2. 四川省甘孜县气象局, 甘孜 626799
2. Sichuan Province Ganzi Meteorological Service, Ganzi 626799
青藏高原占我国陆地四分之一,平均海拔4 000余米,地形复杂,其特殊的热力和动力作用对我国及全球的天气气候有重要影响,尤其在夏季,青藏高原成为一个抬升的巨大热源,对区域性环流的形成、季风的爆发和维持起重要作用(徐祥德等,2001;徐祥德和陈联寿,2006;徐祥德等,2014;李国平和张万诚,2019)。高原上云和降水的转化过程不仅影响大气的热力结构,同时也是造成高原大气上升运动的重要因子,对建立和维持季风环流有重要作用(刘屹岷等,2018)。因此,加强青藏高原上云的观测与研究,对深入研究高原大气特性和区域性环流特征具有重要意义。
由于青藏高原地形复杂,气象观测站点稀疏,卫星遥感成为观测和研究高原云宏观及微物理特征的主要途径之一(傅云飞,2019)。在云的宏观特性方面,王胜杰等(2010)利用CloudSat /CPR对比分析了青藏高原及周边地区不同云类的云体参量,指出高原上不同云类的云顶和云底高度存在不同的变化范围。刘建军和陈葆德(2017)也利用CloudSat卫星资料分析了青藏高原上空不同种类的云,指出高原云以低云为主,中云次之,高云最少。与同纬度其它地区比较,青藏高原上的单层云较厚(高洋,2014)。在云的微物理特征方面,基于TRMM卫星对青藏高原强对流云团分析指出,云中冰晶粒子集中分布高度为6—18 km,可降冰粒子、可降水粒子及云水粒子分布在8 km以下(李典等,2012)。另有研究指出,夏季青藏高原东部云的发展可到达平流层,水云主要集中在5 km以下,固态、液态共存的混合云垂直分布于5—10 km之间,10 km以上则为冰云(张晓等,2015)。汪会和郭学良(2018)基于TRMM、CloudSat和Aqua多源卫星观测资料及地基雷达数据分析发现,青藏高原那曲地区深厚强对流云和深厚弱对流云的微物理过程均主要包括混合相过程和冰化过程,混合相过程分为两种:一种是-25 ℃ (深厚强对流云)或-29 ℃ (深厚弱对流云)高度以下以凇附增长为主,另一种是该高度以上主要以冰晶聚合、凝华增长为主,该过程冰晶粒子有效半径增长较快。另有研究发现,GPM搭载的双频雷达能更好地识别分析对流云内部粒子尺寸分布特征(Hou et al., 2014;张奡祺,2019),揭示了青藏高原及其周边地区深对流云和降水特征(Hamada and Takayabu, 2016;高国路,2019)。这些研究成果增强了对青藏高原云物理特性的认识。
为获取更高时空分辨率的多源数据,深入研究青藏高原云的精细结构和微物理过程,高原地区地基遥感科学试验越来越受重视。1979年第一次青藏高原大气科学试验(QXPMEX)中,科学家在那曲和拉萨各布设了一部X波段711雷达观测青藏高原对流降水,分析了那曲地区对流云的统计特征和夏季大气静力能量的垂直分布及与对流发展的关系(秦宏德,1983)。1998年第二次青藏高原大气科学试验(TIPEX)中,试验人员在那曲放置了一部X波段多普勒雷达,协同地面站和探空系统探测该地区的降水过程,并利用这些雷达观测数据,分析了青藏高原对流云降水的雷达回波特征、季风爆发前后对流过程的变化以及对流过程的日变化等(刘黎平等,1999;Liu et al., 2002)。2014年第三次青藏高原大气科学试验启动,在那曲布设了多种雷达等新型探测设备,联合地面观测网进行了水汽-云-降水的综合观测,获取了高时空分辨率的云和降水宏微观垂直结构特征数据,分析了青藏高原云底、云高等宏观特征和对流云三维风场以及云中降水粒子相态的结构和演变特征(刘黎平等,2015;常祎,2016;唐洁等,2018;朱怡杰等,2019)。这些地基科学试验促进了对青藏高原云的认识和云物理研究,也体现了地基雷达在区域云研究中可以发挥重要作用。
