趙慶志 馬雄偉

摘 要：利用2015年5-7月浙江連續(xù)運(yùn)行參考站（Continuously Operating Reference Station，CORS）和2013—2014年香港衛(wèi)星定位參考站網(wǎng)（Satellite Positioning Reference Station Network，SatRef）的GPS觀測(cè)數(shù)據(jù)對(duì)大氣可降水量（Precipitable Water Vapor，PWV）的變化與地表相對(duì)濕度（Surface Relative Humidity，SRH）、局部實(shí)際降水量之間的關(guān)系進(jìn)行分析。實(shí)驗(yàn)發(fā)現(xiàn)，PWV與局地降水成正相關(guān)關(guān)系；降水事件多數(shù)出現(xiàn)在PWV上升至最大值以及PWV迅速下降的時(shí)間段內(nèi)；在有降水發(fā)生時(shí)，SRH的變化趨勢(shì)與PWV變化趨勢(shì)基本一致。此外，PWV增量的大小與每小時(shí)降水量的峰值關(guān)系很大，且在有大雨發(fā)生是尤為明顯。根據(jù)上述發(fā)現(xiàn)，提出了基于單站GPS觀測(cè)資料合理預(yù)報(bào)局地降水的方法；該方法能夠預(yù)報(bào)出80%以上的降水事件和90%以上的大雨事件，這對(duì)降水事件的短期預(yù)報(bào)具有十分重要的意義。

關(guān)鍵詞：大氣可降水量；地表相對(duì)濕度；局部實(shí)際降水量；降水預(yù)報(bào)

中圖分類號(hào)：P 28

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7312（2018）05-0617-08

Abstract：The relationship between Precipitable Water Vapor（PWV），Surface Relative Humidity（SRH）and local precipitation is analyzed using data both from Continuously Operating Reference Station（CORS）of Zhejiang province from May to July 2015 and Satellite Positioning Reference Station Network（SatRef）from 2013 to 2014.The result shows that PWV is positively correlated with the local precipitation.In most cases，the events of precipitation occurred during the period of PWV up to a maximum and sharp decline，in which the trend of SRH is basically identical with PWVs.In addition，the incremental of PWV has a great relationship with hourly precipitation peak，especially obvious when the severe rain event occurs.According to the findings，a method to forecast the local precipitation reasonably is proposed based on the data from single GPS station.This method are able to forecast more than 80% of total rain events and more than 90% of severe rain events，which is very important to the short-term forecast of precipitation events.

Key words：PWV；SRH；local precipitation；precipitation forecast

0 引 言

大氣水汽是形成降水的來源，其時(shí)空分布極不均勻且呈現(xiàn)多樣性。直接利用地表氣象觀測(cè)數(shù)據(jù)和探空數(shù)據(jù)難以對(duì)其進(jìn)行足夠時(shí)空分辨率的監(jiān)測(cè)[1]。而利用地基GNSS（Global Navigation Satellite System）技術(shù)遙感大氣水汽具有全天候、快速、高時(shí)空分辨率等優(yōu)點(diǎn)，能夠連續(xù)提供垂直方向上的大氣可降水量（PWV）信息，對(duì)降雨天氣的短期預(yù)報(bào)具有非常重要的意義[2-6]。

許多研究表明，PWV與降水之間存在正相關(guān)關(guān)系，在降雨前后PWV出現(xiàn)不規(guī)則的上升和下降趨勢(shì)，但并不能保證所有PWV出現(xiàn)峰值時(shí)都會(huì)有降水事件發(fā)生[7-10]。Champollion等利用GNSS數(shù)據(jù)對(duì)法國(guó)大雨降水天氣進(jìn)行分析發(fā)現(xiàn)，小范圍PWV水汽場(chǎng)的變化可以導(dǎo)致很強(qiáng)的對(duì)流天氣過程[7]。李國(guó)平等通過研究也表明，PWV的激增和局地降水有很好的正相關(guān)關(guān)系[11]。姚宜斌等利用GPSPWV對(duì)局部降雨進(jìn)行預(yù)報(bào)，取得了較好的效果[10]。因此，PWV是分析降水事件和對(duì)其進(jìn)行預(yù)報(bào)的重要因素。

