用相同观测方法提高云量观测质量

云量是指云遮蔽天空视野的成数，分为总云量和单云量，日常工作中所记录的云量实质为观测员所看到的视云量。云量的观测全靠目力估计，观测员本身的主观成分大，加上云在不停地运动变化着，常常分布零散，形状不规则，给观测记录带来不少困难。不同的观测员，特别是不同的     

目测云的几点认识

云是由悬浮在空中的大量微小水滴或冰晶组成。云的观测主要是判断云状、估计云量和测定云高 ,观测云的方式以目测法为主 ,但目力观测是极其粗糙的 ,需要在工作中不断积累经验 ,提高目测水平 ,尽可能将全部天空所见云状和云量记录准确。1　透光和蔽光云的云量记录错误观点 :蔽光的云量必须记录 1 0成 ,透光的云量则不能记 1 0成。以透光高积云为例 ,《地面气象观测规范》中对其描述为 :云缝可见蓝天 ,即使没有云缝 ,云层薄的部分也比较明亮。故只要观测到全天的高积云 ,且看不见蓝天 ,云块衔接部分比较明亮 ,就可记录 1 0成的透光高积云。有…     

加密报中Nh云量的编报

在云电码编报中 ,从云所反应的天气意义考虑 ,将低云族中的雨层云和堡状、荚状层积云均作 CM云。因此 ,Nh云所编报的云量与地面气象观测记录中的“低云量”有时是不一致的。在实际工作中 ,不少同志 ,甚至不少台站由于理解错误或受错误习惯影响 ,将 Nh的云量误认为“有低云时编报低云量 ,无低云时编报中云量”,只有在定时观测时出现 Ns、 Sc cast、 Sc lent三种云之一 ,并且当时天空中还存在其它低云时才表现出来 ,这是一种理解上的错误。由于实际观测中这种情况出现次数不是很多 ,整个站组往往忽视了这种记录 ,形成整体出错。如 :云量 :1…     

FY-2G云量产品与地面观测云量对比分析北大核心CSCD

为推动地面云观测自动化,利用2015 2016年全国范围内不同时段FY-2G卫星观测云覆盖率和总云量反演产品与同时段地面气象站人工观测总云量资料进行对比分析,评估卫星观测与地面人工观测的一致性和偏差。结果表明,FY-2G卫星观测云产品较地面观测偏低,总云量较云覆盖率偏低明显。定义晴天、少云、多云、阴天四种不同云量等级,进一步分析卫星数据,结果显示不同云量等级下云覆盖率与总云量与地面人工观测的一致性和偏差有所不同,晴天和少云状态下总云量产品一致性较好,阴天时云覆盖率一致性较好。从分布上分析发现西部和西南部观测偏差较大,且根据云量等级呈现不同的状态。因此在云观测自动化布局中,卫星观测不能完全替代地面云量观测。地面观测应在西部和西南部,以及天气状况较为复杂的区域加强观测。     

FY-2G卫星冬夏云量产品偏差分析

开展卫星反演云量的精度评估是业务应用的基础,也是充分发挥卫星观测效益的前提。利用同类卫星产品EOS Aqua/MODIS云产品,选取2015年6月和12月共80个个例,包括43个白天个例,37个夜间个例。采用交叉比对方法对FY-2G云量产品进行相对偏差分析。结果表明:FY-2G与Aqua/MODIS计算云量总体趋势相当,无论从时间分布（白天和夜间）还是季节分布（6月和12月）上看,FY-2G与Aqua云量相对偏差较为稳定,FY-2G反演云量小于Aqua/MODIS反演云量。匹配个例中FY-2G平均云量为72.81%,Aqua/MODIS平均云量是76.19%,两者相关系数为0.74。两者绝对偏差小于5%的像元比例为72.34%;云量偏差绝对值小于15%的像元比例为79.51%。FY-2G与Aqua/MODIS云量偏差主要来自各自卫星的观测能力与所采用的云检测算法。与具有36个探测通道、星下点最低空间分辨率为0.01°×0.01°的Aqua/MODIS观测数据相比,FY-2G所具有的5通道、星下点最高空间分辨率为0.05°×0.05°的观测数据会出现对云,尤其是破碎云和薄卷云的漏检。两种具有不同时空属性的数据在匹配处理时采用的不同算法也会在比对分析中引入偏差。     

