2017—2019年南疆西部和昆侖山北坡GPS大氣可降水量變化特征

于碧馨，劉 晶，安大維，張?jiān)苹?

（1.新疆氣象臺(tái)，新疆 烏魯木齊 830002；2.中國(guó)氣象局烏魯木齊沙漠氣象研究所，新疆 烏魯木齊 830002；3.中亞大氣科學(xué)研究中心，新疆 烏魯木齊 830002）

天山東西橫亙2 500 km、平均海拔4 000 m，將新疆分為南、北疆，天山以南稱為南疆，常年干旱少雨，屬典型的干旱內(nèi)陸性荒漠氣候，但近年來降水呈現(xiàn)年代際增多趨勢(shì)，且強(qiáng)降水頻發(fā)，屢破極值。水汽作為成云致雨的必要條件，對(duì)輻射收支、水循環(huán)、天氣演變和氣候變化等有重要作用[1-4]。研究表明水汽條件是干旱區(qū)暴雨形成的重要因子之一，水汽輸送的驟然增大和戛然而止與南疆降雨起止時(shí)間和暴雨強(qiáng)度有密切關(guān)系[5]，水汽的局地變化也對(duì)降水有一定的指示性作用。傳統(tǒng)定義的水汽含量指的是某區(qū)域上空某時(shí)刻或者一個(gè)較長(zhǎng)時(shí)期平均的水汽含量，是一個(gè)狀態(tài)參數(shù)[6]，但水汽復(fù)雜多變且分布極不均勻，常規(guī)探測(cè)難以滿足獲取水汽連續(xù)變化特征的需求[2-4]。地基GPS水汽遙感探測(cè)技術(shù)發(fā)展有效彌補(bǔ)了常規(guī)探測(cè)手段的不足，幾乎不受大氣環(huán)境的影響，能夠真實(shí)可靠地反映大氣中的水汽變化，可提供覆蓋范圍廣、高時(shí)空分辨率、高精度的大氣可降水量[7-8]。一些學(xué)者統(tǒng)計(jì)了地基GPS水汽時(shí)空分布特征指出[9-12]，地基GPS反演的PWV和探空資料計(jì)算的PWV一致性良好[10-11]，部分地區(qū)降水前普遍PWV增加[7-9，11]，而有的地區(qū)強(qiáng)降雨時(shí)段多數(shù)在PWV峰區(qū)時(shí)段[13]。循環(huán)同化GPS-PWV資料模擬可有效改善降水的預(yù)報(bào)能力，尤其是大雨、暴雨量級(jí)以上的降水預(yù)報(bào)得到了顯著提高[14]。

新疆學(xué)者們對(duì)北疆地區(qū)地基GPS水汽資料與降水的關(guān)系做了一些研究[15-18]，伊犁河谷夏季GPS-PWV距平日變化幅度與海拔高度呈正相關(guān)，天山山區(qū)各站夏季GPS-PWV分布與海拔高度呈顯著負(fù)相關(guān)，烏魯木齊強(qiáng)降水過程中GPS-PWV有明顯的提前增濕和躍變現(xiàn)象且降水時(shí)峰值幾乎可達(dá)到氣候平均值的2倍左右。但對(duì)南疆相關(guān)的研究較少，崔麗娜等[4]僅分析了部分時(shí)段內(nèi)的日變化特征。2003年中國(guó)氣象局烏魯木齊沙漠氣象研究所開始搭建新疆地基GPS/MET遙感大氣水汽觀測(cè)網(wǎng)，2016年以前僅建站13個(gè)，而目前可用于觀測(cè)、業(yè)務(wù)應(yīng)用與研究等工作的觀測(cè)站點(diǎn)有36個(gè)（其中南疆地區(qū)21個(gè)）。因此，本文在分析2017—2019年南疆西部與昆侖山北坡地基GPS-PWV變化特征的基礎(chǔ)上，針對(duì)夏季不同海拔高度不同降水量級(jí)的GPS-PWV日變化進(jìn)行分析，探尋GPS-PWV與實(shí)際降水的對(duì)應(yīng)關(guān)系，以期為強(qiáng)降水短時(shí)臨近預(yù)報(bào)提供參考。

