2 中国气象局气候研究开放实验室/国家气候中心, 北京100081;
3 国家卫星气象中心, 北京100081;
4 上海气象局, 上海200030;
5 中国气象科学研究院, 北京100081
2 Laboratory for Climate Studies, China Meteorological Administration/National Climate Center, Beijing 100081;
3 National Satellite Meteorological Center, Beijing 100081;
4 Shanghai Meteorological Bureau, Shanghai 200030;
5 Chinese Academy of Meteorological Science, Beijing 100081
云在全球能量和水循环平衡中起着重要的作用,是地气系统不可或缺的组成部分(Liou,2004)。精确细致地了解云的信息,对于我们深入了解云、辐射和气候之间复杂的相互作用、进而改进气候模拟和气候预测,有着极其重要的意义(Hughes,1984;李积明等,2009;汪会等,2011;Zhang et al.,2013;张华等,2013;彭杰等,2013)。由于云的观测和数值模拟都存在很大不确定性,对于云的相关研究一直是国际国内研究热点和难点问题。特别是近年来,卫星观测因为具有观测覆盖范围广、水平和垂直分辨率高等优势,逐渐成为现阶段研究云的重要手段之一(刘瑞霞等,2004;彭杰等,2010;杨大生和王普才,2012)。东亚地区地理位置独特,地形复杂,是亚洲季风的主要活动区域,气候变化特征显著,因此利用卫星资料研究东亚地区云的基本特征具有重要的科学意义(吴涧和刘佳,2011)。目前国内外对于东亚地区上空云的分布以及云微物理量的特征已经有不少研究工作,取得了一定的成果。一些研究从降水等天气学角度对东亚地区云的特征进行分析,阐释了云与天气系统之间的密切联系。赵柏林等(1994)利用TIROS-N卫星TOVS系统,讨论了大气出射长波通量(OLR)的分布与天气系统的联系;Wang et al.(2004)利用地球同步卫星观测到的逐小时的近红外亮温资料,分析了东亚暖季期间对流云的传播特征,研究着眼于不同经度上云随时间的变化,为东亚地区降水的预测提供了重要依据;傅云飞等(2007)利用热带测雨卫星的测雨雷达对降水云的综合探测结果,结合降水资料分析了东亚降水分布的特点,并揭示了中国中东部大陆、东海和南海对流降水和层云降水平均降水廓线的季节变化特征及物理意义。另外一部分研究主要集中在云的分布方面,这些工作从季节变化、空间差异等角度,研究了东亚地区云量的分布和垂直结构特征。Liu et al.(2008)利用TRMM(Tropical Rainfall Measuring Mission)降水雷达与可见光和红外扫描仪的融合资料,首次给出了降水云与非降水光学厚度等参量的差异。Luo et al.(2009)利用CloudSat/CALIPSO卫星资料对比分析了中国东部和印度季风区上空云的发生频率和垂直结构,并建立了云量的分布与季风等大尺度环流场的联系;吴涧和刘佳(2011)利用国际卫星云气候学计划(ISCCP)的D2云气候资料集分析了东亚地区不同种类云量的变化趋势,结果发现近20年东亚地区总云量和高、低云量呈现波动减少趋势,中云量呈增加趋势,云量变化存在较大的区域差异;李积明等(2009)利用CALIPSO卫星资 料,研究了东亚地区云的垂直分布特征,彭杰等(2013)利用CloudSat/CALIPSO卫星资料分区研究了东亚地区云垂直分布的统计特征,发现不同 高度的云量之和具有明显的季节变化趋势,且云出现总概率的季节变化主要由多层云出现概率的变化决定;尚博(2011)利用CloudSat资料,研究了我国华北和江淮典型区域云的垂直结构统计特征及其差异。这些研究工作主要针对云量、云厚以及云的重叠特征;汪会等(2011)结合CloudSat/ CALIPSO资料分析了东亚季风区、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层垂直结构及其季节变化特征,研究侧重于不同地区上云的分布情况。而为了探讨气溶胶对深对流混合云的可能影响,Peng et al.(2014)首先利用2007~2010年整四年的CloudSat/CALIPSO卫星资料分析了深对流云系时间和空间变化特征。此外,也有一部分人做了关于云微物理量方面的研究。Chen et al.