2019, Vol. 77
中国气象学会主办。
文章信息
- 杨冰韵, 吴晓京, 王曦. 2019.
- YANG Bingyun, WU Xiaojing, WANG Xi. 2019.
- 基于CloudSat、FY-2E资料的中国海域及周边地区深对流和穿透性对流特征
- The sea-land characteristics of deep convections and convective overshootings over China sea and surrounding areas based on the CloudSat and FY-2E datasets
- 气象学报, 77(2): 256-267.
- Acta Meteorologica Sinica, 77(2): 256-267.
- http://dx.doi.org/10.11676/qxxb2019.024
-
文章历史
- 2018-01-29 收稿
- 2018-10-14 改回
深对流(Deep Convection，DC)是垂直厚度具有和均质大气高度同样量级的对流系统(Convection System, CS)(大气科学名词审定委员会，2009)，通常发生范围大、频率高，常伴随暴雨、雷电、冰雹等天气，对人类社会和经济发展产生巨大影响(Peng，et al，2014；卢志贤等，2016；Rysman，et al，2017)。穿透性对流(Convective Overshooting，CO)是从对流层向上发展到平流层的对流，垂直运动往往更加强烈。深对流和穿透性对流不仅会造成强对流天气，还会影响对流层的物质和能量交换，对地球大气系统的平衡起着至关重要的作用。通常对深对流的观测主要依赖地基、飞机等常规观测手段，随着卫星技术的发展，静止和极轨卫星搭载的多通道传感器可以实现对地球大气系统的全方位观测，弥补了传统观测在时间和空间上的局限性。
目前观测深对流的传感器主要分为红外、微波等被动传感器，以及星载雷达等主动传感器(Hong，et al，2005；Rossow，et al，2007；Liu，et al，2007)。红外通道亮温较低的区域云顶相对较高，是深对流识别最常用的资料。风云二号静止气象卫星E星(FY-2E)搭载的可见光红外自旋扫描辐射计(VISSR)，可以通过对云顶红外通道亮温的判识，实现中国地区深对流的全天候连续监测。已有研究(祁秀香等，2009；郑永光等，2011；吴学珂等，2013)利用红外亮温识别深对流，针对不同区域深对流发生频率的空间分布特征和季、月、旬、日变化特征以及对流顶高分布特征开展了不少工作。然而亮温阈值的选择对判识结果的影响较大(苏爱芳等，2013)，且被动传感器只能探测到云顶信息，云顶亮温的判识往往会受到高层卷云的干扰，并不能准确地反映卷云下部的云层信息。为了减小卷云对深对流判识的影响，多通道联合判识发挥了很重要的作用，如Hong等(2005)在11 μm通道亮温小于215 K的判识条件上，增加了11和12 μm的亮温差小于1 K，以此降低对深对流的误判。此外，微波具有穿透云雨大气的能力，也常常用来探测深对流(邱红等，2007)。CloudSat卫星搭载的云廓线雷达(Cloud Profile Radar, CPR)是主动星载雷达，可以探测云层内部的垂直廓线(王帅辉等，2011；尹金方等，2013；张华等, 2013, 2015, 2016；宇路等，2017)，对于研究深对流具有显著优势(卢志贤等，2016；杨冰韵等，2017)。穿透性对流是在深对流判识的基础上得到的，即超出对流层顶高度的对流。目前对流层顶高度的选取存在很多标准，Alcala等(2002)直接选用14 km作为对流层顶高度；Liu等(2005)除了14 km以外还提出4种定义方法，包括NCEP再分析资料中的对流层顶高度，NCEP传感器计算出的位温等于380 K的高度，根据NCEP传感器和地表相当位温计算出的中性浮力层高度，以及由925和1000 hPa相当位温计算出的中性浮力层高度。Xian等(2015)利用COSMIC温度廓线资料定义对流层顶高度为满足以下条件的最低高度：(1)大气温度递减率≤2 K/km，(2)与其上2 km内所有高度上的大气温度递减率差值均≤2 K/km，并选取对流层顶高度月均值对穿透性对流进行识别。以上对流层顶高度的选取都存在一定局限性，未考虑具体对流个例的差异。文中选取的CALIPSO卫星对流层顶高度资料是随着扫描轨道变化的，由于CloudSat和CALIPSO卫星观测时差仅15 s，可以实现协同观测，能更好地识别出穿透性对流，提高了穿透性对流识别的准确率。然而，主动星载雷达虽然可以提供云层的垂直廓线，更准确地识别深对流和穿透性对流，但由于云团的发展变化很快，主动星载雷达的轨道覆盖范围窄、扫描频次低，无法提供同一云团在一定范围内的长时间连续监测，不能很好地为天气监测和预警服务。为了弥补两种探测手段的局限性，本研究通过CloudSat/CALIPSO卫星资料筛选出2010、2012—2014年共4 a的中国地区深对流和穿透性对流个例，通过与FY-2E数据进行时空匹配，分析了红外通道图像上的对流云团特征，相关结果可以为天气、气候的监测和预报提供一定的参考。
2 资料与方法使用的资料包括FY-2E卫星红外1通道亮温数据、CloudSat卫星云分类产品数据和CALIPSO卫星对流层顶高度数据。
2.1 FY-2E数据FY-2E卫星是中国自主发射的静止气象卫星，于2008年12月23日在中国西昌卫星发射中心发射升空，2009年2月定位于104.5°E赤道上空提供观测服务，自2015年7月1日起漂移至86.5°E赤道上空(http://www.nsmc.org.cn/)。FY-2E共有5个通道，分别为红外1—4通道(10.3—11.3 μm、11.5—12.5 μm、6.3—7.6 μm、3.5—4.0 μm)和可见光通道(0.55—0.90 μm)，文中使用的是FY-2E的红外1通道(10.3—11.3 μm)亮温数据，分辨率为5 km×5 km(杨军等，2012；刘健，2015)。