鉴于青藏高原地区地基云雷达观测仍相当有限,2017年8月,依托第三次青藏高原大气科学试验项目之一,即国家自然科学基金重大研究计划项目“夏季青藏高原东移云团引发长江流域暴雨的研究”,中国气象局武汉暴雨研究所联合相关项目组在青藏高原东侧甘孜县、理塘县、九龙县、稻城县分别建立了一套云-降水综合探测系统,该探测系统包括地基毫米波云雷达、X波段双偏振雷达、边界层风廓线雷达和微波辐射计等设备。基于建立的云-降水综合探测系统平台,开展了为期3 a的夏季青藏高原云-降水科学试验(以下简称高原试验),重点关注高原东侧云的宏微观物理特征和云团东移对长江流域暴雨的影响,每年6—8月为加密观测期(徐桂荣等,2019)。这次高原试验为研究高原东侧云物理特征提供了宝贵的观测数据,本文利用2019年6—8月甘孜县毫米波云雷达(以下简称云雷达)观测资料,着重分析该地区非降水云的出现频率以及云体参量(云底高、云顶高及云体厚度)的统计特征,以期增强对高原东侧云的垂直结构的认识。
1 设备和数据处理甘孜县站(100.00°E,31.62°N,3 394 m)位于青藏高原东侧,地处东南-西北向狭长谷地(图 1)。布设在甘孜县站的云雷达是由安徽四创电子股份有限公司生产的Ka波段(波长为8.6 mm)云雷达,该雷达采用固态发射机,可获取云的反射率因子Z、径向多普勒速度V、速度谱宽W和线性退极化比LDR的垂直廓线,并保留功率谱密度数据S,其主要技术参数见表 1。雷达使用固态发射机可以实现时间序列上的连续观测,有利于为云特征分析提供大量的廓线数据。Ka波段云雷达在观测时采用三种观测模式:边界层模式(M1)、卷云模式(M2)和降水观测模式(M3)。其中,M1模式使用窄脉冲,主要用于低层云的观测,具有较小的探测盲区和较高的最小可测反射率因子;M2和M3模式采用宽脉冲,主要用于中高云和降水的探测,具有较大的距离盲区和较小的最小可测反射率因子。观测时三种模式循环进行,一种模式探测到一根径向数据后,立即转换到另一种模式,轮回一个观测周期为10 s。三种观测模式的数据分开存储,取不同距离段内的最佳探测数据融合成最终径向数据。
虽然云雷达采用了组合脉冲提高了雷达的探测能力,但每种模式的性能指标仍有差异,不同天气条件下探测到的回波可能会受到器件信号杂波、低层非气象回波等干扰。器件信号杂波具有随机性,主要沿径向从雷达近端连续延伸到远端呈射线状分布,通过检测相邻径向回波的相关性可滤除。非气象回波主要集中在0—2 km的高度内,通常是由低层大气中的固体悬浮物(霾、灰尘、昆虫、花粉等)散射雷达电磁波造成。固态粒子与同体积的云粒子相比,散射能力更强,具有更大回波强度和退极化比,有学者利用Z = -30 dBz和LDR = -20 dB分别作为回波强度和退极化比的判别阈值可去除云雷达回波中悬浮颗粒的干扰(Grösdorf et al., 2015)。另外,不同地形条件和大气环境中悬浮颗粒分布存在差异,对比广东沿海和西藏那曲云雷达垂直观测的低空回波特征发现,Z = 0 dBz和LDR = -16 dB作为阈值更适用于高原地区,可滤除高原地区97.84%的悬浮物回波而保留100%的云-降水回波(郑佳峰等,2016)。参考郑佳锋等(2016)滤除非气象回波的方法,设定Z < -30 dBz、-1 m·s-1≤V≤1 m·s-1和LDR > -20 dB作为判别标准,可滤除甘孜地基云雷达观测数据中90%的悬浮物回波。图 2给出了观测期间7月10—14日甘孜云雷达滤除低层悬浮物杂波后的日变化示意图。
