云的时空变化是影响全球气候变化的重要因子之一。云直接参与降水过程,从而影响地球水循环;又通过自身发射长波辐射、反射太阳短波辐射和吸收地球长波辐射,进而影响着地气系统的辐射收支(Wetherald and Manabe, 1988; Freud et al., 2008)。同时,不同云系因其微物理特性(粒子大小和相态等)、宏观特性(覆盖范围、高度、厚度等)的区别,对地球水循环和地气系统辐射收支有着不同的影响(Charlson et al., 1987; Albrecht et al., 1988; Kiehl, 1994; Chen et al., 2000)。而大气环流模式(General Circulation Model, GCM)作为目前气候及气候变化研究的重要工具之一,在模拟云的时空分布和微物理特性上还存在较大的不确定性(Zhang et al., 2005;Bony et al., 2006)。政府间气候变化专门委员会(IPCC)2007年的评估报告指出,云反馈是模式间气候敏感性差异的一个重要来源(Randall et al., 2007)。因此,研究不同类型云系的宏观结构及其微物理参数特征,对认识云系的气候反馈十分重要,是当前云气候学研究的核心目标之一,也是实现云微物理参数反演算法的首要步骤(Sassen and Wang, 2008)。
多层云系普遍存在于大气中,约占总云量的40% (Tian and Curry, 1989;Wang et al., 2000;Wang and Dessler, 2006)。许多模式模拟研究结果表明,多层云系的垂直结构对地气系统的辐射及大气环流分布有着十分重要的影响(Warren et al., 1985;Randall et al., 1989;Tian and Curry, 1989;Slingo and Slingo, 1991;Liang and Wang, 1997;Wang and Rossow, 1998;Barker et al., 1999;Morcrette and Jakob, 2000)。学者们以往基于地面观测和无线电探空的数据来了解多层云系的空间分布和垂直结构(Hahn et al., 1984;Ramaswamy and Ramanathan, 1989;Tian and Curry, 1989;Wang et al., 2000)。Hahn et al. (1984)利用地面观测数据对1971~1980年全球多层云系的分布特点及其云类组成进行了统计分析,发现多层云系往往出现在气旋系统中,且以不同形式的云类组合出现,如卷云常常与低云(层云和层积云)或与中云(高层云和高积云)组合出现。Wang et al. (2000)利用探空观测数据统计分析了1976~1995年全球陆面多层云系的空间分布,发现多层云系可占总云量的42%,其中67%为双层云。
然而,地面观测的云资料只能给出云系的底层云信息,且为人眼观测,受主观因素影响大。无线电探空资料能给出云系内的温湿风垂直结构,夏静雯和傅云飞(2016)利用1998~2012年全球常规无线电探空数据集(Integrated Global Radiosonde Archive, IGRA)与TRMM卫星搭载的降雨雷达(Precipitation Radar, PR)探测结果的融合资料对比分析了东亚和南亚雨季降水云内的温湿结构。但无线电探空覆盖范围较小,且无法探测到大部分洋面的云信息。随着搭载毫米波云廓线雷达(Cloud Profile Radar, CPR)的云卫星CloudSat于2006年4月发射升空,其探测结果为研究全球云的垂直结构特征提供了有力手段(Stephens et al., 2002)。Sassen and Wang (2008)对比了CPR探测资料和ISCCP云资料2006年6月至2007年6月云量的统计结果,表示CPR探测资料是可信的。还有许多研究结合再分析资料与CPR探测资料对天气过程进行个例分析,得到天气过程中典型云系CPR回波强度和云微物理特性的垂直分布特征(王东海等,2008;周毓荃和赵姝慧,2008;赵姝慧和周毓荃,2010;钟水新等,2011;施春华等,2013)。严卫等(2013)和韩丁等(2013)利用2006~2010年的CPR探测资料分别统计分析了大西洋和东太平洋台风在各演变阶段的云类出现概率、CPR回波强度和云微物理量的垂直分布情况。最近,Yi et al. (2015)利用CPR探测资料研究了北太平洋的深厚对流云的垂直结构及其与洋面气旋活动的关系。Chen et al. (2017)利用CPR探测资料研究了夏季青藏高原南坡复杂地形对云结构的影响,发现斜坡上云内雷达回波强度最大,即在降水多发生在坡上。以上研究结果表明,CPR探测资料可用于云系的垂直结构分析。
在关于多层云系的研究中,Mace et al.(2007)统计了2006年全球夏季CPR探测总云量情况,发现全球总云量为50.6%,且其中约17%为多层云系。Mace et al. (2009)利用CPR探测资料和云—气溶胶偏振激光雷达(Cloud-Aerosal Lidar with Orthogonal Polarization, CALIOP)探测资料的融合数据,分析了2006年7月至2007年6月全球多层云系的分布情况,发现多层云系在不同纬度带和下垫面有着较大的区别。学者们还利用以上融合数据对亚洲部分区域多层云系云量的水平分布特征与云顶和云底高度特征及其相应的季节变化进行了研究(李积明等,2009;汪会等,2011;王帅辉等,2011;彭杰等,2013)。Lü et al. (2015)基于此融合资料还统计分析了全球单层云系和多层云系的云量分布和辐射加热率。但到目前为止,我们对多层云系的垂直结构及其云微物理参数空间分布特征的认识还很有限。
为深入了解多层云系的垂直结构及其云微物理参数的空间分布特征,本文利用2007~2010年夏季(6~8月)CPR在北半球的探测结果,就单层云系和多层云系的云量、云顶和云底高度、云层厚度、不同云类的出现频率、CPR回波强度垂直结构、云水路径等的分布特征进行了研究,为数值模式模拟云提供观测事实依据、为后续研究云辐射强迫效应等奠定基础。
2 资料和分析方法云廓线雷达CPR有效载荷为94 GHz,可探测的最小反射率-29 dBZ (Stephens et al., 2002)。本研究所采用的卫星资料为由CPR探测资料提供的2B-GEOPROF、2B-CLDCLASS和2B-CWC-RO三个标准产品。每个数据文件有约37081条垂直廓线数据,每条廓线中包含125个雷达距离分辨率体积(RRV),每个RRV水平分辨率为2.5 km×1.4 km、垂直分辨率为0.24 km。其中,2B-GEOPROF产品提供云判别和雷达回波反射率因子数据;2B-CLDCLASS产品提供云分类信息,云类分别为无云(No cloud)、卷云(Cirrus)、高层云(As)、高积云(Ac)、层云(St和Sc)、积云(Cu)、雨层云(Ns)和深对流(Deep);2B-CWC-RO产品提供反演得到的RRV中的云水含量数据。本研究将北半球0°~60°N区域选定为研究区域。由于从2011年起CPR缺少夜间的观测数据,本文选取2007~2010年夏季(6~8月)为研究时间段。在做大范围物理量水平分布图时,本文参考了傅云飞等(2008)的格点化方案将逐轨资料处理到5°(纬度)×5°(经度)格点上。2007~2010年北半球夏季(6~8月)CPR探测廓线总样本数如图 1a所示。由图可见,在5°(纬度)×5°(经度)格点中CPR探测的累积廓线样本数超过66000,统计结果具有可靠性。
