1 引言

云对地球—大气系统的辐射收支平衡起着重要作用，云吸收、反射、散射太阳短波辐射，减少到达地面的太阳短波辐射，同时云还会吸收和发射长波辐射。云的短波和长波辐射效应与云的宏观特性以及微物理特性密切相关，而云的宏微观特性时空变化极大，给观测带来很大难度，因此云与辐射相互作用仍然是气候变化研究中的热点与难点（Potter et al., 1981；Ramanathan et al., 1989）。云的存在使得辐射收支发生相应变化的辐射值定义为云的辐射强迫（CRF：cloud radiative forcing）。大气层顶及地面的云辐射强迫可以分别通过卫星或者地基辐射观测资料计算得到。研究结果显示，不同类型云的辐射强迫不同，取决于云的分布、云粒子有效半径、云滴粒子数浓度等特征。高度低、光学厚度大及水平覆盖范围广的云，如层积云，会将大部分向下短波辐射反射回太空，地面接收到的太阳辐射减小，造成地面的辐射强迫为负值。高度较高、光学厚度小的高云，如卷云，其地面辐射强迫一般为正值（Hartmann et al., 1992；Liang and Wang, 1997）。本研究涉及的尺度相对较小的淡积云（一般其水平与垂直尺度相当），在海上和陆地上也经常成簇出现，它们对地面辐射收支的影响不能忽略。但由于散布的淡积云生命期短、水平尺度小、时空分布变化大，现有的探测手段（卫星遥感、地基云雷达、激光雷达和气象探空等）较难对其进行精细的观测，而现有的3维辐射传输模式的模拟计算需要观测的验证，所以其辐射效应还存在很多不确定性（陈洪滨，1997；Sengupta et al., 2004；Dupont and Haeffelin, 2008；Ghate et al., 2009）。

云的识别与分类是进行云—辐射—气候相互作用研究的基础。Duchon and O’Malley（1999）基于模式计算的晴天辐射和地面辐射表观测值进行比较，判别出卷云、积云、层云、降水等天空状况，识别结果与人工观测比较正确率为45%。Long and Ackerman（2000）结合地表总辐射和散射辐射资料判断天空状况，区分出晴天和云天。Long et al.（2006）根据地表散射辐射与云量的线性关系，提出了利用散射辐射值估算云量的方法。汤金平等（2011）对Long et al.（2006）的云检测算法进行了改进，减少了因水汽柱总量、气溶胶浓度和系统测量偏差等造成的误差。Chen et al.（2000）估算了全球范围内大气层顶积云引起的年平均辐射效应为−4.6 Wm^-2。Berg et al.（2011）基于Long et al.（2006）的工作，对2000年至2007年美国大平原地区淡积云短波及长波地表辐射强迫作了计算，分别为−45.5 W m⁻²和15.9 W m⁻²；同时观测到因为积云的时空分布非均一性使得辐射表的短波辐射值短时间内会比晴空短波辐射高20%。

云水平尺度、云间距等云宏观特征对辐射传输模式中云的辐射参数化很重要（Lane et al., 2002；Jiang et al., 2008）。近年来国内外学者采用地面遥感观测、模式模拟及卫星观测等手段对淡积云的水平尺度进行了一些研究。Sengupta et al.（1990）利用Landsat卫星图像研究发现，淡积云水平尺度分布满足幂率分布。Lane et al.（2002）分析了美国大平原地区16天的云高仪资料，得出淡积云水平尺度在200 m至4000 m之间，尺度分布满足指数分布规律。Chandra et al.（2013）利用针对美国大平原地区用13年云雷达观测资料，分析得到60%的淡积云水平尺度小于500 m。

已有研究表明，从地面总辐射表的测量不仅能够区分多种天空状况，而且能给出多种类型云的辐射强迫。除此之外，辐射表还具有精度高、仪器简单、成本低、维护简便以及使用范围广等优点。其他学者研究工作是基于人工观测或者其他遥感手段识别淡积云，利用地面辐射表的测量估算淡积云的辐射强迫，没有直接采用辐射表资料识别淡积云并计算其水平尺度的方法。本文针对这一问题，利用在内蒙古草原获得的地面太阳总辐射观测资料，研究并检验识别淡积云的方法，进而计算淡积云的水平尺度及其辐射强迫。以下论文结构为：第二节详细介绍数据和计算方法；第三节讨论分析内蒙古草原夏季淡积云的辐射强迫和水平尺度；最后一节为总结。

