基于精密单点定位的大气可降水量反演及精度分析

Atmospheric Precipitable Water Vapor Retrieval and Precision Analysis Using Precise Point Positioning

摘要

采用精密单点定位算法对河池、宝山、海口3站地基全球卫星导航系统（Global Navigation Satellite System，GNSS）资料开展6组卫星数据质控方案对大气可降水量（Precipitable Water Vapor，PWV）反演试验，基于探空资料和中国气象局PWV业务产品对反演结果进行精度检验并对比分析各种PWV资料在降水过程中的变化特征。结果表明：卫星数据质控对反演效果影响明显，对残差σ＞2的卫星数据进行剔除能有效改进反演效果，反演结果与探空、PWV业务产品的相关系数可提升0.03～0.25，均方根误差可减少0.54～10.7 mm；对进入滤波器前残差＞3倍误差的卫星数据以及进入滤波器后σ＞2的卫星数据进行剔除后，反演效果最佳，与探空、PWV业务产品的平均相关系数超过0.93，平均偏差为-1.26～-1.91 mm，具有较高的反演精度，可弥补常规PWV资料时间分辨率偏低的不足；反演的PWV对短时强降水发生指示作用较其他2种明显，降水发生前后10～30 min的PWV迅速增加和减少10～15 mm，可以作为局地短时强降水预报的辅助判别条件。

Abstract

This study explores the retrieval of atmospheric Precipitable Water Vapor (PWV) using the Precise Point Positioning (PPP) algorithm with Global Navigation Satellite System (GNSS) data from Hechi, Baoshan, and Haikou stations. Six experimental tests were conducted to assess the impact of satellite data quality control on PWV retrieval accuracy, with results compared with sounding data and operational PWV products from the China Meteorological Administration. The findings reveal that effective quality control significantly enhances retrieval accuracy. By excluding satellite data with residual errors exceeding three times the threshold before filtering, and the satellite data with residual sigma values greater than two after filtering, the correlation coefficients with sounding data or PWV products increased by 0.03 to 0.25, while root mean square errors decreased by 0.54 to 10.7 mm. The highest retrieval accuracy was achieved by filtering satellites with residual errors exceeding the threshold prior to analysis, resulting in an average correlation coefficient above 0.93 and a mean bias of -1.26 to -1.91 mm. This approach effectively addresses the limitations of low temporal resolution in conventional PWV data. Compared to other products,the PWV retrieved using the PPP method also demonstrated improved sensitivity to short-term heavy precipitation events.Notably, it captured rapid PWV variations of 10 to 15 mm within 10 to 30 minutes before and after rainfall, providing a valuable auxiliary indicator for forecasting localized short-term heavy precipitation.

Graphical abstract

关键词

GNSS / 精密单点定位 / 大气可降水量 / 降水

Key words

Global Navigation Satellite System(GNSS) / precise single point positioning / atmospheric precipitable water vapor / precipitation

大气水汽在极端降水天气的形成和发展过程中占据重要作用，水汽含量的变化及辐散辐合与极端天气系统密切相关^[1-3]。由于极端降水天气的产生和演变过程迅速，其生命史短暂并带有明显的突发性，因此，高时间分辨率大气水汽的快速准确探测十分重要。目前，大气水汽探测的主要方法有探空气球、遥感卫星、微波辐射计、GNSS等。传统探空观测站点稀疏、探测时间分辨率低，无法满足现有观测和预报需求。微波辐射计能够提供高精度、高时间分辨率的水汽数据，但设备昂贵且需要频繁校对，难以大范围密集设置站网和实现观测业务化。GNSS具有全天候、时空分辨率高、观测稳定、费用低廉、探测精度高、无须校正等优点，已成为大气水汽探测的最佳技术之一^[4-6]。