文中基于GPS觀測(cè)數(shù)據(jù)得到的PWV和氣象數(shù)據(jù)對(duì)降水事件進(jìn)行分析，尋求PWV等因素和降水之間的關(guān)系，以便能夠找到合理快捷的方法對(duì)降水事件進(jìn)行短期預(yù)報(bào)。通過對(duì)PWV和氣象因素的長(zhǎng)期時(shí)間序列分析，并與局地降水量信息對(duì)比得到了一個(gè)預(yù)測(cè)短期降水的方法，并利用不同觀測(cè)數(shù)據(jù)對(duì)該方法進(jìn)行驗(yàn)證，取得了很好的預(yù)報(bào)效果。

1 GNSS觀測(cè)數(shù)據(jù)獲取PWV方法介紹

利用GAMIT/GOBK，Bernese，GIPSY等數(shù)據(jù)處理軟件均可得到測(cè)站在天頂方向的總延遲（Zenith Troposphere Delay，ZTD），該ZTD是測(cè)站觀測(cè)到的多條射線通過映射函數(shù)投影到天頂方向所得[12-13]，分為干延遲分量（Zenith Hydrostatic Delay，ZHD）和濕延遲分量（Zenith Wet Delay，ZWD）2部分。干延遲分量占大氣總延遲的90%甚至更多，可以通過地表氣壓等氣象參數(shù)利用模型精確求出；濕延遲分量不足大氣總延遲的10%，其變化難以利用模型精確描述，與對(duì)流層中水汽的時(shí)空分布關(guān)系密切。

2 實(shí)驗(yàn)數(shù)據(jù)與處理方法

2.1 數(shù)據(jù)選取

2.2 PPP精度檢驗(yàn)

GAMIT軟件對(duì)GPS數(shù)據(jù)處理的天頂對(duì)流層延遲參數(shù)估計(jì)精度優(yōu)于±1 cm，計(jì)算PWV的精度優(yōu)于3 mm[17]，可將其解算結(jié)果作為參照檢驗(yàn)PPP計(jì)算的ZTD和PWV的精度。首先利用GAMIT10.5軟件對(duì)香港SatRef中12個(gè)測(cè)站2013年5月共31天的數(shù)據(jù)進(jìn)行處理，得到HKSC測(cè)站每半小時(shí)一次的ZTD和PWV，與PPP計(jì)算的結(jié)果進(jìn)行比較。文中選取881個(gè)歷元進(jìn)行對(duì)比，圖2給出了GAMIT與PPP計(jì)算的HKSC測(cè)站上ZTD和PWV的對(duì)比情況。由圖2可以看出，利用PPP計(jì)算得到的ZTD和PWV與GAMIT計(jì)算結(jié)果具有很好的一致性，通過計(jì)算，相對(duì)于GAMIT計(jì)算結(jié)果，PPP計(jì)算ZTD的rms和bias分別為3.83和1.73 mm；計(jì)算PWV的rms和bias分別為0.73和-0.33 mm.

2.3 PPP PWV與Radiosonde PWV對(duì)比檢驗(yàn)

探空數(shù)據(jù)可以提供垂直方向上精確的水汽密度廓線信息[18-20]，對(duì)探空測(cè)站垂直方向上的水汽進(jìn)行積分即可得到精確的PWV.文中將其作為一個(gè)精度指標(biāo)再次對(duì)HKSC測(cè)站得到的PWV進(jìn)行檢驗(yàn)。首先計(jì)算45004探空站2013—2014年每天2個(gè)歷元（UTC00：00和12：00）的PWV，然后與HKSC測(cè)站對(duì)應(yīng)歷元時(shí)刻的PWV進(jìn)行對(duì)比。圖3給出了PPP計(jì)算的PWV與探空數(shù)據(jù)計(jì)算結(jié)果對(duì)比情況。由圖3可以看出，2種方法計(jì)算的PWV有很好的一致性，通過對(duì)803個(gè)歷元的數(shù)據(jù)計(jì)算得到，其相關(guān)系數(shù)高達(dá)0.9937，相對(duì)于探空數(shù)據(jù)結(jié)果，PPP計(jì)算PWV的rms和bias分別為2.19和1.17 mm，該精度與國(guó)際同行發(fā)布的結(jié)果相一致[16，21]。

