青藏高原(下称高原)是世界上最高的高原, 平均海拔在4000 m以上，对东亚大气环流、气候变化及灾害性天气的形成和发展都有重要影响(Wan, et al, 2017; 夏昕等, 2016; 徐祥德等, 2015)。由于其特殊的热力和动力作用，高原夏季对流和雷暴活动频繁(张鸿发等, 2003)。云的微物理特征(例如云滴大小、云滴浓度、云形成过程等)是人们认识云的重要途径。同时，云微物理特征的描述对天气和气候模式的预测也有重要影响。因此，研究青藏高原地区云微物理特征有着十分重要的意义。

目前，通常对云的观测有遥测和飞机穿云直接探测。地面遥测方式有激光云高仪、毫米波云雷达、激光雷达、红外成像仪等。其中激光云高仪和激光雷达可以准确地获得高分辨的云底离地高度(H_b)和云顶高度，毫米波雷达的波长更接近云粒子尺度，可以探测到云内结构(吴翀等, 2017; 张倩等, 2016)。卫星探测主要有星载云雷达(CloudSat)和激光雷达(Calipso)，星载云雷达能测量到卫星轨道下云和气溶胶的垂直分布，但探测范围十分有限(刘建军等, 2017; 汪会等, 2011; 王宝鉴等, 2017; 张晓等, 2015)。对于云凝结核(cloud condensation nuclei, CCN)数浓度(N_CCN)、云滴大小、云滴浓度等特征量，通常需要搭载探测仪器的飞机穿云探测(王黎俊等, 2013)。这些机载云物理探测设备和地基设备(常祎等, 2016; 刘黎平等, 2015)价格高、维护和标定过程复杂，在观测台站稀疏的高原地区使用较少。云底高度的观测主要有人工目测法、探空气球法、云高仪观测等。目测法主观性强、观测不连续，数据准确性差；探空气球法对人工依赖较强，费用高；云高仪观测精确，但未普及使用。

气象卫星观测资料具有全球连续覆盖、多时次、获取及时、便利的优点，广泛地应用于各种云微物理特征的反演。最近20年来，卫星的可见光和红外反演技术已经广泛用来反演云的粒子有效半径(r_e)、液态水路径、光学厚度、云顶温度(T_top)和相态等参数。

Rosenfeld等(1998)利用NOAA/AVHRR资料反演了对流云温度(T)和云粒子有效半径(r_e)的分布特征(T-r_e分析)，提出了研究对流云发展和云降水物理过程的方法(戴进等, 2010; 刘贵华等, 2011b)。这一反演方法也应用于MODIS(Rosenfeld, et al, 2011)、FY3/VIRR(刘贵华等, 2011a)等卫星的云微物理特征反演和强对流识别(Rosenfeld, et al, 2008)研究。

2011年10月28日NPP (National Polar-orbiting Partnership)卫星的成功发射，为卫星云微物理反演提供了新机遇。与MODIS(或AVHRR)等传感器相比，NPP卫星VIIRS (Visible Infrared Imaging Radiometer Suite)传感器热红外通道分辨率(375 m)提高了3倍，在精确反演初始及发展阶段的小对流云方面显示出独特的优势(Hillger, et al, 2013; Rosenfeld, et al, 2014b)。VIIRS的5个375 m高分辨率通道中心波长分别为0.64、0.865、1.615、3.745和11.45 μm，缺少独立的12 μm高分辨率通道，无法使用高分辨率分裂窗(即：11 μm与12 μm高分辨率通道的亮温差)计算水汽吸收用于3.745 μm通道辐射亮温反演云粒子有效半径(r_e)。Rosenfeld等(2014b)发展了针对VIIRS高分辨率资料的云微物理反演方法，使得反演对流云云底温度(Zhu, et al, 2014)和云底上升气流(Zheng, et al, 2015b)成为可能。这是对以前1 km分辨率云微物理反演能力的新突破，也使反演对流云云底N_CCN成为可能(Rosenfeld, et al, 2016)。VIIRS资料也应用于气溶胶在对流云中成冰作用的研究(朱延年等, 2015)。