1 研究區(qū)概況

南疆（73°40′～93°45′E，34°25′～43°36′N）面積約108萬km2，地形呈向東開口的喇叭口形狀，地勢(shì)西高東低，微向北傾，北部為天山山脈，西部為帕米爾高原（圖1），海拔基本均在3 km以上[19-20]，南部為與青藏高原毗鄰的昆侖山（海拔基本在5 km以上），中東部為塔克拉瑪干沙漠（海拔約0.8～1.5 km）。本文的主要研究區(qū)域?yàn)槟辖鞑浚ㄋ{(lán)圈區(qū)域）和昆侖山北坡（紅圈區(qū)域），前者地形為大喇叭口型且整體海拔較高，后者地勢(shì)南高北低。

圖1 南疆地區(qū)地基GPS站點(diǎn)（黑點(diǎn)）分布

2 資料與方法

2.1 資料選取

地基GPS/MET遙感大氣水汽觀測(cè)資料和降水資料均由新疆氣象信息中心提供，時(shí)間分辨率為1 h。文中的春、夏、秋、冬四季分別對(duì)應(yīng)的是3—5月、6—8月、9—11月、12月—次年2月。

選用2017—2019年南疆西部、昆侖山北坡各6個(gè)地基GPS/MET遙感大氣水汽觀測(cè)站資料（圖1），經(jīng)整理剔除由于儀器維修、故障造成異常數(shù)據(jù)和無效數(shù)據(jù)，利用GAMIT軟件處理原始資料反演得到逐時(shí)的GPS-PWV。南疆西部地處帕米爾高原的布倫口鄉(xiāng)站海拔最高，為3 320 m；海拔次高的烏恰站在帕米爾高原北部，為1 396 m；海拔最低的庫(kù)車站在天山南麓中部，為1 082 m。昆侖山北坡海拔最高的觀測(cè)站是昆侖山與塔克拉瑪干沙漠之間的于田站，為1 422 m；其次是民豐站、和田站，分別為1 410和1 375 m，位于昆侖山北麓、塔克拉瑪干沙漠東緣的若羌站海拔最低，為888 m（表1）。

表1 研究區(qū)域GPS觀測(cè)站點(diǎn)和資料信息

2.2 GPS-PWV可信度檢驗(yàn)

利用美國(guó)懷俄明大學(xué)（University of Wyoming，UW）大氣科學(xué)系網(wǎng)站（http：//weather.uwyo.edu）基于全球交換站常規(guī)探空觀測(cè)資料計(jì)算得到的RSPWV，進(jìn)行GPS-PWV精度檢驗(yàn)。研究區(qū)域內(nèi)具備地基GPS/MET遙感大氣水汽觀測(cè)能力的站點(diǎn)中僅庫(kù)車、和田、民豐、若羌4站有探空數(shù)據(jù)，因此選擇可用于對(duì)比檢驗(yàn)資料樣本數(shù)相對(duì)更多的庫(kù)車、若羌為本文中2個(gè)區(qū)域的代表站，且這2站GPS站和探空站均在當(dāng)?shù)貧庀笥^測(cè)站內(nèi)，滿足對(duì)比條件。

