1 引言

到目前为止，云仍然是气候模拟和气候变化研究中最大的不确定因子之一。首先，云本身在地气系统辐射平衡中扮演着双重角色，一方面，云将到达大气层顶的太阳短波辐射反射回太空，对地气系统起冷却作用，另外一方面，地表受到太阳辐射加热后放射出的长波辐射又被大气中的云截获，对地气系统起加热作用；其次云和气溶胶之间的相互作用导致的直接和间接辐射强迫的气候效应十分明显，但目前对于此作用的科学理解水平还很低(Forster et al.,2007)。因此，准确模拟云在气候变化中的作用是目前大尺度天气气候模式中的难点和热点问题，而这其中的重点之一是如何准确模拟云在辐射收支方面的作用及其对气候的影响。对于云对气候的反馈作用模拟的差异，主要取决于对云辐射强迫模拟的差异，是导致不同的大气环流模式之间模拟结果差异的重要原因之一(Cess et al，1989，1990)。云的辐射强迫为某一给定大气的净太阳辐射通量(向下通量减去向上通量)与假定云不存在时同一大气的净太阳辐射通量之差(石广玉，2007)，其值表征云对于地球气候系统能量收支平衡的影响，提高对云辐射过程和云的辐射强迫模拟的准确度成为提高气候模式模拟精度的关键。国内外在该领域已经开展了多年的研究(Arking，1991；赵高祥和汪宏七，1994；Wielicki et al.,1995；刘玉芝等，2007)。由于对于云结构的精确描述目前仍然是大尺度气候模式中的难点，因此在气候模式描述云辐射过程中，云的垂直分布的不确定性是研究云对气候影响的最大障碍之一(Barker et al.,1999)。地表观测表明，云层常常是重叠的(Wang et al.,2000)。多层云的重叠问题对大气和地表的辐射加热(或冷却)率有很大影响。而云的加热率不仅影响云的发展，也对大气和地表的辐射收支平衡产生重要影响(荆现文等，2009；张华和荆现文，2010)。例如，到达地面的辐射通量在晴空大气环流模式(General circulation model)之间的差别仅为几W m^-2，而有云大气在大气环流模式之间的差别却高达100 W m^-2(Barker et al.,1999)。

在气候模式中，处理云在垂直方向上的重叠时采取了不同的假设，如最大重叠，随机重叠以及最大／随机重叠和指数衰减重叠。而Liang and Wang(1997)提出了一个处理多层云重叠的“马赛克”(MOASAIC)方法，在大气环流模式辐射参数化中显式地考虑云的垂直相关，结果表明，大气环流模式对云的垂直重叠的处理非常敏感，与假定随机云重叠的结果相比，显式处理云相关的大气环流模式结果具有非常不同的大气辐射加热率分布，所导致的气候影响非常大：热带和副热带对流层的中高层大气在全年变暖超过3℃，两极夜间北半球平流层变得更暖，最大超过15℃。

为了在大气环流模式中给出准确描述云的重叠的参数化方案，就需要用观测资料提供云的空间分布特征作为基础和验证。研究表明：云的垂直结构(Cloud Vertical Structures)是非常重要的云宏观特征(Slingo and Slingo，1988； Randall et al.,1989；Wang and Rossow，1998)，这一结构主要包含云层数目和间距，以及它们的高度分布等。以往的卫星和地面观测提供的云量垂直分布的信息非常有限(Wang et al.,2000)，而在2006年4月美国航天航空局(NASA)成功发射了太阳极轨云观测卫星CloudSat，其上所搭载的94 GHz毫米波云观测雷达垂直分辨率非常高，为我们研究云的垂直结构提供了丰富的观测资料。

CloudSat资料已经被用于研究东亚地区的云垂直结构。比如：Luo et al.(2009)采用14个月的CloudSat观测资料对比分析了东亚地区和印度季风区的云量和云垂直结构及其季节变化；汪会等(2011)采用3年(2006年9月至2009年8月)的CloudSat资料进一步对比分析了东亚季风区、印度季风区、西北太平洋季风区和青藏高原地区的云量和云垂直结构及其季节变化特征，还进一步分析了亚洲季风区低云量的分布及其与对流层低层稳定性的相关。

