2. 中国人民解放军95364部队, 广东湛江 524300;
3. 中国人民解放军92859部队, 天津 300000
2. Unit No. 95364 of Chinese People's Liberation Army, Guangdong Zhanjiang 524300, China;
3. Unit No. 92859 of Chinese People's Liberation Army, Tianjin 300000, China
层积云覆盖了地球表面约五分之一的面积(Hahn and Warren, 2007),是地气系统的重要组成部分.层积云不仅反射入射的太阳短波辐射,形成负的辐射强迫(Chen et al., 2000),还参与全球水汽循环,调整地气系统中水资源的分布(Li et al., 2008),并通过降水过程释放凝结潜热,改变大气中潜热的垂直廓线(Trenberth et al., 2009),为各种尺度的大气运动提供能量(Tao, 2006).Baker(1997)研究指出,层积云降水的形成及其产生的气候效应不仅取决于云的宏观结构,更与云中的微物理特征关系密切.不同的云水含量,云滴数浓度和云滴半径,均会产生不同的辐射强迫(Waliser et al., 2011),并影响云层产生降水量的多寡(李昀英等, 2015).
目前,地基雷达、飞机和卫星观测数据是研究云物理特征的主要资料来源.但是,地基雷达受其工作方式的限制,往往只能得到云某一方面的信息(Li et al., 2004);飞机观测成本较高,且无法获得长时间连续的观测数据;传统的被动遥感卫星只能获取云顶或整层云累积的微物理信息,难以深入云内观测云微物理特征的垂直分布.2006年发射升空的CloudSat卫星,其搭载的云廓线雷达CPR(Cloud Profiling Radar)可以“切开”云层,观测云内的微物理特征和云的垂直结构,为研究云及其气候特征提供了宝贵数据.
基于不同观测数据,前人对层积云进行了大量研究.Wood(2011)系统地回顾了层积云的气候特征和垂直结构,指出层积云中的降水主要是暖云降水;Li等(2018)利于4年的CloudSat观测数据揭示了层积云降水和非降水时的宏微观物理特征,发现降水层积云的云层更厚,云微物理量的量值也更大;Gao等(2014)对北半球的暖云进行了研究,指出云层液态水路径的大小可以很好地指示暖云的不同发展阶段.此外,CPR的雷达反射率廓线可以反映云中降水粒子的形成过程,Nakajima等(2010)和Suzuki等(2010)基于CPR雷达反射率数据,探究了暖云中降水形成的微物理机制,并分析了云滴的碰并增长效率;在此基础上,Takahashi等(2017)进一步结合模式模拟,分析了暖云降水形成过程的海陆差异,指出其海陆差异主要是由云中上升气流的强度在海洋和陆地上空不同导致的.这些研究系统地分析了层积云的微物理特征和微物理机制,但在层积云发展的不同阶段,云微物理量量值和微物理特征的垂直分布不尽相同(Wood, 2011),层积云中发生的微物理机制与其产生的气候效应也存在较大差异(Bony and Dufresne, 2005; Lohmann and Feichter, 2005).因此,深入研究层积云的微物理特征,揭示层积云发展过程中云微物理特征的演变,对于进一步理解层积云的生命史,以及层积云对地气系统能量平衡和水汽循环的影响具有重要意义.
Klein和Hartmann(1993)研究发现,地球上的层积云主要分布在四个区域,中国东部地区便是其中之一.如图 1所示,中国东部陆地上空层积云的出现频率普遍大于15%,这是因为对流层低层的西风气流受青藏高原高大地形的阻挡,分为两支在高原南北两侧发生绕流,气流在高原背风坡的中国东部地区辐合上升形成云,而云顶受对流层中层的逆温层和辐散层限制,生成的云类型主要以层积云为主,使中国东部成为北半球副热带地区唯一的陆地层积云大值区(Li and Gu, 2006; Yu et al., 2001; 李昀英等, 2003).在日本和菲律宾之间的洋面上,受冬季黑潮的影响,来自大陆的冷空气流经较暖的洋面,大气湿不稳定增加,对流运动增强,因而在海洋上空生成大量的层积云(Klein and Hartmann, 1993),层积云出现频率大于20%.
中国东部层积云出现时产生降水的概率约为30%,降水类型以液态降水为主,而降水与非降水层积云的宏微观物理特征和垂直结构存在显著差异(Ghate et al., 2010; Li et al., 2018; Rapp et al., 2013).本文基于CloudSat观测数据,参考Gao等(2014)的研究方法,依据云层液态水路径的大小对层积云的发展阶段进行划分,并区分云层降水情况,对比研究中国东部地区(10°N—40°N,105°E—130°E,图 1中红色矩形区域)降水和非降水层积云在发展过程中云微物理特征的演变,以期进一步揭示层积云中降水的产生机制,提高降水预报水平,为模式参数化方案的改进和人工影响天气的实施提供理论参考.
1 CloudSat数据介绍与质量控制本文所使用的数据是2007—2010年的CloudSat卫星观测资料.CloudSat卫星为太阳同步轨道卫星,每天可经过研究区域1~2次.CloudSat卫星搭载的94 GHz云雷达CPR每0.16 s发射一次脉冲信号进行探测,其星下点分辨率为沿轨1.7 km×跨轨1.3 km,可探测从海平面到高空约30 km的范围.CloudSat卫星将垂直探测范围分为125层,每层厚0.24 km,并将这样1.7 km×1.3 km×0.24 km的立方体空间定义为卫星数据最基本的存储单元,称之为“bin”(Stephens et al., 2002).
