气象学报  2018, Vol. 76 Issue (1): 160-168   PDF    
http://dx.doi.org/10.11676/qxxb2017.069
中国气象学会主办。
0

文章信息

吴琼, 仰美霖, 窦芳丽, 郭杨, 安大伟. 2018.
WU Qiong, YANG Meilin, DOU Fangli, GUO Yang, AN Dawei. 2018.
星载双频云雷达的云微物理参数反演算法研究
A study of cloud parameters retrieval algorithm for spaceborne millimeter wavelength cloud radar
气象学报, 76(1): 160-168.
Acta Meteorologica Sinica, 76(1): 160-168.
http://dx.doi.org/10.11676/qxxb2017.069

文章历史

2017-03-17 收稿
2017-07-26 改回
星载双频云雷达的云微物理参数反演算法研究
吴琼1,2,3, 仰美霖4, 窦芳丽3, 郭杨3, 安大伟3     
1. 中国科学院大气物理研究所中层大气与全球环境探测实验室, 北京, 100029;
2. 中国科学院大学, 北京, 100049;
3. 国家卫星气象中心, 北京, 100081;
4. 中国气象局北京城市气象研究所, 北京, 100089
摘要: 使用星载雷达模拟器输出的模拟数据,为星载双频云雷达选择了最佳的频点组合,并开展了双频联合反演云微物理参数的算法研究。结果表明:(1)在位于大气窗口的6组频点组合中,94/220 GHz的组合对滴谱参数的微小变化较为敏感,有利于进行双频的联合反演。综合考虑不同频点的探测能力、衰减以及工业部门的制造水平后,认为94/220 GHz可以作为未来星载双频测云雷达的探测频点。(2)双频反演中最核心的双波长比(DWR)和体积中值直径(D0)的关系与冰晶粒子密度相关。当密度随着粒子直径变化时,DWR随着D0单调递增,当粒子密度固定不变时,DWR-D0曲线可能会出现非单调变化,从而使得固定密度时的反演比变密度时更加复杂。(3)后向迭代的双频反演算法同样适用于94/220 GHz进行云微物理参数的反演,并且对模拟数据的反演精度较高。此外,反演精度受到系统噪声以及定标精度的影响,为了满足反演精度的要求,系统噪声和定标误差应该控制在1 dBz以内。
关键词: 星载雷达模拟器     星载云雷达     双频反演算法     冰晶密度    
A study of cloud parameters retrieval algorithm for spaceborne millimeter wavelength cloud radar
WU Qiong1,2,3, YANG Meilin4, DOU Fangli3, GUO Yang3, AN Dawei3     
1. LAGEO, Institute of Atmosphere Physics, Chinese Academy of Science, Beijing 100029, China;
2. University of Chinese Academy of Sciences, Beijing 100049, China;
3. National Satellite Meteorological Center, Beijing 100081, China;
4. Institute of Urban Meteorology, China Meteorological Administration, Beijing 100089, China
Abstract: Based on data simulated by satellite radar simulator unit, two frequencies have been chosen to study the dual-frequency retrieval algorithm of cloud microwave parameters. Results suggest that:(1) 94/220 GHz is sensitive to tiny changes in drop size, which is beneficial for the retrieval of cloud radar parameters. Based on the consideration of detective ability, attenuation and manufacturing level in the industrial sector, 94/220 GHz can be chosen as the detection frequency of spaceborne cloud radar in the future; (2) the relationship between dual wavelength ratio (DWR) and median volume diameter (D0) relies on the particle density. DWR will increase with D0 if the particle density changes with the diameter. Otherwise, DWR will fluctuate with D0 when the particle density is a constant. Thereby the retrieval of a constant density is very difficult; (3) backward iteration retrieval algorithm of dual frequency can be applied by 94/220 GHz and the retrieval results are consistent with the true values. Furthermore, the precision of retrieval is influenced by system noise and calibration precision. Therefore, the noise and calibration precision should be controlled under 1 dBz in order to satisfy the requirement of retrieval precision.
Key words: Satellite radar simulator unit     Space borne cloud radar     Dual-frequency retrieval algorithm     Crystal density    
1 引言