双差网解和精密单点定位是GNSS水汽反演的两种主要方法。在双差网解法大气水汽反演方面，李成才等^[7]利用GAMIT软件对上海、武汉水汽进行反演并分析了影响大气水汽反演的误差原因。诸多专家学者对宁夏、闽南、柴达木盆地、湖北、北京等地区GNSS探测资料进行PWV反演并分析了其与降水的关系^[8-12]；中国气象局利用GAMIT软件实现了全国地基GNSS水汽逐小时实时反演。双差网解法大气水汽反演精度较高，与探空均方根误差为2~5.2 mm，但该方法需要多个观测站点通过组网实现卫星导航系统的高精度定位，在进行较大规模数据处理时，会造成计算延迟，水汽探测的时间分辨率为0.5~1 h，难以满足短时强降水等极端天气水汽监测和预报需求。精密单点定位实现了对单台GNSS接收机采集相位和伪距观测值的定位解算^[13]，其模型简单、无须引入超远基准站，单站作业，处理高效，可得到分钟级的水汽产品，是GNSS水汽反演技术发展中的一个重要方向。郭巍等^[14]利用精密单点定位技术对上海北斗卫星水汽进行反演，结果与探空的均方根误差约为3.5 mm；唐旭等^[15]对比静态和动态环境下水汽反演效果，发现精密单点定位可成功获取大气中的PWV，最大差别为6.6 mm；刘梦杰等^[16]建立了一种台站处分布式北斗/GNSS实时水汽解算模式，实现了实时水汽产品监测。精密单点定位可较好地反演大气中的水汽含量，但仍存在一定的偏差。该技术受卫星精度影响较大^[17]，卫星数据的可靠性是影响反演精度的关键因素之一，在反演过程中对卫星数据进行合理质控有助于提升水汽反演效果，但目前这方面的研究较少。为此，本文采用精密单点定位法开展卫星数据质控对PWV反演的敏感性试验，探讨精密单点定位水汽反演产品在短时强降水预报方面的指示作用，为极端降水预报提供一种高精度高时间分辨率的监测和预报手段。

1 研究数据

1.1 探空大气可降水量

利用常规探空温、压、湿数据进行大气可降水量计算，大气可降水量P计算公式如下：

P=\frac{\mathrm{1}}{g}{\int }_{p_s}^{p_t}q\mathrm{d}p。（1）

式中： p_t为大气层顶的气压，单位：Pa； p_s为地面气压，单位： Pa；g为地球重力加速度，值为9.8 m/s；q为比湿，单位： kg/kg，公式为：

q=\frac{\mathrm{0.622}e}{p-\mathrm{0.378}e}。（2）

饱和水汽压e采用1966年世界气象组织建议采用的计算公式求得，公式为：

\mathrm{l}\mathrm{g}e=\mathrm{10.795}\mathrm{74}\left(\mathrm{1}-T_{\mathrm{1}}/T_{\mathrm{d}}\right)-\mathrm{5.028}\mathrm{00}\mathrm{l}\mathrm{g}\left(T_{\mathrm{d}}/T_{\mathrm{1}}\right)+\mathrm{1.504}\mathrm{75}\times {\mathrm{10}}^{-\mathrm{4}}\times \left(\mathrm{1}-{\mathrm{10}}^{-\mathrm{8.296}\mathrm{9}\left(T_{\mathrm{d}}/T_{\mathrm{1}}-\mathrm{1}\right)}\right)+\mathrm{4.287}\mathrm{3}\times {\mathrm{10}}^{-\mathrm{4}}\left({\mathrm{10}}^{\mathrm{4.769}\mathrm{55}\left(\mathrm{1}-T_{\mathrm{1}}/T_{\mathrm{d}}\right)}-\mathrm{1}\right)+\mathrm{0.786}\mathrm{14}。（3）

式中：T_{\mathrm{d}}为露点温度。

由于探空一日观测2次（北京时8时和20时），因此，计算得到的大气可降水量时间分辨率为12 h。

1.2 <bold>GNSS</bold>大气可降水量

为检验不同地区降水期的水汽反演效果，本文针对梅雨、台风、西南季风等大气水汽特征，选取中国气象局地基GNSS气象探测网络中广西河池、海南海口、上海宝山3个典型站，采用2021年5月1日—7月31日的观测数据（o文件）、气象数据（m文件）以及武汉大学GNSS服务数据中心（http://www.igs.gnsswhu.cn/）的高精度精密星历和卫星钟差产品，利用精密单点定位法进行PWV反演，时间分辨率为1 min。3个典型站的地理信息见表1。

