台风(热带气旋)灾害是发生频率最高、影响最严重的一种灾害(梁必骐等，1995)，其引发的风灾、风暴潮、暴雨等对社会经济造成严重的损失，甚至造成大量人员伤亡(杨桂山，2000；Emanuel, 2005).研究台风的特征、成因、动力学过程及其影响一直是科学研究的热点(Emanuel，1987；Goldenberg et al., 2001；潘劲松等，2018).作为自然界最强的造雨系统，台风过境通常伴随着强降雨，引发洪水、滑坡、城市内涝等次生灾害.此外，强降雨结合低气压、海面高度变化还会引起显著的地表形变(Mouyen et al., 2017)，甚至诱发地震(Liu et al., 2009；Hsu et al., 2015).因此，研究台风引起的区域地表形变过程，对洪水、地震等灾害监测与预报及防灾减灾具有重大意义.

GPS坐标时间序列包含了大气、海洋、陆地水等环境负荷变化引起的地球弹性形变信息(Farrell，1972).许多学者利用GPS研究了不同负荷引起的地表形变，如大气、水文、潮汐等(孙和平，1989；Dong et al., 2002；张诗玉等，2006；姜卫平等，2014；王伟等, 2017；姚朝龙等，2019b).结果表明，水文负荷引起的季节性垂向形变约为1 cm(Johnson et al., 2017)，而台风强降雨会引起更为显著的地表形变，可达2 cm(Milline et al., 2018).负荷变化还会引起重力的变化，近年来GRACE(Gravity Recovery and Climate Experiment)提供的时变重力场模型为研究水文负荷形变提供了新的数据(廖海华等，2010；Gu et al., 2017；贾路路等，2018)，但其时间分辨率(~1个月)有限，无法探测水文负荷的短期效应，而GPS能反映更为精细的水文负荷效应(王伟等, 2017).

中国是世界上台风登陆最多、受灾最为严重的国家之一.其中，华南地区受台风灾害影响最为严重，特别是珠江口以西等地区(陈联寿和丁一汇, 1979).作为国家经济发展的重要战略区域，该地区涵盖了北部湾经济区和粤港澳大湾区等，每年台风登陆都会造成重大损失.台风影响涉及大气、海洋、降雨等多种因素.然而，由于缺少实际的地面观测，针对该地区台风引起的负荷效应(特别是水文负荷效应)的研究缺乏全面、深入的分析.

我国陆态网络二期工程运行以来，将近十年的数据积累为研究不同负荷形变发挥了重要作用.本文以2018年9月的台风“山竹”为例，结合降雨、大气压、河流水位等水文气象资料，利用GPS垂向位移与环境负荷形变数据深入研究水文负荷、大气负荷、非潮汐海洋负荷引起的地表形变过程及其与水文气象要素的关系.

台风“山竹”于2018年9月7日20时在西北太平洋洋面上生成，16日17时登陆广东台山海宴镇.从图 1可以看出，登陆过程风力逐渐减弱，气压逐渐升高，在我国陆地区域的发展主要经历了5个阶段：登陆时为强台风，中心附近最大风力14级(风速45 m·s^-1)，中心气压955 hPa；20时减弱为台风，风力13级(风速38 m·s^-1)，中心气压965 hPa.17日4时，台风在广西境内减弱为强热带风暴，风力11级(风速30 m·s^-1)，中心气压980 hPa；17日7时，台风减弱为热带风暴，风力9级(风速23 m·s^-1)，中心气压990 hPa；17日14时，台风减弱为热带低压，风力7级(风速16 m·s^-1)，中心气压998 hPa，17时，台风在广西百色市境内减弱消失.台风路径(图 1)数据来自台风路径网.

图 1

Fig. 1

图 1 (a) 每小时台风路径与GPS站、水位观测站、气象站分布图；(b)台风中心气压与最大风速曲线 Fig. 1 (a) Map of hourly typhoon track, GPS stations, gauging stations and weather stations; (b) Curves of central pressure and maximum weed speed of typhoon

受台风“山竹”影响，华南、江南东北部和南部16日降了大到暴雨，其中广东中部西部、广西中东部局部大暴雨.广东阳春是台风“山竹”过境后洪涝灾害最为严重的地区.城区内漠阳江干流水位最高时超出警戒水位3.16 m，与历史最高水位相比只差0.18 m.广州南沙站、黄埔站、中大站潮位均超历史最高水位.