以2019年逐日08、20時(shí)（北京時(shí)，下同）RSPWV為代表，分別比較驗(yàn)證GPS-PWV的準(zhǔn)確性。根據(jù)庫(kù)車、若羌兩站（南疆西部和昆侖山北坡代表站中海拔最低站點(diǎn)）逐日探空資料，計(jì)算出每日兩次的RS-PWV值并與相應(yīng)時(shí)刻的GPS-PWV值進(jìn)行比較，圖2為兩站08、20時(shí)的GPS-PWV與RS-PWV散點(diǎn)分布圖。2站2個(gè)時(shí)次2套資料的PWV散點(diǎn)均在擬合直線附近密集分布，都具有很高的相關(guān)性。庫(kù)車站08、20時(shí)擬合直線斜率分別為1.045 7和1.026 3，均方根誤差（RMSE）分別為2.15和2.06 mm，確定系數(shù)R2分別為0.921和0.933 7（均通過了0.05的顯著性檢驗(yàn)）；而若羌站08、20時(shí)二者擬合也較為一致，擬合直線斜率分別為1.032 6和1.051 8，RMSE分別達(dá)2.03和2.35 mm，二者間確定系數(shù)R2分別為0.942和0.929 7（均通過了0.05的顯著性檢驗(yàn)）。這2站的GPS-PWV整體略高于RS-PWV，這可能是由于南疆地區(qū)上空對(duì)流層中下層空氣異常偏干[10]?？傮w來看，庫(kù)車站和若羌站的擬合直線斜率均接近1.0，RMSE在2 mm左右，確定系數(shù)R2都超過0.92，可見其GPS-PWV具有較高的精度。

圖2 2019年庫(kù)車站（a、b）、若羌站（c、d）逐日08時(shí)（a、c）、20時(shí)（b、d）GPS-PWV與RS-PWV散點(diǎn)分布

3 GPS-PWV時(shí)空變化特征

3.1 空間分布

南疆西部和昆侖山北坡不同海拔站點(diǎn)的GPSPWV在2017—2019年平均值的空間分布（圖3）有明顯差異，南疆西部庫(kù)車站和葉城站最大，均為12.3 mm，其次烏什站、巴楚站均為11.3 mm，第三是烏恰站7.9 mm，布倫口鄉(xiāng)站最小為4.4 mm；昆侖山北坡若羌站和塔中站最大，均為11.6 mm，其次是和田站、且末站，分別為11.5和10.6 mm，第三是民豐站，為9.6 mm，于田站最小，為8.3 mm。這種分布表明兩區(qū)域GPS-PWV值隨海拔高度的增加而減小，而PWV是整層大氣柱逐層水汽的累加值，氣柱的相對(duì)厚度與海拔高度呈反相關(guān)，造成上述現(xiàn)象的原因與此有一定關(guān)系[5，7，21]。

圖3 2017—2019年南疆各站點(diǎn)GPS-PWV（單位：mm）

3.2 時(shí)間變化特征

3.2.1 月季分布

分析2017—2019年南疆西部（圖4a）和昆侖山北坡（圖4b）月平均GPS-PWV變化可以看到，各站點(diǎn)的月變化一致，均呈單峰型，7、8月最大，3—5月緩慢上升，5—7月快速增大，9—11月迅速下降，冬季12月—次年2月最小；南疆西部7月最大的是巴楚站（24.09 mm），8月最大的為葉城站（26.83 mm）；而昆侖山北坡7月最大的為民豐站（28.41 mm），8月最大的為和田站（25.04 mm）。

圖4 2017—2019年南疆月平均GPS-PWV變化

季節(jié)分布上GPS-PWV各站點(diǎn)值由大到小依次為夏季、秋季、春季、冬季，其中夏季各站點(diǎn)值是秋季、春季的2倍左右，大部分站點(diǎn)值是冬季的5倍左右，而塔中、于田站是冬季的7倍。南疆降水的水汽來源，是西風(fēng)帶低值系統(tǒng)本身攜帶的水汽、低空急流的水汽輸送和盆地內(nèi)水汽的集中。夏季副熱帶系統(tǒng)活躍，受到歐洲中南部大西洋的偏南水汽輸送和盛行副熱帶西風(fēng)急流的共同影響，水汽輸送量最大；冬季水汽輸送以西風(fēng)帶攜帶、地中海向里海匯集與里?！嗖馗咴蟼?cè)西南向的間接輸送為主，但極鋒鋒區(qū)位置偏北，影響南疆的西風(fēng)明顯減弱，水汽輸送量最小[22]。低空急流的水汽輻合為南疆降水天氣提供了一部分偏東水汽補(bǔ)給，據(jù)統(tǒng)計(jì)偏東低空急流南疆5月最強(qiáng)，其次是6、8月，5—8月東風(fēng)厚度較厚，而東風(fēng)在夏季主要為暖濕型、春季為干冷型[23]。這些可能是造成PWV季節(jié)變化的原因之一。

