孫銘涵，龐治國,2，呂娟,2，張朋杰，崔香蕊

( 1. 中國水利水電科學(xué)研究院, 北京 100038；2. 水利部防洪抗旱減災(zāi)工程技術(shù)研究中心, 北京 100038 )

0 引言

水汽是大氣中的水蒸氣，不僅是大氣最重要的組成成分，而且在水文循環(huán)過程中起著關(guān)鍵性作用. 水汽不僅可以吸收和輻射部分的太陽輻射，在一定程度上穩(wěn)定地球溫度變化，而且還可以在大氣中通過形態(tài)變化來影響天氣、氣候的變化. 水汽含量變化與分布極其復(fù)雜，在監(jiān)測中通常用大氣可降水量(precipitable water vapor, PWV)來衡量大氣水汽含量，即單位面積的空氣柱中水汽全部凝結(jié)所能形成的降水量[1]. PWV只反映可能產(chǎn)生的降水量，而不能代表實際降水量.研究表明，PWV與實際降水量之間存在顯著的關(guān)聯(lián)性，可以利用PWV含量與分布對降水進(jìn)行預(yù)測. 而在水利領(lǐng)域中，降水是一個重要的氣象參數(shù)，故而，水汽監(jiān)測在眾多水利應(yīng)用中具有重要的意義，比如水循環(huán)利用與管理、氣候變化監(jiān)測、干旱監(jiān)測、暴雨監(jiān)測等領(lǐng)域，以及提高防災(zāi)減災(zāi)能力等方面. 因此，獲得高精度的PWV數(shù)據(jù)是研究其與降水兩者之間關(guān)系，進(jìn)行降水預(yù)測、服務(wù)水利應(yīng)用的重要數(shù)據(jù)基礎(chǔ)[2].

針對如何獲取PWV數(shù)據(jù)的研究已有近百年的歷史，隨著科技與認(rèn)知的不斷進(jìn)步，其獲取方法逐漸呈現(xiàn)多元化的特征. 目前，常用的傳統(tǒng)獲取水汽數(shù)據(jù)的方法有無線電探空儀、微波輻射計、中分辨率成像光譜儀(moderate-resolution imaging spectroradiometer,MODIS)、數(shù)值同化再分析資料等[3]. 這些方法因其使用儀器的局限性多表現(xiàn)出價格昂貴、時空分辨率較低、易受外界因素影響、數(shù)據(jù)滯后等缺點，難以滿足天氣預(yù)報、災(zāi)害監(jiān)測對水汽探測高時空分辨率、高精度的需求. 2020年7月31日，北斗三號(BeiDou-3 Navigation Satellite System, BDS-3)正式宣布建成與開通，形成了美國的GPS、歐洲的Galileo、俄羅斯的GLONASS和中國的BDS四大GNSS并存且提供運(yùn)營服務(wù)的格局，極大程度上豐富了衛(wèi)星導(dǎo)航信號資源，使GNSS服務(wù)功能、范圍、能力得到了加強(qiáng). GNSS水汽反演也逐漸成為一種新興的水汽探測的手段，同時也為傳統(tǒng)水汽探測帶來了突破. GNSS水汽反演技術(shù)可以實現(xiàn)全天時、全天候、近實時的水汽探測，具有高精度、高時空分辨率、成本低、適用性強(qiáng)等優(yōu)勢，與傳統(tǒng)探測手段之間可形成優(yōu)勢互補(bǔ)，為PWV含量及分布的監(jiān)測和降水短臨預(yù)報等應(yīng)用提供了良好地數(shù)據(jù)支持，在水汽監(jiān)測中的地位也日益凸顯.

在中國知網(wǎng)和Web of Science利用主題詞“BDS/GNSS PWV”進(jìn)行文獻(xiàn)檢索，結(jié)果如圖1所示. 2000—2022年間發(fā)表相關(guān)文獻(xiàn)數(shù)量呈現(xiàn)逐年遞增趨勢，國內(nèi)開展研究略晚于國外，但基于中國特有的BDS發(fā)展迅猛，對于PWV監(jiān)測的研究迅速獲得廣大學(xué)者的關(guān)注，近年來中文文獻(xiàn)發(fā)文量趨于穩(wěn)定. 目前，國內(nèi)外GNSS PWV相關(guān)的研究論文多側(cè)重方法改進(jìn)、精度提升和應(yīng)用方面，而關(guān)于BDS/GNSS PWV監(jiān)測發(fā)展歷程、方法、應(yīng)用與發(fā)展的綜述類論文成果較少，側(cè)重水利領(lǐng)域的研究和應(yīng)用更是少之又少.

圖1 2000—2022年BDS/GNSS PWV研究發(fā)文量年際變化

在水利領(lǐng)域中，降水量是氣候變化監(jiān)測的重要指標(biāo)，對農(nóng)田水利、河湖庫塘管理、防洪抗旱、水利工程建設(shè)等方面都具有重要的指導(dǎo)意義. 隨著對BDS/GNSS PWV反演研究的深入，各種水汽數(shù)據(jù)的公開，BDS/GNSS PWV反演方法不斷得到改進(jìn)，反演精度得到大幅提升，并在眾多領(lǐng)域中得到驗證. 本文旨在為相關(guān)研究人員對BDS/GNSS PWV研究進(jìn)展、方法和水利領(lǐng)域的應(yīng)用形成系統(tǒng)的了解和認(rèn)識. 主要介紹了地基BDS/GNSS水汽監(jiān)測，以及GNSS水汽數(shù)據(jù)融合的研究進(jìn)展與發(fā)展趨勢；闡明了BDS/GNSS PWV反演原理、方法與研究方向；對其在改進(jìn)數(shù)值天氣預(yù)報的高精度水汽反演、降水短臨預(yù)報、氣候變化監(jiān)測等方面的應(yīng)用進(jìn)行了研究，總結(jié)歸納出地基BDS/GNSS水汽監(jiān)測在水利領(lǐng)域中的應(yīng)用與發(fā)展方向.

1 BDS/GNSS水汽監(jiān)測

1.1 BDS/GNSS水汽監(jiān)測

GNSS在發(fā)展初期的主旨是為全球范圍內(nèi)的用戶提供全天候、高精度的導(dǎo)航定位服務(wù)[4]，定位精度受到多種因素的影響，主要是電離層延遲、對流層延遲(zenith tropospheric delay, ZTD)和多路徑誤差等.ZTD誤差是定位中重要的誤差源之一，主要是大氣對GNSS信號產(chǎn)生的折射作用致使接收機(jī)無法精確測量接收到的GNSS信號，導(dǎo)致定位精度下降. 在研究如何消除大氣延遲干擾的同時發(fā)展出利用GNSS導(dǎo)航定位數(shù)據(jù)反演大氣水汽的新技術(shù).

對于GNSS水汽監(jiān)測的研究最早可以追溯到1987年，文獻(xiàn)[5]提出利用ZTD來反演大氣水汽含量的方法，為后續(xù)的研究奠定了理論基礎(chǔ). 1992年，Bevis在文章中正式提出了基于GPS水汽遙感的原理及方法，掀開了GPS氣象學(xué)的篇章[6]. 隨著我國BDS的全面建成，集成GPS、GLONASS、Galileo和BDS的GNSS觀測體系正式形成，為GNSS水汽探測技術(shù)的發(fā)展提供了空間設(shè)施基礎(chǔ). 同時，全球范圍內(nèi)大規(guī)模建設(shè)連續(xù)運(yùn)行參考站 (continuous operational reference system, CORS) 系統(tǒng)，為GNSS水汽反演提供了必要的地面設(shè)施基礎(chǔ)，為GNSS水汽反演提供高時空分辨率的數(shù)據(jù)保障. 自此，GPS氣象學(xué)也逐漸發(fā)展成為GNSS氣象學(xué)，越來越多的學(xué)者對GNSS水汽監(jiān)測展開研究. 根據(jù)接收機(jī)所在位置，GNSS氣象學(xué)可劃分為地基GNSS氣象學(xué)和空基GNSS氣象學(xué)兩種. 地基GNSS氣象學(xué)主要是依據(jù)地面接收機(jī)接收到的觀測數(shù)據(jù)，并與地面氣象因素相結(jié)合獲取PWV.空基GNSS氣象學(xué)主要是在掩星條件下，搭載在低軌衛(wèi)星上的接收機(jī)接收衛(wèi)星信號，通過應(yīng)用相關(guān)算法獲取氣象參數(shù)，從而來獲取PWV. 地基GNSS測站數(shù)量多分布廣泛、測站位置信息已知，而空基GNSS水汽監(jiān)測受低軌衛(wèi)星數(shù)量和分布的影響，導(dǎo)致其水汽反演精度相對較低. 故而現(xiàn)如今GNSS水汽監(jiān)測研究方面占據(jù)主要地位的依舊是地基GNSS手段.

