中国气象学会主办。
文章信息
- 宇路, 傅云飞. 2017.
- YU Lu, FU Yunfei. 2017.
- 基于星载微波雷达和激光雷达探测的夏季云顶高度及云量差异分析
- Analysis of cloud-top height and cloud amount difference between spaceborne microwave radar and laser radar detection in boreal summer
- 气象学报, 75(6): 955-965.
- Acta Meteorologica Sinica, 75(6): 955-965.
- http://dx.doi.org/10.11676/qxxb2017.070
-
文章历史
- 2017-01-17 收稿
- 2017-06-27 改回
云是大气层中液滴或冰晶的集合体,在地-气系统的辐射收支和水循环中扮演着重要角色(Stephens,1999)。作为云观测的重要参量,云量对辐射过程具有决定性影响,而云顶高度是区分云类型的重要标准(Rossow, et al,1999)。卫星搭载仪器遥感是获取全球云分布的有效手段(Rossow, et al, 1991),但传统的红外等被动遥感对云的垂直结构探测能力有限,难以获得准确的云顶高度(Mahesh, et al, 2004)。2006年4月28日美国航空航天局(NASA)发射了CloudSat与CALIPSO卫星,其上分别搭载了首部星载云廓线雷达(CPR)和云-气溶胶偏振激光雷达(CALIOP)(Anderson, et al, 2005),其探测结果为研究云顶高度及云量等云特征提供了机遇(Stephens, et al, 2002; Winker, et al, 2003)。CPR使用94 GHz微波进行主动探测,既能探测到大量被热带测雨卫星(TRMM)测雨雷达(PR)所不能探测到的非降水云,又能对一定厚度云进行有效探测。CALIOP使用532和1064 nm的双波长,可以对气溶胶和云(特别是薄云)进行有效探测,其探测灵敏度和垂直分辨率高,能准确地获得云顶及云边界等信息。
利用CPR和CALIOP的独立观测数据,中外学者已经开展了大量云参数的研究(王胜杰等,2010;Min, et al,2011;Noel, et al,2010),如对两个仪器探测的云参数进行对比研究(Weisz, et al,2007;Mace, et al,2009;Wu, et al,2009)。这些研究多使用CALIOP第2版的二级数据(L2-VFM),该版本的数据存在很大的噪声污染(Hagihara, et al,2010),且高估云量(Marchand, et al,2008;Holz, et al,2008)。因此,CALIPSO团队针对该数据出现的问题推出了本研究所采用的第3版L2-VFM数据,该版本数据已被证明具有较高的可靠性(Li, et al,2014;Liu, et al,2014)。此外,学者们利用CPR和CALIOP的融合数据集2B-GEOPROF-LIDAR进行云垂直结构的分析(Hagihara et al, 2014, 王帅辉等,2010),该数据集是对CPR像元附近5 km以内的CALIOP信号和变量进行平均得到的激光后向散射的垂直廓线,而这种融合可能会导致激光雷达探测数据的平滑而忽略了高、低极值;此外,由于两部雷达的探测时间相差约15 s(Stephens, et al, 2002;Mace, et al, 2014),将导致二者轨道的水平距离相差达1 km量级(Mace, et al,2014),这会造成两部雷达在同一时刻注视的目标物不同,由此也会产生数据匹配的较大误差,进而造成对云顶高度及云量估计的不准。为了定量揭示CPR与CALIOP对全球及中国周边地区云顶高度和云量空间分布及其差异,本研究采取CPR与CALIOP的独立观测数据进行对比分析。
2 数据及处理方法CloudSat和CALIPSO卫星为A-Train系列中的太阳同步轨道卫星,于地方时13时30分和01时30分通过赤道。由于夜间没有太阳辐射,CALIOP的激光探测信号几乎不受噪声干扰,数据可靠性强于白天(Mamouri, et al,2009),对云顶信息的获取能力远超其他探测手段(Holz, et al,2008)。文中采用2006—2010年夏季夜间CloudSat第4版2B-GEOPROF与CALIPSO的第3版L2-VFM数据产品。2B-GEOPROF为轨道资料,每条轨道约包括37081条廓线,每条廓线数据均提供雷达反射率因子和云判别信息,其垂直方向上包含125层,每层240 m,水平分辨率为1.1 km;数据中云判别信息值的大小则标识了探测的可靠性,值越大则可靠性越高(Mace, et al,2007;Marchand, et al,2008)。文中将雷达反射率因子≥-29 dBz(CPR最小探测阈值)且云类别信息≥20的数据认为是CPR探测的有效云像元。
L2-VFM采用场景分类算法来确定散射粒子类型(Liu, et al,2005),即利用532 nm后向散射强度阈值寻找特征层(Vaughan, et al,2005),再根据双波长比来确定各特征层类型(是气溶胶或是云),最后结合温度和高度等辅助数据来确定云的类型。L2-VFM数据在不同的高度上有着不同的水平分辨率与垂直分辨率:低于8.2 km时,水平分辨率为