2.4 ZTD和PWV的年周期變化

為分析ZTD，PWV和局地降水隨時(shí)間的變化關(guān)系，對(duì)HKSC測(cè)站2013—2014年的數(shù)據(jù)進(jìn)行分析，得到ZTD，PWV和局地降水的時(shí)間序列變化圖（圖4）。由圖4可知，ZWD和PWV具有明顯的年周期變化趨勢(shì)，其年周期變化振幅與當(dāng)?shù)貧夂颉y(cè)站緯度、季節(jié)等關(guān)系密切[22-24]。對(duì)于香港地區(qū)而言，雨季其降水量明顯增加，平均每天降水量約為110.8 mm；非雨季其每天的降水量也有12.6 mm.通過ZTD或PWV的變化可以明顯反應(yīng)出該區(qū)域降水量的變化情況，這種變化主要受ZWD周期性變化的影響，而ZHD對(duì)其影響非常小[25]。通過PWV的變化可以看出，其變化規(guī)律與降水變化規(guī)律基本一致，這使得利用PWV對(duì)降水事件進(jìn)行預(yù)報(bào)成為可能。

3 PWV，SRH與局地降水關(guān)系分析

3.1 PWV與局地降水關(guān)系分析

為研究PWV與局地降水量之間的對(duì)應(yīng)變化關(guān)系，以浙江CORS中ANJI和JIAX站為例進(jìn)行分析。選取仙龍和歟城雨量站2015年5～7月每小時(shí)一次的降水量，用于反映降水隨時(shí)間的變化情況；基于PPP對(duì)ANJI和JIAX測(cè)站進(jìn)行處理，得到測(cè)站每小時(shí)一次的PWV，用于反映PWV隨時(shí)間的變化關(guān)系。圖5給出了ANJI和JIAX站的PWV以及對(duì)應(yīng)雨量站降水量的時(shí)間序列變化圖。

由圖5可以看出，PWV和局地降水有很強(qiáng)的正相關(guān)關(guān)系，局地降水主要發(fā)生在PWV的峰值或者PWV迅速下降的初始階段。但并不是所有的PWV上升都會(huì)有降水發(fā)生，如圖5（a）中安吉站5.20～5.23和圖5（b）中嘉興站5.20～5.23，PWV的變化量出現(xiàn)明顯的上升趨勢(shì)，但是并未有降水發(fā)生，其原因可能是雨量站可控范圍有限，未能監(jiān)測(cè)到降水的發(fā)生，但不能代表測(cè)站附近其他區(qū)域沒有降水發(fā)生。此外，在降水發(fā)生前PWV的變化量有一個(gè)激增的過程，其原因是降雨事件的發(fā)生需要足夠多的水氣供應(yīng)，因此水汽在幾小時(shí)甚至十幾小時(shí)前就出現(xiàn)連續(xù)增長(zhǎng)的現(xiàn)象，并且在降雨前幾小時(shí)會(huì)出現(xiàn)水汽的輻合和聚集，表現(xiàn)為PWV出現(xiàn)激增。

