關(guān)注《測(cè)繪學(xué)報(bào)》公眾平臺(tái)，及時(shí)掌握測(cè)繪地理信息領(lǐng)域前沿信息，隨時(shí)隨地瀏覽優(yōu)秀學(xué)術(shù)論文，為您提供一個(gè)高水準(zhǔn)的學(xué)術(shù)交流平臺(tái)。

　　本文采用統(tǒng)一的處理模型和處理策略對(duì)中國(guó)-中南半島地區(qū)地基北斗/GNSS測(cè)站2006—2016年歷史觀測(cè)數(shù)據(jù)進(jìn)行高精度重處理和水汽反演，獲得近10年的大氣可降水含量（PWV）產(chǎn)品?；诒倍?GNSS PWV產(chǎn)品，研究了該地區(qū)大氣水汽平均含量、年周期振幅和半年周期振幅等氣候特征，發(fā)現(xiàn)這些特征主要受到了測(cè)站緯度、高程以及季風(fēng)的影響。通過(guò)分析PWV同并址氣象站降水觀測(cè)的關(guān)聯(lián)特性，揭示了該地區(qū)大氣水汽含量同降水相關(guān)性隨測(cè)站緯度減小而降低的特點(diǎn)（在云南相關(guān)系數(shù)可達(dá)0.8，在靠近赤道的泰國(guó)南部相關(guān)系數(shù)約為0.2）。此外，PWV和降水的距平值相關(guān)分析表明，相比于歷史同期，大氣水汽含量較高的月份在一定程度上對(duì)應(yīng)著降水異常偏高，兩者相關(guān)系數(shù)為0.2~0.4。

　　關(guān)鍵詞：中國(guó)-中南半島地區(qū)；北斗/GNSS；大氣可降水含量；降水；氣候變化

　　中國(guó)-中南半島經(jīng)濟(jì)走廊地區(qū)(簡(jiǎn)稱中國(guó)-中南半島地區(qū))屬于典型的季風(fēng)氣候，干濕季節(jié)顯著，中國(guó)-中南半島是孟加拉灣水汽輸送中國(guó)的通道，對(duì)于中國(guó)氣候具有極其重要的影響[1-2]。泰國(guó)、緬甸和越南等國(guó)位列近20年(1997—2016)受極端降水天氣引發(fā)的洪澇和滑坡災(zāi)害威脅蕞嚴(yán)重的國(guó)家[3-4]。在全球變暖背景下，全球各地極端天氣的頻數(shù)和強(qiáng)度有進(jìn)一步增大的趨勢(shì)[5]。中國(guó)-中南半島地區(qū)是全球重要的糧食產(chǎn)區(qū)，頻發(fā)的極端降水天氣給該區(qū)域的經(jīng)濟(jì)和社會(huì)發(fā)展以及全球的糧食安全帶來(lái)了嚴(yán)重的破壞，也對(duì)中國(guó)-中南半島經(jīng)濟(jì)走廊基礎(chǔ)設(shè)施建設(shè)的安全和效益形成了巨大的威脅。開展中國(guó)-中南半島地區(qū)極端降水天氣形成和變化機(jī)制研究及預(yù)警預(yù)報(bào)工作，對(duì)于深入理解全球變暖背景下區(qū)域天氣系統(tǒng)的響應(yīng)機(jī)制、保障地區(qū)經(jīng)濟(jì)建設(shè)和社會(huì)發(fā)展具有十分重要的科學(xué)價(jià)值和現(xiàn)實(shí)意義。

　　中國(guó)-中南半島地區(qū)極端強(qiáng)降水量或暴雨強(qiáng)降水量在總降水量中的比重總體上有所增加，降水強(qiáng)度也有一定的增強(qiáng)，但是不同區(qū)域的變化呈現(xiàn)出空間上的不一致性[6-9]。極端天氣氣候事件的變化規(guī)律是全球氣候變化背景下氣象和氣候科學(xué)研究的重點(diǎn)和熱點(diǎn)[10-11]。

