气象学报  2018, Vol. 76 Issue (1): 117-133   PDF    
http://dx.doi.org/10.11676/qxxb2017.079
中国气象学会主办。
0

文章信息

周文, 杨胜朋, 蒋熹, 郭启云. 2018.
ZHOU Wen, YANG Shengpeng, JIANG Xi, GUO Qiyun. 2018.
利用COSMIC掩星资料研究青藏高原地区大气边界层高度
Estimating planetary boundary layer height over the Tibetan Plateau using COSMIC radio occultation data
气象学报, 76(1): 117-133.
Acta Meteorologica Sinica, 76(1): 117-133.
http://dx.doi.org/10.11676/qxxb2017.079

文章历史

2017-04-05 收稿
2017-06-20 改回
利用COSMIC掩星资料研究青藏高原地区大气边界层高度
周文1, 杨胜朋1,2, 蒋熹1,2, 郭启云3     
1. 南京信息工程大学资料同化研究与应用联合中心, 南京, 210044;
2. 南京信息工程大学大气科学学院, 南京, 210044;
3. 中国气象局气象探测中心, 北京, 100081
摘要: 以往关于青藏高原边界层的研究都是基于个别站点的常规观测,对青藏高原边界层的整体性认识受限。GPS掩星资料具有测量精度高和垂直分辨率高的特性,其廓线中含有大量有价值的边界层信息。利用2007—2013年COSMIC掩星资料,通过计算大气折射率最小梯度来确定边界层高度,并用无线电探空资料对结果进行了检验。在此基础上,对青藏高原地区边界层高度的特征及其形成机制展开了研究,比较了COSMIC掩星确定的边界层高度和ERA-Int的差别,讨论了最小梯度法用于边界层研究的不确定性。结果表明:青藏高原上COSMIC掩星和无线电探空数据检测的边界层高度相关系数为0.786,平均值偏差为0.049 km,均方根误差为0.363 km,COSMIC掩星数据检测的边界层高度和无线电探空的结果非常接近。青藏高原上边界层高度呈现西高东低的分布特征,高原中西部边界层高度主要为1.8—2.3 km,而高原东部边界层为1.4—1.8 km,最大值在高原西南部。青藏高原地区边界层有明显的季节差异,冬季高原上大部分地区边界层高度超过2.0 km;春季大部分地区高度降低,但在受印度季风影响的高原南部有明显的抬升,最大值可超过3.0 km;夏季高原上边界层高度开始升高,大部分地区超过1.8 km;秋季又开始回落。青藏高原以北塔克拉玛干沙漠和高原以南印度季风活动区是两个高值区,北部的沙漠地区边界层高度在夏季最高,南部印度季风活动区在季风爆发前(4月)达到全年最大值。青藏高原中西部地区有水平风辐合以及广泛的上升运动,为边界层的发展提供了动力条件,而东部的下沉运动对边界层的发展有抑制作用。青藏高原边界层各个季节的空间分布与地表感热通量分布一致。COSMIC掩星资料确定的边界层高度和ERA-Int相比,空间分布基本一致但ERA-Int边界层高度明显偏低。当有系统性强逆温存在的时候,或者云中液态水或冰水含量较大时,用最小梯度法检测的边界层高度不确定性增加。
关键词: GPS掩星     边界层高度     青藏高原    
Estimating planetary boundary layer height over the Tibetan Plateau using COSMIC radio occultation data
ZHOU Wen1, YANG Shengpeng1,2, JIANG Xi1,2, GUO Qiyun3     
1. Joint Center for Data Assimilation Research and Application, Nanjing University of Information Science and Technology, Nanjing 210044, China;
2. College of Atmospheric Science, Nanjing University of Information Science and Technology, Nanjing 210044, China;
3. CMA Meteorological Observation Centre, Beijing 100081, China
Abstract: Many previous studies on the planetary boundary layer (PBL) over the Tibetan Plateau (TP) were based on sparse conventional observations, which led to limitations for overall understanding of the PBL over the TP. Global Positioning System Radio Occultation (GPS RO) measurements contain useful information about the PBL due to its high accuracy and high vertical resolution. COSMIC (Constellation Observing System for Meteorology, Ionosphere and Climate) RO measurements from 2007 to 2013 were used to derive the PBL height over the TP. The top of the PBL is defined as the height at which the vertical gradient of the refractivity is the minimum. The PBL height derived from COSMIC RO is highly correlated with collocated radiosonde data with a correlation coefficient of 0.786, a mean PBL height difference of approximately 0.049 km and a root-mean-square difference near 0.363 km. The PBL height over the TP decreases from west to east with the amplitude of annual mean PBL height ranging with in 1.8 to 2.3 km over the central-western TP and 1.4 to 1.8 km over the eastern TP. The maximum PBL height is found over southern TP. In addition, the PBL height over the TP has a distinct seasonal variation. The PBL height is more than 2.0 km during winter over most TP regions. Following the approach of spring, the PBL height starts to shrink over most TP regions except southern TP, where the PBL height increases to 3.0 km due to the influence of the Indian monsoon. The PBL over the TP strengthens during summer with the PBL height more than 1.8 km. The PBL height reduces again during the autumn. There are two maxima over Taklimakan Desert and the monsoon region, which is located at the north and south of the TP, respectively. The maxima of PBL height occur at summer over the desert and April before the monsoon onset over the monsoon region. The convergence of horizontal winds and extensive ascending motions over the central and western TP provide the impetus for the development of the PBL, and the large-scale descending motions restrain the development of PBL over the eastern TP. The seasonal distributions of PBL height are consistent with that of sensible heat flux over the TP. The PBL height derived from COSMI RO have similar spatial and temporal patterns with that from ERA-Interim (European Centre for Medium-Range Weather Forecasts Reanalysis Interim), but the PBL height derived from ERA-Interim is underestimated almost everywhere over the TP. The GPS RO can capture the structure of PBL over TP very well. However, the presence of strong inversion layer, or cloud with large liquid or ice water content, may cause uncertainties in the derived PBL height.
Key words: GPS RO     Planetary boundary layer height     Tibetan Plateau    
1 引言

边界层是对流层的底层,是地球大气动量、热量和各种物质上下交换的重要通道。边界层高度是表征大气边界层特征的一个重要参数,可影响云类和云量的形成,进一步可对全球能量和水汽循环产生影响(Ramanathan, et al, 1989;Klein, et al, 1993)。在数值模式边界层物理过程参数化方案中, 夹卷率、垂直扩散系数、反梯度项等都依赖于边界层高度的给定,其中夹卷率又可对降水预报造成影响,合适的夹卷效应可使得对近地面水汽垂直分布的模拟更真实,降水预报更准确(Hong, et al, 2006)。