CloudSat数据处理中心发布的2B-GEOPROF产品提供了每个bin的雷达反射率和云检测信息Cloud mask,Cloud mask值越大,CPR对云误判的概率越小.研究过程中,本文只使用Cloud mask≥30的bin,即对云探测误差小于2%的bin进行统计.2B-CLDCLASS产品参考CPR雷达反射率、云顶温度、云层分布高度、厚度以及云层降水情况,结合基于角色(role-based)的模糊逻辑分类法(fuzzy logic classification)将探测到的云分为8类,分别是高云、高积云、高层云、层云、层积云、积云、雨层云和深对流云(方乐锌等, 2016).其中层积云定义为云底高度低于2.0 km,水平尺度约103 km,垂直发展浅薄,液态水路径大于0的产生或不产生降水的云层(Sassen and Wang, 2008).同时,2B-CLDCLASS产品参考距地约1.2 km处bin的雷达反射率值,使用阈值法将云层降水情况分为不降水、毛毛雨、液态降水和固态降水四类(尚博等, 2012).CPR虽然可以穿透光学厚度较厚的云对多层云系进行观测,但受其探测波长的限制,CPR对中高层过冷水云和冰云的探测能力较差.而与CloudSat卫星同轨运行的CALIPSO(Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observations)卫星上搭载的正交-偏振云气溶胶激光雷达CALIOP(Cloud-Aerosol Lidar with Orthogonal Polarization)对光学厚度较薄的卷云更为敏感,可以弥补CPR的不足.因此,Radar和Lidar的联合观测数据提供了更为完整的云宏观信息,并储存在2B-CLDCLASS-LIDAR产品中(杨冰韵等, 2014).2B-CWC-RO和2B-CWC-RVOD提供了每个bin的云微物理信息及其对应的不确定性.2B-CWC-RO是在ECMWF(European Centre for Medium-Range Weather Forecast)辅助资料、云检测值、云场景值和雷达数据流的基础上反演得到的,而2B-CWC-RVOD则进一步参考了云层的光学厚度信息,并对反演过程进行约束,得到了精度更高的云微物理信息.考虑到并不是每一轨数据都包含2B-CLDCLASS-LIDRA和2B-CWC-RVOD产品,故在本文统计过程中,优先使用2B-CLDCLASS-LIDAR产品提供的云宏观信息和2B-CWC-RVOD产品提供的云微物理信息.若缺少2B-CLDCLASS-LIDAR产品,则使用2B-CLDCLASS产品进行替代;若缺少2B-CWC-RVOD产品,则使用2B-CWC-RO产品进行替代.
众多学者基于CloudSat观测数据对不同类型云的气候特征进行了研究,证明了CloudSat卫星数据的可靠性(Jiang et al., 2011; Kiran et al., 2015; Rajeevan et al., 2013; Zhang et al., 2014).但是,CloudSat数据在某些特定情况下仍存在一定的不确定性.首先,雷达信号在接近地面1.0 km(约4个bin)的范围内易被地表回波污染,需谨慎使用(Li and Zhang, 2016);其次,降水云下部的雨滴粒子会对CPR造成很强的衰减,因而CPR会漏判一部分低云的存在(Christensen et al., 2013);第三,在水云和冰云共存的混合相态bin中,CloudSat反演结果往往并不能真实反映大气中液相向冰相的转化过程;最后,CloudSat反演云微物理量时假设云中液态粒子服从对数正态分布,但降水云中液态粒子的实际分布与假设有一定的差异,且强降水云中大雨滴形成的强雷达反射率可能会超过反演算法的适用范围,云微物理量的反演不收敛(Barker et al., 2008; Lee et al., 2010).因此,为保证云微物理数据的可靠性,研究过程中只选取液态水反演不确定性小于60的bin样本进行统计,且为研究层积云微物理量的垂直分布特征,统计过程中只考虑了云层厚度大于0.24 km(即至少包含两个bin)的层积云样本.
由于层积云产生固态降水的概率不足2%,云中降水主要以暖云降水为主,故本文研究的降水层积云只包括产生液态降水或毛毛雨的层积云样本,云微物理特征的分析仅针对层积云中的液态云微物量(包括云液态水含量、液态粒子数浓度和液态粒子有效半径).研究过程中共使用到大约872万条CloudSat廓线数据,其中包含11万多个降水层积云样本和近21万个非降水层积云样本.
2 非降水与降水层积云发展阶段的划分云液态水路径是云层液态水含量在垂直方向上的积分,与云的动力性质和周围环境的热力性质关系密切.L′Ecuyer等(2009)研究发现,层积云产生降水的概率随云层液态水路径的增加而增加,因而云层液态水路径的大小可以作为划分层积云发展不同阶段的重要指标,并为降水率的估计提供参考(Gao et al., 2014).因此,本文基于层积云液态水路径的大小对云层的发展阶段进行划分.图 2给出了不同液态水路径区间内,降水和非降水层积云的样本数量及其所占比例.如图所示,非降水层积云的液态水路径普遍小于降水层积云,超过96%的非降水层积云样本的液态水路径小于350 g·m-2,而降水层积云的液态水路径最大可超过2000 g·m-2.非降水层积云和降水层积云的样本数量均随云层液态水路径的增加先增多后减少,非降水层积云的样本数量在50~100 g·m-2范围内最多,降水层积云的样本数量在250~500 g·m-2范围内最多.