2.2 CloudSat/CALIPSO数据CloudSat卫星于2006年由美国发射升空，是A-Train系列卫星的成员之一，主要用于探测云物理量的垂直分布，其上搭载的CPR为94 GHz的毫米波云廓线雷达，可以主动向地球发射辐射信号(Stephens，et al，2002)。CloudSat的每个轨道约有36383个星下像素点，沿轨分辨率为1.1 km，横轨分辨率为1.3 km，垂直分辨率为0.24 km (125层)(杨冰韵等，2014)。文中使用的是2B-CLDCLASS云分类产品，该产品将云分为卷云、高层云、高积云、层云、层积云、积云、雨层云和深对流云8类(Sassen，et al，2007)，可以有效地识别全球范围内的深对流云。CALIPSO卫星滞后CloudSat 15 s左右观测同一地区(Mace，et al, 2009, 2014)，也是A-Train成员之一，其上搭载的CALIOP是一部双波长偏振激光雷达，垂直分辨率30 m，水平分辨率333 m(严卫等，2008)。文中使用的是CALIPSO的对流层顶高度数据，该数据是通过GMAO(Global Modeling and Assimilation Office)数据同化系统，基于GEOS-5(Goddard Earth Observing System，Version 5)提供的同步热力对流层顶高度资料得到的，是模式产品的结果。中外有不少研究工作使用到CALIPSO对流层顶高度产品，如Rysman等(2017)利用DARDAR(liDAR+raDAR)产品对微波湿度计反演出的非穿透性对流和穿透性对流结果进行验证，而DARDAR中对流层顶高度融合的是GEOS-5提供的CALIPSO对流层顶高度产品，施春华等(2015)定义云顶高度(最上层累积的削弱后向散射系数达到0.01 sr-1·km-1)高于CALIPSO对流层顶高度500 m为一次CTAT(云顶高于对流层顶)事件。两颗卫星协同观测，不仅可以获取深对流，还能识别出超出对流层顶高度的穿透性对流，同时还能给出深对流/穿透性对流的垂直信息。
2.3 数据匹配方法首先将包含中国海域在内的矩形区域(2.5°—41°N，99.17°—131°E)划分为海洋和陆地两个部分(图 1)，然后根据CloudSat 8种云类型中的深对流云选取海、陆两个区域的深对流廓线，并参照Rysman等(2017)的判定方法，选取穿透性对流(云顶高度高于CALIPSO数据的对流层顶高度)的廓线。为了分析的方便，文中将深对流分为非穿透性对流(DCwo)和穿透性对流两部分进行讨论。
|
| 图 1 中国海域及周边地区 (灰色区域代表陆地，白色区域代表海洋) Fig. 1 Land-sea distribution in China Sea and surronding areas (The gray and white regions represent the land and the ocean, respectively) |
将筛选出的非穿透性对流和穿透性对流个例分别与FY-2E数据进行时间(最大时间间隔为10 min)和空间(邻近像元点)上的匹配，得到FY-2E对应时、空位置上的对流系统/对流单体(Convective Cluster，CC)，计算相应的云团特征量。考虑到2011年CloudSat数据缺测月份较多，文中根据CloudSat、CALIPSO、FY-2E数据重合的时间，选取2010、2012—2014年共4 a的数据。
2.4 云团特征量计算在FY-2E卫星的非穿透性对流和穿透性对流像元点位置上，参考Machado等(1998)的计算方法，选取对流系统(红外亮温TIR≤245 K)和对流单体(红外亮温TIR≤218 K)，计算对流系统/对流单体面积、对流系统最低亮温、对流系统平均亮温梯度、对流系统偏心率、对流系统活跃性对流比等物理量。具体定义如下：
(1) 对流系统/对流单体面积：对流系统/对流单体内包含的像元点个数与单一像元点面积的乘积，单位为km2，其中，单一像元点面积为25 km2。
(2) 对流系统最低亮温：对流系统中所有像元点的亮温最低值，单位为K。
(3) 对流系统平均亮温梯度(ave(∇TIR)，单位：K/km)为
|
(1) |
式中，N为对流系统的像元点个数，d为对流系统内任意两点(i, j)和(k, l)的距离，单位为km。
(4) 对流系统偏心率(ε)：椭圆两焦点间的距离和长轴长度的比值，反映了对流云团的形状，偏心率越大表明云团越趋近于圆形。根据对流系统范围建立新坐标系(坐标系范围为能包含对流系统的最小矩形区域)，x和y分别为新坐标系的横、纵坐标，则偏心率为
|
(2) |
式中，ε≤1，max和min分别表示最大和最小值。
(5) 对流系统活跃性对流比(fC，对流系统中所有对流单体的面积(ACC)和与对流系统面积(ACS)的比值)为
|
(3) |
红外亮温较低的区域，云顶高度较高，常常可以指示深对流云所在的位置(Bedka，et al, 2010, 2012；杨军等，2012)。图 2为选取的非穿透性对流/穿透性对流个例，其中图 2a为中国近海海域范围内的FY-2E红外通道亮温，颜色越白亮的区域亮温越低，图 2b为相应位置上的对流系统/对流单体判识区，可以看到CloudSat扫描点位于对流系统外边界线的内部，其中大部分位于对流单体的内部，穿透性对流区的红外亮温比非穿透性对流更低。图 2c、d给出非穿透性对流/穿透性对流在垂直高度上的分布情况，其中图 2c是CloudSat探测到的深对流云判识区的垂直剖面，图 2d是对应位置上的雷达反射率垂直剖面，可见，108.50°—108.87°E存在穿透性对流，云顶高度超出了对流层顶高度，冲顶下方区域的雷达反射率较大，表明对流处于旺盛发展的阶段，而其余部分为没有达到冲顶高度的非穿透性对流区域。