目前边界层的观测手段主要为无线电探空(Basha, et al, 2009Seidel, et al, 2010Ho, et al, 2015)、雷达(Eichinger, et al, 1993Davis, et al, 2000Pahlow, et al,2001Banks, et al, 2015)、星载遥感(Wood, et al, 2004Sun-Mack, et al, 2014)、再分析数据(Ao, et al, 2012van Engeln, et al, 2013)等。因为测量精度高、几乎不受天气条件限制,一直以来,无线电探空是非常重要的研究边界层的观测手段。但是无线电探空每天只有两次观测(加密观测除外),且海洋和高原地区相关资料很少,无线电探空资料在海洋边界层和高原边界层的研究中遇到了困难。最近20年星载遥感的迅速发展,给边界层研究带来了新的探测资料。大气红外探测仪(AIRS)拥有2000多个光学通道,这些通道可以探测大气各层的温度和湿度信息。Fetzer等(2004)将AIRS反演的温度信息用于边界层研究,但是这些通道都是集中在红外波段,红外光谱穿越云的能力有限,所以,在有云的天气条件下AIRS的探测受限。Wood等(2004)利用中分辨率成像光谱仪(MODIS)和热带降雨测量计划(TRMM)卫星微波成像仪(TMI)以及NCEP再分析资料,通过云顶温度(利用MODIS获取)、海表温度(通过TMI获取),并结合云液态水路径来判断边界层高度。还有学者曾利用分布式温度传感器检测夜间边界层高度,但该方法局限于低风速条件下(Keller, et al, 2010)。遥感各类资料丰富,在边界层领域具有广阔的应用前景,但星载遥感探测资料对于边界层研究来说其垂直分辨率仍不够高。

全球定位系统(GPS)掩星(RO)观测是全球观测系统的重要组成部分,它具有高精度、高垂直分辨率、受云雨影响较小等特点(Kursinski, 1997Rocken,et al,1997Anthes,2001Kuo, et al, 2008)。GPS掩星资料在气象研究和气象业务中得到广泛应用。GPS掩星资料在中高层(8—40 km)具有非常高的精度,在低层当水汽分布具有较大的垂直梯度时,GPS无线电信号会产生多路径传播,其探测的准确度和精度都有所降低。已有研究表明,GPS掩星探测的大气折射率在低层通常存在负偏差(Rocken, et al, 1997Hajj, et al, 2003Wickert, et al, 2003Anthes, et al, 2008)。

近些年来,使用开环跟踪技术之后,GPS掩星资料在低层大气的准确度有了提高,使得GPS掩星资料可以提供更多有价值的对流层下部的大气信息(Sokolovskiy, et al, 2006; Ao, et al, 2009)。GPS掩星资料已被应用于边界层研究(Guo, et al, 2011;Ao, et al, 2012;Chan, et al, 2013)。Ao等(2012)利用梯度法对全球大气边界层时空分布进行了研究,发现GPS掩星能够很好地捕捉大气边界层结构特征。由于GPS掩星资料垂直分辨率高,在计算垂直梯度的过程中往往存在噪声干扰。为了减少噪声的影响,Guo等(2011)提出“断点”法判断边界层高度,并对全球海洋边界层特征进行了研究。Chan等(2013)Guo等(2011)的基础上,对断点法进行了改进,分析了全球大气边界层的季节变化特征和形成机理。Chan等(2013)指出,断点法确定边界层高度要优于最小梯度法。但是,Xie等(2012)给出了不一样的结论,指出梯度法不受折射率负偏差的影响,且折射率梯度越强(折射率梯度超过了临界折射率梯度157 N-unit/km, 形成折射率负偏差),梯度法检测边界层高度效果越佳。廖麒翔等(2015)刘艳等(2015)利用GPS掩星廓线对全球海洋边界层也进行了研究。

青藏高原对大气的直接作用对象是边界层。1998年夏季导致中国东部特大洪水的云团系统可追溯到青藏高原边界层的复杂运动(Flohn, 2007)。青藏高原平均海拔高度大于4 km,其特殊的地形造成了青藏高原边界层的独特性和复杂性(Smith, et al, 1992),对全球天气和气候有着重大影响。中国先后开展了三次青藏高原试验。第一次青藏高原大气科学试验(QXPMEX)主要在辐射平衡和大气环流方面取得了进展。第二次青藏高原大气科学试验(TIPEX)中,随着观测技术的进步,主要在影响大气环流的物理过程方面取得了进展,如边界层结构(徐祥德等,2006)。第三次青藏高原大气科学试验正在进行中,将主要解决中国灾害性天气、气候预测理论等问题(李跃清,2011)。徐祥德等(2001)根据第二次青藏高原大气科学试验,利用改则、当雄、昌都观测站资料综合分析了青藏高原地-气物理过程及其动力学模型,发现青藏高原对流边界层较为深厚以及其边界层埃克曼“抽吸泵”的动力机制。李国平等(2005)对青藏高原边界层动力“抽吸泵”做了进一步分析,发现其对青藏高原低涡影响较大,当其表现为“抽”、“吸”效应时,分别有利于边界层中的对流发展以及边界层以上青藏高原低涡的加强。Ma等(2011b)利用GPS无线电探空资料对喜马拉雅地区的边界层结构和辐射能量分布等进行了分析,发现该地区的热量输送附加阻抗日变化明显,以及向下短波辐射明显高于其他地区等现象。李家伦等(2000)利用改则站观测资料发现边界层内白天温度递减率较大、随高度多极值分布的风速以及逆湿现象。左洪超等(2004)综合分析了安多的干、湿季边界层特征。结果表明, 干季边界层高度可达到3550 m,但湿季却很少能发展到2330 m。由于受当时观测条件的限制,关于青藏高原边界层的研究都是基于个别站点的常规观测(李家伦等, 2000徐祥德等, 2001李茂善等, 2004左洪超等, 2004马伟强等, 2005李英等, 2008蒋兴文等, 2009)。相比于传统观测手段,GPS掩星观测可以提供全天候及全球覆盖的观测资料,这就弥补了传统观测设备在高原布设困难而导致对青藏高原整体性认识受限的缺点。

青藏高原这种复杂地形条件下的边界层过程非常复杂,人们对青藏高原及其周围区域边界层过程的认识还不全面。本研究将利用COSMIC掩星资料对该地区的边界层高度进行探讨,揭示该地区边界层高度的气候特征,以期为青藏高原边界层的参数化提供一些参考和依据。

2 方法和数据 2.1 数据

GPS全球定位系统由24颗卫星组成,GPS卫星向地面发射L波段(f1=1.575 GHz和f2=1.226 GHz)载频无线电测距信号,这些信号被低轨卫星(LEO)接收,这个过程称作掩星探测(Kursinski, et al, 1996)。GPS卫星发射的无线电信号在经过地球电离层、大气层时会发生弯折,这些信号到达低轨接收卫星的时间相应延迟,通过获取这两个波段的相位和振幅,并基于GPS卫星与低轨接收卫星精确位置和相对运动计算总弯角,利用总弯角可以导出中性大气中大气折射率N(邹晓蕾,2012)。在中性大气中,折射率N与大气温度和水汽的关系如式(1)所示(Smith, et al, 1953)。在对流层上层和平流层由于水汽含量较低,可以直接利用折射率导出较高精度的温度廓线,但在对流层中下层,水汽对折射率的影响较大,还需加以辅助的再分析资料或预报场,借助一维变分的方法进行反演,得到高精度(约0.1 K)的水汽压和大气温度廓线(Kursinski, 1997陈世范, 1999马再忠等,2011Ao, et al, 2012徐桂荣等, 2016)。Yang等(2012)在观测资料中发现云内液态水对折射率的贡献最高可达1.2%,与反演误差是一个量级。Zou等(2012)进一步从理论上推导了液态水、冰水和折射率的关系(式(2))。