为展现大气位势高度场形势,使用了NCEP的2006—2010年位势高度场月平均资料,该资料提供了等压坐标系下1—1000 hPa间17个气压层,分辨率为2.5°×2.5°,文中选取200、500和850 hPa气压层进行研究。
文中定义云顶高度为:对于一条给定的垂直廓线,自上而下雷达探测的第1个“云”像元出现的高度;云量定义为:格点内有探测到云的廓线数与总探测廓线数之比;文中出现的10、50、90百分位定义为仪器探测的云顶高度按从大到小排序后,第10、50、90百分位处所对应的云顶高度。
3 微波雷达与激光雷达对云量和云顶高度探测差异的个例分析及统计分析 3.1 个例分析在统计分析前进行个例分析可以更具体直观地了解两仪器的探测差异,避免统计的盲目性。图 1的个例探测发生于2008年8月1日07时14分43秒—07时15分45秒(世界时,下同),位于(1°—6°N,81.5°—82.5°W)。
CPR因其相对较长的波长能穿透较厚的云层而探测到云体内部的信息,图 1a清楚地显示出在5°—6°N存在一个深厚的对流云团。而CALIOP由于探测波长短,经过云层造成的强烈衰减而仅仅探测到对流云的部分信息,如图 1b中5°—6°N的对流云信号在9 km以下被完全衰减。但CALIOP对云顶微小粒子非常敏感,而CPR对尺度较大的粒子敏感而对探测云顶小粒子有局限。从图 1a、b中可以明显看出,CALIOP探测的这片对流云云顶高度超过16 km,比CPR探测高2 km左右,这说明单一使用CPR观测数据会低估云顶高度。此外,由于两部雷达波长的差异,对于高而薄的卷云(14 km,1.6°—2.7°N,图 1d)和云砧(16 km,2.7°—4.8°N;11 km,3.3°—4.6°N,图 1d)等由微小粒子组成的云体,CPR不能有效地探测和云识别;因此,单一使用CPR进行全球或区域尺度的云统计,会低估高云(尤其是薄卷云)云量的时、空分布,从而造成云辐射强迫效应计算的误差。
个例还显示由于强地表回波的干扰,CPR对云顶高度低于2 km的低云判定效果差,如在图 1c的1°—1.4°N和1.7°—2°N,高度1.5 km处的洋面低云,CPR将其几乎均判定为不确定度很大的回波(云特征码为5),而实际上,位于热带、副热带的信风积云通常云顶低且较为浅薄(方乐锌等,2016),由此可知,CPR的这一探测不足也会漏判很多这类低云。在图 1d的2.3°—2.8°N,5 km高度处存在一片较厚的云,该云云顶位于冻结层附近,其下方的信号被全部衰减;但图 1a、c中的CPR却未能探测到,这可能是由于CloudSat和CALIPSO两颗卫星轨道存在15 s左右的时间延迟(Stephens, et al,2002),二者探测的轨道并不完全重叠,轨道的水平距离差异也可能会导致对目标物探测的偏差。
3.2 统计分析云量是云宏观物理属性中重要的参量,云量变化能直接影响地-气系统的辐射收支,定量了解全球云量分布对估算地表和大气的能量收支具有重要意义。图 2为CPR与CALIOP探测的云量的空间分布,同时分别叠加了850、500和200 hPa大气位势高度场的等值线。图中云量的空间分布形态与刘奇等(2010)利用ISCCP(International Satellite Cloud Climatology Project)资料对全球云量进行统计的结果基本相符。从多年夏季平均的总云量空间分布(图 2a、b)可见,CPR与CALIOP对云量的探测均表现出分布极不均匀,云量的高值区与低值区散布全球的特征,其中,高值中心包括北太平洋、北大西洋、赤道辐合带以及60°S附近西风带,低值中心包括非洲北部至阿拉伯半岛地区、南北半球副热带太平洋及大西洋、北美洲西南部、非洲南部、大洋洲大陆及南美洲中南部地区。从多年平均的位势高度场可以看出,500和200 hPa位势高度场长期处于平直的西风带中,850 hPa位势高度场存在的高压中心正好对应云量的小值区,这说明了大气位势高度场与云量分布的对应关系。云量统计表明二者观测结果存在较大差异,CPR观测的云量高值区云量达到70%,局部地区超过80%,少云区域云量多在20%以下(图 2a);而CALIOP云量高值区最高超过90%,少云区域云量也多在20%以上(图 2b)。在研究区域内CALIOP探测的云量普遍比CPR探测结果高,其中二者对卷云和云顶高度低于2.5 km的低云探测差异最为明显(图 3)。在赤道辐合带地区,CALIOP探测的卷云云量最高可达90%,而CPR探测结果仅有40%—50%。在对云顶高度低于2.5 km云的探测中,CALIOP探测的大值区位于南北副热带太平洋东岸、南北半球副热带大西洋东岸、副热带印度洋以及60°S附近的西风带,探测的低云云量最高可达80%,一般多在50%以上,这些地区均为全球低云分布的主要区域(Qin, et al, 2016);而CPR探测结果虽然分布形式与CALIOP探测结果相似,但CPR在这些地区探测的低云云量一般比CALIOP探测结果低10%。
