引言

水汽在地球大气变化和水分循环中起着关键作用，它直接影响到大气中云、雾、雨、雪、冰雹等自然天气的形成，并能通过调节地球表面及大气中的温度来影响大气运动中能量的转换和辐射平衡等^[1-2]。青藏高原是全球面积最大、海拔最高、地形最为复杂的高原，平均海拔4 000 m以上，占我国陆地面积的1/4。青藏高原的高大地形对我国东部水汽输送起着重要作用，是我国区域洪涝异常水汽输送的“大三角型”关键区，在全球水循环中起到一个“世界水塔”的作用，直接影响着下游地区的水循环^[3-6]。将青藏高原及周边地区大气水汽资料同化到模式中，对于预报下游中国东部区域夏季暴雨降水强度与落区有改进^[7-8]。因此，研究青藏高原大气水汽变化对亚洲天气和气候乃至全球水循环有着重要的科研意义。

目前，青藏高原大气水汽信息的获取主要通过探空或NECP再分析场湿度廓线积分、地面湿度参量建模估算、地基GPS水汽反演等手段^[9-16]。然而，由于高原地形复杂、气候恶劣，高原地区尤其是高原中部和西部地面气象站点的布设相当稀疏，而NCEP再分析资料会受系统误差、有限时空分辨率等的限制，因此可用资料不多，对青藏高原大气水汽的分布及其变化特征的认识依然有限。

COSMIC(Constellation Observing System for Meteorology, Ionosphere and Climate)是美国大气研究大学联合会(UCAR)与台湾太空署(NSPO)在1997年联合制定实施的气象、电离层及气候卫星探测系统，该系统于2006年4月发射，是全球第一个能够每天实时提供全球数千个大气资料剖面的空基观测网，对于改进天气预报、气候监测和空间天气研究具有非常重要的意义^[17-21]。COSMIC利用无线电掩星技术，通过观测穿越大气层的来自GPS无线电信号的弯曲程度，得到地球大气层的水汽和其它物理参量的信息，在系统正常工作后，COSMIC卫星每24 h在全球几乎均匀分布的地点进行大约2 500次观测，每次观测经过处理后，其中的湿大气剖面(wetPrf)直接给出0—40 km高度区间内以100 m为间隔的大气温度、压强和湿度廓线，这些高垂直分辨率的观测资料，大大弥补了常规探空资料的不足，尤其是对于缺少探空观测的地区，如高原、沙漠、两极和海洋，这些资料更显珍贵^[22]。

由于COSMIC卫星从2006年4月发射至今刚满10年，COSMIC掩星反演产品在国内的应用研究还处于起步阶段，中国区域COSMIC掩星反演产品的质量评估工作近几年陆续开展^[23-26]，COSMIC掩星产品也逐渐被应用到灾害天气分析和数值预报研究中^{[20, 27]}。然而，关于COSMIC反演青藏高原大气廓线的质量评估及应用研究的报道较少，而COSMIC可以反演得到与探空观测一样的温度、压强、湿度廓线，进而也可以计算求得大气水汽信息，这为研究青藏高原大气水汽提供了新的途径和数据。因此，本文拟利用2008年2—7月期间中日合作项目JICA在青藏高原开展的多站点GPS探空加密数据，对同期匹配的COSMIC反演的温度、压强和湿度廓线进行对比分析，同时也考查两种探测资料计算的大气可降水量PW(Precipitable Water)的差异，用以评估青藏高原地区COSMIC反演大气廓线的质量情况，为在青藏高原地区更好地应用COSMIC反演大气廓线资料提供一些参考。

1 数据与方法

COSMIC掩星观测系统包括低地球轨道LEO(Low Earth Orbiting)卫星和GPS卫星，LEO卫星上载有GPS信号接收机。GPS卫星通过L1波段(1.57542 GHz)和L2波段(1.2276 GHz)持续向外发送信号。当GPS卫星从地球后面上升或下降时，LEO卫星上的GPS接收机可以追踪到GPS卫星的掩星信号。大气折射率能够影响无线电波的相位和振幅，这些相位和振幅随卫星位置和速度而变，是COSMIC掩星观测系统的基础观测量。如果从射线的角度来考虑波传播，大气对穿越它的光线的影响可以用光线经过大气时的总弯曲角度来刻画，而光线弯曲角可以从接收信号的相位测量中推导得出。