由于CPR没有提供其探测的云层分层信息产品,本研究将根据以下条件对CPR给出的逐条廓线进行云层检测,检测方法如下:
(1)垂直方向有间隙的云层:将廓线中雷达回波反射率因子有效(>-29 dBZ)且云类相同的连续RRV标记为同一云层,且两云层之间至少存在一个雷达回波反射率因子不在有效范围内或被判定为无云的RRV,即云层间隙的距离大于0.24 km;
(2)垂直方向云层无间隙,但为不同类云层:当垂直廓线中连续RRV均被判定为有云且雷达回波反射率因子在有效范围内,但云类不同时,将云类相同的连续RRV分别标记为不同云层。
此外,云层的云顶高度为该云层自上而下第一个标记为有云的RRV所在高度;云层的云底高度为该云层自上而下最后一个标记为有云的RRV的高度;云层厚度为对应云顶高度与云底高度的差值。图 2为2007年6月1日05815轨道云类的剖面分布以及根据上述原则的云层检测结果,由图可见此检测方法能很好地区分每条廓线中不同云层的边界。
为统计云量的水平分布特征,本研究采用了Mace et al. (2007)的云量统计方法,利用研究时间段内在分辨率为5°(纬度)×5°(经度)格点内统计得到CPR探测的总廓线数Ntotal和相应格点内CPR探测到判定为有云的廓线数
$F = \frac{{{N_{{\rm{cloud}}}}}}{{{N_{{\rm{total}}}}}} \times 100{\rm{\% }},$ | (1) |
据此方法,表 1给出了2007~2010年夏季(6~8月)北半球以及洋面和陆面总云量和单层云、双层云、三层云以及大于三层云系的云量情况。由于云层数大于3的多层云系云量过少(小于0.5%),后续研究只对单层云系、双层云系和三层云系进行统计分析。
由于不同类型云的形成过程和微物理特性不同,它们对地气系统的辐射收支平衡有着不同的影响(Hartmann et al., 1992)。而多层云系通常由不同类型的云组成(Hahn et al., 1984),因此本研究统计了各云类(type)在云系不同云层中的出现频率
${F_{{\rm{type}}}} = \frac{{{N_{{\rm{type}}}}}}{{{N_{{\rm{layer}}}}}} \times 100{\rm{\% }},$ | (2) |
其中,
此外,云水路径是模式模拟微物理过程的重要参数。为研究各云层云水路径的水平分布,本文根据以下方法计算廓线中各云层云水路径(Cloud Water Path, CWP,记为P):
$P = \mathop \sum \limits_{i = 1}^n {C_{{\rm{WC}}}}_i \cdot \Delta h,$ | (3) |
其中,
为研究大气环流背景场与云层发展的关系,本研究还采用了欧洲中期天气预报中心(ECMWF)提供的ERA-Interim再分析数据集中500 hPa和850 hPa高度场以及海表温度场的月平均数据,其水平分辨率为5°(纬度)×5°(经度)。
3 结果分析 3.1 云量水平分布特征为了分析云量的水平分布情况,图 1 b给出了2007~2010年北半球夏季(6~8月)总云量在5°(纬度)×5°(经度)格点分辨率的水平分布。由图可见,在非洲中部、亚洲季风区、青藏高原南侧、热带辐合带(intertropical convergence zone, ITCZ)、北太平洋西北区域和北大西洋西北区域上空,总云量几乎都在60%以上,其中在亚洲季风区上空总云量值最高,高于86%。而云量低值区(< 15%)则主要分布在由副热带高压控制的沙哈拉沙漠、副热带太平洋和副热带大西洋东侧区域。这与刘奇等(2010)基于1984~2004年ISCCP资料统计所得夏季云量水平分布基本一致。值得注意的是,虽然水平分布情况一致,本文所得的2007~2010年北半球夏季总云量值为46.56%(表 1),与Mace et al. (2007)统计所得的2006年全球夏季总云量值50.6%相近,但却低于刘奇等(2010)统计得到的北半球总云量气候值(>60%),这主要是由于CPR对接近地表的Cu以及光学厚度较薄的Cirrus漏测导致的。Sassen and Wang(2008)研究结果就表明,由于地表辐射影响以及较薄的Cu和Cirrus中云粒子不易被CPR识别,CPR探测的陆面和洋面该云类云量与ISCCP云资料的相比小近10%。
进一步,图 3给出了2007~2010年北半球夏季单层云、双层云和三层云系云量的水平分布,及对应时间段内的500 hPa、850 hPa位势高度场和海表温度场的平均状态。与总云量(图 1b)分布一致,在下沉气流控制的副热带高压(北太平洋副高、北大西洋副高和北非高压)区域各云系云量均较小,单层云、双层云和三层云系云量分别低于35%、6%和1.2%。各云系云量高值区主要出现在ITCZ、北太平洋和北大西洋高纬地区以及非洲中部和亚洲季风区,这些区域对应着夏季活跃的强对流活动(刘鹏等,2012;Liu et al., 2013;Liu and Zipser, 2015),单层、双层和三层云系云量分别超过45%、14%和3%。相应地,在研究时间段内北半球0°~60°N区域单层、双层和三层云系云量分别为36.63%、8.26%和1.40%,且洋面各云系均云量略高于陆面(表 1)。
云的垂直结构对局地潜热、辐射能量传输过程有十分重要的影响,如Xian and Fu (2015)就指出,发展深厚并穿透对流层顶的对流活动可改变对流层至平流层下层的温度结构。为了探究云系的垂直结构,以下将对单层和多层云系各云层云顶高度(Cloud Top Height, CTH)、云底高度(Cloud Bottom Height, CBH)和云层厚度的空间分布特征进行分析。首先,图 4给出了单层云系(S)、双层云系(D1和D2)和三层云系(T1、T2和T3)各云层平均CTH(图 4a-4f)和CBH(图 4g-4l)在5°(纬度)×5°(经度)格点分辨率的水平分布。可见CTH高值区主要出现在ITCZ、北太平洋和北大西洋高纬地区、亚洲季风区、北美洲南部以及非洲中部地区等区域。在这些高值区中,T1和D1层CTH普遍高于11 km;S层CTH高于8 km,最高可达12 km;T2层CTH主要在6~9 km范围内;D2层约比T2层低0.5 km;T3层CTH低于5 km。总体而言,这些CTH高值区各云层由高到低的顺序为T1>D1>S>T2>D2>T3,此结果与李积明等(2009)和陈超等(2014)对东亚地区多层云的统计结果一致。