(2010)利用MODIS(Moderate-resolution Imaging Spectroradiometer)/ C ERES(Clouds and the Earth's RadiantEnergySystem)的观测结构分析了中国西北地区云的液态水路径,但是没有给出垂直方向上的分布特征;杨大生和王普才(2012)利用CloudSat资料分析了中国地区夏季6~8月云水含量的垂直分布特征,发现青藏高原地形以及东亚夏季风对月平均云含水量分布具有明显影响,夏季液态水路径最大值出现在25°~32°纬度带上,但并没有进行详细的分区研究,而且涉及的云微物理量较少。这些研究工作加深了我们对于东亚地区云的分布及其微物理特征的认识,为模式的模拟研究提供了很好的参考依据。但是也可以看出,目前对于云微物理量的研究还很薄弱,特别是缺少有关云微物理量的垂直分布以及区域差异方面的研究,而这些研究结果可以直接为全球或区域模式模拟云的微物理参量提供相应的观测信息和验证资料。杨冰韵等(2014)利用高垂直分辨率CloudSat卫星资料,分析了云的微物理特征量和云光学参数在全球的分布情况和季节变化,并研究了云的微物理性质对光学性质的影响,对气候模式中云辐射物理过程的描述及其参数化的改进有着重要的参考意义。本文是上述研究工作的继续和深入,侧重给出东亚地区云的微物理量的分布特征和季节变化,为模式在东亚地区对这些参量的模拟提供可供参考的观测验证信息。
本文通过对2006~2010年整五年最新可利用的的CloudSat卫星资料进行统计分析,研究了东亚地区(15°~60°N,70°~150°E)包括冰/水云含量、云滴数浓度和有效半径等云微物理量的分布特征和季节变化。本文第2部分给出研究所用的资料和方法;第3部分是结果分析;第4部分是本文的结论。 2 资料和方法
本文使用的是CloudSat卫星提供的2B-CWC- RO云产品资料(5.1版本)。CloudSat卫星于2006年4月28日在美国发射升空,是A-Train卫星观测系统的成员之一,其上搭载的是94 GHz毫米波云廓线雷达(CPR),每根轨道运行时间约为2小时,进行约37,081次扫描,扫描星下点的分辨率为1.1 km(沿轨方向)×1.3 km(垂直轨道运行方向)×0.24 km(垂直方向)(周毓荃和赵姝慧,2008;彭杰等,2010),具有很高的垂直分辨率。2B-CWC-RO是CloudSat的二级产品,它包括了云的液态水含量、冰水含量、有效半径及其相关的量,算法中特别区分了水云和冰云(具体算法及物理意义参见http://www.cloudsat.cira.colostate.edu.html [2013-09- 20])(Austin,2007;杨大生和王普才,2012)。反演的主要流程如下:首先根据2B-GEOPROF产品给出的云盖(Cloud mask)判定扫描廓线上出现云的高度,通过2B-CLDCLASS产品去除廓线中有问题的部分,然后根据气温等指标设定液态水/冰水粒子的粒径分布参数的初始值,结合初始值和2B-GEOPROF给出的雷达探测结果计算出不同垂直高度上液态水/冰水粒子的粒径分布参数,进而计算出冰云和水云的有效半径、云水含量等云物理量值,最后根据ECMWF模式的温度情况(温度小于-20 °C为冰云,大于0 °C为水云,-20~0 °C之间为混合相云)分别得出冰云和水云云物理量的垂直廓线。文中考虑的均为非降水云的云物理量。当然在目前的反演算法中区分非降水云和降水云的标准还存在一定的不确定性,因为算法中仅根据雷达反射率因子小于-15 dBZ这一条件来判断非降水云是有一定误差的(Austin,2007)。
根据2B-CWC-RO的反演算法,云物理量产品存在如下不确定性:(1)算法中使用的CloudSat其他产品数据的不确定性(①2B-GEOPROF产品 给出的不同高度上云量的不确定性;②2B- CLDCLASS产品中云分类判断的不确定性;③ECMWF模式提供的温度数据以及差值到CloudSat廓线产生的不确定性);(2)算法过程中的不确定性(①水云中降水粒子和冰云中大粒子的存在会使假定的对数正态分布产生一定的偏差;②冰云或水云云物理量反演过程中分别假定整层云均为冰云粒子或水云粒子,导致混合层的云物理量产生偏差)。