在划分降水和非降水层积云发展阶段的过程中,本文首先参考了不同液态水路径区间内层积云样本数量的分布及层积云出现时产生降水的概率,并以50 g·m-2液态水路径为间隔,将降水和非降水层积云划分为0~50,50~100,100~150,150~200,200~250等若干样本组.在此基础上,综合考虑各样本组内层积云微物理量的量值大小及其垂直分布特征,以及云微物理特征所反映的云滴增长机制,将云微物理特征较为相似的层积云样本组进行合并.最终将非降水层积云划分为0~50 g·m-2,50~100,100~150,150~200, 200~350 g·m-2五组,将降水层积云划分为0~250,250~500 g·m-2,500~750,750~1250, 1250~1750 g·m-2五组,分别代表非降水和降水层积云发展的不同阶段.
3 非降水与降水层积云微物理特征的演变Yuter和Houze(1995)利用雷达反射率的高度-频率等值线图(CFAD)揭示了风暴性质的统计分布特征,展示了风暴性质在每一高度层上归一化出现频率的分布状况,但在风暴顶端样本数量较少时计算频率可能会偏大.在CFAD方法的基础上,本文利用整体归一化处理后的云微物理量和雷达反射率的高度-频率等值线图(NCFAD)分析降水和非降水层积云微物理特征的垂直分布,为避免不同地形上空云层分布高度不一的影响,研究过程中纵坐标采用云内bin样本相对云底的高度,即bin的中心高度减去云底高度,由于bin的垂直分辨率为240 m,故云中云底以上第n个bin样本相对云底的高度为(0.24×n-0.12)km.
3.1 非降水层积云雷达反射率的演变雷达反射率是降水识别和云特性反演过程中最关键的物理参数,图 3给出了非降水层积云不同发展阶段雷达反射率的NCFAD,图中黑色实线为云内每一高度层上出现频率最大的雷达反射率值的连线,称为“雷达反射率廓线”(Yin et al., 2013),雷达反射率廓线可以大致反映出云中发生的微物理过程.已有研究表明,当CPR探测暖云时,其雷达反射率值小于-20 dBZ反映的是云滴粒子,雷达反射率介于-15到0 dBZ反映的是毛毛雨滴,而雷达反射率介于0到15 dBZ时则反映的是雨滴粒子(Suzuki et al., 2010).此外,Nakajima等(2010)进一步指出,暖云中雷达反射率值随高度升高而增加的变化过程与云滴粒子上升时的凝结增长过程相对应,而雷达反射率值随高度降低而增加的变化过程则与云滴粒子下降时的碰并增长过程相对应.
当非降水层积云液态水路径小于100 g·m-2时(图 3a—3b),随高度升高,雷达反射率廓线值基本保持不变,基本稳定在-25 dBZ左右,反映出非降水层积云中云滴在垂直方向上分布较为均匀,云滴增长不明显.随着非降水层积云液态水路径的增加(图 3c—3e),雷达反射率廓线逐渐表现为随高度升高先增加后减小的变化趋势,雷达反射率最大值约出现在云中0.6 km处,说明在非降水层积云云层的中下部,存在云滴粒子的凝结增长过程,但雷达反射率廓线的斜率较小,凝结过程对云滴粒径增长的贡献十分有限.此外,雷达反射率NCFAD大值区域始终保持在-15 dBZ以下,NCFAD在-15 dBZ以上也有少量分布,故非降水层积云中占主导地位的始终是云滴粒子,但在部分非降水层积云中,也存在一定数量的毛毛雨滴.
3.2 非降水层积云微物理特征的演变非降水层积云发展的不同阶段云液态水含量、液态粒子数浓度和液态粒子有效半径的演变如图 4所示.伴随着非降水层积云的发展,云中液态水含量逐渐增加(图 4a—4e),液态水含量在垂直方向上逐渐表现为随高度升高先增加后减小的分布趋势,在非降水层积云发展的任意一个阶段,云液态水含量量值的谱宽均随高度升高逐渐变窄.非降水层积云中液态粒子数浓度NCFAD大值区域始终保持在60~80 cm-3(图 4f—4j),液态粒子数浓度随云层发展略有增加,但其增大的速度随云层发展逐渐变缓.液态粒子数浓度在云底高于云顶,云层发展过程中,液态粒子数浓度的谱宽在云层中上部变化不大,而在云层底部逐渐变窄,故平均液态粒子数浓度随高度升高逐渐减小.云中液态粒子有效半径的演变(图 4k—4o)与液态水含量的演变较为相似,但液态粒子有效半径随云层发展的增大幅度较小,NCFAD大值区域主要分布在7~12 μm范围内,在云底附近,液态粒子有效半径基本小于10 μm.当非降水层积云液态水路径大于100 g·m-2时,部分层积云样本中液态粒子有效半径在云层中部可达10 μm以上,而只有当云滴半径超过10 μm时,才可触发云滴的碰并过程,并使云滴进一步增长为毛毛雨滴或雨滴(Takahashi et al., 2017).
整体来看,当非降水层积云液态水路径小于100 g·m-2时,雷达反射率廓线在垂直方向上几乎保持不变,云中液态水含量、液态粒子数浓度和液态粒子有效半径均随高度升高而变小,此时云层较薄,云内上升气流强度较弱,云滴在垂直方向上无明显增长.当非降水层积云液态水路径增加至100 g·m-2以上时,在云层中下部,随着云内高度的升高,雷达反射率变大,云中液态水含量和液态粒子有效半径显著增大,液态粒子数浓度几乎保持不变或略有增加,说明云中小液滴在上升气流作用下被不断抬升,空气中的水汽在其表面不断凝结,云滴粒径变大.但是,云滴凝结增长的速度与云滴粒径成反比,随着云滴的变大,其凝结效率逐渐降低(Wood, 2011),云滴增长速度逐渐变缓,云滴的凝结增长过程约在云中0.6 km处达到极限(图 4e,j和o),雷达反射率和液态云微物理量的量值均在此高度层达到最大.在非降水层积云云层中上部,液态云微物理量和雷达反射率均随高度降低而增加,考虑到部分非降水层积云中云滴半径可超过10 μm,说明在非降水层积云发展的旺盛阶段,云中可能发生弱的碰并过程.此外,云顶受太阳辐射和夹卷过程的影响,部分云滴发生蒸发,也会导致液态云微物理量量值在云顶附近略有减小.因此,非降水层积云中云滴的增长主要源自其凝结过程,但云滴的凝结增长有限,而当非降水层积云发展至旺盛阶段时,云滴在云层中上部下落过程中发生较弱的碰并增长,但碰并过程并不显著,云中难以形成较大的雨滴并产生明显降水.