|
| 图 2 2010年7月22日FY-2E/CloudSat观测的非穿透性对流/穿透性对流个例 (a. FY-2E红外通道亮温图像，b. FY-2E红外亮温图像上的对流系统/对流单体判识区，c. CloudSat深对流云垂直剖面，d. CloudSat深对流云雷达反射率垂直剖面；紫线为对流系统区外边界线，红线为对流单体区外边界线，蓝绿色圆点为非穿透性对流的CloudSat轨道星下点，金色圆点为穿透性对流的CloudSat轨道星下点，绿线为CALIPSO对流层顶高度；FY-2E数据的时间为世界时18时30分，CloudSat轨道时间为世界时18时41分07秒—18时43分28秒) Fig. 2 An example of DCwo/CO observed by FY-2E and CloudSat on 22 July 2010 (a. FY-2E infrared brightness temperature image, b. the recognition areas of CS and CC in the FY-2E brightness temperature image, c. vertical distribution of deep convective clouds provided by CloudSat, d. vertical distribution of radar reflectivity in deep convective clouds provided by CloudSat; purple, red and green lines represent the boundary line of CS, the boundary line of CC and the tropopause height, respectively; cyan and golden dots represent the CloudSat track of DCwo and CO, respectively; FY-2E data is for 18:30 UTC, CloudSat data is for 18:41:07-18:43:28 UTC) |
图 3给出了深对流情况下(包含非穿透性对流和穿透性对流)对流层顶高度的季节分布，格点为0.5°×0.5°。整体来看，对流层顶高度值的范围为15—18 km，分布上存在明显的空间差异，夏季的覆盖范围较大，秋季、春季次之，冬季最小，这与深对流样本数的季节差异有关。Xian等(2015)研究结果表明，在中国海、陆地区，对流层顶高度在夏季的分布范围更大，区域向北延伸，而冬季分布区域南移，高值区集中在中国南海及长江以南地区，这与文中的结论有很高的一致性。此外，夏季高于15.5 km的高值区范围虽然较大，而出现17 km以上极大值的区域相对较小，Xian等(2015)也得出类似结论，对流层顶高度在夏季和秋季的值整体偏低，而冬季和春季偏高。
|
| 图 3 非穿透性对流和穿透性对流情况下对流层顶高度(单位：m)的季节分布 (a.春季，b.夏季, c.秋季, d.冬季) Fig. 3 Seasonal distributions of tropopause height (unit: m) under DCwo and CO conditions (a. spring, b. summer, c. autumn, d. winter) |
图 4给出非穿透性对流(图 4a)和穿透性对流(图 4b)CloudSat扫描点的分布及其季节变化，结合非穿透性对流和穿透性对流的发生个数(表 1)可以看到，非穿透性对流在海洋上的发生个数为89753，陆地上为42207，远高于穿透性对流，且海洋上的个数比陆地多，低纬度比高纬度地区多，这与卢志贤等(2016)得到的陆地对流云发生频率小于海洋的结论一致。冬季非穿透性对流分布的位置偏向南部海域，其原因是与夏季相比，冬季太阳直射点偏向于南半球，此时低纬度海域的温度和水汽条件更有利于对流的发生。夏季的个数明显高于其他季节，说明夏季在中国海、陆范围内的对流更加活跃，其原因与区域大尺度环流(副热带高压、南亚高压等)的振荡演变密切相关(祁秀香等，2009；郑永光等，2011)。加上夏季的台风和热带扰动在中国南海中南部、菲律宾及其以东海域活动频繁，故非穿透性对流发生率较高。刘鹏等(2012)研究指出冬季深对流和穿透性对流主要出现在南半球，而北半球相对较少，到了夏季深对流的发生区域明显向北半球移动；郑永光等(2011)的研究结果也表明6—8月中国南海中南部海域的深对流发生率较高，均与图 4的结果有很高的一致性。
|
| 图 4 非穿透性对流(a)和穿透性对流(b)的季节分布 (绿色、红色、橙色、蓝色圆点分别代表春季、夏季、秋季、冬季) Fig. 4 Seasonal distributions of DCwo (a) and CO (b) (Green dots, red dots, orange dots and blue dots represent the spring, summer, autumn and winter, respectively) |
| 季节 | 海洋非穿透性对流 | 陆地非穿透性对流 | 海洋穿透性对流 | 陆地穿透性对流 |
| 春季 | 14957 | 8713 | 250 | 241 |
| 夏季 | 38781 | 23915 | 2068 | 840 |
| 秋季 | 25743 | 7757 | 1130 | 116 |
| 冬季 | 10272 | 1822 | 159 | 0 |