2019年甘孜云雷达加密观测试验期为6月7日— 8月18日,观测期间云雷达做天线垂直指向扫描(图 3),旨在获取云的垂直结构信息。本研究所指的“云”是指云雷达每隔10 s一次的垂直云廓线所识别的“云体”。在第三次青藏高原试验中,有学者利用那曲地基云雷达的垂直廓线识别云底与激光云高仪、激光雷达探测的云底对比发现,云雷达对中云、高云云底的探测结果与激光雷达一致性好,对中云、高云和多层云的探测效率要高于激光云高仪,但可能存在识别降水云云底偏低的情况(吴翀等,2017)。为尽量避免云体识别的不确定性,本研究只分析非降水云的垂直分布特征,采用吴翀等(2017)的云垂直廓线分析方法来判别云边界(云底、云顶、云分层)。文中以地面分钟雨量计计数为0判定对应1 min内云雷达探测的云廓线均为非降水云廓线,选取每根径向第8库(240 m)以上距离库为有效数据,将质控后的雷达回波边界定义为云边界,每根径向回波的下沿为廓线的云底,上沿为廓线的云顶,云体厚度为云顶高度(cloud top height,CTH)与云底高度(cloud base height,CBH)的差值。对于云底产生毛毛雨但地面无降水的情况,由于云雷达此时将探测到毛毛雨的高度识别为“云体边界”,因此云雷达探测的云底高度略低于实际云底。如果垂直方向上相邻云块之间的缝隙小于或等于90 m,则认为两个云块属于同一层云;反之,则识别为当前大气条件下生成的两层云(吴翀等,2017)。利用这些云廓线,主要分析甘孜云的出现率和云体参量特征(云底高、云顶高及云体厚度)。文中按云层数将云分为三类进行分析:单层云、两层云和多层云(三层及三层以上的云);另外,根据云底高(CBH)将云做另一分类(吴翀等,2017):低云(CBH≤2.5 km)、中云(2.5 km<CBH<4.5 km)和高云(CBH≥4.5 km),文中的云底高、云顶高均为云体距离地面的相对高度值(above ground level,AGL),不叠加甘孜站的海拔高度。图 4给出2019年7月13日12:00—15:42 (北京时,下同)甘孜云雷达探测的云边界和云层数判别的实例。此外,组合脉冲探测的云雷达提供窄盲区、高时空分辨率的云廓线,但现有的数据融合技术给云底高度判别带来一些干扰。云雷达的三组脉冲在分别在1 500 m和2 700 m处进行数据融合,造成云体在两个高度附近存在不同程度的回波损失,即云体被截断或回波强度不连续。这种情况下,回波断层可能就被识别为云顶或云底,给云顶和云底甚至云层数的识别造成误判,因此,本文研究暂不讨论1 500 m和2 700 m两个高度。
夏季青藏高原地区盛行印度季风,高原东侧成为多云区之一,不同类型的云交叠产生。图 5给出了试验期间甘孜非降水云情况下单层云、两层云及多层云的逐日出现率。可以看到,从6月初到7月中旬,单层云的出现率呈减少趋势,由80%逐渐减小到45%,而同期两层云的出现率呈增加趋势;然而,从7月中旬到8月中旬,单层云的出现率又开始逐渐增大,而两层云相应地呈减少趋势,在8月中旬单层云的出现率可达到100%,而整个观测期间多层云的出现率较小且变化不大。平均而言,试验期间甘孜非降水云中单层云的出现率约为78.3%,两层云的出现率约为18.3%,多层云的出现率约为3.4%。有学者利用2006—2009年CloudSat/CALIPSO极轨卫星数据,对青藏高原地区(70°—105°E,27.5°—45°N)云的垂直结构进行统计分析,发现有云条件下单层云占77.1%,两层云占20.3%,多层云占2.6% (汪会等,2011),这与本文的分析结果是比较一致的。可见,地基和星基的云观测数据分析均显示,青藏高原的云以单层云为主,两层云次之,多层云最少。需要指出的是,7月中旬单层云出现率总体而言相对较低,而双层云和多层云出现率相对较高,这说明该时期是高原两层以上云系的发展旺盛期,单层云的出现率减小但仍占比最大。
本文对甘孜云雷达观测的云出现率进行分析发现,单层云的出现率呈现明显的日变化特征:云出现率从凌晨到上午呈减小趋势,08:00达到最小值,随后云出现率呈增长趋势,在22:00—23:00达到最大值(图 6)。单层云的出现率在13时以后有一段快速增长期,这可能与青藏高原夏季强烈的太阳辐射加热促使对流活动通常在12:00以后触发有关(Liu et al., 2002)。两层云的出现率的日变化趋势与单层云相似,其日变化振幅小于单层云。多层云的云出现率亦有相似的日变化特征,但日变化振幅明显缩窄。显然,青藏高原云出现率的日变化趋势对高原的加热效应是有响应的,只有单层云时,日变化的响应很明显,当云层数增多时,日变化响应会逐渐减弱。