(1)
(2)

式中,P为大气压, Pw为水汽压,单位均为hPa;T为大气温度,单位K。WwaterWice分别为液态水含量和冰水含量,单位g/m3

COSMIC掩星观测系统由6颗载有GPS接收器的低轨卫星组成,于2006年4月发射,每天可提供2000多条几乎均匀覆盖全球的观测廓线(Anthes, et al, 2008),廓线数相当于全球探空资料的3—4倍(邹晓蕾, 2012)。这些廓线具有高精度、高垂直分辨率(约200 m)、受云雨影响小(由于波长较长,约20 cm)的特点,可精确刻画大气垂直结构。

文中使用的数据包括COSMIC掩星观测资料、无线电探空数据和ERA-Int再分析资料,COSMIC掩星数据从COSMIC数据分析存储中心(CDAAC)下载(Kuo, et al, 2008),利用2007—2013年COSMIC掩星产品中的湿反演资料(WetPrf资料)来研究青藏高原地区边界层高度的气候特征。WetPrf资料垂直探测范围为0—39.9 km,但每一条廓线探测到的最低有效记录高度不尽相同,廓线垂直分辨率为100 m。廓线变量包括:温度、水汽压、海拔高度、大气压、经纬度及观测折射率。

2.2 方法

边界层顶通常伴随着温度和水汽压骤变,因此,常常采用温度或者水汽的梯度来确定边界层顶的高度(Guo, et al, 2011Chan, et al, 2013van Engeln, et al, 2013)。对于GPS掩星资料而言,已有研究表明,用折射率的梯度去判定边界层高度比用温度和水汽效果更好(Ao, et al, 2012)。在此将用最小梯度法来判断边界层高度,具体方法如下:(1)廓线的筛选:为了保证选定的廓线包含边界层的有效信息而且还有足够的样本数,选取数据的下界最低有效记录高度在离地1 km范围内,计算所有廓线折射率的双权重平均值和标准差,剔除大于(小于)平均值加(减)5倍标准差的廓线。(2)插值:将GPS掩星廓线以10 m为间隔进行垂直高度插值。由于边界层高度通常为1—2 km,可在几十米至4 km高度内变化,故垂直研究范围为最低有效记录高度至离地5 km。(3)梯度的计算:在每个高度上用中央差分来计算折射率垂直梯度N′(i)= 。(4)边界层高度的判断:折射率梯度最小值(同时为极小值)所在高度即为边界层顶高度。由于GPS掩星廓线在底层缺少观测数据,可能会使得边界层检测方法将最底层判断为边界层顶,从而产生误差。因此折射率梯度最小值还需满足是极小值的条件。

从2007—2013年有效廓线数空间分布(图 1)可见,青藏高原上的样本数比其四周地区样本数明显偏少,基本低于100条。青藏高原南部样本数最少,格点内的样本数约为20条。

图 1 2°×2°格点内的2007—2013年COSMIC掩星资料用于检测边界层高度的有效廓线数 Figure 1 The number of COSMIC RO retrievals in each 2°×2° box during 2007-2013 when the signal penetrates to below 1000 m above the surface

图 2给出了利用折射率判断边界层顶高度的例子,该掩星廓线发生于2007年5月6日20时43分46秒(世界时,下同),33.85°N,98.29°E。图 2a中虚线表示折射率,实线表示折射率的梯度,可以看出,折射率梯度最小值所在的高度为2620 m, 这个高度就是判定的边界层顶高度。图 2b给出了相应的温度和水汽廓线,在检测到的边界层顶附近,水汽压急剧减少并且有逆温层存在,可见,这条廓线用折射率最小梯度法判定的边界层高度是合理的。

图 2 用COSMIC掩星廓线绘制的折射率N、折射率梯度N′(a)和水汽压Pw、温度T(b)廓线 (水平实线为利用梯度法检测到的边界层高度) Figure 2 Refractivity N and gradient N′ (a), and temperature T and water vapor pressure Pw (b) profiles from COSMIC RO (The horizontal solid line is the PBL height determined by the minimum gradient method)
2.3 有效性验证

为了检验COSMIC掩星资料判定边界层的有效性,利用2010—2013年青藏高原上15个无线电探空站的秒级探空资料进行检验。秒级探空廓线每1.2 s采集一次探空数据,每天两次(00和12时)。将青藏高原上15个站点的探空廓线与COSMIC掩星资料进行时空匹配,按照空间相距小于100 km以及时间间隔小于1 h的匹配标准,一共有20组匹配结果。由于COSMIC掩星下探最低高度一般都离地有几百米,而夜间稳定边界层的高度较低甚至是比COSMIC下探最低高度都低,因此,文中只选取COSMIC掩星和无线电探空确定的混合层高度(白天)进行比较分析,符合条件的共有11组廓线,其空间分布如图 3a所示。那曲站、格尔木站、玉树站各有一条廓线,达日站2条,茫崖站和都兰站分别有3条。

图 3 (a) 高原上与COSMIC掩星匹配的无线电探空资料的空间分布, (b)分别利用COSMIC掩星与无线电探空检测边界层高度的散点分布 Figure 3 (a) Spatial distribution of collocated radiosonde profiles over TP, and (b) scatterplot of PBL heights derived from COSMIC RO and Radiosonde data

把无线电秒级探空资料插值成10 m的垂直分辨率,然后计算各层的位温梯度, 根据位温梯度的最大值位置来确定边界层高度。COSMIC掩星资料利用前面介绍的折射率最小梯度判定边界层高度。图 3b给出了两种资料确定边界层高度的散点分布,两者线性回归方程为y=1.0067x-0.0627(y为无线电探空,x为COSMIC掩星),相关系数R=0.786,平均值偏差(COSMIC结果减去无线电探空结果)为0.049 km,均方根误差为0.363 km。以上结果表明,COSMIC掩星数据检测的边界层高度和无线电探空的结果非常接近。这里需要强调的是GPS掩星是临边探测技术,探测的每一个高度上的大气信息反映的是无线电波在近地面点的切线方向上,大约300 km长1.4 km宽的范围内大气状态对无线电信号传播路径的总效应(邹晓蕾, 2012)。GPS掩星和无线电探测原理是有本质区别的,这可能是两者计算边界层高度差异的主要原因。另外,判定边界层高度的方法不一样可能也会造成二者结果的差异。

3 结果分析 3.1 各季节边界层空间分布特征

整体而言,青藏高原上边界层高度呈现西高东低的分布特征,其中西部边界层高度主要为1.8—2.3 km,而东部边界层为1.4—1.8 km,最大值中心在高原西南部。青藏高原以北干旱荒漠地区、青藏高原以南印度半岛地区均为边界层高度大值区,边界层高度均可超过2.0 km (图 4a)。COSMIC掩星检测到的边界层高度空间分布与ERA-Int空间分布基本一致,但ERA-Int资料确定的边界层高度比COSMIC掩星确定的边界层高度要低1.0 km左右(图 4b)。

图 4 用COSMIC掩星资料确定的边界层高度(a)和用ERA-Int确定的边界层高度(b)的空间分布 Figure 4 Annually averaged PBL height derived from COSMIC RO (a) and ERA-Int (b)