在利用COSMIC掩星资料反演大气廓线的方法中^[28]，忽略液水或冰水的相关小项，中性大气的折射率N=(n-1)×10⁶和大气压强P、温度T和水汽压e有如下关系式：

$ N = 77.6\frac{P}{T} + 3.73 \times {10^5}\frac{e}{{{T^2}}} $

利用上式和下面的大气静压平衡方程：

$ {\rm{d}}P = - \rho g{\rm{d}}z $

(2)

就可以从折射率N推导求得干空气下的压强P和温度T。而反演湿大气廓线则需要更多信息，由于折射率对水汽压e的敏感性强于压强P和温度T，因此，一般利用模式或其他渠道估算压强P或温度T，然后再反演水汽压e^[29]。一个更好的方法是不直接使用模式确定的压强P或温度T，而是利用观测的折射率N和模式背景大气状态{P, T, e}_mod, 并考虑各状态量的误差特征，来变分求解最优一维大气状态{P, T, e}_mod^[30]。

总体来说，利用COSMIC掩星观测反演大气廓线的步骤如下^{[22, 28]}：

步骤一，测量GPS两个波段(L1和L2)信号的相位和振幅；

步骤二，基于GPS和LEO卫星的精确位置和速度，分别计算L1和L2的弯曲角；

步骤三，去除电离层的影响，重构中性大气弯曲角(它是影响参数的函数)；

步骤四，利用高空气候学，优化观测的弯曲角；

步骤五，采用Abel反演技术，重构折射率垂直廓线；

步骤六，利用折射率廓线，先通过静压平衡方程积分得到干温度廓线，进而结合全球再分析资料或预报场，推算水汽压e和湿温度T廓线。

本文使用的COSMIC数据是2008年2—7月青藏高原地区的大气湿廓线wetPrf数据，它是COSMIC掩星观测的二级数据，廓线参数包括温度、压强、水汽压、折射率等，廓线探测高度为0—40 km，廓线垂直分辨率为100 m。该数据可以通过网站http://www.cosmic.ucar.edu获取。

本文使用的探空数据来自中日合作项目JICA于2008年2—7月在青藏高原地区8个站点开展的GPS探空加密数据^[31]，具体站点信息及探空加密情况见表 1。8个站点海拔高度都在1 600 m以上，探空加密的时间间隔为6 h，探空廓线的垂直分辨率在改则、理塘和大理为10 m，在那曲、拉萨、丽江、昆明和腾冲为100 m。

在匹配GPS探空数据和COSMIC数据时，两者的采样距离为300 km以内，采样时间差为2 h^[32]。由于COSMIC反演大气廓线的垂直分辨率为100 m，因此分析中将探空资料分别插值到与COSMIC对应的100 m分辨率的垂直高度上。本文着重考察15 km以内COSMIC反演的温度、压强和水汽压廓线与探空观测结果之间的差异，通过计算两者之间的相关系数(R)、平均偏差(Bias)和均方差(RMSE，root-mean-square error)来对比分析^[33]，同时也比较了GPS探空和COSMIC分别推算的大气可降水量PW的差异。利用水汽压e和压强P廓线，可通过如下两个公式推算大气可降水量PW：

$ q = 0.622\frac{e}{P} $

(3)

$ PW = \frac{1}{{{\rho _w}g}}\int_0^{{P_s}} {qdp} $

(4)

公式(3)中q为比湿。公式(4)中ρ_w为液态水密度，g为重力加速度，P_s为地面气压。

2 分析结果

在考查COSMIC反演大气廓线与探空观测结果偏差时，本文从两个角度进行分析：一是将匹配好的COSMIC反演廓线和探空廓线分别当作两个对应好的数据序列，考查两者的相关系数、平均偏差和均方差；二是在匹配好的COSMIC反演廓线和探空廓线中，分不同高度找出两者对应的数据序列，考查不同高度上COSMIC反演大气要素与探测观测之间的相关系数、平均偏差和均方差。第一种分析方法主要是从整体上(包括不同高度)考查COSMIC反演大气要素与探空观测的差异，第二种分析方法主要是考查各层高度上COSMIC反演大气要素与探空观测的差异。