基于晴空阈值法的全天空红外图像云量计算

为提高新疆戈壁地区云的自动化观测水平,基于全天空红外成像仪(WSIRCMS)获取的红外辐射图像,利用辐射传输模式SBDART分析了仪器测量波段对有云无云状况的敏感性并构建了拟合方程,同时利用典型季节的晴空辐射样本拟合了晴空曲线并统计形成了晴空阈值,最后利用统计晴空阈值对全天空红外辐射图像进行云像素识别和总云量计算。将不同季节总云量计算结果同人工观测结果对比验证表明：观测时段算法计算总云量和人工观测总云量差值在±2成以下的概率均在80%以上,说明该方法具有较高的准确度和较强的实用性,在观测业务中具有较好的应用前景。     

夜间观测云的方法

云的观测分云量、云高和云状3部分.夜间观测云必须先在暗处停留5分钟左右再进行观测,这是因为人的眼睛有一个适应的过程,如果一从室内光亮处出来就进行观测,容易造成很大的误差;此外,还应先观测天顶,而后再观测四周.     

NOAA卫星2007年总云量数据精度评估

以2007年数据为例,利用MODIS产品和地面观测数据对NOAA/AVHRR计算得到的总云量进行数据质量评估。评估结果表明,利用NOAA/AVHRR计算的总云量能较好地反映中国总云量的变化特征,总体上在统计意义上要比站点观测总云量略偏低。当以地面观测云为真值,与MODIS云检测产品相比,利用NOAA/AVHRR检测的云像元准确性较高,误判率较低。利用EOF和SVD分解分析NOAA/AVHRR计算总云量与地面观测和MODIS产品的相似度,得到NOAA/AVHRR计算总云量在空间分布上更接近站点观测值,NOAA/AVHRR计算总云量与地面观测总云量SVD分解第一模态时间系数的相关系数(0.96)高于MODIS产品和地面观测总云量间的相关系数(0.76),特别在冬季,NOAA/AVHRR计算总云量明显好于MODIS总云量产品。     

GRAPES新云量计算方案的引进和影响试验

在GRAPES模式中分别引进了 EC云量计算方案和WRF云量计算方案,并与GRAPES现用的云量计算方案和简单云方案进行了对比数值试验,结果表明:(1)这4种云量计算方案都能较准确地模拟云分布,相对而言,EC云方案和简单云方案模拟地更为准确.(2)简单云方案模拟的总云量较多,GRAPES云方案和WRF云方案模拟的总云量偏少,EC方案模拟的总云量较为接近观测值.(3)在中国东部地区模拟的地面温度与观测基本接近,但在中国西部地区则误差较大;采用EC云方案时模式模拟的地面温度更接近观测值.(4)综合分析模拟的效果,认为EC云量计算方案模拟的效果最佳,可以作为GRAPES新云量计算方案引进的参考.     

利用扫描式红外亮温仪对天空云量的试验观测

利用中国科学院大气物理研究所中层大气与全球环境探测实验室自主开发研制的全自动扫描式天空红外亮温仪,于2007年4-8月在北京市气象局南郊观象台进行了试验观测.利用获得的天空红外亮温数据和南郊观象台(54511站)实时地面气象数据,进行了天空云量的计算.将整点前30 min内观测的云量的平均值作为与观象台观测对应的整点观测云量,分不同情况与观象台目视观测结果进行了对比分析.结果表明:(1)对于中低云,两种观测的云量比较一致,但如果在此期间云消散或增加很快,则差别较大.其主要原因是观测的时间和方式不同所造成的.(2)对于以卷云为主的天空情况,特别是高层薄卷云的情况,两种观测的云量差别较大.原因是受到目前试验所使用的红外传感器低温测量范围的限制(-50℃),以及判定云的阈值算法目前还只对于中低云比较适用,对于卷云的判断能力比较薄弱.(3)对于天空情况比较复杂,以及能见度不好的情况(气象站目视云量记录为10-),两种观测的云量差别也很大.其差别既受到仪器性能的影响,也与观测员视力与经验有关.仪器受到最低测量温度的限制,反演算法也有其不确定性,而观测员在低能见度时的观测局限性亦是一个重要原因.利用SIRIS-1进行云量和云底高度观测的优点是时间分辨率高,且全天时自动化,但对于卷云的判断还较薄弱.     