3.3 降水层积云雷达反射率的演变图 5给出了降水层积云雷达反射率NCFAD随云层发展的演变,随着云层液态水路径的增加,层积云云顶高度不断升高,云层不断向上发展,说明本文以液态水路径为标准划分层积云发展阶段的方法具有一定的合理性.如图 5a所示,当降水层积云液态水路径小于250 g·m-2时,雷达反射率廓线值在云中0.6~0.84 km高度层内迅速增加,云底处雷达反射率廓线值小于-10 dBZ,而在云层中上部,雷达反射率小于-20 dBZ,此时降水层积云中云滴与毛毛雨滴共存.随着降水层积云的发展,雷达反射率增大,当云层液态水路径介于250~750 g·m-2时,雷达反射率廓线值随高度降低逐渐增大,其增大速度在云中1.08~1.56 km高度层内最快.而在云层底部,部分降水层积云样本的雷达反射率值随高度升高而增大(图 5b和c中红色箭头所示),反映出此阶段层积云底部存在云滴的凝结增长过程.此外,雷达反射率在云底处介于-15到0 dBZ之间,此时降水层积云底部毛毛雨滴占主导地位.当云层液态水路径增加至750 g·m-2以上时,随着云内高度的降低,雷达反射率廓线值从云层中上部的约-28 dBZ逐渐增加至云底处的0 dBZ以上,反映出降水层积云中云滴下落时不断发生碰并,云滴逐渐转化为毛毛雨滴并进一步形成雨滴的过程.且在此阶段中,降水层积云底部以雨滴为主,云滴的凝结增长过程不再显著.当降水层积云发展到旺盛阶段时(图 5e),雷达反射率廓线在云中0.84 km高度以下随高度降低略有减小,这可能是由于部分雨滴在对流层低层蒸发导致的.整体来看,降水层积云云底处雷达反射率在液态水路径小于750 g·m-2时主要分布在-15至0 dBZ之间,在液态水路径大于750 g·m-2时分布在0~10 dBZ之间,说明云底处液滴粒径随云层发展逐渐增大,而降水层积云样本数量在液态水路径250~750 g·m-2范围内最多,故层积云产生的降水主要以较弱的毛毛雨为主(Wood, 2011).
图 6反映了降水层积云中液态水含量、液态粒子数浓度和液态粒子有效半径NCFAD的演变过程.随着降水层积云的发展,云液态水含量量值变大,谱宽变宽(图 6a—6e),液态水含量逐渐表现为随高度升高先增加后减小的分布特征.云中液态粒子数浓度的谱宽随云层发展逐渐变窄,在降水层积云底部,液态粒子数浓度始终保持在70~90 cm-3范围内(图 6f—6j),略高于非降水层积云(图 4f—4j).液态粒子有效半径的演变与液态水含量的演变较为相似,云底处液态粒子有效半径普遍大于10 μm(图 6k—6o),且液态粒子有效半径最大值的出现高度与液态水含量最大值的出现高度基本一致.
考虑到非降水层积云中云滴增长主要源自凝结过程,当云滴凝结增长至足够大时,便可克服云中上升气流而下落,下落过程中大云滴不断碰并小云滴使自身粒径进一步增大形成毛毛雨滴或雨滴,当生成的毛毛雨滴或雨滴脱离云层形成降水时,非降水层积云就转换为降水层积云.当降水层积云液态水路径小于250 g·m-2时,从云顶到云底,液态水含量和液态粒子有效半径逐渐增加,而液态粒子数浓度略有减小,反映出此阶段降水层积云中云滴粒子在从云顶下落至云底的过程中持续发生碰并,大云滴不断碰并消耗粒径较小的云滴,层积云底部云滴粒径最大,但云滴数浓度较低,云水向雨水的转化最为活跃.
当降水层积云液态水路径增加至250~750 g·m-2时,云中液态水含量和液态粒子有效半径随高度升高先增加后减小,而云中液态粒子数浓度表现为两种分布趋势,一部分降水层积云样本中液态粒子数浓度随高度升高而减小(图 6g和6h中红色箭头所示),另一部分降水层积云样本中液态粒子数浓度随高度升高基本保持不变或略有增加(图 6g和6i中黑色箭头所示).这是因为云中大云滴被上升气流输送到云顶而下落,下落时不断碰并小云滴,云液态水含量和液态粒子有效半径迅速增大,而伴随着大气中云水和云凝结核的持续输入(Li et al., 2018),小液滴不断被向上输送,云中液态粒子数浓度变化较小.在云中约0.6 km处,液态粒子有效半径达到最大,云水不断转化为雨水,云液态水含量和液态粒子有效半径在云中0.6 km以下均随高度降低而减小,层积云底部主要表现为云滴的凝结增长过程.此外,大云滴下落至云层中下部碰并粒径较小的云滴使自身粒径增大,而大尺寸云滴的凝结效率较低,云中液滴总凝结表面减少,水汽无法凝结,云中过饱和度迅速增大,过高的过饱和度又激活了新的云凝结核,短时间内液态粒子数浓度增加(Young, 1975),少量降水层积云样本中液态粒子数浓度随高度升高而减小,液态粒子数浓度在云底达到最大.而新形成的微小液滴又迅速被大云滴碰并消耗,导致液态粒子数浓度随高度升高而减小的降水层积云样本数量随云层发展而减少.此外,在降水层积云云层中上部的某一固定高度层上(如1.56 km),液态粒子数浓度随云层发展逐渐增加,这可能是因为层积云中降水不断产生,潜热不断释放,云层中上部的上升气流被进一步加强,大量液滴被不断输送到云层上部.