2.1 温度的对比

图 1给出了青藏高原8个站点COSMIC反演温度与探空温度之间的整体对比结果。从图中可以看到，COSMIC温度与探空温度具有很好的相关性，8个站点的温度相关系数都在0.98以上。COSMIC温度与探空温度的偏差都在0.7 ℃以内，在腾冲和改则，COSMIC温度稍高于探空温度，而在其它6个站点，COSMIC温度则略低于探空温度。分析表明，COSMIC温度与探空温度的偏差与站点高度没有明显的相关性，昆明的温度偏差最大，COSMIC温度比探空温度低0.61 ℃，而腾冲的温度偏差最小，COSMIC温度比探空温度高0.01 ℃。分析结果显示，COSMIC温度与探空温度的均方差基本上随站点高度的增高而增大，站点高度最低的腾冲具有最小的温度均方差1.12 ℃，而站点高度最高的那曲具有最大的温度均方差3.03 ℃。

各高度层上COSMIC温度与探空温度的对比结果见图 2。COSMIC温度与探空温度的相关系数，在昆明、大理、丽江、理塘、改则这5个站点，各高度层上均具有较好的正相关。在腾冲和那曲这2个站点，除个别高度上表现为负相关外，其余高度层也表现为较好的正相关。在拉萨站点，负相关的高度层有所增加，但多数高度层上依然具有较好正相关。COSMIC与探空的温度偏差，在腾冲、昆明、大理、改则这4个站点，随高度的变化较小，多数高度层的温度偏差在1 ℃以内，少数高度层在1.5 ℃以内。在丽江、理塘这2个站点，2 km以下高度的温度偏差较大，其中在近地层COSMIC温度低于探空温度2 ℃以上，其余高度层上的温度偏差在2 ℃以内。在拉萨站点，COSMIC与探空的温度偏差在11 km以下约在1 ℃以内，而在11 km以上，两者的偏差随高度增加而增大，在14 km以上温度偏差超过了2 ℃。在那曲站点，COSMIC与探空的温度偏差波动较大，在8 km以下COSMIC温度低于探空温度，在8 km以上多数高度COSMIC温度高于探空温度，除少数高度层外，两者的偏差都在2 ℃范围内。COSMIC与探空的温度均方差随站点高度的增加有增大的趋势。在海拔高度较低的腾冲和昆明，各高度层的温度均方差小于2 ℃。在海拔高度较高的大理和丽江，少数高度层的温度均方差超过了2 ℃。在海拔高度更高的拉萨、理塘、改则和那曲，温度均方差超过2 ℃的高度层明显增多，尤其是那曲，多数高度层的温度均方差都在2 ℃以上，其中近地层的温度均方差超过了4 ℃。

2.2 压强的对比

青藏高原8个站点COSMIC反演压强与探空压强之间的整体对比结果见图 3。可以看到，COSMIC压强与探空观测结果具有很好的相关性，8个站点的压强相关系数都在0.99以上。COSMIC压强与探空压强的偏差在各站点变化较大。在昆明、大理和丽江，COSMIC压强和探空压强的偏差很小，在0.5 hPa以内。在理塘和改则，COSMIC和探空的压强偏差在2.0 hPa以内。在腾冲站，COSMIC与探空的压强偏差为2.8 hPa。在拉萨和那曲，COSMIC与探空的压强偏差超过了4.0 hPa，较大的压强偏差在拉萨主要表现在大气低层，而在那曲主要表现在大气高层。COSMIC压强和探空压强的偏差与站点海拔高度的相关性不明显。除拉萨和那曲外，各站点COSMIC与探空的压强均方差在1.0~1.5 hPa，拉萨的压强均方差为2.3 hPa，而那曲的压强均方差最大，达到了4.2 hPa。COSMIC和探空的压强均方差与站点海拔高度没有明显的相关性。