PWV业务产品采用中国气象局开发的CGVAPS软件^[18]反演的3个典型站准实时大气可降水量，时间分辨率为1 h。

2 研究方法

2.1 精密单点定位<bold>PWV</bold>反演方法

利用GNSS精密星历、卫星钟差产品，根据无电离层组合的相位、伪距精密单点定位方程，采用卡尔曼滤波等方法，得出对流层延迟，再根据映射函数将倾斜路径对流层延迟转换到天顶方向，得到对流层天顶方向总延迟。使用测站气压、温度、水汽压、大地高等资料通过Saastamoinen模型计算天顶静力延迟，用天顶总延迟减去静力延迟得到天顶湿延迟，再利用Bevis转换模型通过天顶湿延迟得出大气可降水量^[19]。

2.2 反演流程

PANDA软件基于非差精密单点定位模式进行单站高精度动态定位。参数估计模块使用均方根信息滤波（SRIF滤波）器，在处理GNSS数据及卫星跟踪数据时能有效克服滤波器的发散，并应用基于卡方检验理论的SRIF验后粗差探测，有效去除大部分由精密产品或数据带来的粗差。

采用PANDA软件读取GNSS标准观测数据（o文件）、精密星历和钟差产品，基于GNSS非差双频观测值的数据预处理，探测和修复周跳并剔除粗差，获得干净数据， 进入参数估计模块，对观测误差方程中测站坐标、接收机钟差、模糊度等参数进行估计。对观测残差数据进行再处理，进一步探测周跳和粗差，得到干净的数据，减少对定位精度的影响，获得高精度的实时定位信息和对流层天顶总延迟产品。通过对流层天顶总延迟量，结合GNSS站实时气象观测值及地理信息等资料，反演得到时间分辨率为1 min的PWV结果。反演流程见图1。

2.3 反演试验设计

干净的数据质量是水汽反演可靠性的重要保障，数据质量取决于单站数据预处理和基于观测值残差的数据再编辑。开展6组敏感性试验以分析卫星数据质控对反演效果的影响，进入参数估计模块滤波器之前对残差超过2、3、4倍误差的卫星数据进行剔除，进入参数估计模块滤波器之后对sigma超过1、2、3的卫星数据剔除，6组敏感性试验分别记为P₂₁、P₂₂、P₃₁、P₃₂、P₃₃、P₄₃，试验设置见表2。

3 反演效果分析

精密单点定位PWV、PWV业务产品、探空PWV时间分辨率分别为1 min、1 h、12 h，因此取精密单点定位PWV逐时整点值与同址PWV业务产品进行对比，取8、20时的值与同址探空PWV进行对比。

3.1 与探空大气可降水量的检验对比分析

由6组反演试验与探空大气可降水量的检验对比（图2）可知，河池、宝山2站P₂₁和P₃₁试验与探空PWV的相关性较低，2站相关系数分别为0.72、0.79，其他4组试验相关系数达到0.95、0.97；海口站6组试验相关系数为0.82～0.87，P₂₂和P₃₂试验最高（图2a）。河池、宝山站P₂₁、P₃₁试验与探空PWV的绝对偏差、均方根误差较大，分别为4.8～9.2 mm、6.3～14.6 mm，其他4组较P₂₁、P₃₁试验偏小，分别为2.3～3.1 mm、2.9～4 mm；海口站P₂₂、P₃₂试验与探空PWV偏差、均方根误差分别为3.7、4.8 mm，较其他试验偏小（图2b、c）。P₂₁、P₃₁试验反演效果较差，其他4组试验均能较好地反演出PWV，P₃₂试验反演的PWV最接近探空值。