本文运用统计的方法，对CloudSat卫星观测资料加以分析和研究，不仅将东亚地区作为一个整体进行研究，而且将东亚地区分为5个子区域分别进行分析，在Luo et al.(2009)和汪会等(2011)研究结果的基础上进一步细化了对东亚地区云的垂直分布特征的理解，为今后在气候模式中精确描述该地区云的垂直结构提供一定的参考依据。

2 卫星观测数据描述与处理

本文采用了CloudSat所搭载的94 GHz毫米波云廓线雷达(CPR)提供的观测资料，分析了2007～2009年3年的资料，用3月、4月和5月份的平均结果表征春季，6月、7月和8月表征夏季，9月、10月和11月表征秋季，12月、1月和2月表征冬季。CloudSat卫星是2006年4月28日(UTC)由美国航天航空管理局(NASA)成功发射入太空的太阳极轨气象观测卫星，几周后开始获得相关数据。CloudSat每根轨道运行时间约为2小时，进行约37081次扫描，扫描星下点为1.1 km(沿轨道运行方向)×1.3 km(垂直轨道运行方向)的区域，垂直方向扫描30 km，并分为厚度为0.24 km的125层，扫描信息以1.1 km×1.3 km×0.24 km的扫描 格点为单位储存，目前已经反演出多种2级产品(参见http://www.cloudsat.cira.colostate.edu/cloudsat_documentation/CloudSat_Data_Users_Handbook.pdf.[2012-01-09])。

本文工作主要使用了二级产品中2B-GEOPROF和2B-GROPROF-Lidar(参见网站http://cloudsat.cira.colostate.edu/dataSpecs.php.[2012-01-09])，前者信息来自于CloudSat卫星上搭载的94 GHz毫米波雷达，后者信息同时整合了CloudSat搭载的毫米波雷达的信息和与CloudSat同轨道，运行时差只有15秒的CALIPSO卫星搭载的激光雷达的信息，结合两者可同时发挥毫米波雷达和激光雷达的优点。在判断扫描格点中是否存在云时，我们用到了2B-GEOPROF产品中的CPR_Cloud_mask和Radar_ Reflectivity数据以及2B-GEOPROF-Lidar中的CloudFraction数据。其中，CPR_Cloud_mask的数据说明见表 1。而Radar_Reflectivity中所含的信息是雷达的反射率因子的对数表现值，单位是dBZ，CPR的最小可探测信号大约为－30 dBZ；Cloud- Fraction所包含的数据是经过激光雷达订正过的 扫描格点中存在云的部分的百分比。Luo et al.(2009)和Barker(2008a)在各自工作中对于确 定扫描格点中是否存在云同样使用了上述3部分数据，但是使用了不同的阈值法。前者在满足Radar_ Reflectivity ≥－28 dBZ的前提下，将扫描格点的信息整合为厚度为1 km的垂直层，假如组成1 km的雷达扫描格点中格点满足CPR_Cloud_mask≥20，即认为扫描格点云量为100%，否则扫描格点的云量等同于CloudFraction的值；后者则在满足Radar_Reflectivity ≥－30 dBZ的前提下，采用只有同时满足CPR_Cloud_mask≥20和CloudFraction≥ 99%时，才认定该扫描格点云量为100%，否则云量为0。两者比较，前者的方法认为只要CloudSat上搭载的毫米波雷达和CALIPSO搭载的激光雷达二者有其一探测到存在云，就认为扫描格点存在云，而后者认为只有毫米波雷达和激光雷达同时探测到云才认为扫描格点存在云，前者会比后者高估云存在的概率，而本文在两种方法的基础上选取了折中的阈值法，即，当每个扫描格点的数据满足Radar_Reflectivity ≥－30 dBZ和CPR_Cloud_ ask≥20；或者Radar_ Reflectivity≥－30 dBZ和CPR_Cloud_mask ≤20和CloudFraction ≥99%时，我们认为该扫描格点有云存在，否则扫描格点无云存在。