| 共计 | 89753 | 42207 | 3607 | 1197 |
穿透性对流的发生个数远低于非穿透性对流，海洋上为3607，陆地上1197，主要出现在中国南海、台湾及菲律宾以东洋面，夏季的个数较多。穿透性对流指的是超过对流层顶高度的深对流，而高纬度和陆地上空的对流发展没有低纬度和洋面上空旺盛，更难冲破对流层顶，因此穿透性对流的发生率较低。Takahashi等(2014)指出，热带地区的穿透性对流更有能力冲破对流层甚至进入平流层底部，这与文中的结论有较高的一致性。
3.3 非穿透性对流和穿透性对流的云顶亮温特征由于深对流的云顶高度较高，红外通道亮温相对较低，因此在静止卫星图像上，通常表现为亮温的低值区。从非穿透性对流和穿透性对流在海洋和陆地上云顶红外亮温的发生频率(图 5)可以看出，非穿透性对流的亮温集中分布区间比穿透性对流高，分布范围更为宽广，海洋的亮温集中区低于陆地，说明海洋的云顶高度更高，非穿透性对流发展的高度更高。正如吴学珂等(2013)指出的洋面上深对流系统表现为最小红外亮温低，对应云顶高。海洋上发生频率的高值区(0.05—0.09)大部分在205—260 K，变化相对平缓，其中220 K附近的发生频率最高，达到0.09；陆地上高值区分布在220—265 K，相应的发生频率为0.05—0.11，其中最大值出现在235和255 K附近。
|
| 图 5 非穿透性对流和穿透性对流红外亮温的发生频率 Fig. 5 Occurrence frequencies of infrared brightness temperature in DCwo and CO |
穿透性对流达到的高度比非穿透性对流高，发展也更加旺盛，因此亮温整体比非穿透性对流低。海洋集中分布区间的亮温低于陆地，为184—218 K(发生频率0.05—0.26)，其中在203 K附近达到0.26，为4条曲线中发生频率的最大值。陆地上分布的区间范围相对较宽，发生频率在0.05—0.18的亮温范围为194—232 K，其中最大值0.18同样位于203 K附近，与海洋一致。此外，在217和227 K附近有两个次高值中心，发生频率为0.12左右。整体来看，集中分布区间的亮温在海洋上低于陆地，穿透性对流低于非穿透性对流，穿透性对流的分布区间更加集中。
3.4 非穿透性对流和穿透性对流的云团特征为了更好地研究非穿透性对流和穿透性对流在红外图像上的云团特征，图 6给出了两者的对流系统面积、对流单体面积、对流系统最低亮温、对流系统平均亮温梯度、对流系统偏心率、对流系统活跃性对流比等云团特征量的分布曲线。
|
| 图 6 非穿透性对流和穿透性对流云团特征量的发生频率 (a.对流系统面积, b.对流单体面积, c.对流系统最低亮温, d.对流系统平均亮温梯度, e.对流系统偏心率, f.活跃性对流比) Fig. 6 Occurrence frequencies of cloud properties in DCwo and CO (a. represent the area of CS, b. the area of CC, c. the convective fraction, d. the eccentricity, e. the minimum BT, f. the average gradient of BT) |
对流系统面积、对流单体面积、对流系统活跃性对流比这3个物理量是根据对流系统和对流单体在红外图像上所占的像元数计算出来的，其中，对流系统/对流单体面积为对流系统/对流单体内包含的像元点个数与单一像元点面积的乘积，反映了对流系统和对流单体分布范围的大小，而活跃性对流比是对流系统中所有对流单体的面积和与对流系统面积的比值，反映了对流系统发展的旺盛程度。从图 6a中可以看出，对流系统面积在3×106 km2以下，分布范围较广，发生频率随着面积的增大而减小，其中大于8×105 km2的频率在0.1以下。4条曲线中发生频率最大的区间均在(0—2)×105 km2，其中海洋非穿透性对流为0.7，陆地非穿透性对流为0.77，海洋穿透性对流为0.36，陆地穿透性对流为0.63，说明非穿透性对流比穿透性对流、陆地比海洋更容易发生较小面积的对流系统。当对流系统面积大于2×105 km2时，非穿透性对流的发生频率在海洋和陆地上均下降到0.1以下，之后逐渐减小，而穿透性对流的发生频率在0.2以下，曲线整体呈现下降趋势但存在一定程度的波动，其中，海洋上在(6—8)×105和(12—14)×105 km2、陆地上在(8—10)×105 km2上出现凸起。对流单体面积在1×106 km2以下，分布形式与对流系统相近，在(0—1)×105 km2的发生频率最大，从大到小依次为陆地非穿透性对流(0.89)、海洋非穿透性对流(0.80)、陆地穿透性对流(0.75)、海洋穿透性对流(0.48)(图 6b)。在1×105 km2以上的发生频率均在0.2以下，并呈现逐渐减小的趋势，其中在(1—4)×105 km2发生频率从大到小依次为海洋穿透性对流、陆地穿透性对流、海洋非穿透性对流、陆地非穿透性对流，顺序与(0—1)×105 km2区间正好相反。非穿透性对流和穿透性对流活跃性对流比的值在65%以下，其中陆地非穿透性对流、海洋非穿透性对流、陆地穿透性对流在20%以下的发生频率最高，分别为0.58、0.45、0.33，而在20%—30%、30%—40%、30%—40%分别达到次高值，海洋穿透性对流在30%—40%的发生频率最高(达0.23)，在峰值左右两侧均逐渐减小(图 6c)。总的来说，穿透性对流比非穿透性对流、海洋比陆地对流发展更旺盛，更容易出现较大面积的对流系统和对流单体，海洋穿透性对流的活跃性对流比集中分布区域的值相对较高，说明海洋穿透性对流的低红外亮温区域所占比例较大，对流发展更加旺盛。