降水层积云发展的旺盛阶段(云液态水路径大于1250 g·m-2),云液态水含量、液态粒子有效半径在层积云上部随高度降低迅速增大,而液态粒子数浓度略有减小,液态粒子数浓度的变化幅度远小于液态水含量和液态粒子有效半径的变化,反映出在降水层积云上部存在很强的碰并过程.云中液态水含量和液态粒子有效半径的最大值均出现在云中约1.32 km处,这可能与云中上升气流强度呈抛物线式分布关系密切,即上升气流强度随高度升高先增加后减小,上升气流在云层中部最强,云滴粒子在云层中部累积滞留,云微物理量量值达到最大,大量云滴在此高度层转换为雨滴并下落.而在降水层积云中下部,雨滴群的下落抑制了云中的上升运动,且液态粒子数浓度NCFAD大值区域分布在云中1.32 km以下,说明大量的小云滴集中在云层底部,难以被向上输送对云液态水进行补充,层积云开始消散.
4 非降水和降水层积云微物理特征的海陆差异在已有研究的基础上,本文进一步分析了层积云微物理特征的海陆差异.图 7和8显示了非降水和降水层积云在海洋(蓝色虚线)和陆地(红色实线)上空液态水含量、液态粒子数浓度和液态粒子有效半径及其海陆差值(海洋减去陆地)的平均垂直廓线(绿色虚线).整体来看,层积云微物理特征在垂直方向上的变化趋势在海洋和陆地上空较为一致,云微物理量的海陆差异主要体现在其量值上.
如图 7a—7e所示,非降水层积云液态水含量的海陆差值呈抛物线式分布,约在云中0.36 km以下,液态水含量在陆地上空大于海洋上空,而在云中0.36 km以上,海洋上空液态水含量更大,在云顶附近,液态水含量的海陆差异较小,且海陆差值最大值的出现高度略高于液态水含量最大值的出现高度.液态粒子有效半径海陆差值的垂直分布(图 7k—7o)与液态水含量相似,但液态粒子有效半径海陆差值的量值较小,一般不超过0.5 μm,云顶处液态粒子有效半径的海陆差异更大,这可能是因为云顶附近样本数量较少所致.非降水层积云液态粒子数浓度在海洋上空始终大于陆地上空(图 7f—7j),当非降水层积云液态水路径小于100 g·m-2时,液态粒子数浓度的海陆差值随高度升高逐渐变大.当云层液态水路径大于100 g·m-2时,在非降水层积云中下部,液态粒子数浓度在海洋上空几乎保持不变或略有增加,而在陆地上空缓慢减小,因而液态粒子数浓度的海陆差值随高度升高逐渐变大,在云中0.84 km以上,随着云中液态粒子数浓度的减小,海陆差值也逐渐变小.
液态云微物理量海陆差异的垂直分布反映出在非降水层积云中下部,云滴凝结增长的过程中,海洋表面的强蒸发作用为层积云发展提供了更加充足的水汽,云内过饱和度更高,因而海洋上空非降水层积云中液态粒子数浓度更高.受陆地上空更高的气溶胶浓度的影响,陆地上空层积云中云凝结核数量更加充足,云滴凝结增长更为活跃,云液态水含量和液态粒子有效半径在陆地上空大于海洋上空.在非降水层积云中上部,云滴凝结增长已经达到极限,环境中的水汽输送成为影响云微物理特征的主要因素,液态云微物理量量值在海洋上空大于陆地上空.在云顶附近,受太阳辐射的影响,云滴蒸发,三种液态云微物理量量值均降低,其海陆差异也逐渐减小.
4.2 降水层积云微物理特征的海陆差异对于降水层积云,当云层液态水路径小于500 g·m-2时,云液态水含量(图 8a和8b),液态粒子数浓度(图 8f和8g)和液态粒子有效半径(图 8k和8l)的海陆差异特征与非降水层积云基本一致,但降水层积云微物理量海陆差值的量值远大于非降水层积云.当云层液态水路径大于500 g·m-2时,降水层积云液态水含量(图 8c—e),液态粒子数浓度(图 8h—8j)和液态粒子有效半径(图 8m—8o)海陆差值的垂直廓线逐渐表现为反抛物线式分布:即在云底附近,云微物理量量值在海洋上空更大,而在云顶附近,云微物理量量值在陆地上空更大,且随着降水层积云的发展,云微物理量的海陆差值逐渐变大.在云中1.56~2.28 km高度之间,云液态水含量和液态粒子有效半径随高度降低而变大的速度在陆地上空更快,说明陆地降水层积云中云滴下落时的碰并效率更高,碰并增长更为活跃.而造成降水层积云微物理特征海陆差异的原因,一方面可能是受陆地复杂地形强迫的影响,陆地降水层积云中上升气流更强,更多的大尺寸云滴粒子在云层中上部累积滞留,云滴需增长至更大的尺寸才可克服上升气流而下落,导致云层中上部液态云微物理量量值在陆地上空更大(Takahashi et al., 2017).另一方面,气溶胶的第一类间接效应也会增加云滴粒子的数浓度,减小云滴粒径,减少降水的形成,延长云的生命周期(石广玉等, 2008).
