根據前人研究顯示，偵測大氣可降水量變化對於掌握特定天氣現象，如降雨或是颱風動態監測具有相當幫助。因此對天氣預報來說，大氣可降水量的估計具有其重要性。 近年來，全球定位系統 (Global Positioning System; GPS) 訊號應用越來越廣泛，運用於大氣可降水量估算上，將可以彌補探空氣球觀測大氣可降水量時，空間限制及時間解析度上的不足。然而，因應GPS 觀測而配套發展出來的地面氣象模式，具有一定程度的區域性特徵。該特性將造成應用於其它區域時，對於大氣可降水量計算上之誤差。 本研究主要工作在於，利用探空氣球資料發展適用於臺灣的氣象模式，降低其應用於大氣可降水量時產生的誤差。主要探討重點： 1. 探空氣球受到氣球飛行高度限制，使得飛行限制高度至衛星之間尚存有一段無法測量的區域。而研究中發現，此段稀薄的中性大氣造成的訊號遲延量，佔整體遲延量約在 6% ~ 8% 之間。因此，將此段空氣造成的遲延量彌補以後，整段的遲延量才能拿來做為修正地面氣象模式的依據。 2. 對於玉山氣象站，在利用Saastamoinen地面氣象模式配合GPS 訊號求取大氣可降水量時，約有百分之八的點數會出現負值。所以在求取玉山大氣可降水量時，使用乾遲延量來配合轉換因子會有較好的結果。 3. 靜力平衡遲延與乾遲延量間存在著週期性的變化，找出之間的關係，將讓吾人得以直接利用地面氣象模式來求取乾遲延量，在缺乏探空氣球資料的區域將有助於大氣可降水量求取。 本研究分析板橋、花蓮地面氣象測站以及玉山測站資料。最後： 1. 經由分析加上乾遲延彌補過後的探空氣球資料，以及利用原有的 地面氣象模式所得到的靜力平衡遲延量，吾人找到了季節性的變化。 2. 使用統計與線性回歸的方式，吾人求得修正式及其係數，使得此 週期性的誤差被消除掉，並且使得最後得到之量值為純粹由乾空氣所造成的遲延量，簡化了分析大氣可降水時的複雜程度。 3. 並且透過修正式，吾人亦可降低玉山負值現象的影響。因此， 能夠對玉山可降水量作出較準確的估算。 We can handel some weather characteristic by detecting the variation of atmospheric precipitable water (PW) , such as rainfall or monitoring trace of typhoon. Recently the usage of GPS signal become more and more popular and convenient.It can be used to different way. However, the inaccuracy ground-based meteorology model will cause error to get the value of precipitable water. The major work of this study is to use radiosonde data to adjust the ground-based meteorology model of Taiwan so that we can reduse the error comes from the inaccuracy of the original model. The corresponding charistic and relationship will mainly discuss below: 1. The limit of the radiosonde flying elevation. 2. Minus value while solving Mt. Yu data 3. The periodic relationship between the hydrostatic delay come from saastamoinen ground-based model and dry delay. By analysing data from banchao, hualan, and Mt. Yu we got: 1. The seasonally variation between the true and model value. 2. By using the adjusting formula we can get the pure dry delay result from dry air so that we can simplize the problem while we wanna get PW value. 3. By using the adjusting formula we can reduce the minus value points while solving data of Mt. Yu.