3.2 与<bold>PWV</bold>业务产品的检验对比分析

由6组反演试验与PWV业务产品的对比结果（图3）可知，P₂₂、P₃₂试验与PWV业务产品相关性最高，3站相关系数均达到0.96以上；P₃₃、P₄₃试验次之，3站与PWV业务产品的相关系数达0.92以上；P₃₁、P₂₁试验相关性最差，3站相关系数为0.73～0.9（图3a）。P₂₁、P₃₁试验与PWV业务产品的绝对偏差、均方根误差最大，河池、海口、宝山站的绝对偏差分别为4.2、3、9 mm，均方根误差分别为6、4、14 mm，其他4组试验较接近，3站绝对偏差分别为2.04～2.09 mm、2.05～2.77 mm、3.29～3.38 mm，3站均方根误差分别为2.49～2.63 mm、2.64～3.86 mm、4.23～4.33 mm，P₃₂试验绝对偏差、均方根误差最小，P₂₂试验次之（图3b、3c)。综上，P₃₂、P₂₂试验与PWV业务产品的相关性较高，绝对偏差、均方根误差较小，P₃₂试验略优于P₂₂试验，P₃₃、P₄₃试验次之，P₂₁、P₃₁试验反演效果最差。

3.3 最优反演结果与探空、<bold>PWV</bold>业务产品的检验分析

表3为PWV反演值与探空、业务产品的对比结果。河池、海口、宝山3站反演的PWV与探空PWV业务产品均具有明显的相关性，除海口站反演值与探空相关系数略偏低，为0.87，其他均在0.95以上，3站平均相关系数超过0.93，平均偏差2 mm、平均均方根误差3.84 mm。图4为河池、海口、宝山站降水量以及最优反演试验P32结果（简称“反演值”）与探空大气可降水量、PWV业务产品随时间变化情况。反演值与探空、PWV业务产品随时间变化基本一致，能较好地反映大气中可降水量的变化，绝大多数时刻反演值与PWV业务产品差异较小，少量时刻存在较大的跳变误差，主要是由于部分时刻精密产品质量较差或缺失。

4 大气可降水量与降水关系分析<bold>4.1</bold>　日变化分析

由图5可知，2021年5—7月河池、海口、宝山P反演值与PWV业务产品日变化较为一致，量级偏小0.2～4 mm。河池站PWV 0—7时较高，降水发生频率较高，占降水总量的57.8%(图5a)；海口站PWV和降水量均呈单峰结构，午后大、夜间小，降水多发生在12—19时，占83.6%，与PWV高值时段一致（图5b）；宝山站PWV和降水量日变化差异不明显，12—19时为相对高值区（图5c）。虽然河池、海口、宝山3站PWV日变化特征各不相同，但降水量与PWV日变化一致性较好，PWV高值区与降水量高值时段对应。

4.2 降水过程中<bold>PWV</bold>特征分析

充沛的水汽是产生降水的前提条件，在强降水发生前，水汽会出现明显增加^[20-22]。从各PWV产品与降水变化可知（图4），降水发生时段与PWV超过平均值的时段较为一致且多发生在PWV峰值附近，降水发生前PWV逐渐增加，降水结束后PWV减弱。

以3站短时强降水过程为例，绘制反演、探空、业务产品PWV与降水变化（图6），分析极端天气中大气水汽的变化特征。强降水过程中，反演值与PWV业务产品整体变化趋势一致，与水汽的增长和下降时间基本吻合。探空资料时间分辨率较低，虽不能反映水汽的变化特征，但反演值与其在量级没有明显偏离。此外，反演值时间分辨率高，可反映大气水汽的细致变化。

18—19时宝山站发生了16 mm/h的降水过程（图6a）。从PWV业务产品可知，降水前可降水量持续稳定在70 mm以上，降水发生时略微提升，降水后急剧下降，4 h下降约10 mm，之后稳定在63 mm左右；反演值能更及时反映大气水汽的短时变化特征，降水前7 h维持在65～70 mm，18:14迅速上升，10 min上升10 mm，持续约30 min后迅速下降至65～70 mm，22时后在55～65 mm。PWV业务产品对局地短时强降水发生的指示作用不明显，降水前无明显变化，降水后缓慢下降；降水发生前后反演值出现激增和骤降，变化时间为10～30 min，变化幅度为10～15 mm。反演的大气可降水量对于短时强降水的发生有明显指示，降水时段与骤变峰值区时段一致。