地基红外测云仪探测能力分析

利用地基红外测云仪(WSIRCMS)在2011年11月北京观象台的连续观测数据,从总云量、云底高和天空类型3个方面初步分析其探测能力。结果表明:1该仪器能够不分昼夜同时实现云高、云量(高、中、低和总云量)和天空类型的连续自动探测;2与参考标准云量的差值在±10%以内的样本数占总样本数的72.5%,有霾存在时,对中高云的观测能力较弱,造成云量观测结果差异较大;3与激光云高仪的天顶方向的无云一致率达94.9%;在中低云情况下,云高观测结果一致性较好,高云时存在较大差异,WSIRCMS观测云高偏高;4与人工分类的天空类型一致的样本数占总样本数的82.63%,对波状云、积状云和混合云的识别能力稍低。     

基于CloudSat与CALIPSO联合观测研究全球云分布特征

利用2007—2010年CloudSat和CALIPSO资料,统计分析了全球云出现频率以及云量的水平和垂直分布,并与单独CloudSat资料得到的结果进行对比,讨论了CALIPSO观测到的云的空间分布特性。结果表明：全球平均总云量约0.69,云量高值区主要集中在南半球60°S附近西风带、北太平洋风暴路径带,其次是赤道辐合带（InTertropical Convergence Zone,简称ITCZ）,而云量低值区集中在北非沙漠地区及印度洋北部等地。CloudSat/CALIPSO资料与CERES等多种云观测资料获得的总云量分布都基本一致,但CloudSat/CALIPSO资料联合使用能更好地反应云的垂直结构。将联合观测的统计结果与仅使用CloudSat资料统计的云量分布结果对比,可以发现,CALIPSO在陆地上方可以观测到更多云雷达探测不到的高空冰云,且随着温度的降低,观测优势越来越明显;同时还可以观测到一些海洋上层云光学厚度较薄且未形成降水的暖云以及粒径较小的过冷水云。CALIPSO观测到的云顶粒子半径较小但数浓度较大的冰云主要分布在ITCZ、南半球60°S附近西风带和北太平洋风暴路径带地区,云量最大为0.31,占该温度下冰云总量的28％以上;而这些未形成降水的暖云主要是在10~20℃温度范围内南北美洲和南非西海岸地区,云量最大可达到0.4,占该温度下暖云总量的50％以上;过冷水云则主要是在-10℃~0℃温度范围内的南半球60°S附近西风带,云量也增加了0.1以上,约占混合云的15％。     

全天空图像分析西藏羊八井2009～2010年云量特征

运用西藏羊八井观测站2009～2010年近1年的高时空分辨率全天空图像资料分析了测站上空的日间云量特征。年平均总云量统计结果为5.2;冬夏季节云量分布差别明显,夏季平均云量大,冬季小;无云、少云天气多出现在冬季上午,而夏季午后满云情况较多;1～4月及11、12月(冬半年)云量日变化特征明显,上午逐步增加,至17:00(北京时间)左右到达高值,随后逐步下降,形成白天云量渐多夜间云量消散的"循环"过程。运用该地资料还分析了运用时间概率方法估算的点云量与实际云量的差异,小时平均结果显示无云及满云天气条件下二者云量一致性较高,而对中等云量天气二者相差较大。更长时间尺度(天平均)的统计对比表明,随着统计样本增加二者差距缩小。总体来看少云天气情况下点概率云量估算低于实际天空云量,当天空多云时点概率云量则大于实际天空云量。     

西北典型地域条件下云量的对比分析

采用NASA地球观测系统（EOS）“云与地球辐射能量系统(CERES)”2002年7月至2004年6月CERES SSF Aqua MODIS Edition 1B云资料,选取我国西北地区不同气候环境条件下的4个典型地域,研究了总云量、低层云和高层云云量的空间分布特征以及季节和年变化特征。结果表明,低层云量的高值区不仅分布在山脉地区,而且也分布在非山脉地区。但高层云的云量高值区只分布在山脉地区;总体来说,云量大小随地域的不同相差相当大,高层云云量年平均值的最大差异发生在祁连山区和塔克拉玛干沙漠之间,两者相差16.4%。而总云量和低层云量年平均值在季风区和塔克拉玛干沙漠地区相差最大,分别可达27.6%和19.5%。季风区和祁连山区云量最大值一般都出现在夏季,天山和塔克拉玛干沙漠地区云量最大值一般都出现在春季,最小值则均出现在秋冬季。总的来说,3个云量参数值在3～9月较高,最低值出现在10～12月。     

气象卫星高空间分辨率数据的云量计算与检验

该文利用国家卫星气象中心1998—2008年NOAA卫星的存档数据,在再定标和精定位等数据再处理基础上,利用自行研发的云检测算法及云量计算方法,生成空间分辨率为0.01°×0.01°、时间尺度为10年的逐日云量数据,并利用ISCCP和地面观测数据对计算得到的云参数进行数据质量评估。评估结果显示:利用NOAA数据的抽样云检测结果与ISCCP-DX数据相比,晴空像元检测率具有0.70左右的一致性;有云像元检测率具有60%左右的一致性。卫星计算的总云量与地面观测总云量间的月平均相关系数大于0.70。     

