随着经济的发展，人类改造自然活动的加剧以及降水量的变化，使得我们在水土保持方面面临着严峻的挑战。特殊地形的水土流失可能是干旱缺水和暴雨的双重作用^[1]，降水是引起水土流失的重要因素之一^[2]，降水量的变化特征也是水土保持科学领域的热点。而大气中的可降水量 (PWV，precipitable water vapor) 又对降水有指示性意义^[3]；因此PWV的监测和数据质量分析可为水土保持学科提供重要的数据来源和科学依据。大气中的水汽同时也是监测及预测全球气候变化以及包括暴雨在内的高影响天气的重要因子^[4]。目前，常规的无线电探空由于站点分布稀疏、无法连续观测 (通常1天2次)，提供的大气水汽资料不足以满足各行业对数据时空分辨率的要求。

随着遥感探测技术的发展，GPS气象 (GPS/MET, GPS/METeorology) 逐渐被我们所认识。GPS/MET技术获取的PWV (GPS/PWV) 具有时空分辨率高、精度高、全天候、近实时、连续获取能力强、不需对设备进行定标以及经济、高效等别的探测手段所不能比拟的诸多优点。20世纪90年代中期，日本组建了世界上最大、最密集的GPS国家观测网，以用于研究和业务运行。此观测网包含约1 200个GPS站点, 实现了每20 km就有1个GPS站^[5]。21世纪初，美国组建了包括气象观测在内的1 000多个连续运行的参考站网。德国目前每50 km就有1个GPS站，每10~20 min可提供1组PWV数据^[6]。

20世纪90年代，中国开始利用GPS信号反演PWV。21世纪初起，全国开始GPS综合网的建设，加强了我国水汽高时空密度的监测，对我国水土保持、气候分析预测、突发性暴雨预报、人工影响天气等方面都起到重要作用。山东省气象局1998年开始GPS站网建设，目前，业务已发展到25个站点数据的传输和水汽产品生成。为使GPS/MET水汽产品在水土保持领域以及降水预报中得到更多的应用，更好地发挥其作为气象和水土保持领域学科交叉的纽带和桥梁作用，笔者以山东章丘站为例，分析GPS反演PWV的误差特征以及对降水的预警作用。

本文研究区域为山东省济南市章丘区 (E 117°10′~117°35′，N 36°25′~37°09′)，该地区年均水资源总量超过5.7亿m³，其中可利用量4.43亿m³，占总量的77.72%。土壤共分4个土类：棕壤2 326.67 hm²，占可利用面积的1.9%，主要集中在垛庄镇官营一带；褐土8.83万hm²，占可利用面积的70.2%, 分布在中南部；水稻土374.07 hm²，占可利用面积的0.3%，集中于明水泉北地带，为境内最优土壤；潮土3.48万hm²，占可利用面积的27.6%，集中于北部沿清、沿黄地带。该区域气候上属暖温带季风区的大陆性气候。受季风影响降水年内分配极为不均匀，年降水量的70%集中在6—9月间。章丘区的林木资源共54科、183种，常见林木为马尾松 (Pinus massoniana)、柏木 (Cupressus funebris)、杨树 (Populus trinervis)、垂柳 (Salic matsuodana)、梧桐 (Firmiana platanifolia)、榆树 (Ulmus pumila) 等。^[7]

所用资料为2015年GPS/PWV数据，选取同时段GPS测站临近的L波段探空、微波辐射计资料反演的PWV进行对比分析。3种独立数据间的对比可更好地反映数据的偏差特征。

根据L波段探空的气压、温度廓线计算出PWV^[8-11]。对于微波辐射计，即便是很弱的降水也会使天顶方向V波段亮温的误差信号达到饱和，致使PWV反演结果产生很大的偏差^[12]。为避免降水对微波辐射计的影响，将微波辐射计降水时间段内及其降水前后1min的PWV值剔除；同时，分析GPS/PWV数据与地面自动气象站的降雨强度间的关系，探索GPS/MET在邻近降水预报中的作用。