3.2.2 日變化

新疆不同季節(jié)水汽源地、水汽輸送路徑、水汽輸入量不同，水汽增量也有差異[1，5，17]。分析2017—2019年4季南疆西部（烏恰站、庫(kù)車站）與昆侖山北坡（和田站、若羌站）GPS-PWV距平日變化（圖5）發(fā)現(xiàn)，PWV日變化特征明顯，且相對(duì)海拔較高的烏恰站與和田站日變化特征類似，海拔較低的庫(kù)車站與若羌站日變化特征較為一致。

圖5 2017—2019年南疆西部與昆侖山北坡代表站春（a）、夏（b）、秋（c）、冬（d）四季GPS-PWV距平日變化

春季烏恰站、和田站GPS-PWV距平日變化呈一峰兩谷型，谷值均出現(xiàn)在06時(shí)，隨后不斷增大，至10、11時(shí)分別達(dá)峰值，和田站逐步減小，到17—18時(shí)再次降至谷值，而烏恰站則維持大值至12時(shí)，14時(shí)轉(zhuǎn)為負(fù)距平后持續(xù)低值至20時(shí)；庫(kù)車站、若羌站GPS-PWV距平日變化為一峰一谷分布，開始上升時(shí)間相對(duì)較早，夜間階段性上升，到08時(shí)達(dá)到最大，隨后持續(xù)下降，分別至19、17時(shí)降至最低。

夏季和田站GPS-PWV距平日變化為一峰兩谷型，04時(shí)出現(xiàn)第一次谷值后快速上升，至12時(shí)達(dá)到峰值后驟降，至20時(shí)再次出現(xiàn)谷值。烏恰站GPSPWV距平呈現(xiàn)日變化更劇烈的一峰一谷狀態(tài)，05—15時(shí)由谷值升至峰值，14—18時(shí)維持著高值。庫(kù)車站與若羌站GPS-PWV距平日變化也是一峰一谷型，夜間上升至06時(shí)出現(xiàn)最大值，隨后緩慢下降，分別在23和22時(shí)降到最小，都在22時(shí)—次日02時(shí)維持著低值。

秋季各站GPS-PWV距平日變化各有不同。烏恰站GPS-PWV距平日變化整體大致呈日變幅較大的準(zhǔn)單峰型分布，谷值和春季一樣出現(xiàn)在06時(shí)，然后快速上升，11—19時(shí)維持高值并存在3個(gè)極大值，分別在11時(shí)、15—16時(shí)、19時(shí)，峰值在15—16時(shí)，19時(shí)之后開始直線下降。和田站GPS-PWV距平日變化呈三峰型，波動(dòng)較大，峰值出現(xiàn)在03、11、22時(shí)，谷值出現(xiàn)在00、05、18時(shí)。庫(kù)車站GPS-PWV距平日變化也呈三峰型，峰值出現(xiàn)在03、11、20時(shí)，谷值出現(xiàn)在00、06、13時(shí)。若羌站GPS-PWV距平日變化轉(zhuǎn)為一峰兩谷分布，00時(shí)為谷值，波動(dòng)上升至08時(shí)出現(xiàn)峰值，隨后又波動(dòng)下降至18時(shí)達(dá)到谷值。

冬季各站GPS-PWV距平日變化呈多峰型，烏恰站峰值出現(xiàn)在02、11、13、18時(shí)，庫(kù)車站峰值出現(xiàn)在04、11、14、19時(shí)，和田站峰值出現(xiàn)在02、11、14、19時(shí)，若羌站峰值出現(xiàn)在01、11、19時(shí)，各站峰值出現(xiàn)時(shí)刻較為接近。

