云对地气系统的水汽循环和辐射收支具有重要调节作用,一方面在全球的天气和气候系统中扮演着十分重要的角色,是人工影响天气催化作业的主要对象,另一方面作为现代军事气象保障的主要内容,发挥着举足轻重的作用.因此,准确获取云的各种信息成为当前云物理研究和军事气象保障作业的重要内容,具有十分重要的科学意义和军事价值.云的边界高度即云底高和云顶高作为主要的云物理参数,不仅影响大气环流模式中的大气循环,而且显著改变模拟的Hadley环流的位置和强度[1].此外,云的边界高度信息在现代军事行动中的诸多作战单元如侦查预警、精确制导、空中作战、空中加油、空降垂直登陆等方面也发挥了重要作用.因此能否准确而完整地提供云边界高度信息对于深入理解云的辐射效应、云与气候的相互作用[2]以及提高部队作战能力具有至关重要的意义.
目前对于云底高和云顶高的研究已较多,如Izumi[3]通过收集前苏联11个地面站点的观测资料研究了卷云云底和云顶高度的季节变化规律和频率分布特点,但地面观测结果在夜间或低云覆盖全天空的情况下对卷云的识别准确率很低,不利于对其物理特性的研究;Poore等[4]综合利用1975-1988 年北半球63个地面站点和无线电探空仪的观测资料,借助温度露点差随高度的变化曲线通过设置相关阈值进行云底高和云顶高的判定,进而分析北半球云层厚度的分布特征,但该算法容易造成多数高云和多层云的漏检测;随后Wang等[5]对算法进行了改进,利用相对湿度廓线判定云的边界高度,并通过地基雷达、云幂仪和国际卫星云气候计划(ISCCP)资料对算法反演结果的有效性进行了验证[6],而后Wang等[7]利用20年的探空资料研究了全球范围内云层垂直结构的分布规律;Zhang 等[8] 在综合利用RS92型探空仪、95GHz云雷达、532nm 微脉冲激光雷达以及905nm 激光云幂仪研究安徽寿县的云层结构时,对相对湿度廓线法进行了一定的修正,研究表明高时空分辨率的探空资料反演结果与地基设备探测结果具有较好的一致性.然而探空站点分布稀疏、观测时次少的缺点无法满足水汽时空多变性的要求,而且温度低于-40 ℃时湿度传感器的灵敏度降低,会造成一部分高云的漏检测[9],同时维持探空观测的成本也在不断增加,因而一定程度上限制了探空资料在云物理参数反演与应用方面的研究.此外,利用静止卫星资料进行云边界高度反演的研究也较多,虽然其可提供大范围区域的云层高度信息,但由于其无法准确获取有效的云底高信息,尤其是多层云顶层以下的各层云,且云顶高反演结果受云团重叠率、周围环境以及热力平衡条件等的限制会产生1~2km 甚至更大的误差[10].地面观测对底层云的探测精度较高,但对多层云中底层以上各层云的高度探测效果较差,受天气条件的影响也较大,且仅可观测站点附近的云高度分布,无法实现大区域探测.
无线电掩星探测具有全球覆盖、高精度、高垂直分辨率、高时空密度、长期稳定、全天候和几乎准实时的探测特点[11],已成为当前全球大气探测领域重要的探测方式之一[12],且国内外对其也有较多研究[13-15].2006年4 月15 日美国和中国台湾地区合作发射的6颗低轨卫星构成了气象、电离层及气候卫星探测系统(Constellation Observing System for Meteorology Ionosphere and Climate,COSMIC),其每天可提供2500次左右的全球掩星事件,主要用于天气预报、气候监测、空间天气和大地测量等方面的研究,且目前正在研究和设计的COSMIC-Ⅱ代将低轨卫星数量增加到12 颗,其接收机可兼容接收GPS、GALILEO 和GLONASS系统的导航信号,每天将获取约14000次的掩星事件[15],国内已有学者对COSMIC 的温压湿特性进行验证[15-16],并将其应用到对流层顶断裂带的研究中[15, 17],而严卫等[14]也利用COSMIC 提供的高精度数据产品、借助相对湿度廓线法开展了云底高反演方面的研究,并与探空资料反演结果进行对比验证,表明利用掩星资料进行云底高反演的合理性与有效性,而COSMIC 自身的探测优势也必将使其在云物理参数的反演和应用中发挥重要作用.
A-Train卫星编队中CloudSat卫星搭载的毫米波测云雷达CPR 和CALIPSO 卫星搭载的云-气溶胶垂直偏振激光雷达CALIOP 可以穿透云层观测其内部结构,CloudSat侧重于探测光学厚度较厚的大尺度粒子组成的云层,CALIPSO 则对薄云和纤细的云顶较为敏感,尤其适合卷云的研究,二者协同观测可以获取云层较完整的垂直结构信息,因而得到较广泛的应用.如吴春强[18]利用2006 年7 月至2009年6月的CloudSat探测资料研究了中国及周边地区云的垂直结构及其辐射特性,李积明等[19] 利用CALIPSO 资料对东亚地区云的垂直分布进行了统计分析,Luo等[20]利用CloudSat和CALIPSO 联合探测产品对比分析了东亚和印度季风区云层的垂直结构及云量的分布特点,等等.论文利用COSMIC 无线电掩星和探空仪探测的高度、温度和水汽压数据分别计算出相对湿度随高度变化的廓线,基于Wang等[5]提出的利用相对湿度廓线出入云层时发生突变的物理特性进行云底高和云顶高的判定,并借助Zhang 等[8]的修正算法作一定的修正,然后利用CloudSat和CALIPSO 联合探测的云边界高度对反演结果进行验证,定量评估利用掩星和探空资料、基于相对湿度廓线法反演云边界高度的准确度.