地基GNSS水汽探測作為新興的水汽探測技術(shù)，具有成本低廉、高空間分辨率、高精度、全天時、全天候穩(wěn)定觀測的優(yōu)勢，大量研究證明地基GNSS解算PWV具有可行性與穩(wěn)定性，且四個GNSS獲取水汽資料的可行性與準(zhǔn)確性是有保障的. 文獻(xiàn)[7]基于GPS數(shù)據(jù)對地中海地區(qū)1999年全年的PWV進(jìn)行反演，并將結(jié)果與微波水汽輻射計反演結(jié)果進(jìn)行對比，發(fā)現(xiàn)兩者之間存在較高的相關(guān)性. 文獻(xiàn)[8]基于地基GPS數(shù)據(jù)對全國PWV含量進(jìn)行反演，與探空數(shù)據(jù)相比誤差在2 mm以內(nèi)，驗證了地基GPS可降水量反演的可行性. GLONASS和Galileo因其數(shù)據(jù)獲取的穩(wěn)定性和數(shù)據(jù)精度存在缺陷，故基于單一GLONASS或Galileo進(jìn)行水汽監(jiān)測的研究較少. 文獻(xiàn)[9]對比了GPS與GLONASS PWV的反演精度，結(jié)果表明在GLONASS全面恢復(fù)運(yùn)行后反演結(jié)果與GPS反演結(jié)果具有較強(qiáng)的一致性，反演精度大幅提高，誤差控制在約2 mm，證明了GLONASS在水汽監(jiān)測中的可行性. 文獻(xiàn)[10]研究證明了Galileo在水汽監(jiān)測中具有較高的反演精度，反演結(jié)果與GPS反演結(jié)果吻合程度較高. BDS全面建成、投入使用以后，眾多學(xué)者對驗證與提升BDS水汽探測的準(zhǔn)確性展開研究. 文獻(xiàn)[11]基于北斗試驗網(wǎng)的數(shù)據(jù)展開水汽監(jiān)測研究，與GPS監(jiān)測結(jié)果誤差為2～3.3 mm，證實了BDS在水汽監(jiān)測中的可行性. 文獻(xiàn)[12]驗證了BDS-3水汽探測性能，將反演結(jié)果分別與北斗二號(BeiDou-2 Navigation Satellite System, BDS-2)反演結(jié)果、GPS反演結(jié)果進(jìn)行對比，結(jié)果顯示BDS-3在PWV反演中的表現(xiàn)明顯優(yōu)于BDS-2，與GPS反演結(jié)果基本一致，相關(guān)系數(shù)均在0.9以上，反演精度得到提升. 文獻(xiàn)[13]驗證了BDS-2 PWV反演相對誤差不穩(wěn)定，精度較差，BDS-2/BDS-3混合星座使得BDS PWV反演數(shù)據(jù)穩(wěn)定性和反演精度得到大幅提升.

單一系統(tǒng)獲取水汽數(shù)據(jù)固然具有較高的精度，但系統(tǒng)空間段、控制段運(yùn)行、信號傳播與接收、抗干擾等方面具有脆弱性，會導(dǎo)致數(shù)據(jù)獲取存在不穩(wěn)定因素. 而多系統(tǒng)獲取GNSS ZTD/PWV觀測值相較單一系統(tǒng)數(shù)據(jù)的獲取穩(wěn)定性更高，多系統(tǒng)GNSS組合可以提供更多、空間構(gòu)型更加合理的可視衛(wèi)星，有助于提高ZTD/PWV解算精度. 目前，多系統(tǒng)組合的GNSS水汽監(jiān)測逐漸發(fā)展成為研究熱點. 文獻(xiàn)[14]將四個GNSS PWV反演結(jié)果與探空PWV進(jìn)行比較，均方根誤差(root mean square error，RMSE)均小于3 mm，符合水汽監(jiān)測應(yīng)用需求. 文獻(xiàn)[15]利用GPS/BDS組合觀測值解算ZTD和PWV，與單系統(tǒng)解算結(jié)果相比，GPS/BDS雙系統(tǒng)表現(xiàn)出更高的穩(wěn)定性和解算精度.文獻(xiàn)[16]發(fā)現(xiàn)GPS/GLONASS組合方案可以獲得更加準(zhǔn)確可靠的水汽數(shù)據(jù)，與探空數(shù)據(jù)PWV一致性更高，RMSE在1.5～2.3 mm之間，相比單系統(tǒng)擁有更高的精度和魯棒性. 文獻(xiàn)[17]利用GPS/BDS/GLONASS/Galileo四系統(tǒng)組合觀測值進(jìn)行PWV反演，優(yōu)化了ZTD初始化時間，改進(jìn)了ZTD和PWV解算結(jié)果，RMSE普遍減少約2 mm，在水汽監(jiān)測方面比單系統(tǒng)、雙系統(tǒng)表現(xiàn)更優(yōu). 證實了多系統(tǒng)的GNSS水汽監(jiān)測的可行性與穩(wěn)定性，在水汽監(jiān)測中的應(yīng)用具有很大的潛力，可為高精度實時的天氣預(yù)報、降水預(yù)報提供更具參考價值的水汽信息.

1.2 BDS/GNSS對流層延遲

基于地基BDS/GNSS反演PWV主要是依據(jù)GNSS(GNSS derived，GNSS-D)延遲信號技術(shù)[18]. 地面接收機(jī)接收衛(wèi)星發(fā)射信號過程中，信號穿越大氣層經(jīng)過電離層和中性層發(fā)生折射所造成的時間延遲分別稱之為電離層延遲和中性層延遲. 電離層主要由自由電子和正、負(fù)離子組成，是一種典型的色散介質(zhì)，基于此特性，會對GNSS定位過程中的衛(wèi)星信號產(chǎn)生延遲，利用雙頻接收機(jī)接收衛(wèi)星信號即可消除電離層延遲.中性層延遲一般發(fā)生在對流層，故也可稱之為天頂對流層延遲. 因99%的水汽都蘊(yùn)藏在對流層中，因此估算ZTD是BDS/GNSS水汽反演的關(guān)鍵.

依據(jù)ZTD估算方法的不同，地基GNSS水汽監(jiān)測方法分為雙差網(wǎng)解法和非差精密單點定位（precise point positioning，PPP）法. 雙差網(wǎng)解法需要引入國際GNSS服務(wù)(International GNSS Service, IGS)遠(yuǎn)距離觀測資料利用差分原理來估算ZTD，而非差PPP無需引入遠(yuǎn)距離測站，測站之間互不相關(guān). 在雙差網(wǎng)解法解算ZTD研究方面，文獻(xiàn)[19]采用卡爾曼濾波法和雙差法求解GNSS ZTD，其結(jié)果與IGS觀測結(jié)果相比，兩者的結(jié)果誤差都在1 mm之內(nèi)，卡爾曼濾波法可以得到更高的精度，但是其計算過程較繁瑣，而雙差法計算相較簡單，能獲得相當(dāng)?shù)木?，更加適用于實際應(yīng)用. 文獻(xiàn)[20-22]在不同地區(qū)利用雙差法進(jìn)行地基GNSS水汽探測，與探空數(shù)據(jù)相比偏差較小，證實了雙差法解算ZTD的準(zhǔn)確性. 雙差法獲得測站間的相對ZTD數(shù)據(jù)在水汽監(jiān)測中可以進(jìn)一步獲取高精度的PWV數(shù)據(jù)，數(shù)據(jù)產(chǎn)品質(zhì)量高，但涉及的數(shù)學(xué)模型相對復(fù)雜，在大規(guī)模水汽監(jiān)測中解算過程比較復(fù)雜，計算量較大. 在非差PPP解法解算GNSS ZTD研究方面，該方法具有模型簡單，測站間互不影響的優(yōu)勢，可以獲得測站上空絕對的ZTD. 文獻(xiàn)[23]利用PPP技術(shù)解算多模GNSS ZTD數(shù)據(jù)，實現(xiàn)對珠海地區(qū)PWV的實時監(jiān)測，可以準(zhǔn)確地反映出BDS PWV變化情況，具有較高的精度，并在“妮妲”臺風(fēng)監(jiān)測中得到檢驗. 文獻(xiàn)[24]基于PPP和克里金插值法獲取了河南省的BDS PWV格網(wǎng)數(shù)據(jù)，結(jié)合降雨數(shù)據(jù)從時空兩個維度分析了2021年河南極端暴雨中PWV變化和強(qiáng)降水之間的相關(guān)關(guān)系. 證明了PPP法不僅可以獲取高精度的實時PWV產(chǎn)品，受環(huán)境影響較小，且事后PWV數(shù)據(jù)產(chǎn)品具有高精度、高時空分辨率的優(yōu)勢，在實時監(jiān)測與預(yù)警預(yù)報中發(fā)揮重要作用.