台风引起的地表形变主要有三方面(Mouyen et al., 2017)：(1)大气压下降使大气负荷变化；(2)大气压和风力变化引起非潮汐海洋负荷变化；(3)强降雨使陆地水文负荷增加.本文仅研究负荷变化对地表垂向位移的影响，使用的大气负荷、非潮汐海洋负荷、陆地水文负荷形变模型数据由国际质量负荷服务(International Mass Loading Service，IMLS)和德国地学研究中心(GeoForschungsZentrum，GFZ)提供，时间从2018年9月10—26日共17天，坐标系为地球质心坐标系.产品的简要信息如表 1所示.其中，IMLS产品详细信息可参考(Petrov and Boy, 2004; Petrov, 2015)，GFZ产品可参考(Dill and Dobslaw, 2013)等相关资料.为方便比较，IMLS产品重采样为0.5°×0.5°，时间分辨率均转换为每天的变化.

表 1 (Table 1)

表 1 GFZ和IMLS提供的数据产品信息 Table 1 Information about the products provided by GFZ and IMLS 机构 GFZ IMLS 数据类型 大气负荷形变 非潮汐海洋负荷形变 水文负荷形变 大气负荷形变 水文负荷形变 空间分辨率 0.5°×0.5° 0.5°×0.5° 0.5°×0.5° 2′×2′ 2′×2′ 时间分辨率 3 h 3 h 每天 6 h 6 h 计算方法 利用ECMWF提供的大气压数据，基于格林函数理论，在空域内进行卷积积分 利用MPIOM提供的非潮汐海底压强数据，基于格林函数理论，在空域内进行卷积积分 利用包含积雪、冰川径流、河道流量和湖泊的水储量，基于格林函数理论，在空域内进行卷积积分 利用MERRA2模型提供的数据，基于球谐转换和负荷勒夫数计算 利用MERRA2模型提供的包含土壤水、雪水和植被水的水储量，基于球谐转换和负荷勒夫数计算

表 1 GFZ和IMLS提供的数据产品信息 Table 1 Information about the products provided by GFZ and IMLS

图 2为GFZ模型产品相对于IMLS产品的格网平均偏差，即GFZ格网值减IMLS格网值，再在每个格网点计算偏差时间序列(共17天)的平均值.图 3为GFZ和IMLS垂直形变格网值计算的区域(图 2中的中国大陆地区)平均垂直形变.从图 2a和图 3a可以看出，两个机构提供的大气负荷垂向形变差异较小，格网偏差在0.3 mm以内，东部地区GFZ的结果小于IMLS的值，西部地区偏大，区域绝对平均偏差为0.1 mm.虽然两个机构计算的水文负荷垂向形变具有很好的一致性(图 3b)，但二者存在明显的系统偏差，IMLS的结果在大部分区域均大于GFZ的结果(图 2b)，二者的区域平均绝对偏差为1.1 mm.由于IMLS提供的非潮汐海洋负荷形变数据只更新到2017年，因此本文仅用GFZ产品进行分析.而大气负荷形变和水文负荷形变则取两个机构的平均值，以减少模型误差的影响.模型产品的不确定性通过计算二者的标准差得到.

图 2

Fig. 2

图 2 GFZ模型产品的格网平均偏差 Fig. 2 Gridded mean bias of products provided by GFZ

图 3

Fig. 3

图 3 两个机构数据计算的区域(a)大气负荷垂直形变与(b)水文负荷垂直形变 Fig. 3 Regional atmospheric (a) and hydrological (b) load-induced vertical deformations calculated from the data provided by the two institutions

由于不同水文负荷垂向形变模型存在系统偏差，因此进一步利用中国地震局GNSS(Global Navigation Satellite System)数据产品服务平台提供的7个GPS台站(图 1)2018年9月10—26日共17天(由于数据缺失，GXWZ站数据为13天)的垂向位移时间序列(ftp://ftp.cgps.ac.cn/)进行分析，台站分布见图 1.GPS垂向位移包含了众多因素的影响，对于短时间的测站位移，主要影响因素包括解算误差以及温度、大气、潮汐、陆地水等负荷形变.其中，GPS垂向位移数据在解算时已扣除固体潮、海潮和极潮等因素的影响(何思源等，2018).温度对我国低纬度地区GPS站的垂直位移影响很小，周年振幅约在0.5 mm以内(闫昊明等，2010)，因此将其忽略.大气负荷垂直形变通过取GFZ和IMLS产品的平均值得到.非潮汐海洋负荷采用GFZ产品.通过从原始GPS垂向位移中扣除大气负荷形变和非潮汐海洋负荷形变，得到GPS垂向位移中的水文负荷形变.其不确定性可根据GPS解算误差、大气负荷垂向形变误差、非潮汐海洋负荷垂向形变误差通过误差传播定律求得：