由于以往青藏高原上观测资料较少,并且观测站点在高原上西疏东密,使得从整体性认识青藏高原边界层季节变化受到阻碍。为了弥补这个缺陷,将进行高原边界层季节变化的分析,并初步揭示其成因。

各个季节样本数空间分布(图略)与图 1类似,50°N附近样本数最多,高原相对四周偏少。各个季节内,青藏高原上格点样本数为20—30条。

从边界层高度季节变化的空间分布(图 5)可以看出,青藏高原边界层高度有明显的季节变化特征。冬季,青藏高原大部分地区边界层高度都在2.0 km以上,边界层高度呈现西高东低的特点,在中西部最高可超过2.6 km,东部地区大约在1.8 km。印度半岛偏南地区也存在边界层大值区,但其强度相对于青藏高原地区偏弱,约为2.0 km。春季,青藏高原大部分地区边界层高度减弱,但在受印度季风影响的高原南部有明显增强,最大值超过3.0 km。而印度半岛边界层高度在春季达到全年最大值,除沿海地区外,大部分地区均超过2.6 km,最高可超过3.0 km。夏季,青藏高原边界层整体较春季有所发展,青藏高原上大部分地区边界层高度超过1.8 km。青藏高原上西部大值区(80°E附近)以及高原北部(95°E附近)大值区与ERA-Int在青藏高原上的大值区基本对应。青藏高原以北干旱荒漠地区边界层高度达到全年最大,均超过2.6 km,最大可超过3.0 km。秋季,青藏高原边界层高度又开始回落。秋季和春季的高原边界层空间分布类似,青藏高原西南和高原北部各有一个高值中心。青藏高原以北干旱荒漠地区边界层高度较夏季有了明显的减弱。ERA-Int边界层空间分布呈现西南高东北低的特点,青藏高原以北的沙漠地区边界层高度明显偏低。

图 5 2°×2°格点内用COSMIC掩星数据(a1—d1)和ERA-Int数据(a2—d2)检测到的边界层高度季节平均值 (a.冬季, b.春季,c.夏季,d.秋季; 空白处表示缺数据) Figure 5 Seasonal mean PBL heights derived from COSMIC RO (a1-d1) and ERA-Int (a2-d2) data on 2°×2° box (a. winter, b. spring, c. summer, d. autumn; The blank area indicates there is no valid data)

从空间分布来看,COSMIC掩星检测结果与ERA-Int季节变化比较一致,都能很好地反映出青藏高原上边界层高度变化的特点,印度季风爆发前印度半岛边界层达到全年最大值,青藏高原以北的沙漠地区在夏季达到最强。但是,ERA-Int比COSMIC掩星确定的边界层高度在高原上要低500—1000 m。Ao等(2012)发现在东太平洋和撒哈拉沙漠地区,ERA-Int边界层高度比COSMIC掩星资料确定的边界层高度要低500 m。ERA-Int边界层高度偏低一方面可能和模式的系统性偏低有关(Guo, et al, 2011Xie, et al, 2012),另外,COSMIC掩星下探最低高度通常离地数百米,其大部分廓线都无法检测夜间稳定边界层高度(检测的是混合层高度),而ERA-Int中的边界层高度包含夜间稳定边界层。

从空间分布来看,青藏高原上大部分地区的边界层高度都在2.0 km以上(图 4),而从概率分布密度来看,边界层高度最大发生频率在1.0—1.2 km(图 6)。这是由于在青藏高原上中西部地区边界层高度高而COSMIC掩星资料样本少,而东部地区边界层高度低而资料量多造成的。从季节频率分布而言,春、秋季边界层高度频次分布差别不大,冬季和夏季的频次分布有明显的不同,夏季和冬季边界层高度分布频次分别向高值和低值一侧倾斜。

图 6 青藏高原地区(26°—40°N,70°—104°E,且地形高度大于3000 m的地区)边界层高度频率分布 (蓝色代表冬季、绿色为春季、红色为夏季、黄色为秋季) Figure 6 Frequency distribution of PBL height over the Tibetan Plateau (the region within 24°-46°N, 70°-104°E with elevation larger than 3000 m; blue, green, red and yellow bars represent the frequencies of PBL height in winter, spring, summer and autumn, respectively)

从2007—2013年70°—120°E范围内纬向月平均边界层高度及其样本数的年变化特征(图 7)可以看出,1—4月青藏高原南部的印度季风区边界层高度逐渐增大,到了4月达到全年的最大值,5月之后逐渐减退,7月之后边界层高度有明显的降低。在青藏高原上1、2月可达2.0 km, 3月之后开始减弱,6—8月又开始增强,9月之后开始减弱。青藏高原以北的沙漠地区在6—7月达到全年的最强。样本数与图 1分布一致,在50°N处样本数最多,每月样本数几乎均超过330条。青藏高原上最少,1—3月样本数最多,达到每月160—180条样本。

图 7 利用COSMIC掩星数据检测到的纬向月平均边界层高度(a)及其样本数(b) Figure 7 Monthly zonal mean PBL height (a) and number of profiles (b) from COSMIC RO data

边界层高度受热力和动力湍流影响,与地表通量、大气稳定度等多个因素有关,下面将围绕其形成机制展开讨论。

3.2 形成机制

就青藏高原地区而言,其上边界层高度较高与特殊的地形密切相关。青藏高原海拔高, 太阳辐射通过大气层的光程较短,再加上空气干净,大气透光性好,使得青藏高原上接受的太阳辐射多(徐祥德等,2006)。在强烈的太阳辐射作用下,地表迅速升温,近地层温度明显偏高,贴近地面的空气易达到超绝热,由于超绝热层不稳定,近地层湍流增强,为边界层发展提供了有利条件(朱春玲等, 2011)。另外,青藏高原地区边界层内埃克曼“抽吸泵”也可为边界层发展提供动力机制(徐祥德等, 2001)。

下面从热力和动力方面对青藏高原边界层形成成因进行分析。需要注意的是,青藏高原上探空站点分布较少,为了满足研究青藏高原的需要以及解决资料匮乏的困难,很多学者利用再分析资料来弥补高原实测资料匮乏的缺点。钞振华(2011)李瑞青等(2012)对几种再分析资料的地面气温资料进行了评估,指出ERA-Int资料的综合使用性优于其他再分析资料。金蕊等(2016)从理论上验证了ERA-Int感热资料的可靠性,指出其可用于后续研究。因此选取ERA-Int数据对青藏高原边界层形成成因进行分析。

从热力角度而言,青藏高原在500 hPa高度上存在一个偏向于青藏高原南部的暖中心(图 8a),相对湿度(图 8b8c)呈现西低东高的特征,感热分布(图 8d)则呈现西高东低的特点。该分布特征又与青藏高原上边界层空间分布一致,表明青藏高原边界层在很大程度上是受到青藏高原地表感热通量的影响。从动力角度而言,青藏高原整体呈现出水平风辐合(图 8e)的现象,并且伴随着广泛的上升运动(图 8f),这就为青藏高原边界层发展提供了动力抬升机制。结合青藏高原年平均边界层空间分布(图 4)特征,青藏高原中西部边界层高度主要为1.8—2.3 km,边界层大值区基本对应感热通量(图 8d)以及上升运动(图 8f)大值区,这两者均有利于青藏高原中西部边界层发展。而青藏高原东部地区处于下沉运动区(图 8f),大尺度环流抑制了边界层的发展,边界层高度基本低于1.8 km。Yanai等(1994)利用第一次青藏高原大气科学试验1979年5—8月的观测资料也注意到了这一特征。