而在副高控制的区域,由于被下沉气流控制,CTH表现为低值区,各云层由高到低的顺序为T1>D1>T2>S≈D2≈T3。具体而言,T1和D1层的CTH在6~8 km范围内;T2主要在5~6 km范围内;S、D2和T3层的CTH则低于3 km。相应地,由图 4g-l可见,各云层CBH的空间分布情况基本一致。在CBH高值区中,各云层由高到低的顺序与CTH高值区的一致。其中,T1层主要高于9 km;D1层高于8.6 km;S层主要在5.6~8 km范围内;T2层主要在4~7.2 km范围内;D2和T3层则低于4 km。CBH低值区各云层由高到低的顺序为T1>D1>T2>S>D2≈T3。其中,T1和D1层CBH主要在4~5 km范围内;T2层主要在3~4 km范围内;S、D2和T3层则主要低于2 km。此外,洋面多层云系的最低层(D2和T3层)CBH显著低于陆面,而在高原地势和动力及热力抬升作用(Xian and Fu, 2015)的影响下,青藏高原上D2、T2和T3层的CTH和CBH均在3 km以上,比周边地区的高。
进一步分析各云层厚度在5°(纬度)×5°(经度)格点分辨率的水平分布情况(图 5)。从图中可以看出在大部分区域,S层云层厚度最大,D1、D2和T1层次之,T2和T3层最薄。这与彭杰等(2013)对东亚地区多层云云层厚度的研究结论一致,云层厚度随着云层数的增大而减小,且多层云系中的上层云厚度大于下层云。S层厚度高值区主要出现在亚洲季风区、非洲中部以及ITCZ区域,云层厚度基本超过4 km。另外,在非洲北部、阿拉伯湾西侧、北太平洋东部和北大西洋东部CTH和CBH均较低(图 4),云层厚度基本在1.6 km以下。D1、D2和T1云层的分布基本一致,云层厚度均在0.4~3.8 km范围内,而T2、T3云层厚度最薄(< 1.8 km),它们的低值区主要分布在大洋东部以及40°N以北的陆面。
结合以上对单层云系和多层云系各云层CTH、CBH和云层厚度的水平分布的分析结果可见,在夏季对流旺盛的区域,单层云系和多层云系各云层CTH、CBH和厚度均表现为高值区,这可能是由于这些区域对应着夏季较大尺度的强对流活动且水汽充足导致的。而在副热带下沉气流控制区域上空,云层则较低且薄,且这些云层多分布在洋面上。
此外,在以上各参量的水平分布图中海陆交界处均存在着显著的梯度,说明由于洋面和陆面对水汽运输过程的差异对云的形成也有着不同的影响(刘奇等,2010)。因此以下对单层云系和多层云系各云层中云类的垂直分布特征及其海陆差异作进一步分析。考虑到多层云系常由不同云类组合而成,为细致地研究单层和多层云系的云类组成,我们统计了在CTH与CBH构成的分辨率为0.25 km×0.25 km的二维坐标系各格点中出现频次最多的云类,图 6和图 7分别为洋面和陆面的云类分布。由于各云类形成的环流背景一致,洋面和陆面各云层占主导云类的垂直分布情况大体上相似,与Liang and Wu(2005)用云模式CRM模拟所得结果十分相近。由图可见,深对流(Deep)和积云(Cu)最多出现在S、D2和T3层中,两者CBH均接近地面(< 2 km),但前者CTH超过7 km的深厚云层,后者CTH在3~6 km范围内;CBH接地的雨层云(Ns)主要出现在S层中,CTH在5~10 km的范围内;层积云(Sc)多出现在近地面3 km范围内;对于CBH在3~7 km的中云(高积云Ac和高层云As)而言,Ac在7 km以下占主导地位,而As的CTH则在7~15 km范围内;卷云(Cirrus)则主要为CBH大于7 km,CTH为8~15 km,厚度小于5 km的云层。对比各云层发现,Deep在S层中发展最为深厚(CTH可达15 km以上),D2层次之,T3层最小(< 13 km)。在多层云系中,云层越低,占主导的Ac越高,As的厚度越小。Cirrus的CBH和厚度则分别随云层位置的降低而升高和减小。
根据图 6和图 7对比海陆差异发现,云层中占主导的Deep、Ns、Sc和Cirrus在陆面的厚度均比洋面大,且陆面Deep和Ns的CBH变化范围比洋面大。此外,洋面和陆面各云层中云类的出现频率(表 2)表示,S层中各云类出现频率相近;多层云系上层(T1和D1)主要由Cirrus占主导(>50%);中层T2以Ac为主,出现频率超过50%;下层D2主要由中云(Ac和As)和Sc占主导,其中Sc在洋面的出现频率(39.66%)明显高于陆面(30.98%),而中云(Ac和As)则相反,在洋面和陆面的出现频率分别为33.93%和43.40%;T3则以Sc为主。我们还结合了与图 6和图 7对应的各云层在CTH-CBH坐标系中的概率分布情况(图略)进行对比,所得结果与上述分析一致。
Yuter and Houze Jr (1995)最初提出等频率高度图(contoured frequency by altitude diagram, CFAD)方法描绘风暴在不同高度和不同值域的发生频率,此方法能很好地反映降水系统在垂直方向上的变化,解决了传统空间横截面不易描述风暴结构特征的难题。因此,为进一步研究单层云系和多层云系各云层的垂直结构,我们利用CFAD方法统计了不同回波强度的CPR回波信号在各高度的发生频率。此外,为了避免在统计中出现因某高度总样本量较少导致频率过大的情况,本研究进行了归一化处理,即用CFAD分辨率格点内样本量除以所有高度上的总样本数(Luo et al., 2009)。洋面和陆面CPR回波强度的CFAD统计结果分别由图 8和图 9给出。
结果表明,洋面和陆面S层的CPR回波强度的最大值约15 dBZ,出现在4 km处。由于深对流主要存在于单层云系,此分布结果与Luo et al. (2009)对深对流云的统计结果相似。在凝结高度4 km以上CPR回波强度随着高度的降低而增大,Luo et al. (2009)表示这可能是由于冰粒子在沉降过程中碰并增长导致的;在4 km以下,CPR回波强度则随高度的降低而减小,即越靠近地面云粒子半径越小。对比海陆差异发现,洋面S层在4 km以上CPR回波信号主要出现在10~13 km范围内,CPR回波强度较小为-25~-10 dBZ,这主要是由卷云中的小冰晶造成的。陆面的CPR回波信号则多出现在11 km以下,回波强度主要在-15~10 dBZ范围内,可见陆面S层该高度范围内占主导的中云(Ac和As)的云粒子半径比卷云中冰粒子大。此外,洋面S层2 km以下有回波强度为-25~0 dBZ的CPR回波信号集中出现,可见洋面2 km以下等高度上CPR回波信号分布的范围较宽,即此高度占主导的Sc等高度上云内滴谱较宽。
对于多层云系最高层(D1和T1层),洋面和陆面的CFAD基本一致,CPR回波信号主要出现在7~13 km范围内,在10 km以上由于Cirrus粒子半径较小,回波强度小于-15 dBZ。随着高度降低回波强度范围增大,此现象反映了云内粒子的半径差异增大。多层云系最低层(D2和T3层)回波信号多分布在2~7 km中,回波强度主要在-29~5 dBZ范围内。对比海陆差异,发现洋面CPR回波信号多集中在4 km以下,陆面的则在2~7 km范围内均有分布。而在多层云系中层(T2层),CPR回波信号主要分布在2.5~9 km范围内,回波强度最大值出现在5~6 km高度,洋面和陆面的CFAD分布基本一致,但洋面最大回波强度比陆面大约5 dBZ,这反映了在洋面T2中占主导的Ac云粒子半径相比陆面较大。
