毫米波云雷达及探空反演的云垂直结构对比分析

利用2021年9月9日—2022年1月31日泾河国家基本气象站毫米波云雷达（简称云雷达）的反射率因子及L波段探空雷达的温度、相对湿度数据,根据时空匹配方法,对比分析了二者探测和识别云的垂直结构特征（包括云底高度、云顶高度、云层数）的一致性。结果表明：云雷达和探空数据对低、中、高的单层云、双层云及临近降水云的垂直结构的识别结果基本一致;二者对于单层云的云底高度以及双、多层云的云顶高度识别一致性更好,探空识别的云底高度整体略高于云雷达的。引起二者识别云层数不一致的原因：一是因为低层相对湿度较大以及探空识别云算法的敏感性;二是当云体的结构松散时,加上探空漂移作用导致二者识别的云体不一致。在二者识别云层一致的情况下,识别单层云的垂直结构的差异是由于探空仪在低温条件的低敏感以及云雷达对高层薄云的探测能力引起;对于双层和多层云,主要是由于时空匹配方法对于短时间内垂直结构显著变化的云的识别还需要进一步改进。     

基于CloudSat云分类资料的华北地区云宏观特征分析

利用2007年1月至2008年12月的CloudSat 2B-CLDCLASS-LIDAR云分类资料对华北地区(36°~42°N,110°~120°E)各类云在单层及多层云中的出现频率、平均高度及平均厚度进行统计分析。结果表明:华北地区单层云和多层云出现频率存在明显的季节变化,夏季最大,春秋次之,冬季最小。单层云的出现频率远高于多层云,单层云出现频率在春、夏、秋、冬4个季节分别为44.3%、46.1%、37.8%和32.8%,而多层云中2层云所占比例最大。单层云和多层云各云层平均高度、平均厚度分析显示,3层云上层云顶云底高度最高,3层云下层云顶云底高度最低,单层云平均厚度明显大于多层云,云层数越多,各云层的平均厚度越小。对不同类型云出现频率分析显示,卷云主要出现在单层云及多层云中、上层,高层云和高积云在单层云和多层云各云层中均占有一定的比例,层云主要出现在多层云下层,层积云、积云、深对流云主要出现在单层云及多层云下层,雨层云主要出现在夏季单层云中。卷云、高层云、高积云的平均高度及厚度在不同云系统中存在显著的差异。     

基于卫星资料的中国西部地区云垂直结构分析

利用2007年3月2008年2月CloudSat与CALIPSO卫星相结合的云分类产品2B-CLDCLASS-LIDAR数据,分析了中国西部及周边地区云的垂直结构特征。研究结果表明,各地区单层云出现频率均大于多层云,天山山脉、祁连山脉中西段多层云出现频率全年均大于周围地区;所有云的云顶和云底高度在不同高度的出现频率具有明显的区域和季节变化特征,且云顶高度的季节变化较云底高度显著;西北地区各云层高度的季节变化不明显,青藏高原(下称高原)地区各云层高度在冬、夏季反差较大;单层云的平均厚度超过2 km,2层云和3层云的厚度基本在1~2 km;云层间距以2层云最大,且高原地区云层间距季节变化较西北地区明显;高原南坡夏季冰云出现频率较多,其他地区冬、春季冰云出现较多,除高原南坡外,冬季冰云出现频率均在80%以上。     

祁连山北坡云垂直分布特征

利用敦煌、酒泉、张掖、民勤探空站2014—2019年的探空数据,对祁连山北坡云的发生频率及云垂直结构特征进行分析。结果表明:祁连山北坡全年云的发生频率为20%～40%,以1～3层云为主,且单层云的发生频率高于多层云,多层云以2层云为主;云的发生频率夏高冬低,夏季单层云和2层云出现的频率较为接近,而春、秋、冬季节单层云出现频率远高于2层云和3层云;全年平均云高度2层云的下层云厚度明显大于上层云,3层云的底层云与中层云之间晴空夹层厚度大于中层云与顶层云之间的晴空厚度;祁连山北坡云层高度季节变化显著,单层云和多层云的高度都表现为夏高冬低。     