偏心率反映的是对流云团的形状，当偏心率较大时，云团形状更趋向于圆形，而当偏心率较小时，特别是小于0.5时，云团形状更趋向于冷锋云系，大于0.5时，云团形状更趋向于圆形(Machado，et al，1998)。从图 6d的对流系统偏心率分布曲线来看，随着偏心率的增大，发生频率逐渐增大，其中偏心率在0.9—1.0的发生频率最大，从大到小依次为海洋穿透性对流(0.41)、海洋非穿透性对流(0.39)、陆地穿透性对流(0.35)、陆地非穿透性对流(0.31)。偏心率在0.7以上发生频率大于0.15，而小于0.7的发生频率都在0.15以下。总体来看，通过CloudSat/CALIPSO筛选出来的深对流系统和穿透性对流个例中，对流系统形状趋向圆形的情况所占比例较高，这也可以说明对流云团在发展旺盛的时候更趋近于圆形。
对流系统最低亮温和对流系统平均亮温梯度可以很好地反映对流系统的发展强度。穿透性对流在海洋和陆地上的最低亮温发生频率最高的区间均为190—195 K(分别达0.24和0.18)，海洋非穿透性对流的最大发生频率在190—205 K(达0.12)，分布区间相对比较分散，陆地非穿透性对流在195—230 K (达0.08—0.1)；海洋穿透性对流发生频率在高于195 K之后逐渐下降，而陆地穿透性对流在210—215 K存在次高值(达0.14)，之后逐渐下降(图 6e)。对流系统平均亮温梯度分布在0.8 K/km以下，发生频率最大的区域在0—0.1 K/km，从大到小依次为海洋穿透性对流(0.75)、陆地穿透性对流(0.65)、海洋非穿透性对流(0.54)、陆地非穿透性对流(0.51)，亮温梯度0.1—0.2 K/km非穿透性对流在海洋和陆地上均高于穿透性对流，其中非穿透性对流发生频率为0.27左右，穿透性对流为0.14左右；大于0.2 K/km以后曲线逐渐下降，基本维持在0.1以下；穿透性对流系统平均亮温梯度在0—0.1 K/km发生频率比非穿透性对流更高，而在0.1—0.2 K/km比非穿透性对流更低(图 6f)。
4 结论与讨论根据CloudSat/CALIPSO卫星数据选取了中国区域2010、2012—2014年共4 a的海-陆非穿透性对流/穿透性对流个例，通过与静止气象卫星FY-2E数据的时、空匹配，分析了FY-2E红外通道图像上的云顶亮温特征以及对流系统的面积、活跃性对流比、偏心率、最低亮温、平均亮温梯度等云团特征，结果发现：
(1) 非穿透性对流/穿透性对流在红外图像上的亮温相对较低，颜色白亮，在垂直高度上，云顶高度较高，雷达反射率较大；穿透性对流与非穿透性对流相比，由于超出了对流层顶高度，红外亮温更低，垂直高度上的雷达反射率更大，对流发展更加旺盛。
(2) 从发生次数来看，非穿透性对流/穿透性对流在海洋比陆地多，低纬度比高纬度多，夏季比其他季节多，冬季的海、陆差异最大；在中国南海中南部、菲律宾及其以东海域，由于热带扰动和台风比较活跃，非穿透性对流/穿透性对流的发生率相对较高。
(3) 从云顶红外亮温的分布来看，海洋比陆地、穿透性对流比非穿透性对流集中分布区间的亮温值更低，穿透性对流的分布区间比非穿透性对流集中；非穿透性对流在海洋发生频率的最大值在220 K左右，陆地在235和255 K两个位置附近，而穿透性对流海、陆发生频率的最大值均在203 K附近。
(4) 从云团特征量来看，对流系统面积在(0—2)×105 km2、对流单体面积在(0—1)×105 km2的发生频率最大，对流系统/对流单体的发生频率均随面积的增大而减小，穿透性对流比非穿透性对流、海洋比陆地更容易出现较大面积的对流系统/对流单体；海洋穿透性对流的活跃性对流比相对较高，说明海洋对流系统中低红外亮温区域所占比例较大，对流更加活跃；偏心率在0.5以上的发生频率较高，在海洋上更明显，说明对流系统的形状在非穿透性对流和穿透性对流个例中均趋向于圆形；穿透性对流在海、陆上的对流系统最低亮温集中分布区间为190—195 K，与非穿透性对流比相对集中；穿透性对流的对流系统平均亮温梯度与非穿透性对流相比，在0.1 K/km以下发生频率较高，而在0.1—0.2 K/km相对较低，大于0.2 K/km以后差异不大。
本研究结合了极轨和静止卫星、主动和被动传感器的探测优势，在海陆分布、红外亮温特征、云团物理特征等方面对中国地区的深对流和穿透性对流进行研究，相关成果可以为天气、气候的监测和预报、人工影响天气、数值模式发展等提供参考依据。当然本研究还存在一些不足，如CloudSat/CALIPSO的轨道覆盖范围小、扫描频次低带来的数据量的不足，CloudSat/CALIPSO与FY-2E匹配后的样本在时间和空间上存在的不均匀性，未能给出对流云团在发展过程中的物理量变化等，未来还需要讨论不同时间段和地理区域上深对流的发展变化特征，深化物理机制的分析，继续推进该研究工作。
| 大气科学名词审定委员会. 2009. 大气科学名词. 北京: 科学出版社. Atmospheric Science Nouns Verification Committee. 2009. Chinese Terms in Atmospheric Science. Beijing: Science Press. (in Chinese) |
| 刘健. 2015. 风云二号卫星的冰云光学厚度反演偏差分析. 气象学报, 73(6): 1121–1130. Liu J. 2015. Retrieval bias analysis of ice cloud optical thickness based on the FY-2 satellite. Acta Meteor Sinica, 73(6): 1121–1130. (in Chinese) |