表 1(Table 1)

表 1 CPR_Cloud_mask数据值说明 Table 1 Values assigned to Cloud_mask Field of CloudSat data 值 含义 0 没有探测到云 1 损坏的数据 5 地面噪音 5～10 弱探测信号 20～40 探测到有云存在，值越大，探测越准

表 1 CPR_Cloud_mask数据值说明 Table 1 Values assigned to Cloud_mask Field of CloudSat data

图 1给出的是本文研究的区域的示意图。我们研究了图 1所示的整个东亚地区(记为Total)，同时因为东亚地区属季风气候，不同区域具有不同的气候特征。为了比较细致的研究它们之的差别，我们参照1995年版《中国自然地理》(赵济，1995)中的划分方法，按照图 1所示将东亚的主要区域划分为西北地区(以下简称Nw)、青藏高原区(以下简称Tibet)、北方地区(以下简称North)、南方地区(以下简称South)和东部海域(以下简称E.O)5个部分，分别进行研究。综合一共得到6个区域的结果。

图 1

Fig. 1

图 1 研究区域划分示意图Fig. 1 The schematic of regional divisions in this work

下面以Tibet和2007年1月为例说明本文的计算思路。CloudSat的资料是以轨道为单位储存，因此本文首先选取出2007年1月中运行的所有轨道，接着根据扫描廓线的经纬度依次提取出这些轨道经过Tibet的部分，并将此部分以50根廓线为单位划分为子区域(下文简称子域)，然后判断出子域中的每个扫描格点是否存在云。接着计算出每个子域内不同高度上存在云的格点数据与这一高度扫描格点总数(50)的比值，近似的认为此值为该子域在不同高度上的云量。需要特别说明的是，这里的近似是因为气候研究中通常定义的云量是指某一时刻观测到的天空中存在云的面积与天空面积的比值，是单一时刻的观测量，而由于CloudSat每0.16秒完成一次单根廓线的扫描，因而将此处由50根廓线所组成的子域中存在云的扫描格点与全部扫描格点的比值近似为云量，也就是将50个时刻观测到的值近似为单个时刻观测到的值，但是由于完成50根廓线的扫描只需要8秒钟，因此这里的近似处理相当于将8秒内50个时刻的观测数据近似为只观测了单个时刻，而该单个观测过程需要8秒时间。其次，以月为单位计算出经过Tibet所有子域不同高度云量的算术平均值，这一平均值就代表Tibet区域在2007年1月不同高度上的云量平均值。然后，我们计算出2007年1月经过Tibet的所有廓线中单层云和多层云(2层及2层以上)的数目(廓线中存在云的扫描格点在垂直方向连续的层数定义为此廓线中的云层的数目)，同样以月为单位计算出这些值与扫描廓线总数的比值，这一比值在本文就代表Tibet区域在2007年1月中的单层云和多层云的出现概率；最后计算出每个廓线中云层的云顶/云低高度，同样以月为单位计算出这些值与扫描廓线总数的比值，这一比值在本文就代表Tibet区域在2007年1月中平均的云顶/底高度最后，计算出所有区域在3年共36个月中的平均值之后，再平均出春夏秋冬4个季节的结果，其中春季为2007年至2009年3月、4月和5月共9个月的平均值，夏季为6、7和8月的平均值，秋季为9、10和11月的平均值，冬季为12、1和2月的平均值，同时计算了每9个月平均值组成的集合的标准差。表 2给出了6个区域4个季节统计的扫描廓线数。

表 2(Table 2)

表 2 6个区域4个季节统计的扫描廓线数 Table 2 The number of calculated pixels in 6 regions for four seasons

表 2 6个区域4个季节统计的扫描廓线数 Table 2 The number of calculated pixels in 6 regions for four seasons