水汽變化復(fù)雜、具有非平穩(wěn)特征，難以對其時空變化進(jìn)行模擬，如何從GNSS ZTD中準(zhǔn)確分離出水汽引起的天頂濕延遲(zenith wet delay, ZWD)是GNSS PWV反演的重點. 對流層中造成信號延遲的不僅僅是水汽還有干燥氣體，干燥氣體引起的天頂靜力學(xué)延遲(zenith hydrostatic delay, ZHD)變化規(guī)律，可以通過模型估計. 通過ZHD模型給定精確的ZHD，然后對ZWD進(jìn)行估算，進(jìn)而解算出GNSS PWV，具體流程圖如圖2所示. ZHD模型主要依賴于地表溫度、測站氣壓等氣象因素，常用的實測氣象因素經(jīng)驗?zāi)Ｐ桶⊿aastamoinen模型[25]、Hopfield模型[26]和Black模型[27]. 在GNSS測站位置和氣象數(shù)據(jù)已知的條件下，可以利用Saastamoinen模型或Hopfield模型計算ZHD；GNSS測站位置未知，氣象數(shù)據(jù)已知的條件下，可以利用Black模型計算ZHD.研究發(fā)現(xiàn)三種常用的靜力學(xué)延遲模型解算結(jié)果之間存在的細(xì)小的偏差，對最終PWV反演結(jié)果的影響較小. 文獻(xiàn)[28]對比了三種靜力學(xué)延遲模型解算得到的ZWD與水汽輻射計得到的ZWD，發(fā)現(xiàn)兩者之間的總體趨勢一致，且Saastamoinen模型解算結(jié)果最佳，誤差為2.16 mm，證明了經(jīng)驗?zāi)Ｐ徒馑鉍NSS ZHD的可行性與優(yōu)越性. 文獻(xiàn)[29]證明了三種靜力學(xué)延遲模型解算的PWV幾乎一致，平均差值約在1 mm. 文獻(xiàn)[30]對全球數(shù)據(jù)進(jìn)行分析，結(jié)果表明Saastamoinen模型解算結(jié)果優(yōu)于Hopfield模型，解算精度誤差達(dá)到亞毫米級.

圖2 GNSS PWV反演流程

基于實測氣象因素的靜力學(xué)延遲經(jīng)驗?zāi)Ｐ碗m可獲取高精度的ZHD，但解算過程需要氣象站的實測氣象數(shù)據(jù)，在近實時水汽監(jiān)測中，氣象站實時氣象數(shù)據(jù)獲取困難，模型在實時水汽監(jiān)測中難以發(fā)揮作用.隨著應(yīng)用中對實時水汽監(jiān)測的需求，尤其是極端天氣條件下實測氣象數(shù)據(jù)獲取困難且對實時水汽監(jiān)測的需求較高，基于多年實測氣象數(shù)據(jù)建立的無氣象參數(shù)的ZHD模型應(yīng)運(yùn)而生. 與傳統(tǒng)基于實測氣象數(shù)據(jù)的經(jīng)驗?zāi)Ｐ拖啾龋恍枰斎虢?jīng)緯度、高程、年積日等參數(shù)即可模擬得到相對應(yīng)時間地點的ZHD數(shù)據(jù)，實用性較強(qiáng). 目前較為常用的全球性無氣象參數(shù)模型包含GPT系列模型[31]、UNB系列模型[32]、EGNOS模型等. 研究表明GPT2模型計算的ZTD值與IGS ZTD數(shù)據(jù)產(chǎn)品相較誤差在7.9 mm，一定程度上反演精度明顯優(yōu)于UNB3模型和EGNOS模型，故而GPT系列模型是現(xiàn)如今最先進(jìn)的對流層延遲模型之一[33]. 文獻(xiàn)[34]對不同地區(qū)常規(guī)天氣和雨雪天氣條件下無氣象參數(shù)模型適用性展開研究，結(jié)果表明GPT模型在常規(guī)天氣中的適用性較強(qiáng)，UNB3模型在雨雪天氣中的適用性較強(qiáng). 無氣象參數(shù)模型的準(zhǔn)確性較實測氣象參數(shù)模型略低，適合無法獲取實測氣象參數(shù)地區(qū)和實測氣象參數(shù)獲取困難的實時水汽監(jiān)測中. 針對測站所處半球、地形高度、天氣狀況的差異，無氣象參數(shù)模型的適用性大不相同，在實際應(yīng)用中分析適合研究區(qū)域的無氣象參數(shù)模型至關(guān)重要.

1.3 大氣加權(quán)平均溫度

除了ZWD，大氣加權(quán)平均溫度(atmospheric weighted mean temperature,Tm)是PWV反演的另一關(guān)鍵要素，是計算ZWD-PWV轉(zhuǎn)換系數(shù)的重要參數(shù)，直接影響了BDS/GNSS PWV的反演精度.Tm的確定方法包括常數(shù)法、數(shù)值積分法和模型法. 當(dāng)研究區(qū)域上沒有測站可以獲取大氣垂向氣象資料的條件下，可以粗略地認(rèn)為區(qū)域的Tm值為常數(shù)269.8 K. 不同地區(qū)的氣象參數(shù)之間差距較大，實際Tm值與常數(shù)值相差較大，常數(shù)值只能作為無氣象資料的一個粗略估計，精度較差，不能滿足在實際應(yīng)用中的高精度需求. 數(shù)值積分法是獲取Tm值方法中最精確的方法，需要使用無線電探空儀獲取的大氣垂直剖面數(shù)據(jù)進(jìn)行積分獲得高精度的Tm數(shù)據(jù). 探空氣球攜帶無線電探空儀每日兩次(UTC 0時和UTC 12時)進(jìn)行測站上空垂直方向的氣象數(shù)據(jù)收集，由于探空氣象站點較少，站間距離遠(yuǎn)等因素，造成獲取的探空數(shù)據(jù)時空分辨率較低. 在近實時水汽監(jiān)測中，無法滿足實時Tm值的計算. 因此，通過模型法實時獲取Tm值的實用性更強(qiáng)，計算更加便捷，是GNSS水汽監(jiān)測中最常用的Tm獲取方法，可實現(xiàn)高精度Tm值估算.

依據(jù)計算過程中是否涉及實際氣象數(shù)據(jù)將模型法分為基于實測氣象參數(shù)的Tm模型和非實測氣象參數(shù)的Tm模型. 基于實測氣象參數(shù)的Tm模型構(gòu)建依據(jù)歷史實測氣象參數(shù)，具有較高的精度，在實時Tm值估算中需要輸入模型相應(yīng)氣象參數(shù). 目前，最常用的是依據(jù)實測地表溫度數(shù)據(jù)Ts構(gòu)建的線性回歸模型，該模型是在Bevis提出的適用于美國中緯度地區(qū)的Tm－Ts模型的基礎(chǔ)上，依據(jù)不同研究區(qū)域?qū)崪y數(shù)據(jù)構(gòu)建適用于本地的Tm－Ts線性回歸模型，部分模型示例如表1所示. 本地化模型相較于區(qū)域化或全球性模型系統(tǒng)性偏差更小、精度更高，但需要根據(jù)實測數(shù)據(jù)及時更新模型，以保證本地化模型的高精度.Tm估算精度直接影響了GNSS PWV反演精度，許多學(xué)者對提升Tm模型估算精度展開大量研究，提出了顧及多氣象因素的非線性回歸模型[35-36]、顧及季節(jié)[37]、高程[38-39]的回歸模型、BP神經(jīng)網(wǎng)絡(luò)算法模型[40]、隨機(jī)森林算法模型[41]等，極大程度上減小了季節(jié)性偏差，提高了Tm估算精度. 非實測氣象參數(shù)的Tm模型中最常用的是GPT模型，其計算Tm值無需輸入任何氣象參數(shù)，只需要根據(jù)年積日、測站坐標(biāo)位置即可計算得到Tm值，模型的計算精度較高，在全球范圍的試驗中普遍取得良好效果. 文獻(xiàn)[42]利用GPT3模型提供的Tm值反演PWV與探空數(shù)據(jù)PWV具有較強(qiáng)的一致性，但存在的問題是容易受到地形起伏和Tm日周期變化大的影響，導(dǎo)致PWV反演誤差增大.大量研究表明全球化的非實測氣象參數(shù)的Tm模型在無實測氣象站點地區(qū)或獲取氣象資料困難的實時水汽監(jiān)測中發(fā)揮重要的作用，可實現(xiàn)全球水汽監(jiān)測，但全球化模型精度較低，在高精度水汽監(jiān)測中的應(yīng)用受到限制.