| 刘鹏, 王雨, 冯沙, 等. 2012. 冬、夏季热带及副热带穿透性对流气候特征分析. 大气科学, 36(3): 579–589. Liu P, Wang Y, Feng S, et al. 2012. Climatological characteristics of overshooting convective precipitation in summer and winter over the tropical and subtropical regions. Chinese J Atmos Sci, 36(3): 579–589. (in Chinese) |
| 卢志贤, 李昀英, 方乐锌. 2016. 中国及周边海域对流云团的水平和垂直尺度. 气象学报, 74(6): 935–946. Lu Z X, Li Y Y, Fang L X. 2016. Horizontal and vertical scales of convective clouds over China and the surrounding oceans. Acta Meteor Sinica, 74(6): 935–946. (in Chinese) |
| 祁秀香, 郑永光. 2009. 2007年夏季我国深对流活动时空分布特征. 应用气象学报, 20(3): 286–294. Qi X X, Zheng Y G. 2009. Distribution and spatiotemporal variations of deep convection over China and its vicinity during the summer of 2007. J Appl Meteor Sci, 20(3): 286–294. DOI:10.3969/j.issn.1001-7313.2009.03.004 (in Chinese) |
| 邱红, 方翔, 谷松岩, 等. 2007. 利用AMSU分析热带气旋结构特征. 应用气象学报, 18(6): 810–820. Qiu H, Fang X, Gu S Y, et al. 2007. The structure of tropical cyclone from advanced microwave sounding unit. J Appl Meteor Sci, 18(6): 810–820. DOI:10.3969/j.issn.1001-7313.2007.06.010 (in Chinese) |
| 施春华, 常舒捷, 沈新勇, 等. 2015. 夏季云顶高于对流层顶事件对东亚天气型及上对流层-下平流层大气结构的影响. 大气科学学报, 38(6): 804–810. Shi C H, Chang S J, Shen X Y, et al. 2015. The effects of cloud top above tropopause events on the structures of the upper troposphere and lower stratosphere in summer over East Asia. Trans Atmos Sci, 38(6): 804–810. (in Chinese) |
| 苏爱芳, 银燕, 吕晓娜, 等. 2013. 黄淮西部地貌过渡区深对流云的时空特征及其天气意义. 气象学报, 71(3): 383–396. Su A F, Yin Y, Lv X N, et al. 2013. Spatial-temporal characteristics and synoptic significance of deep convective clouds over the physiognomy transition region of western Huanghuai. Acta Meteor Sinica, 71(3): 383–396. (in Chinese) |
| 王帅辉, 韩志刚, 姚志刚, 等. 2011. 基于CloudSat资料的中国及周边地区各类云的宏观特征分析. 气象学报, 69(5): 883–899. Wang S H, Han Z G, Yao Z G, et al. 2011. An analysis of cloud types and macroscopic characteristics over China and its neighborhood based on the CloudSat data. Acta Meteor Sinica, 69(5): 883–899. (in Chinese) |
| 吴学珂, 郄秀书, 袁铁. 2013. 亚洲季风区深对流系统的区域分布和日变化特征. 中国科学:地球科学, 56(5): 843–854. Wu X K, Qie X S, Yuan T. 2013. Regional distribution and diurnal variation of deep convective systems over the Asian monsoon region. Sci China Earth Sci, 56(5): 843–854. (in Chinese) |
| 严卫, 杨汉乐, 周兴旺. 2008. A-Train卫星编队及其在云研究领域中的应用. 遥感信息(2): 93–96. Yan W, Yang H L, Zhou X W. 2008. A-Train satellite formation and its application to cloud research. Remote Sens Infor(2): 93–96. DOI:10.3969/j.issn.1000-3177.2008.02.020 (in Chinese) |
| 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. 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 Meteor, 33(4): 1105–1118. (in Chinese) |