图 8 2007—2013年ERA-Int数据获取的年均500 hPa温度场(a)、相对湿度(b)、2 m相对湿度(c)、地表感热通量(d)、10 m水平风场(e)和500 hPa垂直风速场(f) Figure 8 Annually averaged temperature (a) and relative humidity (b) at 500 hPa, relative humidity (c) at 2 m height, surface sensible heat flux (d), horizontal wind circulation (e) at 10 m height and vertical wind speed at 500 hPa (f) derived from ERA-Interim data in 2007-2013

春季,印度半岛边界层高度达到最大,该现象与Raman等(1990)Patil等(2013)的研究一致。该季节内印度半岛感热通量(图 9)达到全年最大,为印度半岛边界层发展提供了热力基础。另外,印度季风爆发前垂直速度较季风后高(Raman, et al, 1990),这为边界层发展提供了动力机制。所以,印度半岛边界层高度在季风爆发前的4月达到最大值(图 7a)。此外,雨季的到来也会对边界层造成影响。随着印度季风的来临,易形成云、雨,使得地面吸收的太阳辐射减少,底层虚位温几乎不变,空气块向上运动受阻。同时,潜热能增加,感热能减少,对流活动受到抑制,边界层因此变低(Seidel, et al, 2010Chandra, et al, 2014)。

图 9 ERA-Int地表感热通量季节空间分布 (a.冬季, b.春季,c.夏季,d.秋季) Figure 9 Seasonal distributions of surface sensible heat flux derived from ERA-Int data (a. winter, b. spring, c. summer, d. autumn)

夏季,青藏高原以北干旱荒漠地区边界层高度达到全年最高。该现象与韦志刚等(2010)张强(2007)赵建华等(2013)Ma等(2011a)的研究结果一致。青藏高原以北干旱荒漠地区天空少云使得接收的太阳辐射增强,并且该处下垫面干燥,反照率高,地表升温迅速,湍流活动增强,地面感热增大,边界层高度相应较高(Dolman, et al, 1997张强, 2007张强等, 2008Ma, et al, 2011a)。

冬季和秋季,青藏高原南部季风区,高原上和高原以北的沙漠地区,边界层高度和感热的空间分布一致,这表明冬、秋两季感热可能是影响该区域边界层高度分布的重要原因。

4 最小梯度法检测边界层高度的不确定性分析

当边界层上存在强突变层(比如逆温层)时,通过折射率的梯度来判定边界层高度可能有较大偏差(Hennemuth, et al, 2006)。四川盆地由于受青藏高原暖平流的影响以及偏南方向的暖湿气流输送,经常会出现深厚的逆温层(Li, et al, 2007蒋兴文等, 2009)。为了验证COSMIC掩星资料检测结果在该地区相对较高是否由于受到逆温层影响,选取30°N处温度、风速和水汽压垂直剖面(图 10)进行分析。从图 10可以发现,海拔高度2.6 km附近,四川盆地受到强偏西风(图 10a)影响,接受来自高原的热量输送,在高空形成逆温层(图 10b)。蒋兴文等(2009)利用2007年12月10—24日加密探空观测资料发现,四川盆地的混合层高度较低,在500—700 m,而在四川盆地2500—3000 m高空处发现了系统性逆温层存在。逆温层限制了水汽的垂直输送,使得在逆温层附近水汽压(图 10c)发生骤变。根据式(2)可以发现,COSMIC掩星折射率和温度、水汽垂直分布密切相关,四川盆地COSMIC掩星检测结果较高可能与系统性的逆温有关。当有系统性的天气系统发生时,大尺度系统会对边界层结构产生很大的影响,气象要素也会发生明显的改变,所以,这种天气背景下用梯度法检测边界层高度时可能会带来较大偏差。

图 10 30°N处从ERA-Int数据获取的冬季纬向风(a)和从COSMIC掩星数据获取的温度(b)、水汽压(c)的垂直剖面 (灰色柱表示地形高度,空白处表示缺测) Figure 10 Zonal-vertical cross sections along 30°N of zonal wind velocity (a) derived from ERA-Interim, and tempreture (b) and water vapour pressure (c) derived from COSMIC RO data in winter (Grey bars show the topography height, and the blank areas indicate there is no valid data)

云和边界层的相互作用非常复杂,用GPS掩星折射率的最小梯度来判定边界层高度时,在有云的条件下可能会带来较大偏差。在有云的情况下,云中液态水和冰水使得折射率出现正的偏差,最大偏差甚至可达1.2%(Yang, et al, 2012)。另外,由于在云顶处大气折射率有明显的改变,用最小梯度法很可能把云顶检测为边界层顶。图 11给出了一个例子,用COSMIC掩星资料和CloudSat资料进行时空匹配,匹配标准为空间小于60 km,时间小于30 min。根据CloudSat提供的资料显示,图 11的这条COSMIC掩星廓线为积云,该廓线发生于2008年2月22日19时08分33秒, 18.23°S, 86.51°E,云底和云顶高度分别为0.6和3.0 km(图 11b)。用最小梯度法检测的边界层高度为3.0 km(图 11a),和云顶高度一致,而用位温梯度检测方法显示边界层高度在1.9 km左右(图 11b)。尽管GPS无线电信号由于波长较长能够穿透云雨,但是在云顶或云底处其折射率会有较大的梯度,所以,梯度法可能会把云顶或云底高度判定成边界层高度。在有云的条件下,特别是云中液态水或者冰水含量较大时,要准确判定边界层的高度,还需要其他约束条件或者发展更完善的检测方法。

图 11 利用COSMIC掩星廓线绘制的折射率N(a)和水汽压Pw、温度T(b)廓线 (图a中水平实线为利用COSMIC掩星资料检测到的边界层顶高度。图b中水平虚线和点划线分别为利用CloudSat资料获取的云底高度和云顶高度,水平实线为实际边界层顶高度) Figure 11 Vertical profiles of refractivity N (a), water vapor pressure Pw and temperature T (b) from COSMIC RO (the black solid horizontal line in Fig (a) refers to PBL height derived from COSMIC data. The black dash and dot-dash horizontal lines in Fig (b) indicate cloud base and cloud top derived from collocated CloudSat data, respectively, and the black solid horizontal line in Fig (b) refers to the actual PBL height)
5 结论和讨论

GPS掩星资料具有全球分布、高垂直分辨率、高精度以及几乎不受云雨影响的特点,但青藏高原地区地形复杂,GPS掩星资料在该地区是否适用是本研究关注的重点。利用无线电探空资料和COSMIC掩星资料进行时空匹配,用无线电探空资料对COSMIC掩星的结果进行了检验。结果表明,青藏高原上COSMIC掩星和无线电探空数据检测的边界层高度相关系数为0.786,平均值偏差为0.049 km,均方根误差为0.363 km。COSMIC掩星资料可以有效地检测青藏高原地区边界层高度。