3.3 单层云系和多层云系云水路径水平分布特征云水路径是描述云微物理特性的一个重要物理量,它反映了云层中冰态水和液态水的总含量。地气系统的辐射通量对云水路径变化极为敏感,Slingo (1990)指出只需同时增加约20%的低云云量及液水路径可抵消CO2浓度加倍所造成的温室效应,可见准确地估计云水路径是了解云辐射强迫效应的关键。因此,本节主要探究各云层平均冰水路径和液水路径的水平分布特征。图 10a-f为单层云系、双层云系和三层云系各云层平均冰水路径在5°(纬度)×5°(经度)格点分辨率的水平分布。这表明S层平均冰水路径值最大(60~540 g/m2)。其中ITCZ、非洲中部、亚洲季风区和北美洲南部区域均超过380 g/m2。这些大值区的位置与杨冰韵等(2014)利用2007~2010年CloudSat资料对全球夏季云的冰水路径的分析结果一致。其次为D1、D2和T1层,平均冰水路径值主要在10~260 g/m2范围内。T2和T3层的平均冰水路径值最小,在100 g/m2以下。结合云层厚度分布(图 5)可发现云层越厚冰水路径越大。综上可知,云层越高、云层厚度越大,冰水路径越大。此外,在对流旺盛区域,由于上升气流可将水汽充足的气团抬升得更高,对应环境温度更低,冰水路径也相对较大。
此外,从各云层平均液水路径的水平分布(图 11)可以看出越接近地面的云层(S、D2和T3层)平均液水路径越大。其中,S层液水路径最大,基本都在160 g/m2以上,同样在印度季风区、ITCZ以及太平洋和大西洋东部区域最大(超过280 g/m2);其次是D2层,平均液水路径值主要在100~280 g/m2范围,大值区主要出现在赤道东太平洋、赤道大西洋区域以及青藏高原南侧,其中青藏高原南侧平均液水路径值最大可超过250 g/m2;T3层的液水路径在79~220 g/m2范围内,水平分布情况与D2层相似。与S、D2和T3层的不同,D1、T2和T1层平均液水路径的小值区出现在大洋的东北部和青藏高原南侧,大值区则主要分布在非洲北部(D1层)和亚洲季风区。其中D1层平均液水路径最大,主要在70~260 g/m2范围内,T2和T1层平均值相近,在60~160 g/m2范围内。
本文利用2007~2010年6~8月CPR探测资料,对北半球0°~60°N区域夏季单层云系和多层云系的统计特征进行了研究。首先分析了不同云系的云量水平分布特征,然后分析了单层云系和多层云系各云层宏观物理特性(云顶高度、云底高度和云厚)的水平分布特征、其中不同云类垂直分布和CPR回波强度的垂直结构,还研究了各云层物理参数垂直结构的海陆差异,最后分析了各云层云水路径的水平分布情况。
研究结果表明,北半球夏季总云量为46.56%,其中单层云系云量最大,达36.63%,双层和三层云系云量分别为8.26%和1.40%。云量高值区分布在夏季有较大尺度对流的区域,这些区域中各云层的云底高度、云顶高度和云厚以及冰水路径也相对较大。同时,总云量、单层和多层云系云量在副热带高压区域较低。在大部分区域,云层数越少云层越厚。在多层云系中,云层越高厚度越大。此外,各云层冰水路径的分布情况与云厚度的基本一致,其中S层的冰水路径最大,在多层云系中高层云的冰水路径比低层云大。而液水路径在S层中最大,在多层云中则与冰水路径相反,云层越低液水路径越大。
各云层垂直结构的海陆差异特征表明,洋面和陆面各云层云类的垂直分布情况基本一致,但各云层由不同的云类占主导。其中,低云(Sc)、中云(Ac和As)、Deep和Cirrus在S层出现频率相近,但陆面中云的出现频率(34.29%)显著高于洋面(20.58%),而洋面Sc的出现频率达34.27%为陆面的两倍。此外,由于洋面和陆面多层云上层(D1和T1)以及中层(T2)中占主导云类相似,其CPR回波信号CFAD分布海陆差异不显著;而单层云(S)和多层云下层(D2和T3)的主要组成云类存在差异,从而导致各云层的回波强度CFAD分布也表现出显著海陆差异。本研究增进了我们对于北半球夏季多层云系的垂直结构及其云微物理参数空间分布特征的认知,并为模式模拟云供了准确的观测事实依据。
[] | Albrecht B A, Randall D A, Nicholls S. 1988. Observations of marine stratocumulus clouds during FIRE[J]. Bull. Amer. Meteor. Soc., 69(6): 618–626. DOI:10.1175/1520-0477(1988)069<0618:OOMSCD>2.0.CO;2 |
[] | Barker H W, Stephens G L, Fu Q. 1999. The sensitivity of domain-averaged solar fluxes to assumptions about cloud geometry[J]. Quart. J. Roy. Meteor. Soc., 125(558): 2127–2152. DOI:10.1002/qj.49712555810 |
[] | Bony S, Colman R, Kattsov V M, et al. 2006. How well do we understand and evaluate climate change feedback processes?[J]. J. Climate, 19(15): 3445–3482. DOI:10.1175/JCLI3819.1 |
[] | Charlson R J, Lovelock J E, Andreae M O, et al. 1987. Oceanic phytoplankton, atmospheric sulphur, cloud albedo and climate[J]. Nature, 326(6114): 655–661. DOI:10.1038/326655a0 |
[] | 陈超, 孟辉, 靳瑞军, 等. 2014. 基于CloudSat云分类资料的华北地区云宏观特征分析[J]. 气象科技, 42(2): 294–301. Chen Chao, Meng Hui, Jin Ruijun, et al. 2014. Cloud macroscopic characteristics over North China based on CloudSat data[J]. Meteorological Science and Technology, 42(2): 294–301. DOI:10.3969/j.issn.1671-6345.2014.02.020 |
