趙慶志 馬雄偉

摘 要：利用2015年5-7月浙江連續(xù)運行參考站（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觀測數(shù)據(jù)對大氣可降水量（Precipitable Water Vapor，PWV）的變化與地表相對濕度（Surface Relative Humidity，SRH）、局部實際降水量之間的關(guān)系進行分析。實驗發(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迅速下降的時間段內(nèi)；在有降水發(fā)生時，SRH的變化趨勢與PWV變化趨勢基本一致。此外，PWV增量的大小與每小時降水量的峰值關(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觀測資料合理預報局地降水的方法；該方法能夠預報出80%以上的降水事件和90%以上的大雨事件，這對降水事件的短期預報具有十分重要的意義。

關(guān)鍵詞：大氣可降水量；地表相對濕度；局部實際降水量；降水預報

中圖分類號：P 28

文獻標識碼：A 文章編號：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，其時空分布極不均勻且呈現(xiàn)多樣性。直接利用地表氣象觀測數(shù)據(jù)和探空數(shù)據(jù)難以對其進行足夠時空分辨率的監(jiān)測[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、高時空分辨率等優(yōu)點，能夠連續(xù)提供垂直方向上的大氣可降水量（PWV）信息，對降雨天氣的短期預報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，但并不能保證所有PWV出現(xiàn)峰值時都會有降水事件發(fā)生[7-10]。Champollion等利用GNSS數(shù)據(jù)對法國大雨降水天氣進行分析發(fā)現(xiàn)，小范圍PWV水汽場的變化可以導致很強的對流天氣過程[7]。李國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對局部降雨進行預報，取得了較好的效果[10]。因此，PWV是分析降水事件和對其進行預報的重要因素。

文中基于GPS觀測數(shù)據(jù)得到的PWV和氣象數(shù)據(jù)對降水事件進行分析，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降水事件進行短期預報。通過對PWV和氣象因素的長期時間序列分析，并與局地降水量信息對比得到了一個預測短期降水的方法，并利用不同觀測數(shù)據(jù)對該方法進行驗證，取得了很好的預報效果。

1 GNSS觀測數(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站在天頂方向的總延遲（Zenith Troposphere Delay，ZTD），該ZTD是測站觀測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，與對流層中水汽的時空分布關(guān)系密切。

2 實驗數(shù)據(jù)與處理方法

2.1 數(shù)據(jù)選取

2.2 PPP精度檢驗

GAMIT軟件對GPS數(shù)據(jù)處理的天頂對流層延遲參數(shù)估計精度優(yōu)于±1 cm，計算PWV的精度優(yōu)于3 mm[17]，可將其解算結(jié)果作為參照檢驗PPP計算的ZTD和PWV的精度。首先利用GAMIT10.5軟件對香港SatRef中12個測站2013年5月共31天的數(shù)據(jù)進行處理，得到HKSC測站每半小時一次的ZTD和PWV，與PPP計算的結(jié)果進行比較。文中選取881個歷元進行對比，圖2給出了GAMIT與PPP計算的HKSC測站上ZTD和PWV的對比情況。由圖2可以看出，利用PPP計算得到的ZTD和PWV與GAMIT計算結(jié)果具有很好的一致性，通過計算，相對于GAMIT計算結(jié)果，PPP計算ZTD的rms和bias分別為3.83和1.73 mm；計算PWV的rms和bias分別為0.73和-0.33 mm.

2.3 PPP PWV與Radiosonde PWV對比檢驗

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]，對探空測站垂直方向上的水汽進行積分即可得到精確的PWV.文中將其作為一個精度指標再次對HKSC測站得到的PWV進行檢驗。首先計算45004探空站2013—2014年每天2個歷元（UTC00：00和12：00）的PWV，然后與HKSC測站對應歷元時刻的PWV進行對比。圖3給出了PPP計算的PWV與探空數(shù)據(jù)計算結(jié)果對比情況。由圖3可以看出，2種方法計算的PWV有很好的一致性，通過對803個歷元的數(shù)據(jù)計算得到，其相關(guān)系數(shù)高達0.9937，相對于探空數(shù)據(jù)結(jié)果，PPP計算PWV的rms和bias分別為2.19和1.17 mm，該精度與國際同行發(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和局地降水隨時間的變化關(guān)系，對HKSC測站2013—2014年的數(shù)據(jù)進行分析，得到ZTD，PWV和局地降水的時間序列變化圖（圖4）。由圖4可知，ZWD和PWV具有明顯的年周期變化趨勢，其年周期變化振幅與當?shù)貧夂?、測站緯度、季節(jié)等關(guān)系密切[22-24]。對于香港地區(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對降水事件進行預報成為可能。