云顶高度是云垂直结构的重要表现特征,也是重要的云宏观特征(Wang, et al,1998)。CPR与CALIOP对研究区域云顶高度的探测也存在差异(图 4)。两仪器探测的云顶高度水平分布形式基本一致(图 4a、b),大值区基本位于赤道辐合带;这是由于夏季赤道辐合带具有充足的水汽以及旺盛的对流,导致该地区产生大量高而薄的卷云(图 3a、b、5a、b)。CALIOP在该地区探测的云顶高度可达16 km,而CPR漏判该地区大量的薄卷云,导致CPR探测的平均云顶高度仅有12 km左右,比CALIOP探测结果低4 km以上(图 4c)。小值中心包括非洲东北部、副热带印度洋、南北半球副热带太平洋和大西洋东部,这些地区CPR观测的云顶高度多为2—4 km,与CALIOP观测的云顶高度基本一致。但在太平洋和大西洋西北岸、南北半球副热带太平洋和大西洋东岸、副热带印度洋等低云区,CPR探测的平均云顶高度比CALIOP观测结果高0.5—1.0 km,这是因为CPR对低云的探测能力弱,漏判云顶很低的低云(图 3c、d),故统计结果显示CPR虚假地高估了这些地区的平均云顶高度,图 5c、d的结果也显示出这些地区CPR探测的低云(云顶高度低于2.5 km)平均云顶高度比CALIOP探测结果高出0.5—1.0 km。
为量化CPR与CALIOP对云顶高度的探测差异,使用概率密度分布(图 6a)与累计概率密度分布(图 6b、c)进行分析。从云顶高度的概率密度分布(图 6a)可见,在0—3 km高度处CALIOP与CPR探测结果均存在一个狭窄的峰,峰值出现在1.3 km高度处,此外,CALIOP对云顶高度的探测在11和16 km高度处也存在两个明显的峰值,此高度与温带、热带的对流层顶高度基本一致(Xian, et al, 2015)。与CALIOP探测结果不同的是CPR探测在5—10 km高度处存在一个较宽的峰,峰值在7 km高度,这可能是CPR漏判高而薄的云而导致能探测到的云顶集中出现在较低的高度上。Riley等(2009)曾利用CloudSat资料观测到热带洋面的云顶高度在7—8 km高度处存在一个异常的中层峰,这一现象可能是由CALIOP与CPR探测的不一致的云顶高度导致的。
从云顶高度的累计概率分布(图 6b)可见,对于云顶高度低于2.5 km的云以及云顶高度高于10 km的云,CALIOP探测的比例均高于CPR探测。这两点在图 6c(有云与无云均统计在内的累计概率密度分布)中得以更明显的体现,对云顶高度低于2.5 km的云,CALIOP探测的比例达到30%,CPR探测结果为28%;其中两仪器对云顶高度低于1.5 km云的探测差异最明显,CALIOP探测结果达到17%,而CPR对此探测结果仅有12%,这说明CPR漏判了大量的低云;同样,对于云顶高度在10 km以上的云,CPR观测的比例只有10%,而CALIOP观测达到40%,这也说明了CPR对高而薄的云探测能力很差。此外,图 6c清楚地展示出CPR与CALIOP探测的研究区域内总云量的差异,CPR探测的总云量为51.1%,低于利用ISCCP资料统计的全球平均总云量66.5%(刘奇等,2010;Li, et al,2004),而CALIOP探测的平均总云量达到74.6%,比ISCCP资料高8.1%。
4 微波雷达与激光雷达对中国及周边地区云顶高度及云量的探测差异由于青藏高原、东亚季风和海-陆差异的共同作用,中国及周边区域的云顶高度和云量也存在显著的区域差异。Luo等(2011)利用2006—2009年夏季CloudSat/CALIPSO资料对比分析了青藏高原、亚洲季风区的深对流特性,指出青藏高原地区的深对流更浅薄,发生的频率更低,经常伴随着小尺度的对流系统发生且青藏高原上对流云的云顶高度偏低,此结果为研究中国及周边地区云的物理特征提供了极大帮助。Yu等(2004)利用ISCCP资料分析比较了中国东部和印度季风区云量的差异,指出印度区域内总云量以高云为主而中国东部以中低云为主。以下将研究CPR和CALIOP两种雷达对于中国及周边地区复杂云系的观测存在多大差异。
为了展示中国及周边地区云的分布特征,分析了CPR与CALIOP探测的30°—40°N云顶高度与云量的经向平均分布(图 7a、c),以及80°—90°E的纬向平均分布(图 7b、d)。从云顶高度的经向分布(图 7a)可以看出,自青藏高原向东CPR与CALIOP探测的云顶高度均逐渐降低,这与自青藏高原向东雨顶高度(Fu, et al,2006)以及对流层顶高度(Feng, et al,2011)逐渐降低的变化趋势一致,自青藏高原向东除部分区域外,CALIOP探测的云顶高度比CPR高约1 km。而从云顶高度的纬向分布上看(图 7b),自印度洋至印度大陆,CALIOP探测的云顶高度随纬度升高而明显升高,最高云顶达16 km,而CPR探测结果变化较平缓,云顶高度基本维持在11—12 km,两仪器的探测差异在此区域表现的最为明显;由于青藏高原上以中低云为主(王胜杰等,2010),导致CALIOP与CPR在青藏高原上探测的云顶高度均急剧下降,二者的探测差异逐渐减小但CALIOP探测的云顶高度仍比CPR高1 km以上;再往北至新疆地区二者对云顶高度的探测差异进一步减小,在部分地区两仪器的探测结果基本一致。
CPR与CALIOP对云量的探测随经向分布(图 7c)呈现出较大的差异,CALIOP探测的云量自青藏高原向东呈逐渐增加趋势,至东海洋面CALIOP探测的云量超过80%,而CPR探测的云量呈现出先下降后缓上升的趋势,但始终低于CALIOP探测,二者的探测差异在青藏高原上最小但也超过了15%。从云量的纬向分布(图 7d)可以看出,在印度洋洋面上,CALIOP与CPR对云量的探测均随纬度升高而呈现弱的增加趋势,但CALIOP探测的最高云量接近100%,比CPR探测结果多20%以上;自印度大陆,青藏高原至新疆地区,CALIOP与CPR探测的云量均逐渐减少,二者的差异亦逐渐减小,但CALIOP探测的云量仍比CPR探测多10%左右。