2 数据及算法介绍

本文使用的数据来自内蒙古草原地区夏季浅对流云观测试验获得的短波总辐射数据。观测地点位于内蒙古白旗（42.23°N, 114.99°E），海拔高度约1300 m，距离北京市约300 km。该地属于蒙古高原，地形略有起伏，开阔平地与山丘高度差小于50 m，下垫面多为草地。观测点安装短波总辐射表（CMP11）开展短波辐射测量，该型总辐射表光谱波长范围为285~2800 nm，辐射表在安装使用前已完成定标比对工作。该系统采样频率1 Hz，数据记录分辨率为1min，辐射表记录的变量包括1 min内电压的平均值、最小值、最大值和标准偏差。根据辐射表的灵敏度系数，将数据采集器输出的辐射要素电压信号转为辐照度值。总辐射表采集了2015（7月15日至8月9日）和2016年（7月9日至10月10日）夏季的向下短波总辐射数据，观测天数共118天。

2.1 算法介绍

当淡积云移动经过总辐射表遮挡太阳光的时候，低云移动的速度远大于太阳光束偏移速度，太阳移动速度可以忽略（Duchon and O’Malley，1999）。晴空无云时，辐射表的辐照度信号主要来自太阳光，在气溶胶浓度较低时散射辐射度约占15%。当天空有云遮挡太阳光时，辐照度随之减小。

图 1给出了晴空、阴天、积雨云、淡积云条件下地表总辐射测量结果，显示不同云况下总辐射有明显区别。晴天条件下（图 1a），地面接收到的短波总辐射曲线光滑，随太阳天顶角变化而平滑的变化。当全天云量为10成时，短波总辐射远远小于晴空总辐射值（图 1b），辐射表接收到的总辐射通量近似于全天空散射辐射通量。图 1c为当地时间下午15:00（当地时间，下同）经历积雨云天气的情况，在15:00时刻总辐射减少到20 W m⁻²，持续近一个小时。图 1d为典型淡积云天情况，总辐射值在10:30时刻开始出现上下变动，变化幅度大，此后有多次变动，15:00后显著变动消失，期间总辐射最小值为200 W m⁻²，这种现象主要是由淡积云的空间分布不均匀造成的。Berg et al.（2011）指出淡积云瞬时短波辐射强迫变化很大，从−565 W m⁻²到200 W m⁻²，短波辐射强迫小时平均值为−45 W m⁻²。根据上述特点，本文选取淡积云天的三个变量：辐射强迫（F_cloud）、透过率（τ）以及辐射通量时间变化率（D）进行统计分析，计算公式如下：

$ {F_{{\rm{cloud}}}} = {F_{{\rm{obs}}}} - {F_{{\rm{clear}}}} $

(1)

$ \tau = {F_{{\rm{obs}}}}/{F_{{\rm{clear}}}} $

(2)

$ D = |\Delta {F_{{\rm{obs}}}}|/\Delta t $

(3)

其中，F_obs是辐射表观测得到地面短波总辐射通量（单位：W m⁻²），F_clear是根据Long and Ackerman（2000）方法拟合的晴空短波总辐射通量，τ是短波辐射通量观测值与晴空短波辐射通量拟合值的比，D是单位时间内观测的短波辐射通量变化的绝对值（单位W m⁻² min⁻¹）。

根据人工观测记录，2015年8月6、8和9日三天白天出现了典型淡积云。通过统计总辐射观测值出现的每一次抖动，图 2给出这三天F_cloud、τ以及D的统计特征分布，给定淡积云对应的三个量的阈值范围：F_cloud＜−45 W m⁻²，τ＜0.9，D＞150 W m⁻² min⁻¹。图 2a中F_cloud大于0、τ大于1的说明总辐射观测值与晴空模拟值接近，甚至超过晴空模拟值，这种波动是由于淡积云侧边散射太阳辐射造成的地面辐射通量“异常”增加（陈洪滨，1997）。

根据上述淡积云天的地面总辐射值变化特点以及特征阈值，建立淡积云检测识别算法及淡积云水平尺度算法。图 3为淡积云检测识别算法具体流程。首先参考Long and Ackerman（2000）、汤金平等（2011）经验公式基于观测辐射值拟合晴天地表向下太阳总辐射，当云量为10成或者全天下雨时，经验公式不能正确拟合出晴空地表总辐射（图 3a），将这种天空状况剔除；对成功拟合出晴空地表总辐射的情况进行下一步筛选，当出现层积云或者积雨云时，辐射表接收到总辐射观测值会出现长时间的辐射减小（如图 3b），抖动时间间隔大于40 min，并且τ小于0.5，算法将这种情况剔除；最后进一步筛选，当太阳天顶角小于70°时，地表总辐射值抖动变化满足阈值条件的情况，检定为淡积云天（图 3c）。