2 数据和方法 2.1 数据描述COSMIC 的数据分析和存储中心(CDAAC)每天向全球发布两种数据产品:一种是为天气与空间天气的监测和预报提供的近实时产品;一种是为科学研究提供的更精确有效的后处理产品.其中,COSMIC 后处理产品主要利用欧洲中期天气预报中心(ECMWF)或美国国家环境预报中心(NCEP) 提供的大气参数为背景场,通过一维变分同化的方法同时反演得到大气的温度和湿度廓线,主要分为Level0级、Level1 级和Level2 级产品,而应用最多的为Level2级产品,包括9种net CDF 格式的数据廓线,提供掩星事件的起止时间、切点经纬度、高度、 温度、折射率、气压、水汽压、经纬度、电子密度等信息.其中COSMIC的湿空气数据高度间隔为0.1km,探测范围为0~39.9km,主要提供高精度的地球大气温压湿和折射率等信息.无线电探空仪数据为标准等压面和特性层参数,由美国国家大气研究中心(NCAR)进行收集整理,目的是为了与COSMIC、 ECMWF和NCEP等资料进行对比研究,同时为了消除探空仪垂直分辨率对反演结果的影响,在本文的研究中首先利用三次样条插值法将探空资料插值为0.1km 垂直间隔,而后再借助反演算法进行云边界高度的判定.图 1 所示为2008 年4 月9 日COSMIC 掩星和探空仪探测点的全球分布情况,从图中可以看出,除极地和赤道附近外,掩星探测点的分布相对均匀,不受陆地和海洋的限制,而探空仪站点相对稀少,仅在欧亚大陆以及北美地区有一定量分布,而在海洋和荒漠地区则几乎没有.
CloudSat 数据处理中心(Data Processing Center)主要向全球发布两类数据产品,即标准数据产品(Standard Data Products,简称SDPs)和辅助数据产品(Auxiliary Data Products,简称ADPs). 其中,标准数据产品分为4 级(level1,level2,level3 和level4),主要提供雷达反射率、云几何廓线、云分类、液(冰)态云微物理参数、降水强度及范围、云的光学厚度、辐射率和加热率等信息;辅助数据产品分为4类(1A-AUX,ECMWF-AUX,MODIS-AUX 和LIDAR-AUX),主要包括CPR 的原始数据、地理和高度信息、ECMWF 提供的温度、气压、比湿数据以及MODIS和CALIOP提供的与云有关的其他辅助信息.标准数据产品中,2B-GEOPROF 主要提供雷达的反射率因子、CPR 云盖、MODIS 云量以及海- 陆标志等信息;2B-GEOPROF-LIDAR 主要提供CPR 和CALIOP联合探测的云层数及其位置信息即云底和云顶高度以及CPR 距离库内的CALIOP 云量信息,其中云层数最大为5 层;2B-CLDCLASS 产品则主要提供常见八种典型云的分类结果,对于深入研究各类云的物理特性具有重要意义.论文将借助上述3种标准数据产品讨论掩星和探空仪云边界高度反演的准确性.
2.2 分析方法在利用Wang等[5]提出的相对湿度廓线法反演云底高和云顶高时,相对湿度的计算公式如下:
(1) |
式中e表示水汽压,Es(t)表示温度为t时的饱和水汽压.而饱和水汽压的计算采用Tetens经验公式:
(2) |
其中,Es0=6.107hPa为t=0 ℃ 时的饱和水汽压. 当t≥0 ℃ 时,计算平液面的饱和水汽压,此时a= 7.5,b=237.3;当t<0 ℃时,计算平冰面的饱和水汽压,此时a=9.5,b=265.5.
Wang等[5]提出的反演算法具体描述如下:
多层云中各层云云底高的判定:
(1) 从地面向上第一层云云底高的判定:相对湿度RH≥87%时对应的高度判定为云底高;若该湿度层为非地面层,当相对湿度87% ≥RH≥84% 且相对于下一层,相对湿度的变化ΔRH≥3%时,该层高度判定为云底高;若该湿度层为地面层,相对湿度RH≥84%时对应的高度即判定为云底高.
(2) 第二层及以上各层云云底高的判定:当相对湿度RH≥84%时判断为入云,此时对应高度为云底高;按此标准从廓线底部至顶端逐层进行判定.
单层云云底高的判定:
单层云云底高的判定标准与多层云相同,但云底高度需向下延伸半个探测间距.
云顶高的判定规则与云底高类似,不同之处在于判定云顶高时从廓线顶端开始并延伸至廓线底部,且单层云云顶高的判定需向上延伸半个探测间距.为防止造成云层的漏检测与虚检测,当仅检测到云底高而未得到云顶高信息(云顶高大于廓线顶端高度除外),或者湿度层内相对湿度的最大值RHmax ≤87%时,该湿度层不能判定为云层,此时得到的云底高和云顶高无效,作舍弃处理.当云底高(云顶高) 小于(大于)掩星或探空仪最低(最高)探测高度时,以掩星或探空仪最低(最高)探测高度作为云底高(云顶高).除此之外,借助Zhang 等[8]提出的方法对相对湿度廓线法作如下修正:a)舍弃层底小于120m、厚度小于400m 的湿度层;b)对于从地面开始的湿度层,设置层底高度为280m,同时舍弃层顶高度小于280m 的湿度层;c)若低云厚度小于30.5m,中高云厚度小于61 m,则作舍弃处理;d)若相邻两层间的晴空厚度小于300 m,则将该两层合并为一层.