[] | Chen T, Rossow W B, Zhang Y C. 2000. Radiative effects of cloud-type variations[J]. J. Climate, 13(1): 264–286. DOI:10.1175/1520-0442(2000)013<0264:REOCTV>2.0.CO;2 |
[] | Chen Y L, Fu Y F, Xian T, et al. 2017. Characteristics of cloud cluster over the steep southern slopes of the Himalayas observed by CloudSat[J]. International Journal of Climatology, 37(11): 4043–4052. DOI:10.1002/joc.4992 |
[] | Freud E, Rosenfeld D, Andreae M O, et al. 2008. Robust relations between CCN and the vertical evolution of cloud drop size distribution in deep convective clouds[J]. Atmospheric Chemistry and Physics, 8(6): 1661–1675. DOI:10.5194/acp-8-1661-2008 |
[] | 傅云飞, 张爱民, 刘勇, 等. 2008. 基于星载测雨雷达探测的亚洲对流和层云降水季尺度特征分析[J]. 气象学报, 66(5): 730–746. Fu Yunfei, Zhang Aimin, Liu Yong, et al. 2008. Characteristics of seasonal scale convective and stratiform precipitation in Asia based on measurements by TRMM precipitation radar[J]. Acta Meteorologica Sinica, 66(5): 730–746. DOI:10.3321/j.issn:0577-6619.2008.05.007 |
[] | Hahn C J, Warren S G, London J, el al. 1984. Atlas of simultaneous occurrence of different cloud types over land[R]. NCAR Tech. Note NCAR/TN-241+STR, 211pp, doi: 10.5065/D6Q81B2M. |
[] | 韩丁, 严卫, 叶晶, 等. 2013. 基于CloudSat卫星资料分析东太平洋台风的云、降水和热力结构特征[J]. 大气科学, 37(3): 691–704. Han Ding, Yan Wei, Ye Jing, et al. 2013. Analyzing cloud, precipitation, and thermal structure characteristics of typhoons in Eastern Pacific based on CloudSat satellite data[J]. Chinese Journal of Atmospheric Sciences, 37(3): 691–704. DOI:10.3878/j.issn.1006-9895.2012.12103 |
[] | Hartmann D L, Ockert-Bell M E, Michelsen M L. 1992. The effect of cloud type on earth's energy balance:Global analysis[J]. J. Climate, 5(11): 1281–1304. DOI:10.1175/1520-0442(1992)005<1281:TEOCTO>2.0.CO;2 |
[] | Kiehl J T. 1994. Sensitivity of a GCM climate simulation to differences in continental versus maritime cloud drop size[J]. J. Geophys. Res., 99(D11): 23107–23115. DOI:10.1029/94JD01117 |
[] | 李积明, 黄建平, 衣育红, 等. 2009. 利用星载激光雷达资料研究东亚地区云垂直分布的统计特征[J]. 大气科学, 33(4): 698–707. Li Jiming, Huang Jianping, Yi Yuhong, et al. 2009. Analysis of vertical distribution of cloud in East Asia by space-based lidar data[J]. Chinese Journal of Atmospheric Sciences, 33(4): 698–707. DOI:10.3878/j.issn.1006-9895.2009.04.04 |
[] | Liang X Z, Wang W C. 1997. Cloud overlap effects on general circulation model climate simulations[J]. J. Geophys. Res., 102(D10): 11039–11047. DOI:10.1029/97JD00630 |
[] | Liang X Z, Wu X Q. 2005. Evaluation of a GCM subgrid cloud-radiation interaction parameterization using cloud-resolving model simulations[J]. Geophys.Res. Lett., 32(6): L06801. DOI:10.1029/2004GL022301 |
[] | Liu C T, Zipser E J. 2015. The global distribution of largest, deepest, and most intense precipitation systems[J]. Geophys. Res. Lett., 42(9): 3591–3595. DOI:10.1002/2015GL063776 |