表1 Tm-Ts線性回歸模型示例

1.4 BDS/GNSS水汽監(jiān)測發(fā)展趨勢

對于BDS水汽監(jiān)測而言，實現(xiàn)BDS水汽產(chǎn)品高精度處理，深入研究BDS水汽變化的物理機(jī)制，優(yōu)化水汽反演模型，提升BDS水汽監(jiān)測的精度仍是備受關(guān)注的問題，應(yīng)用BDS數(shù)據(jù)結(jié)合其他GNSS數(shù)據(jù)的多系統(tǒng)組合水汽監(jiān)測模式是發(fā)揮BDS數(shù)據(jù)優(yōu)勢，削弱地形復(fù)雜或極端天氣條件下水汽探測性能不足的問題是BDS/GNSS水汽監(jiān)測的發(fā)展趨勢. 隨著對BDS/GNSS水汽監(jiān)測的研究逐漸深入，眾多學(xué)者對GNSS水汽監(jiān)測提出了更高的要求. 對獲取更高空間分辨率的GNSS水汽數(shù)據(jù)和建立GNSS智能化水汽監(jiān)測系統(tǒng)的需求增加.

在提高GNSS水汽監(jiān)測空間分辨率方面，雖然GNSS數(shù)據(jù)可以有效獲取PWV信息，但無法同時兼顧高精度的時間分辨率和空間分辨率，存在系統(tǒng)偏差、數(shù)據(jù)缺失等問題. 隨著全球各種水汽觀測數(shù)據(jù)的公開和普及，BDS/GNSS聯(lián)合多源數(shù)據(jù)融合、校正的水汽監(jiān)測技術(shù)得到大力的發(fā)展，可以提高GNSS水汽產(chǎn)品的空間分辨率，水汽監(jiān)測的范圍更加全面適用性更高，精度也得到了提升. GNSS水汽監(jiān)測的空間分辨率與地基測站的密度有關(guān)，通過與高時空分辨率的數(shù)據(jù)融合提高GNSS水汽數(shù)據(jù)的空間分辨率. MODIS數(shù)據(jù)和再分析資料獲取方便，可以實現(xiàn)空間范圍連續(xù)的水汽監(jiān)測，表現(xiàn)出高時空分辨率的優(yōu)勢，可以作為GNSS水汽數(shù)據(jù)融合的主要數(shù)據(jù)來源. 文獻(xiàn)[43]利用增強(qiáng)的時空自適應(yīng)反射融合模型融合GNSS、MODIS和ERA5 PWV數(shù)據(jù)，繪制逐日空間分辨率為0.01°的水汽分布圖，發(fā)揮了MODIS和ERA5數(shù)據(jù)高空間分辨率的優(yōu)勢，使得GNSS融合后的水汽數(shù)據(jù)空間分布更加詳細(xì)合理. 文獻(xiàn)[44-45]利用球冠諧模型協(xié)同Helmert方差分量估計方法校正GNSS、MODIS、ERA5水汽數(shù)據(jù)的區(qū)域偏差并進(jìn)行水汽融合，融合數(shù)據(jù)空間分辨率和精度得到提高，且參與融合的數(shù)據(jù)源越多，融合數(shù)據(jù)精度越高. 文獻(xiàn)[46-47]基于廣義回歸神經(jīng)網(wǎng)絡(luò)融合GNSS、MODIS、ERA5水汽數(shù)據(jù)生成時間分辨率1 d、空間分辨率31 km、精度2.7 mm的水汽產(chǎn)品. 文獻(xiàn)[48]利用卷積神經(jīng)網(wǎng)絡(luò)將GNSS水汽數(shù)據(jù)與多源水汽數(shù)據(jù)融合，削弱了GNSS水汽數(shù)據(jù)受季節(jié)性變化的影響，空間分辨率提高，獲取更加詳細(xì)的水汽空間分布數(shù)據(jù)，充分開發(fā)了其他水汽監(jiān)測數(shù)據(jù)的潛力. 融合方法普遍能夠改善GNSS單源數(shù)據(jù)空間連續(xù)性問題，實現(xiàn)大范圍面狀水汽監(jiān)測，提高GNSS PWV數(shù)據(jù)產(chǎn)品的空間分辨率，融合PWV數(shù)據(jù)產(chǎn)品的精度也在原有基礎(chǔ)上得到提升. GNSS多源數(shù)據(jù)校正技術(shù)是通常是利用高精度GNSS水汽數(shù)據(jù)產(chǎn)品來校正低精度的MODIS數(shù)據(jù)產(chǎn)品，在研究過程中構(gòu)建兩者之間的線性、非線性函數(shù)關(guān)系來校正水汽數(shù)據(jù)精度，進(jìn)一步提升了MODIS數(shù)據(jù)產(chǎn)品的水汽反演質(zhì)量. 文獻(xiàn)[49]基于GPS PWV構(gòu)建線性回歸模型將MODIS PWV反演RMSE由7.2 mm降至4.25 mm.文獻(xiàn)[50]分別利用線性回歸模型和BP神經(jīng)網(wǎng)絡(luò)構(gòu)建GNSS-MODIS PWV函數(shù)關(guān)系，RMSE分別降低了1.61 mm和2.84 mm. 此外，許多學(xué)者將月際差異[51]、季節(jié)性[52]、周期性[53]、氣候變化[54]、區(qū)域特征[55]等多個維度考慮其中，構(gòu)建不同的水汽校正模型，一定程度上提高了衛(wèi)星影像數(shù)據(jù)反演結(jié)果的精度和適用性，將GNSS PWV數(shù)據(jù)精度擴(kuò)展到MODIS數(shù)據(jù)，可以為GNSS水汽數(shù)據(jù)空間分布提供校正信息，提高GNSS水汽反演的空間分辨率，獲得更加詳細(xì)可靠的水汽空間分布信息.

在建立GNSS智能化水汽監(jiān)測系統(tǒng)方面，文獻(xiàn)[56]基于每個CORS站實測BDS/GNSS數(shù)據(jù)建立了BDS/GNSS PWV動態(tài)變化監(jiān)測系統(tǒng)，可以準(zhǔn)確實時反映水汽二維空間動態(tài)變化，演示大氣水汽以及相關(guān)氣象因素長時間序列分析和空間動態(tài)變化，增強(qiáng)了災(zāi)害性天氣監(jiān)測預(yù)報能力. 文獻(xiàn)[57]基于非差PPP技術(shù)通過實時接入CORS站BDS/GNSS觀測數(shù)據(jù)和IGS精密軌道和鐘差數(shù)據(jù)搭建重慶市對流層水汽監(jiān)測平臺，利用克里金插值法獲取水汽空間分布，實時生成水汽格網(wǎng)數(shù)據(jù)，為其它省搭建GNSS水汽智能監(jiān)測平臺提供參考價值. 文獻(xiàn)[58]以BDS/GNSS數(shù)據(jù)為主，結(jié)合多源水汽數(shù)據(jù)搭建BDS/GNSS PWV綜合智能化反演平臺，反演水汽結(jié)果精度較高，在云南省干旱監(jiān)測中驗證了其數(shù)據(jù)具有較強(qiáng)的干旱監(jiān)測能力，在浙江省降水監(jiān)測預(yù)報中發(fā)揮了很大的潛力. 當(dāng)前，對于GNSS智能化水汽監(jiān)測系統(tǒng)的研究較少，但通過智能監(jiān)測系統(tǒng)可以實現(xiàn)高精度、實時水汽監(jiān)測并繪制實時水汽空間分布圖，對旱澇監(jiān)測、降水預(yù)報等應(yīng)用將具有重要的推動作用. 除此之外，由于人工智能算法和機(jī)器學(xué)習(xí)技術(shù)在各個領(lǐng)域中得到廣泛應(yīng)用，因此，推動GNSS水汽監(jiān)測技術(shù)與5G、人工智能、大數(shù)據(jù)等先驗技術(shù)進(jìn)行深度融合，充分利用各種新技術(shù)的優(yōu)勢，提升數(shù)據(jù)挖掘與應(yīng)用能力，實現(xiàn)GNSS水汽監(jiān)測技術(shù)智能化水平的全面提升是未來研究的重點.