为了进一步显示CALIOP与CPR在中国及周边地区对不同高度云的探测差异,根据两仪器各自探测的云顶高度,将其按高度所处的百分位,分别得到了10、50及90百分位所对应的云顶高度(图 8)。
从不同百分位云顶高度随经度的分布(图 8a)可以看出,CALIOP对第10百分位云顶高度的探测自青藏高原向东呈现出逐渐降低的趋势,而CPR探测的第10百分位对应的云顶高度自青藏高原向东无明显变化,基本维持在13—14 km高度上,但CALIOP探测结果始终比CPR探测结果高2 km以上。而对第50百分位云顶高度的探测,自青藏高原向东CALIOP与CPR探测均表现出逐渐增高的趋势,但CALIOP探测的第50百分位云顶高度始终比CPR高1—2 km,与二者对第10百分位云顶高度探测结果不同的是二者的探测差异自青藏高原向东逐渐增大,在青藏高原上二者差异最小,这也许能够反映青藏高原特殊大气环境对云顶高度的影响(潘晓等,2015;李国平,2007)。对第90百分位云顶高度的观测,青藏高原的轮廓在CALIOP与CPR探测的云顶高度结果上均体现的非常明显,除青藏高原东部及四川盆地地区CALIOP探测的云顶高度高于CPR探测结果外,CPR探测的云顶高度均略高于CALIOP探测结果,但在中国中东部CPR的探测结果明显比CALIOP探测结果高,这是由于CPR在该地区漏判大量低云从而导致第90百分位云顶高度处在较高的高度上。
而云顶高度随纬向的变化(图 8b)显示,在印度洋洋面至印度大陆地区CALIOP与CPR探测的第10、第50百分位的云顶高度随纬度升高均有一定程度的升高趋势,但CALIOP探测的云顶高度比CPR探测高3—4 km;两仪器在该地区对第90百分位云顶高度的探测差异最显著,CALIOP探测的云顶高度最低也高于11 km且随纬度升高而升高,CPR探测的结果则呈现出完全相反的趋势,云顶高度随纬度升高反而降低,远低于CALIOP探测结果。在青藏高原上,CALIOP对不同百分位云顶高度的探测均急剧减小,CPR探测的第10、第50百分位云顶高度也明显减小,在对应的百分位上,CPR探测结果比CALIOP探测结果低2 km左右;但CPR对第90百分位云顶高度的探测在此区域却有增高趋势,尽管如此,CALIOP在高原南坡探测的云顶高度仍远高于CPR探测。再往北随着纬度升高,两仪器对云顶高度的探测差异逐渐减小,对第10、第50百分位云顶高度的探测除部分地区二者探测结果几乎无差异外,CALIOP探测的云顶高度始终高于CPR探测,但对第90百分位云顶高度的探测,除部分区域结果几乎一致外,CPR探测的云顶高度要比CALIOP探测结果高。
5 结论利用CloudSat与CALIPSO资料对比分析了CPR与CALIOP雷达观测的云顶高度及云量的分布特征,得到如下主要结论:
(1) CPR对较高的薄云、云砧以及1—2 km的低云存在大量的漏判,因此单一使用CPR观测数据会极大低估云顶高度。
(2) 夏季云量分布极不均匀,海陆分布差异明显,云量高值区多呈现于洋面,其中CPR探测的局部海域最高云量可达80%,而CALIOP探测结果高达90%。总体来说,CPR探测的总云量显著小于CALIOP探测结果,二者的探测差异可超过20%。
(3) 与云量分布类似,云顶高度的水平分布也存在多个大值与小值中心。在赤道辐合带地区,CPR漏判大量高而薄的卷云,导致CPR对该区域云顶高度的探测比CALIOP探测结果低4 km;而在积云易发区(南北半球太平洋和大西洋东岸、太平洋和大西洋西北岸以及副热带印度洋地区),CPR漏判大量较低的低云致使CPR在这些区域探测的云顶高度比CALIOP探测结果高0.5—1.0 km。
以上结论对定量认识CPR与CALIOP对云的探测结果(如云高、云量),评估CPR探测的不确定度具有重要意义,同时也增强了对激光雷达和微波雷达探测原理的认识,也进一步了解云的气候特征。两仪器对云探测差异区域性特征正在研究中。
致谢: 感谢CALIPSO官网提供的L2-VFM数据、CloudSat官网提供的2B-GEOPROF资料。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. 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 Environ Res, 21(5): 547–556. (in Chinese) |
李国平. 2007. 青藏高原动力气象学. 2版. 北京: 气象出版社: 271pp. Li G P. 2007. Dynamic Meteorology of the Tibetan Plateau. 2nd ed. Beijing: China Meteorological Press: 271pp. |
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. 气象学报, 68(5): 689–704. Liu Q, Fu Y F, Feng S. 2010. Geographical patterns of the cloud amount derived from the ISCCP and their correlation with the NCEP reanalysis datasets. Acta Meteor Sinica, 68(5): 689–704. DOI:10.11676/qxxb2010.067 (in Chinese) |