另外，夏季各站GPS-PWV距平日變化幅度最大，海拔最高的烏恰站日變幅達(dá)3.17 mm，海拔最低的若羌站日變幅最?。?.4 mm）。由于南疆地區(qū)夏季晝夜溫差大，在太陽(yáng)輻射和下墊面加熱的作用下日出之后迅速升溫，大氣分子活動(dòng)劇烈，導(dǎo)致水汽不斷蒸發(fā)，空氣對(duì)水分子容納能力增強(qiáng)，水汽含量增大，而隨著日落溫度快速下降，水汽含量也下降，使得夏季水汽含量日變幅大[10]。這些也與每個(gè)站點(diǎn)復(fù)雜地貌和獨(dú)有的下墊面性質(zhì)以及局地氣候條件有很大的關(guān)系。山區(qū)站（如烏恰）PWV變幅大的原因可能是山區(qū)PWV基數(shù)低，但降水日數(shù)相對(duì)多，局地短時(shí)降雨過程使得水汽快速聚集，大氣水汽含量迅速增大[15]。

綜上所述，各站春、夏季GPS-PWV距平日變化為單峰型分布且峰值強(qiáng)度強(qiáng)，春季高海拔地區(qū)峰值出現(xiàn)在10—11時(shí)，低海拔地區(qū)峰值出現(xiàn)在08時(shí)，和夏季相比，高海拔地區(qū)峰值早出現(xiàn)1～5 h，低海拔地區(qū)峰值晚出現(xiàn)2 h；秋、冬季GPS-PWV距平日變化除了烏恰站與若羌站的秋季單峰型和外，均為三峰或四峰型，峰值頻次接近，站與站之間峰值日變化存在一定的規(guī)律性，在02時(shí)前后、11和19時(shí)前后均出現(xiàn)峰值。由此得出：（1）南疆地區(qū)PWV峰值在春夏季節(jié)相對(duì)更強(qiáng)，降水也集中出現(xiàn)春夏季節(jié)[25]。（2）南疆地區(qū)春、夏季大氣增濕主要是在夜間，可能是影響南疆降水“夜雨”[26]特征的原因之一，而南疆降水的重要?jiǎng)恿C(jī)制之一的南疆盆地低空偏東氣流具有夜間增強(qiáng)的日變化特點(diǎn)，同時(shí)受山谷風(fēng)影響，南疆西部夜間下山風(fēng)明顯[27-28]，東西風(fēng)及其輻合或切變對(duì)低層水汽輸送與輻合起著重要作用。（3）冬季主要是在白天，而秋季則是在后半夜到上午波動(dòng)式增濕，由春夏至冬增濕主要時(shí)段向后推移，與這3年主要降水出現(xiàn)前的增濕時(shí)段也相對(duì)應(yīng)。（4）同一區(qū)域不同海拔地區(qū)增濕時(shí)段存在時(shí)差，這可能與山谷風(fēng)及其降水季節(jié)變化、海拔高度差異有關(guān)，但因資料年限短且對(duì)大氣水汽增濕過程及成因尚未有準(zhǔn)確的科學(xué)探索，未來需要更多元化資料作進(jìn)一步證實(shí)。

4 夏季GPS-PWV日平均變化與降雨量的關(guān)系

南疆地區(qū)地形特殊、復(fù)雜，降水所需的水汽輸送與輻合機(jī)制需要中、高、低緯多尺度系統(tǒng)共同作用與有利配合，水汽資源匱乏但對(duì)降水的形成極其重要[19-27]?？紤]到夏季是南疆GPS-PWV月變化、日變化較大的季節(jié)，利用2017—2019年夏季資料分析南疆西部與昆侖山北坡逐日GPS-PWV與日降雨量的關(guān)系，文中氣候平均值為1976—2009年各探空站大氣可降水量平均值[29]。