图 1为章丘GPS/MET、微波辐射计和L波段探空三者2015年PWV的时间序列图，三者总体的变化趋势一致，全年看PWV存在着明显的月际变化，随时间呈单峰曲线分布。PWV自4月份从10 mm左右开始逐渐增大，虽有波动、起伏，但是增大趋势明显，7—8月份达到峰值，最大可超过70 mm，8月以后开始迅速下降，且下降速度大于上升速率。但是3种探测手段间也存在明显的差异性，GPS/MET探测到的PWV值明显高于微波辐射计和L波段探空，而微波辐射计和L波段探空趋势较为一致。

图 1(Figure 1)

PWV: precipitable water vapor. The same below. 图 1 2015年GPS/MET、微波辐射计、L波段探空探测的PWV分布 Figure 1 PWV by GPS/MET, microwave radiometer, and L band sounding respectively in 2015

对GPS/MET、微波辐射计、L波段探空三者间的偏差进行统计^[13]，检验GPS/MET的精度。

由表 1可见，三者的相关系数较高，都超过98%。微波辐射计和L波段探空之间的偏差最小，为1.33 mm，均方根误差为2.42 mm，相对方差也最小，为10%，说明微波辐射计和L波段探空之间一致性较高，离散程度较低。而GPS/MET相对于微波辐射计和探空呈现PWV偏大的特点，虽然GPS/MET与其余二者的平均偏差较大，分别为4.67和-5.97 mm，但是均方根误差不大，分别为2.82和2.80 mm，即离散程度不大，说明GPS/MET与其余2种探测方法之间存在稳定的系统误差，即研究所选取的济南章丘GPS/PWV有整体偏高的误差特点。

表 1(Table 1)

表 1 2015年GPS/MET、微波辐射计、探空探测的PWV对比结果 Table 1 Comparison of PWV observed by GPS/MET, microwave radiometer, and sounding in 2015 统计量 Statistics 平均偏差 Mean deviation/mm 均方根 Mean square deviation/mm 相对方差 Relative deviation% 相关系数 Correlation coefficient (R)/% 拟合方程 Fitting equation GPS/MET-微波辐射计GPS/MET-Microwave radiometer 4.67 2.82 22.12 98.07 Y=0.99x+4.95 微波辐射计-L波段探空Microwave radiometer-L band sounding 1.33 2.42 10.33 98.50 Y=0.99x-0.75 L波段探空-GPS/MET L band sounding-GPS/MET -5.97 2.80 22.30 98.34 Y=0.98x+6.42

表 1 2015年GPS/MET、微波辐射计、探空探测的PWV对比结果 Table 1 Comparison of PWV observed by GPS/MET, microwave radiometer, and sounding in 2015

偏差产生的原因一是由于探测手段的不同导致的系统误差，二是与观测台站的海拔和气候特点有关^[14]，三是GPS反演误差。GPS水汽反演过程的每个环节都是误差的来源，测量误差主要包括GPS轨道误差、多路径误差、钟差、相位测量误差等，理论上计算的这些误差导致的PWV的估计误差大约为1.7 mm^{[6, 15]}。而水汽含量反演过程中误差来源主要有天顶中性层延迟误差、地面气象站观测温度和气压的误差、气温加权平均值T_m的精度以及转换公式的模型误差等。它们的综合影响使这一转换的相对精度约为±15%^[14]。天顶中性层延迟的误差有各种不利因素导致，如定轨误差、多路径效应等；提高地面气象站观测气压的精度可以采用高质量的温度传感器和气压传感器，如果温度测量精度达0.5 K，气压测量精度达0.2 mbar，那么水汽含量的精度就会高于0.7 mm^[16]；在利用GPS湿延迟 (Zenith Wet Delay，ZWD) 推算PWV时，转换系数Π的精度直接影响PWV的精度：PWV=Π×ZWD，而Π又由T_m计算得到；因此只有准确确定T_m值，才能确保Π的精度^[17]。T_m的精度应根据当地的气候特点^[18]，计算出山东省的回归公式，这也是今后要解决的主要问题。

选取4个临近站点进行比对，2015年全年4个站点的PWV分布如图 2，4个站的PWV变化相近，波峰与波谷有较好的对应性; 因此，选取其中的章丘站来分析局地PWV与地面降水的关系。