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應變化關(guān)系，以浙江CORS中ANJI和JIAX站為例進行分析。選取仙龍和歟城雨量站2015年5～7月每小時一次的降水量，用于反映降水隨時間的變化情況；基于PPP對ANJI和JIAX測站進行處理，得到測站每小時一次的PWV，用于反映PWV隨時間的變化關(guān)系。圖5給出了ANJI和JIAX站的PWV以及對應雨量站降水量的時間序列變化圖。

由圖5可以看出，PWV和局地降水有很強的正相關(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，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)測到降水的發(fā)生，但不能代表測站附近其他區(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，因此水汽在幾小時甚至十幾小時前就出現(xiàn)連續(xù)增長的現(xiàn)象，并且在降雨前幾小時會出現(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接收機可以記錄測站所在位置的地表相對濕度、氣壓和溫度等氣象數(shù)據(jù)，當有降水發(fā)生時，地表相對濕度會發(fā)生一定的變化，為了進一步研究地表相對濕度、PWV和局地降水之間的關(guān)系，選取香港HKSC測站2013—2014年的GPS觀測數(shù)據(jù)和京士柏雨量站2013—2014年的降水信息進行分析。圖6和圖7分別給出了HKSC測站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)生時有效，在無降水發(fā)生時，SRH與PWV無明確關(guān)系。通過對比給定的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，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80的數(shù)據(jù)計算發(fā)現(xiàn)，PWV上升后且有降水發(fā)生時，相應SRH在85%～100%區(qū)間內(nèi)的概率高達90%以上。

4 利用GPS觀測數(shù)據(jù)預報局地降水分析

對PWV，SRH與局地降水之間的關(guān)系分析可知，降水發(fā)生前期測站附近的PWV和SRH會出現(xiàn)不同程度的相關(guān)變化，表現(xiàn)為總體上升的趨勢；當PWV上升到其峰值或驟減的初始階段，會有降水發(fā)生；在此階段內(nèi)，SRH的變化趨勢與PWV變化趨勢基本一致，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)上升時段內(nèi)的變化量、變化率（單位時間內(nèi)PWV變化量）以及SRH在該時段內(nèi)的平均值作為降水條件的參考要素對短期降水天氣進行預報，該方法的優(yōu)點是只需要一個GPS觀測站就可以對其附近區(qū)域的降水進行預報。

4.1 可行性分析

為了驗證將PWV上升時段內(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HKSC測站2013—2014年的GPS觀測數(shù)據(jù)、京士柏雨量站的降水信息進行分析，得到上述3個要素與降水之間的統(tǒng)計關(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上升時段內(nèi)其變化量閾值的逐漸變大，PWV變化量與可預報降水天數(shù)的相關(guān)性越強，當閾值為4時，可以預測出約56%的降水天數(shù)，隨著閾值的逐漸增大，能夠預測數(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PWV的變化率和SRH均值的閾值逐漸增大時，它們與可預報降水天數(shù)的相關(guān)性也越強。當PWV變化率的閾值為2.6時，可以預報出約54%的降水天數(shù)；SRH均值的閾值為85%時，可以預報出約75%的可降水天數(shù)，并且都隨著各自閾值的增大其可預報降水天數(shù)的百分比出現(xiàn)不同程度的升高。通過對表1～3分析可以得出，將PWV在連續(xù)上升時段內(nèi)的變化量、變化率及SRH均值作為降水條件的參考要素對短期降水天氣進行預報是有效可行的。

4.2 不同閾值選取

盡管閾值設(shè)置越高，能夠預測出的降雨天數(shù)百分比增大，但實際能夠預測出的降水天數(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測站2013—2014的數(shù)據(jù)對不同降水參考要素的閾值選取進行研究，圖8，9和10分別給出了各參考要素閾值選取對降水天數(shù)預測百分比、每天平均降水量和錯誤預報天數(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，然后計算一定間隔一次的總降水量預報天數(shù)的百分比、大雨（>25 mm）預報天數(shù)的百分比、錯誤預報天數(shù)百分比和預報出的降雨天中每天的平均降水量。由圖8和9可以看出，能夠預測降水天數(shù)（包括大雨天數(shù)）的百分比和錯誤預報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時達到最大。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，降水預報百分比和錯誤預報率均呈現(xiàn)減小的趨勢，而每天平均降水量在閾值為70%～80%時維持在32 mm左右，然后快速增加至約40 mm.根據(jù)圖10變化趨勢可以看出，盡管每天平均降水量在大于85%時快速增加，但是其能夠正確預報的降水天數(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 局地降水預報分析