　　目前對(duì)極端降水天氣的預(yù)警預(yù)報(bào)和未來(lái)規(guī)律預(yù)測(cè)仍然是世界性難題。導(dǎo)致極端降水的因子非常復(fù)雜，包括大氣環(huán)流、大氣穩(wěn)定度、潛熱釋放、水汽輻合、抬升運(yùn)動(dòng)、云的范圍和中尺度組織的強(qiáng)度、氣溶膠作用和復(fù)雜地形作用等[12-13]。雖然降水預(yù)報(bào)水平從20世紀(jì)60年代至今取得很大進(jìn)展，但目前國(guó)際上對(duì)大于1英寸(1英寸=25.4 mm)/24 h降水預(yù)報(bào)技術(shù)評(píng)分(threat score)不足0.4(1.0表示完美預(yù)報(bào))[14]，對(duì)水汽輸送機(jī)理認(rèn)識(shí)不足是制約極端降水天氣預(yù)報(bào)精度的重要原因[12]。

　　大氣水汽在極端降水天氣的形成和發(fā)展過(guò)程中扮演著十分關(guān)鍵的角色。一方面，大氣水汽是極端降水天氣形成的主要物質(zhì)基礎(chǔ)；另一方面，水汽在大氣中通過(guò)相態(tài)轉(zhuǎn)化和輸送等過(guò)程能顯著改變大氣能量分布，深刻影響大氣能量系統(tǒng)平衡，為極端降水天氣的形成提供了重要的動(dòng)力條件。觀測(cè)和研究大氣水汽在不同時(shí)間尺度上的變化特性，對(duì)于深入理解極端降水天氣的形成機(jī)制和預(yù)警預(yù)報(bào)及未來(lái)變化規(guī)律預(yù)測(cè)十分關(guān)鍵。

　　大氣水汽觀測(cè)有多種技術(shù)手段，目前常用的主要有高空無(wú)線電探空儀、地基微波輻射計(jì)、星基輻射計(jì)、星基無(wú)線電掩星和地基GNSS反演等手段。相比于其他手段，地基GNSS具備全天候、高精度、低費(fèi)用、高時(shí)間分辨率和均一性好等優(yōu)勢(shì)[15-16]，近些年已成為大氣水汽觀測(cè)的一種重要手段[17]。地基GNSS也被全球氣候觀測(cè)系統(tǒng)(GCOS)高空參考觀測(cè)網(wǎng)絡(luò)(GRUAN)列為水汽I類觀測(cè)手段[18]。

　　本文采用統(tǒng)一的處理模型和處理策略對(duì)中國(guó)-中南半島地區(qū)數(shù)十年的地基北斗/GNSS歷史觀測(cè)資料進(jìn)行高精度重處理并反演獲得該地區(qū)上空大氣可降水含量(PWV)產(chǎn)品?；赑WV產(chǎn)品，開展中國(guó)-中南半島地區(qū)大氣水汽含量氣候?qū)W特征分析。結(jié)合并址氣象觀測(cè)站的降水?dāng)?shù)據(jù)，通過(guò)時(shí)序分析，研究大氣水汽含量同降水的變化關(guān)系。

　　本文所使用到的各類數(shù)據(jù)，包括地基北斗/GNSS觀測(cè)數(shù)據(jù)、大氣氣象再分析資料以及地面氣象站降水?dāng)?shù)據(jù)。

　　本文的研究區(qū)域?yàn)?N—26N、95E—116E(圖 1)，主要覆蓋了中南半島和我國(guó)廣東、廣西、云南、海南以及南海的部分地區(qū)。研究區(qū)域內(nèi)使用的北斗/GNSS測(cè)站包括中國(guó)大陸構(gòu)造環(huán)境監(jiān)測(cè)網(wǎng)絡(luò)(CMONOC)(簡(jiǎn)稱陸態(tài)網(wǎng))中的42個(gè)測(cè)站，泰國(guó)公共工程和城鄉(xiāng)規(guī)劃部(DPT)網(wǎng)絡(luò)中的11個(gè)測(cè)站[19]，共計(jì)53個(gè)測(cè)站。研究時(shí)段為2006-01-01—2016-12-31。需要說(shuō)明的是陸態(tài)網(wǎng)中的二期測(cè)站從2011年起才提供觀測(cè)。圖 1中標(biāo)注了研究時(shí)段內(nèi)北斗/GNSS觀測(cè)時(shí)段超過(guò)10年的測(cè)站名稱(共16個(gè))。黑框標(biāo)注的是陸態(tài)網(wǎng)中包含我國(guó)北斗衛(wèi)星導(dǎo)航系統(tǒng)觀測(cè)的測(cè)站(共7個(gè)，從2014年起提供北斗觀測(cè)數(shù)據(jù))。文獻(xiàn)[20—21]通過(guò)評(píng)估指出，采用北斗數(shù)據(jù)反演的可降水產(chǎn)品與GPS結(jié)果精度相當(dāng)，且北斗+GPS聯(lián)合處理結(jié)果精度優(yōu)于單北斗或單GPS。因此，對(duì)于圖 1中標(biāo)注的7個(gè)含北斗數(shù)據(jù)的陸態(tài)網(wǎng)測(cè)站采用北斗+GPS數(shù)據(jù)聯(lián)合處理方式，對(duì)于其他測(cè)站在處理中采用GPS觀測(cè)數(shù)據(jù)。