| 杨冰韵, 吴晓京, 郭徵. 2017. 基于CloudSat资料的中国地区深对流云物理特征研究. 高原气象, 36(6): 1655–1664. Yang B Y, Wu X J, Guo Z. 2017. The characteristics of cloud properties in deep convective clouds across China with the CloudSat dataset. Plateau Meteor, 36(6): 1655–1664. (in Chinese) |
| 杨军, 许建民, 董超华, 等. 2012. 气象卫星及其应用. 北京: 气象出版社. Yang J, Xu J M, Dong C H, et al. 2012. Meteorological Satellites and Their Applications. Beijing: China Meteorological Press. (in Chinese) |
| 尹金方, 王东海, 翟国庆, 等. 2013. 基于星载云雷达资料的东亚大陆云垂直结构特征分析. 气象学报, 71(1): 121–133. Yin J F, Wang D H, Zhai G Q, et al. 2013. A study of cloud vertical profiles from the Cloudsat data over the East Asian Continent. Acta Meteor Sinica, 71(1): 121–133. (in Chinese) |
| 宇路, 傅云飞. 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. 气象学报, 75(6): 955–965. Yu L, Fu Y F. 2017. Analysis of cloud-top height and cloud amount difference between spaceborne microwave radar and laser radar detection in boreal summer. Acta Meteor Sinica, 75(6): 955–965. (in Chinese) |
| 张华, 彭杰, 荆现文, 等. 2013. 东亚地区云的垂直重叠特性及其对云辐射强迫的影响. 中国科学:地球科学, 56(5): 737–747. Zhang H, Peng J, Jing X W, et al. 2013. The features of cloud overlapping in Eastern Asia and their effect on cloud radiative forcing. Sci China Earth Sci, 56(5): 737–747. (in Chinese) |
| 张华, 杨冰韵, 彭杰, 等. 2015. 东亚地区云微物理量分布特征的CloudSat卫星观测研究. 大气科学, 39(2): 235–248. Zhang H, Yang B Y, Peng J, et al. 2015. The characteristics of cloud microphysical properties in East Asia with the CloudSat dataset. Chinese J Atmos Sci, 39(2): 235–248. (in Chinese) |
| 张华, 荆现文. 2016. 气候模式中云的垂直重叠及其辐射传输问题研究进展. 气象学报, 74(1): 103–113. Zhang H, Jing X W. 2016. Advances in studies of cloud overlap and its radiative transfer issues in the climate models. Acta Meteor Sinica, 74(1): 103–113. (in Chinese) |
| 郑永光, 陈炯. 2011. 华南及邻近海域夏季深对流活动气候特征. 热带气象学报, 27(4): 495–508. Zheng Y G, Chen J. 2011. A climatology of deep convection over South China and adjacent seas during summer. J Trop Meteor, 27(4): 495–508. DOI:10.3969/j.issn.1004-4965.2011.04.007 (in Chinese) |
| Alcala C M, Dessler A E. 2002. Observations of deep convection in the tropics using the Tropical Rainfall Measuring Mission (TRMM) precipitation radar. J Geophys Res Atmos, 107(D24): AAC 17-1–AAC 17-7. |
| Bedka K, Brunner J, Dworak R, et al. 2010. Objective satellite-based detection of overshooting tops using infrared window channel brightness temperature gradients. J Appl Meteor Climatol, 49(2): 181–202. DOI:10.1175/2009JAMC2286.1 |
