我国卫星总云量与地面总云量分布的对比分析

根据国际卫星云气候学计划（ISCCP）的总云量和地面总云量资料,分析并讨论了两者在我国的空间分布和单站年变化中的相关性和差异性,对比了两种总云量的全国分布形势。结果指出,在总趋势大致相似的前提下,卫星总云量图能更好地揭示青藏高原、塔克拉玛干沙漠以及沿海地区的云气候特征。最后还就青藏高原总云量分布特点作了分析。     

近20年中国地区云量变化趋势

利用国际卫星云气候学计划（ISCCP）最新的D2云气候资料集,给出总云量、高云量及中云量在我国地区的分布特征;分别对季节平均和年平均的时间序列进行线性趋势分析,并进行效果检验。结果表明：近20年来中国大部分地区总云量没有显著的变化趋势,但是,在华南地区和西北部分地区的总云量有增加的趋势,青藏高原中部的总云量有所减少;在不同季节,各地总云量、高云量和中云量的变化趋势是不同的。     

利用TIROS—N卫星云图对1979年夏季青藏高原云量分布的研究

利用TIROS-N卫星一日两次的红外云图照片,采用地物目标定位的方法,用2°×2°的经纬网格,统计了1979年5—8月青藏高原的云量,从而得到了白天和夜间的总云量逐月分布图。云量分析表明:夏季白天高原大气有强烈的辐合抬升运动,辐合线位置与高原长轴位置一致(35°N附近),高原南北两侧则是下沉运动。     

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。     

青藏高原平均云量的估算及其分布特征

本文利用1982年8月—1983年7月青藏高原地面热源观测试验期间拉萨等四个热源考察站的十次定时总云量观测资料,分析了总云量的日变化规律,讨论了全天平均的和白天平均的总云量与定时总云量之间的关系,並提出了由后者计算前者的方法。在此基础上,对由同期NOAA-7卫星云图判读出的2°×2°经纬度网格上的平均云量进行订正,得到了高原上各旬、月平均总云量的分布图。青藏高原上月平均总云量的分布大致可以分为冬、夏两种型式,它们都是不同季节即不同的环流形势下高原大地形的动力和热力作用的结果。高原上月平均总云量分布的年际变化,主要表现在云量的变化上,分布型式可能各年大致相同。     

FY-2G云量产品与地面观测云量对比分析

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。     

多源观测数据在LAPS三维云量场分析中的应用

该文将我国FY-2C气象卫星通道数据、地面观测数据、雷达数据融合进入LAPS (Local Analysis Prediction System) 三维数据分析系统中,获得了三维云量场分布,并采用北京地区2009年11月9日08:00(北京时,下同) 和华南地区2008年6月12日14:00个例,设计了5种试验对LAPS融合的云量场进行分析。结果表明:LAPS云分析中,地面观测对云底结构起主要订正作用,雷达观测对云中、低部信息起主要订正作用,而卫星云图数据对云顶分布订正效果显著,卫星资料是获得客观三维云量场不可或缺的数据。     

思南县云量气候特征及变化初探

利用思南站1961—2008年的逐日总云量和低云量资料,统计了平均云量、量别日数等基本特征,分析了云量年变化和年际变化特征,结果表明：总云量长期变化呈减少的趋势,低云量长期变化呈增加的趋势,总、低云量在数值上愈来愈接近,中云量正逐渐萎缩。总云量和低云量有明显的年变化,隆冬到初春季节多,仲春到初夏、深秋到初冬季次之,盛夏到初秋季节最少。通过方差分析,云量数据稳定性差,8月低云量和10月总云量最不稳定,同比波动最大。     

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。     

ISCCP产品和我国地面观测总云量差异

国际卫星云气候计划ISCCP是国际上较权威和客观的云气候性研究计划, 自1983年以来为研究全球云和辐射平衡、云水资源分布等提供了有价值的数据。在分析总云量卫星和地面两种观测方式差异的基础上, 研究了1984-2006年ISCCP D2产品和我国地面观测云资料数据集总云量空间及时间差异。尽管两套资料能一致揭示我国总云量的分布形势和气候变化特征, 但区域性差异仍比较明显。天基、地基数据可对比格点上, 全国平均而言总云量卫星观测结果比地面观测偏高8.46%, 华南地区差异最小、东北地区差异最大。气候变化趋势分析结果表明:近23年我国总云量呈减少趋势, ISCCP D2产品总云量每年减少速度为0.015%, 小于地面观测的总云量每年减少速度 (0.063%); 东北地区总云量缓慢增多, 而青藏高原、西北地区总云量减少。利用卫星和地面资料均以累积距平法检测出1984—2001年总云量减少、2002-2006年总云量显著增加。     