3.2 PWV，SRH與局地降水關(guān)系分析

GPS接收機(jī)可以記錄測(cè)站所在位置的地表相對(duì)濕度、氣壓和溫度等氣象數(shù)據(jù)，當(dāng)有降水發(fā)生時(shí)，地表相對(duì)濕度會(huì)發(fā)生一定的變化，為了進(jìn)一步研究地表相對(duì)濕度、PWV和局地降水之間的關(guān)系，選取香港HKSC測(cè)站2013—2014年的GPS觀測(cè)數(shù)據(jù)和京士柏雨量站2013—2014年的降水信息進(jìn)行分析。圖6和圖7分別給出了HKSC測(cè)站2013年5.30～6.19，8.22～9.10以及2014年1.31～2.10，6.9～6.29共80 d不同降水天氣情況下PWV，SRH與局地降水關(guān)系的時(shí)間序列圖。

由圖6和圖7可以看出，SRH和PWV有一定的正相關(guān)關(guān)系，但這種關(guān)系僅限于有降水發(fā)生時(shí)有效，在無降水發(fā)生時(shí)，SRH與PWV無明確關(guān)系。通過對(duì)比給定的80天不同降水天氣下SRH和PWV的關(guān)系可得，在即將有降水發(fā)生時(shí)，SRH的值隨著PWV的增大而出現(xiàn)不同程度的升高，然后隨著PWV的減小而降低。此外，通過對(duì)80的數(shù)據(jù)計(jì)算發(fā)現(xiàn)，PWV上升后且有降水發(fā)生時(shí)，相應(yīng)SRH在85%～100%區(qū)間內(nèi)的概率高達(dá)90%以上。

4 利用GPS觀測(cè)數(shù)據(jù)預(yù)報(bào)局地降水分析

對(duì)PWV，SRH與局地降水之間的關(guān)系分析可知，降水發(fā)生前期測(cè)站附近的PWV和SRH會(huì)出現(xiàn)不同程度的相關(guān)變化，表現(xiàn)為總體上升的趨勢(shì)；當(dāng)PWV上升到其峰值或驟減的初始階段，會(huì)有降水發(fā)生；在此階段內(nèi)，SRH的變化趨勢(shì)與PWV變化趨勢(shì)基本一致，且PWV上升階段內(nèi)SRH的值很高。由此，文中根據(jù)PWV在連續(xù)上升時(shí)段內(nèi)的變化量、變化率（單位時(shí)間內(nèi)PWV變化量）以及SRH在該時(shí)段內(nèi)的平均值作為降水條件的參考要素對(duì)短期降水天氣進(jìn)行預(yù)報(bào)，該方法的優(yōu)點(diǎn)是只需要一個(gè)GPS觀測(cè)站就可以對(duì)其附近區(qū)域的降水進(jìn)行預(yù)報(bào)。

4.1 可行性分析

為了驗(yàn)證將PWV上升時(shí)段內(nèi)的變化量、變化率以及SRH均值作為降水條件參考要素的可靠性，對(duì)HKSC測(cè)站2013—2014年的GPS觀測(cè)數(shù)據(jù)、京士柏雨量站的降水信息進(jìn)行分析，得到上述3個(gè)要素與降水之間的統(tǒng)計(jì)關(guān)系，見表1～3.其中，PWV變化量的閾值間隔為4 mm，PWV變化量的閾值間隔為1.3 mm/h，SRH均值的閾值間隔為10%.

由表1可知，隨著PWV上升時(shí)段內(nèi)其變化量閾值的逐漸變大，PWV變化量與可預(yù)報(bào)降水天數(shù)的相關(guān)性越強(qiáng)，當(dāng)閾值為4時(shí)，可以預(yù)測(cè)出約56%的降水天數(shù)，隨著閾值的逐漸增大，能夠預(yù)測(cè)數(shù)降雨天數(shù)的百分比也在變大。通過表2和表3也可以發(fā)現(xiàn)，當(dāng)PWV的變化率和SRH均值的閾值逐漸增大時(shí)，它們與可預(yù)報(bào)降水天數(shù)的相關(guān)性也越強(qiáng)。當(dāng)PWV變化率的閾值為2.6時(shí)，可以預(yù)報(bào)出約54%的降水天數(shù)；SRH均值的閾值為85%時(shí)，可以預(yù)報(bào)出約75%的可降水天數(shù)，并且都隨著各自閾值的增大其可預(yù)報(bào)降水天數(shù)的百分比出現(xiàn)不同程度的升高。通過對(duì)表1～3分析可以得出，將PWV在連續(xù)上升時(shí)段內(nèi)的變化量、變化率及SRH均值作為降水條件的參考要素對(duì)短期降水天氣進(jìn)行預(yù)報(bào)是有效可行的。