[] | 刘鹏, 王雨, 冯沙, 等. 2012. 冬、夏季热带及副热带穿透性对流气候特征分析[J]. 大气科学, 36(3): 579–589. Liu Peng, Wang Yu, Feng Sha, et al. 2012. Climatological characteristics of overshooting convective precipitation in summer and winter over the tropical and subtropical regions[J]. Chinese Journal of Atmospheric Sciences, 36(3): 579–589. DOI:10.3878/j.issn.1006-9895.2011.11109 |
[] | Liu P, Li C Y, Wang Y, et al. 2013. Climatic characteristics of convective and stratiform precipitation over the tropical and subtropical areas as derived from TRMM PR[J]. Science China Earth Sciences, 56(3): 375–385. DOI:10.1007/s11430-012-4474-4 |
[] | 刘奇, 傅云飞, 冯沙. 2010. 基于ISCCP观测的云量全球分布及其在NCEP再分析场中的指示[J]. 气象学报, 68(5): 689–704. Liu Qi, Fu Yunfei, Feng Sha. 2010. Geographical patterns of the cloud amount derived from the ISCCP and their correlation with the NCEP reanalysis datasets[J]. Acta Meteorologica Sinica, 68(5): 689–704. DOI:10.11676/qxxb2010.067 |
[] | Luo Y L, Zhang R H, Wang H. 2009. Comparing occurrences and vertical structures of hydrometeors between eastern China and the Indian monsoon region using CloudSat/CALIPSO data[J]. J. Climate, 22(4): 1052–1064. DOI:10.1175/2008JCLI2606.1 |
[] | Lü Q Y, Li J M, Wang T H, et al. 2015. Cloud radiative forcing induced by layered clouds and associated impact on the atmospheric heating rate[J]. Journal of Meteorological Research, 29(5): 779–792. DOI:10.1007/s13351-015-5078-7 |
[] | Mace G G, Marchand R, Zhang Q, et al. 2007. Global hydrometeor occurrence as observed by CloudSat:Initial observations from summer 2006[J]. Geophys. Res. Lett., 34(9): L09808. DOI:10.1029/2006GL029017 |
[] | Mace G G, Zhang Q Q, Vaughan M, et al. 2009. A description of hydrometeor layer occurrence statistics derived from the first year of merged Cloudsat and CALIPSO data[J]. J. Geophys. Res., 114(D8): D00A26. DOI:10.1029/2007JD009755 |
[] | Morcrette J J, Jakob C. 2000. The response of the ECMWF model to changes in the cloud overlap assumption[J]. Mon. Wea. Rev., 128(6): 1707–1732. DOI:10.1175/1520-0493(2000)128<1707:TROTEM>2.0.CO;2 |
[] | 彭杰, 张华, 沈新勇. 2013. 东亚地区云垂直结构的CloudSat卫星观测研究[J]. 大气科学, 37(1): 91–100. Peng Jie, Zhang Hua, Shen Xinyong. 2013. Analysis of vertical structure of clouds in East Asia with CloudSat data[J]. Chinese Journal of Atmospheric Sciences, 37(1): 91–100. DOI:10.3878/j.issn.1006-9895.2012.11188 |
[] | Ramaswamy V, Ramanathan V. 1989. Solar absorption by cirrus clouds and the maintenance of the tropical upper troposphere thermal structure[J]. J. Atmos. Sci., 46(14): 2293–2310. DOI:10.1175/1520-0469(1989)046<2293:SABCCA>2.0.CO;2 |
[] | Randall D A, Harshvardhan, Dazlich D A, et al. 1989. Interactions among radiation, convection, and large-scale dynamics in a general circulation model[J]. J. Atmos. Sci., 46(13): 1943–1970. DOI:10.1175/1520-0469(1989)046<1943:IARCAL>2.0.CO;2 |
[] | Randall D A, Wood R A, Bony S, et al. 2007. Climate models and their evaluation[M]//Climate Change 2007: The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Solomon S, Qin D, Manning M, et al, Eds. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press, 589-662. |
