摘要：利用gamit软件对2004年7月至2005年7月北京gps观测数据进行解算，结合地面温度及气压观测数据，反演了1 a时间内分辨率为2 h的水汽总量序列，并与探空和微波辐射计的反演结果做了对比．均方根差分别为3．05mm和3．29mm，得到了北京地区水汽总量的季节变化特点及水汽与降水的相互关系，这对气象研究和天气预报有很好的作用。

关键词：地基gps；可降水量；加权平均温度

中图分类号：p228．4 文献标识码：a 文章编号：1000—2022(2007)03-0377-06

o 引言

水汽在天气演变和气候变化中扮演着重要角色，它影响大气辐射和太阳辐射，从而影响气候。水汽辐合的突然增加与对流的发展密切相关，所以水汽的遥感对于天气现象、气候变化研究和业务天气预报具有重要的意义。水汽绝大部分存在于对流层中，其分布随时空变化显著。目前世界各国的大气水汽资料主要依靠每天两次的常规探空气球观测获取，这种观测方式的主要局限性是测站密度过稀、相邻两次探测时间间隔过长，且维持这一观测系统的成本也在不断增加。已有的替代方法中，双通道微波辐射计和raman激光雷达等观测手段，不但费用昂贵，不能全天候观测，而且需经常标定，难以大范围密集设置站网和实现观测业务化。卫星红外辐射计可以观测大气亮温，估算大气积分可降水分，能覆盖全球范围，但也局限于对晴空区域的监测。gps技术探测大气水汽含量具有费用低廉，精度高，可以全天候观测等优点，在气象领域获得了广泛深入的研究应用[1] 。

1992年bevis等[2]提出了地基gps探测大气可降水量的原理。rocken等[3]通过gps／storm试验验证了地基gps反演大气可降水量的准确性。niell等[4]利用甚长基线干涉仪(vlbi)进行了gps湿延迟测量比较研究，两者相差3％ 。毛节泰[5]介绍了地基gps反演水汽的原理。杨红梅等[6]、何平等[7]探讨了地基gps资料在气象上使用的可能性，得到了水汽增减与降水的关系。杜瑞林等[8]利用地基gps观测分析了武汉地区大气可降水汽总量与降水的关系。本文对地基gps反演大气水汽含量的原理和反演方法进行了介绍，用历史探空资料回归得到了北京地区的加权平均温度tm的反演公式，并将gps最终反演结果分别与探空和微波辐射计反演结果进行了对比，确认了gps反演的精度。通过北京地区时间为1 a，分辨率为2 h的水汽含量，得到了该地区上空水汽含量各月分布的主要结果，并结合天气形势略加讨论。结合常规降水资料，指出水汽含量快速增长且大于该月平均水汽含量可以作为短期降水的预报指标。

1 原理和方法

gps卫星信号传输经过大气层时，会受到大气的影响而产生延迟。该延迟量可以划分为电离层延迟、静力延迟和湿项延迟。电离层延迟可以通过采用双频接收技术订正到毫米级。静力延迟可以由地面气压以及地面测站的具体位置(纬度)求出，也可以订正到毫米量级。利用gamit软件可以解算出静力延迟和湿项延迟的总量，精度可以达到毫米量级，这样就得到毫米量级的湿项延迟。利用湿项延迟与水汽量之间的正比关系，可以求解出沿天顶方向的水汽总量，精度在毫米量级。

天顶静力学延迟比较有规律，可以通过不同的模型推算出来，如hopfield模型和saastamoinen模型。因为saastamoinen模型受高程的影响很小，其结果与探空数据相吻合，能够客观地反映水汽的真实情况。由该模型推算天顶静力学延迟的精度要好于其他的模型[9]。根据saastamoinen模型[10]，天顶静力学延迟可以写为

式中：rv是气体常数；k''2=k2-m ·kl；kl，k2，k3是实验常数；m为水汽和干空气的分子量之比。取k3=3.739×10 5k2/hpa，k''2=22.13k/hpa。tm为加权平均温度，定义为[10]

式中：e和t分别是测站天顶方向上某点的水汽压和绝对温度。由于水汽的空间分布极不规则，时空特性非常复杂，不可能得到（3）式的严密积分值，所以如何实时、高精度地计算对流层加权平均温度成为地基gps遥感大气水汽含量的重要问题之一[11-12]。水汽主要分布在对流层0-15km高度范围内，无线电探空气球可以提供地面至20km高空的温度、气压和湿度观测剖面，本文利用北京地区2004年4月1日-2005年4月8日（文中所涉及的时间均为世界时）共721次有效探空数据和地面温度数据，采用拟合方法得到了tm的经验公式，

tm=18.144+0.918ts。 （4）

式中：ts为地表温度。拟合相关系数为0.975，标准差为2.40k。

2 资料获取与数据处理

利用安装在中国科学院大气物理研究所内的一台leicars500接收机，接收了2004年7月—2005年7月的数据，由中国气象局取得了北京地区的地面温压和降水等观测数据，对气温和气压数据做了高度订正，得到了与接收机高度一致的温压数据。曲建光等[13]通过对saastamoinen模型分析指出，计算静力学延迟的精度主要取决于地面气压的测量误差的大小。由于地面3 h 变压很小，在计算静力延迟和湿项延迟时，对地面气压和温度资料进行线性内插。

下载了位于国内的武汉、上海、昆明、拉萨、乌鲁木齐和国外的连续跟踪站数据，以及国际gps服务igs中心（international gps service）提供的sp3精密星历，利用麻省理工学院提供的高精度gps数据处理软件gamit/globk对gps观测数据进行了天顶延迟解算。由于采用了精密星历，卫星轨道参数约束为0.01m，周跳剔除选用自动修复方式。解算方案选用对站点进行松弛约束精密定位迭代的方式得到gps气象站的天顶延迟参数。第1次解算时，gps气象观测站的三维初始坐标分别约束为1.00m、1.00m、1.00m，其余的igs跟踪站采用了可靠的站坐标和相应的强约束0．005 m、0．005 m、0．01 m。利用第1次的解算结果对测站坐标进行更新，此时坐标约束改为0．1 m、0．1 m、0．1 m，再次进行解算。在第3次解算中坐标约束改为0．005 m、0．005 m、0．01 m。利用最终得到的对流层总延迟值，结合地面温压数据和天顶流体静力学延迟公式计算大气积分总水汽量wp值。

3 结果分析

3．1 与探空和微波辐射计的精度对比

将2004年7月12日至2005年2月28日gps反演的大气水汽总量与探空计算的水汽总量相比．两套仪器相距约50 km。两者随时问演变的趋势一致，峰值和谷值也很接近。从图1a可以看出，gps反演的水汽总量总体上比探空测量的水汽总量要偏大，这与二者能探测的最高高度的差别相吻合。二者之间的线性拟合关系在图1a中给出。在仪器的观测时段二者对应时刻测量的水汽总量的比较：在354个样本中，gps反演值平均为l9．58 mm，探空测量值平均为17．55 mm，二者之间最大偏差11．99 mm，最小偏差0．008 mm，总体上gps反演值比探空测量值平均偏大11．6％ ，二