通過對HKSC測站數(shù)據(jù)進行分析得到各預報要素適用的閾值，然后利用2013—2014年GPS觀測數(shù)據(jù)對該地區(qū)降水進行預報。對HKSC測站附近京士柏雨量站數(shù)據(jù)統(tǒng)計可得，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上升時段的變化量、變化率和地表相對濕度均值作為參考要素對局地降水天數(shù)進行預報。表4給出了利用各要素預報局地降水天數(shù)統(tǒng)計情況，A，B，C分別表示單獨利用PWV上升時段的變化量、變化率和SRH的均值預測降水天數(shù)及其錯誤預報率，各預報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，各預報要素獨自進行預報時均能預報出50%以上的降水天氣，預報大雨天氣的百分比在80%左右，且錯誤預報率都在50%以下。通過聯(lián)合不同要素預報降水發(fā)現(xiàn)，能夠預報出的降水天數(shù)比例增加。聯(lián)合PWV上升時段的變化量、變化率以及SRH均值進行降水預報時發(fā)現(xiàn)，能夠預報出約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），并且其錯誤預報率僅有41.8%.由此可以得出文中提出的方法在保證正確預報率的基礎(chǔ)上，其錯誤預報率遠低于現(xiàn)有的國際同行利用PWV預報方法得到的錯誤預報水平[1]。

4.4 局地降水預報方法有效性驗證

為了驗證文中提出的降水預報方法應用于該區(qū)域的有效性，分別利用香港地區(qū)HKSC測站2015年1～7月和HKLT測站2013年的數(shù)據(jù)對降水天數(shù)進行預報。表5給出了利用文中提出降水預測方法對HKSC和HKLT測站進行降水預報的統(tǒng)計結(jié)果。2015年1～7月HKSC測站共有降水天數(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測出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測出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HKLT測站進行降水預報時，其錯誤預報率稍高于HKSC測站，分析其原因可能是兩測站高程相差較大（大于100 m），兩站相距超過20 km，直接利用HKSC測站所檢定出的各要素閾值對HKLT測站進行降水預報存在一定的誤差。但總的來說，利用文中提出的方法和選擇的閾值對香港區(qū)域進行降水天氣預報取得了很好的效果，與國際同行提出的利用PWV預報降水方法相比，文中提出的方法在降水正確預報率上要高于同行得到預報結(jié)果（正確預報率約為75%），其錯誤預報率也低于同行得到的結(jié)果（錯誤預報率為60%～70%）[1]。這說明該方法是可行有效的。

5 結(jié) 語

利用單站GPS觀測數(shù)據(jù)對局地降水預報進行研究，取得了初步成果。通過分析測站天頂方向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段內(nèi)。此外，通過對地表相對濕度分析得出，PWV與地面相對濕度關(guān)系相對復雜，但當?shù)孛嬗薪邓l(fā)生時，PWV和地表相對濕度有一致地變化趨勢，特別是在有大雨發(fā)生時尤為明顯；當無將水發(fā)生時，PWV和地表相對濕度無明顯的變化關(guān)系。

將PWV在上升時段內(nèi)的變化量、變化率和地表相對濕度均值作為降雨預測要素，通過降雨天氣預報成功率和每天平均降水量分析確定了各預報要素的閾值，并以此方法對HKSC測站和HKLT測站局地降水天氣進行預報。結(jié)果表明，文中建立的局地降水預報方法能夠預報出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，這對于短期局地降雨預報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接收機天頂方向上的PWV和地表相對濕度資料就可以得到一個比較好的局地降水預報結(jié)果，若將局地多個GPS測站觀測數(shù)據(jù)和更多的氣象數(shù)據(jù)融入降水預報中，并對水汽的四維（時間和空間）分布進行研究，相信可以得到更好地降雨預報效果，這也是下一步基于PWV預報局地降水的研究重點。

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觀測資料和降雨信息；感謝浙江省測繪與地理信息局提供的GPS觀測數(shù)據(jù)，感謝浙江省水文局提供的降水信息。

參考文獻：

[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].水科學進展， 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.

（責任編輯：張 江）