在进行CloudSat、掩星和探空仪数据匹配时,以掩星事件的发生时间和切点经纬度为基准,将前后各1 小时、300km 范围内的CloudSat和探空资料作为匹配数据进行对比分析,若存在多个数据匹配点,则选取时空最相近的点作为最终的匹配点.通过将2008年1月至2009年1月的三种数据资料进行匹配,共得到7010 个匹配样本,在此基础上以CloudSat云边界探测高度为基准,分别讨论掩星和探空仪基于相对湿度廓线法判定云边界高度的有效性.由于陆地和海洋上空云的形成机制和发展状况各不相同,因此可借助2B-GEOPROF 产品中的陆地-海洋标志将匹配数据分为陆地和海洋两部分分别讨论,其中海岸线区域划归为陆地部分.同样,可利用2B-CLDCLASS 产品将CloudSat探测的云层分为八种典型云分别讨论,对于仅由激光雷达探测到的云层将其单独归为一类进行分析.
3 云检测结果的对比在利用CloudSat资料分析掩星和探空仪云边界高度的反演精度前,受每种设备探测方式和仪器灵敏度等因素的影响,其对各种云层的检测结果也不尽相同,因而有必要对三者的云检测结果进行对比分析.图 2所示为三者对于不同层数云以及高中低云的检测结果,图中同时给出了各类云发生的样本数及占总样本数的比例,图 2d中浅灰色、深灰色和黑色分别代表CloudSat、掩星和探空仪的检测结果,横轴上的1、2、3依次表示高云、中云和低云,判定依据为:云底高大于6km 的为高云、位于2.5km 和6km 之间的为中云而小于2.5km 的为低云.从图 2a中可以看出,CloudSat云检测结果中仅包含四层以内的云,且单层云和双层云共同所占比例高达70%以上,而三层云和四层云仅占不到3%,说明CloudSat主要检测到单层云和双层云;在图 2b和2c中,掩星和探空仪检测到六层以内的云,且单层云和双层云共同所占比例分别达到65%和55%以上,而三层云和四层云也占到10%以上.从图 2d可以看出,三者云检测结果中低云所占比例都比较大,达到50% 左右;对于中云而言,除CloudSat不到20%外,掩星和探空仪均占到27% 左右;高云检测结果相差较大,掩星高达44.6%,探空仪却仅占8.0%,而CloudSat也只有23.9%,说明三者云检测结果的差异主要在于高云的检测.探空仪受仪器本身限制,探空资料的质量随高度的升高而降低,会造成多数中高云的漏检测[4],且探空仪的最高探测高度也会影响其对高云的检测;COSMIC 无线电掩星可以提供高精度、高垂直分辨率的温压湿信息,对于各类云层的检测十分有利,但采用相对湿度廓线法可能造成云层的虚检测与误检测[6],而受到掩星最低探测高度的限制,少量中低云云底高的反演结果将比实际值偏高,甚至会造成少量云顶高度很低的云层的漏检测;CloudSat和CALIPSO 联合探测产品综合了两种雷达对云检测的优势,不仅可以检测到垂直剖面内云体较厚的云层如深对流云,也可以检测到纤细的云层如卷云,因而可得到相对准确的云检测结果.
为了对掩星和探空仪云检测结果的有效性进行定量评估,以CloudSat云检测结果为参考基准,分别针对全球、陆地和海洋不同区域内三种设备的云检测结果进行量化对比,得到如表 1 所示结果.其中,云检测效率定义为有云样本数1 与有云样本数1、3之和的百分比,即CloudSat与掩星(或探空仪) 同时检测到云层的样本数和该样本数与掩星(或探空仪)检测到有云而参考设备CloudSat未检测到有云时的样本数之和的百分比,而云检测质量定义为有云样本数1与有云样本数1、2、3 之和的百分比,即CloudSat与掩星(或探空仪)同时检测到云层的样本数与二者至少有一个检测到有云存在的样本数之比.从表 1可以看出,三个不同区域内掩星和探空资料的云检测效率都比较接近,说明掩星和探空仪都不会造成云层过多的误检测或过检测,而云检测质量却相差较大,且掩星高于探空仪,说明探空仪造成过多云层的漏检测.另外,对比陆地和海洋地区的检测结果可以发现,海洋地区云检测的效率和质量都要高于陆地,主要由于海洋表面分布均匀,水汽充足,所形成的云层含水量较大,而陆地上空形成的云层含水量相对较少,导致云层的相对湿度比较小,容易造成相对湿度廓线法的漏检测,同时结合有云样本数1和3所占的比例可知,海洋地区虚检测概率也要小于陆地,说明相对湿度廓线法在海洋地区的云检测效果要优于陆地地区.
为了对比分析三者检测的云层沿垂直方向的发生概率,将0~20km 高度按照每层厚度0.25km 的原则划分为80层,计算不同高度层内某类云存在的廓线数占总廓线数的比例作为该高度层内此类云的发生概率.从前面的分析可知,CloudSat检测的云层主要为单层云和双层云,因此分别计算有云、单层云以及双层云中的上层云和下层云沿垂直方向的发生概率,得到图 3所示结果,图中实线、虚线和点划线依次代表CloudSat、掩星和探空仪的检测结果.