潘晓, 傅云飞. 2015. 夏季青藏高原深厚及浅薄降水云气候特征分析. 高原气象, 34(5): 1191–1203. Pan X, Fu Y F. 2015. Analysis on climatological characteristics of deep and shallow precipitation cloud in summer over Qinghai-Xizang Plateau. Plateau Meteor, 34(5): 1191–1203. DOI:10.7522/j.issn.1000-0534.2014.00112 (in Chinese) |
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. 高原气象, 29(1): 1–9. Wang S J, He W Y, Chen H B, et al. 2010. Statistics of cloud height over the Tibetan Plateau and its surrounding region derived from the CloudSat data. Plateau Meteor, 29(1): 1–9. (in Chinese) |
王帅辉, 韩志刚, 姚志刚. 2010. 基于CloudSat和ISCCP资料的中国及周边地区云量分布的对比分析. 大气科学, 34(4): 767–779. Wang S H, Han Z G, Yao Z G. 2010. Comparison of cloud amounts from ISCCP and CloudSat over China and its neighborhood. Chinese J Atmos Sci, 34(4): 767–779. (in Chinese) |
Anderson T L, Charlson R J, Bellouin N, et al. 2005. An "A-Train" strategy for quantifying direct climate forcing by anthropogenic aerosols. Bull Amer Meteor Soc, 86(12): 1795–1809. DOI:10.1175/BAMS-86-12-1795 |
Feng S, Fu Y F, Xiao Q N. 2011. Is the tropopause higher over the Tibetan Plateau? Observational evidence from constellation observing system for meteorology, Ionosphere, and climate (COSMIC) data. J Geophys Res, 116(D21): D21121. |
Fu Y F, Liu G S, Wu G X, et al. 2006. Tower mast of precipitation over the central Tibetan Plateau summer. Geophys Res Lett, 33(5): L05802. |
Hagihara Y, Okamoto H, Yoshida R. 2010. Development of a combined CloudSat-CALIPSO cloud mask to show global cloud distribution. J Geophys Res, 115(D4): D00H33. |
Hagihara Y, Okamoto H, Luo Z J. 2014. Joint analysis of cloud top heights from CloudSat and CALIPSO:New insights into cloud top microphysics. J Geophys Res, 119(7): 4087–4106. |
Holz R E, Ackerman S A, Nagle F W, et al. 2008. Global Moderate Resolution Imaging Spectroradiometer (MODIS) cloud detection and height evaluation using CALIOP. J Geophys Res, 113(D8): D00A19. |
Li R, Cai H K, Fu Y F, et al. 2014. The optical properties and longwave radiative forcing in the lateral boundary of cirrus cloud. Geophys Res Lett, 41(10): 3666–3675. DOI:10.1002/2014GL059432 |
Li Y Y, Yu R C, Xu Y P, et al. 2004. Spatial distribution and seasonal variation of cloud over China based on ISCCP data and surface observations. J Meteor Soc Japan, 82(2): 761–773. DOI:10.2151/jmsj.2004.761 |