基于卫星资料的中国西部地区云垂直结构分析北大核心CSCD

利用2007年3月2008年2月CloudSat与CALIPSO卫星相结合的云分类产品2B-CLDCLASS-LIDAR数据,分析了中国西部及周边地区云的垂直结构特征。研究结果表明,各地区单层云出现频率均大于多层云,天山山脉、祁连山脉中西段多层云出现频率全年均大于周围地区;所有云的云顶和云底高度在不同高度的出现频率具有明显的区域和季节变化特征,且云顶高度的季节变化较云底高度显著;西北地区各云层高度的季节变化不明显,青藏高原(下称高原)地区各云层高度在冬、夏季反差较大;单层云的平均厚度超过2 km,2层云和3层云的厚度基本在1~2 km;云层间距以2层云最大,且高原地区云层间距季节变化较西北地区明显;高原南坡夏季冰云出现频率较多,其他地区冬、春季冰云出现较多,除高原南坡外,冬季冰云出现频率均在80%以上。     

基于CloudSat资料的东北地区降水云及非降水云垂直结构特征对比分析

利用2007—2010年CloudSat和CALIPSO卫星资料,首先通过大量个例分析并结合地面逐小时降水量观测资料验证CloudSat卫星识别降水云指标的合理性。在此基础上,统计分析了东北地区(39°~53°N、119°~135°E)的云垂直结构参数,着重分析了降水云系和非降水云系的垂直结构差异和季节差异。结果表明:东北地区云量廓线呈双峰分布特征,有明显的昼夜及季节差异。东北地区以单层云为主,降水也主要产生于这类云系,是东北地区人工增雨作业的主要对象。单层降水云以低云、冷云、冰云或混合云为主,主要云类别是雨层云。双层降水云以高低云或中低云配置为主,且都为冷云;高层以冰云为主,主要类型是卷云和高层云;低层以混合云或冰云为主,主要类型是雨层云、层积云、积云。降水云系与非降水云系存在显著的垂直结构差异,双层云的降水由低层产生。云底高度较低、云体较厚且夹层厚度更薄的云易产生降水。同时,降水云云底温度更高,分布呈现出季节差异。     

内蒙古中部地区云气候学特征及降水云垂直结构特征分析

文章利用2013年内蒙古中部地区呼和浩特、东胜、临河、乌拉特中旗4个高空观测站的L波段探空秒数据,采用相对湿度阈值法,进行云垂直结构气候学特征分析以及降水云系的垂直结构分析。结果表明:呼和浩特地区平均云底高度为2680m,平均云顶高度为6433m,平均云厚为3753m。在全年中有60.2%的时间是无云天气;在有云时候,单层云约占24.1%;多层云中以双层云居多,约占总数的10.1%。云底高度低于2.5km、云层厚度在3.5km以上、云顶高度高于5.0km且连续无夹层是内蒙古中部地区降水云系的垂直结构特征。     

利用星载激光雷达资料研究东亚地区云垂直分布的统计特征

已有研究表明: 云的垂直结构(简称CVS)是一个在卫星资料反演和气候模式预测中很重要的云特征。本文通过利用美国2006年刚发射的卫星CALIPSO (Cloud－Aerosol Lidar and Infrared Pathfinder Satellite Observations) 所负载的激光雷达Level 2_05km的云数据, 研究了东亚地区(18°N～53°N, 74°E～144°E) 云的垂直分布特征。结果表明: 东亚地区多层云云量在夏季、秋季、冬季、春季分别为43.6%、29.6%、21.1%、33.3%, 而多层云分布中双层云比例最大。云顶和云底高度除了随季节变化显著外, 还有明显的区域特征。单层云、 双层云以及三层云的云顶和云底高度的数据显示, 三层云中最上层的云顶和云底最高, 并始终高于两层云中最上层云的云顶和云底高度。平均云层厚度季节变化不明显, 其值普遍在0.9～2 km范围之间。而云层间距同样没有明显的季节和区域变化, 其出现的概率随距离的增大而减小。其中, 间距在0.35 km的概率最大, 占到将近50%。而间距在1.45 km附近的概率大约为15%, 高一点的可达到20%。     