这可能是因为,当两层及多层云存在时,地面长波辐射在从底层云穿透到高层云时被冷却,导致云出现率的日变化响应随云层数增多而逐渐减弱(马越界等,2011)。此外,需要说明的是,青藏高原大部分地区对流活动在17:00—18:00达到最强(常祎和郭学良,2016),而甘孜的云出现率在午夜达到最大值,这可能是甘孜所处的山谷地形产生了对流活动的增殖机制,云从山脉上空移动到谷地,使得峡谷地区的对流活动在夜间更为集中(Fujinami et al., 2005;Yang et al., 2004)。夜间大气对流活动的增强为云的形成提供更有利的大气环境,甘孜微波辐射计的观测资料显示夜间云底更低、云液态水含量更大(徐桂荣等,2019),表现在云出现率上便是单层云的出现率在夜间更高。
此外,对甘孜云雷达观测的低云、中云和高云的出现率进行分析发现,单层云时,低云的出现率最大,约为57%,而中云和高云的出现率分别为21%和22%;两层云时,低云的出现率下降到约37%,但依然高于中云和高云的出现率,后两者的出现率分别上升到31%和32%;多层云时,低云、中云和高云的出现率与两层云时类似,无明显变化(图 7)。总体而言,在甘孜上空有云条件下,低云的出现率约为46%,而中云和高云各占27%。由此可见,低云成为甘孜云系的主导云,单层云时尤为明显,而中云和高云的出现率相近;当云层在两层及以上时,中云和高云的发展旺盛,出现率会增加,相对而言,低云被抑制,其出现率会下降。
图 8给出了甘孜单层云、两层云和三层云的云底高及云顶高的PDF分布。可以看到,单层云的云底高从近地面扩展至11 km,PDF分布呈双峰结构,主峰位于2—4 km,次峰位于7—8 km,这表明单层云中多数为中低云;单层云的云顶高从1.5 km延伸到13 km,PDF分布也呈双峰结构,主峰位于3.5—5 km,次峰位于8—10 km,这同样表明单层云以中低云为主。与单层云相比,两层云的下层云的云底高和云顶高的分布范围有所收窄,而且云底高和云顶高的PDF分布均呈单峰结构,其中云底高的峰值位于1.5—3 km,而云顶高峰值位于2—3.5 km,这说明两层云的下层云里面低云占比增加且高云占比减少。相比于下层云,两层云的上层云的云底高和云顶高的分布范围均有所上移,这是合乎常理的。另外,上层云的云底高和云顶高的PDF分布均呈双峰分布,但云底高的双峰数值很接近,高度分别位于3—4 km和7—9 km,而云顶高的主峰位于8—10 km,次峰位于4—5 km,这说明两层云的上层云以中高云为主。三层云的下层云和中层云的PDF分布形态与两层云相似,不同之处在于,下层云的PDF峰值往低高度收窄,说明低云占比增多;中层云的云底高和云顶高的PDF双峰高度稍有下移,云底高的双峰数值不一样,主峰位于3 km左右,次峰位于7 km左右,而云顶高的双峰数值很接近,说明中层云中以中云居多。三层云的上层云的云底高和云顶高的PDF分布呈现相似的双峰形态,主次峰数值差异明显,且主峰高度较高而次峰高度较低;上层云的云底高主峰位于7—9 km,次峰位于2.5—4 km,云顶高的主次峰高度稍有上移。显然,三层云的上层云里面高云占主导。从上述分析结果来看,甘孜县站云的云底高和云顶高的垂直分布结构多为双峰形态。燕亚菲(2016)利用CloudSat和CALIPSO卫星资料对青藏高原地区云的垂直分布进行分析,也得到了双峰分布的垂直结构。可见,地基和星基遥感的青藏高原云垂直结构还是比较吻合的。另外,甘孜云雷达看到了三层云时下层云的垂直结构为单峰形态,说明不同探测手段的性能特性可能会看到一些不一样的现象,综合多源观测资料的分析结果,会丰富青藏高原云的认识。