(1)

式中，由于非潮汐海洋负荷形变仅采用一个机构的产品，无法确定其不确定性，因此，本文计算的GPS水文负荷形变仅考虑GPS解算误差(包含数据处理模型缺陷或其他系统误差和偶然误差)和大气负荷形变误差的影响.

台风影响整个天气系统.为了进行全面的分析，利用中国气象局国家气象科学数据共享服务平台提供的10个气象站的大气压数据和0.5°×0.5°格网降雨数据，以及珠江水利委员会水文局提供的藤县(Tengxian)、高要(Gaoyao)、黄塘(Huangtang)、党江(Dangjiang)4个水位站每小时的水位数据研究台风的综合效应.气象站和水位站分布如图 1所示.其中，藤县站和高要站监测的是珠江干流的水位变化，黄塘站观测的是北江的水位变化，党江站反映的是南流江的水位变化.为了与其他结果进行比较，将每小时的水位数据转换为每天的数据，并扣除研究时间段内的平均值得到水位的变化量.

大气负荷对地面高程的影响主要有两个途径(张飞鹏等, 2002)：(1)大气直接对陆地产生压制作用；(2)大气先对海洋产生压力，导致海面高度变化进而影响到沿海区域或岛屿.华南地区从沿海向内陆海拔逐渐升高，由于不同海拔气压差异较大，为了反映台风登陆前后气压的变化情况，首先从原始气压数据中扣除每个气象站对应9月10—26日气压的平均值，获得相应的气压变化量.图 4给出了9月14—19日各气象站的气压和格网大气负荷垂向形变.从图中可以看出，气压变化与大气负荷垂向形变反相，即气压降低，地表抬升，反之则下降.9月14日，台风接近菲律宾，我国华南东部地区3个气象站(编号59082、59293、59501)的大气压出现微弱的下降，地表垂向形变十分微弱；15日凌晨，超强台风登陆菲律宾北部，7级风圈半径达到550 km，15日23时，台风中心距离我国大陆最近距离约为500 km.此时，所有气象站的大气压均偏低，大部分区域地表出现微小抬升，量级在1.5mm左右；16日，强台风从广东台山海宴镇登陆，大气压显著下降(离台风最近的编号59663气象站气压下降最大达20.7 hPa，所有台站气压平均下降10.6 hPa)使得大气负荷减小，整个区域出现了较为明显的地表形变，在台风路径附近最大地表抬升达到5.1 mm，明显大于正常情况下低纬度地区大气负荷引起的约2 mm的垂向形变量(姜卫平等，2016)；17日，台风向西移动，内陆地区大气压明显减小，地表形变大于沿海地区；17日17时，台风消失.18日、19日气压开始缓慢上升，地表出现微小的下沉.

图 4

Fig. 4

图 4 台风登陆前后站点大气压(方形)与格网大气负荷垂向形变变化 Fig. 4 Changes of pressure (square) and atmospheric load-induced vertical deformation before and after typhoon′s making landfall

图 5为各站大气压和相邻各网点大气负荷垂直形变的平均变化情况.从图中可以看出，由于大气负荷对垂直形变影响在空间分布上中长波占优(王伟等，2018)，研究区域形变差异较小，因此，虽然气象站点分布较为稀疏，但气压时序与地表垂向形变存在明显的反相，相关系数达到-0.91.