Zhu等(2014)利用VIIRS资料的T-r_e分析，发展了反演对流云云底温度(T_b)和边界层比湿的新方法。与位于美国南部大平原地面站点2 a云高仪和探空资料比较发现，反演的T_b标准差仅为1.1℃；通过T_b计算的边界层比湿的误差约为10%。以VIIRS资料反演的T_b、云底离地高度(H_b)及地面气温为基础，Zheng等(2015b)发展了一个反演对流云底上升速度(W_b)的方法，地面激光雷达检验反演的W_b标准差为0.41 m/s。Williams等(2002)研究了W_b与H_b成正比的物理意义。Zheng等(2015a)进一步发展了计算W_b的方法，给出了H_b和W_b的经验线性关系。地面和船载设备观测表明，此计算方法普遍适用于边界层对流云，计算的W_b平均绝对误差为21%。基于高分辨率VIIRS资料反演的对流云T-r_e廓线，Rosenfeld等(2014a)发展了反演对流云底最大过饱和度(S_max)及CCN活化成绝热云滴的方法。通过地基和船载CCN计数器验证，VIIRS卫星反演的N_CCN误差为20%—30%(Rosenfeld, et al, 2016)。另外一些外场观测研究也发现，对流云内偏离绝热变化的现象广泛存在(Brenguier, et al, 2011; Min, et al, 2012)，这会造成N_CCN和绝热云滴数浓度(N_{d, a})反演结果的不确定性(Merk, et al, 2016; Miller, et al, 2016)。

基于以上这些VIIRS高分辨率卫星资料在云微物理反演方法上的持续研究，利用自主研发的卫星格点对流云云物理自动反演软件，反演分析2013—2017年6—8月过境高原的VIIRS高分辨率卫星资料，对云物理特征进行格点平均，以获得近5年夏季高原对流云云物理特征的总体状况，部分弥补高原地区缺少云微物理仪器观测的不足，深化对高原区域云物理特征的科学认识。

反演使用07时(世界时，下同)前后扫描高原区域的5 min一景的VIIRS资料，由NOAA数据服务网站(CLASS^①)提供。为了获得高原夏季平均云物理特征，本反演使用2013—2017年6—8月的共计569景VIIRS L1B资料。反演中还用到美国环境预报中心(NCEP)6 h间隔1°×1° FNL(Final Operational Global Analysis)资料的温度、气压和位势高度廓线作为辅助资料。

① https://www.bou.class.noaa.gov/saa/products/welcome

在已有卫星云微物理反演研究(Rosenfeld et al, 1998, 2014a, 2014b, 2016; Zheng, et al, 2015a; Zhu et al, 2014, 2015)的基础上，改进云像元识别算法，增加对流云自动识别功能，开发了NPP/VIIRS卫星格点对流云云物理自动反演(Automatic Mapping of Convective Clouds，AMCC)软件。AMCC软件由云像元识别、r_e反演、T_b反演、对流云识别、T-r_e分析、N_CCN反演和质量控制等模块组成。AMCC反演方法如下:

众所周知，VIIRS接收来自云顶附近云粒子反射的可见光和发射的红外辐射。为了研究云内的信息，用一定空间范围内不同发展高度的对流云簇顶部T和r_e，近似代替对流云内部不同高度上的T和r_e，从而得到这个区域对流云内不同高度上的云物理特征，即通过各态历经假定进行时、空转换。这种假设的云物理基础为：在一定空间区域内，大气的温度、湿度、气压、N_CCN和上升气流等环境条件相近，湿空气上升冷却饱和凝结形成云，这些云簇的云底高度、云底温度、云底N_CCN相近；相似的水汽、N_CCN和动力条件下，不同气块按照绝热上升运动在相同高度上形成的云粒子大小相近，而对流云可近似为湿空气块的绝热上升运动，故用对流云簇顶部不同的T和r_e来近似对流云内不同高度上的T和r_e。当然，这个空间范围不能太大和太小，范围太大时会包含生成环境不相似的对流云，不满足假设条件；范围太小则每个高度层r_e像元数太少，也就缺少对这个区域内对流云的代表性(戴进等, 2010; Rosenfeld, et al, 1998)。目前，测试的结果为，使用像元数为96×96(在星下点的分辨率为36 km×36 km)区域内的云像元代表这一区域对流云簇，进行对流云簇的T-r_e分析，得到这个区域内对流云的平均云物理特征。使用同样的区域和分析方法遍历VIIRS数据，可得到卫星扫描区域的格点化云物理特征。一系列的飞机穿云观测(Andreae, et al, 2004; Prabha, et al, 2011; Rosenfeld et al, 1998, 2000; Braga, et al, 2017)表明，这种假设具有一定的合理性。