4.1 有、無雨日和中雨日的GPS-PWV變化特征

定量計(jì)算GPS-PWV研究表明[22]，不同降水量級(jí)對(duì)應(yīng)的PWV日變化差異明顯，且有降水日的平均PWV比無降水日大。按照新疆天氣預(yù)報(bào)業(yè)務(wù)規(guī)定，日降水量≥6.1 mm為中雨，降水量≥0.1 mm為有雨，無雨或降水量＜0.1 mm為無雨日。利用以下公式分別計(jì)算有、無降雨情況下PWV平均值進(jìn)行雙樣本T檢驗(yàn)[30]。

夏季南疆西部有降水日數(shù)遠(yuǎn)多于昆侖山北坡，且高海拔站多于低海拔站（表1）。多數(shù)有降水時(shí)對(duì)應(yīng)著日均PWV峰值，且大于氣候平均值，有降水時(shí)日均PWV達(dá)到峰值的比例烏恰站占89%，庫(kù)車站占91.2%，和田站占66.7%，若羌站占85%；而所有出現(xiàn)日均PWV峰值但未出現(xiàn)降水的比例烏恰站占14.7%，庫(kù)車站占28.8%，和田站占67.8%，若羌站占62.2%?？梢缘贸觯海?）南疆西部地區(qū)降水前增濕是日內(nèi)驟增，水汽迅速積聚所致。（2）同樣達(dá)到大氣水汽含量最大時(shí)，昆侖山北坡相對(duì)不易產(chǎn)生降水，一是可能產(chǎn)生降水的其他必要條件不足或者要求更高；二是影響南疆降水的主要影響系統(tǒng)南支槽型、中亞偏南低槽型、低渦型、巴爾喀什湖低槽型中，南疆西部地區(qū)有利影響系統(tǒng)為前三型，而對(duì)于昆侖山北坡降水則主要是最后一型，出現(xiàn)頻率相對(duì)較低；三是受到地理位置與地形地貌影響，盛行的西風(fēng)帶系統(tǒng)進(jìn)入新疆后產(chǎn)生穩(wěn)定低空偏東氣流及東西風(fēng)切變，在南疆西部動(dòng)力與地形抬升更為劇烈，而昆侖山北坡降水則需要更強(qiáng)的動(dòng)力抬升條件和更好的云低增長(zhǎng)條件[31]。

表1 2017—2019年夏季南疆有、無雨日及中雨日的GPS-PWV平均值和T檢驗(yàn)結(jié)果

計(jì)算各站夏季有、無降水日PWV平均值的合成T檢驗(yàn)值（均通過了0.05的顯著性檢驗(yàn)）發(fā)現(xiàn)，南疆西部和昆侖山北坡有、無降水時(shí)PWV平均值T檢驗(yàn)都存在顯著差異，且兩區(qū)域都是低海拔地區(qū)比高海拔地區(qū)差異更明顯（T檢驗(yàn)值相差5左右），昆侖山北坡T檢驗(yàn)比南疆西部差異更大，T檢驗(yàn)值在10以上。

4.2 最大GPS-PWV和降水開始時(shí)間

在降水發(fā)生前0～1 d，庫(kù)車站日均PWV與當(dāng)月氣候平均值比值為0.83～1.41，和田站則為0.89～1.53（圖6），日均PWV都有不同程度的上升。降水的開始在大多數(shù)情況下都晚于GPS-PWV的開始上升。楊磊等[8]對(duì)比遼寧省2013—2014年主汛期GPSPWV值在強(qiáng)降水過程和日常情況下的特征發(fā)現(xiàn)，強(qiáng)降水過程的PWV最大增量一般出現(xiàn)在強(qiáng)降水發(fā)生前1～3 h。劉晶等[15]研究表明，伊寧站2016年夏季降水多在GPS-PWV最大值出現(xiàn)后0～2 h和5～9 h發(fā)生，烏魯木齊在2015年2次降水過程中強(qiáng)降水發(fā)生前4～5 h GPS-PWV有明顯增幅，且當(dāng)達(dá)到峰值時(shí)強(qiáng)降水開始[17]。于曉晶等[7]認(rèn)為新疆天山山區(qū)2012—2015年夏季各站降水量與其對(duì)應(yīng)GPS-PWV值關(guān)聯(lián)性不明顯，但與其海拔高度相關(guān)性強(qiáng)。那么南疆西部和昆侖山北坡的降水與其小時(shí)GPS-PWV值存在怎樣的關(guān)聯(lián)呢？將出現(xiàn)降雨（≥0.1 mm）且降水間隔超過6 h記為出現(xiàn)一次降水，將PWV最大值出現(xiàn)時(shí)刻與降水開始時(shí)刻的差值記為PWV最大值相對(duì)降水開始時(shí)間的提前量，統(tǒng)計(jì)4站的2017—2019年夏季降水頻次及其相對(duì)降水開始時(shí)小時(shí)最大GPS-PWV出現(xiàn)的時(shí)間提前量，詳細(xì)信息如表2所示。

