候变化监测中的应用[J]. 高原山地气象研究, 45(4):12-27.
[16]	王立治, 章小平, 王晓晞, 等, 1985. 城郊大气近地面层湍流特征的初步研究[J]. 大气科学, 9(1):11-18.
[17]	王秋红, 王勇, 李维杰, 等, 2022. 喀斯特山地城市生态系统服务变化及关系研究--以贵阳市为例[J]. 西南大学学报:自然科学版, 44(5):158-168.
[18]	王雯慧, 曹念文, 2025. ERA5对拉曼激光雷达水汽反演的标定与分析[J]. 激光与红外, 55(1):120-129.
[19]	王晓立, 王恬茹, 杨萌, 等, 2018. 潍坊市地面水汽压时空分布特征及其影响因素[J]. 气象与环境学报, 34(3):78-85.
[20]	闫香蓉, 杨维芳, 李得宴, 等, 2024. 基于水汽垂直指数分布特征的PWV快速层析方法[J]. 全球定位系统, 49(2):61-68.
[21]	杨帆, 高飞, 李晓莉, 等, 2024. 基于连续激光器的侧向拉曼散射激光雷达无盲区探测大气水汽技术研究[J]. 光学学报, 44(12):328-336.
[22]	张宏昇, 张小曳, 李倩惠, 等, 2020. 大气边界层高度确定及应用研究进展[J]. 气象学报, 78(3):522-536.
[23]	张文刚, 徐桂荣, 万蓉, 等, 2015. 基于地基微波辐射计的大气液态水及水汽特征分析[J]. 暴雨灾害, 34(4):367-374.
[24]	张小娟, 严小冬, 黄钰, 等, 2025. 复杂山地风廓线雷达与L波段探空雷达测风对比分析[J]. 高原山地气象研究, 45(4):110-117.
[25]	周天, 黄忠伟, 黄建平, 等, 2013. 黄土高原地区云垂直结构的激光雷达遥感研究[J]. 干旱气象, 31(2):246-253.
[26]	COSTA-SURÓS M, STACHLEWSKA I S, MARKOWICZ K, 2016. Comparing water vapor mixing ratio profiles and cloud vertical structure from multiwavelength Raman lidar retrievals and radiosounding measurements[J]. EPJ Web of Conferences, 119:24005. DOI:10.1051/epjconf/201611924005.
[27]	DIONISI D, CONGEDUTI F, LIBERTI G L, et al, 2010. Calibration of a multichannel water vapor Raman lidar through noncollocated operational soundings: optimization and characterization of accuracy and variability[J]. Journal of Atmospheric and Oceanic Technology, 27(1): 108-121. DOI:10.1175/2009JTECHA1312.1.
[28]	FEINGOLD G, MORLEY B, 2003. Aerosol hygroscopic properties as measured by lidar and comparison with in situ measurements[J]. Journal of Geophysical Research: Atmospheres, 108(D11):2002JD002842. DOI:10.1029/2002JD002842.
[29]	GIANNAKAKI E, BALIS D S, AMIRIDIS V, et al, 2007. Optical and geometrical characteristics of cirrus clouds over a southern European lidar station[J]. Atmospheric Chemistry and Physics, 7(21): 5 519-5 530.
[30]	HELD I M, SODEN B J, 2000. Water vapor feedback and global warming[J]. Annual Review of Energy and the Environment, 25(1): 441-475.
[31]	MILOSHEVICH L M, VÖMEL H, WHITEMAN D N, et al, 2009. Accuracy assessment and correction of Vaisala RS92 radiosonde water vapor measurements[J]. Journal of Geophysical Research: Atmospheres, 114(D11): 2008JD011565. DOI: 10.1029/2008JD011565.
[32]	REICHARDT J, WANDINGER U, KLEIN V, et al, 2012. RAMSES: German meteorological service autonomous Raman lidar for water vapor, temperature, aerosol, and cloud measurements[J]. Applied Optics, 51(34): 8 111-8 131.
[33]	WANG N C, ZHANG K, SHEN X, et al, 2022. Dual-field-of-view high-spectral-resolution lidar: Simultaneous profiling of aerosol and water cloud to study aerosol-cloud interaction[J]. Proceedings of the National Academy of Sciences, 119(10): e2110756119. DOI: 10.1073/pnas.2110756119.
[34]	WHITEMAN D N, MELFI S H, FERRARE R A, 1992. Raman lidar system for the measurement of water vapor and aerosols in the Earth’s atmosphere[J]. Applied Optics, 31(16): 3 068-3 082.
[35]	WMO, 2018. Guide to Instruments and Methods of Observation (WMO-No. 8), Volume I-Measurement of meteorological variables[M]. Geneva: World Meteorological Organization.
[36]	WU S H, SONG X Q, LIU B Y, et al, 2015. Mobile multiwavelength polarization Raman lidar for water vapor, cloud and aerosol measurement[J]. Optics Express, 23(26): 33 870-33 887.
[37]	WULFMEYER V, HARDesty R M, TURNER D D, et al, 2015. A review of the remote sensing of lower tropospheric thermodynamic profiles and its indispensable role for the understanding and the simulation of water and energy cycles[J]. Reviews of Geophysics, 53(3): 819-895.
[38]	ZHANG T P, YIN Z P, WEI Y B, et al, 2024. Vertical distribution of water vapor during haze processes in northeast China based on Raman lidar measurements[J]. Remote Sensing, 16(19): 3713. DOI: 10.3390/rs16193713.