2 BDS/GNSS水汽監(jiān)測在水利領(lǐng)域的應(yīng)用

BDS建成以來，對其應(yīng)用與服務(wù)性能的關(guān)注持續(xù)增加，水汽監(jiān)測一定程度上可以反映出水汽空間分布和變化，可以實現(xiàn)降水預(yù)測、估計降雨量，對水利領(lǐng)域中水資源管理、水文循環(huán)研究、改進(jìn)水文模型、水利工程建設(shè)與管理、旱澇監(jiān)測、防災(zāi)減災(zāi)、災(zāi)害應(yīng)急管理等具有重要的意義. BDS在水汽監(jiān)測中的可行性與準(zhǔn)確性已得到驗證，但單一BDS的水汽監(jiān)測在應(yīng)用研究中相對較少，通常以BDS/GNSS多系統(tǒng)模式開展水汽監(jiān)測研究，在應(yīng)用研究中普遍可以獲得高精度水汽數(shù)據(jù)，對水利領(lǐng)域應(yīng)用提供了重要的空間數(shù)據(jù)支持.

2.1 改進(jìn)數(shù)值天氣預(yù)報的高精度水汽反演

數(shù)值天氣預(yù)報是通過數(shù)值求解大氣動力學(xué)方程組以定量客觀地獲得未來天氣情況的方法，目前已在大多數(shù)國家被應(yīng)用于日常天氣預(yù)報中. 在中國知網(wǎng)和Web of Science基于主題詞“BDS/GNSS PWV”的文獻(xiàn)檢索結(jié)果利用主題詞“數(shù)值預(yù)報”和“numerical weather prediction”進(jìn)行文獻(xiàn)檢索，結(jié)果如圖3所示.近年來，對于GNSS PWV在數(shù)值天氣預(yù)報中的應(yīng)用研究逐漸增加，但與之相關(guān)的中文文獻(xiàn)的發(fā)文量持續(xù)較少. 數(shù)值天氣預(yù)報可以預(yù)報水汽變化、進(jìn)行天氣預(yù)報、降水預(yù)報，在水利行業(yè)中對水資源管理調(diào)控、農(nóng)業(yè)作物干旱預(yù)警、農(nóng)業(yè)灌溉、防洪抗旱等具有參考價值，中文研究領(lǐng)域需要更多的關(guān)注.

圖3 2000—2022年BDS/GNSS PWV在數(shù)值天氣預(yù)報應(yīng)用研究的發(fā)文量年際變化

PWV是數(shù)值天氣預(yù)報和氣候研究中的一個重要參數(shù). 數(shù)值預(yù)報模式的初始場尤其是濕度場質(zhì)量的優(yōu)劣，直接影響到數(shù)值模式對天氣變化、未來降水的預(yù)報精度. GNSS在數(shù)值天氣預(yù)報中的應(yīng)用主要是數(shù)據(jù)同化的方式，常見的數(shù)值同化方法是對PWV、ZTD的同化應(yīng)用. 在同化GNSS PWV數(shù)據(jù)方面，文獻(xiàn)[59]利用地基GNSS PWV對RUG天氣預(yù)報模式同化改進(jìn)效果明顯，尤其以3 h天氣預(yù)報最佳，證明了GNSS PWV改進(jìn)數(shù)值天氣預(yù)報的可行性. 文獻(xiàn)[60]基于WRF預(yù)報模式同化GPS資料對中國西南地區(qū)初始場改善及降水預(yù)報展開研究，結(jié)果表明參與同化的GPS站點數(shù)據(jù)偏少的情況下對預(yù)報模式初始場的改善較小，降水預(yù)報效果差甚至起反作用. 文獻(xiàn)[61]發(fā)現(xiàn)同化BDS/GNSS PWV數(shù)據(jù)和探空PWV數(shù)據(jù)提高了模式初始水汽場的精度，導(dǎo)致數(shù)值預(yù)報對中國南部地區(qū)PWV和降水的預(yù)報性能提高，6 h累積降雨量預(yù)報精度提高14.8%. 文獻(xiàn)[62]發(fā)現(xiàn)同化PWV數(shù)據(jù)可以提高降水預(yù)報的準(zhǔn)確性，對降水模擬的誤差降低了17%，且實際降水越大，數(shù)值預(yù)報改善效果越明顯.因此，GNSS PWV在數(shù)值天氣預(yù)報模式提升天氣預(yù)報效果是可行的，有效減少了降水預(yù)報的誤差，提高了大雨及以上的預(yù)報能力，但前提在于需要引入足夠數(shù)量且數(shù)據(jù)有效的GNSS測站資料. GNSS PWV是由GNSS ZTD經(jīng)過反演得出，與GNSS PWV同化數(shù)據(jù)相比，GNSS ZTD同化數(shù)據(jù)減少了誤差來源且包含更多氣象信息，GNSS ZTD同化數(shù)據(jù)可以有效提高數(shù)值預(yù)報水平. 文獻(xiàn)[63]在中國華北地區(qū)驗證了同化GNSS ZTD在無探空資料參與同化的條件下對預(yù)報性能的提升更大，初始水汽場的質(zhì)量得到明顯改善.文獻(xiàn)[64]表明了同化GPS ZTD數(shù)據(jù)對臺風(fēng)初始場有明顯的改進(jìn)作用，從而對臺風(fēng)路徑預(yù)報、臺風(fēng)主體降水的位置預(yù)報起到良好地改善作用. 文獻(xiàn)[65]發(fā)現(xiàn)BDS/GNSS ZTD同化數(shù)值天氣預(yù)報模式對風(fēng)場、溫度、地面氣壓預(yù)報呈現(xiàn)正面影響，預(yù)報誤差降低，在改善天氣預(yù)報、降水預(yù)報方面有很大的潛力，在參與數(shù)據(jù)同化的GNSS測站數(shù)量相對較少的情況下，預(yù)報精度提升5%.

BDS/GNSS同化數(shù)據(jù)可以明顯提升數(shù)值天氣預(yù)報模式的降水預(yù)報精度，對水汽變化的監(jiān)測能力得到提高，對水資源管理與調(diào)度起到一定的指導(dǎo)作用，但卻難以應(yīng)用于短時天氣預(yù)報，原因在于GNSS數(shù)據(jù)需要與其他數(shù)據(jù)進(jìn)行數(shù)值同化，同化數(shù)據(jù)作用于數(shù)值天氣預(yù)報，而傳統(tǒng)觀測方式獲取數(shù)據(jù)普遍存在成本高、時間分辨率低的劣勢，使得GNSS短時數(shù)值天氣預(yù)報難以實現(xiàn)，從而使其在防災(zāi)減災(zāi)應(yīng)急管理中的應(yīng)用受限. 然而，GNSS水汽數(shù)據(jù)結(jié)合其他快速可用、時間分辨率相似的觀測數(shù)據(jù)可以實現(xiàn)極短時的天氣預(yù)報. 文獻(xiàn)[66]探索了BDS/GNSS ZTD結(jié)合多普勒天氣雷達(dá)徑向風(fēng)同化數(shù)據(jù)應(yīng)用于極短時天氣預(yù)報模式的可能性，填補(bǔ)了快速濕度信息獲取的空白，實現(xiàn)臨近5 min的天氣預(yù)報模式，對濕度、降水以及風(fēng)的預(yù)報都產(chǎn)生了積極的影響.