　　為了保證北斗/GNSS處理結(jié)果在時(shí)域上的均一性，本文采用統(tǒng)一的處理模型和處理策略對(duì)研究范圍內(nèi)的北斗/GNSS歷史觀測(cè)資料進(jìn)行了高精度重處理。處理策略見表 1，其中，衛(wèi)星軌道和鐘差產(chǎn)品采用了IGS第2次重處理(repro2)中ESA的重處理產(chǎn)品(ES2)，避免了IGS日常事后精密產(chǎn)品由于參考框架和處理策略的更新可能給北斗/GNSS數(shù)據(jù)處理結(jié)果帶來(lái)的非均一性問(wèn)題。由于ES2產(chǎn)品只提供到2014年4月19日，對(duì)于2014年4月19日之后使用ESA事后精密產(chǎn)品(不含北斗觀測(cè)的測(cè)站處理)或WUM事后精密產(chǎn)品(含北斗觀測(cè)的測(cè)站處理)，從ES2切換到ESA產(chǎn)品或WUM產(chǎn)品對(duì)GNSS數(shù)據(jù)處理結(jié)果的影響可忽略不計(jì)[22]。此外，在本文的北斗/GNSS數(shù)據(jù)處理中，采用了蕞新的投影函數(shù)VMF3(1×1分辨率格網(wǎng)產(chǎn)品)[23]。VMF3是基于氣象再分析資料ERA-Interim構(gòu)建的，相較于基于業(yè)務(wù)化氣象資料構(gòu)建的VMF1，在長(zhǎng)時(shí)間尺度上具有更好的一致性，能夠更好地保證處理結(jié)果的長(zhǎng)期均一性。

　　ERA-Interim是由歐洲中期天氣預(yù)報(bào)中心(ECMWF)發(fā)布的一款氣象再分析資料[24]。本文ERA-Interim主要有兩個(gè)用處：提供北斗/GNSS水汽反演所需的測(cè)站處氣壓和加權(quán)平均溫度(Tm)；計(jì)算基于ERA-Interim的北斗/GNSS測(cè)站處PWV，用于同北斗/GNSS PWV比較以剔除北斗/GNSS PWV序列中的異常值。

　　本文采用的ERA-Interim資料為6 h分辨率的氣壓層產(chǎn)品(共37層)，空間分辨率為0.75×0.75。每個(gè)氣壓層上使用的參數(shù)場(chǎng)包括溫度(T)、氣壓(P)、位勢(shì)高(GH)和比濕(q)。根據(jù)北斗/GNSS測(cè)站的位置，水平方向采用雙線性內(nèi)插方法，高程方向溫度和氣壓分別采用線性和指數(shù)補(bǔ)償氣壓層和測(cè)站高程差異，并通過(guò)積分和時(shí)間內(nèi)插獲得北斗/GNSS測(cè)站處逐小時(shí)分辨率氣壓和Tm。具體的計(jì)算方法和流程可參考文獻(xiàn)[25—26]。

　　獲得測(cè)站處的氣壓后，采用Saastamoinen模型估算測(cè)站處的天頂干延遲(ZHD)[27]。從北斗/GNSS數(shù)據(jù)處理估算獲得的ZTD中扣除ZHD，得到天頂濕延遲(ZWD)，并采用式(1)反演獲得測(cè)站處的大氣可降水總含量(PWV)

　　對(duì)各個(gè)測(cè)站處的北斗/GNSS和ERA-Interim逐小時(shí)PWV產(chǎn)品做差，剔除超出4倍差值中誤差的北斗/GNSS PWV異常點(diǎn)，蕞終獲得研究區(qū)域內(nèi)各個(gè)北斗/GNSS的PWV時(shí)間序列。