COSMIC检测的青藏高原地区边界层高度具有西高东低的特点。中西部边界层高度主要为1.8—2.3 km,而东部为1.4—1.8 km。青藏高原边界层具有明显的季节变化特征。冬季和夏季边界层高度较高,冬季大部分地区超过2.0 km, 夏季中西部大部分地区超过1.8 km,东部部分地区在1.4 km。春季和秋季边界层高度的空间分布很相似,在青藏高原南部和北部各有一个大值中心,但青藏高原上大部分地区强度有明显的减弱。青藏高原南部由于受到印度季风的影响,在春季边界层高度达到全年最大值,最高可达3.0 km以上。另外,青藏高原以北塔克拉玛干沙漠地区和以南的印度季风活动区是两个边界层高度大值区。青藏高原以北塔克拉玛干沙漠地区边界层高度在夏季最强,于6、7月达到最大值。青藏高原以南的印度半岛边界层高度在印度季风爆发前的4月达到最大值。

青藏高原边界层高度的空间分布是由高原的动力和热力特性共同决定的。青藏高原中西部地区有水平风辐合以及广泛的上升运动,为边界层的发展提供了动力条件,而东部的下沉运动对边界层的发展有抑制作用。青藏高原边界层各个季节的空间分布与地表感热通量分布一致,说明地表通量对高原边界层的形成具有重要的作用。

青藏高原大地形的动力和热力作用的复杂性使得其边界层过程也更为复杂,将COSMIC掩星资料应用于青藏高原边界层的研究是一个尝试。基于梯度法的边界层定义所检测到的边界层高度,与传统方法对边界层(或者混合层)的定义所检测到的结果并不能完全对应(Seidel, et al, 2001)。GPS掩星资料下探最低高度一般都离地数百米,对于大部分廓线可能都无法检测夜间稳定边界层高度,最小梯度法可能将白天遗留下来的残留层确认为边界层顶。因此,文中呈现的青藏高原地区边界层其实大部分是混合边界层和少量的残留边界层。此外,当有系统性强逆温层的时候,或者云中液态水或冰水含量较大时,用最小梯度法检测的边界层高度不确定性增加。下一步要做的工作包括发展更完善的边界层高度检测方法,将更多的GPS掩星资料应用于青藏高原边界层的研究,包括CHAMP (CHallenging Minisatellite Payload),SAC-C (Satellite de Aplicaciones Cientifico), GRACE-A (Gravity Recovery and Climate Experiment), Metop-A (Meteorological Operational Satellite),以及未来的两个掩星计划COSMIC-Ⅱ和Metop-B/GRAS。