基于相对湿度阈值法的沈阳地区云垂直分布特征

利用2006—2015年辽宁沈阳站的L波段探空数据,探讨了相对湿度阈值法对沈阳地区云识别的可靠性,并基于该方法对云的垂直结构进行定量分析。结果表明:相对湿度阈值法识别沈阳地区云的正确率可达75%以上,与地面观测有较好的一致性。60.7%的探空曲线识别到云的存在,云的出现频率夏季最高,为75.7%,秋季最低,为52.6%。有云条件下,沈阳地区以单层云为主,只有夏季多层云的出现频率较单层云高,多层云的出现频率随层数增加而减小。云层的垂直分布随云层数目及季节变化差异显著。云层及云夹层的厚度主要在2 km以下,且随云层数目的增加而减小。     

基于2014～～2017年Ka毫米波雷达数据分析北京地区云宏观分布特征

本文利用2014年1月至2017年12月Ka毫米波雷达数据对北京地区云宏观特征进行统计分析。云出现率方面，4年平均值约36.3%；冬季最低，夏季最大；月出现率值9月最大，12月最小；出现率日变化有季节差异，春夏两季呈现中午（11:00，北京时间，下同）开始逐步升高至下午17:00后逐步下降的特点，增高幅度大于15%；冬、秋两季日变化特征不显著。高度方面，4年平均云底高约4.9 km，平均云顶高约7.2 km；云顶高和云底高的月变化特征明显，从年初1月开始逐步上升，在6月达到峰值，而后下降到12月达到低值；3～10月，高云（云底高>5 km)占约一半左右比例；厚度小于1 km的云在各月中所占比例最高；厚度1～4 km的云，厚度越大所占比例越低；特别地，厚度大于4 km的云所占比例在4～9月中仅次于厚度小于1 km云的比例。4年期间，北京地区单层云居多约占66.7%，两层云占比约25.2%，两层以上云占8.1%；冬季约80%的云为单层云，而6～9月云层分布变化最多，其中9月单层云比例最低约为40%。本文基于4年高时空分辨率雷达数据对北京地区云分布特征，特别是云垂直分布特征在数值上准确刻画，该项工作在已有云气候研究中尚未见开展，所获得的知识将对了解地区气候特征、区域模式云参数化选择提供参考。     

东亚地区云垂直结构的CloudSat卫星观测研究

本文利用卫星CloudSat同时结合了与其同轨道的卫星CALIPSO(Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observations)2007至2009年3年的观测资料,将东亚地区划分为六个研究区域,着重研究了东亚地区云垂直分布的统计特征.结果表明:东亚地区不同高度的云量之和具有明显的季节变化趋势,夏季最大,春秋次之,冬季最小.海洋上空的单层云量最大值出现在冬季,而在陆地上空则出现在夏季.从云出现概率来看,东亚地区单层云出现的概率在春、夏、秋、冬季节依次为52.2%,48.1%,49.2%和51.9%,而多层(2层和2层以上)云出现的概率在春、夏、秋、冬季节分别为24.2%,31.0%,19.7%,15.8%.云出现的总概率和多层云出现的概率,在六个区域都呈现出夏季最大,冬季最小;对4个季节都呈现出东亚南部比东亚北部大,海洋上空比陆地上空大的特点,表明云出现的总概率的季节变化主要由多层云出现的概率的变化决定.东亚地区云系统中最高层云云顶的高度,在夏季最高,为15.9 km,在冬季最低,为8.2 km;在东亚南部和海洋上空较高,平均为15.1 km;在东亚北部较低,平均为12.1 km,且呈现东亚南北部之间差异较大的特点.东亚地区云系统的云层厚度基本位于1 km到3 km之间,且夏季大,冬季小;对同一季节,不同区域的云层厚度差别较小;当多层云系统中的云层数目增加时,云层的平均厚度减少,且较高层的云层平均厚度大于较低层的.云层间距的概率分布基本呈单峰分布,出现峰值范围的云层间距在1到3 km之间,各区域之间没有明显差别,季节变化也不大.本文的研究为在气候模式中精确描述云的垂直结构提供了有用的参数化依据.     