图 2(见文后彩图)分别给出6个研究区域4个季节不同高度的平均云量，误差棒表示该高度上的标准差。从垂直方向上云量峰值的季节分布来看，E.O区域与其他5个以陆地下垫面为主的区域有着明显的差别，E.O垂直方向上面云量峰值的最大值出现在冬季，达到了0.31，春秋季次之，最小值出现在夏季，为0.21；而其他5个区域的云量峰值的最大值都出现在夏季，分别为Total：0.23；Nw：0.23；North：0.24；South：0.24；Tibet：0.35。Total区域、North区域和South区域峰值的最小值都出现在秋季，依次为0.16、0.19和0.18；而Nw区域和Tibet区域的最小值都出现在冬季，依次为0.16和0.19。从误差棒表示的标准差可以看出，总体而言，图中所示季节的平均值对于3年9个月的平均状态有较好的代表性，但不同区域9个月的变化 幅度各不相同，Tibet、North和E.O变化相对 比较大，标准差最大值依次达到了0.1、0.06和0.06，而其他3个区域变化较小，标准差分别为Total：0.03，NW：0.05和South：0.04。

图 2

Fig. 2

图 2 6个区域季节平均的云量随高度的变化:（a）春季；（b）夏季；（c）秋季；（d）冬季Fig. 2 Variation of seasonal averaged cloud amount with height in six regions: (a) Spring; (b) summer; (c) autumn; (d) winter

Wang and Rossow(1998)通过在戈达德空间研究所(Goddard Institute of Space Studies)的大气环流模式(GISS GCM)中的13个试验，总结出了几个重要的云垂直结构参数：(1)云是否重叠(即有无多层云)；(2)多层云系统中云层之间的距离；(3)最上层云顶位置高度。我们通过对CloudSat卫星资料的分析，统计了东亚地区的上述三个云垂直结构参数。图 3分别给出四个季节在6个研究区域发生多层云的平均概率，误差棒同样表示标准差。因为在统计的过程发现云层数目超过5层的概率非常小，基本在0.001左右，因此，图中只给出了存 在云的总概率和1至4层云出现的概率。整体而言，东亚地区单层云出现的概率在春夏秋冬分别为52.2%、48.1%、49.2%和51.9%，在冬春季最大，秋季次之，夏秋最小，而多层(2层和2层以上)云出现的概率在春夏秋冬分别为24.2%、31.0%、19.7%和15.8%，在夏季最大，春秋季次之，冬季最小，与出现云的总概率一致，与汪会等(2011)的研究结果中对东亚季风区的研究结果相符。

图 3

Fig. 3

图 3 6个区域发生多层云的季节平均概率:(a)春季；(b)夏季；(c)秋季；(d)冬季Fig. 3 Seasonal averaged probability of multilayer cloud occurrence in six regions:(a)Spring;(b)summer;(c)autumn;(d)winter

从存在云的总概率来看，4个季节的区域差异都一致地呈现出South区域最大，春夏秋冬依次为84.5%、89.3%、81.6%和78.5%，Total和E.O次之，而后是North区域，最小的是Nw区域，春夏秋冬分别为70.3%、68.6%、55.5%和65.6%。反映出南方地区出现云的概率大，而北方地区则相对较小；海洋上空出现云的概率大，而陆地上空出现云的概率小的特点。由于Tibet区域的情况比较特殊，夏季作为热源，加上季风带来的充足水气，存在云的概率超过了E.O，仅次于South区域，而秋冬季又小于E.O地区和Total区域，在春季与两者持平。比较不同季节之间的差异，除了Nw之外的5个区域出现云的总概率都呈现出在夏季最大，春秋季次之，冬季最小的特征。

以上结果表明，东亚地区南方的多层云比北方多，海洋上空的多层云比陆地上空的多；且与之前的研究(Luo et al.,2009；汪会等，2011)结果相一致地表现出夏季多云、冬季少云，夏季多云主要是因为多层云的概率增加所致。