图 4给出了各高度层上COSMIC压强与探空压强的对比结果。在大理、理塘和改则，COSMIC压强与探空压强的相关系数在各高度层上均具有很好的正相关。在腾冲、昆明、丽江和拉萨，除5 km以下少数高层表现为弱相关或负相关外，其余高度层都表现为较好的正相关。在那曲站点，COSMCI压强和探空压强在大气低层具有很好的正相关，然而相关系数随高度增加而减小，在7 km以上正相关性已经变弱，且随高度增加，相关性在正相关和负相关之间切换。COSMIC与探空的压强偏差随高度的变化具有一定的站点差异性。在改则，COSMIC与探空的压强偏差随高度的变化较小，且都在2 hPa以内。在理塘，COSMIC与探空的压强偏差在近地层约为3 hPa，之后随高度的增加而减小到2 hPa以内。在腾冲和拉萨，COSMIC与探空的压强偏差在近地层约为4 hPa和6 hPa，然后随高度的增加而减小到15 km的2 hPa和3 hPa。在那曲，COSMIC与探空的压强偏差在近地层较小，约为1 hPa，然后随高度增加而增大到12.5 km的7.2 hPa，之后又随高度变小到15 km的5 hPa。在昆明、大理和丽江站点，COSMIC与探空的压强偏差在近地层约为-2 hPa，之后随高度增加压强偏差逐渐变小，到8 km之上压强偏差变成正值，且正偏差随高度变化较小，基本在1 hPa以内。COSMIC与探空的压强均方差随高度的变化在多数站点具有相似性，即压强均方差在大气低层较大，之后随高度增加而逐渐较小。在腾冲、昆明、大理、丽江和理塘，COSMIC和探空的压强均方差从近地层的2 hPa左右随高度增加而逐渐较小到15 km的1 hPa以内。在拉萨，COSMIC与探空的压强均方差在2.5 km有个3.9 hPa的峰值，之后随高度增加而逐渐减小到15 km的0.9 hPa。在改则和那曲，COSMIC和探空的压强均方差在近地层较小，然后随高度增加先增大而后再减小，其中那曲的压强均方差明显大于改则。在改则，压强均方差从近地层的0.5 hPa随高度增加而增大到7.5 km的1.5 hPa，之后又减小到15 km的0.3 hPa。而在那曲，压强均方差从近地层的1.2 hPa随高度增加而增大到7.5 km的4.2 hPa，之后又减小到15 km的1.5 hPa。

2.3 水汽压的对比

青藏高原8个站点COSMIC反演水汽压与探空水汽压之间的整体对比结果见图 5。可以看到，COSMIC水汽压与探空观测结果还是具有良好的相关性的，除那曲的水汽压相关系数为0.80外，其余7个站点的水汽压相关系数都在0.95以上。COSMIC水汽压与探空水汽压的偏差在腾冲最好，其数值接近0 hPa。在昆明、大理、理塘和改则，COSMIC的水汽压小于探空的水汽压，偏差范围在-0.012 hPa至-0.090 hPa之间。在丽江、拉萨和那曲，COSMIC的水汽压大于探空的水汽压，偏差范围在0.005 hPa至0.139 hPa之间。无论正的水汽压偏差还是负的水汽压偏差，偏差的绝对值基本上随站点海拔高度的增加而减小，这可能与海拔高度较高的站点其水汽压较小有关。水汽压随海拔高度的增加而减小的特性也影响着COSMIC与探空的水汽压偏差的站点差异性。除腾冲外，COSMIC与探空的水汽压均方差在昆明最大，为0.741 hPa，然后在其余站点基本上随海拔高度的增加而减小，在海拔高度最高的那曲，水汽压均方差最小，为0.095 hPa。腾冲的海拔高度最低，然而COSMIC与探空的水汽压偏差较小，为0.463 hPa，低于比高海拔高度的丽江的水汽压均方差0.602 hPa。

图 6给出了各高度层上COSMIC水汽压与探空水汽压的对比结果。和气压的情况类似，在大理、理塘和改则，COSMIC水汽压与探空水汽压在各高度层上均具有很好的正相关。在腾冲、昆明、丽江和拉萨，COSMIC水汽压与探空水汽压的相关系数在除近地层和高层顶部表现为正相关变弱或弱负相关外，其余高度层都表现为较好的正相关。在那曲站点，COSMIC水汽压和探空水汽压的相关系数在多数高度层上表现为较好的正相关，而在1 km以下、6 km左右和13 km左右表现为负相关或弱负相关。COSMIC与探空的水汽压偏差随高度的变化在各站点具有相似性，即水汽压偏差在大气低层较大，但随着高度的增加而逐渐减小趋向0 hPa，另外，大气低层水汽压偏差的大小也随着站点海拔高度的增加而逐渐变小。COSMIC与探空的水汽压偏差随高度增加而变小的变化特征，与水汽压随海拔高度的增加而减小的特性有关。COSMIC与探空的水汽压均方差也具有类似特点。在腾冲、大理、拉萨、理塘、改则和那曲，COSMIC和探空的水汽压均方差在近地层较大，而后随高度增加而逐渐减小趋向0 hPa。而且，近地层的水汽压均方差随着站点海拔高度的增加也是逐渐减小的。稍有不同的是，在昆明和丽江，COSMIC与探空的水汽压均方差的峰值出现2 km左右，之后水汽压均方差随高度增加而逐渐减小趋向0 hPa。