从图 3可知,相对于探空仪,掩星和CloudSat 检测到各类云的发生概率随高度的变化曲线具有更好的一致性,尤其表现在图 3a中.而从图 3b,3c,3d 中可以看出,掩星与CloudSat的检测结果仅在数值上存在差异,且CloudSat检测到单层云的概率较大,而掩星检测到双层云的概率较大.探空仪检测到各类云层的发生概率在2km 以下与CloudSat具有较好的一致性,而2km 以上要远小于CloudSat,尤其在10km 以上,探空仪几乎检测不到有云层的存在,表明探空仪主要对低云有较好的检测效果,而对中高云尤其是10km 以上高云的检测能力较差,这与已有的研究结果保持一致[5-7].
4 云边界高度的对比三种设备不同的探测方式和探测精度使其得到不同的云边界高度结果.图 4 所示为三者探测到所有云层云底高和云顶高的概率分布.从图中可以看出,无论是云底高还是云顶高,CloudSat与掩星的探测结果都有很好的一致性,而探空仪的云边界高度在0~5km 范围内的发生概率较大,在8~14km 内较小,而12km 以上几乎为零,再次说明探空仪对高云的探测能力较差,无法提供对流层上部及对流层与平流层的过渡层内云的高度信息.为了定量评估基于相对湿度廓线法、利用掩星和探空资料进行云边界高度反演的准确度,结合CloudSat数据处理中心发布的相关产品,分别讨论陆地和海洋地区以及各种不同类型云的边界高度反演精度,并分析反演结果随纬度和季节的变化规律.
图 5所示为陆地地区CloudSat分别与掩星和探空仪探测的云底高和云顶高的对比散点分布图. 其中,N代表样本数,M代表两种设备云边界高度反演偏差的平均值,S代表反演偏差的标准差,R为相关系数,表示两种设备反演结果的相关性,而反演偏差的计算以CloudSat探测结果为基准,分别与掩星和探空仪反演结果计算差值.
根据图 5可知,陆地地区CloudSat与掩星反演的云底高和云顶高的偏差分别为-0.544±3.087 和-1.530±3.408,相关系数分别为0.503 和0.587,且统计偏差绝对值在1km以内的样本所占比例分别为54.32%和45.06%,说明二者反演的云底高一致性更好,但掩星反演结果都大于CloudSat,尤其是云顶高更为明显.另外从图 5a和5b中可以看出,云底高在4km 以下具有较好的一致性,而云顶高可划分为三部分,即5km 以下、7~14km 以及16km 以上,CloudSat与掩星在此三个高度层内云顶高的一致性较好,且掩星反演结果略偏高. CloudSat与探空仪云底高和云顶高的反演偏差分别为1.349±2.706 和2.952±4.035,相关系数分别为0.185和0.241,偏差绝对值在1km 以内的样本比例分别为48.65% 和21.83%,说明陆地地区CloudSat与探空仪同样对云底高的反演一致性较好,但探空仪对云层高度的反演结果都偏小,尤其对云顶高而言,反演偏差的平均值达到2.952km.另外,探空仪反演的云底高主要集中在5km 以下,云顶高主要分布在8km 以下,且探空仪对6km 以上云层云顶高的反演结果要远小于CloudSat.
图 6所示为海洋地区三者云边界高度的对比散点分布图.从图中可以看出,海洋地区CloudSat与掩星反演的云底和云顶高度的偏差分别为-0.940± 4.029和-2.041±4.287,相关系数分别为0.378 和0.579,绝对偏差小于1km 的样本所占比例分别为58.16%和40.97%,与陆地相比,海洋地区云底和云顶高度平均偏差的绝对值偏大,相关系数偏小,仅云底高绝对偏差在1km 内的比例高于陆地.另外,海洋地区的云顶高同样分布在三个高度层内,不同之处在于云底高度更低,更接近于海表面.对比图 5和图 6c、6d可以发现,陆地和海洋地区CloudSat 与探空仪的对比分布相似,探空仪反演结果总体偏小,不同之处在于海洋地区二者平均偏差小于陆地,且云底高主要分布在2km 以下,而云顶高则集中在4km 以下及6~12km 范围内,对于后者而言探空仪反演结果误差更大,主要受探空仪设备本身的诸多限制,导致对高云的探测能力大大降低[4-5].表 2所示为三者反演的云底高和云顶高在全球、陆地和海洋地区的平均值及其与CloudSat探测结果偏差的分布情况.表中G、L 和O 分别代表全球、陆地和海洋地区,C-C 和C-R 分别代表CloudSat与掩星和探空仪反演结果的统计偏差,Base和Top分别代表云底高和云顶高.从表 2中可以看出,陆地地区云的边界高度相对偏高,而海洋地区相对偏低,一方面由于陆地地表的平均海拔高度约为0.5km,另一方面海洋地区低云的发生概率要高于陆地;CloudSat 与掩星反演偏差的绝对值要小于其与探空仪,且掩星反演结果偏大,探空仪反演结果偏小,另外陆地地区的反演一致性要略优于海洋地区.对于所有云和单层云而言,掩星反演的云顶高与CloudSat具有比云底高更好的一致性,但双层云中各层云云底高的反演效果要优于云顶高,探空仪对各种云云底高的反演偏差普遍小于云顶高,同时反演偏差随云边界高度的升高而增大,再次表明探空资料在中高云边界高度反演方面的不足.
不同类型的云具有不同的动力过程和物理特性,可以产生不同的辐射强迫[21],同时各类云的边界高度也存在较大差异[22],从而对地-气系统的能量收支、辐射平衡以及气候预测产生不同的影响. CloudSat数据处理中心发布的2B-CLDCLASS 产品中利用云的尺度特征、回波特性以及降水信息等将云分为卷云(Ci)、高积云(Ac)、高层云(As)、层云(St)、层积云(Sc)、积云(Cu)、雨层云(Ns)和深对流云(Deep)八种类型,因此可针对各类云的边界高度反演结果分别进行对比分析.需要注意的是,由于2B-GEOPROF-LIDAR 产品提供的是联合CloudSat 和CALIPSO 得到的云高度信息,因此必然存在一部分仅由激光雷达探测到的云层(多为薄的高云和边界层云),将其单独归为一类进行分析,经统计对比得到如表 3 所示结果,表中Num 代表样本数,Bias代表反演偏差.