图 5

Fig. 5

图 5 各站大气压平均变化与相邻格网点大气负荷形变平均值.阴影部分为相应的标准差 Fig. 5 Mean changes of pressure at each sations and the nearby atmospheric load-induced deformation. The shaded regions show the corresponding standard deviations

非潮汐海洋负荷是由海风驱动、大气压变化、湿度变化、洋流热交换以及流体动力学原因引起的(Dong et al., 2002).图 6给出了9月14—19日研究区域内非潮汐海洋负荷垂向形变的格网值.从图中可以看出，14日台风离陆地较远时，相比于大气负荷效应，台风引起的非潮汐海洋负荷变化对陆地的影响较为滞后，仅小部分地区出现微小的地表下沉.15日，随着台风逼近，大部分地区地表开始下沉，且沿海地区受到的影响比内陆地区显著，最大下沉量出现在珠江口地区，达到5.8 mm.16日台风登陆，非潮汐海洋负荷影响范围扩大，地表下沉达到最大值(-9.2 mm)，明显大于一般情况下沿海地区非潮汐海洋负荷垂向形变约3 mm的影响量级(周伯烨等，2016).随着台风向内陆移动，17日大部分地区地表开始抬升.18日，地表出现微小的下沉，19日再次抬升.

图 6

Fig. 6

图 6 格网非潮汐海洋负荷垂向形变 Fig. 6 Gridded non-tidal oceanic load-induced vertical deformations

图 7为不同范围内非潮汐海洋负荷垂向形变的影响情况，其中选取的局部区域格网点(图 6c)为影响最为显著的区域.从图中可以看出，15日、16日台风登陆前一天和登陆当天，非潮汐海洋负荷对地表垂向位置的影响逐渐增大，其他时间影响较小(~2 mm).此外，与图 5对比可以发现，非潮汐海洋负荷的影响比大气负荷减弱得更快，17日大气负荷的影响仍然较为明显(图 5)，而非潮汐海洋负荷的影响迅速减小，在影响最大的格网点，形变量从16日的-9.2 mm抬升到17日的0.3 mm(图 7).由此可见，相比于非潮汐海洋负荷，台风期间大气负荷对地表垂向形变的影响范围更大，持续时间更长，但影响量级较小.

图 7

Fig. 7

图 7 不同范围非潮汐海洋负荷垂向形变影响值.局部区域和格网点对应图 6c中标注的位置 Fig. 7 Non-tidal oceanic load-induced vertical deformations in different regions. The locations of the specific region and grid point are shown in Fig. 6c

由以上分析发现，台风登陆前一天，大气和海洋负荷变化已经造成陆地的形变，而台风登陆时通常会带来强降雨，从而导致陆地水文负荷的显著增加，造成垂向地表位移.图 8为9月15—22日台风登陆前后的降雨情况，图 9为模型计算的水文负荷形变(GFZ和IMLS模型产品的平均值).

图 8

Fig. 8

图 8 台风登陆前后降雨量变化 Fig. 8 Rainfall changes before and after typhoon′s making landfall

图 9

Fig. 9

图 9 GFZ和IMLS提供的模型计算的水文负荷垂直形变 Fig. 9 Modeled hydrological load-induced vertical deformations provided by GFZ and IMLS

从图 8可以看出，降雨随台风移动在空间上有明显的变化.15日超强台风登陆前陆地未形成降雨.16日强降雨主要集中在台风路径北侧，几乎覆盖了整个广东省(图 8b).17日台风进入广西，降雨覆盖广东、广西大部分地区，包括所有的GPS台站.18日，虽然台风已经消亡，但降雨逐渐西移，广西一半的区域仍出现降雨.19日，降雨明显减少，20—22日只有小部分区域出现降雨(图 8f—8h).

结合图 8和图 9可以看出，15、16日研究区域的西部没有明显的降雨，而模型结果显示该区域的形变量比东部大，这种明显的偏差会将台风对东部地区的水文负荷形变效应淹没.为了展示台风水文负荷效应，图 9将形变信号在小范围(-9 mm至-7 mm)突出显示.从图中可以看出，由于GFZ模型包含了河道流量的水文信息(表 1)，其结果能很好地反映水文负荷形变.16日台风登陆时，降雨集中的珠三角地区(图 8b)，地表出现了下沉(比15日下沉了约0.5 mm).与15日相比(图 9a)，珠三角周边也出现了微小的下沉(图 9b绿色范围扩大).17日，地表下沉集中在珠江干流，且下沉区域进一步扩大.18日，虽然降雨集中在珠江上游(图 8d)，由于河流的汇水作用(Reager et al., 2014)，使得珠江下游沿江区域的地表下沉量达到最大，比15日下沉了约1 mm.随着降雨的逐渐减小，19日地表开始抬升，到22日地表基本抬升到16日的位置.