图6b为海口站2021年6月25日8时—26日8时PWV与降水变化。25日15—19时海口发生一次强降水过程，最大降水发生在14—15时，降水强度达30.5 mm/h。PWV业务产品显示，降水前2～6 h，PWV稳定在60 mm左右，13—16时逐渐增加，16时达到最大值(65mm)，随后下降，17—19时下降约8 mm，此后维持在57～60 mm，降水发生时段与PWV高值区对应较好，但并未指示出最大降水时段，降水前PWV仅增加3～5 mm。反演值指示作用更好，14:50—14:55 PWV激增9 mm，在20 min内稳定维持在65 mm，之后骤减至57 mm左右后又快速增加，15:02达64 mm，此时段对应降水最大时段，水汽短时间的剧烈变化在一定程度上反映了降水的剧烈程度。16时后PWV虽持续增加，但未有明显降水。可降水量变化对强降水的发生有一定指示作用，但水汽只是降水的前提条件，仍需配合动力、热力条件进行综合判断。

河池站降水量与PWV变化密切相关，由图6c可知，0—1时河池站出现25.4 mm/h的强降水，降水前5 h内PWV业务产品和反演值均有持续累积增长。PWV业务产品在0时达到最大，降水后持续缓慢减小。反演值在00:30左右达到最大，较20时增加约18 mm，在降水发生1 h内有明显激增和剧降，00:00—00:10由59 mm增加到65 mm，维持30 min，之后在10 min左右骤减至59 mm，并缓慢减小。此次过程，降水前PWV业务产品和反演值均有累积增长，但反演的PWV增长幅度明显高于PWV业务产品，且在降水发生时段，反演值有较明显的激增和下降，而PWV业务产品并无明显指示。

5 结论

利用2021年5—7月GNSS资料对河池、宝山、海口3站进行大气可降水量反演，检验了反演精度分析了反演产品与同址探空水汽、PWV业务产品在降水过程中的变化特征，得出以下结论：

（1）进入滤波器前卫星数据质控对PWV反演效果影响不大，各组试验相关系数差异为0～0.02，均方根误差差异为-0.09～0.37 mm。进入滤波器后卫星数据质控对反演效果影响明显，对残差σ＞2的卫星数据剔除可有效改进反演效果，与探空PWV、PWV业务产品的相关系数可提升0.03～0.25，均方根误差可减少0.54～10.7 mm。

（2）对进入滤波器前残差超过3倍误差的卫星数据以及进入滤波器后残差σ＞2的卫星数据进行剔除后，PWV反演效果最佳，与探空PWV、PWV业务产品平均相关系数为0.93、0.97，平均解算偏差为-1.26、-1.91 mm，平均均方根误差为3.84、3.12 mm。

（3）反演的PWV与PWV业务产品日变化趋势较为一致，但各时刻偏小0.2～4 mm。各站PWV日变化特征虽各不相同，但降水量与PWV日变化一致性较好，降水高值时段均与PWV高值时段一致。

（4）精密单点定位反演的PWV数据时间分辨率高，能迅速捕捉大气中的水汽变化，对短时强降水发生指示作用较其他两种PWV产品明显。短时强降水发生前后10～30 min PWV迅速增加和减少10～15 mm，降水时段与PWV骤变峰值区时段一致，可作为预报降水的辅助判别条件。

除了卫星数据的可靠性，台站位置以及不同的加权平均温度模型等对大气可降水量反演精度均有影响，在反演时直接使用模型本身参数，可进一步对反演算法进行本地化研究，不断提升反演效果。此外，降水受动力、热力、水汽条件综合影响，需结合天气形势和其他资料进行综合分析研究。后续可分析不同天气背景下PWV变化特征，以期为降水预报提供更准确的参考。

参考文献

[1] De Haan S D, van der Marel H, Barlag S.Comparison of GPS slant delay measurements to a numerical model:case study of a cold front passage[J].Physics and Chemistry of the Earth,Parts A/B/C,2002,27(4/5):317-322.