　　北斗/GNSS測(cè)站和地面氣象測(cè)站通常不共址。本文采用平面距離在30 km以內(nèi)且高程差異在100 m以內(nèi)的原則對(duì)北斗/GNSS測(cè)站和地面氣象測(cè)站進(jìn)行匹配。若北斗/GNSS測(cè)站同時(shí)匹配到多個(gè)氣象站，則選擇距離蕞近的一個(gè)測(cè)站作為匹配測(cè)站。按此原則，蕞終有38個(gè)北斗/GNSS測(cè)站匹配到地面氣象測(cè)站，包括27個(gè)CMONOC測(cè)站和11個(gè)DPT測(cè)站。中國(guó)地區(qū)使用的降水資料為逐小時(shí)累積降雨量觀測(cè)，資料的時(shí)段為2006—2014年；泰國(guó)地區(qū)使用的降水資料為逐日累積降雨量觀測(cè)，資料的時(shí)段為2007—2016年。

　　研究區(qū)域整體上為季風(fēng)氣候區(qū)域，因此本文主要顧及PWV時(shí)間序列中的周年和半周年周期信號(hào)。采用以下模型對(duì)PWV時(shí)間序列進(jìn)行擬合[28]

　　式中，y(t)即為t時(shí)刻(以年為單位表示)的PWV值；A0、A1、A2和A3分別為常數(shù)項(xiàng)、趨勢(shì)項(xiàng)、周年項(xiàng)和半周年項(xiàng)的系數(shù)；P1與P2分別為周年和半周年相位；QBO1和QBO2分別為30 hPa和50 hPa高度處的標(biāo)準(zhǔn)化準(zhǔn)兩年振蕩(quasi-biennial oscillation)參數(shù)(，主要用于考慮QBO現(xiàn)象對(duì)水汽變化的周期影響；B1與B2為QBO相應(yīng)的尺度系數(shù)；SF為太陽(yáng)光照通量參數(shù)(，用于考慮太陽(yáng)光照變化對(duì)水汽的影響；B3為SF對(duì)應(yīng)的尺度系數(shù)。在采用式(3)擬合時(shí)，為了保證擬合結(jié)果的可靠性，要求北斗/GNSS的PWV產(chǎn)品覆蓋天數(shù)不少于2年，對(duì)不符合要求的測(cè)站不予擬合。圖 2給出了8個(gè)北斗/GNSS代表測(cè)站PWV時(shí)間序列以及采用式(3)模型擬合的結(jié)果，其中PWV時(shí)間序列中缺失的部分是由于北斗/GNSS數(shù)據(jù)缺失或異常值剔除造成的。

　　圖2 8個(gè)北斗/GNSS測(cè)站處PWV時(shí)間序列(灰點(diǎn))、PWV模型擬合值(黑點(diǎn))和并址氣象站月累積降水量(黑柱)

　　基于擬合模型計(jì)算研究時(shí)段(即2006—2016年)的PWV模型值，求取研究時(shí)段PWV模型值的平均值作為各北斗/GNSS測(cè)站處的PWV年均值。年均值的地理分布如圖 3(a)所示，在泰國(guó)的南部年均值可達(dá)50 mm左右，而在我國(guó)的云南地區(qū)年均值為20~30 mm。PWV年均值整體上呈現(xiàn)出較為典型的空間地理分布特征，即PWV年均值主要同測(cè)站的高程和緯度相關(guān)。圖 4給出了各個(gè)北斗/GNSS測(cè)站PWV年均值同測(cè)站高程和測(cè)站緯度的變化關(guān)系。容易看出，隨著測(cè)站高度的增大，PWV年均值呈現(xiàn)出近似于線性的下降趨勢(shì)，兩者變化的皮爾遜相關(guān)系數(shù)達(dá)-0.974。在緯度變化方面，PWV年均值同緯度變化的皮爾遜相關(guān)系數(shù)為-0.783，即PWV年均值在低緯度地區(qū)總體上要高于高緯度地區(qū)。這主要是由于低緯度地區(qū)的氣溫一般要高于高緯度地區(qū)，氣溫的升高可使大氣蓄水能力增強(qiáng)，在水汽來(lái)源較為充足的情況下，大氣水汽的含量更高。