本文根据彭杰等(2013)的分区方案,参照《中国自然地理》(1995)中的划分方法,将东亚地区(15°~60°N,70°~150°E)划分为西北地区(以下简称Nw)、青藏高原地区(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EO)5个部分,选取了云的冰/液态水路径、冰/液态水含量、冰/水云有效半径、冰/水云云滴数浓度等云微物理量进行研究。具体统计方法为:将东亚地区按经纬度划分为2.8°×2.8°的网格,根据星下点位置,筛选出每个网格内的CloudSat卫星扫描的廓线,然后选取所需要的物理量进行网格内平均,统计出这些物理量在东亚各个区域的月平均分布情况。然后按三个月为一季进行划分,3、4、5月为春季,6、7、8月为夏季,9、10、11月为秋季,12、1、2月为冬季,最终统计出各个物理量在东亚不同区域上的季节分布情况。由于CPR雷达在地表以上2~3 层即0.48~0.72 km范围内的值不确定性较大(Stephens et al.,2008),文中的垂直廓线在统计平均时去除了地表以上3层(即0.72 km)以下的值。需要说明的是,CloudSat提供的云微物理量产品主要有2B-CWC-RO和2B-CWC-RVOD。本文对两种产品都进行了分析和对比,得出的结果基本一致。Protat et al.(2010)也指出CloudSat两种微物理产品(2B- CWC-RO和2B-CWC-RVOD)统计上来说几乎完全相同。因此,用2B-CWC-RO产品可以满足本文的研究需要。下文中只给出了用2B-CWC-RO产品的统计分析结果,并在给出平均结果同时也给出了相应的标 准差 。 3 结果和分析 3.1 东亚地区云水路径的分布及其季节变化 3.1.1 云水路径的水平分布及其季节变化
东亚地区冰水路径的季节变化比较显著,从图 2中可以看出,冰水路径值的范围在700 g m−2以下,夏秋两季的值较高,春季次之,冬季最小,高值区分布在北纬40度以南区域。春季高值区范围较小,东部海域上有小范围的高值区存在,最大值达到400 g m−2以上,我国长江中下游地区以及东海海域也有小范围的高值,最大值为300 g m−2以上;夏季高值区分布的范围最大,青藏高原地区、华南地区以及东部海域上空大部分区域都有高值分布,最大值为400 g m−2以上;秋季高值范围向东南移动,基本分布在东部海域上空,最大值没有减弱;冬季整个东亚地区冰水路径的值均较低,没有明显的高值区存在。这种季节分布的差异主要受大气中水汽含量的影响,夏季北纬15°到40°之间东亚地区接收的太阳辐射较多,地表蒸发量增大,因此使得大气中水汽含量增多,加大了整层大气中云的冰水路径值。而接近冬季时,大气中的水汽主要集中在洋面,故东亚地区冰水路径的值普遍较小,大部分高值区位于洋面上空。
液态水路径在东亚地区的分布情况与冰水路径相近,高值区也普遍集中在北纬40度以南地区,大小在600 g m−2以下。夏季和冬季液态水路径的值比较大,秋季次之,春季较小。春季高值区位于青藏高原东南侧、南方地区以及东部海域上空,最大值在250 g m−2以上;夏季高值区移到青藏高原南侧上空,最大值增加到400 g m−2以上,东部海域的值分布范围减小;秋季高值区向东扩展,分裂成两个中心,分别位于青藏高原东南侧和东海海域上空,最大值有所减弱,达到350 g m−2以上;冬季高值区基本移至东部海域,最大值增大为400 g m−2以上。可以看出,东亚地区液态水路径的分布同样受到大气中水汽含量的影响,夏季青藏高原南侧受印度西南夏季风的影响,水汽的输送较大,且由于高原的阻挡作用,导致大量水汽在此堆积,整个 大气中水汽含量较大,因此液态水路径的高值区集中于此;这与杨大升等(2012)研究中给出的夏季东亚地区液态水路径最大值出现在25°~32°纬度带上的观点一致。冬季东部海域上蒸发量大,液态水路径的高值集中在洋面上空。这种季节变化与东亚季风的季节振荡也有一定的相似之处。 3.1.2 不同区域云水路径平均值的季节变化
表 1中给出的是东亚不同区域内冰水路径、液态水路径平均值的季节变化情况。可以看出,东亚地区不同区域内冰水路径的平均值在400 g m−2以下,夏季的值普遍比其他季节大,春秋次之,冬季最小。从区域差异来看,冰水路径从大到小依次为南方地区、东部海域、青藏高原地区、北方地区、西北地区,其中南方地区夏季的平均值达到394.3 g m−2,是所有区域中最大的,西北地区冬季的平均值最小,只有78.5 g m−2。这是因为南方地区和东部海域的水汽条件丰富,整层大气中云的含水量比其他区域高,夏季温度高更有利于蒸发,而西北地区大部分处在干旱半干旱区,水汽较少,云的冰水含量较低,冬季受北部干空气的影响冰水含量达到最低水平。南方地区季节差异最大,夏季和冬季的差值达到310 g m−2,西北地区季节差异最小,夏季和冬季的差值仅为133 g m−2。
参考文献
|