[2] Kehrer K, Graf B, Roeder W P.Global positioning system (GPS) precipitable water in forecasting lightning at spaceport Canaveral[J].Weather and Forecasting,2008,23(2):219-232.

[3] Liang H, Zhang Y, Cao L J,et al.Temporal relations between precipitable water vapour and precipitation during wet seasons based on nearly two decades of data from the Lhasa River valley,Tibetan Plateau[J].International Journal of Climatology,2020,40(3):1656-1668.

[4] 张克非,李浩博,王晓明,等.地基GNSS大气水汽探测遥感研究进展和展望[J].测绘学报,2022,51(7):1172-1191.

[5] ZHANG Kefei, LI Haobo, WANG Xiaoming,et al.Recent progresses and future prospectives of ground-based GNSS water vapor sounding[J].Acta Geodaetica et Cartographica Sinica,2022,51(7):1172-1191.(in Chinese)

[6] 姚宜斌,张顺,孔建.GNSS空间环境学研究进展和展望[J].测绘学报,2017,46(10):1408-1420.

[7] YAO Yibin, ZHANG Shun, KONG Jian.Research progress and prospect of GNSS space environment science[J].Acta Geodaetica et Cartographica Sinica,2017,46(10):1408-1420.(in Chinese)

[8] Guerova G, Jones J, Douša J,et al.Review of the state of the art and future prospects of the ground-based GNSS meteorology in Europe[J].Atmospheric Measurement Techniques,2016,9(11):5385-5406.

[9] 李成才,毛节泰,李建国,等.全球定位系统遥感水汽总量[J].科学通报,1999,44(3):333-336.

[10] LI Chengcai, MAO Jietai, LI Jianguo,et al.The remote sensing of water vapor based on GPS[J].Chinese Science Bulletin,1999,44(3):333-336.(in Chinese)

[11] 常倬林,姚展予,崔洋,等.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,2023,46(3):9-17.

[12] CHANG Zhuolin, YAO Zhanyu, CUI Yang,et al.Study on distribution of atmospheric water vapor and its relevance to precipitation in Ningxia based on GNSS/MET[J].Meteorological and Environmental Sciences,2023,46(3):9-17.(in Chinese)

[13] 杜言霞,梁莺,吴勇凯,等.基于GAMIT系统的GPS/MET数据反演及其在闽南地区获取PWV的应用[J].沙漠与绿洲气象,2019,13(2):115-122.

[14] DU Yanxia, LIANG Ying, WU Yongkai,et al.Inversion of GPS/MET data based on GAMIT system and its application in acquiring PWV in southern Fujian[J].Desert and Oasis Meteorology,2019,13(2):115-122.(in Chinese)

[15] 韩辉邦,张小军,张博越,等.柴达木盆地GPS大气可降水量精度检验及其变化特征[J].干旱气象,2020,38(1):50-57.

[16] HAN Huibang, ZHANG Xiaojun, ZHANG Boyue,et al.Accuracy test of precipitable water vapor retrieved by GPS data and its variation characteristic in Qaidam basin[J].Journal of Arid Meteorology,2020,38(1):50-57.(in Chinese)

[17] 付志康,万蓉,于胜杰,等.湖北地基GPS大气可降水量变化特征分析及应用[J].气象科学,2017,37(4):553-560.

[18] FU Zhikang, WAN Rong, YU Shengjie,et al.Analysis and application of ground-based GPS precipitable water vapor characteristics[J].Journal of the Meteorological Sciences,2017,37(4):553-560.(in Chinese)

[19] 曹云昌,胡姮,马翠平,等.基于多元数据的地基GNSS水汽观测对比分析[J].中国地震,2020,36(4):780-787.

[20] CAO Yunchang, HU Heng, MA Cuiping,et al.Comparison of precipitable water vapors from different data sources based on the GNSS meteorological retrieval[J].Earthquake Research in China,2020,36(4):780-787.(in Chinese)

[21] 谭争光,郭金运,宗干,等.PANDA和BERNESE软件的PPP比较分析[J].全球定位系统,2013,38(5):60-64, 89.