表 3中所示结果分别指两种设备同时检测到有云存在时对应最底层云云底高和最顶层云云顶高的反演偏差,并结合CloudSat的云分类产品根据不同类型云分别讨论.从表 3可知,在云底高的反演结果中,除高层云和卷云外掩星普遍偏大,探空仪除积云外普遍偏小,且对于云底低于2km 的云层而言,探空仪反演结果比掩星更接近于CloudSat,说明探空仪对低云云底高具有较好的反演效果,但随着云底高度的升高,探空仪与CloudSat的偏差越来越大,尤其对卷云而言,反演偏差的平均值达到6.25km. 掩星与CloudSat的整体一致性较好,高积云、高层云和卷云等中高云的反演偏差较小,积云和深对流云反演偏差较大主要是因为其水平范围较小(仅有几公里)[22],而掩星反演的温、压、湿数据代表掩星探测路径上的气象信息,其廓线的水平范围可达到200km,同时廓线在其切点高度处也存在小于100km 的水平漂移[23],相反,CloudSat的沿轨分辨率高达2.5km,其数据产品的沿轨水平间隔仅有1.1km,因此极易导致掩星反演的云边界信息与CloudSat 探测结果并非指向同一云层,造成反演结果的较大偏差.
对于云顶高度大于6km 的云层而言,除激光雷达外,CloudSat与掩星的云顶高具有比探空仪更好的一致性,而激光雷达探测结果偏差较大的原因在于此时激光雷达检测到的云层其云顶比较纤细,水平尺度较小,与积云和深对流云云底高反演偏差较大的原因类似,掩星(或探空仪)的水平漂移可能导致二者探测的并非同一块云层,或者掩星(或探空仪)在相邻两层云之间的晴空区域穿过而未检测到其上部的云层.对于6km 以下中低云而言,探空仪和CloudSat云顶高偏差要小于掩星,主要因为探空仪的水平漂移仅有数十公里,且在对流层中下部的漂移较短,同时其温压湿传感器不会受到外界环境的过多影响(尤其是湿度传感器),此时得到的探测结果精度相对较高[24-25],而掩星探测的水平漂移距离要大于探空仪,且其虽采用“开环"跟踪技术解决了大气的多路径效应[26-27],并对反演算法不断改进[28-29],但对流层底部丰富的水汽分布和复杂的大气结构仍会一定程度上影响其云边界高度的反演精度.此外,探空仪的反演结果受降水影响较大,部分结果的可信度不高,而CloudSat对1.2km 以下云层边界高度的探测精度也有待进一步提高[30].
对CloudSat、掩星和探空仪反演的最底层云云底高和最顶层云云顶高的发生概率进行统计,得到图 7所示对比结果,图中N代表样本数.
从图 7可以看出,CloudSat与掩星和探空仪云底高的发生概率都有很好的一致性,不同之处在于掩星反演结果中低云所占比例较小,而探空仪相对较高.另外,掩星在8~12km 内云底高的发生概率要高于CloudSat,说明此时掩星检测到更多高云的存在,而探空仪反演的中高云云底高发生概率小于CloudSat(尤其是高云),再次说明探空仪对中高云探测能力的不足.对比图 7b和7d的云顶高概率可知,CloudSat最顶层云的云顶高主要分布在三个高度层内:5km 以下、5~14km 以及14~18km,掩星反演结果的分布与CloudSat相似,不同之处在于掩星8km 以下所占比例小于CloudSat,而8~ 14km所占比例较高,且其检测到一定数量18km 以上云层的存在,一方面可能是掩星误将湿空气层判定为云层,造成云层的误检测,另一方面由于此高度处的云层多为卷云,云体纤细较薄且分布零散,激光雷达在该高度处的垂直分辨率虽高达60 m,但1km的水平分辨率可能导致其无法检测到部分零散分布且云层很薄的卷云的存在,而掩星廓线正好穿越卷云内部从而实现对其边界高度的反演.探空仪云顶高在8km 以下所占比例远高于CloudSat,8km以上的发生概率随高度的升高而逐渐减小,且12km 以上几乎为0,表明探空仪受仪器本身的限制对8km 以上高云的探测能力有限,无法准确获取其云顶信息,已有的研究成果也说明了这一点[4-7].
4.3 纬度和季节图 8所示为CloudSat探测的最底层云云底高和最顶层云云顶高以及CloudSat与掩星和探空仪反演偏差的全球分布图.其中左侧一列表示云底高,右侧一列表示云顶高.从图 8a和8b中可以看出,无论是云底高还是云顶高,其沿纬度方向都有明显的变化特征,即在低纬地区较大,随着纬度的升高而逐渐减小,在极地地区达到极小值,Poore 等[4] 和Wang等[7]的研究也都表明类似的分布特征,主要因为低纬地区充沛的水汽分布以及强对流性天气过程(如热带气旋)的出现使得云层整体较高.从CloudSat与掩星和探空仪边界高度反演偏差的地理分布中也可以看出,低纬地区的偏差要大于中高纬地区,且掩星与CloudSat的偏差要小于探空仪,掩星反演结果中除较少地区云边界高度的偏差大于5km 以外,多数区域内云底高偏差都在0~2km 之间,云顶高偏差主要集中在-2~1km 范围内,相应探空仪的云底高偏差主要分布在-2~3km 内,而云顶高偏差多集中在5km 附近,但偏差大于5km 的区域也占较高比例,说明多数区域内探空仪云顶高的反演结果可信度较低,存在较大误差.