由于地面上行辐射会穿过薄云使反演结果失真，所以云掩膜方案的目标是剔除薄云，留下地面上行辐射不能透过的厚云作为研究对象。厚云掩膜方案的具体做法是：利用辐射传输模式，计算了不同地表(陆面或海面)反射率、太阳天顶角(Z_sol)、卫星天顶角(Z_sat)和太阳与卫星相对方位角(A_rel)组合条件下厚云(云的光学厚度为10)的0.64 μm通道最小反射率(ρ_{0.6_min})，建立ρ_{0.6_min}查算表。通过VIIRS每个像元的Z_sol、Z_sat、A_rel和下垫面类型，可在ρ_{0.6_min}查算表中得到这个像元的ρ_{0.6_min}。如果像元的0.64 μm通道反射率(ρ_0.6h)大于这个像元的ρ_{0.6_min}就被识别为厚云像元。这个云掩膜方案是对以前厚云掩膜方案的重要改进。以前的厚云掩膜方案是简单使用ρ_0.6h大于0.4的阈值法，会过度剔除云边界像元，造成反演的云底温度过冷。改进后的方法与太阳、卫星的角度等有关，物理意义更为合理。

这些识别为厚云的像元中会包含有上层为薄云的多层云，这些像元的辐射亮温不能真实反映云顶信息，可通过分裂窗(高分辨11 μm和中分辨12 μm通道的亮温差)的动态阈值剔除这些多层厚云像元(Rosenfeld, et al, 2014b)。根据这些厚云像元3.745 μm高分辨率通道的辐射亮温反演3.745 μm的反射率(ρ_3.7h)，再利用ρ_3.7h、Z_sol、Z_sat、A_rel在已经建立的r_e查算表(戴进等, 2010; Nakajima, et al, 1990; Rosenfeld et al, 1998, 2014b)中得到r_e。

一般认为，云滴在对流云云底附近核化，随上升气流开始凝结增长和碰并增长。因此，对流云云底像元具有最高的温度和最小的r_e。发展阶段对流云r_e随温度递减而增大的特征可用于识别对流云和非对流云(Lensky, et al, 1997)。对识别为对流云的96×96像元区域进行T-r_e分析，得到对流云T-r_e廓线和晶化温度(T_g)(戴进等, 2010; Rosenfeld, et al, 1998; 朱延年等, 2015)。选取温度最高云像元的温度作为对流云的T_b (Zhu, et al, 2014)，利用FNL温度和位势高度的垂直廓线线性内插得到H_b。当云底r_e随着高度升高(温度降低)而增大到14 μm(T₁₄)左右时降水过程开始启动(形成雨滴)，从T_b到T₁₄之间的距离称为降水启动厚度(D₁₄)，代表了降水发生的难易程度(Freud, et al, 2008; Rosenfeld, et al, 1998; Zhu, et al, 2015)。选取温度最低的像元可得到云顶温度(T_top)和云顶海拔高度(H_top)，H_top减去H_b和地面高度可得到云厚(D_cld)。

选取T-r_e廓线云底附近r_e小于20 μm(避免云滴产生明显的碰并过程)的最接近绝热凝结部分反演绝热云滴数浓度N_{d, a}(Rosenfeld, et al, 2014a)

(1)

式中，LWC_a为气块从T_b开始绝热抬升凝结产生的绝热水含量，Mr_{v, a}为绝热云滴质量，，ρ为水的密度，r_v为云滴平均体积半径。根据观测结果，这里取r_e =1.08 r_v。考虑到实际云底的空气混合，对流云云底N_CCN=N_{d, a}/1.3 (Brenguier, et al, 2011; Freud, et al, 2011)。

云底最大水汽过饱和度(S_max)计算式为

(2)

式中，C是与云底温度和云底气压相关的系数(Pinsky, et al, 2012)，W_b为云底上升速度，W_b=0.0009H_b(W_b单位为m/s，H_b单位为m)(Zheng, et al, 2015a)。