[22] TAN Zhengguang, GUO Jinyun, ZONG Gan,et al.Comparison of PPP Between PANDA and BERNESE[J].GNSS World of China,2013,38(5):60-64, 89.(in Chinese)

[23] 郭巍,尹球,杜明斌,等.利用地基北斗站反演大气水汽总量的精度检验[J].应用气象学报,2015,26(3):346-353.

[24] GUO Wei, YIN Qiu, DU Mingbin,et al.The accuracy test of retrieved precipitation water vapor based on Beidou observations[J].Journal of Applied Meteorological Science,2015,26(3):346-353.(in Chinese)

[25] 唐旭,吴昊,张迪.动态环境下PPP的GNSS大气水汽反演[J].南京信息工程大学学报(自然科学版),2021,13(2):181-186.

[26] TANG Xu, WU Hao, ZHANG Di.Precipitable water vapor retrieving using precise point positioning in dynamic scenario[J].Journal of Nanjing University of Information Science and Technology (Natural Science Edition),2021,13(2):181-186.(in Chinese)

[27] 刘梦杰,涂满红,王洪,等.台站处北斗/GNSS实时大气水汽反演及试验分析[J].测绘科学,2022,47(11):25-31.

[28] LIU Mengjie, TU Manhong, WANG Hong,et al.Construction of in-situ BDS/GNSS real-time precipitable water vapor retrieval and experiment analysis[J].Science of Surveying and Mapping,2022,47(11):25-31.(in Chinese)

[29] 薛映俊,郭金运,毛继军,等.不同解算条件下PANDA软件静态精密单点定位分析[J].全球定位系统,2017,42(1):28-33.

[30] XUE Yingjun, GUO Jinyun, MAO Jijun,et al.PANDA static PPP solutions with different strategies[J].GNSS World of China,2017,42(1):28-33.(in Chinese)

[31] LIANG Hong, CAO Yunchang, WAN Xiaomin,et al.Meteorological applications of precipitable water vapor measurements retrieved by the national GNSS network of China[J].Geodesy and Geodynamics,2015,6(2):135-142.

[32] 王皓.地基GPS反演可降水量和三维水汽层析方法研究[D].淮南:安徽理工大学,2019.

[33] WANG Hao.Ground-based GPS inversion for precipitation and three-dimensional water vapor chromatography[D].Huainan:AnHui University of Science and Technology,2019.(in Chinese)

[34] 姚俊强,杨青,韩雪云,等.乌鲁木齐夏季水汽日变化及其与降水的关系[J].干旱区研究,2013,30(1):67-73.

[35] YAO Junqiang, YANG Qing, HAN Xueyun,et al.Analysis on daily variation of water vapor and its relationship with rainfall in Urumqi in summer[J].Arid Zone Research,2013,30(1):67-73.(in Chinese)

[36] 李海花,李吉州,刘大锋,等.阿克苏地区早春一次极端降水水汽特征分析[J].沙漠与绿洲气象,2022,16(6):18-24.

[37] LI Haihua, LI Jizhou, LIU Dafeng,et al.Analysis of water vapor characteristics of an extreme precipitation in Aksu area in early spring of 2022[J].Desert and Oasis Meteorology,2022,16(6):18-24.(in Chinese)

[38] 李如琦,李桉孛,李海花,等.塔克拉玛干沙漠南缘两次极端暴雨的气流模型与水汽输送特征[J].沙漠与绿洲气象,2022,16(6):1-10.

[39] LI Ruqi, LI Anbei, LI Haihua,et al.Air flow model and water vapor transport characteristics of two extreme rainstorms in the southern edge of Taklimakan Desert[J].Desert and Oasis Meteorology,2022,16(6):1-10.(in Chinese)

基金资助

中国气象局重点观测试验项目(SY2021032)

江西省气象局面上项目(JX2022M04)

江西省气象局省所改革专项(JX2023Z11)