Liu J J, Chen B, Huang J P. 2014. Discrimination and validation of clouds and dust aerosol layers over the Sahara desert with combined CALIOP and ⅡR measurements. J Meteor Res, 28(2): 185–198. DOI:10.1007/s13351-014-3051-5 |
Liu Z, Omar A H, Hu Y, et al. 2005. CALIOP algorithm theoretical basis document. Part 3:Scene classification algorithms. NASA-CNES document PC-SCI-203. NASA Langley Research Center |
Luo Y, Zhang R, Qian W, et al. 2011. Intercomparison of deep convection over the Tibetan Plateau-Asian monsoon region and subtropical North America in boreal summer using CloudSat/CALIPSO data. J Climate, 24(8): 2164–2177. DOI:10.1175/2010JCLI4032.1 |
Mace G G, Marchand R, Zhang Q Q, et al. 2007. Global hydrometeor occurrence as observed by CloudSat:Initial observations from summer 2006. Geophys Res Lett, 34(9): L09808. |
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 Geophys Res, 114(D8): D00A26. |
Mace G G, Zhang Q Q. 2014. The CloudSat radar-lidar geometrical profile product (RL-GeoProf):Updates, improvements, and selected results. J Geophys Res, 119(15): 9441–9462. |
Mahesh A, Gray M A, Palm S P, et al. 2004. Passive and active detection of clouds:Comparisons between MODIS and GLAS observations. Geophys Res Lett, 31(4): L04108. |
Mamouri R E, Amiridis V, Papayannis A, et al. 2009. Validation of CALIPSO space-borne-derived attenuated backscatter coefficient profiles using a ground-based lidar in Athens, Greece. Atmos Measur Tech, 2(2): 513–522. DOI:10.5194/amt-2-513-2009 |
Marchand R, Mace G G, Ackerman T, et al. 2008. Hydrometeor detection using CloudSat-An earth-orbiting 94 GHz cloud radar. J Atmos Oceanic Technol, 25(4): 519–533. DOI:10.1175/2007JTECHA1006.1 |
Min M, Wang P C, Campbell J R, et al. 2011. Cirrus cloud macrophysical and optical properties over North China from CALIOP measurements. Adv Atmos Sci, 28(3): 653–664. DOI:10.1007/s00376-010-0049-5 |
Noel V, Chepfer H. 2010. A global view of horizontally oriented crystals in ice clouds from cloud-aerosol lidar and infrared pathfinder satellite observation (CALIPSO). J Geophys Res, 115(D4): D00H23. |
Qin F, Fu Y F. 2016. TRMM-observed summer warm rain over the tropical and subtropical Pacific Ocean:Characteristics and regional differences. J Meteor Res, 30(3): 371–385. DOI:10.1007/s13351-016-5151-x |