云作为地球辐射收支系统的重要调节器,在大气能量循环、水汽循环以及地球气候系统中扮演着非常重要的角色。云通过辐射强迫影响着地球大气的运动状况和气候。在目前的大气环流模式中,对云强迫过程的描述主要是通过对云和辐射进行参数化来解决的。合理的参数化方案在气候模式中十分关键。但是,现有的参数化方案之间的差异很大,而这种差异所导致的气候敏感性的差异可以达到3倍(Cess, et al, 1996)。IPCC在第3次评估报告中指出, 气候模式大量的不确定性来源于气候模式中对云处理的不足以及缺乏实际的观测资料来验证云的参数化方案(IPCC, 2001)。因此,若能细致了解云的垂直分布以及微物理特征,对全球气候变化的研究来说非常重要。

雷达是测云的主要手段之一。毫米波雷达(波长为1到10 mm,频率为30到300 GHz)能够穿透含水量较多的厚云层及含水量较少的卷云,对非降水云及弱降水云的探测表现出一定的优势(Kropfli,et al,1995)。由于云滴的后向散射截面随波长而变化,因此毫米波雷达对非降水云滴有很强的探测敏感性(Stokes,et al,1994)。用毫米波测云雷达可以连续观测云的水平、垂直结构变化,获得准确的云内宏、微观参数,为更好地研究云的特性及其在气候变化中的重要作用提供支持。特别是星载毫米波雷达弥补了其他仪器无法透过高云探测不到其下云层的不足,已经成为毫米波雷达技术的一个重要发展方向。

2006年发射了第一个搭载94 GHz云廓线雷达的CloudSat卫星,用来研究云的内部水平和垂直结构,为研究云辐射特性提供云内液态水和冰水的垂直廓线(仲凌志等,2010)。中国毫米波雷达的研制起步比较晚。1979年,中国科学院大气物理研究所和安徽井冈山机械厂合作研发了X波段(3 cm)和Ka波段(8.2 mm)双波长雷达,2006年空军第7研究所与38所(安徽四创)联合研发了一部8.6 mm波长的测云雷达,主要用于监测云内积冰情况。2007年中国气象科学研究院与中国航天研究二院第23所联合研发出具有多普勒和极化功能的波长8.6 mm测云雷达,这是中国第一部用于气象探测的灵敏度较高的毫米波雷达。目前,中国电子科学集团公司第14研究所也成功开发了35 GHz毫米波云雷达。2014年,安徽38所、中国航天科技集团九院704所成功研制了94 GHz毫米波云雷达,南京信息工程大学也已成功研制出硬件国产化的94 GHz测云偏振雷达。2015年,中国航天科技集团公司五院和八院开展了220 GHz测云雷达原理样机总体方案的设计和研制工作,成功获得了中国220 GHz测云雷达的第一手宝贵资料(边明明等,2015)。

在云微物理参数的反演方面,最常用的是经验统计法,比如冰水含量和雷达反射率因子(IWC-Ze)的关系,使用这种方法的优点是简单易行,但是这种关系受时空变化的影响很大。因此,反演精度往往不高。有学者研究(Brown, et al, 1995b)表明,如果仅使用94 GHz的雷达探测资料时,对0.01 g/m3冰水含量的反演误差为+85%到-45%。但是,如果有辅助的云滴谱信息,这个反演误差可以缩小到+50%到-35%。在现有的探测手段中,获得云滴谱的最有效手段是使用双频雷达。通过双频联合探测,从雷达反射率因子的差值中提取出云滴谱参数,继而进行反演,可以获得较高精度的云微物理参数。因此,双频的云雷达已经成为未来的发展方向。

总体看来,现有的研究主要侧重于云雷达的硬件技术,对双频云雷达微物理参数反演方面的研究还不多。目前,中国国家卫星气象中心正准备规划一颗云观测卫星,搭载的主载荷就是双频的测云雷达。本研究的主要目的是使用星载雷达模拟器构建的模拟数据,为星载测云雷达选择合适的频点组合,并开展反演试验,初步研究双频云雷达的微物理参数反演算法,为后续云雷达的发展奠定基础。

