Global Navigation Satellite System (GNSS) tomography is a technique that aims to obtain a 3‐D field of humidity in the troposphere. It is based on observations of GNSS signal delays between satellites and ground‐based receivers. The technique has been developed in recent years, showing positive results in the monitoring of severe weather events. The previous studies on assimilation into the numerical weather prediction models are based on available observation operators which are not adjusted to the GNSS tomography data. In this study, we demonstrate an observation operator TOMOREF dedicated to the assimilation of the GNSS tomography‐derived 3‐D fields of wet refractivity in a Weather Research and Forecasting (WRF) Data Assimilation (DA) system. The new tool has been tested based on wet refractivity fields derived during a heavy precipitation event. The results were validated using radiosonde observations, synoptic data, ERA5 reanalysis, and radar data. In the presented experiment, a positive impact of the GNSS tomography data assimilation on the forecast of relative humidity (RH) has been noticed (an improvement of root‐mean‐square error up to 0.5%). Moreover, the validation of the precipitation forecasts reveals the positive impact of the GNSS data assimilation within 1 hr after assimilation (the mean bias values are reduced up to 0.1 mm). Additionally, it was observed that assimilation of GNSS tomography data has a greater influence on the WRF model than the Zenith Total Delay (ZTD) observations, which proves the potential of the GNSS tomography data for weather forecasting.

中文翻译：

---

TOMOREF运算符，用于同化WRF DA系统中的GNSS层析成像湿折射率场

全球导航卫星系统（GNSS）层析成像技术旨在获取对流层3D湿度场。它基于对卫星和地面接收器之间的GNSS信号延迟的观察。该技术是近年来发展起来的，在监测恶劣天气事件中显示出积极的成果。以前对数字天气预报模型进行同化的研究是基于未对GNSS层析成像数据进行调整的可用观测算子。在这项研究中，我们演示了观测员TOMOREF，致力于气象研究和预报（WRF）数据同化（DA）系统中对GNSS层析成像的3D湿折射率场的吸收。该新工具已经根据强降水事件期间产生的湿折射率场进行了测试。使用无线电探空仪观测，天气数据，ERA5重新分析和雷达数据对结果进行了验证。在提出的实验中，已经注意到GNSS层析成像数据同化对相对湿度（RH）的预测具有积极影响（将均方根误差提高了0.5％）。此外，对降水预报的验证揭示了同化后1小时内GNSS数据同化的积极影响（平均偏差值降低到0.1 mm）。此外，已经观察到，与天顶总时延（ZTD）观测相比，对GNSS层析成像数据的同化对WRF模型的影响更大，这证明了GNSS层析成像数据在天气预报中的潜力。使用无线电探空仪观测，天气数据，ERA5重新分析和雷达数据对结果进行了验证。在提出的实验中，已经注意到GNSS层析成像数据同化对相对湿度（RH）的预测具有积极影响（将均方根误差提高了0.5％）。此外，对降水预报的验证揭示了同化后1小时内GNSS数据同化的积极影响（平均偏差值降低到0.1 mm）。此外，已经观察到，与天顶总时延（ZTD）观测相比，对GNSS层析成像数据的同化对WRF模型的影响更大，这证明了GNSS层析成像数据在天气预报中的潜力。使用无线电探空仪观测，天气数据，ERA5重新分析和雷达数据对结果进行了验证。在提出的实验中，已经注意到GNSS层析成像数据同化对相对湿度（RH）预测的积极影响（均方根误差提高了0.5％）。此外，对降水预报的验证揭示了同化后1小时内GNSS数据同化的积极影响（平均偏差值降低到0.1 mm）。此外，已经观察到，与天顶总时延（ZTD）观测相比，对GNSS层析成像数据的同化对WRF模型的影响更大，这证明了GNSS层析成像数据在天气预报中的潜力。在提出的实验中，已经注意到GNSS层析成像数据同化对相对湿度（RH）的预测具有积极影响（将均方根误差提高了0.5％）。此外，对降水预报的验证揭示了同化后1小时内GNSS数据同化的积极影响（平均偏差值降低到0.1 mm）。此外，已经观察到，与天顶总时延（ZTD）观测相比，对GNSS层析成像数据的同化对WRF模型的影响更大，这证明了GNSS层析成像数据在天气预报中的潜力。在提出的实验中，已经注意到GNSS层析成像数据同化对相对湿度（RH）的预测具有积极影响（将均方根误差提高了0.5％）。此外，对降水预报的验证揭示了同化后1小时内GNSS数据同化的积极影响（平均偏差值降低到0.1 mm）。此外，已经观察到，与天顶总时延（ZTD）观测相比，对GNSS层析成像数据的同化对WRF模型的影响更大，这证明了GNSS层析成像数据在天气预报中的潜力。降水预报的验证揭示了在同化后1小时内GNSS数据同化的积极影响（平均偏差值减小到0.1毫米）。此外，已经观察到，与天顶总时延（ZTD）观测相比，对GNSS层析成像数据的同化对WRF模型的影响更大，这证明了GNSS层析成像数据在天气预报中的潜力。降水预报的验证揭示了同化后1小时内GNSS数据同化的积极影响（平均偏差值降低到0.1 mm）。此外，已经观察到，与天顶总时延（ZTD）观测相比，对GNSS层析成像数据的同化对WRF模型的影响更大，这证明了GNSS层析成像数据在天气预报中的潜力。