AMCC反演对流云特征的格点分辨率约为36 km×36 km (0.33°×0.33°)，每个格点的对流云宏微观物理特征量有T_b、H_b、W_b、S_max、N_CCN、D₁₄、T_top、H_top、D_cld和T_g等。卫星资料边缘的Z_sat较大，这些区域云特征反演结果的精度较低，尤其在背对太阳一侧且Z_sat较大的区域受云阴影的影响较大。为保证反演精度，文中只使用Z_sat在-20°—50°(星下点左侧为负)范围的资料进行反演。

T_b的反演在VIIRS云微物理反演中起非常关键的作用，T_b的准确与否会直接影响如W_b、S_max和N_CCN等物理量反演的准确性。探空资料计算的抬升凝结高度可以近似看作云底高度。为了验证T_b反演结果的可靠性，利用那曲气象站(31.48°N，92.06°E)2013—2016年夏季06时第三次青藏高原大气科学试验加密探空资料计算抬升凝结温度(T_LCL)，与时间和位置相对应37个VIIRS反演T_b进行对比，结果见图 1。VIIRS反演T_b与抬升凝结温度(T_LCL)较为吻合(相关系数为0.87，均方根误差为3.0℃)，说明VIIRS反演高原对流云T_b具有较高的可靠性。

图 1 那曲气象站抬升凝结温度(TLCL)与VIIRS反演云底温度(Tb)的对比 Figure 1 Comparison between the temperature of lifting condensation level (TLCL) in Naqu meteorological station and the temperature of cloud base (Tb) from VIIRS

图选项

2016年6月19日07时02分的NPP/VIIRS资料(卫星天顶角-20°—50°)的多光谱伪彩色合成(图 2)显示，青藏高原、印度东部和缅甸的大部分区域为对流云团覆盖(Rosenfeld, et al, 1998)。

图 2 2016年6月19日07时02分NPP/VIIRS多光谱RGB伪彩色合成 (红：中分辨率0.6 μm通道可见光反射率，绿：中分辨率2.2 μm通道可见光反射率，蓝：中分辨率11 μm通道辐射亮温，卫星天顶角为-20°-50°，伪彩色的含义参见Rosenfeld等(1998)) Figure 2 VIIRS RGB composite image of 0.6 μm reflectance (red), 2.2 μm reflectance (green) and 11 μm brightness temperature (blue) at medium resolution on 07:02 UTC 19 June 2016. (The satellite zenith angle is between -20° and 50°. The meaning of RGB composite is after Rosenfeld, et al (1998))

图选项

VIIRS反演的对流云云底温度(T_b)(图 3a)与FNL地面2 m温度空间线性插值后计算的抬升凝结温度(图 3b)对比可见，反演的海面、陆地和高大地形等不同下垫面类型的T_b稳定、可靠。从图 3a可见，印度、不丹、孟加拉国、缅甸、泰国等地的对流云为暖底云，T_b集中在10—25℃。高原地区为冷底云，青海南部T_b约为-10℃，西藏中部为-5℃左右。拉萨—日喀则一带云底较暖，约为5℃。利用2016年6月19日06时加密探空计算拉萨和那曲气象站的抬升凝结温度分别为5.3和2.1℃，而07时02分VIIRS资料反演这两个站的T_b分别为5.0和2.0℃，两者一致。

图 3 2016年6月19日07时02分VIIRS反演的对流云云底温度(Tb)和FNL地面2-m温度计算的抬升凝结温度(TLCL_FNL)(单位：℃) (a.Tb，b. TLCL_FNL，图中实心彩色小方块的色彩表示Tb和TLCL_FNL的大小) Figure 3 Distributions of retrieved cloud base temperature (Tb) from VIIRS on 07:02 UTC 19 June 2016 and the temperature of lifting condensation level (TLCL_FNL) calculated by FNL 2-m temperature over the surface (unit:℃) (a. Tb, b. TLCL_FNL, and the color represents the value of the Tb and TLCL_FNL)

图选项

从反演的对流云云底N_CCN分布(图 4)可见，缅甸中部N_CCN最高，部分地区超过了2000个/mg。孟加拉国和印度布拉马普特拉河流域N_CCN较高，为1000个/mg左右，不丹和高原偏西部N_CCN大部分为500个/mg左右，高原东部N_CCN很小(50—200个/mg)，和黄河上游河南县、玛曲地区N_CCN的观测平均值(8.2—81.3个/cm³)相当(黄庚等，2002)，这主要可能与人类活动和污染较少有关。而拉萨附近N_CCN为1000个/mg左右。反映出高N_CCN与人口、城市和工业密集区一致的特点。受青海北部沙尘区影响，南部出现800—1100个/mg高N_CCN区。虽然高原地区没有与此个例对应的N_CCN实测值，但反演的N_CCN分布基本与人们的认知一致，表明了AMCC具有反演高原对流云微物理特征的能力。