此外,从云微物理量垂直廓线的分布来看,当云层液态水路径一定时,非降水层积云在陆地上空发展高度更高,云层更厚,而降水层积云在海洋上空发展高度更高,云层更厚.这可能是因为非降水层积云中液态水路径较小,云层较薄,陆地层积云中较强的上升气流可以将云滴粒子输送到云中更高的高度.而对于降水层积云,在产生降水的过程中不断释放凝结潜热,大气湿不稳定增强,并进一步促进云中的上升运动,伴随着海洋表面的强蒸发作用,大气中的水汽输送更加充足,层积云发展更厚,因此,水汽含量和外部水汽输送对于降水层积云的发展更加重要.
5 总结与讨论基于2007—2010年CloudSat卫星的观测资料,统计分析了中国东部降水与非降水层积云的微物理特征,并以云层液态水路径为标准,分别对降水和非降水层积云的发展阶段进行了划分,研究了层积云发展过程中云微物理特征的演变过程和云中发生的微物理机制,主要得到以下结论:
(1) 非降水层积云中,云液态水含量、液态粒子数浓度和液态粒子有效半径均随高度升高而减小,云滴增长主要源自其上升时的凝结过程,但云滴凝结增长有限,难以形成降水.在非降水层积云发展旺盛阶段,云微物理量在云底随高度升高略有增加,而在云层中上部略有减小,即云层中上部可能存在较弱的云滴碰并增长过程.
(2) 降水层积云中云微物理量的量值普遍大于非降水层积云,云滴向雨滴的转化主要通过云滴下落时的碰并过程.当降水层积云液态水路径小于500 g·m-2时,云滴在从云顶下落至云底的过程中持续发生碰并,云水向雨水的转化主要出现在云层中下部.当降水层积云液态水路径增加至500 g·m-2以上时,云中液态水含量和液态粒子有效半径均随高度升高先增加后减小,云微物理量量值在云层中部达到最大,云滴碰并增长主要发生在云层中上部,这可能与云中上升气流强度呈抛物线式分布关系密切,在降水层积云中部,大的云滴粒子累积滞留,云水向雨水的转化最为活跃.
(3) 受海洋表面强蒸发作用的影响,非降水层积云中液态粒子数浓度在海洋上空更高.陆地上空丰富的气溶胶粒子为云滴凝结增长提供了云凝结核,在非降水层积云中下部,云液态水含量和液态粒子有效半径在陆地上空更大,陆地层积云中云滴的凝结增长更为活跃.随着云内高度升高,凝结增长达到极限,水汽输送成为影响云微物理特征的主要因素,非降水层积云中上部云微物理量量值在海洋上空更大.
(4) 对于降水层积云,当云层液态水路径小于500 g·m-2时,云微物理量的海陆差异与非降水层积云相似;但当云层液态水路径大于500 g·m-2时,云中上升气流强度在海洋和陆地上空的不同成为导致云微物理特征海陆差异的主要因素,陆地上空降水层积云中上升气流强度更强,大量的大尺寸云滴粒子在云层中上部累积滞留,云滴的碰并增长更为活跃,降水层积云中上部云微物理量量值在陆地上空大于海洋上空.
伴随着云层液态水路径的增加,层积云降水的概率不断升高,云层也逐渐发展至强盛阶段,故本文依据液态水路径划分层积云的发展阶段并进行研究,主要讨论了层积云从初生至发展最强盛过程中云微物理特征的演变.从本文得到的结论可以看出,依据云层液态水路径所划分的降水和非降水层积云发展的不同阶段,基本反映了层积云从初生、开始发展、发展维持、发展接近强盛到发展最盛的过程.但考虑到实际大气中层积云发展的不同阶段之间本身并没有明显的界线,故难以将不同液态水路径区间内的层积云样本与层积云发展的某一特定阶段相对应.此外,在层积云发展最强盛阶段后崩溃至逐渐消散的过程中,云层液态水路径也会逐渐减小,利用液态水路径划分的层积云发展的不同阶段中也可能包含层积云逐渐消散的过程.因此,在未来的研究中,探寻可以更加合理科学地表征层积云发展不同阶段的云物理指标,而层积云从形成到发展最盛,再逐渐崩溃至消散的过程,是值得进一步深入研究的问题.
致谢 本文所使用的数据全部来自于CloudSat网站(http://www.cloudsat.cira.colostate.edu),感谢CloudSat数据处理中心提供的数据服务.感谢两位匿名审稿专家对本文研究所提出的宝贵意见和建议.