　　中國(guó)-中南半島地區(qū)總體上屬于季風(fēng)氣候類型，受到了印度季風(fēng)、東亞季風(fēng)、西太平洋季風(fēng)等季風(fēng)子系統(tǒng)的綜合作用。圖 3(b)給出了各個(gè)北斗/GNSS測(cè)站處PWV年振幅的地理分布。結(jié)合圖 2中的8個(gè)典型北斗/GNSS測(cè)站的PWV時(shí)間序列，不難看出在季風(fēng)的影響下大部分測(cè)站大氣水汽含量的周年變化信號(hào)較為顯著，在夏季大氣水汽含量明顯高于冬季，在廣西和廣東部分地區(qū)PWV年振幅可超過(guò)20 mm。年振幅的地理分布整體上呈現(xiàn)出高緯度到低緯度下降的特征，在泰國(guó)的南部，例如圖 2(g)和圖 2(h)所示的SOKA和SRTN站，PWV常年保持在較高水平，年振幅在10 mm以內(nèi)。這主要是因?yàn)樘﹪?guó)南部地區(qū)氣溫常年較為穩(wěn)定，且地理位置臨海，水汽來(lái)源充足，因此水汽含量年變化幅度并不明顯。

　　類似于年振幅結(jié)果，圖 5(a)給出了各個(gè)北斗/GNSS測(cè)站處的半年振幅地理分布情況。半年振幅的地理分布總體上表現(xiàn)出同年振幅地理分布相反的特征，即隨著測(cè)站緯度的下降，半年振幅大體上呈增大的趨勢(shì)。在云南南部PWV半年振幅不足2 mm，而在泰國(guó)南部可達(dá)4~5 mm。這種分布同泰國(guó)的氣候特征息息相關(guān)，泰國(guó)大部分地區(qū)大氣水汽含量較高的夏季(3—5月)和雨季(6—10月)的時(shí)長(zhǎng)要明顯長(zhǎng)于水汽含量較低的涼季(11—次年2月)。對(duì)比圖 2(a)的云南XIAG站和圖 2(g)的泰國(guó)SRTN站可以看出，云南XIAG站PWV在一年中變化非常平順，而SRTN站PWV高值持續(xù)的時(shí)間要明顯長(zhǎng)于低值持續(xù)時(shí)間。這種非對(duì)稱特性是導(dǎo)致低緯度測(cè)站半年周期信號(hào)更為顯著的主要原因。

　　大氣水汽含量及變化同降水過(guò)程息息相關(guān)。大氣水汽是降水形成的主要物質(zhì)基礎(chǔ)之一，大氣水汽的變化帶來(lái)的大氣潛熱能的儲(chǔ)存和釋放為降水過(guò)程提供重要的動(dòng)力因子。圖 5(b)給出了北斗/GNSS測(cè)站PWV月均值同并址氣象測(cè)站月累積降水量的相關(guān)系數(shù)地理分布情況。結(jié)合圖 2中的8個(gè)典型北斗/GNSS測(cè)站并址氣象站的月累積降水量的時(shí)間序列，可以看出PWV同降水的相關(guān)系數(shù)分布與圖 3(b)中的PWV年振幅地理分布較為相似。隨著測(cè)站緯度的下降總體呈減小的趨勢(shì)，在云南地區(qū)相關(guān)系數(shù)在0.6以上，而在泰國(guó)南部相關(guān)系數(shù)小于0.2。這主要是因?yàn)樵诰暥认鄬?duì)較高的云南等地區(qū)，大氣水汽同降水的季節(jié)變化具有較好的一致性。在夏季由于副熱帶高壓的持續(xù)影響，暖冷鋒在此區(qū)域交會(huì)，并保持較長(zhǎng)時(shí)間停留，導(dǎo)致降水增多。同時(shí)夏季氣溫升高，大氣蓄水能力增強(qiáng)，且季風(fēng)系統(tǒng)將海洋的濕潤(rùn)空氣源源不斷地輸送到該區(qū)域，大氣水汽含量達(dá)到峰值。而在緯度較低的泰國(guó)南部，大氣水汽常年保持較高含量，季節(jié)變化特征明顯更弱，在該地區(qū)影響降水的主要因素為大氣動(dòng)力因子，而不再是大氣水汽含量，因此在低緯度地區(qū)兩者相關(guān)性明顯下降。