4.2 不同閾值選取

盡管閾值設(shè)置越高，能夠預(yù)測(cè)出的降雨天數(shù)百分比增大，但實(shí)際能夠預(yù)測(cè)出的降水天數(shù)卻逐漸減少（閾值越大，降雨天數(shù)越少）。因此，如何合理確定不同降水參考因素的閾值是研究的關(guān)鍵。文中基于HKSC測(cè)站2013—2014的數(shù)據(jù)對(duì)不同降水參考要素的閾值選取進(jìn)行研究，圖8，9和10分別給出了各參考要素閾值選取對(duì)降水天數(shù)預(yù)測(cè)百分比、每天平均降水量和錯(cuò)誤預(yù)報(bào)天數(shù)的百分比的影響。

圖8中PWV變化量的閾值選取范圍為2～6 mm，圖9中PWV變化率的閾值范圍為0.5～3.5 mm/h，然后計(jì)算一定間隔一次的總降水量預(yù)報(bào)天數(shù)的百分比、大雨（>25 mm）預(yù)報(bào)天數(shù)的百分比、錯(cuò)誤預(yù)報(bào)天數(shù)百分比和預(yù)報(bào)出的降雨天中每天的平均降水量。由圖8和9可以看出，能夠預(yù)測(cè)降水天數(shù)（包括大雨天數(shù)）的百分比和錯(cuò)誤預(yù)報(bào)率都隨著閾值的增大而減小，而每天的平均降水量則是先增大后減小，且PWV的變化量和變化率分別在閾值為4 mm，2.6 mm/h時(shí)達(dá)到最大。因此，選取4 mm和2.6 mm/h作為PWV變化量和變化率的閾值。圖10中SRH均值的閾值范圍為70%～90%，由圖10可以看出，隨著SRH均值閾值的增加，降水預(yù)報(bào)百分比和錯(cuò)誤預(yù)報(bào)率均呈現(xiàn)減小的趨勢(shì)，而每天平均降水量在閾值為70%～80%時(shí)維持在32 mm左右，然后快速增加至約40 mm.根據(jù)圖10變化趨勢(shì)可以看出，盡管每天平均降水量在大于85%時(shí)快速增加，但是其能夠正確預(yù)報(bào)的降水天數(shù)也快速降低，綜合考慮，將SRH均值的閾值范圍確定在80%～85%.

4.3 局地降水預(yù)報(bào)分析

通過對(duì)HKSC測(cè)站數(shù)據(jù)進(jìn)行分析得到各預(yù)報(bào)要素適用的閾值，然后利用2013—2014年GPS觀測(cè)數(shù)據(jù)對(duì)該地區(qū)降水進(jìn)行預(yù)報(bào)。對(duì)HKSC測(cè)站附近京士柏雨量站數(shù)據(jù)統(tǒng)計(jì)可得，有降水天數(shù)為299天，其中大雨天氣（降水>25 mm）的天數(shù)為67 d.根據(jù)PWV上升時(shí)段的變化量、變化率和地表相對(duì)濕度均值作為參考要素對(duì)局地降水天數(shù)進(jìn)行預(yù)報(bào)。表4給出了利用各要素預(yù)報(bào)局地降水天數(shù)統(tǒng)計(jì)情況，A，B，C分別表示單獨(dú)利用PWV上升時(shí)段的變化量、變化率和SRH的均值預(yù)測(cè)降水天數(shù)及其錯(cuò)誤預(yù)報(bào)率，各預(yù)報(bào)要素選擇的閾值分別為4 mm，2.6 mm/h和85%.