[] | Sassen K, Wang Z E. 2008. Classifying clouds around the globe with the CloudSat radar:1-year of results[J]. Geophys. Res. Lett., 35(4): L04805. DOI:10.1029/2007GL032591 |
[] | 施春华, 李慧, 郑彬, 等. 2013. 基于Cloudsat探测的一次非典型东北冷涡结构及其降水[J]. 地球物理学报, 56(8): 2594–2602. Shi Chunhua, Li Hui, Zheng Bin, et al. 2013. An atypical cold vortex structure and its precipitation over Northeast China based on Cloudsat detection[J]. Chinese Journal of Geophysics, 56(8): 2594–2602. DOI:10.6038/cjg20130809 |
[] | Slingo A. 1990. Sensitivity of the Earth's radiation budget to changes in low clouds[J]. Nature, 343(6253): 49–51. DOI:10.1038/343049a0 |
[] | Slingo J M, Slingo A. 1991. The response of a general circulation model to cloud longwave radiative forcing. Ⅱ:Further studies[J]. Quart. J. Roy. Meteor. Soc., 117(498): 333–364. DOI:10.1002/qj.49711749805 |
[] | Stephens G L, Vane D G, Boain R J, et al. 2002. The CloudSat mission and the A-train:A new dimension of space-based observations of clouds and precipitation[J]. Bull. Amer. Meteor. Soc., 83(12): 1771–1790. DOI:10.1175/BAMS-83-12-1771 |
[] | Tian L, Curry J A. 1989. Cloud overlap statistics[J]. J.Geophys. Res., 94(D7): 9925–9935. DOI:10.1029/JD094iD07p09925 |
[] | 王东海, 柳崇健, 刘英, 等. 2008. 2008年1月中国南方低温雨雪冰冻天气特征及其天气动力学成因的初步分析[J]. 气象学报, 66(3): 405–422. Wang Donghai, Liu Chongjian, Liu Ying, et al. 2008. A preliminary analysis of features and causes of the snow storm event over the southern areas of China in January 2008[J]. Acta Meteorologica Sinica, 66(3): 405–422. DOI:10.11676/qxxb2008.038 |
[] | 汪会, 罗亚丽, 张人禾. 2011. 用CloudSat/CALIPSO资料分析亚洲季风区和青藏高原地区云的季节变化特征[J]. 大气科学, 35(6): 1117–1131. Wang Hui, Luo Yali, Zhang Renhe. 2011. Analyzing seasonal variation of clouds over the Asian monsoon regions and the Tibetan Plateau region using CloudSat/CALIPSO data[J]. Chinese Journal of Atmospheric Sciences, 35(6): 1117–1131. DOI:10.3878/j.issn.1006-9895.2011.06.11 |
[] | Wang J H, Rossow W B, Zhang Y C. 2000. Cloud vertical structure and its variations from a 20-yr global rawinsonde dataset[J]. J. Climate, 13(17): 3041–3056. DOI:10.1175/1520-0442(2000)013<3041:CVSAIV>2.0.CO;2 |
[] | Wang J H, Rossow W B. 1998. Effects of cloud vertical structure on atmospheric circulation in the GISS GCM[J]. J. Climate, 11(11): 3010–3029. DOI:10.1175/1520-0442(1998)011<3010:EOCVSO>2.0.CO;2 |
[] | Wang L K, Dessler A E. 2006. Instantaneous cloud overlap statistics in the tropical area revealed by ICESat/GLAS data[J]. Geophys. Res. Lett., 33(15): L15804. DOI:10.1029/2005GL024350 |
[] | 王帅辉, 韩志刚, 姚志刚, 等. 2011. 基于CloudSat资料的中国及周边地区云垂直结构统计分析[J]. 高原气象, 30(1): 38–52. Wang Shuaihui, Han Zhigang, Yao Zhigang, et al. 2011. Analysis on cloud vertical structure over China and its neighborhood based on CloudSat data[J]. Plateau Meteorology, 30(1): 38–52. |
[] | Warren S G, Hahn C J, London J. 1985. Simultaneous occurrence of different cloud types[J]. J. Appl. Meteor., 24(7): 658–667. DOI:10.1175/1520-0450(1985)024<0658:SOODCT>2.0.CO;2 |