前面云出现率的分析结果显示,青藏高原夏季两层以上的云会时常出现。有学者指出,当高原上出现多层云时,最上层云的下方空间内云厚度变薄,多层云的相邻云层间垂直距离减小呈现高原上云的压缩现象(燕亚菲,2016)。图 9给出甘孜云雷达观测的不同云层的厚度情况。可以看到,单层云时,平均云厚最大,约为3.8 km,最大厚度可超过10 km;两层云时,上层云和下层云的平均云厚均小于单层云的平均云厚,其中下层云的平均云厚约为2.5 km,大于上层云的平均云厚(约1.5 km);三层云时,下层云的平均云厚最大,约为1.8 km,上层云次之,平均云厚约为1.2 km,中层云的平均云厚最小,约为1 km,而且上层云和下层云的平均云厚分别小于两层云时的上层云和下层云的平均云厚。甘孜云雷达的观测结果也论证了青藏高原云的压缩现象,而且随着云层数增加,下层云的厚度逐渐变薄,其云底高和云顶高的双峰垂直分布也逐渐变成单峰垂直分布,云的压缩现象越严重。青藏高原云的压缩现象,可能是由于高原的大地形作用及对大气低层水汽供应的限制,造成青藏高原云层厚度和层数明显被压缩(刘屹岷等,2018)。
青藏高原地形复杂、气候恶劣,受制于此,卫星遥感特别是极轨卫星成为高原云探测与研究的重要手段之一。众多学者利用CloudSat、TRMM、MODIS等卫星资料,开展了青藏高原云的宏微观物理研究,揭示了青藏高原与中国东部等地区云和降水特征的差异,增强了对高原云物理的认识(傅云飞等,2008;胡亮等,2010;谭瑞婷,2018;汪会和郭学良,2018;高国路,2019)。随着多次青藏高原大气科学试验的开展,地基雷达主动遥感逐渐在青藏高原云的精细结构和微物理过程研究中发挥作用(Gao et al., 2016;阮悦等,2018;张涛等,2019;朱怡杰等,2019)。
卫星和地基毫米波云雷达对青藏高原云的垂直结构探测具有各自的特点。其一,与卫星探测相比,地基云雷达具有更高的时间分辨率。由于CloudSat等极轨卫星对同一地区每天观测2次,回访周期较长(Mace,2008),在研究高原特定区域云属性和特征时,往往需要长历史的观测数据,而且在探测和研究生命史较短的高原云时,存在观测数据时间分辨率粗的不足。尤其是针对高原非降水云的日变化特征分析时,极轨卫星的观测结果受到一定局限。地基云雷达可以获取秒级时间分辨率的云廓线,在定点连续观测云特别是生命史较短的云方面,可以满足对探测时间分辨率的要求。本文利用甘孜Ka波段云雷达61 d加密观测数据分析了高原非降水云的出现率和云体参量特征,发现单层云占主导、云的云底高和云顶高的垂直分布结构多为双峰形态、云体表现有云压缩现象等,这些与星基遥感的分析结果是相吻合的(汪会等,2011;燕亚菲,2016)。此外,甘孜云雷达观测到的云出现率呈现出对高原地形加热效应的日变化响应(Liu et al., 2002),受地-气辐射作用,单层云的日变化响应高于两层云和多层云(马越界等,2011)。其二,卫星遥感与云雷达在探测方式上有所差异,各自侧重不同。星基遥感侧重面观测,地基云雷达侧重局地观测。由于青藏高原的地貌复杂,陡峭地形也常常引起局地小范围的对流活动,而这类云系的特征仅凭卫星红外亮温和被动微波亮温难以完全识别(傅云飞等,2016)。相比之下,地基云雷达的定点观测正好能捕捉局地云的变化和发展,本文研究中发现云的午后对流激发现象,反映了甘孜的局地热动力特征。另外,青藏高原地表海拔高度与夏季同纬度非高原地区的融化层高度接近,卫星自空间到地面的扫描方式,可能造成星载雷达对近地面的低层云结构探测不清晰,误将高原地表回波识别为层云亮带(傅云飞等,2007)。而地基云雷达自地面向空中发射电磁波,受地形影响较小,能较好的探测低层云的垂直结构。本研究中甘孜云雷达看到了三层云时下层云的单峰形态垂直结构,而星基遥感研究鲜有报道此现象。由此可见,地基云雷达具有局地探测优势,是有益于青藏高原云探测与研究的,综合利用多源观测资料,有利于增强对青藏高原云物理的认识。