图 9表示CloudSat、掩星和探空仪最底层云云底高和最顶层云云顶高随季节的变化特征.图中实线、虚线和点划线分别代表CloudSat、掩星和探空仪,横轴上1-12代表 2008年1-12月份,13代表 2009年1月份.从图 9 可知,云底高和云顶高具有相似的季节变化规律,即夏季较大而冬季较小.就反演偏差而言,云底高和云顶高偏差在夏季最大,掩星和探空仪云底高偏差分别为1.5km 和2km,云顶高偏差则分别达到2.5km 和3km,冬季掩星与CloudSat的云底高偏差最小,而云顶高偏差在春季最小,探空仪云底高偏差在2008 年2 月份达到最小,云顶高偏差除夏季较大外,其他季节相对均匀,无明显差异.另外,在分析最底层云云底高的季节变化时,CloudSat探测结果中低云和中云所占比例冬季分别为74.05%和14.57%,夏季分别为64.41%和19.08%,表明夏季底层云的云底高度有向上抬升的趋势,低云所占比例减小而中高云比例增加,掩星和探空仪相应的云底高统计结果也具有类似的变化特点,不同之处在于探空仪反演结果中低云所占比例高达85%以上,从冬季至夏季减小的比例相对较小.对于云顶高而言,CloudSat探测结果中云顶高度在10km以上的云层所占比例由冬季的19.29% 上升到夏季的32.69%,表明夏季水汽充沛、对流发展旺盛使得顶层云的云顶高度也有较大抬升,掩星反演结果中相应比例冬季为32.72%,夏季为57.92%,探空仪也在夏季达到最大,但由于所占比例较小,仅有百分之几,因而变化不太明显,而云顶低于5km 的云层所占比例由冬季的75.36% 减小为夏季的66.81%,同样说明了夏季云体的整体抬升作用.
通过对2008年1月至2009年1月的CloudSat、 COSMIC 无线电掩星以及探空仪资料进行数据匹配,以CloudSat发布产品中CloudSat与CALIPSO 联合探测的云边界高度为基准,对借助Wang等[5] 提出的相对湿度廓线算法、利用掩星和探空资料反演的云底高和云顶高的有效性进行评估,主要对比分析了三种设备云检测结果的差异以及不同地区、 不同类型云高度的反演偏差及其随纬度和季节的变化特征,得出以下主要结论:
(1) CloudSat仅检测到四层以内的云,其中单层云与双层云共同所占比例高达70%以上,而三层云和四层云仅占不到3%,掩星和探空仪检测到六层以内的云,其中单层云和双层云共同所占比例分别达到65%和55%以上,而三层云和四层云也占到10%以上.三者云检测结果中低云所占比例都达到50%左右,中云比例CloudSat小于20%,掩星和探空仪则达到27%左右,高云差异最大.全球、陆地以及海洋地区掩星和探空仪的云检测效率比较接近,说明二者不会造成云层过多的误检测或过检测,而掩星云检测质量高于探空仪说明探空仪会造成多数云层的漏检测,此外海洋地区的检测效率和质量高于陆地表明相对湿度廓线法在海洋上的效果更佳.
(2) 掩星与CloudSat云层发生概率随高度的变化趋势更为一致,探空仪对低云的检测结果与CloudSat较为相符,但对中高云尤其是10km 以上高云的检测效果较差.三者云检测结果存在偏差的原因主要有两方面:一方面掩星云边界高度判定时易造成云层的虚检测、误检测和漏检测[6],而探空资料受仪器本身的限制其质量随高度升高而降低,造成多数中高云的漏检测[4];另一方面掩星和探空仪都存在一定距离的水平漂移,其云检测结果并非某一地理坐标点垂直向上的云层分布信息,必然与近似星下点探测的CloudSat(偏离星下点0.16°)云检测结果存在差异.
(3) 陆地上三者云底高的一致性优于云顶高,其中掩星与CloudSat的云底高在4km 以下比较吻合,云顶高在0~5km、7~14km 及16km 以上的一致性较好,而探空仪云底高集中在5km 以下,云顶高主要分布在8km 以下且6km 以上的反演结果远小于CloudSat.海洋与陆地的分布特征相似,不同之处在于海洋上掩星反演偏差的绝对值高于陆地,而探空仪却恰恰相反.掩星对不同种类云的云底高和云顶高具有不同的反演能力,而探空仪对各种云云底高的反演精度都大于云顶高,且反演精度随云边界高度的升高而降低.
(4) 除高层云和卷云外,掩星云底高反演结果普遍偏大,而探空仪除积云外普遍偏小,且其对2km 以下低云的反演效果优于掩星,但随云底高的升高反演偏差也越来越大.对于云顶高于6km 的云层,掩星云顶高反演结果优于探空仪,而低于6km 时探空仪的反演结果较好.CloudSat与掩星和探空仪云底高的发生概率都有很好的一致性,不同之处在于掩星结果中低云所占比例较小,而探空仪则相对较高.CloudSat探测的顶层云云顶高主要分布在5km以下、5~14km 以及14~18km 内,掩星也有类似的分布特点,不同之处在于各区间内所占比例有所差异,探空仪云顶高在8km 以下的比例远大于CloudSat,但8km 以上却随高度升高而减小,且12km 以上几乎为0,说明探空仪对8km 以上云层云顶高探测能力的不足.