2 星载雷达模拟器

近年来,伴随着高精度和高灵敏度云和降水探测需求的提升,星载雷达模拟器也在不断发展。美国科罗拉多州立大学的Haynes等2006年开发了Quickbeam雷达模拟软件(Haynes, et al, 2007),该软件简单易行,但是它对处于融化状态的混合相态粒子没有模拟能力,并且对冰晶粒子的模拟误差较大,截止到2008年,该软件已经停止更新。日本名古屋大学的Masunaga等2007年开发了SDSU(Satellite Data Simulator Unit)(Masunaga, et al, 2010),SDSU是一个集星载雷达模拟器、微波辐射计模拟器、可见光/红外成像仪模拟器于一体的卫星多传感器模拟器,其中,雷达模拟器的模拟能力相比Quickbeam有了明显的提升。2011年,NASA的Toshi Matsui在SDSU的基础上开发了G-SDSU(Goddard Satellite Data Simulator)。G-SDSU除了具备SDSU的基本功能以外,还可以耦合NASA许多高精度大气模式(比如WRF-SBM、NU-WRF、MMF等)的输出并且在原来只有球形米散射的基础上增加了计算椭球散射的T-Matrix和复杂形状粒子散射的DDSAT查找表。目前,G-SDSU是最先进的星载雷达模拟器之一。

星载雷达模拟器通常将云模式输出的水凝物廓线(包括云水、雨水、雪、霰、雹以及云冰)和温、湿度廓线作为输入,经过散射和衰减计算,输出模拟的雷达反射率因子。通过比较模拟值和星载雷达L1级的实际观测值来客观评估雷达的性能。但是,模拟器里面并没有输出降雨率、冰水含量等星载雷达L2级的定量产品,并且也没有设置亮带模型以及降雨分类等信息,因此不适合直接用于反演研究,为此专门开发了一套新的星载雷达模拟器,主要的输入、输出参数和计算流程如图 1

图 1 星载雷达模拟器的计算流程 Figure 1 Schematic diagram of the space-borne radar simulator

该雷达模拟器的主要功能是建立不同降水类型、不同粒子相态、不同粒子谱参数等情况下云和降水的微物理参数与雷达反射率因子的定量关系,比如Z-RZ-LWC关系等。经过对比,基于该模拟器生成的Z-RZ-K关系的系数与TRMM PR的系数存在很好的一致性。当然,因为该模拟器的核心模块是米散射计算,因此对雨滴以及非降水云的液态云滴粒子的模拟比较有效,而对复杂形状的冰晶粒子的模拟则不大适用。但是,伴随着复杂形状的冰晶粒子的反演也更为复杂,因此在目前算法研究的初级阶段,先将云粒子简单近似成球形,并假设其服从γ分布(Kosarev, et al,1991)

(1)

式中,N0为数密度,D为粒子直径,D0为体积中值直径,μ为尺度因子。

等效雷达反射率因子可以表示为

(2)

式中,Kw为水的复折射指数,λ为波长,σb为后向散射截面。在此基础上,将两个波段雷达反射率因子的比值定义为

(3)

式中,low和high分别表示双频组合中的低频和高频。将式(1)、(2)带入式(3)后可发现,在μ值固定的情况下,DWR(单位:dB)和N0无关,只是D0的函数,这是双频联合反演滴谱的基本原理。

3 通道组合选择

理论上,位于大气窗口的35、94、140和220 GHz都可以作为星载测云雷达的备选通道。因此,可能存在的通道组合一共有6种,分别是35/94、35/140、35/220、94/140、94/220和140/220 GHz。使用双频联合的根本目的是要提高云微物理参数的反演精度,因此不同通道组合对反演的影响是进行通道选择的重要依据。

利用星载雷达模拟器,得到6种频段组合下DWR和D0的关系曲线(图 2)。相应设置如下,温度为0℃,μ=0,冰晶密度服从ρ=0.07D-1.1g/cm3的分布(Brown, et al,1995a),介质介电常数的计算使用Meneghini改进过的Maxwell-Garnet公式(Meneghini, et al,1996)。

图 2 双波长比和体积中值直径的关系 Figure 2 Dual-wavelength ratio as a function of median volume diameter