Baker M B. 1997. Cloud microphysics and climate. Science, 276(5315): 1072-1078. DOI:10.1126/science.276.5315.1072 |
Barker H W, Korolev A V, Hudak D R, et al. 2008. A comparison between CloudSat and aircraft data for a multilayer, mixed phase cloud system during the Canadian CloudSat-CALIPSO Validation Project. Journal of Geophysical Research Atmospheres, 113(D8): D00A16. DOI:10.1029/2008JD009971 |
Bony S, Dufresne J L. 2005. Marine boundary layer clouds at the heart of tropical cloud feedback uncertainties in climate models. Geophysical Research Letters, 32(20): 2005-023851. DOI:10.1029/2005GL023851 |
Chen T, Zhang Y C, Rossow W B. 2000. Sensitivity of atmospheric radiative heating rate profiles to variations of cloud layer overlap. Journal of Climate, 13(16): 2941-2959. DOI:10.1175/1520-0442(2000)013〈2941:SOARHR〉2.0.CO;2 |
Christensen M W, Stephens G L, Lebsock M D. 2013. Exposing biases in retrieved low-cloud properties from CloudSat: A guide for evaluating observations and climate data. Journal of Geophysical Research Atmospheres, 118(21): 12120-12131. DOI:10.1002/2013JD020224 |
Fang L X, Li Y Y, Sun G R, et al. 2016. Horizontal and vertical distributions of clouds of different types based on CloudSat-CALIPSO data. Climatic and Environmental Research (in Chinese), 21(5): 547-556. DOI:10.3878/j.issn.1006-9585.2016.15240 |
Gao W H, Sui C H, Hu Z J. 2014. A study of macrophysical and microphysical properties of warm clouds over the Northern Hemisphere using CloudSat/CALIPSO data. Journal of Geophysical Research Atmospheres, 119(6): 3268-3280. DOI:10.1002/2013JD020948 |
Ghate V P, Albrecht B A, Kollias P. 2010. Vertical velocity structure of nonprecipitating continental boundary layer stratocumulus clouds. Journal of Geophysical Research Atmospheres, 115(D13). DOI:10.1029/2009JD013091 |
Hahn C J, Warren S G. 2007. A Gridded Climatology of Clouds over Land (1971—1996) and Ocean (1954—2008) from Surface Observations Worldwide (NDP-026E). ESS-DIVE (Environmental System Science Data Infrastructure for a Virtual Ecosystem); Oak Ridge National Lab.(ORNL), Oak Ridge, TN (United States). doi: 10.3334/CDIAC/cli.ndp026e.
|
Jiang X, Waliser D E, Li J L, et al. 2011. Vertical cloud structures of the boreal summer intraseasonal variability based on CloudSat observations and ERA-interim reanalysis. Climate Dynamics, 36(11-12): 2219-2232. DOI:10.1007/s00382-010-0853-8 |
Kiran V R, Rajeevan M, Gadhavi H, et al. 2015. Role of vertical structure of cloud microphysical properties on cloud radiative forcing over the Asian monsoon region. Climate Dynamics, 45(11-12): 3331-3345. doi: 10.1007/s00382-015-2542-0.
|
Klein S A, Hartmann D L. 1993. The seasonal cycle of low stratiform clouds. Journal of Climate, 6(8): 1587-1606. DOI:10.1175/1520-0442(1993)006〈1587:TSCOLS〉2.0.CO;2 |
L′Ecuyer T S, Berg W, Haynes J, et al. 2009. Global observations of aerosol impacts on precipitation occurrence in warm maritime clouds. Journal of Geophysical Research Atmospheres, 114(D9). DOI:10.1029/2008JD011273 |
Lee S, Kahn B H, Teixeira J. 2010. Characterization of cloud liquid water content distributions from CloudSat. Journal of Geophysical Research Atmospheres, 115(D20). DOI:10.1029/2009JD013272 |
Li L H, Heymsfield G M, Racette P E, et al. 2004. A 94-GHz cloud radar system on a NASA high-altitude ER-2 aircraft. Journal of Atmospheric and Oceanic Technology, 21(9): 1378-1388. DOI:10.1175/1520-0426(2004)021<1378:AGCRSO>2.0.CO;2 |
Li S C, Li Y Y, Sun G R, et al. 2018. Macro- and Microphysical characteristics of precipitating and non-precipitating stratocumulus clouds over Eastern China. Atmosphere, 9(7): 237-250. DOI:10.3390/atmos9070237 |
Li X Y, Guo X L, Zhu J. 2008. Climatic features of cloud water distribution and cycle over China. Advances in Atmospheric Sciences, 25(3): 437-446. DOI:10.1007/s00376-008-0437-2 |
Li Y Y, Gu H. 2006. Relationship between middle stratiform clouds and large scale circulation over Eastern China. Geophysical Research Letters, 330(9): 881-881. DOI:10.1029/2005GL025615 |
Li Y Y, Kou X W, Fang L X, et al. 2015. Analysis and model evaluation of the relationship between clouds and precipitation over eastern China. Acta Meteorologica Sinica (in Chinese), 73(4): 766-777. DOI:10.11676/qxxb2015.042 |
Li Y Y, Yu R C, Xu Y P, et al. 2003. The formation and diurnal changes of stratiform clouds in southern China. Acta Meteorologica Sinica (in Chinese), 6(6): 733-743. DOI:10.11676/qxxb2003.074 |
Li Y Y, Zhang M H. 2016. Cumulus over the Tibetan Plateau in the summer based on CloudSat-CALIPSO data. Journal of Climate, 29(3): 1219-1230. DOI:10.1175/JCLI-D-15-0492.1 |