(5) CloudSat云边界高度随纬度升高而减小,其与掩星和探空仪的反演偏差同样在低纬较大,而中高纬较小.掩星云底高和云顶高的反演偏差分别集中在0~2km 和-2~1km 内,探空仪则集中在-2~3km 以及5km 附近.三者云高度反演结果季节变化相似,即夏季较高、冬季较低,反演偏差在夏季较大,但较小值却分布在不同季节.底层云中低云所占比例从冬季到夏季逐渐变小,说明夏季底层云云底有向上抬升的趋势,顶层云云顶高位于10km 以上的比例从冬季到夏季逐渐增加,表明夏季充沛的水汽和发展旺盛的对流使得顶层云的云顶高也出现了较大抬升.
需要指出的是,Welliver[31]利用分布在全球不同地区四个地面站点的地基毫米波雷达、激光雷达和云幂仪联合探测结果对CloudSat与CALIPSO 联合探测产品2B-GEOPROF-LIDAR 中最底层云云底高的探测结果进行验证,结果发现其准确率仅为73%,并指出该产品所提供的0.1km 以下云底高信息的可信度值得推敲.而COSMIC 无线电掩星具有高精度、高分辨率和高时空密度以及不受天气条件影响等探测优势,因此若能联合地基设备对底层云高度以及联合CloudSat和CALIPSO 对上层云高度的较准确探测,对Wang等[5]提出的反演算法作进一步改进,并充分考虑掩星最低探测高度的影响,从而可以提高云边界高度反演的准确度.同时,借助静止卫星可提供大范围云边界高度的优势,综合主被动多传感器实现大区域内云边界高度较准确而完整的探测,对于研究云的物理特性及其在气候变化、辐射强迫和模式评估等中的作用具有重要意义.
致谢本文利用的星载毫米波雷达资料由CloudSat卫星的数据处理中心(DPC)提供,COSMIC 掩星湿空气数据和探空资料由美国大气研究大学协会(UCAR)的数据分析和存储中心(CDAAC)提供,在此谨表感谢!
[1] | Wang J H, Rossow W B. Effects of cloud vertical structure on atmospheric circulation in the GISS GCM. J. Climate , 1998, 11(11): 3010-3029. DOI:10.1175/1520-0442(1998)011<3010:EOCVSO>2.0.CO;2 |
[2] | Rossow W B, Zhang Y C. Calculation of surface and top of atmosphere radiative fluxes from physical quantities based on ISCCP data sets 2. Validation and first results. J. Geophys. Res. , 1995, 100(D1): 1167-1197. DOI:10.1029/94JD02746 |
[3] | Izumi Y. A Study of Cirriform Clouds Over Eleven USSR Stations. Washington D C: Meteorology Division, Air Force Geophysics Laboratory, 1982 : 14 -130. |
[4] | Poore K D, Wang J, Rossow W B. Cloud layer thicknesses from a combination of surface and upper-air observations. J. Climate , 1995, 8(3): 550-568. DOI:10.1175/1520-0442(1995)008<0550:CLTFAC>2.0.CO;2 |
[5] | Wang J, Rossow W B. Determination of cloud vertical structure from upper-air observations. J. Appl. Meteor. , 1995, 34(10): 2243-2258. DOI:10.1175/1520-0450(1995)034<2243:DOCVSF>2.0.CO;2 |
[6] | Wang J, Rossow W B, Uttal T, et al. Variability of cloud vertical structure during ASTEX observed from a combination of Rawinsonde, radar, ceilometer and satellite. Mon. Wea. Rev. , 1999, 127(10): 2484-2502. DOI:10.1175/1520-0493(1999)127<2484:VOCVSD>2.0.CO;2 |
[7] | Wang J, Rossow W B, Zhang Y C. Cloud vertical structure and its variations from a 20-Yr Global Rawinsonde Dataset. J. Climate , 2000, 13(17): 3041-3056. DOI:10.1175/1520-0442(2000)013<3041:CVSAIV>2.0.CO;2 |
[8] | Zhang J Q, Chen H B, Li Z Q, et al. Analysis of cloud layer structure in Shouxian, China using RS92 radiosonde aided by 95 GHz cloud radar. J. Geophys. Res. , 2010, 115: D00K30. DOI:10.1029/2010JD014030 |
[9] | Sassen K, Cho B S. Subvisual-thin cirrus lidar dataset for satellite verification and climatological research. J. Appl. Meteor., 1992, 31(11): 1275-1285. |
[10] | Hasler A F. Stereographic observations from satellites: An important new tool for the atmospheric science. Bull. Amer. Meteor. Soc. , 1981, 62(2): 194-212. DOI:10.1175/1520-0477(1981)062<0194:SOFGSA>2.0.CO;2 |
[11] | 宫晓艳, 胡雄, 吴小成, 等. GPS测量误差对大气掩星反演精度影响分析. 地球物理学进展 , 2008, 23(6): 1764–1781. Gong X Y, Hu X, Wu X C, et al. Analysis of the influence of GPS measurements error on inversion precision of atmospheric radio occultation. Progress in Geophysics (in Chinese) (in Chinese) , 2008, 23(6): 1764-1781. |
[12] | Schmidt T, Wickert J, Beyerle G, et al. Tropical tropopause parameters derived from GPS radio occultation measurements with CHAMP. J. Geophys. Res. , 2004, 109: D13105. DOI:10.1029/2004JD004566 |
[13] | Wickert J, Reigber C, Beyerle G, et al. Atmosphere Sounding by GPS Radio Occultation: First results from CHAMP. Geophys. Res. Lett. , 2001, 28(17): 3263-3266. DOI:10.1029/2001GL013117 |
[14] | 严卫, 韩丁, 陆文, 等. 基于COSMIC掩星探测资料的云底高反演研究. 地球物理学报 , 2012, 55(1): 1–15. |
[15] | 杜晓勇. 天基GNSS掩星探测技术与应用. 北京: 北京大学物理学院, 2009 : 4 -120. Du X Y. Research on spaceborne GNSS occultation technique and application (in Chinese). Beijing: School of Physics, Peking University, 2009 : 4 -120. |