图 4 2016年6月19日07时02分VIIRS反演的云凝结核浓度 (NCCN，单位：个/mg, 其他同图 3) Figure 4 Distribution of cloud condensation nuclei concentration (NCCN, unit:mg-1) retrieved from VIIRS on 07:02 UTC 19 June 2016 (Others are the same as in Fig. 3)

图选项

为了使反演结果具有较好代表性，反演了2013—2017年5个夏季对流云的T_b、N_CCN、S_max和W_b等物理量，对0.33°×0.33°区域求平均(仅用样本数不少于10的0.33°×0.33°区域)，作为格点值。从每个格点上样本数分布(图 5)可见，高原西部格点样本数大部分在20个以上，高原东部格点样本数在80个以上，部分格点超过了100个。这表明夏季高原东部对流活跃，北部和西部对流较弱，与许多观测结果一致(常祎等，2016；张晓等, 2015；傅云飞等，2016)。

图 5 0.33°×0.33°格点样本数分布 (实心彩色小方块的色彩表示样本个数) Figure 5 Distribution of sample number at 0.33°×0.33°grids (The colors in solid squares represent the sample number)

图选项

图 6为卫星反演云底温度(T_b)和云底离地高度(H_b)5 a平均分布。由图 6a可见，高原T_b约为-5℃，标准差4℃左右。其中柴达木盆地T_b为-2℃，高原边缘约为0℃，标准差为4℃；而印度、尼泊尔和孟加拉等地T_b为20—25℃，标准差2℃，四川盆地西部T_b为18℃，标准差6℃。H_b特征(图 6b)为：高原中部、南部较高，为1800—2200 m；雅鲁藏布大峡谷为1100 m，尼泊尔、不丹一带H_b最低，约为700 m；柴达木盆地H_b最高，为2500 m；四川盆地为1500 m左右。这与徐祥德等(2006)发现高原夏季平均H_b大于1.5 km、高于同期平原和盆地地区H_b几百米的结论一致。张晓等(2015)基于CloudSat卫星资料得到区域(29.5°—35°N，90°—100°E)云底海拔高度在6—7 km；常祎等(2016)使用云高仪观测那曲地区最低层云的H_b平均为2.38 km，与本研究结果大体相当。

图 6 0.33°×0.33°格点平均云底温度(Tb)(单位：℃)和云底离地高度(Hb)(单位：m) (a.Tb，b.Hb，图中实心彩色小方块的色彩表示平均Tb和Hb值) Figure 6 Distributions of average cloud base temperature (Tb, unit:℃) and height of cloud base above the ground (Hb, unit:m) in 0.33°×0.33° grids (a. Tb, b. Hb, and the colors represent the value of average Tb and Hb)

图选项

由此可见，夏季高原T_b约为-5℃，海拨高度约为6000 m(气压约为550 hPa)，云底水汽混合比约为4.6 g/kg；而内陆四川盆地为18℃，海拨高度约2000 m(气压约为850 hPa)，水汽混合比约为15 g/kg。即高原对流云水汽含量仅为平原地区的1/3，且云的离地高度较高，云的主体均在0℃层高度以上发展，云物理过程以冷云过程为主。相对于暖底对流云，冷底对流云所凝结的水量较少，会造成云中的水成物少，释放潜热少，对流不稳定能量相对较小，雨量、雨强都不大，与傅云飞等(2016)高原深厚弱对流降水平均雨强约1.6 mm/h结论一致。

由于总体受人类活动影响较小，高原云底平均N_CCN为200—400个/mg，标准差约200个/mg(图 7)，S_max在0.7%左右(图 8)。拉萨周边的N_CCN为500个/mg左右，标准差约260个/mg，S_max在0.6%左右。雅鲁藏布江流域及藏南地区为N_CCN低值区，为100—200个/mg，标准差100—200个/mg，S_max为0.8%左右。青海柴达木盆地N_CCN较高，为500—800个/mg，标准差200—800个/mg，可能与区域扬沙或沙尘输送有关。沿着印度—尼泊尔—高原从南向北，随着地势从低到高，N_CCN从1000个/mg左右逐渐减小到200个/mg左右。