2.4 可降水量的对比

利用COSMIC反演的大气廓线资料可以计算得到可降水量PW，并将之与探空计算的可降水量进行对比。图 7给出了青藏高原8个站点COSMIC可降水量与探空可降水量的整体对比结果。可以看到，COSMIC可降水量与探空可降水量具有正相关，相关系数具有一定的测站差异性。在昆明和改则，可降水量的正相关最好，相关系数在0.82以上。其次是腾冲和大理，可降水量的相关系数分别为0.65和0.58。其余的丽江、拉萨、理塘和那曲的正相关系数相对较小，在0.44~0.49之间。COSMIC计算的可降水量小于探空可降水量，其中可降水量偏差在那曲最小，为-0.6 mm，在拉萨最大，为-9.5 mm。COSMIC与探空的可降水量偏差的绝对值并未明显表现出随站点海拔高度的增加而减小。COSMIC与探空的可降水量均方差也具有站点差异性。可降水量均方差在那曲最小，为0.7 mm，然而可降水量均方差的最大值不是出现在拉萨，而是出现在大理，为10.1 mm。除腾冲和昆明外，可降水量均方差基本上随站点海拔高度的增加而减小。腾冲和昆明的可降水量均方差小于大理，分别为7.2 mm和4.7 mm。

图 8给出了各高度层上COSMIC可降水量与探空可降水量的对比结果。可以看到，在海拔高度最高的改则和那曲，COSMIC可降水量与探空可降水量在各高度层上均有良好的正相关，相关系数都在0.8以上且随高度变化较小。在其余海拔高度较低的站点，COSMIC可降水量与探空可降水量也有较好的正相关，相关系数在近地层都在0.6以上且随高度增加而增大，在2 km高度左右达到峰值，峰值都在0.8以上，随后相关系数随高度增加而减小。COSMIC与探空的可降水量偏差随高度的变化在各站点具有相似性，即COSMIC可降水量在大气低层明显小于探空可降水量，之后可降水量偏差随高度增加而减小，在2 km以上，可降水量偏差随高度增加逐渐趋向0 mm。另外，近地层COSMIC与探空的可降水量负偏差峰值在昆明最小，为-1.8 mm，而在拉萨最大，为-6.4 mm。COSMIC与探空的可降水量均方差随高度的变化在各站点也具有相似性，即COSMIC与探空的可降水量均方差在近地层较大，而后随高度增加而逐渐减小趋向0 mm。近地层COSMIC与探空的可降水量均方差的极大值在改则和那曲最小，皆为3.5 mm，而在大理和丽江最大，皆为8.6 mm。

3 讨论

青藏高原地区COSMIC反演大气廓线与探空观测的对比分析鲜见报道。王洪等^[25]通过对2008年5月20日至2008年11月26日COSMIC资料与L波段探空秒数据进行比对，检验了中国区域内两种观测资料的平均偏差情况，结果显示，在10 km高度以下，COSMIC与探空的温度偏差为-0.5 ℃，温度均方差为1.5 ℃；气压偏差为2.0 hPa，气压均方差为4.7 hPa；水汽压偏差为0.1 hPa，水汽压均方差为1.1 hPa。本文的分析结果显示，在青藏高原地区，在15 km高度以下，COSMIC与探空的温度偏差在-0.6~0.1 ℃之间(平均为-0.2 ℃)，温度均方差在1.1~3.0 ℃之间(平均为1.8 ℃)；气压偏差在-0.5~4.3 hPa之间(平均为1.7 hPa)，气压均方差在1.0 ~3.2 hPa之间(平均为1.6 hPa)；水汽压偏差在-0.1 ~0.1 hPa之间(平均为0 hPa)，水汽压均方差在0.2 ~0.7 hPa之间(平均为0.4 hPa)。对比之下，除温度均方差稍大之外，青藏高原地区COSMIC大气廓线与探空观测的偏差是优于中国区域平均水平，这或许与青藏高原高海拔地形下较低的温度、压强和水汽压有关。图 9给出了2008年2—7月匹配的COSMIC资料与L波段探空资料得到的平均大气廓线，可以看到，COSMIC反演的温度和压强廓线与探空观测具有较好的一致性，在较低海拔高度站点COSMIC反演的水汽压廓线与探空观测的一致性也较好，但在较高海拔高度站点两者水汽压廓线的一致性在低层大气有所减弱。如有条件，在后期利用长期历史数据，开展不同区域COSMIC反演大气廓线与探空观测的对比分析，对进一步细致评估COSMIC反演大气廓线在中国区域的适用性是有益的。