基于红外实时阈值的全天空云量观测

红外测温传感器在旋转平台控制下定时对全天空进行扫描,拼接全天空红外辐射亮温图像。利用天空中的云点与非云点在红外波段中表现出的不同特性,考虑不同仰角方向天空中云点与非云点的温度差异,结合地面环境参数,实时拟合天顶到水平区间内晴空时刻的温度阈值函数,利用阈值分割方式得出全天空云分布及云量信息。该方法可以有效减少地面环境参数及太阳光照对云图的影响,能够全天实时运行。将利用该方法获取的数据分别与人工观测数据及典型天气条件下可见光测云结果进行对比,结果表明该系统在云量观测方面具有一定的先进性和准确性。     

云的移动轨迹成像模拟及云量变化分析

以全天空数字成像仪的等角投影成像原理为基础，将云型简化为正方体及圆柱体云体。模拟了相同云体在不同空间位置的移动轨迹情况，对其所占面积变化（云量）进行了计算，并对云在移动过程中云体侧面成像情况做了分析研究。结果表明，云量随空间位置变化情况与云的宽高比相关，当宽高比大于某一值时云量随天项角（云所处位置）的增大先增大而后减小，反之则随着天顶角的增大而减小。     

1995—2010年静止卫星云量数据检验和评价

对利用FY2和GMS静止气象卫星建立的东亚地区气候数据集(EAGSCDR FY2 and GMS Geostationary Satellite Climate Data Record over East Asia)进行了检验和评估,使用的检验源数据包括中国地面气候资料与国际卫星云气候计划ISCCP D2月平均云量数据集.对由上述3种不同观测手段得到的多年平均总云量的空间分布特征分析结果表明:3种资料的总云量分布形势有较好的一致性,但是在40°N以北地区,ISCCP和EAGSCDR得到的总云量在量值上高于地面观测值.用地面观测资料检验华南及长江流域EAGSCDR的云检测产品的结果表明,总的准确率为82.10％,总漏判率6.85％,总误判率为11.05％,秋冬季节准确率偏低.EAGSCDR与ISCCP云量都是由卫星资料处理得到的,二者差异主要来自算法的不同,检验结果表明,EAGSCDR中的云量产品精度优于ISCCP云量,并且其时间分辨率可达到1 h,空间分辨率达到5 km,由此可见,EAGSCDR的云产品比ISCCP云产品更有优势.     

青藏高原地区的总云量——地面观测、卫星反演和同化资料的对比分析

了解云的气候学特征 ,对于深入研究气候变化问题有重要意义 ,而良好的资料质量是其前提和保障。为了充分了解地面观测总云量、卫星反演总云量和资料同化总云量这三种资料在青藏高原地区的共性和差异 ,本文利用 1984— 1990年的青藏高原地面测站的总云量资料、国际卫星云气候学计划中的ISCCP C2总云量资料和NCEP NCAR再分析总云量资料 ,对比分析了三者在青藏高原地区的时空分布关系。分析结果表明 :ISCCP C2总云量与地面观测总云量有较好的相关关系 ,它们在青藏高原地区的空间分布形势相似、年变化和年际变化趋势大致相同 ,在量值上的差异主要源于探测手段的不同 ;NCEP NCAR再分析总云量在青藏高原地区有其固有的缺陷 ,除夏季之外在高原中部地区始终有一个异常的强高值中心 ,由此导致其对时空分布特征和量值的描述与ISCCP C2和地面观测值相差较大 ,因此在有关青藏高原的研究中不宜直接或单独使用NCEP NCAR再分析总云量资料。     

不同云重叠参数对全球和东亚地区模拟总云量的影响

在国家气候中心全球大气环流模式BCC_AGCM2.0中引入一组基于CloudSat/CALIPSO卫星观测的、能够体现真实时空变化特征的云垂直重叠参数（抗相关厚度,L_cf）数据,以减小由云的重叠描述造成的辐射场的不确定性。对比了采用时空变化的云重叠参数和采用恒定云重叠参数的气候模拟结果,发现无论在全球还是东亚区域,采用基于卫星观测的云重叠参数对模拟的总云量都有一定程度的改进。采用时空变化的云重叠参数后,冬、夏两季全球平均总云量与云和地球的辐射能量系统（CERES）卫星资料的误差都减少了1.6%,其中热带对流区域总云量的正偏差和副热带地区总云量的负偏差都明显减少,这些有助于正确模拟不同区域间的能量收支差异。在东亚区域,采用时空变化的云重叠参数后,冬、夏两季的东亚区域平均总云量与CERES卫星资料的误差分别减少了1.8%和1.4%。综上所述,基于CloudSat/CALIPSO卫星资料计算得到的L_cf有助于改进大气环流模式对总云量的模拟,从而提高模式对辐射场的模拟精度。