圖6 2017—2019年夏季庫(kù)車站（a）與和田站（b）逐日降水量、PWV日均變化和相應(yīng)各月氣候平均值

表2 2017—2019年夏季南疆地區(qū)GPS-PWV最大值相對(duì)降水開始時(shí)間提前量的頻次分布

分析最大GPS-PWV出現(xiàn)時(shí)間提前量發(fā)現(xiàn)，南疆西部2站多數(shù)是PWV最大值出現(xiàn)時(shí)間與降水同步發(fā)生，或是與降水發(fā)生時(shí)間間隔較短，大氣水汽的累積和釋放與降水的開始有很好的對(duì)應(yīng)關(guān)系[32]。烏恰站（降水94次）與庫(kù)車站（降水61次）PWV最大值出現(xiàn)時(shí)間與降水同步發(fā)生的頻次各占其總降水次數(shù)的44.7%和60.7%，烏恰站PWV最大值出現(xiàn)時(shí)間超前降水發(fā)生1、2、3 h的數(shù)量分別為20、9、8次，庫(kù)車站PWV最大值出現(xiàn)時(shí)間超前降水發(fā)生1、2 h的數(shù)量分別為10、7次。昆侖山北坡2站PWV最大值出現(xiàn)時(shí)間與降水同步發(fā)生和超前降水發(fā)生時(shí)間1、2、3、7 h以上的次數(shù)相對(duì)均衡，和田站各有4～6次，若羌站各有3～5次。兩區(qū)域海拔相對(duì)較高地區(qū)超前降水發(fā)生時(shí)間5～6 h次數(shù)相對(duì)較少（均為1次），海拔相對(duì)較低地區(qū)PWV最大值超前降水發(fā)生時(shí)間4～6 h次數(shù)相對(duì)較少（各1～2次）。另外從地區(qū)PWV與降水分布可知，南疆西部出現(xiàn)降水155次，其中136次發(fā)生在PWV最大值出現(xiàn)后0～3 h，占總降水次數(shù)的87.7%；昆侖山北坡共出現(xiàn)降水52次，35次發(fā)生在PWV最大值出現(xiàn)后0～3 h，占總降水次數(shù)的67.3%?？梢奝WV最大值出現(xiàn)時(shí)間超前降水0～3 h發(fā)生頻次最高，水汽在短時(shí)間內(nèi)快速凝聚，這可能是與夏季南疆降水天氣的水汽聚集機(jī)制常常驟然建立且持續(xù)時(shí)間短暫有關(guān)[5、20]。

測(cè)站小時(shí)PWV最大值對(duì)南疆西部和昆侖山北坡地區(qū)降水開始的短時(shí)臨近預(yù)報(bào)有一定指示意義。南疆西部PWV最大值出現(xiàn)時(shí)間超前降水0～1 h發(fā)生頻次最高，昆侖山北坡降水主要出現(xiàn)在PWV最大值0～3 h和7～9 h，兩區(qū)域海拔相對(duì)較低地區(qū)PWV最大值時(shí)間提前量更短。