| Bedka K M, Dworak R, Brunner J, et al. 2012. Validation of satellite-based objective overshooting cloud-top detection methods using CloudSat cloud profiling radar observations. J Appl Meteor Climatol, 51(10): 1811–1822. DOI:10.1175/JAMC-D-11-0131.1 |
| Hong G, Heygster G, Miao J G, et al. 2005. Detection of tropical deep convective clouds from AMSU-B water vapor channels measurements. J Geophys Res Atmos, 110(D5): D05205. |
| Liu C T, Zipser E J. 2005. Global distribution of convection penetrating the tropical tropopause. J Geophys Res Atmos, 110(D23): D23104. DOI:10.1029/2005JD006063 |
| Liu C T, Zipser E J, Nesbitt S W. 2007. Global distribution of tropical deep convection:Different perspectives from TRMM infrared and radar data. J Climate, 20(3): 489–503. DOI:10.1175/JCLI4023.1 |
| 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 Atmos, 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 Atmos, 119(15): 9441–9462. DOI:10.1002/2013JD021374 |
| Machado L A T, Rossow W B, Guedes R L, et al. 1998. Life cycle variations of mesoscale convective systems over the Americas. Mon Wea Rev, 126(6): 1630–1654. DOI:10.1175/1520-0493(1998)126<1630:LCVOMC>2.0.CO;2 |
| Peng J, Zhang H, Li Z Q. 2014. Temporal and spatial variations of global deep cloud systems based on CloudSat and CALIPSO satellite observations. Adv Atmos Sci, 31(3): 593–603. |
| Rossow W B, Pearl C. 2007. 22-Year survey of tropical convection penetrating into the lower stratosphere. Geophys Res Lett, 34(4): L04803. |
| Rysman J F, Claud C, Delanoë J. 2017. Monitoring deep convection and convective overshooting from 60°S to 60°N using MHS:A Cloudsat/CALIPSO-based assessment. IEEE Geosci Remote Sens Lett, 14(2): 159–163. DOI:10.1109/LGRS.2016.2631725 |
| Sassen K, Wang Z E. 2007. Level 2 cloud scenario classification product process description and interface control document. Fort Collins, CO: Cooperative Institute for Research in the Atmosphere, Colorado State University, |
| 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 |
| Takahashi H, Luo Z J. 2014. Characterizing tropical overshooting deep convection from joint analysis of CloudSat and geostationary satellite observations. J Geophys Res Atmos, 119(1): 112–121. DOI:10.1002/2013JD020972 |
| Xian T, Fu Y F. 2015. Characteristics of tropopause-penetrating convection determined by TRMM and COSMIC GPS radio occultation measurements. J Geophys Res Atmos, 120(14): 7006–7024. DOI:10.1002/2014JD022633 |