通過上述研究發(fā)現(xiàn)BDS/GNSS數(shù)據(jù)結(jié)合數(shù)值天氣模式彌補(bǔ)了地基BDS/GNSS水汽監(jiān)測空間分辨率不足的問題. GNSS水汽監(jiān)測技術(shù)在數(shù)值天氣預(yù)報中可以實現(xiàn)高精度的天氣監(jiān)測、降水預(yù)報、降水落點預(yù)測、降水范圍預(yù)測等，從大規(guī)模時空范圍了解水汽含量和空間分布. 目前存在的問題在于GNSS協(xié)同多源數(shù)據(jù)同化作用于數(shù)值天氣預(yù)報，其他數(shù)據(jù)獲取存在滯后性，導(dǎo)致短時數(shù)值天氣預(yù)報應(yīng)用困難，相關(guān)的研究任重而道遠(yuǎn). 此外，接下來的研究重點在于優(yōu)化ZTD、PWV以及BDS/GNSS ZTD相關(guān)參數(shù)數(shù)值同化方式，彌補(bǔ)高空探空氣象資料、地面氣象資料存在的不足，結(jié)合人工智能算法或機(jī)器學(xué)習(xí)技術(shù)對海量的氣象觀測數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘分析，對天氣預(yù)報精度進(jìn)行改善. 通過BDS/GNSS改進(jìn)的數(shù)值天氣預(yù)報模式的有效利用，對了解大氣階段的水文循環(huán)過程機(jī)理提供參考，在水利領(lǐng)域中有助于水循環(huán)高效監(jiān)測管理、水資源宏觀調(diào)控、制定暴雨或洪澇預(yù)警應(yīng)急預(yù)案與措施等.

2.2 降水短臨預(yù)報

基于BDS/GNSS PWV具有高精度、高時空分辨率等優(yōu)勢，能夠?qū)崿F(xiàn)近實時的PWV反演，利用CORS站網(wǎng)能夠快速獲取到區(qū)域范圍內(nèi)PWV的時空變化，對降水短臨預(yù)報提供數(shù)據(jù)支持. 極端降水，諸如短時強(qiáng)降水、暴雨、暴雪等，不僅僅對人民的物質(zhì)財產(chǎn)安全造成威脅，嚴(yán)重情況下造成山洪、泥石流等災(zāi)害發(fā)生，對人民生命安全造成嚴(yán)重威脅. 因此，在極端天氣短時預(yù)報中，尤其以極端降水的預(yù)警預(yù)報成果顯著.在中國知網(wǎng)和Web of Science基于主題詞“BDS/GNSS PWV”的文獻(xiàn)檢索結(jié)果利用主題詞“降水預(yù)報”和“rainfall forecast”進(jìn)行文獻(xiàn)檢索，結(jié)果如圖4所示.GNSS PWV在降水短臨預(yù)報中的應(yīng)用在近5年來得到大規(guī)模的研究與發(fā)展，研究熱度持續(xù)升高，研究論文發(fā)文量較之前大幅提升，英文文獻(xiàn)發(fā)文量持續(xù)增加，但中文研究發(fā)文量持續(xù)較少且中文文獻(xiàn)占比呈下降趨勢，研究方向主要包括：降水過程水汽監(jiān)測；降水短臨預(yù)報等.

在降水過程水汽監(jiān)測方面，文獻(xiàn)[67]基于PPP的實時PWV進(jìn)行降水監(jiān)測，精度效果良好，誤差為2.4 mm. 文獻(xiàn)[68]對懷化地區(qū)汛期強(qiáng)降水過程中降雨量、PWV和氣壓變化展開分析，發(fā)現(xiàn)三者之間存在較強(qiáng)的相關(guān)關(guān)系，可為強(qiáng)降水預(yù)測提供參考，同時證明了GNSS水汽監(jiān)測在強(qiáng)降水過程中應(yīng)用的可行性與穩(wěn)定性. 文獻(xiàn)[69]分析了沈陽地區(qū)短時強(qiáng)降水過程中的PWV變化情況，得出結(jié)論：PWV變化與實際降水變化趨勢一致，但并非完全對應(yīng)，PWV與降雨量之間的實際轉(zhuǎn)換關(guān)系需結(jié)合機(jī)理深入研究. 文獻(xiàn)[70]對山東省暴雨發(fā)生前和發(fā)生過程的BDS PWV變化特征進(jìn)行分析，發(fā)現(xiàn)PWV變化與暴雨發(fā)生存在較強(qiáng)的相關(guān)性，PWV在暴雨發(fā)生前5～12 h存在明顯的上升趨勢，PWV變化特征對暴雨預(yù)報存在一定的指示作用. 除此之外，BDS PWV數(shù)據(jù)產(chǎn)品對降水的響應(yīng)程度仍需驗證，許多學(xué)者研究表示PWV變化特征與降水的發(fā)生存在強(qiáng)相關(guān)性，研究長時序的降水發(fā)生前、中、后PWV變化特征與響應(yīng)情況可以為降水預(yù)報提供重要的參考與指示作用.

在降水短臨預(yù)報方面，BDS/GNSS是降水預(yù)報數(shù)據(jù)的有效來源，但并不能作為降水預(yù)報的唯一標(biāo)準(zhǔn)，僅僅依靠PWV信息不足以進(jìn)行準(zhǔn)確的降水預(yù)報，需要結(jié)合其他氣象因素綜合判斷. 文獻(xiàn)[71]基于BDS PWV數(shù)據(jù)提出了三因子降水短時預(yù)報模型，模型包含PWV、PWV變化、PWV變化率三因子，以PWV變化率為主要因子，月際PWV和PWV變化為輔助因子，當(dāng)因子超過確定的閾值進(jìn)行降水預(yù)報，基于此模型對浙江省實現(xiàn)高精度降水短時預(yù)報，可以提前6 h對降水進(jìn)行預(yù)警預(yù)報，預(yù)報正確率達(dá)到80%. 文獻(xiàn)[72]應(yīng)用北京地區(qū)的地基BDS/GNSS數(shù)據(jù)驗證了ZTD與PWV之間的相關(guān)關(guān)系達(dá)到96.76%，完全可以基于無氣象數(shù)據(jù)的條件下替代PWV應(yīng)用三因子模型進(jìn)行降水事件的短時預(yù)報. 文獻(xiàn)[73]分析了廣東河源地區(qū)降水過程中BDS/GNSS PWV和氣壓變化.在水汽充足且氣壓足夠低的條件下會發(fā)生降水事件，對降水短時預(yù)報時效性的提高有很大的幫助. 機(jī)器學(xué)習(xí)等智能算法的引入使得降水短臨預(yù)報在傳統(tǒng)方法的基礎(chǔ)上準(zhǔn)確率得到提高，誤報率大幅度降低. 文獻(xiàn)[74]提出一種基于長短期記憶(long short term memory，LSTM)神經(jīng)網(wǎng)絡(luò)構(gòu)建的多氣象因素的降水短臨預(yù)報模型，利用?？诘貐^(qū)BDS/GNSS PWV數(shù)據(jù)作為輸入數(shù)據(jù)，輸出結(jié)果準(zhǔn)確率達(dá)到66%，模型誤報率8%，預(yù)報效果優(yōu)于傳統(tǒng)基于PWV信息的預(yù)報方法. 文獻(xiàn)[75]構(gòu)建了基于幾種典型機(jī)器學(xué)習(xí)算法的降水短時預(yù)報模型，基于北京站(BJFS)和武漢站(WUH2)BDS/GNSS PWV可以實現(xiàn)降水前3 h的預(yù)報，準(zhǔn)確率在80%以上. 文獻(xiàn)[76]發(fā)現(xiàn)僅依靠BDS/GNSS PWV信息進(jìn)行降水短時預(yù)報誤報率偏高，不足以在實際應(yīng)用中進(jìn)行降水預(yù)報，提出了一種結(jié)合氣象信息的非線性自回歸外生神經(jīng)網(wǎng)絡(luò)的降水短時預(yù)報模型，顯著降低了誤報率.

綜上所述，BDS/GNSS PWV具有高精度、高時空分辨率的特征，可以反映水汽快速變化，與降水之間存在明顯的強(qiáng)相關(guān)關(guān)系. 水汽變化特征在一定程度上可以反映降水的可能性，實現(xiàn)降水短臨預(yù)報. 應(yīng)用上述智能預(yù)測模型與方法均能實現(xiàn)降水預(yù)警預(yù)報，有效提高了預(yù)報精度，確定降水可能發(fā)生地區(qū). 目前許多研究已經(jīng)結(jié)合智能算法展開研究，但未來仍需要挖掘有用的氣象信息、對智能算法進(jìn)行參數(shù)優(yōu)化、提高模型大規(guī)?？臻g適用性，不斷提升降水短臨預(yù)報的精度和智能化水平. 降水量是水利行業(yè)中不可或缺的氣象要素，不僅影響水位、流量等水文要素，而且對水文模型的改進(jìn)大有裨益，同時還對水利工程的建設(shè)與運(yùn)行管理，對水環(huán)境也產(chǎn)生深遠(yuǎn)的影響. 從實際需求上來說，高精度、近實時、智能化的降水預(yù)測可以有效提高旱澇事件預(yù)測精度，從而實現(xiàn)對河湖庫塘管理、防洪抗旱等防災(zāi)減災(zāi)工作做出及時的決策響應(yīng)，更好地為水利行業(yè)提供服務(wù).