图 7 平均云凝结核浓度(NCCN)分布 (单位：个/mg，其他同图 6) Figure 7 Distribution of average cloud condensation nuclei concentration (NCCN, unit:mg-1; Others are the same as in Fig. 6)

图选项

图 8 平均云底最大过饱和度(Smax)分布 (单位：%)，其他同图 Figure 8 Distribution of average cloud base maximum supersaturation (Smax, unit:%; Others are the same as in Fig. 6)

图选项

高原云底过饱和度明显高于周边平原和盆地(图 8)。高原中西部S_max为0.8%，北部和东部S_max略低，在0.6%左右；四川盆地西部S_max约为0.3%。暖云云滴凝结增长方程为，其中r为云滴半径，t为时间，G₁在给定环境中为常数，S为过饱和度(约翰·M.华莱士等, 2008)。由此可知，r²与S成正比，与中国平原地区相比，高原地区大的S使云滴具有更快凝结增长速率，云滴更易通过凝结增长变大，进而更容易开始碰并增长、形成降水。

高原对流云云底平均上升速度(W_b)≥1.5 m/s(图 9)，雅鲁藏布江流域及藏南地区W_b比高原其他地区略小，约1 m/s。青海柴达木盆地W_b较高，为2—2.3 m/s。高原南侧印度一带的W_b明显低于高原，约为1 m/s。高原云底上升速度较周围大的原因可能是与云形成初期凝华释放的凝华潜热较大有关，因为冷云底再加上较低的环境温度，在云形成初期，尽管凝结量小，但凝华量较大(王宏等, 2002)。徐祥德等(2006)利用声雷达观测发现高原热泡上升速度异常，垂直速度达1 m/s。傅云飞等(2016)发现高原暖顶云降水回波中顶高超过6 km(环境温度低于0℃)的比例高，猜测高原浅对流云内上升气流强，将环境0℃以下的水相粒子和暖空气携带至此高度以上，在低于0℃环境中形成一暖块。图 9中W_b分布部分验证了这个猜测。

图 9 平均云底上升速度 (Wb, 单位：m/s；其他同图 6) Figure 9 Distribution of average cloud base updraft (Wb, unit:m/s; others are the same as in Fig. 6)

图选项

从对流云平均降水启动厚度(D₁₄)的分布(图 10)可见，高原上D₁₄为1500—2000 m，与平原上4000—5000 m (Zhu, et al, 2015)相比，更容易形成降水。雅鲁藏布江大峡谷及藏南地区D₁₄值明显低于高原其他地区，为500—1000 m，与洁净海洋上对流云相当，表明该区域极易形成降水。青海柴达木盆地D₁₄高，为1500—2000 m。印度及云南北部、四川盆地D₁₄明显高于高原，大部分都超过了2000 m，与N_CCN高值区对应(图 7)，反映出空气污染对云降水的影响，与D₁₄高值区相对应对流云更难形成降水。

图 10 平均降水启动厚度 (D14，单位：m；其他同图 6) Figure 10 Distribution of average precipitation initialization depth (D14, unit:m; others are the same as in Fig. 6)

图选项

图 11为高原对流云平均云顶海拔高度(H_top)的分布。高原上H_top为10—13 km；雅鲁藏布江流域及藏南地区H_top值略低于高原其他地区，约10 km；柴达木盆地H_top约为8 km；高原南侧印度一带H_top为6—8 km。那曲5 a平均H_top为10.58 km，C波段连续波雷达和Ka波段毫米波云雷达观测那曲地区的2014年7—8月平均H_top分别为11.41和11.62 km，FY-2E卫星TBB数据计算的H_top只有9.18 km(常祎等, 2016)，同时段VIIRS观测那曲26个个例的平均H_top为11.8 km。可见，VIIRS反演的H_top与雷达观测非常接近。

图 11 平均云顶海拔高度 (Htop，单位：km；其他同图 6) Figure 11 Distribution of average cloud top altitude (Htop, unit:km; others are the same as in Fig. 6)