图 2(Figure 2)

图 2 2015年章丘、平阴、济阳、泰安4站的PWV分布 Figure 2 PWV at Station Zhangqiu, Pingyin, Jiyang, and Taian respectively in 2015

根据章丘GPS站反演的PWV和自动气象站测量得到的每小时降水量资料，对2015年8月3—6日发生在济南地区的1次降雨过程中GPS反演的PWV的演变特征进行分析，结果如图 3所示。可见2015年8月3—6日凌晨，章丘地区出现了2次降水过程，对比降水前后GPS/PWV的演变特征与实际降水量的关系，可以发现2次明显的降水过程分别发生在8月3日12时至22时、8月5日20时至8月6日04时，实况小时降水量和GPS/PWV在时间演变上有较好的吻合度——PWV的2个峰值分别对应2次降水过程。

图 3(Figure 3)

图 3 2015年8月3—6日章丘PWV和实际降雨强度的关系 Figure 3 Relationship between PWV and rain intensity at Zhangqiu station on August 3-6, 2015

其次，从8月2日20时起，PWV逐渐增大，15 h后 (8月3日12时) 降水开始；8月5日6时起，PWV从43 mm增加到62.4 mm，也是一个明显增大的过程，14 h (8月5日20时) 后降水开始。这2次降水结束后，PWV都有显著的递减过程。PWV变化幅度、极值水平及持续时间与影响降水的天气系统、降水性质等有关^[19]。

这2次降水的PWV在地面降水发生前十几个小时开始出现增大，随后维持在高值的水平上，说明在降水前大气中有明显的水汽积累的过程。地面降水发生时PWV达到最大值，降雨强度的极大值与PWV的极大值有很好的对应。地面降水过程结束后，PWV迅速下降。可见，PWV的极大值是降水产生的必要条件。李国平^[4]曾指出当PWV在数值上超过某一基准值以后，地面降水才会发生。强降水一般在PWV的高值阶段或以后发生，即PWV高值时间段发生降水的概率较大；因此，PWV的增加、极大值的出现以及高值的维持对短时临近预报有较好的指示意义。

为进一步定量分析PWV对短临预报的指示作用，笔者对2015年8月章丘GPS/MET数据进行探讨。

如图 4所示，2015年8月除了19日外，PWV超过月均值时，地面均产生降水；因此可以初步判断，PWV在月均值之上，产生降水的概率较大。每次地面降水开始前和结束后，PWV都表现出急速增长和下降的趋势，在8月的几次降水过程中，PWV的变化都体现出这一特征。由于降水对PWV的消耗，使得降雨强度减小^[20]；因此，水汽能够源源不断地输入补充，成为维持降水的关键因素。

图 4(Figure 4)

图 4 2015年8月章丘PWV、实况雨量、月均水汽含量的分布 Figure 4 Distribution of PWV, rain intensity and mean PWV at Zhangqiu station during August 2015

但是，PWV在8月14日、8月19日都迅速上升到55 mm以上，地面降水量却很少；而8月24、25和26日的降水过程中，PWV仅上升到47 mm左右，降雨强度达20 mm/h。推断14、19日章丘区域水汽辐合缺乏，降水持续时间短，降水量也低；若大气中有较强的水汽辐合，即使水汽含量值稍低于平均值也可能产生降水^[13]。尤其是8月25日每小时的降雨量53 mm，超过了PWV值 (50 mm)，根据曹云昌等^[3]的研究，大气中源源不断的水汽辐合，为降水提供了充足的水汽来源。

下面分析2015年全年章丘站PWV和地面降水的关系。PWV和地面降雨强度资料的分辨率均为1 h，GPS/MET共有8 760次观测，其中有效数据7 726次，地面降雨强度共有8 852次观测。

图 5为PWV与地面降雨强度的时间序列图，宏观上看，降雨强度超过20 mm/h均发生在PWV较高的夏季 (7、8、9月)，PWV的高值与地面降水的高值有较好的对应。

图 5(Figure 5)