当天空有淡积云时，淡积云遮挡太阳辐射将造成地表太阳总辐射值显著减少，遮挡时间与淡积云水平尺度有关；随着淡积云移开，地表太阳总辐射值随之增加（注：虽然淡积云遮挡太阳与辐射表之间的光路是随机的，本文假定云块经过太阳辐射光路的距离就是云的水平尺度）。忽略淡积云垂直尺度时（图 4a），同样一朵淡积云遮挡辐射表的时间，在不同太阳天顶角下没有区别；只考虑淡积云垂直尺度时（图 4b），同样一朵淡积云遮挡辐射表的时间与太阳天顶角相关，太阳天顶角越小，遮挡时间越长；研究结果表明淡积云水平尺度和垂直尺度相当（Stull and Eloranta, 1984）（如图 4c），淡积云的水平尺度L（单位：m）计算公式如下：

$ L = U \cdot \Delta t/(1 + \tan (\theta)/{A_r}), $

(4)

其中，U为淡积云移动速度，用淡积云所在高度的水平风速代替（单位：m s⁻¹）；Δt为总辐射值减少的时间长度（单位：s）；θ为太阳天顶角（单位：rad）；A_r是水平尺度与垂直尺度（H）的比值，本文设定A_r为1。Chandra et al.（2013）计算了A_r，得到近60%的淡积云A_r小于1，A_r最大能到4.8。

2.2 误差分析

本文利用淡积云检验识别算法对2015~2016年夏季内蒙古白旗观测点118天地面短波总辐射数据进行识别分析。算法识别出淡积云天共19天，人工和摄像观测记录淡积云天共20天，识别结果与人工观测记录一致的有15天，表明该淡积云检测识别算法能较好地识别出淡积云天。检测识别算法和人工观测记录存在差异的有5天，主要原因分别是：（1）人工记录一天观测4次，在没有人工观测时段内出现降雨等情况没有记录下来；（2）辐射表观测数据时间分辨率是1 min，可能不能观测到尺度较小或很快消散的淡积云；（3）淡积云检测识别算法阈值相对严格，即使中午出现淡积云，但是早晨或者傍晚出现下雨的情况，这一天都不算淡积云天；（4）当天空既有卷云又有淡积云的时候，辐射表不能区分并剔除；（5）淡积云都出现在天空其他方向，在太阳视线方向没有形成遮挡。

根据计算淡积云水平尺度公式（4），可知误差来自云移动速度（U）、淡积云水平垂直尺度比（A_r）以及云移动遮挡辐射表时太阳天顶角变化（Δθ）三个部分。公式4中以上三个量需要设定，本文取A_r为1，U取4.5 m s⁻¹，Δθ取0。Δθ取0时，认为云移动速度远远大于太阳移动的速度，云移动遮挡辐射表的过程中，太阳天顶角不发生变化。表 1给出了这三个影响因素的误差分析结果。当A_r变化范围在0.5~1.5之间时（Chandra et al., 2013），淡积云水平尺度绝对偏差为−31.9±191.5 m，相对偏差为−2.1%±14.9%。U值由欧洲数值中心再分析资料计算得到，本文取2015~2016年淡积云天600~700 hPa高度的水平风速（Shi et al., 2017），变化范围在3.4~5.4 m s⁻¹之间，对应的水平尺度绝对偏差为−30±186.1 m，相对偏差为−2.2%±13.8%。不同太阳天顶角下，当淡积云遮挡太阳时间在0~30 min之间变化时，Δθ的变化范围为0~5.5°，对应的水平尺度绝对偏差为0±0.002 m，相对偏差为−0.3%±6.9%。综上可见，云移动遮挡辐射表时，太阳天顶角的变化可以忽略；水平垂直尺度比值对计算淡积云的水平尺度影响最大；估算的淡积云水平尺度L与所在高度风速U成线性正比，所以L估算精度与U的精度直接相关。