由表4可以看出，各預(yù)報(bào)要素獨(dú)自進(jìn)行預(yù)報(bào)時(shí)均能預(yù)報(bào)出50%以上的降水天氣，預(yù)報(bào)大雨天氣的百分比在80%左右，且錯(cuò)誤預(yù)報(bào)率都在50%以下。通過聯(lián)合不同要素預(yù)報(bào)降水發(fā)現(xiàn)，能夠預(yù)報(bào)出的降水天數(shù)比例增加。聯(lián)合PWV上升時(shí)段的變化量、變化率以及SRH均值進(jìn)行降水預(yù)報(bào)時(shí)發(fā)現(xiàn)，能夠預(yù)報(bào)出約84.3%的降水天數(shù)（299天中的252天），約94%的大雨天數(shù)（67天中的63天），并且其錯(cuò)誤預(yù)報(bào)率僅有41.8%.由此可以得出文中提出的方法在保證正確預(yù)報(bào)率的基礎(chǔ)上，其錯(cuò)誤預(yù)報(bào)率遠(yuǎn)低于現(xiàn)有的國(guó)際同行利用PWV預(yù)報(bào)方法得到的錯(cuò)誤預(yù)報(bào)水平[1]。

4.4 局地降水預(yù)報(bào)方法有效性驗(yàn)證

為了驗(yàn)證文中提出的降水預(yù)報(bào)方法應(yīng)用于該區(qū)域的有效性，分別利用香港地區(qū)HKSC測(cè)站2015年1～7月和HKLT測(cè)站2013年的數(shù)據(jù)對(duì)降水天數(shù)進(jìn)行預(yù)報(bào)。表5給出了利用文中提出降水預(yù)測(cè)方法對(duì)HKSC和HKLT測(cè)站進(jìn)行降水預(yù)報(bào)的統(tǒng)計(jì)結(jié)果。2015年1～7月HKSC測(cè)站共有降水天數(shù)91天，其中大雨天氣（降水>25 mm）為17天，利用文中提出的方法及選取的各要素閾值能夠預(yù)測(cè)出85.7%的降水天氣（91天中的78天），94.1%的大雨天氣（17天中的16天）。2013年全年HKLT測(cè)站共有降水天氣119天，其中大雨天氣為31天，利用文中提出方法可以預(yù)測(cè)出83.2%的降水天氣（119天中的99天）和90.3%的大雨天氣（31天中的28天）。

由表5可知，對(duì)HKLT測(cè)站進(jìn)行降水預(yù)報(bào)時(shí)，其錯(cuò)誤預(yù)報(bào)率稍高于HKSC測(cè)站，分析其原因可能是兩測(cè)站高程相差較大（大于100 m），兩站相距超過20 km，直接利用HKSC測(cè)站所檢定出的各要素閾值對(duì)HKLT測(cè)站進(jìn)行降水預(yù)報(bào)存在一定的誤差。但總的來說，利用文中提出的方法和選擇的閾值對(duì)香港區(qū)域進(jìn)行降水天氣預(yù)報(bào)取得了很好的效果，與國(guó)際同行提出的利用PWV預(yù)報(bào)降水方法相比，文中提出的方法在降水正確預(yù)報(bào)率上要高于同行得到預(yù)報(bào)結(jié)果（正確預(yù)報(bào)率約為75%），其錯(cuò)誤預(yù)報(bào)率也低于同行得到的結(jié)果（錯(cuò)誤預(yù)報(bào)率為60%～70%）[1]。這說明該方法是可行有效的。