为了研究整个东亚地区以及5个子区域的云层高度和厚度，对本文得到的CloudSat卫星的观测数据进行统计分析，分别按照6个研究区域和4个季节进行研究，同时，在多层云出现的情况下，再按照云层出现数目的不同区分，分别计算出不同区域、不同季节在不同云系统情况下的云顶高度和云底高度的平均值。图 4(见文后彩图)分别给出整个东亚地区中6个研究区域，1层云、2层云、3层云和4层云系统中各层云的云顶和云底高的平均值。先看单层云系统的平均云顶高，对比4个季节，Nw平均云顶高最大值出现在春季，其他5个区域平均云顶高最大值都出现在夏季。夏季的6个区域之间比较，平均云顶最高的区域是South区域，为10.3 km，平均云顶最低的区域是North区域，为7.6 km；春秋季的平均云顶高低于夏季，春季平均云顶高位于Nw区域的8.3 km和E.O区域的8.0 km之间；秋季的平均云顶高位于South区域的5.9 km和Tibet区域的7.4 km之间，除了Nw区域和Tibet区域冬季云顶高略高于秋季外，其他区域的平均云顶高都是冬季最低；冬季，平均云顶最高的区域是Nw区域，为7.3 km，平均云顶最低的区域是E.O区域，为3.9 km。从云的平均厚度来看，4个季节对比，夏季的平均云厚度最大，6个区域平均厚度最大的是South区域，为4.6 km，最小的是Nw区域，为3.0 km；春秋次之，平均厚度的范围分别是2.6 km到3.1 km之间和2.1 km和3.0 km之间；冬季最小，6个区域平均厚度最大是发生在Nw区域为2.3 km，平均厚度最小的是South区域，为1.7 km。对2层、3层和4层云系统，最高层云云顶高的平均值除了个别地区之外，同样是夏季最高，春秋次之，冬季最小。下面分春夏秋冬四个季节给予具体描述。对春秋两季，2层、3层和4层云系统中第二，第三和第四层云的平均云顶高最大的都是发生在South区域，分别为11.0 km、12.6 km和14.3 km，和11.8 km、14.2 km和15.4 km，最小的则都是发生在North区域，分别为9.3 km、10.3 km和10.7 km，和8.8 km、9.9 km和10.7 km。夏季，2层和3层云系统中第二层和第三层云的平均云顶高最大的都是在South区域，分别为14.2 km和15.6 km，最小的都是在Nw区域，分别为10.0 km和10.8 km；而4层云系统中第四层云的平均云顶高最大的则发生在Tibet区域，为15.9 km，最小的也是在Nw区域，为11.4 km。冬季，2层、3层和4层云系统中第二，第三和第四层云的平均云顶高最大的都是发生在E.O区域，分别为9.4 km、12.2 km和13.4 km，最小的分别发生在North，North和Tibet区域，值分别为8.2 km、9.0 km和8.3 km。不同研究区域之间的差别体现出，位于东亚南部地区和海洋下垫面上空的云层比较高，而位于东亚北部的云层比较低，且东亚南北部之间差别比较大。观察云层厚度的变化，平均云层厚度大部分位于1 km到3 km之间，且不同区域的云层厚度差别较小，随季节变化也不大。一个明显趋势是当多层云系统中的云层数目增加时，云层的平均厚度减少，验证了Luo et al.(2009)对于东亚和南亚地区的研究结论，此外较高层的云层平均厚度大于较低层的云层平均厚度。

图 4

Fig. 4

图 4 4个季节6个区域平均云层高度和厚度:（a）单层云系统；（b）双层云系统；（c）三层云系统；（d）四层云系统Fig. 4 The mean level and thickness of clouds in six regions for four seasons: (a) Single-layer cloud system; (b) two-layer cloud system; (c) three-layer cloud system; (d) four-layer cloud system