3 淡积云辐射强迫及水平尺度分析

图 5给出了2015年8月6日淡积云的水平尺度及其辐射强迫。当地时间11:48淡积云生成，17:23后淡积云逐渐消散。图 5a中用淡积云检测识别算法给出了遮挡辐射表的淡积云个数，共11个。计算的淡积云水平尺度在191.3~2779.0 m之间，平均值为1299.9 m；云间距在196.2~8639.7 m之间，平均值为3661.8 m（图 5b）。淡积云辐射强迫平均为−51.6 W m⁻²，透过率为0.9（图 5c、d）。此结果和Berg et al.（2011）的非常近似，他们同样用地面总辐射数据，估算的淡积云短波辐射强迫和透过率，分别为−45.5 W m⁻²和0.92。Dong et al.（2006）计算所有低云短波辐射强迫约为−87.6 W m⁻²，长波辐射强迫为40.7 W m⁻²。

本工作统计了内蒙古白旗2015~2016年夏季淡积云水平尺度、云间距、辐射强迫和透过率四个特征量，118天观测中共有19天出现淡积云，图 6中给出了147朵淡积云经过并遮挡地面辐射表时的统计结果。淡积云水平尺度平均值为1129 m，近60%的水平尺度小于1000 m，最大水平尺度小于4500 m；云间距平均为1517.9 m，70%云间距小于2000 m，最大云间距小于8000 m（图 6a、b）；水平尺度和云间距都呈现出频率随尺度增加指数下降趋势。Chandra et al.（2013）用云雷达观测美国大平原地区近13年淡积云水平尺度和云间距，表明60%水平尺度小于500 m，最大水平尺度近5000 m；云间距80%小于2000 m，最大云间距为6000 m。从图 6c、d看出，淡积云小时平均辐射强迫为−134.1 W m⁻²，透过率平均值为0.8。本文得到的淡积云短波辐射强迫绝对值与Berg et al.（2011）相比偏高（−45.5 W m⁻²），可能原因是本文中淡积云检测算法相对严格，可能滤除了一些小的淡积云，此外差异也可能与太阳天顶角的差异有关。

图 7还给出了淡积云水平尺度概率密度分布拟合曲线。图中样本数147个，尺度间隔300 m。可见，尺度概率密度分布满足幂律分布，概率密度随着水平尺度增加快速降低，幂指数b为−0.91。其他学者的研究结果，也一致认为，淡积云尺度分布满足幂律分布（Neggers et al., 2003；Jiang et al., 2008；Chandra et al., 2013），但不同观测手段得到的淡积云水平尺度存在一定差异。Jiang et al.（2008）飞机观测到淡积云水平尺度分布幂指数b为−2.3；Neggers et al.（2003）用大涡模式（LES）模拟得到水平尺度幂律分布b为−1.7；Chandra et al.（2013）云雷达观测结果，b为−1.16。不同的观测手段，采样方式不同，观测地点不同，观测时气象条件也存在差异，这些因素都可能造成幂指数存在差异。

4 总结

辐射表具有精度高、仪器简单、成本低、维护简便以及使用范围广等优点。本文根据辐射表测得的总辐射值在不同类型云时的差异，提出检测识别淡积云以及计算淡积云水平尺度的方法，并对该算法进行了误差分析，进而统计分析了内蒙古草原地区2015~2016年夏季淡积云水平尺度及其辐射强迫特征值。结果表明：（1）淡积云检测方法能比较好的识别、筛选出淡积云天，与人工观测比较存在差异可能是辐射表观测数据时间分辨率是1 min，辐射表可能不能观测到尺度较小或很快消散的淡积云。（2）淡积云水平尺度与淡积云所在高度风速成正比，风速设定精度直接影响水平尺度估算的准确性；水平与垂直尺度比值对计算淡积云水平尺度影响最大；云移动经过并遮挡辐射表时段内，太阳天顶角的变化对水平尺度影响可以忽略不计。（3）内蒙古白旗夏季淡积云小时平均短波辐射强迫为−134.1 W m⁻²，透过率平均值为0.8，水平尺度平均值为1129 m，云间距平均值为1517.9 m，水平尺度概率密度服从幂指数分布。

检测识别算法及计算水平尺度方法，为观测淡积云提供一种新方法。识别算法和人工观测记录比较吻合，还存在一些问题尚未解决。例如：云块间距很小时候，两块小云可能被误判为一块大云，造成计算水平尺度产生误差；很难区分卷云和淡积云共存的情况；辐射表数据记录分辨率低，可能导致很难观测到小块并且消散很快的淡积云。另外，许多气象观测站中安装了太阳辐射表或者四分量辐射表，并且具有较长的观测历史。下一步工作将分析不同类型云的辐射强迫特征，并利用大量历史总辐射表资料给出淡积云时间演变和空间分布特征等。