这次试验中,甘孜Ka波段云雷达采用多组合脉冲技术来提高雷达探测性能,能够提供窄盲区、高时空分辨率的云廓线。但目前多组合脉冲的数据融合技术还存在不足,即1 500 m和2 700 m高度处的数据融合会造成云体被截断或回波强度不连续,进而会给云体的识别产生一定的影响,因此本研究中忽略了这两个高度层的数据。如能对多组合脉冲的数据融合技术进行完善,将能更好发挥Ka波段云雷达的探测优势。另外,在云雷达的10 s采样时间内,不同高度云的平均移速差异可能会对云廓线的云体识别产生影响,目前少有文献对此进行探讨,本文也因缺少大气风场信息而未作讨论。此外,本文是利用云雷达的单条垂直云廓线来开展研究的,尚未从完整云块的角度将云分为层云、积云、卷云等来进行探讨,待收集到合适样本量后,作者将在未来工作中按云族分类来继续深入研究云的垂直结构特征。
4 结论本文利用青藏高原东侧甘孜县站Ka波段云雷达2019年夏季连续61 d的观测数据,分析了甘孜站非降水云的出现率和云体参量特征,得到如下结论:
(1) 单层云的出现率最高,约为78.3%,两层云的出现率次之,约为18.3%,多层云的出现率最小,约为3.4%。分不同高度云来看,在甘孜上空有云条件下,低云的出现率约为46%,中云和高云各占27%。当云层在两层及以上时,中云和高云的出现率增加。
(2) 云的出现率具有日变化特征,即云的出现率白天小而夜间大。单层云的出现率的日变化特征最明显,云层数增多后云出现率的日变化特征减弱,云出现率的日变化振幅收窄。甘孜地形对云出现率的日变化有一定影响。
(3) 云的云底高和云顶高的垂直分布结构多为双峰形态。单层云时,主峰位于较低高度,次峰位于较高高度;当云层在两层及以上时,上层云的主峰位于较高高度,而次峰位于较低高度。另外,当出现三层云时,下层云的垂直结构为单峰形态。
(4) 云的厚度变化呈现出云压缩现象。单层云时,平均云厚约为3.8 km;两层云时,下层云的平均云厚约为2.5 km,上层云的平均云厚约为1.5 km;三层云时,下层云的平均云厚减小至约1.8 km,上层云的平均云厚减小至约1.2 km,中层云的平均云厚最小,约为1 km。随着云层数增加,云层厚度变薄,云压缩现象越明显。
常祎.2016.青藏高原那曲地区夏季云和降水特征分析[D].北京: 中国气象科学研究院
|
常祎, 郭学良. 2016. 青藏高原那曲地区夏季对流云结构及雨滴谱分布日变化特征[J]. 科学通报, 61(15): 1706-1720. |
傅云飞. 2019. 卫星主被动仪器遥感中国暴雨的研究进展[J]. 暴雨灾害, 38(5): 554-563. |
傅云飞, 李宏图, 自勇. 2007. TRMM卫星探测的青藏高原谷地的降水云结构个例分析[J]. 高原气象, 26(1): 98-106. |
傅云飞, 刘奇, 自勇, 等. 2008. 基于TRMM卫星探测的夏季青藏高原降水和潜热分析[J]. 高原山地气象研究, 28(1): 8-18. |
傅云飞, 潘晓, 刘国胜, 等. 2016. 基于云亮温和降水回波顶高度分类的夏季青藏高原降水研究[J]. 大气科学, 40(1): 102-119. |
胡亮, 杨松, 李耀东. 2010. 青藏高原及其下游地区降水厚度季、日变化的气候特征分析[J]. 大气科学, 34(2): 387-397. |
高国路.2019.青藏高原深对流活动特征及其对平流层水汽的输送作用[D].成都: 成都信息工程大学
|
高洋.2014.我国沿青藏高原同纬度带降水云系的垂直结构及其微物理特征的分析模拟研究[D].北京: 中国气象科学研究院
|
李典, 白爱娟, 黄盛军. 2012. 利用TRMM卫星资料对青藏高原地区强对流天气特征分析[J]. 高原气象, 31(2): 304-311. |
李国平, 张万诚. 2019. 高原低涡、切变线暴雨研究新进展[J]. 暴雨灾害, 38(5): 464-471. |
刘建军, 陈葆德. 2017. 基于CloudSat卫星资料的青藏高原云系发生频率及其结构[J]. 高原气象, 36(3): 632-642. |
刘黎平, 楚荣忠, 宋新民. 1999. GAME-TIBET青藏高原云和降水综合分析概况及初步结果[J]. 高原气象, 18(3): 441-450. |