图 2表明,雷达频点的差异越大,相同间隔的D0所对应的DWR就越大,对D0微小的变化就越敏感。所以,对反演而言,雷达频点的差异越大,对双频反演就越有利。在图中的6个频段组合中,35/220、94/220和35/140 GHz组合的DWR最大值能超过10 dB,明显超出另外3个组合。其中,35/220 GHz在整个尺度范围内的DWR值都保持最大,而94/220 GHz的DWR值只在D0小于0.15 cm时大于35/140 GHz,在D0大于0.15 cm时,小于94/220 GHz。说明94/220 GHz比较适用于探测小粒子,而35/140 GHz比较适用于探测大粒子,而大粒子一般以雨滴为主,并不属于测云雷达的探测重点,因此相比35/140 GHz,94/220 GHz更加适合用来测云。

94/220和35/220 GHz相比,虽然DWR的动态范围不如35/220 GHz的大,但是星载35 GHz一般对弱降水以及液态云滴的探测比较有效,对细小冰晶颗粒的探测则不敏感,因此更多的被用来探测降水,比如全球降水测量任务(GPM)卫星(Hou, et al, 2014)上搭载的Ka波段雷达。星载94 GHz因为频点较高,测云的敏感性要优于35 GHz,能观测到35 GHz“看不到”的一些弱回波,这也是94/220 GHz测云相比35/220 GHz的一个优势。当然,在频段组合的选择中,还需要考虑衰减的影响。引起衰减的因素很多,包括水汽、氧气、液态水以及冰晶。衰减和雷达频点有关,一般情况下,雷达频点越高,衰减越大。使用Liebe(1989)的大气吸收模型以及热带的标准大气廓线(McClatchey,1972)计算衰减后发现:从大气顶到0℃层,35、94、140和220 GHz的双程路径积分衰减分别为0.2、0.8、1.5和2.0 dB。大气的衰减可以通过数值预报模式输出的温、湿度廓线来进行合理的衰减订正,因此大气衰减的影响并不是很大。与大气衰减相比,液态水对雷达回波衰减的影响则比较大,比如35和94 GHz还有可能探测到低层的一些液态水云,而高频的140和220 GHz则因为在湿空气的衰减很大,并不适合用来进行水云的探测。冰晶的衰减要远远小于相同含量时液水的衰减并且随着频率的增加而显著增大,这部分衰减可以通过双频的反演算法进行合理的订正。

综上所述,对云的探测而言,为了提高反演的精度,需要尽可能选择频率差异比较大的两个频点,不过高频雷达由于频点较高,衰减也会相应增加,所以像140和220 GHz这样的高频就不适合用来探测含水量较大的水云。另外,从中国目前硬件的制造水平来看,低频云雷达的技术已经比较成熟,35和94 GHz的灵敏度均能超过-30 dBz,而高频140和220 GHz雷达的研制则处于起步阶段,雷达的灵敏度离-30 dBz还有一定的差距,并且高频140和220 GHz雷达的发射功率还做不到很大,暂时达不到星载雷达的要求,这也是高频雷达在硬件技术上遇到的主要瓶颈。不过,这有望在未来5—10年内有所突破。因此,展望中国云雷达的发展,94/220 GHz仍是比较合适的频段组合,该雷达将以探测冰云为主,并最终为改进气候模式服务。

4 云参数的双频反演算法

对双频雷达反演算法的研究已经有30多年的历史了。但是研究的重点一直是天气系统中的降雨或者降雪,相应的探测也大都集中在C、X、Ku和Ka波段,对W及更高频段的THz波的反演研究并不多见。为此,专门针对94/220 GHz的双频联合反演,开展了模拟试验。

4.1 DWR-D0关系

DWR-D0关系是双频反演的核心,在反演前,需要建立以D0作为因变量、DWR作为自变量的函数关系或者查找表。在反演中,一旦获知了DWR的值,就能反演出D0,从而获得整个粒子谱的分布函数。在此基础上,进一步通过积分计算求得有效粒子半径以及冰水含量。影响DWR-D0关系的因素主要有两个,一是粒子密度,另外一个是尺度因子μ。粒子密度一般有两种表达方式,一种是固定密度,另外一种是变密度。图 3μ=0时,5种固定密度以及1种变密度情况下的DWR-D0关系。图 4是密度服从ρ=0.07D-1.1g/cm3分布时,4个不同μ值情况下的DWR-D0关系。

图 3 不同粒子密度情况下的双波长比和体积中值直径的关系 Figure 3 Dual-wavelength ratio and median volume diameter under different densities