本文的分析结果还显示，青藏高原地区COSMIC反演大气廓线与探空观测的偏差基本上在大气低层较大，然后随高度增加而逐渐减小，这在大气水汽压和可降水量的对比中表现更明显。这种现象与两种探测手段的观测方法有关。在探空观测中，探空气球在上升过程中是随风偏移的，而且在近地层探空观测稳定性稍差。在COSMIC观测中，COSMIC反演大气廓线的数据点是掩星切线点，其经纬度也是随高度变化的。此外，COSMIC反演大气廓线采用了模式背景大气状态，并考虑各状态量的误差特征，来变分求解最优一维大气状态^[30]，而模式在青藏高原地区描述大气状态的能力较差^[34]。因此，探空观测在近地层的不稳定性和COSMIC反演方法中模式在青藏高原地区描述大气状态的能力有限，是造成COSMIC反演大气廓线和探空观测之间偏差在近地层较大的主要原因。其中水汽的时空可变性甚于温度和气压，使得这种偏差在水汽压和可降水量的对比中表现得更明显。

需要指出的是，在青藏高原地区，COSMIC反演的可降水量低于探空观测结果，COSMIC与探空的可降水量偏差在-0.6 ~-9.5 mm之间，平均为-5.0 mm；可降水量均方差在0.7 ~10.1 mm之间，平均为5.7 mm。这种现象在平原地区地基GPS反演可降水量与探空观测结果的对比分析中也有发现^{[33, 35]}，而且COSMIC反演可降水量与探空观测的负偏差在大气低层最为明显。COSMIC反演可降水量偏低主要是由COSMIC观测的折射率N偏低造成的，而导致COSMIC折射率偏低的重要因素有三个：其一，大气多路径传播效应；其二，对流层低层复杂的折射率结构造成COSMIC掩星信号追踪产生误差；其三，大气边界层层顶的超折射现象导致Abel反演的折射率N在大气边界层内偏低^[36]。

4 结论

本文利用2008年2—7月青藏高原地区COSMIC反演的大气湿廓线wetPrf数据和8个站点的探空数据，分析了COSMIC掩星资料反演青藏高原大气廓线与探空观测的偏差，并对分析结果进行了探讨，得到结论如下。

(1) COSMIC反演的温度、压强和水汽压廓线与探空观测结果具有很好的正相关。与探空观测相比，COSMIC的温度偏差平均为-0.2 ℃，温度均方差平均为1.8 ℃；气压偏差平均为1.7 hPa，气压均方差平均为1.6 hPa；水汽压偏差平均为0 hPa，水汽压均方差平均为0.4 hPa。COSMIC反演大气廓线与探空观测的偏差基本上在大气低层较大，然后随高度的增加而逐渐减小。

(2) COSMIC反演的可降水量与探空观测结果也具有较好的正相关。COSMIC反演的可降水量低于探空观测结果，两者的偏差平均为-5.0 mm，两者的均方差平均为5.7 mm。COSMIC反演可降水量与探空观测的负偏差在大气低层最为明显。

(3) 探空观测在近地层的不稳定性和COSMIC反演方法中模式在青藏高原地区描述大气状态的能力有限，是造成COSMIC反演大气廓线和探空观测之间偏差在近地层较大的主要原因。COSMIC观测的折射率偏小导致COSMIC反演可降水量偏低。

COSMIC掩星观测和探空观测两种探测手段的各自观测特点及局限性是造成两者观测偏差的基本原因，青藏高原复杂的地形和大气边界层结构可能会放大这种偏差。此外，匹配两种观测资料的取样方法也会带来一定的误差。后期如有条件，利用长期历史数据开展不同区域COSMIC反演大气廓线与探空观测的对比分析，对进一步细致评估COSMIC反演大气廓线在中国区域的适用性是有益的。

致谢：本文所用2008年青藏高原探空加密试验数据由中国气象科学研究院灾害天气国家重点实验室JICA项目组提供，特此感谢！