[16] | 肖卫华, 符养, 杜晓勇, 等. COSMIC掩星数据在平流层的温度特性验证. 地球物理学进展 , 2011, 26(4): 1214–1222. Xiao W H, Fu Y, Du X Y, et al. Analysis and validation of stratospheric temperatures in COSMIC radio occultation data. Progress in Geophysics (in Chinese) (in Chinese) , 2011, 26(4): 1214-1222. |
[17] | 王立国, 符养, 杜晓勇, 等. 利用掩星数据研究全球对流层顶断裂带变化. 地球物理学进展 , 2011, 26(3): 794–804. Wang L G, Fu Y, Du X Y, et al. A study on variations of the global tropopause break area by using radio occultation data. Progress in Geophysics (in Chinese) (in Chinese) , 2011, 26(3): 794-804. |
[18] | 吴春强. 中国区域云辐射特征的观测分析与数值模拟. 北京: 中国科学院大气物理研究所, 2010 : 15 -81. Wu C Q. Observational analyses and numerical simulations of cloud properties over and surrounding China (in Chinese). Beijing: Institute of Atmospheric Physics, Chinese Academy Sciences, 2010 : 15 -81. |
[19] | 李积明, 黄建平, 衣育红, 等. 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. 大气科学 , 2009, 33(4): 698–707. Li J M, Huang J P, Yi Y H, et al. Analysis of vertical distribution of cloud in East Asia by space-based lidar data. Chinese Journal of Atmospheric Sciences (in Chinese) (in Chinese) , 2009, 33(4): 698-707. |
[20] | Luo Y, Zhang R, Wang H. Comparing occurrences and vertical structures of hydrometeors between eastern China and the Indian monsoon region using CloudSat/CALIPSO data. J. Climate , 2009, 22(4): 1052-1064. DOI:10.1175/2008JCLI2606.1 |
[21] | Chen T, Rossow W B, Zhang Y. Cloud type radiative effects from the international satellite cloud climatology project. Proc 11th Symposium on Global Change Studies. Amer. Meteorol. Soc. , 2000, 1(2): 86-89. |
[22] | Wang Z, Sassen K. Cloud type and macrophysical property retrieval using multiple remote sensors. J. Appl. Meteor. , 2001, 40(10): 1665-1682. DOI:10.1175/1520-0450(2001)040<1665:CTAMPR>2.0.CO;2 |
[23] | Ho S P, Zhou X J, Kuo Y H, et al. Global evaluation of radiosonde water vapor systematic biases using GPS radio occultation from COSMIC and ECMWF analysis. Remote Sensing , 2010, 2(5): 1320-1330. DOI:10.3390/rs2051320 |
[24] | Elliott W P, Gaffen D J. On the utility of radiosonde humidity archives for climate studies. Bull. Amer. Meteorol. Soc. , 1991, 72(10): 1507-1520. DOI:10.1175/1520-0477(1991)072<1507:OTUORH>2.0.CO;2 |
[25] | Luers J K, Eskridge R E. Use of radiosonde temperature data in climate studies. J. Climate , 1998, 11(5): 1002-1019. DOI:10.1175/1520-0442(1998)011<1002:UORTDI>2.0.CO;2 |
[26] | Sokolovskiy S. Tracking tropospheric radio occultation signals from low earth orbit. Radio Sci. , 2001, 36(3): 483-498. DOI:10.1029/1999RS002305 |
[27] | 胡雄, 刘说安, 宫晓艳, 等. COSMIC大气掩星开环数据反演方法. 地球物理学报 , 2009, 52(9): 2195–2200. Hu X, Liu Y A, Gong X Y, et al. Inversion of COSMIC atmospheric open-loop radio occultation data. Chinese J. Geophys. (in Chinese) , 2009, 52(9): 2195-2200. |
[28] | 宫晓艳, 胡雄, 吴小成, 等. 大气掩星反演误差特性初步分析. 地球物理学报 , 2007, 50(4): 1017–1029. Gong X Y, Hu X, Wu X C, et al. Preliminary analysis of error characteristics in atmospheric inversion of GPS radio occultation. Chinese J. Geophys. (in Chinese) , 2007, 50(4): 1017-1029. |
[29] | 王鑫, 吕达仁. GPS无线电掩星技术反演大气参数方法对比. 地球物理学报 , 2007, 50(2): 346–353. Wang X, Lü D R. Comparative analysis of inversion methods of retrieving atmospheric profiles with GPS occultation measurements. Chinese J. Geophys. (in Chinese) , 2007, 50(2): 346-353. |
[30] | Marchand R, Mace G G, Ackerman T, et al. Hydrometeor detection using Cloudsat-an earth-orbiting 94-GHz cloud radar. J. Atmos. Oceanic Technol. , 2008, 25(4): 519-533. DOI:10.1175/2007JTECHA1006.1 |
[31] | Welliver E A. Remote detection of cloud base heights using CloudSat and CALIPSO. California: Naval Postgraduate School, 2009 : 25 -40. |