图 3可以看出,对5种固定密度的冰晶而言,当D0<0.05 cm时,廓线基本重合。当D0>0.05 cm时,DWR廓线开始表现出差异。首先,对于相同的D0值,较小的粒子密度对应较大的DWR值,其次当粒子密度较小时,DWR往往随着D0单调递增,但是随着粒子密度的增加,曲线不再单调变化,而是慢慢开始波动,并且密度越大,波动越剧烈。这在粒子密度ρ=0.8和ρ=0.9 g/cm3的曲线上尤为明显。这说明高频94/220 GHz的DWR-D0关系严重依赖于粒子的密度。这和Liao等(2005)得到的低频时的情况完全不同。Liao等(2005)指出,对于X-Ka波段的组合而言,粒子密度对DWR-D0关系基本没有影响。因此,即使反演前没有粒子密度的确切信息,对反演的影响也不会很大。但是粒子密度对于高频94/220 GHz的反演却是异常关键,尤其是大密度情况下非单调变化的DWR-D0关系,往往会直接引起反演中的非适定问题。也就是对应一个确定的DWR值却能反演出若干个D0值,如果选择不当,D0值的反演误差就能超过100%,因此在反演前确定粒子的密度以及合理解决一值多解的问题是高频94/220 GHz反演固定密度冰晶微物理参数的关键。相比固定密度,变密度情况下的DWR-D0关系只是一个单调递增的函数,因此在实际反演时会相对简单。所以,下文仅针对变密度的情况进行了反演。

D0<0.05 cm时,尺度因子μ对DWR-D0关系基本上没有影响(图 4),但是随着D0的增大,DWR的差异也逐渐增大。当D0=0.2 cm时,不同μ值所对应的DWR的差异能达到5 dB。并且尺度因子μ越大,对D0的微小变化就越敏感。不过在整个云滴谱的反演中,一般将μ设为一个固定值,μ确定以后,DWR-D0关系也就唯一确定了。为了简化计算,文中的μ值全设为固定值0。

图 4 不同尺度因子情况下的双波长比和体积中值直径的关系 Figure 4 Dual-wavelength ratio and median volume diameter under different scale factors

经过9阶拟合得到了图 3中变密度情况下D0和DWR的拟合公式(略),拟合曲线和实际曲线基本重合。反演中的D0值都将基于该公式计算而来。

4.2 双频反演精度检验

为了检验算法的精度,利用星载雷达模拟器生成了一组模拟数据,模拟的云层高度为4 km,距离分辨率为250 m,每个距离库的D0固定为0.12 cm,N0固定为106 cm-1m-3。由此生成的反射率因子廓线如图 5所示。图中的Ze表示等效雷达反射率因子,Zm表示经过冰晶衰减后测量的雷达反射率因子。

图 5 模拟的雷达反射率因子廓线 Figure 5 Profiles of simulated radar reflectivity factor

后向迭代的双频反演算法(Mardiana, et al, 2004)最早被用来反演降雨,它的优点是可以在不知道路径积分衰减量的情况下,假设一个初值,经过多次迭代后使反演的D0逐渐逼近真值。当满足一定的约束条件后,退出迭代运算,此时的D0就是最终的反演值。

Zm廓线作为反演的输入,使用后向迭代的双频反演算法,进行了粒子谱参数、冰水含量以及有效粒子半径的反演。反演中,假设两个波段路径积分衰减量的初值均为0 dB,经过8次迭代计算以后,得到的反演廓线如图 6所示。

图 6 反演廓线和模拟廓线的对比 (a.体积中值直径D0,b.数密度N0,c.冰水含量IWC,d.粒子有效半径re) Figure 6 The retrieval profiles and simulate profiles (a. the median volume diameter D0, b. the number density N0, c. ice water content IWC, d. effective particle radius re)

图 6可以看出,不管是粒子谱参数还是冰水含量,反演廓线和模拟廓线都非常重合,表明后向迭代的反演算法对94/220 GHz的高频也是适用的。当然,反演中还略微存在一些误差,比如D0廓线的平均值是0.1196 cm,标准偏差是3.3169×10-4 cm,N0廓线的平均值是9.9997×105 cm-1m-3,标准偏差是8.1096×103 cm-1m-3。当然云雷达实际探测的廓线远比图 5中的复杂,不可避免地会存在系统噪声以及定标误差。因此,为了更好的评估双频反演算法的性能,在图 5的基础上,增加了4组均值为0,标准偏差分别为0.5、1.0、1.5和2.0 dBz的高斯噪声,反演后得到冰水含量的廓线(图 7)。