刘黎平, 郑佳峰, 阮征, 等. 2015. 2014年青藏高原云和降水多种雷达综合观测试验及云特征初步分析结果[J]. 气象学报, 73(4): 635-647. |
刘屹岷, 燕亚菲, 吕建华, 等. 2018. 基于CloudSat/CALIPSO卫星资料的青藏高原云辐射及降水的研究进展[J]. 大气科学, 42(4): 847-858. |
马越界, 黄建平, 刘玉芝. 2011. 利用星载云雷达资料分析夏季青藏高原的云辐射强迫[J]. 兰州大学学报(自然科学版), 47(7): 48-54. |
秦宏德. 1983. 青藏高原那曲地区强对流天气的大气静力能量垂直分布[J]. 高原气象, 2(1): 61-65. |
阮悦, 阮征, 魏鸣, 等. 2018. 基于C-FMCW雷达的高原夏季对流云垂直结构分析研究[J]. 高原气象, 37(1): 93-105. |
谭瑞婷.2018.CPR探测的青藏高原和中国东部夏季多层云系特征[D].合肥: 中国科学技术大学
|
唐洁, 郭学良, 常祎. 2018. 青藏高原那曲地区夏季一次对流云降水过程的云微物理及区域水分收支特征[J]. 大气科学, 42(6): 1327-1343. |
汪会, 郭学良. 2018. 青藏高原那曲地区一次深对流云垂直结构的多源卫星和地基雷达观测对比分析[J]. 气象学报, 76(6): 996-1013. |
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. |
王胜杰, 何文英, 陈洪滨, 等. 2010. 利用CloudSat资料分析青藏高原、高原南坡及南亚季风区云高度的统计特征量[J]. 高原气象, 29(1): 1-9. |
吴翀, 刘黎平, 翟晓春. 2017. Ka波段固态发射机体制云雷达和激光云高仪探测青藏高原夏季云底能力和效果对比分析[J]. 大气科学, 41(4): 659-672. |
徐桂荣, 张文刚, 万霞, 等. 2019. 地基微波辐射计反演的青藏高原东侧甘孜大气温湿廓线分析[J]. 暴雨灾害, 38(3): 238-248. |
徐祥德, 周明煜, 陈家宜, 等. 2001. 青藏高原地-气过程动力、热力结构综合物理图像[J]. 中国科学, 31(5): 428-440. |
徐祥德, 陈联寿. 2006. 青藏高原大气科学试验研究进展[J]. 应用气象学报, 17(6): 756-772. |
徐祥德, 赵天良, Lu C G, 等. 2014. 青藏高原大气水分循环特征[J]. 气象学报, 72(6): 1079-1095. |
燕亚菲.2016.基于CloudSat/CALIPSO卫星资料的青藏高原云垂直结构和辐射效应的研究[D].北京: 中国科学院大气物理研究所
|
张奡祺.2019.利用星载双频测雨雷达与静止卫星红外信号研究降水云结构特征[D].合肥: 中国科学技术大学
|
张涛, 郑佳峰, 刘艳霞. 2019. 利用Ka波段云雷达研究青藏高原对流云和降水的垂直结构及微观物理特征[J]. 红外与毫米波学报, 38(6): 778-789. |
张晓, 段克勤, 石培宏, 等. 2015. 基于CloudSat卫星资料分析青藏高原东部夏季云的垂直结构[J]. 大气科学, 39(6): 1073-1080. |
郑佳峰, 刘黎平, 曾正茂, 等. 2016. Ka波段毫米波云雷达数据质量控制方法[J]. 红外与毫米波学报, 35(6): 748-757. |
朱怡杰, 邱玉珺, 陆春松. 2019. 青藏高原那曲夏季云中水成物分布特征的毫米波雷达观测[J]. 气象, 45(7): 945-957. |
Fujinami H, Nomura S, Yasunari T. 2005. Characteristics of diurnal variations in convection and precipitation over the southern Tibetan Plateau during summer[J]. Sci Online Lett Atmos Sola, 1: 49-52. |