基于北京多源资料的云宏观特征判识北大核心CSCD

获取准确的云高及其变化特征,对于揭示天气系统的演变以及改进气候模式具有重要作用。由于不同设备观测云高的不确定性,将锋区要素不连续变化理论引入云高分析中,将云底部、云顶部大气的交界过渡带区域视为云锋区,研究探空、毫米波雷达、风廓线雷达等不同类型设备观测要素在云锋区及云外环境大气的变化特征。对流云和层状云个例研究表明:在云锋区,温湿度及雷达反射率因子随高度的一阶、二阶导数均呈不连续现象(即一阶、二阶导数值在云内外和云锋区表现为不相等),风廓线雷达信噪比垂直梯度也出现突变,因此不同设备观测云高具有较好空间一致性,并得到云底和云顶高度的合理范围和相应判据;相对于层状云,对流云内外温度梯度差异以及云体内反射率因子二阶导数的脉动变化幅度均偏大,因此可作为区分二者的参考指标。     

基于CloudSat/CALIPSO卫星资料的青藏高原云辐射及降水的研究进展

青藏高原上空的云及其相关联的降水和辐射影响了高原上空非绝热加热的空间结构。2006年卫星发射升空的CloudSat/CALIPSO卫星提供了定量的、完整的云垂直结构信息。本文回顾了国内外基于该资料进行的青藏高原上云宏观和微观结构特征,云与降水相关性,云辐射效应以及模式中的云-辐射问题方面的研究。指出抬升的青藏高原上水汽较少,限制了高原上云的垂直高度,对云层厚度和层数有显著压缩作用。在云量及其季节变化上,单层云的相对贡献大于亚洲季风区的其他区域;夏季对流云比较浅薄,积云发生频率最高,云内滴谱较宽;降水云以积云和卷云为主,云对总降水的贡献随着云层数增多而减小,降水增强时高层冰粒子的密集度趋于紧密;夏季青藏高原地区云的净辐射效应在8 km高度存在一个厚度仅1 km左右但较强的辐射冷却层,而在其下（4~7 km高度之间）为强的辐射加热层。最后展望了未来需要进一步开展的研究。     

L波段探空判别云区方法的研究

利用2008年1月到2009年12月的L波段探空资料,和与之时空匹配的Cloudsat云观测资料,首先分析了云内和云外相对湿度的累积频率分布,发现以75%作为相对湿度阈值判断云准确率可达81%。随后利用BS（Bias Score）和TS（Threat Score）评分方法,对不同相对湿度阈值进行评分分析,发现以81%作为相对湿度阈值TS评分可达0.66,为最高。接着利用BS和TS评分方法分不同高度对相对湿度阈值进行评分分析,发现随高度的增加该高度上具有最好TS评分的相对湿度阈值在减小。利用这些阈值对云判断时,总的TS评分高于0.6,且其准确率达到84%以上,比利用单一相对湿度阈值判断云准确率要高。最后对这些阈值进行优化,得到一套适合于我国L波段探空秒数据的云垂直结构的判别方法。     

