降雨是一种常见的天气现象，物体在图像中的可见度随其与相机之间的距离（即场景深度）而变化，远处物体因雾气遮挡程度远高于雨丝的影响。然而，现有的雨滴去除方法及数据集普遍忽略了这一物理特性，导致在真实图像上的去雨效果受限。为此，本文首次分析了雨滴视觉效果随场景深度变化的规律，并构建了一个融合雨丝与雾气的联合雨景成像模型。基于该模型，我们构建了一个新的数据集——RainCityscapes，其在真实户外图像中同时包含雨丝与雾气。此外，我们设计了一种端到端的深度神经网络，通过引入深度引导的注意力机制，使网络能够学习具有深度感知能力的特征，并回归残差图以生成无雨图像。我们通过大量实验，从视觉效果和定量指标两个方面，将所提方法与多种先进方法进行对比，充分验证了其在去雨性能上的优越性。