图 7 不同噪声情况下反演的冰水含量廓线和模拟廓线的对比 (a.噪声标准偏差为0.5 dBz,b.噪声标准偏差为1.0 dBz,c.噪声标准偏差为1.5 dBz,d.噪声标准偏差为2.0 dBz) Figure 7 The retrieval and simulate ice water content profiles under various noise conditons (a. the noise standard deviation is 0.5 dBz, b. the noise standard deviation is 1.0 dBz, c. the noise standard deviation is 1.5 dBz, d. the noise standard deviation is 2.0 dBz)

图 7可以看出,当存在噪声时,反演的廓线不像图 6中那么平稳,而是出现明显的波动,波动的幅度越大,表示反演的误差越大。当噪声标准偏差为0.5 dBz时,大部分反演值和真值较为接近,但是当噪声标准偏差达到2.0 dBz时,冰水含量反演误差的平均值能达到60%,最大的反演误差甚至超过300%。因此为了保证所有冰水含量的反演误差小于100%,系统噪声和定标误差应该控制在1.0 dBz以内。

综上所述,后向迭代的双频反演算法可以用来进行云微物理参数的反演,并且当系统噪声和定标误差在1.0 dBz以内时,反演结果满足反演精度要求。当然,上述假设的廓线都是理想化的,实际情况远比这复杂。因此,后续还将通过模拟以及开展同步观测试验来收集更多的数据,从而对反演算法展开进一步的研究。

5 结论与讨论

利用星载雷达模拟器,模拟了云雷达探测云层后得到的后向散射回波,从而进行了双频雷达最佳频点组合的选择以及双频云微物理参数反演算法的研究,主要结论如下:

(1) 雷达频点的差异越大,相同间隔的D0所对应的DWR就越大,对D0微小的变化就越敏感,因此对双频反演就越有利。就这点而言,在35/94、35/140、35/220、94/140、94/220和140/220 GHz共6组频点组合中,35/220 GHz和94/220 GHz是最佳的两个组合。其中,94/220 GHz相比35/220 GHz尽管DWR的动态范围小一点,但是因为频点较高,对细小云滴的探测更加敏感,加上星载94 GHz云雷达的发展较早,更为成熟。综合考虑不同频点的探测能力、衰减以及工业部门的制造水平后选择94/220 GHz作为未来星载双频云雷达的探测频点。

(2) 高频94/220 GHz组合的DWR-D0关系和低频时不同,低频时的DWR-D0关系基本上和粒子密度无关,而94/220 GHz的DWR-D0关系则依赖于粒子的密度。当粒子密度随直径变化时,DWR随着D0单调递增。当粒子密度不随粒子直径变化时,不同密度的DWR-D0曲线差异较大。粒子密度较小时(比如ρ=0.1 g/cm3),DWR-D0曲线表现出单调递增的规律,但是当粒子密度较大时(比如ρ=0.8 g/cm3),DWR-D0曲线不再单调变化,而是出现较大幅度的波动,从而引起反演中一值多解的问题。

(3) 后向迭代的双频反演算法同样适用于94/220 GHz进行粒子谱参数以及冰水含量的反演,并且对模拟数据的反演精度较高。当存在系统噪声时,反演精度会明显降低。为了保证反演的冰水含量误差小于100%,系统噪声和定标误差应该优于1.0 dBz。

当然,真实条件下的云滴谱以及冰晶的形状远比假设的复杂,因此不管是对反演中DWR-D0关系的建模还是反演算法的检验都需要进行更深入的分析和研究。未来的工作将主要围绕以下几个方面展开:非球形粒子的离散偶极子近似法(DDA)散射计算、固定密度时的一值多解问题以及外场校飞数据的反演验证。