Riley E M, Mapes B E. 2009. Unexpected peak near?15℃ in CloudSat echo top climatology. Geophys Res Lett, 36(9): L09819. |
Rossow W B, Schiffer R A. 1991. ISCCP cloud data products. Bull Amer Meteor Soc, 72(1): 2–20. DOI:10.1175/1520-0477(1991)072<0002:ICDP>2.0.CO;2 |
Rossow W B, Schiffer R A. 1999. Advances in understanding clouds from ISCCP. Bull Amer Meteor Soc, 80(11): 2261–2288. DOI:10.1175/1520-0477(1999)080<2261:AIUCFI>2.0.CO;2 |
Stephens G L. 1999. Radiative effects of clouds and water vapor//Browning K A, Gurney R J. Global Energy and Water Cycles. Cambridge:Cambridge University Press, 71-90 https://www.researchgate.net/publication/238305970_Radiative_effects_of_clouds_and_water_vapor |
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. Bull Amer Meteor Soc, 83(12): 1771–1790. DOI:10.1175/BAMS-83-12-1771 |
Vaughan M A, Winker D M, Powell K A. 2005. CALIOP algorithm theoretical basis document. Part 2:Feature detection and layer properties algorithms. Rep. PC-SCI, 202, 87pp |
Wang J H, Rossow W B. 1998. Effects of cloud vertical structure on atmospheric circulation in the GISS GCM. J Climate, 11(11): 3010–3029. DOI:10.1175/1520-0442(1998)011<3010:EOCVSO>2.0.CO;2 |
Weisz E, Li J, Menzel W P, et al. 2007. Comparison of AIRS, MODIS, CloudSat and CALIPSO cloud top height retrievals. Geophys Res Lett, 34(17): L17811. DOI:10.1029/2007GL030676 |
Winker D M, Pelon J R, McCormick M P. 2003. The CALIPSO mission:Space borne lidar for observation of aerosols and clouds//Proceedings of the Third International Asia-Pacific Environmental Remote Sensing Remote Sensing of the Atmosphere, Ocean, Environment, and Space. International Society for Optics and Photonics, 1-11 http://proceedings.spiedigitallibrary.org/proceeding.aspx?articleid=881577 |
Wu D L, Ackerman S A, Davies R, et al. 2009. Vertical distributions and relationships of cloud occurrence frequency as observed by MISR, AIRS, MODIS, OMI, CALIPSO, and CloudSat. Geophys Res Lett, 36(9): L09821. |
Xian T, Fu Y F. 2015. Characteristics of tropopause-penetrating convection determined by TRMM and COSMIC GPS radio occultation measurements. J Geophys Res, 120(14): 7006–7024. |
Yu R C, Wang B, Zhou T J. 2004. Climate effects of the deep continental stratus clouds generated by the Tibetan Plateau. J Climate, 17(13): 2702–2713. DOI:10.1175/1520-0442(2004)017<2702:CEOTDC>2.0.CO;2 |