图 10为区域降雨、模型负荷形变平均值以及站点平均水位变化和GPS站点平均水文负荷形变(扣除邻近格网点大气负荷形变和非潮汐海洋负荷形变).从图 10a可以看出，GPS和负荷模型均能反映台风登陆时(16日)强降雨导致水文负荷增加使得地表下沉，以及台风过后地表抬升的过程.不同之处在于，模型形变量明显小于GPS的观测结果.从台风登陆到出现最低值，模型计算的地表下沉量为0.6 mm，不仅明显小于GPS观测结果(11 mm)，也小于大气负荷和非潮汐海洋负荷的垂直形变量.此外，强降雨发生时(16日)，模型结果立刻出现了地表下沉，在第三天达到最低值，而GPS观测结果则在台风登陆后一天出现下沉，并在第五天才下沉到最低点.由于研究区域内GPS测站较少，且垂向形变不确定性较大(图中红色阴影)，使得GPS垂直形变与河流水位变化的相关系数(-0.36)小于模型结果与河流水位的相关系数(-0.62)，但其能更好地反映水文负荷的长期形变效应(图 10b).17日河流水位明显抬升，地表开始下沉，在水位回落到第一个峰值的最低点后，GPS结果显示地表下沉量达到最大.在抬升到正常位置之后，地表又出现下沉(23日)，这主要是上游降雨通过地表径流汇集到下游(Reager et al., 2014)，使河流水位再次上升到一个小的峰值(22日).

图 10

Fig. 10

图 10 降雨、模型负荷形变的区域平均值以及所有水文观测站水位变化、GPS站点水文负荷形变的平均值 蓝色阴影为GFZ和IMLS模型产品的标准差，红色阴影为根据公式(1)计算的GPS水文负荷形变误差. Fig. 10 Mean values of precipitation, modeled deformations in grids and observed water levels variations at gauging stations and hydrological load-induced deformations at GPS stations The blue-shaded region shows the standard deviation of products provided by GFZ and IMLS, and the red-shaded region shows the errors of hydrological load-induced deformations calculated from Eq.(1).

图 11给出了GPS站点、模型计算的相邻格网点水文负荷垂向形变与降雨量以及邻近水位观测站观测的河流水位变化.由于百色站和南宁站远离藤县和高要两个水位监测站，且不在南流江和北江流域范围内，因此只分析其余五个GPS站与河流水位变化的关系.此外，虽然缺少湛江站所处流域河流水位数据，但从图 8和图 11b、11d可以发现，湛江站和北海站所处流域的降雨情况较为相似，均集中在17日.因此，本文利用党江站的水位数据分析湛江GPS站的垂向位移变化.

图 11

Fig. 11

图 11 GPS站点、相邻格网点的水文负荷垂向形变与降雨量和邻近水位观测站观测的河流水位变化 Fig. 11 Hydrological load-induced vertical ground deformations at GPS stations and precipitation and water level changes observed at the nearby gauging stations

从图 11中可以看出，台风登陆后，地表均出现了持续的下沉，但模型结果明显小于GPS监测的结果.GPS结果显示北海站(GXBH)地表下沉最为显著，从开始下沉到最低点5天的下沉量达到25.7 mm，最低值为-15.6 mm，略小于2017年哈维飓风导致的德州地表下沉最低值(21 mm)(Milliner et al., 2018).由于流域的汇水作用，处于珠江下游的珠海站(GDZH)处于偏低位置(GPS U < 0)的时间最长(7天)，而更为严重的哈维飓风造成的地表下沉需要5周才能抬升到正常位置(Milliner et al., 2018).此外，珠海、广州GPS站均观测到了河流水位二次上升造成地表再次下沉，而模型结果未能观测到这一现象.由于梧州站GPS数据缺失，未能观测到水位二次上升带来的影响.从图 11b和11d中可以看出，河流水位变化与湛江和北海GPS台站垂向位移反相，相关系数分别为-0.66和-0.50；台风登陆前，河流水位偏低，水文负荷较小，GPS台站大多数时候位置偏高(GPS U>0)；台风登陆时，河流水位迅速上升，区域水文负荷明显增加，GPS台站下沉；9月22日，水位回落到正常位置，GPS台站也抬升到比正常位置稍高的地方；之后，河流水位偏低，GPS台站位置又开始抬升.类似地，在水文变化剧烈的亚马逊流域也表明GPS垂向位移变化与河流水位变化具有很强的反相关系(Bevis et al., 2005)，说明GPS可作为水文观测的有效补充.但广州GPS站垂向形变峰值与河流水位变化表现出很好的一致性，则需要结合台站所处的地质环境等更多资料来进行深入分析.