5 結(jié) 語

利用單站GPS觀測(cè)數(shù)據(jù)對(duì)局地降水預(yù)報(bào)進(jìn)行研究，取得了初步成果。通過分析測(cè)站天頂方向PWV和局地降水關(guān)系可知，降水一般發(fā)生在PWV的峰值和迅速下降的初始時(shí)段內(nèi)。此外，通過對(duì)地表相對(duì)濕度分析得出，PWV與地面相對(duì)濕度關(guān)系相對(duì)復(fù)雜，但當(dāng)?shù)孛嬗薪邓l(fā)生時(shí)，PWV和地表相對(duì)濕度有一致地變化趨勢(shì)，特別是在有大雨發(fā)生時(shí)尤為明顯；當(dāng)無將水發(fā)生時(shí)，PWV和地表相對(duì)濕度無明顯的變化關(guān)系。

將PWV在上升時(shí)段內(nèi)的變化量、變化率和地表相對(duì)濕度均值作為降雨預(yù)測(cè)要素，通過降雨天氣預(yù)報(bào)成功率和每天平均降水量分析確定了各預(yù)報(bào)要素的閾值，并以此方法對(duì)HKSC測(cè)站和HKLT測(cè)站局地降水天氣進(jìn)行預(yù)報(bào)。結(jié)果表明，文中建立的局地降水預(yù)報(bào)方法能夠預(yù)報(bào)出80%以上的降雨天數(shù)和90%以上的大雨天數(shù)，具有很大的可行性和可靠性，這對(duì)于短期局地降雨預(yù)報(bào)具有十分重要的意義。

考慮到文中提出的方法僅利用單站GPS接收機(jī)天頂方向上的PWV和地表相對(duì)濕度資料就可以得到一個(gè)比較好的局地降水預(yù)報(bào)結(jié)果，若將局地多個(gè)GPS測(cè)站觀測(cè)數(shù)據(jù)和更多的氣象數(shù)據(jù)融入降水預(yù)報(bào)中，并對(duì)水汽的四維（時(shí)間和空間）分布進(jìn)行研究，相信可以得到更好地降雨預(yù)報(bào)效果，這也是下一步基于PWV預(yù)報(bào)局地降水的研究重點(diǎn)。

致謝：感謝IGRA提供的探空數(shù)據(jù)資料；感謝香港地政總署提供的GPS觀測(cè)資料和降雨信息；感謝浙江省測(cè)繪與地理信息局提供的GPS觀測(cè)數(shù)據(jù)，感謝浙江省水文局提供的降水信息。

參考文獻(xiàn)：

[1] Benevides P，Catalao J，Miranda P M A.On the inclusion of GPS precipitable water vapour in the nowcasting of rainfall，2015，3（06）：3861-3895.

[2] Bevis M，Businger S，Chiswell S，et al.GPS meteorology：mapping zenith wet delays onto precipitable water[J].Journal of Applied Meteorology，1994，33（03）：379-386.

[3] Baker H C，Dodson A H，Penna N T，et al.Ground-based gps water vapour estimation：potential for meteorological forecasting[J].Journal of Atmospheric and Solar-Terrestrial Physics，2001，63（12）：1305-1314.

[4] Vedel H，Huang X，Haase J，et al.Impact of gps zenith tropospheric delay data on precipitation forecasts in mediterraneanfrance and spain[J].Geophysical Research Letters，2004，31（31）：231-254.

[5] Bock O，Bouin M，Walpersdorf A，et al.Comparison of ground-based gps precipitable water vapour to independent observations and nwp model reanalyses over africa[J].Quarterly Journal of the Royal Meteorological Society，2007，133（629）：2011-2027.

[6] Seco A，Ram rez F，Serna E，et al.Rain pattern analysis and forecast model based on GPS estimated atmospheric water vapor content[J].Atmospheric Environment，2012，49（07）：85-93.

[7] Champollion C，Masson F，Van Baelen J，et al.GPS monitoring of the tropospheric water vapor distribution and variation during the 9 September 2002 torrential precipitation episode in the C vennes（southern France）[J].Journal of Geophysical Research：Atmospheres，2004，109（D24）：1-15.

[8] Bastin S，Champollion C，Bock O，et al.Diurnal cycle of water vapor as documented by a dense GPS network in a coastal area during ESCOMPTE IOP2[J].Journal of Applied Meteorology and Climatology，2007，46（02）：167-182.