根据单点测值估计地区气候特征的统计模式

1.引言某一给定地区内任一时刻的天气,如反映在雷达荧光屏上的降雨、卫星云图上的云等,都造成那个时刻特有的图形,这图形与其它任何时刻的图形都不大可能相同。同样,从一时刻至另一时刻的变化也是独一无二的。图形及其变化都是受该地区的基本气候特点所制约的。某一地区的这种基本气候特点必然包括该地区这类事件的概率或统计特性。如果已知事件的概率,比如某一测点24小时降水超过10毫米的概率,则我们必定会问:在周围地区或周围某一部分地区每一点均出现同样情况的概率是多少?这种类型的气候学问题就是本文的主题。卫星云图记录了云量的区域覆盖,最终将有助于提供我们要探索的云的气候学特征。雷达提供了     

热带地区云量日变化的气候特征

利用国际卫星云气候计划（ISCCP）1984—2003年共20年云量资料,统计分析了热带地区的云量日变化特征,研究结果表明,云量峰值时间和变化幅度在全球的分布都较为均匀,而海陆差异明显。高云和低云在变化机制上相对独立,其云量日变化并非同步。全球云量日变化由4类基本形式组成,分别为洋面高云型、陆面高云型、洋面低云型和陆面低云型。高云日变化与地表辐射加热状况密切相关,其形式在洋面和陆面类似,均为早晨出现云量最小值而午后到达云量峰值。相比于洋面,陆面高云的峰值在夜间持续时间较长,可发展至更为稳定深厚的云系。低云多在局地5时附近出现云量峰值,18时左右达到云量极小值,其中陆面低云在12时出现第二峰值。     

云量的时间精细化预报研究-以榆中为例

利用2001年7月至2011年7月甘肃省榆中县地面测站的每日8次云量资料和同期NCEP每日4次等压面资料,由NCEP资料构造预报因子,以总云量和低云量为预报对象,分析预报因子和预报对象的相关性,采用逐步回归方法建立榆中县逐月8个时次的云量预报方程并进行回代;并利用2012年的资料检验预报方程的预报效果。结果表明：云量主要受整层湿度、垂直运动、不稳定能量、槽强度指数和700 hPa水汽通量散度影响,其中湿度状况和垂直运动是重要因素。建立的预报方程对总云量的预报效果比低云量好;总云量平均预报误差在2成左右,低云量平均预报误差在3成左右;预报值变化趋势可以部分地反映实际云量的变化趋势。     

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。     

Fn云量观测小议

我们所观测的云量也叫视云量,就是见多少应记多少。可是我当了十八年观测员,还没有把Fn(碎雨云)记10个量的。下表是 河池站1980——1982年共8768次观测中选出连续性降水265次记录Fn量统计出来的。     

湖北省天空云量的特征分析及其预报

利用１９９６～１９９８年的历史气象资料统计了湖北省天空云量,接着分析了天空云量与高空物理量的关系,在此基础上使用ＭＯＳ方法建立了天空云量的预报模型。经１９９９年９～１１月试验,其初步结果表明,该预报模型可较好地反映云量变化的趋势,对阴天和晴天之间转变的趋势预报较为正确,但其在应用时仍需加强订正工作。     

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。     

基于FY-2G产品的江西省总云量最小二乘法建模与分析

使用2016年1月至2018年12月FY-2G卫星逐小时总云量产品和江西省26个测站的地面总云量观测资料,分析了两者在江西地区相关性的时空分布特征。结果表明:江西地区卫星总云量和地面观测总云量在数值和演变趋势上一致性较好,两者的总体相关系数超过0.60,但空间分布不均匀,大型水体(鄱阳湖和柘林湖)附近相关系数较低,低于0.45,江西省南部地区相关系数也不高,低于0.50。两者的相关系数在时间上也分布不均,其中14时的相关系数最高。此外,基于FY-2G卫星总云量产品和最小二乘法采用分段建模的方式,构建了江西省地面观测云的回归模型,且模拟的地面总云量在数值和演变趋势上更加接近观测的地面云量。     

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。     

地基可见光全天空云图云量图像处理识别方法

为增强地基可见光全天空云图中云与天空的特征和区别,提高云检测率,基于图像复原和图像增强技术提出一种改善云图质量的方法。该方法采用暗通道去雾算法进行图像复原;采用亮度直方图均衡增强图像纹理细节;综合两种方法,先图像复原,再图像增强。按低能见度薄云、低能见度厚云、高能见度薄云、高能见度厚云4种情况分别进行讨论,结果表明:除高能见度薄云采用单一的图像复原使云检测效果降低外,图像复原和图像增强都能使云检测和云量识别准确率提高;综合二者,云检测和云量识别准确率进一步提高;该方法对薄云和低能见度云图的改善最为显著。