从以上结果可以看出，不同模型估计的水文负荷形变之间以及与GPS垂直位移之间均存在较为明显的差异.深入分析差异的原因可为开展相关研究提供参考.其中，造成模型与GPS结果差异可能的原因有：(1)由于大多数水文模型缺少地下水信息，而包含地下水信息的模型没能很好地模拟自然和人为因素对地下水的影响，如WaterGAP全球水文模型(姚朝龙等，2019a)，尤其是台风短期的水文变化，使得模型水文负荷形变量级明显小于GPS观测结果(反映所有水文要素的综合形变效应)；(2)从水文过程的角度分析，地下水对气象变化的响应时间滞后于地表水(河流、湖泊等)和土壤水(Chew and Small, 2014；Van Loon et al., 2015)，因此缺少地下水信息会造成模型模拟的形变对台风水文负荷的响应更快；(3)在提取GPS水文负荷形变过程中，大气负荷形变和非潮汐海洋负荷形变模型的误差也会影响信号提取的精度(公式(1)).虽然本文所使用的大气负荷形变模型的差异很小(图 3a)，但研究中仅采用单一的非潮汐海洋负荷形变模型，从而给GPS水文负荷形变信号提取带来误差.

GFZ和IMLS水文负荷形变产品之间存在系统偏差(图 3b)的可能原因有：(1)虽然二者具有较好的一致性(相关系数为0.78)，但由于用于计算形变的水文要素明显不同(表 1)，由此导致不同模型计算的形变结果存在较大的系统偏差(王伟等，2017)；(2)二者计算过程中扣除的平均时间段不同.GFZ为2003—2014年的平均值，IMLS为1980年1月1日—2017年2月28日，由此也会引起系统偏差.去除系统偏差后，二者的平均绝对偏差从1.1 mm减小为0.1 mm.鉴于GFZ和IMLS产品较好的一致性，本文直接取二者的平均值用于相关的分析.然而，由于短期强降雨主要影响地表水，因此，GFZ提供的包含河道流量和湖泊水文信息的负荷形变产品可能更适合于台风水文负荷形变方面的研究，但需要更多的模型和观测数据进行定量评估.

本文综合水文气象资料以及模型计算的环境负荷形变数据，利用GPS台站垂向位移研究了台风“山竹”期间不同负荷变化引起的区域垂向地表形变过程，研究结果表明：

(1) 模型结果显示非潮汐海洋负荷垂向形变比大气负荷形变大，但其影响时间相对较短.台风登陆前一天大气负荷和非潮汐海洋负荷变化均对地表产生影响；台风登陆时地表形变达到最大，分别为5.1 mm和-9.2 mm；随着台风向内陆移动，非潮汐海洋负荷形变迅速减小，大气负荷仍造成较为明显的形变.

(2) 由于模型水文负荷垂向形变包含了河道流量信息，其与河流水位变化的相关性较强，相关系数为-0.62，但不同模型之间存在系统偏差.由于缺少地下水等信息，模型结果不能很好地反映水文负荷的长期形变效应，且形变变化量明显小于GPS监测的结果.

(3) GPS水文负荷垂向形变结果显示，北海GPS站从开始下沉到最低点(-15.6 mm)5天的下沉量达到25.7 mm，下沉速率为5.1 mm/天；由于河流的汇水作用，处于珠江下游的珠海、广州GPS站均观测到河流水位二次上升造成地表再次下沉，且珠海站需要一周才能抬升到正常位置；湛江和北海GPS站则能较好地反映河流的水位变化.

台风引起的地表形变是不同负荷效应共同作用的结果，需要联合多种数据进行全面的分析.其中，GPS垂向位移可有效监测台风登陆前后水文负荷引起的地表垂向形变过程，而形变模型的适用性需要做更进一步的分析和评估.随着我国沿海地区GNSS台站的增加以及观测数据的积累，密集的连续运行参考站(CORS)提供的高时空分辨率、近实时的垂向位移数据将为台风洪水等灾害的监测与预报提供更多有用的信息.