图选项

对流云的厚度(D_cld)从高原南部的5000 m左右逐渐减小到北部的2500 m左右(图 12)。表明高原南部对流云发展旺盛，北部对流云发展较弱、较浅薄。有限云厚加之云内含水量低，使得高原上对流云发生强降水和灾害性天气过程概率大为降低，因降水启动厚度较薄，容易形成降水，因此，高原上降水频繁、雨量雨强小，且多以短时阵性降水为主。常祎等(2016)研究指出高原主要以短时阵性降水为主，持续时间小于1 h，远小于同时期中国中东部平原地区。这与高原上云底、云厚、降水启动厚度特征有关。

图 12 平均云厚 (Dcld，单位：m；其他同图 6) Figure 12 Average depth between cloud base and cloud top (Dcld, unit:m; others are the same as in Fig. 6)

图选项

晶化温度(T_g)即云粒子几乎全部冰晶化的温度(Rosenfeld et al, 1998, 2011; 朱延年等, 2015)。晶化厚度(D_Tg)指从云底到T_g之间的厚度。高原中部、南部T_g低于-30℃，北部及青海境内T_g为-25℃左右(图 13)，这可能是受北部沙尘气溶胶成冰作用影响。D_Tg和D_cld的分布基本一致(图 14、12)，高原南部D_Tg在4000 m左右，北部在2000 m左右，高原外围D_Tg大于6000 m。可见高原对流云比平原地区更容易成冰，加之高原T_b约为-5℃，使得云内降水粒子以冰相为主。当降水发生时，造成降水粒子掉出云底时仍以固态为主，及地时才完全融化，因而来不及破碎，呈现出滴大数浓度小的特点。Chen等(2013)观测高原夏季雨滴谱的谱宽大于同纬度平原地区，常祎等(2016)观测到易出现较大的雨滴和冰相粒子，用VIIRS反演微物理特征可以解释物理成因。

图 13 平均晶化温度 (Tg，单位：℃；其他同图 6) Figure 13 Average glaciation temperature (Tg, unit:℃; others are the same as in Fig. 6)

图选项

图 14 平均晶化厚度(DTg，单位：m)分布 (其他同图 6) Figure 14 Average depth between cloud base and glaciation (DTg, unit:m; others are the same as in Fig. 6)

图选项

利用基于VIIRS高分辨率资料的格点对流云云物理自动反演软件(AMCC)，反演高原5个夏季对流云微物理特征，得出如下结论：

(1) 通过VIIRS反演云底温度与那曲站探空计算抬升凝结温度对比分析，两者线性相关，相关系数为0.87，均方根误差为3.0℃。表明了AMCC反演T_b的可用性。

(2) 高原对流云云宏微观物理特征为，一是云底冷，T_b为-5℃，H_b为1800—2200 m，云内含水量小；二是云底N_CCN为200—400个/mg，S_max为0.7%，N_CCN少、S_max大，云滴凝结增长速率更快；三是D₁₄小，为1500—2000 m，雅鲁藏布江流域及藏南地区D₁₄约500—1000 m，更加容易形成降水；四是H_top为10—13 km、D_cld有限，从南部5000 m逐渐减小到北部2500 m；五是T_g高，从中部、南部-30℃到北部-25℃，加之高原T_b＜0℃，使得云内降水粒子以冰相为主。

(3) 高原对流云微物理特征决定了其降水具有多发、短时、量小、滴大的特点。另外，有限云厚和云内含水量低，使得发生强降水和灾害性天气概率小。

利用NPP/VIIRS反演高原地区对流云多个云物理量，据此得到云物理特征，既能补充高原观测不足，又能发挥卫星多通道资源优势，是值得继续深入研究的工作。同时需要指出的是，文中AMCC反演还存在着不足，一是卫星反演云底高度没有用云高仪校验，而是用探空资料计算的抬升凝结高度检验。按照气块法理论，仅当对流云是从地面经充分混合上升凝结而成时，抬升凝结高度才能表征云底高度，否则代表性就较差。这一点从VIIRS反演的T_b与那曲站的T_LCL对比结果可以看出。二是有些物理量还没有经过地基和飞机探测校验，如：云底N_CCN、降水启动厚度、晶化温度等。三是自动化反演中的质量控制也存在不完善之处。这些都需要在今后工作中，加强外场观测，用更多中外的地基和机载观测资料校验反演结果，据此不断发展反演算法，逐步提高反演准确性，才能更好发挥卫星探测优势。