[9] Yan X，Ducrocq V，Poli P，et al.Impact of GPS zenith delay assimilation on convective-scale prediction of Mediterranean heavy rainfall[J].Journal of Geophysical Research Atmospheres，2009，114（D3）：1-15.

[10]Yao Y，Shan L，Zhao Q.Establishing a method of short-term rainfall forecasting based on GNSS-derived PWV and its application[J].Sci Rep，2017，7（01）：12465.

[11]李國(guó)平，黃丁發(fā)，劉碧全.地基 GPS遙感的成都地區(qū)夏季可降水量的日循環(huán)合成分析[J].水科學(xué)進(jìn)展， 2006，17（02）：160-163.

[12]Niell A E.Preliminary evaluation of atmospheric mapping functions based on numerical weather models[J].Physics and Chemistry of the Earth，Part A：Solid Earth and Geodesy，2001，26（6）：475-480.

[13]Boehm J，Werl B，Schuh H.Troposphere mapping functions for GPS and very long baseline interferometry from European Centre for Medium-Range Weather Forecasts operational analysis data[J].Journal of Geophysical Research Solid Earth，2006，111（B2）：1-9.

[14]Saastamoinen J.Atmospheric correction for the troposphere and stratosphere in radio ranging satellites[J].The use of Artificial Satellites for Geodesy，1972，15（06）：247-251.

[15]Tregoning P，Herring T A.Impact of a priori zenith hydrostatic delay errors on GPS estimates of station heights and zenith total delays[J].Geophysical Research Letters，2006，33（23）：160-176.

[16]Brenot H，Ducrocq V，Walpersdorf A，et al.GPS zenith delay sensitivity evaluated from high-resolution numerical weather prediction simulations of the 8-9 September 2002 flash flood over southeastern France[J].Journal of Geophysical Research Atmospheres，2006，111（D15）：1-20.

[17]Gusfarienza H，Yuwono B D，Awaluddin M，et al.Penentuan zenith tropospheric delay dan precipitable water vapor menggunakan perangkat lunak gamit[J].Jurnal Geodesi Undip，2015，4（2）：78-86.

[18]Adeyemi B，Joerg S.Analysis of water vapor over nigeria using radiosonde and satellite data[J].J Appl Meteorol Climatol，2012，51（10）：1855-1866.

[19]Liu Z Z，Wong M S，Nichol J，et al.A multi-sensor study of water vapour from radiosonde，MODIS and AERONET：a case study of Hong Kong[J].Int J Climatol，2013，33（01）：109-120.

[20]Niell A E，Coster A J，Solheim F S，et al.Comparison of measurements of atmospheric wet delay by radiosonde，water vapor radiometer，GPS，and VLBI[J].J Atmos Ocean Technol，2001，18（06）：830-850.

[21]Ortiz de Galisteo J P，Bennouna Y，Toledano C，et al.Analysis of the annual cycle of the precipitable water vapour over Spain from 10 year homogenized series of GPS data[J].Quarterly Journal of the Royal Meteorological Society，2014，140（679）：397-406.

[22]Haase J，Ge M，Vedel H，et al.Accuracy and variability of GPS tropospheric delay measurements of water vapor in the western Mediterranean[J].Journal of Applied Meteorology，2003，42（11）：1547-1568.

[23]Jin S，Park J U，Cho J H，et al.Seasonal variability of GPS‐derived zenith tropospheric delay（1994—2006）and climate implications[J].Journal of Geophysical Research Atmospheres，2007，112（D9）：1-11.

[24]Byun S H，Bar-Sever Y E.A new type of troposphere zenith path delay product of the international GNSS service[J].Journal of Geodesy，2009，83（03）：1-7.

[25]Fernandes M J，Pires N，Lazaro C，et al.Tropospheric delays from GNSS for application in coastal altimetry[J].Advances in Space Research，2013，51（08）：1352-1368.

（責(zé)任編輯：張 江）