许多研究表明，多层云系统中云层之间的距离也是重要的云垂直结构参数之一(Barker，2008a，2008b)，因此，本文对云层的间距参数也进行了分析。表 3给出6个研究区域4个季节不同云系统下云层间距的平均值。结果表明：东亚地区云层间距的季节平均值位于5.7 km到1.1 km之间，同一区域间距的季节变化不大，秋季和夏季略为偏高，春季和冬季略为偏低。North和Nw区域的云层间距最小，South区域和E.O区域云层间距最大，说明海洋为主的下垫面区域的云层间距大于以陆地为主的下垫面区域的云层间距，处于较低纬的South区域和E.O区域的云层间距大于处于较高纬的North区域和Nw区域的云层间距，另一个明显的趋势是随着云系统中云层数目的增加，云层间距逐渐缩小。本文的研究结果表明，6个区域云层间距的概率分布基本呈单峰分布，概率峰值出现在0.08～0.3之间，且云层数越多，概率越大。出现峰值范围的云层间距在1～3 km之间，各区域之间没有大的区别，季节的变化也不大，这与李积明等(2009)的研究结果是一致的。因此，在此只给出夏季6个研究区域2层、3层和4层云系统情况下云层间距的概率分布(见图 5)。

表 3(Table 3)

表 3 6个区域4个季节不同云系统下云层间距的平均值(单位：km) Table 3 The mean values of intervals between cloud layers in different cloud systems in six regions for four seasons(units: km) *第一列中2LS、3LS和4LS分别表示两层云、三层云和四层云系统。 **第二列中L2-L1、L3-L2和L4-L3分别表示第2层云与第1层云的间距、第3层云与第2层云的间距和第4层云与第3层云的间距。

表 3 6个区域4个季节不同云系统下云层间距的平均值(单位：km) Table 3 The mean values of intervals between cloud layers in different cloud systems in six regions for four seasons(units: km)

图 5

Fig. 5

图 5 6个区域夏季的云层间距的分布概率：(a)双层云系统中第二层与第一层云的间距；(b)三层云系统中第二层与第一层云的间距；(c)三层云系统中第三层与第二层云的间距；(d)四层云系统中第二层与第一层云的间距；(e)四层云系统中第三层与第二层云的间距；(f)四层云系统中第四层与第三层云的间距Fig. 5 The occurrence probability distribution of intervals among cloud layers at summer in six regions:(a)For the intervals between the 1st and 2nd layers in two-layer cloud system;(b)for the intervals between the 1st and 2nd layers in three-layer cloud system;(c)for the intervals between the 2nd and 3rd layers in three-layer cloud system;(d)for the intervals between the 1st and 2nd layers in four-layer cloud system;(e)for the intervals between the 2nd and 3rd layers in four-layer cloud system;(f)for the intervals between the 4th and 3rd layers in four-layer cloud system

本文利用CloudSat提供的2007~2009年三整年的卫星观测资料，详细分析了东亚不同区域云的分布的统计特征，得出以下结论：

(1)东亚地区单层云出现的概率在春夏秋冬分别为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分别为24.2%、31.0%、19.7%和15.8%。出现单层云的概率远高于多层云出现的概率。

(2)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。

(3)从存在云的总概率的统计结果得出，东亚地区具有南方云多，北方云少；海洋上空云多，陆地上空云少的特点。季节变化表明，夏季存在云的总概率最大，冬季最小，而存在单层云的概率反而是夏季最小，春冬季最大，表明云出现的总概率的变化趋势主要由多层云出现概率的变化趋势决定。

(4)季节平均的云层高度结果表明：位于东亚南部地区和海洋下垫面上空的云层比较高，而位于东亚北部的云层比较低，且东亚南北部之间差别比较大。观察云层厚度的变化，平均云层厚度大部分位于1 km到3 km之间，且不同区域的云层厚度差别较小。一个明显趋势是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平均厚度。

(5)分析多层云系统中云层间距的概率分布表明：出现峰值概率的云层间距在1～3 km之间，各区域之间没有大的区别，季节的变化也不大。而云层间距出现的概率的极大值在0.8～0.3之间，且云层越多，概率越大。

以上研究结果是本文利用最新发射的云观测卫星CloudSat同时结合了与其同轨道的激光雷达观测卫星CALIPSO 2007～2009年3年的观测资料，经过处理和分析得到的。目前其他的观测手段尚无法获取如此高垂直分辨率的云的结构信息。因此，本文的结果对于理解东亚地区及其5个子区域云的垂直结构，并在气候模式中精确描述该地区云的结构提供了可供参考的定量信息，具有十分重要的意义。