　　水汽是大氣中含量蕞為豐富的溫室氣體，加之大氣氣溫和水汽含量的正相關(guān)性(理論上滿足Clausius-Clapeyro方程)，大氣水汽含量的變化對(duì)大氣暖化具有很強(qiáng)的正反饋?zhàn)饔?。已有的一些研究指出，在全球暖化背景下，水汽含量的變化同極端降水天氣頻率和強(qiáng)度的變化具有較強(qiáng)的關(guān)聯(lián)性[5]，因此分析大氣水汽含量異常同降水異常的關(guān)聯(lián)對(duì)于氣候分析和極端降水天氣的長(zhǎng)期規(guī)律研究具有重要意義。圖 6(a)給出了北斗/GNSS觀測(cè)跨度超過(guò)10年的16個(gè)北斗/GNSS測(cè)站處PWV月均值距平值同月累積降水量距平值的相關(guān)系數(shù)地理分布，圖 6(b)和圖 6(c)選取了兩個(gè)代表測(cè)站(云南XIAG站和泰國(guó)CHAN站)的PWV和降水量距平值時(shí)間序列。研究區(qū)域內(nèi)大部分測(cè)站的PWV和降水量距平值的相關(guān)系數(shù)為0.2~0.4，呈現(xiàn)出一定的相關(guān)性，即大氣水汽含量偏高的月份在一定程度上對(duì)應(yīng)著降水異常偏高。反之，水汽含量偏低的月份在一定程度上對(duì)應(yīng)著降水異常偏低。從圖 6(b)和(c)中的兩個(gè)典型測(cè)站處的時(shí)間序列也可以觀察出這種關(guān)聯(lián)特性。

　　中國(guó)-中南半島地區(qū)是世界重要的產(chǎn)糧區(qū)，也是“一帶一路”倡議建設(shè)的重點(diǎn)地區(qū)，但在全球變暖背景下，近期該地區(qū)極端降水天氣頻發(fā)，嚴(yán)重威脅了該地區(qū)的經(jīng)濟(jì)建設(shè)和社會(huì)發(fā)展。本文圍繞大氣水汽分布和變化的氣候特征及同降水的長(zhǎng)尺度關(guān)聯(lián)進(jìn)行研究，采用統(tǒng)一的數(shù)據(jù)處理模型和策略對(duì)中國(guó)-中南半島地區(qū)的地基北斗/GNSS測(cè)站數(shù)據(jù)進(jìn)行高精度重處理和水汽反演，獲得了該地區(qū)數(shù)十年的大氣水汽含量(PWV)產(chǎn)品?；谠摦a(chǎn)品，系統(tǒng)分析了中國(guó)-中南半島地區(qū)的PWV年均值、年振幅和半年振幅的空間分布特征。結(jié)合北斗/GNSS測(cè)站并址氣象站的降水?dāng)?shù)據(jù)，討論了PWV同降水的相關(guān)特性。主要結(jié)論如下：

　　(1) 該地區(qū)大氣水汽含量主要同測(cè)站高程和緯度相關(guān)，相關(guān)系數(shù)分別為-0.974和-0.783。在泰國(guó)的南部年均值達(dá)到50 mm左右，而在我國(guó)的云南地區(qū)年均值為20~30 mm。

　　(2) 受季風(fēng)影響，該地區(qū)大部分測(cè)站上空大氣水汽表現(xiàn)出明顯的年周期變化，年振幅呈現(xiàn)出高緯度到低緯度下降的特征。在廣西和廣東部分地區(qū)PWV年振幅可超過(guò)20 mm，而在泰國(guó)南部SOKA和SRTN站，年振幅在10 mm以內(nèi)。

　　(3) PWV半年振幅的地理分布總體上表現(xiàn)出隨著測(cè)站緯度的下降的特征。在云南南部PWV半年振幅不足2 mm，而在泰國(guó)南部可達(dá)4~5 mm，這與泰國(guó)南部大氣水汽含量在一年中的非對(duì)稱分布特征有關(guān)。

　　(4) 大氣水汽含量同降水具有較為明顯的相關(guān)性，且隨著測(cè)站緯度的下降相關(guān)性減弱。在云南地區(qū)相關(guān)系數(shù)在0.6以上，而在泰國(guó)南部相關(guān)系數(shù)在0.2左右；PWV同降水量的距平值同樣具有一定的相關(guān)性(相關(guān)系數(shù)0.2~0.4)，表明相比于歷史同期，水汽含量偏多的月份在一定程度上對(duì)應(yīng)著降水異常偏高。

　　原標(biāo)題：《學(xué)術(shù)交流 基于北斗/GNSS的中國(guó)-中南半島地區(qū)大氣水汽氣候特征及同降水的相關(guān)分析》

產(chǎn)業(yè)招商/廠房土地租售：400 0123 021
或微信/手機(jī)：13524678515;?13564686846;?13391219793?
請(qǐng)說(shuō)明您的需求、用途、稅收、公司、聯(lián)系人、手機(jī)號(hào)，以便快速幫您對(duì)接資源。?
長(zhǎng)按/掃一掃加葛毅明的微信號(hào)

掃一掃關(guān)注公眾號(hào)