[] | Wetherald R T, Manabe S. 1988. Cloud feedback processes in a general circulation model[J]. J. Atmos. Sci., 45(8): 1397–1415. DOI:10.1175/1520-0469(1988)045<1397:CFPIAG>2.0.CO;2 |
[] | 夏静雯, 傅云飞. 2016. 东亚与南亚雨季对流和层云降水云内的温湿结构特征分析[J]. 大气科学, 40(3): 563–580. Xia Jingwen, Fu Yunfei. 2016. Thevertical characteristics of temperature and humidity inside convective and stratiform precipitating clouds in the East Asian summer monsoon region and Indiansummer monsoon region[J]. Chinese Journal of Atmospheric Sciences, 40(3): 563–580. DOI:10.3878/j.issn.1006-9895.1507.15123 |
[] | Xian T, Fu Y F. 2015. Characteristics of tropopause-penetrating convection determined by TRMM and COSMIC GPS radio occultation measurements[J]. J. Geophys. Res., 120(14): 7006–7024. DOI:10.1002/2014JD022633 |
[] | 严卫, 韩丁, 周小珂, 等. 2013. 利用CloudSat卫星资料分析热带气旋的结构特征[J]. 地球物理学报, 56(6): 1809–1824. Yan Wei, Han Ding, Zhou Xiaoke, et al. 2013. Analysing the structure characteristics of tropical cyclones based on CloudSat satellite data[J]. Chinese Journal of Geophysics, 56(6): 1809–1824. DOI:10.6038/cjg20130603 |
[] | 杨冰韵, 张华, 彭杰, 等. 2014. 利用CloudSat卫星资料分析云微物理和光学性质的分布特征[J]. 高原气象, 33(4): 1105–1118. Yang Bingyun, Zhang Hua, Peng Jie, et al. 2014. Analysis on global distribution characteristics of cloud microphysical and optical properties based on the CloudSat data[J]. Plateau Meteorology, 33(4): 1105–1118. DOI:10.7522/j.issn.1000-0534.2013.00026 |
[] | Yi M J, Fu Y F, Liu P, et al. 2015. Deep convective clouds over the northern Pacific and their relationship with oceanic cyclones[J]. Advances in Atmospheric Sciences, 32(6): 821–830. DOI:10.1007/s00376-014-4056-9 |
[] | Yuter S E, Houze Jr R A. 1995. Three-dimensional kinematic and microphysical evolution of Florida cumulonimbus. Part Ⅱ:Frequency distributions of vertical velocity, reflectivity, and differential reflectivity[J]. Mon. Wea. Rev., 123(7): 1941–1963. DOI:10.1175/1520-0493(1995)123<1941:TDKAME>2.0.CO;2 |
[] | Zhang M H, Lin W Y, Klein S A, et al. 2005. Comparing clouds and their seasonal variations in 10 atmospheric general circulation models with satellite measurements[J]. J. Geophys. Res., 110(D15): D15S02. DOI:10.1029/2004JD005021 |
[] | 赵姝慧, 周毓荃. 2010. 利用多种卫星研究台风"艾云尼"宏微观结构特征[J]. 高原气象, 29(5): 1254–1260. Zhao Shuhui, Zhou Yuquan. 2010. Research on macro-micro structures of typhoon 'Ewiniar' using a variety of satellites[J]. Plateau Meteorology, 29(5): 1254–1260. |
[] | 钟水新, 王东海, 张人禾, 等. 2011. 基于CloudSat资料的冷涡对流云带垂直结构特征[J]. 应用气象学报, 22(3): 257–264. Zhong Shuixin, Wang Donghai, Zhang Renhe, et al. 2011. Vertical structure of convective cloud in a cold vortex over northeastern China using CloudSat data[J]. Journal of Applied Meteorological Science, 22(3): 257–264. DOI:10.3969/j.issn.1001-7313.2011.03.001 |
[] | 周毓荃, 赵姝慧. 2008. CloudSat卫星及其在天气和云观测分析中的应用[J]. 南京气象学院学报, 31(5): 603–614. Zhou Yuquan, Zhao Shuhui. 2008. CloudSat satellite and its application in weather and cloud observation[J]. Journal of Nanjing Institute of Meteorology, 31(5): 603–614. DOI:10.3969/j.issn.1674-7097.2008.05.001 |