Gao W, Sui C, Fan J, et al. 2016. A study of cloud microphysics and precipitation over the Tibetan Plateau by radar observations and cloud-resolving model simulations[J]. Journal of Geophysical Research:Atmospheres, 121: 13735-13752. DOI:10.1002/2015JD024196 |
Görsdorf U, Lehmann V, Bauer-Pfundstein M, et al. 2015. A 35-GHz polarimetric Doppler radar for long-term observation of cloud parameters-description of system and data processing[J]. Journal of Atmospheric and Oceanic Technology, 32: 675-690. DOI:10.1175/JTECH-D-14-00066.1 |
Hamada A, Takayabu Y N. 2016. Improvements in Detection of Light Precipitation with the Global Precipitation Measurement Dual-Frequency Precipitation Rada (GPM DPR)[J]. Journal of Atmospheric and Oceanic Technology, 33(4): 653-667. DOI:10.1175/JTECH-D-15-0097.1 |
Hou A Y, Kakar R K, Neeck S, et al. 2014. The global precipitation measurement mission[J]. Bulletin of the American Meteorological Society, 95(5): 701-722. DOI:10.1175/BAMS-D-13-00164.1 |
Liu L, Feng J, Chu R, et al. 2002. The diurnal variation of precipitation in monsoon season in the Tibetan Plateau[J]. Advance in Atmospheric Sciences, 19(2): 365-378. DOI:10.1007/s00376-002-0028-6 |
Mace G. 2008. A NASA earth system science pathfinder mission, CloudSat standard data products handbook[M]. Colorado: Cooperative Institute for Research in the Atmosphere, Colorado State University, USA.
|
Yang K, Koike T, Fujii H, et al. 2004. The daytime evolution of the atmospheric boundary layer and convection over the Tibetan Plateau:Observations and simulations[J]. J Meteor Soc Jpn Ser Ⅱ, 82: 1777-1792. DOI:10.2151/jmsj.82.1777 |