图 5 2015年章丘站PWV与地面降雨强度的时间序列图 Figure 5 Distribution of PWV and ground rainfall intensity at Zhangqiu station during 2015

下面对两者的关系进行定量分析。地面是否发生降水与降水发生前PWV的增量有关。根据曹云昌等^[3]发现，安徽和北京地区2 h PWV增量与本站降水的关系最为密切。本研究中一次降水发生的标准为：前4 h或后6 h出现0.01 mm/h以上的降雨强度，就认为产生降水。

统计2015年PWV连续增加量与降水次数发生的频率，分别计算PWV连续2、3、4、5 h的增加量为不同值时发生的次数a与降水发生的次数b，b/a即为降水发生的概率。结果如表 2，当PWV连续2 h的增加量为4 mm时共发生160次，其中发生降水86次，降水概率为53.75%，即若以2 h为PWV增量的衡量范围时，增加4 mm发生降水的概率较大。同理，以3 h和4 h为PWV增量的衡量范围时，PWV增加6 mm发生降水的概率较大；以5 h为PWV增量的衡量范围时，增加12 mm发生降水的概率较大；因此，时间间隔越长，PWV增量越大，产生降水的概率越大，但同时，捕捉到降水的次数也越少。因此不能一味追求时间间隔和PWV增量同时增大，而应兼顾捕捉更多的降水时次。对于章丘站，综合考虑降水次数和降水概率后，选取PWV连续4 h增加6 mm以上为判断降水发生的依据之一。

表 2(Table 2)

表 2 2015年章丘站PWV连续增加量与降水次数的关系 Table 2 Relationship between increased PWV and the times of precipitation in 2015 at Zhangqiu station 变量 Variable 发生次数 Occurring number 降水次数 Times of precipitation 比例 Ratio/% 连续2 h PWV增加量 Increment of PWV in two hours 3 mm 342 171 50.00 4 mm 160 86 53.75 5 mm 59 24 40.68 6 mm 30 12 40.00 7 mm 15 6 40.00 连续3 h PWV增加量 Increment of PWV in three hours 3 mm 442 206 46.61 4 mm 269 147 54.65 5 mm 146 83 56.85 6 mm 78 45 57.69 7 mm 40 22 55.00 连续4 h PWV增加量 Increment of PWV in four hours 3 mm 334 164 49.10 4 mm 225 135 60.00 5 mm 185 107 57.84 6 mm 125 82 65.60 7 mm 81 53 65.43 连续5 h PWV增加量 Increment of PWV in five hours 5 mm 153 92 60.13 6 mm 128 80 62.50 7 mm 84 60 71.73 8 mm 65 50 76.92 9 mm 42 35 83.33 10 mm 26 22 84.62 11 mm 15 13 86.67 12 mm 8 7 87.50

表 2 2015年章丘站PWV连续增加量与降水次数的关系 Table 2 Relationship between increased PWV and the times of precipitation in 2015 at Zhangqiu station

对章丘地基GPS/PWV与探空计算值、微波辐射计反演值进行比对，虽然GPS/MET与微波辐射计、探空2种探测手段的平均偏差较大，分别为4.67和5.97 mm，但是均方根误差不大，分别为2.82和2.80 mm，即离散程度不大，说明章丘站GPS/ PWV值有整体偏高的误差特点。这与不同探测手段的系统偏差相关，与观测台站的海拔和气候特点有关，也与GPS/MET反演流程各个环节产生的误差相关。

从对GPS/PWV与地面实况降水的分析中，得出PWV的极大值是降水产生的必要条件，不是充分条件，还要结合区域内的水汽辐合辐散来分析。PWV在月均值之上，产生降水的概率较大。对于章丘，综合考虑降水次数和降水概率，选取大气可降水量连续4 h增加6 mm以上为判断降水发生的依据之一。

GPS/MET提供的全国大气可降水量网的资料可以有效补充和丰富我国“水土保持监测网络和信息系统”^[21]的数据，为水土保持业务和决策部门决策分析和制定提供更多的信息来源和数据支撑，也为水土保持、气象、地理信息等多个学科交叉提供很好的示范。