参考文献
钞振华. 2011. 三种再分析气温资料在中国西部地区的可信度评价. 大气科学学报, 34(2): 162–169. Chao Z H. 2011. The reliability evaluation of three reanalysis air temperature data in west China. J Nanjing Inst Meteor, 34(2): 162–169. (in Chinese)
陈世范. 1999. GPS气象观测应用的研究进展与展望. 气象学报, 57(2): 242–252. Chen S F. 1999. Advance and prospect on research of GPS atmospheric sounding and its application. Acta Meteor Sinica, 57(2): 242–252. DOI:10.11676/qxxb1999.023 (in Chinese)
蒋兴文, 李跃清, 王鑫, 等. 2009. 青藏高原东部及下游地区冬季边界层的观测分析. 高原气象, 28(4): 754–762. Jiang X W, Li Y Q, Wang X, et al. 2009. The observational analysis of atmospheric boundary layer structure in east part and downstream of Tibetan Plateau. Plateau Meteor, 28(4): 754–762. (in Chinese)
金蕊, 祁莉, 何金海. 2016. 春季青藏高原感热通量对不同海区海温强迫的响应及其对我国东部降水的影响. 海洋学报, 38(5): 83–95. Jin R, Qi L, He J H. 2016. Effect of oceans to spring surface sensible heat flux over Tibetan Plateau and its influence to East China precipitation. Acta Oceanol Sinica, 38(5): 83–95. (in Chinese)
李国平, 徐琪. 2005. 边界层动力"抽吸泵"对青藏高原低涡的作用. 大气科学, 29(6): 965–972. Li G P, Xu Q. 2005. Effect of dynamic pumping in the boundary layer on the Tibetan Plateau vortices. Chinese J Atmos Sci, 29(6): 965–972. (in Chinese)
李家伦, 洪钟祥, 孙菽芬. 2000. 青藏高原西部改则地区大气边界层特征. 大气科学, 24(3): 301–312. Li J L, Hong Z X, Sun S F. 2000. An observational experiment on the atmospheric boundary layer in Gerze area of the Tibetan Plateau. Chinese J Atmos Sci, 24(3): 301–312. (in Chinese)
李瑞青, 吕世华, 韩博, 等. 2012. 青藏高原东部三种再分析资料与地面气温观测资料的对比分析. 高原气象, 31(6): 1488–1502. Li R Q, Lv S H, Han B, et al. 2012. Preliminary comparison and analyses of air temperature at 2 m height between three reanalysis data-sets and observation in the east of Qinghai-Xizang Plateau. Plateau Meteor, 31(6): 1488–1502. (in Chinese)
李茂善, 马耀明, 胡泽勇, 等. 2004. 藏北那曲地区大气边界层特征分析. 高原气象, 23(5): 728–733. Li M S, Ma Y M, Hu Z Y, et al. 2004. Study on characteristics of atmospheric boundary layer over Naqu region of northern Tibetan Plateau. Plateau Meteor, 23(5): 728–733. (in Chinese)
李英, 李跃清, 赵兴炳. 2008. 青藏高原东部与成都平原大气边界层对比分析Ⅱ:近地层湍流特征. 高原山地气象研究, 28(3): 8–28. Li Y, Li Y Q, Zhao X B. 2008. The comparison and analysis of ABL observational data on the east edge of Tibetan Plateau and in Chengdu plain Ⅱ:Characteristics of turbulence in the surface layer. Plat Mt Meteor Res, 28(3): 8–28. (in Chinese)
李跃清. 2011. 第三次青藏高原大气科学试验的观测基础. 高原山地气象研究, 31(3): 77–82. Li Y Q. 2011. The observational basis of the 3rd Tibetan Plateau atmospheric scientific experiment. Plat Mt Meteor Res, 31(3): 77–82. (in Chinese)
廖麒翔, 赵小峰, 石汉青, 等. 2015. 基于COSMIC资料的边界层高度时空特征分析. 气象科学, 35(6): 737–743. Liao Q X, Zhao X F, Shi H Q, et al. 2015. Spatial and temporal characteristics of the boundary layer height based on COSMIC radio occultation data. J Meteor Sci, 35(6): 737–743. DOI:10.3969/2015jms.0066 (in Chinese)
刘艳, 唐南军, 杨学胜. 2015. 利用COSMIC/GPS掩星折射率资料研究海洋边界层高度的特点. 热带气象学报, 31(1): 43–50. Liu Y, Tang N J, Yang X S. 2015. Height of atmospheric boundary layer top as detected by COSMIC GPS radio occultation data. J Trop Meteor, 31(1): 43–50. (in Chinese)
马伟强, 戴有学, 马耀明, 等. 2005. 利用无线电探空资料分析藏北高原地区边界层及其空间结构特征. 干旱区资源与环境, 19(3): 40–46. Ma W Q, Dai Y X, Ma Y M, et al. 2005. Analysis on the boundary layer and spatial profile of northern Tibetan Plateau area by radiosonde data. J Arid Land Resour Environ, 19(3): 40–46. (in Chinese)
马再忠, 郭英华, 王斌. 2011. GPS掩星观测的发展及其在气象业务中的应用现状. 气象学报, 69(1): 208–218. Ma Z Z, Guo Y H, Wang B. 2011. The GPS radio occultation data and its current operational applications to the numerical weather prediction. Acta Meteor Sinica, 69(1): 208–218. DOI:10.11676/qxxb2011.018 (in Chinese)
韦志刚, 陈文, 黄荣辉. 2010. 敦煌夏末大气垂直结构和边界层高度特征. 大气科学, 34(5): 905–913. Wei Z G, Chen W, Huang R H. 2010. Vertical atmospheric structure and boundary layer height in the summer clear days over Dunhuang. Chinese J Atmos Sci, 34(5): 905–913. (in Chinese)
徐桂荣, 乐新安, 张文刚, 等. 2016. COSMIC掩星资料反演青藏高原大气廓线与探空观测的对比分析. 暴雨灾害, 35(4): 315–325. Xu G R, Le X A, Zhang W G, et al. 2016. Comparison of atmospheric profiles between COSMIC radio occultation and radiosonde observations in the Qinghai-Tibetan Plateau. Torr Rain Disas, 35(4): 315–325. (in Chinese)
徐祥德, 周明煌, 陈家宜, 等. 2001. 青藏高原地-气过程动力、热力结构综合物理图象. 中国科学(D辑), 31(5): 428–440.
Xu X D, Zhou M Y, Bian L G, et al. 2002. A comprehensive physical pattern of land-air dynamic and thermal structure on the Qinghai-Xizang plateau. Sci China D:Earth Sci, 45(7): 577–594. DOI:10.1360/02yd9060
徐祥德, 陈联寿. 2006. 青藏高原大气科学试验研究进展. 应用气象学报, 17(6): 756–772. Xu X D, Chen L S. 2006. Advances of the study on Tibetan Plateau experiment of atmospheric sciences. J Appl Meteor Sci, 17(6): 756–772. DOI:10.11898/1001-7313.20060613 (in Chinese)
张强. 2007. 极端干旱荒漠地区大气热力边界层厚度研究. 中国沙漠, 27(4): 614–620. Zhang Q. 2007. Study on depth of atmospheric thermal boundary layer in extreme arid desert regions. J Desert Res, 27(4): 614–620. (in Chinese)
张强, 王胜. 2008. 西北干旱区夏季大气边界层结构及其陆面过程特征. 气象学报, 66(4): 599–608. Zhang Q, Wang S. 2008. A study on atmospheric boundary layer structure on a clear day in the arid region in northwest China. Acta Meteor Sinica, 66(4): 599–608. DOI:10.11676/qxxb2008.057 (in Chinese)
赵建华, 张强, 王胜, 等. 2013. 西北干旱区夏季大气边界层逆温强度和高度的频率密度研究. 高原气象, 32(2): 377–386. Zhao J H, Zhang Q, Wang S, et al. 2013. Studies on frequency density of inversion intensity and height of atmospheric boundary layer in arid region of northwest China. Plateau Meteor, 32(2): 377–386. (in Chinese)
朱春玲, 马耀明, 陈学龙. 2011. 青藏高原西部及东南周边地区季风前大气边界层结构分析. 冰川冻土, 33(2): 325–333. Zhu C L, Ma Y M, Chen X L. 2011. Atmospheric boundary layer structure in the west and the southeastern periphery of the Tibetan Plateau during the pre-monsoon period. J Glaciol Geocryol, 33(2): 325–333. (in Chinese)
左洪超, 胡隐樵, 吕世华, 等. 2004. 青藏高原安多地区干、湿季的转换及其边界层特征. 自然科学进展, 14(5): 535–540.
Zuo H C, Hu Y Q, Lv S H, et al. 2005. Seasonal transition and its boundary layer characteristics in Anduo area of Tibetan Plateau. Progr Nat Sci, 15(3): 239–245. DOI:10.1080/10020070512331342050
Anthes R A. 2001. Applications of COSMIC to meteorology and climate. Terr Atmos Ocean Sci, 11(1): 115–156.
Anthes R A, Ector D, Hunt D C, et al. 2008. The COSMIC/FORMOSAT-3 mission:Early results. Bull Amer Meteor Soc, 89(3): 313–333. DOI:10.1175/BAMS-89-3-313
Ao C O, Hajj G A, Meehan T K, et al. 2009. Rising and setting GPS occultations by use of open-loop tracking. J Geophys Res, 114(D4): D04101.
Ao C O, Waliser D E, Chan S K, et al. 2012. Planetary boundary layer heights from GPS radio occultation refractivity and humidity profiles. J Geophys Res, 117(D16): D16117.
Banks R F, Tiana-Alsina J, Rocadenbosch F, et al. 2015. Performance evaluation of the boundary-layer height from lidar and the weather research and forecasting model at an urban coastal site in the north-east Iberian Peninsula. Bound Layer Meteor, 157(2): 265–292. DOI:10.1007/s10546-015-0056-2
Basha G, Ratnam M V. 2009. Identification of atmospheric boundary layer height over a tropical station using high-resolution radiosonde refractivity profiles:Comparison with GPS radio occultation measurements. J Geophys Res, 114(D16): D16101. DOI:10.1029/2008JD011692
Chan K M, Wood R. 2013. The seasonal cycle of planetary boundary layer depth determined using COSMIC radio occultation data. J Geophys Res, 118(22): 12422–12434.