参考文献
边明明, 王世涛, 胡伟东, 等. 2015. 星载太赫兹雷达测云散射特性及辐射源分析. 太赫兹科学与电子信息学报, 13(5): 712–717. Bian M M, Wang S T, Hu W D, et al. 2015. Radiation source and scattering characteristics analysis of space-borne terahertz cloud radar. J Terahertz Sci Electron Inform Technol, 13(5): 712–717. DOI:10.11805/TKYDA20150507.712 (in Chinese)
仲凌志, 刘黎平, 陈林, 等. 2010. 星载毫米波测云雷达在研究冰雪天气形成的云物理机制方面的应用潜力. 气象学报, 68(5): 706–716. Zhong L Z, Liu L P, Chen L, et al. 2010. A potential application of a millimeter-wavelength radar to studying the cloud physics mechanism for ice and snow weather. Acta Meteor Sinica, 68(5): 706–716. (in Chinese)
Brown P R A, Francis P N. 1995a. Improved measurements of the ice water content in cirrus using a total-water probe. J Atmos Oceanic Technol, 12(2): 410–414. DOI:10.1175/1520-0426(1995)012<0410:IMOTIW>2.0.CO;2
Brown P R A, Illingworth A J, Heymsfield A J, et al. 1995b. The role of spaceborne millimeter-wave radar in the global monitoring of ice cloud. J Appl Meteor, 34(11): 2346–2366. DOI:10.1175/1520-0450(1995)034<2346:TROSMW>2.0.CO;2
Cess R D, Zhang M H, Ingram W J, et al. 1996. Cloud feedback in atmospheric general circulation models:An update. J Geophys Res Atmos, 101(D8): 12791–12794. DOI:10.1029/96JD00822
Haynes J M, Luo Z, Stephens G L, et al. 2007. A multipurpose radar simulation package:Quick beam. Bull Amer Meteor Soc, 88(11): 1723–1727. DOI:10.1175/BAMS-88-11-1723
Hou A Y, Kakar R K, Neeck S, et al. 2014. The Global Precipitation Measurement mission. Bull Amer Meteor Soc, 95(5): 701–722. DOI:10.1175/BAMS-D-13-00164.1
IPCC. 2001. Climate Change 2001:The Scientific Basis:Contribution of Working Group Ⅰ to the Third Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York, USA: Cambridge University Press.
Kosarev A L, Mazin I P. 1991. An empirical model of the physical structure of upper-layer clouds. Atmos Res, 26(3): 213–228. DOI:10.1016/0169-8095(91)90055-2
Kropfli R A, Matrosov S Y, Uttal T, et al. 1995. Cloud physics studies with 8 mm wavelength radar. Atmos Res, 35(2-4): 299–313. DOI:10.1016/0169-8095(94)00025-9
Liao L, Meneghini R, Iguchi T, et al. 2005. Use of dual-wavelength radar for snow parameter estimates. J Atmos Oceanic Technol, 22(10): 1494–1506. DOI:10.1175/JTECH1808.1
Liebe H J. 1989. MPM:An atmospheric millimeter-wave propagation model. Int J Infrared Milli Waves, 10(6): 631–650. DOI:10.1007/BF01009565
Mardiana R, Iguchi T, Takahashi N. 2004. A dual-frequency rain profiling method without the use of a surface reference technique. IEEE Trans Geosci Remote Sens, 42(10): 2214–2225. DOI:10.1109/TGRS.2004.834647
Masunaga H, Matsui T, Tao W K, et al. 2010. Satellite data simulator unit:A multisensor, multispectral satellite simulator package. Bull Amer Meteor Soc, 91(12): 1625–1632. DOI:10.1175/2010BAMS2809.1
McClatchey R A, Fenn R W, Selby J E A et al. 1972. Optical properties of the atmosphere, Air Force Cambridge Research Laboratories. Rep. No. AFCRL72-0497, L. G. Hanscom Field.
Meneghini R, Liao L. 1996. Comparisons of cross sections for melting hydrometeors as derived from dielectric mixing formulas and a numerical method. J Appl Meteor, 35(10): 1658–1670. DOI:10.1175/1520-0450(1996)035<1658:COCSFM>2.0.CO;2
Stokes G M, Schwartz S E. 1994. The Atmospheric Radiation Measurement (ARM) program:Programmatic background and design of the cloud and radiation test bed. Bull Am Meteor Soc, 75(7): 1201–1221. DOI:10.1175/1520-0477(1994)075<1201:TARMPP>2.0.CO;2