Cloud vertical distribution from radiosonde,remote sensing,and model simulations

Knowledge of cloud vertical structure is important for meteorological and climate studies due to the impact of clouds on both the Earth’s radiation budget and atmospheric adiabatic heating. Yet it is among the most difficult quantities to observe. In this study, we develop a long-term (10 years) radiosonde-based cloud profile product over the Southern Great Plains and along with ground-based and space-borne remote sensing products, use it to evaluate cloud layer distributions simulated by the National Centers for Environmental Prediction global forecast system (GFS) model. The primary objective of this study is to identify advantages and limitations associated with different cloud layer detection methods and model simulations. Cloud occurrence frequencies are evaluated on monthly, annual, and seasonal scales. Cloud vertical distributions from all datasets are bimodal with a lower peak located in the boundary layer and an upper peak located in the high troposphere. In general, radiosonde low-level cloud retrievals bear close resemblance to the ground-based remote sensing product in terms of their variability and gross spatial patterns. The ground-based remote sensing approach tends to underestimate high clouds relative to the radiosonde-based estimation and satellite products which tend to underestimate low clouds. As such, caution must be exercised to use any single product. Overall, the GFS model simulates less low-level and more high-level clouds than observations. In terms of total cloud cover, GFS model simulations agree fairly well with the ground-based remote sensing product. A large wet bias is revealed in GFS-simulated relative humidity fields at high levels in the atmosphere.     

CloudSat/CALIPSO卫星资料分析云的全球分布及其季节变化特征

全球气候模式（GCM）中云的参数化方案具有不确定性,了解云的时、空变化能为参数化方案提供有效参考。利用搭载在属于A-Train卫星序列的CloudSat和CALIPSO上的94 GHz云廓线雷达（CPR）以及正交极化云-气溶胶激光雷达（CALIOP）联合的2级云分类产品,分析了2007年3月-2010年2月8种云类及三相态的云量地理分布、纬向垂直分布的季节变化特征以及云层分布概率。结果发现,卷云的分布体系与深对流云相似,主要集中在西太平洋暖池、全球各季风区及赤道辐合带,分布格局与气压带、风带季节性移动一致。层云与层积云主要分布在中低纬度非季风区以及中高纬度的洋面上。高积云与高层云的分布形成明显的海陆差异,雨层云与积云的分布形成明显的纬度差异。冰云分布与卷云相似,云高随纬度递增而递减;水云分布与层积云相似,平均分布于2 km高度;混合云集中于高纬度地区及赤道辐合带,中纬度地区随纬度变化集中于海拔0-10 km的弧形带。层状云多以多层云形式出现,积状云多以单、双层云的形式出现,层状云的云重叠现象比积状云更显著。积状和层状云的分布特征与积云和层云降水的分布特征基本一致,验证了不同类型降水的卫星观测结果,同时为气候模式的云量诊断方案提供对比验证的数据。      

探空资料云检测及其统计研究

基于已知的云垂直结构判断的方法,将相对湿度阈值法与温度露点法相结合,并加以改进,得到更加科学有效的云垂直结构判断方法。利用南京地区探空站的探空资料数据,分析得到了该地区的云垂直结构参数,并对全年云垂直结构特征进行了统计分析。经过统计分析发现:这种改进的相对湿度阈值法是科学有效的;南京地区夏秋季节有云的概率大,多层云的状况较多;春冬季节有云的概率相对较小,单层云的状况较多;云层厚度呈现出"夏厚冬薄"、中低云厚而高云薄的规律。     

基于Cloudsat的降水云和非降水云垂直特征

降水云是人工增雨作业的主要对象,了解降水云系的垂直结构对于人工增雨可播条件的选择至关重要。利用Cloudsat卫星2008年3月—2009年2月资料,首先通过大量个例分析并结合地面降水量观测验证Cloudsat卫星识别降水云方法的合理性,在此基础上,统计分析了华北和江淮地区降水云与非降水云的垂直结构特征。统计结果表明:降水云与非降水云垂直结构存在明显差异, 两地区降水云云底高度都在2 km以下,非降水云的云底高度以高于2 km为主。两地区单层降水云云厚以大于6 km为主,多层降水云云厚以2~4 km为主,非降水云云厚以小于2 km为主。两地区降水云夹层厚度集中于1~2 km,非降水云夹层厚度集中在4 km以上。江淮地区多层云降水频率略高于华北地区。