2.3 氣候變化監(jiān)測及旱澇災(zāi)害防護(hù)

水汽是最重要的溫室氣體，全球氣候變暖與水汽的變化密不可分，水汽的分布與變化速率直接影響著氣候的演變. 氣候變暖會使某地區(qū)持續(xù)異常升溫，周圍某地區(qū)溫度下降，進(jìn)一步會導(dǎo)致極端天氣的增加，劇烈的天氣變化又將影響整個氣候的變化，最終導(dǎo)致旱澇災(zāi)害頻發(fā). 極端異常氣候變化主要包括熱帶氣旋和厄爾尼諾-南方濤動(El Ni?o-Southern Oscillation,ENSO)現(xiàn)象等. 眾多學(xué)者基于水汽變化對極端異常氣候變化及氣候變化造成的旱澇災(zāi)害展開監(jiān)測工作，在中國知網(wǎng)和Web of Science基于主題詞“BDS/GNSS PWV”的文獻(xiàn)檢索結(jié)果分別利用主題詞“洪澇”、“干旱”、“臺風(fēng)”、“厄爾尼諾”和“flood”、“drought”、“typhoons or tropical cyclones”、“El Ni?o”進(jìn)行文獻(xiàn)檢索，結(jié)果如圖5～6所示. 2015年以來，氣象災(zāi)害發(fā)生頻率逐漸增加，相關(guān)氣候變化的研究日益增長，中文文獻(xiàn)的占比也在不斷提高，有關(guān)臺風(fēng)、洪澇的研究占比較多，證明國內(nèi)學(xué)者對于研究水汽監(jiān)測在氣候變化監(jiān)測應(yīng)用中的關(guān)注度逐漸上升，對水利行業(yè)災(zāi)害預(yù)警、監(jiān)測與應(yīng)急管理決策起到了較大的助力作用.

圖5 2000—2022年BDS/GNSS PWV在氣候變化監(jiān)測的研究發(fā)文量年際變化

2.3.1 極端異常氣候變化監(jiān)測

熱帶氣旋登陸過程中攜帶大量的水汽，造成沿海及周邊地區(qū)暴雨以致洪澇事件發(fā)生，對水利領(lǐng)域防災(zāi)減災(zāi)工作造成了較大的威脅. 在熱帶氣旋監(jiān)測方面，文獻(xiàn)[77]分析了EWINIAR臺風(fēng)過境期間PWV變化，證明了BDS/GNSS在極端氣候變化中捕獲變化的PWV信息的能力. 隨后學(xué)者們紛紛利用PWV時空信息監(jiān)測臺風(fēng)路徑與強(qiáng)度[78]、臺風(fēng)引發(fā)降雨分析[79]，以及結(jié)合數(shù)值同化信息進(jìn)行臺風(fēng)預(yù)警和降雨預(yù)報[80].文獻(xiàn)[81]基于60個地基GPS測站制作了臺風(fēng)登陸期間高分辨率的PWV等高線圖，通過與降雨等值線對比發(fā)現(xiàn)PWV空間移動與臺風(fēng)路徑相似，PWV移動速度與臺風(fēng)的平均移動速度相近，表明近實時的PWV監(jiān)測可以為臺風(fēng)路徑預(yù)測提供重要的指導(dǎo)作用，可以幫助我們更好地了解臺風(fēng)的發(fā)展變化，提供更準(zhǔn)確的預(yù)測信息，從而更好地應(yīng)對臺風(fēng)帶來的影響. 文獻(xiàn)[82]通過監(jiān)測BDS/GNSS PWV時空變化進(jìn)行臺風(fēng)監(jiān)測，提出一種基于PWV劇增到達(dá)不同站點的時間差來估計臺風(fēng)運(yùn)動方向和移動速度的新方法，預(yù)測結(jié)果與中國氣象局預(yù)測結(jié)果高度吻合，證明了PWV監(jiān)測在臺風(fēng)預(yù)測中的可行性與準(zhǔn)確性. 文獻(xiàn)[83]分析臺風(fēng)“利奇馬”登陸期間山東地區(qū)的PWV含量及分布變化與降水變化，可以明顯反映出臺風(fēng)水汽輸送的過程.

ENSO事件的發(fā)生在大氣環(huán)流的作用下會對整個地球的氣候變化造成影響，造成多地區(qū)持續(xù)旱澇.在ENSO事件的監(jiān)測方面，海表溫度是最重要的監(jiān)測指標(biāo)之一，故PWV與海表溫度之間的關(guān)系[84]、GNSS PWV對于ENSO事件的響應(yīng)[85]、GNSS PWV結(jié)合多氣象因素監(jiān)測ENSO、GNSS PWV預(yù)測ENSO事后旱澇結(jié)果[86]是監(jiān)測研究中的重點. 文獻(xiàn)[87]發(fā)現(xiàn)PWV與ENSO存在相關(guān)關(guān)系，PWV的異常變化是對ENSO事件發(fā)生前的響應(yīng)，研究長時間序列的PWV非線性變化與多變量ENSO指數(shù)(multivariate ENSO index，MEI)之間相關(guān)系數(shù)達(dá)到0.78，證明地基BDS/GNSS PWV結(jié)合多氣象因素監(jiān)測ENSO事件的可能性. 文獻(xiàn)[88]對ENSO期間水汽時間、空間、垂向變化做出分析，發(fā)現(xiàn)ENSO與PWV呈正相關(guān)關(guān)系，通過PWV可實現(xiàn)ENSO監(jiān)測，ENSO事件后造成極端降水，但引發(fā)異常降水的原因復(fù)雜，并非PWV一種影響因素. 文獻(xiàn)[89]分析了ENSO過程中BDS/GNSS PWV與海表溫度時空變化特征，發(fā)現(xiàn)海表溫度異常變化與PWV具有強(qiáng)相關(guān)性，并在此基礎(chǔ)上提出一種適用于中國東南地區(qū)進(jìn)行ENSO監(jiān)測的SPTI指數(shù).

2.3.2 旱澇監(jiān)測

中國特定的地理和氣候條件決定了我國是一個水旱災(zāi)害頻發(fā)的國家，近年來極端天氣事件的發(fā)生頻率愈加頻繁、強(qiáng)度不斷增強(qiáng)，導(dǎo)致旱澇災(zāi)害頻發(fā). 例如，2021年鄭州“720”特大暴雨導(dǎo)致城市內(nèi)澇嚴(yán)重；2022年四川遭遇多輪強(qiáng)降雨引發(fā)山洪災(zāi)害；2022年長江流域持續(xù)性極端高溫、降水異常偏少，遭遇了60年以來最嚴(yán)重的氣象干旱. 由于極端天氣事件頻發(fā)，使得極端氣候變化加劇，造成的損失越來越大. 因此，加強(qiáng)水利行業(yè)防災(zāi)減災(zāi)能力是一項長期的工作.目前，對于干旱監(jiān)測主要是通過干旱監(jiān)測指數(shù)進(jìn)行的，BDS/GNSS PWV在干旱監(jiān)測中的應(yīng)用包括兩方面：改進(jìn)現(xiàn)有的干旱監(jiān)測指數(shù)和基于PWV構(gòu)建新的干旱監(jiān)測指數(shù). 文獻(xiàn)[90]基于BDS/GNSS PWV和溫度數(shù)據(jù)，提出了改進(jìn)的TH模型，即RTH模型，在此基礎(chǔ)上引入分段線性回歸模型擬合TH模型與PM反演PET差值，并構(gòu)建了HPET模型，在黃土高原的應(yīng)用效果明顯優(yōu)于RTH模型[91]. 文獻(xiàn)[92]在此RTH模型基礎(chǔ)上結(jié)合高精度站點ETP和SPEI，構(gòu)建了適用于中國區(qū)域的C-RTH模型. 此外，國外PWV干旱監(jiān)測研究中文獻(xiàn)[93]以BDS/GNSS PWV作為供水指標(biāo)構(gòu)建了大氣作物水分指數(shù)，作為大氣干旱監(jiān)測指數(shù). 文獻(xiàn)[94]利用BDS/GNSS PWV和降水?dāng)?shù)據(jù)構(gòu)建多時間尺度標(biāo)準(zhǔn)化降水轉(zhuǎn)換指數(shù)，在全球大陸地區(qū)干旱監(jiān)測發(fā)揮了良好的性能.