Lohmann U, Feichter J. 2005. Global indirect aerosol effects: A review. Atmospheric Chemistry and Physics, 5(3): 715-737. DOI:10.5194/acp-5-715-2005 |
Nakajima T Y, Suzuki K, Stephens G L. 2010. Droplet growth in warm water clouds observed by the A-Train.Part Ⅱ: A multisensor view. Journal of the Atmospheric Sciences, 67(6): 1897-1907. DOI:10.1175/2010JAS3276.1 |
Rajeevan M, Rohini P, Kumar K N, et al. 2013. A study of vertical cloud structure of the Indian summer monsoon using CloudSat data. Climate Dynamics, 40(3-4): 637-650. DOI:10.1007/s00382-012-1374-4 |
Rapp A D, Lebsock M, L′Ecuyer T. 2013. Low cloud precipitation climatology in the southeastern Pacific marine stratocumulus region using CloudSat. Environmental Research Letters, 8(1): 014027. DOI:10.1088/1748-9326/8/1/014027 |
Sassen K and Wang Z. 2008. Classifying clouds around the globe with the CloudSat radar: 1-year of results. Geophysical Research Letters, 35: L04805. DOI:10.1029/2007GL032591 |
Shang B, Zhou Y Q, Liu J Z, et al. 2012. Comparing vertical structure of precipitation cloud and non-precipitation cloud Using Cloudsat. Joumal of Applied Meteorological Science (in Chinese), 23(1): 1-9. DOI:10.3969/j.issn.1001-7313.2012.01.001 |
Shi G Y, Wang B, Zhang H, et al. 2008. The radiative and climatic effects of atmospheric aerosols. Chinese Journal of Atmospheric Sciences (in Chinese), 32(4): 826-840. DOI:10.3878/j.issn.1006-9895.2008.04.11 |
Stephens G L, Vane D G, Boain R J, et al. 2002. The Cloudsat mission and the A-Train. Bulletin of the American Meteorological Society, 83(12): 1771-1790. DOI:10.1175/BAMS-83-12-1771 |
Suzuki K, Nakajima T Y, Stephens G L. 2010. Particle growth and drop collection efficiency of warm clouds as inferred from Joint CloudSat and MODIS observations. Journal of the Atmospheric Sciences, 67(9): 3019-3032. DOI:10.1175/2010JAS3463.1 |
Takahashi H, Suzuki K, Stephens G. 2017. Land-ocean differences in the warm-rain formation process in satellite and ground-based observations and model simulations. Quarterly Journal of the Royal Meteorological Society, 143(705): 1804-1815. DOI:10.1002/qj.3042 |
Tao W K. 2006. Retrieval of latent heating from TRMM measurements. Bulletin of the American Meteorological Society, 87(11): 1555-1572. DOI:10.1175/BAMS-87-11-1555 |
Trenberth K E, Fasullo J T, Kiehl J. 2009. Earth′s global energy budget. Bulletin of the American Meteorological Society, 90(3): 311-324. DOI:10.1175/2008bams2634.1 |
Waliser D E, Li J L F, L′Ecuyer T S, et al. 2011. The impact of precipitating ice and snow on the radiation balance in global climate models. Geophysical Research Letters, 38(38): 122-133. DOI:10.1029/2010GL046478 |
Wood R. 2011. Stratocumulus clouds. Monthly Weather Review, 140(8): 2373-2423. DOI:10.1175/mwr-d-11-00121.1 |
Yang B Y, Zhang H, Peng J, et al. 2014. Analysis on global distribution characteristics of cloud microphysical and optical properties based on the CloudSat data. Plateau Meteorology (in Chinese), 33(4): 1105-1118. DOI:10.7522/j.issn.1000-0534.2013.00026 |
Yin J, Wang D, Zhai G, et al. 2013. Observational characteristics of cloud vertical profiles over the continent of East Asia from the CloudSat data. Journal of Meteorological Research, 27(1): 26-39. DOI:10.1007/s13351-013-0104-0 |
Young K C. 1975. The evolution of drop spectra due to condensation, coalescence and breakup. Journal of the Atmospheric Sciences, 32(5): 965-973. DOI:10.1175/1520-0469(1975)032〈0965:TEODSD〉2.0.CO;2 |
Yu R C, Yu Y Q, Zhang M H. 2001. Comparing cloud radiative properties between the Eastern China and the Indian monsoon region. Advances in Atmospheric Sciences, 18(6): 1090-1102. DOI:10.1007/s00376-001-0025-1 |
Yuter S E, Houze R A. 1995. Three-dimensional kinematic and microphysical evolution of Florida cumulonimbus. Part Ⅲ: Vertical mass transport, maw divergence, and synthesis.. Monthly Weather Review, 123(7): 1921-1940. DOI:10.1175/1520-0493(1995)123〈1964:TDKAME〉2.0.CO;2 |
Zhang Y, Chen H M, Yu R C. 2014. Vertical structures and physical properties of the cold-season stratus clouds downstream of the Tibetan Plateau: Differences between daytime and nighttime. Journal of Climate, 27(18): 6857-6876. DOI:10.1175/JCLI-D-14-00063.1 |
方乐锌, 李昀英, 孙国荣, 等. 2016. 基于CloudSat-CALIPSO资料的全球不同类型云的水平和垂直分布特征. 气候与环境研究, 21(5): 547-556. |
李昀英, 寇雄伟, 方乐锌, 等. 2015. 中国东部云-降水对应关系的分析与模式评估. 气象学报, 73(4): 766-777. |
李昀英, 宇如聪, 徐幼平, 等. 2003. 中国南方地区层状云的形成和日变化特征分析. 气象学报, 6(6): 733-743. DOI:10.3321/j.issn:0577-6619.2003.06.010 |
尚博, 周毓荃, 刘建朝, 等. 2012. 基于Cloudsat的降水云和非降水云垂直特征. 应用气象学报, 23(1): 1-9. DOI:10.3969/j.issn.1001-7313.2012.01.001 |
石广玉, 王标, 张华, 等. 2008. 大气气溶胶的辐射与气候效应. 大气科学, 32(4): 826-840. DOI:10.3878/j.issn.1006-9895.2008.04.11 |
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. 高原气象, 33(4): 1105-1118. |