5 結(jié)論

基于2017—2019年南疆GPS-PWV、RS-PWV和逐時(shí)降水資料，分析了南疆西部與昆侖山北坡的GPS-PWV時(shí)空變化特征，討論夏季2個(gè)區(qū)域不同高度不同量級(jí)降水過程的GPS-PWV逐日變化、小時(shí)變化與實(shí)際降水的對(duì)應(yīng)關(guān)系，得到如下結(jié)論：

（1）08和20時(shí)南疆西部和昆侖山北坡GPSPWV整體略高于RS-PWV，南疆西部和昆侖山北坡代表站這2套資料的均方根誤差（RMSE）均在2 mm左右，具有較高的精度和相關(guān)性，確定系數(shù)均＞0.92，可以反映該地區(qū)實(shí)際大氣可降水量水平。

（2）南疆西部和昆侖山北坡不同海拔站點(diǎn)GPSPWV空間分布差異明顯，大部分站點(diǎn)GPS-PWV隨海拔高度的增加而減小，南疆西部庫(kù)車站和葉城站最大，均為12.3 mm，布倫口鄉(xiāng)站最小為4.4 mm；昆侖山北坡若羌站和塔中站最大，均為11.6 mm，于田站最小，為8.3 mm。

（3）各站點(diǎn)GPS-PWV逐月變化都呈單峰型，夏季7、8月最大，冬季12月—次年2月最小，且夏季各站點(diǎn)是秋季、春季的2倍左右，大部分站點(diǎn)是冬季的5倍左右。春、夏季各站GPS-PWV距平日變化為單峰型，春季高海拔地區(qū)峰值出現(xiàn)在10—11時(shí)，低海拔地區(qū)峰值出現(xiàn)在08時(shí)，和夏季相比高海拔地區(qū)峰值早出現(xiàn)1～5 h、低海拔地區(qū)峰值晚出現(xiàn)2 h；秋、冬季GPS-PWV距平日變化除了烏恰站與若羌站的秋季為單峰型外，其他均為三峰或四峰型，02時(shí)前后、11和19時(shí)前后均出現(xiàn)峰值。

（4）各站點(diǎn)GPS-PWV平均值在有、無降水時(shí)均有顯著差異，昆侖山北坡差異更大。南疆西部降水發(fā)生前PWV已開始上升，PWV峰值主要出現(xiàn)在降水前0～1 h；昆侖山北坡PWV峰值主要出現(xiàn)在降水前0～3 h和7～9 h；而兩區(qū)域海拔相對(duì)較低站點(diǎn)PWV峰值提前量更短，PWV達(dá)到峰值時(shí)昆侖山北坡不易產(chǎn)生降水。

南疆西部和昆侖山北坡GPS-PWV存在明顯時(shí)空差異，而一次強(qiáng)降水過程會(huì)導(dǎo)致季節(jié)內(nèi)各月、日變化和日循環(huán)特征出現(xiàn)較大差異，本文分析發(fā)現(xiàn)2區(qū)域各站點(diǎn)GPS-PWV的最大值和降水前峰值出現(xiàn)的時(shí)間提前量可作為降水開始的臨近預(yù)報(bào)預(yù)警參考值，可將此結(jié)論應(yīng)用于日常預(yù)報(bào)業(yè)務(wù)中做進(jìn)一步檢驗(yàn)和驗(yàn)證，但要注意考慮存在出現(xiàn)日均PWV峰值但未出現(xiàn)降水的情況，會(huì)有一定的空?qǐng)?bào)率，需結(jié)合天氣背景進(jìn)行綜合研判。另外，上述研究結(jié)果僅基于2017—2019年資料且有缺測(cè)值，今后還需利用更多站點(diǎn)、更完整時(shí)間序列資料開展相關(guān)研究，結(jié)合更多源資料剖析大氣水汽增濕過程及其成因，為有效提高臨近預(yù)報(bào)預(yù)警準(zhǔn)確率提供數(shù)據(jù)支撐。