Chandra S, Dwivedi A K, Kumar M. 2014. Characterization of the atmospheric boundary layer from radiosonde observations along eastern end of monsoon trough of India. J Earth Syst Sci, 123(6): 1233–1240. DOI:10.1007/s12040-014-0458-4
Davis K J, Gamage N, Hagelberg C R, et al. 2000. An objective method for deriving atmospheric structure from airborne lidar observations. J Atmos Ocean Technol, 17(11): 1455–1468. DOI:10.1175/1520-0426(2000)017<1455:AOMFDA>2.0.CO;2
Dolman A J, Culf A D, Bessemoulin P. 1997. Observations of boundary layer development during the HAPEX-Sahel intensive observation period. J Hydrol, 188-189: 998–1016. DOI:10.1016/S0022-1694(96)03180-0
Eichinger W E, Cooper D I, Parlange M, et al. 1993. The application of a scanning, water Raman-Lidar as a probe of the atmospheric boundary layer. IEEE Trans Geosci Remote Sens, 31(1): 70–79. DOI:10.1109/36.210446
Fetzer E J, Teixeira J, Olsen E T, et al. 2004. Satellite remote sounding of atmospheric boundary layer temperature inversions over the subtropical eastern Pacific. Geophys Res Lett, 31(17): L17102.
Flohn H. 1968. Contributions to a meteorology of the Tibetan highlands. Atmos Sci Pap, 130: 182–225.
Guo P, Kuo Y H, Sokolovskiy S V, et al. 2011. Estimating atmospheric boundary layer depth using COSMIC radio occultation data. J Atmos Sci, 68(8): 1703–1713. DOI:10.1175/2011JAS3612.1
Hajj G A, Ao C O, Iijima B A, et al. 2003. CHAMP and SAC-C atmospheric occultation results and intercomparisons. J Geophys Res, 109(D6): D06109.
Hennemuth B, Lammert A. 2006. Determination of the atmospheric boundary layer height from radiosonde and lidar backscatter. Bound Layer Meteor, 120(1): 181–200. DOI:10.1007/s10546-005-9035-3
Ho S P, Peng L, Anthes R A, et al. 2015. Marine boundary layer heights and their longitudinal, diurnal, and interseasonal variability in the southeastern Pacific using COSMIC, CALIOP, and radiosonde Data. J Climate, 28(7): 2856–2872. DOI:10.1175/JCLI-D-14-00238.1
Hong S Y, Noh Y, Dudhia J. 2006. A new vertical diffusion package with an explicit treatment of entrainment processes. Mon Wea Rev, 134(9): 2318–2341. DOI:10.1175/MWR3199.1
Keller C A, Huwald H, Vollmer M K, et al. 2010. Fiber optic distributed temperature sensing for the determination of the nocturnal atmospheric boundary layer height. Atmos Meas Tech, 4(2): 143–149.
Klein S A, Hartmann D L. 1993. The seasonal cycle of low stratiform clouds. J Climate, 6(8): 1587–1606. DOI:10.1175/1520-0442(1993)006<1587:TSCOLS>2.0.CO;2
Kuo C L, Ade P A R, Bock J J, et al. 2008. High-resolution observations of the cosmic microwave background power spectrum with ACBAR. Astrophys J, 600(1): 32–51.
Kursinski E R, Hajj G A, Bertiger W I, et al. 1996. Initial results of radio occultation observations of earth's atmosphere using the global positioning system. Science, 271(5252): 1107–1110. DOI:10.1126/science.271.5252.1107
Kursinski E R. 1997. The GPS radio occultation concept: Theoretical performance and initial results[D]. Pasadena: California Institute of Technology, 3695pp
Li Y Q, Gao W L. 2007. Atmospheric boundary layer circulation on the eastern edge of the Tibetan Plateau, China, in summer. Arct Antarct Alp Res, 39(4): 708–713. DOI:10.1657/1523-0430(07-504)[LI]2.0.CO;2
Ma M J, Pu Z X, Wang S G, et al. 2011a. Characteristics and numerical simulations of extremely large atmospheric boundary-layer heights over an arid region in north-west China. Bound Layer Meteor, 140(1): 163–176. DOI:10.1007/s10546-011-9608-2
Ma Y M, Wang Y J, Zhong L, et al. 2011b. The characteristics of atmospheric turbulence and radiation energy transfer and the structure of atmospheric boundary layer over the northern slope area of Himalaya. J Meteor Soc Jpn, 89A: 345–353. DOI:10.2151/jmsj.2011-A24
Pahlow M, Parlange M B, Porté-Agel F. 2001. On Monin-Obukhov similarity in the stable atmospheric boundary layer. Bound Layer Meteor, 99(2): 225–248. DOI:10.1023/A:1018909000098
Patil M N, Patil S D, Waghmare R T, et al. 2013. Planetary boundary layer height over the Indian subcontinent during extreme monsoon years. J Atmos Sol-Terr Phys, 92: 94–99. DOI:10.1016/j.jastp.2012.10.011
Raman S, Templeman B, Templeman S, et al. 1990. Structure of the Indian southwesterly pre-monsoon and monsoon boundary layers:Observations and numerical simulation. Atmos Environ A Gen Top, 24(4): 723–734. DOI:10.1016/0960-1686(90)90273-P
Ramanathan V, Cess R D, Harrison E F, et al. 1989. Cloud-radiative forcing and climate:Results from the Earth Radiation Budget Experiment. Science, 243(4887): 57–63. DOI:10.1126/science.243.4887.57
Rocken C, Anthes R, Exner M, et al. 1997. Analysis and validation of GPS/MET data in the neutral atmosphere. J Geophys Res, 1022(D25): 29849–29866.
Seidel D J, Ross R J, Angell J K, et al. 2001. Climatological characteristics of the tropical tropopause as revealed by radiosondes. J Geophys Res, 106(D8): 7857–7878. DOI:10.1029/2000JD900837
Seidel D J, Ao C O, Li K. 2010. Estimating climatological planetary boundary layer heights from radiosonde observations:Comparison of methods and uncertainty analysis. J Geophys Res, 115(D16): D16113. DOI:10.1029/2009JD013680
Smith E A, Shi L. 1992. Surface forcing of the infrared cooling profile over the Tibetan Plateau.Part Ⅰ:Influence of relative longwave radiative heating at high altitude. J Atmos Sci, 49(10): 805–822. DOI:10.1175/1520-0469(1992)049<0805:SFOTIC>2.0.CO;2
Smith E K, Weintraub S. 1953. The constants in the equation for atmospheric refractive index at radio frequencies. Proc IRE, 41(8): 1035–1037. DOI:10.1109/JRPROC.1953.274297
Sokolovskiy S, Kuo Y H, Rocken C, et al. 2006. Monitoring the atmospheric boundary layer by GPS radio occultation signals recorded in the open-loop mode. Geophys Res Lett, 33(12): L12813. DOI:10.1029/2006GL025955
Sun-Mack S, Minnis P, Chen Y, et al. 2014. Regional apparent boundary layer lapse rates determined from CALIPSO and MODIS data for cloud-height determination. J Appl Meteol Clim, 53(4): 990–1011. DOI:10.1175/JAMC-D-13-081.1
von Engeln A, Teixeira J. 2013. A planetary boundary layer height climatology derived from ECMWF reanalysis data. J Climate, 26(17): 6575–6590. DOI:10.1175/JCLI-D-12-00385.1
Wickert J, Beyerle G, Schmidt T, et al. 2003. GPS radio occultation with CHAMP//Reigber C, Lühr H, Schwintzer P. First CHAMP Mission Results for Gravity, Magnetic and Atmospheric Studies. Berlin Heidelberg: Springer, 371-383
Wood R, Bretherton C S. 2004. Boundary layer depth, entrainment, and decoupling in the cloud-capped subtropical and tropical marine boundary layer. J Climate, 17(18): 3576–3588. DOI:10.1175/1520-0442(2004)017<3576:BLDEAD>2.0.CO;2
Xie F, Wu D L, Ao C O, et al. 2012. Advances and limitations of atmospheric boundary layer observations with GPS occultation over southeast Pacific Ocean. Atmos Chem Phys, 11(8): 903–918.
Yanai M, Li C F. 1994. Mechanism of heating and the boundary layer over the Tibetan Plateau. Mon Wea Rev, 122(2): 305–323. DOI:10.1175/1520-0493(1994)122<0305:MOHATB>2.0.CO;2
Yang S, Zou X. 2012. Assessments of cloud liquid water contributions to GPS radio occultation refractivity using measurements from COSMIC and CloudSat. J Geophys Res, 117(D6): D06219.
Zou X L. 2012. GPS RO data characteristics. Adv Meteor Sci Technol, 2(5): 49–54.
Zou X, Yang S, Ray P S. 2012. Impacts of ice clouds on GPS radio occultation measurements. J Atmos Sci, 69(12): 3670–3682. DOI:10.1175/JAS-D-11-0199.1