PWV在洪澇監(jiān)測中的應(yīng)用主要包含洪澇預(yù)測、災(zāi)中監(jiān)測以及事后分析. 降水是影響洪澇發(fā)生的主要因素，對降水的高精度預(yù)測極大程度上反映了洪澇預(yù)測模擬的準(zhǔn)確性. 降水是洪澇預(yù)測模型中重要的輸入?yún)?shù)之一，文獻(xiàn)[95]依據(jù)降雨資料構(gòu)建了灰色災(zāi)變預(yù)測模型，提前預(yù)測了遼寧省的洪澇災(zāi)害發(fā)生情況. 在洪澇災(zāi)害發(fā)生期間往往伴隨著強(qiáng)降雨，大氣中的水汽變化復(fù)雜，監(jiān)測困難. BDS/GNSS PWV數(shù)據(jù)作為降水資料參與洪水預(yù)測在國內(nèi)的研究較少，國外相關(guān)研究中文獻(xiàn)[96]結(jié)合多參數(shù)要素特征基于神經(jīng)網(wǎng)絡(luò)和灰狼優(yōu)化算法建立了洪水預(yù)測模型，可以實現(xiàn)較高精度的空間洪水分布和強(qiáng)度預(yù)測. 文獻(xiàn)[97]驗證了GPS PWV在強(qiáng)降雨引發(fā)的山洪期間水汽監(jiān)測的可能性，在洪水期間PWV對強(qiáng)降雨存在顯著的響應(yīng). 文獻(xiàn)[98]分析了馬來西亞山洪發(fā)生前后、發(fā)生期間的PWV含量和空間分布狀況，驗證了PWV對山洪期間降雨量的響應(yīng)，監(jiān)測PWV含量有助于對山洪災(zāi)害的發(fā)生做出及時的響應(yīng).

總的來說，水汽相變會吸收或釋放潛熱，導(dǎo)致氣溫變化，進(jìn)而影響氣候變化，影響地球水循環(huán)，氣候變化的結(jié)果即使造成旱澇災(zāi)害頻發(fā). 水汽含量與空間分布、水汽傳輸與極端降水、旱澇災(zāi)害乃至氣候變化的發(fā)生以及反映ENSO事件的影響息息相關(guān). 上述研究反映GNSS水汽監(jiān)測在氣候變化監(jiān)測中可以發(fā)揮巨大的優(yōu)勢，基于其高精度、高時空分辨率、近實時水汽監(jiān)測的優(yōu)勢有效進(jìn)行臺風(fēng)路徑、強(qiáng)度、降水監(jiān)測，為旱澇監(jiān)測提供基礎(chǔ)氣象數(shù)據(jù). 對于旱澇監(jiān)測的研究，未來的研究方向在于從機(jī)理角度深度挖掘水汽與干旱的關(guān)系，構(gòu)建新的干旱監(jiān)測指數(shù)在不同地區(qū)進(jìn)行干旱監(jiān)測試驗；應(yīng)用智能化算法結(jié)合高精度GNSS降水資料構(gòu)建洪澇預(yù)測模型，對現(xiàn)有預(yù)測模型進(jìn)行參數(shù)優(yōu)化與改進(jìn)，提升洪澇預(yù)測的精度，挖掘更多的智能算法應(yīng)用于洪澇監(jiān)測. 從水利防災(zāi)減災(zāi)角度來講，快速反映災(zāi)害信息、確定災(zāi)害范圍是應(yīng)急工作的首要任務(wù)，GNSS水汽監(jiān)測對確定旱澇防御策略有著重要的推動作用，能夠滿足水利、氣象、農(nóng)業(yè)、生態(tài)等領(lǐng)域的實際需求，但目前在實際應(yīng)急減災(zāi)中的應(yīng)用較少，對于旱澇的綜合預(yù)測功能有待改善.

3 總結(jié)與展望

作為一種新興的水汽探測技術(shù)，GNSS水汽探測在實際應(yīng)用中已經(jīng)被證實具有良好的應(yīng)用前景，與傳統(tǒng)水汽監(jiān)測手段相比具有全天時、全天候、高精度、高時空分辨率、成本低廉等優(yōu)勢. 當(dāng)前，GNSS PWV水汽反演技術(shù)發(fā)展迅速，中國BDS在水汽探測試驗中可行性和準(zhǔn)確性得到一定驗證，但單一BDS在不同地形條件和天氣條件下獲取水汽數(shù)據(jù)的穩(wěn)定性和準(zhǔn)確性有待進(jìn)一步驗證. 此外，如何獲得更高時空分辨率的水汽信息是研究中亟待解決的問題. BDS/GNSS PWV反演是以接收機(jī)接收衛(wèi)星導(dǎo)航信號為基礎(chǔ)進(jìn)行反演的，而地基CORS測站的密度是影響其時空分辨率的主要原因，單純通過增加測站數(shù)目和增加測站分布來提高水汽監(jiān)測區(qū)域尺度上的時空分辨率，并非最佳解決方案. 隨著全球水汽觀測資料的不斷豐富，基于線性回歸和機(jī)器學(xué)習(xí)算法的多源數(shù)據(jù)校正模型在實際應(yīng)用中得到廣泛應(yīng)用，可有效提高現(xiàn)有監(jiān)測手段的精度，對于降雨、氣候、環(huán)境等方面的監(jiān)測有著十分重要的意義. 然而，多源數(shù)據(jù)融合才是提高GNSS水汽探測時空分辨率的有效之舉，其難點在于不同數(shù)據(jù)獲取周期不同，難以實現(xiàn)實時融合數(shù)據(jù)的獲取以及存在GNSS PWV點狀數(shù)據(jù)擴(kuò)展到面狀數(shù)據(jù)的誤差問題，伴隨著人工智能算法研究的深入對多源數(shù)據(jù)融合有很大的推動作用，構(gòu)建人工智能數(shù)據(jù)融合算法融合多源數(shù)據(jù)仍是下一步的重點，因此GNSS多源數(shù)據(jù)融合的研究仍有很長的路要走.

從水利領(lǐng)域應(yīng)用角度上看，BDS/GNSS PWV水汽反演技術(shù)是理論研究中的熱點問題，在部分地區(qū)水汽監(jiān)測可行性得到驗證，但較少在實際業(yè)務(wù)化應(yīng)用中發(fā)揮作用，大多仍處于研究層面. 許多學(xué)者利用GNSS PWV進(jìn)行降水短臨預(yù)報、異常氣候變化、旱澇監(jiān)測等，在研究中均取得較好的結(jié)果，但如何將其轉(zhuǎn)化為實際應(yīng)用、建立智能化水汽監(jiān)測系統(tǒng)、提升水汽監(jiān)測智能化水平，并且驗證其在實際業(yè)務(wù)化應(yīng)用中的可靠性仍需深入研究. PWV與實際降水之間存在顯著的相關(guān)性，在一定程度上可以預(yù)測未來的降水情況，而降水是水利領(lǐng)域中的研究重點，受眾多因素的影響.在實際業(yè)務(wù)化需求中不可能僅僅基于實時的GNSS PWV數(shù)據(jù)對降水進(jìn)行預(yù)警預(yù)報，必須綜合考慮其他氣象因素，對未來的降水形勢進(jìn)行綜合預(yù)測，多參數(shù)輸入的機(jī)器學(xué)習(xí)預(yù)測模型和深度學(xué)習(xí)模型的研究必然是實現(xiàn)高精度降水短臨預(yù)報的關(guān)鍵與重點，但同時存在實時氣象數(shù)據(jù)獲取困難、數(shù)據(jù)滯后的問題，無氣象參數(shù)預(yù)測模型的研究也是降水短臨預(yù)報的要點. 隨著GNSS技術(shù)研究的不斷深入，BDS/GNSS水汽探測技術(shù)勢必會在水利領(lǐng)域中得到更多的應(yīng)用，將研究成果擴(kuò)展到業(yè)務(wù)化應(yīng)用是此后研究的必經(jīng)之路，搭建全國一體化、各省市的水汽分布監(jiān)測與災(zāi)害預(yù)警平臺，對提升水汽監(jiān)測智能化水平，對水循環(huán)研究、水資源管理調(diào)控、流域管理、防災(zāi)減災(zāi)、應(yīng)急管理等具有重要的支撐作用，對人民的生產(chǎn)生活有著重要的意義.