地面接收的大气向下长波辐射(downward long-wave radiation，L_↓，波长范围为4~100 μm)是大气和地表辐射收支的重要组成部分。晴天L_↓主要与大气中水汽等温室气体和气溶胶及其温度有关^[1]。云天L_↓除了来自晴天整层大气的贡献外，还与地表到云底高度范围内温湿垂直分布有关，云向地面发射包含大气窗区(8~14 μm)的长波辐射也会产生影响^[2]。因此，云天时L_↓变化比较复杂，云底高度(与温度有关)、云中水滴或冰晶粒子的组成等因素均会影响云发射的长波辐射，进而影响L_↓。

模式计算表明：L_↓有90%来自大气边界层内1000 m大气向下发射的长波辐射^[3]，而50% L_↓与距地面25~50 m高度范围的温度有着更为密切的联系^[4]。晴天L_↓可以在已知温度、湿度廓线分布的基础上通过辐射传输模式进行精确计算得到，但考虑到辐射模式计算的复杂，实际应用中常根据近地面气温和湿度(水汽压)经验参数化公式表征晴天大气的比辐射率ε，进而确定晴天L_↓值^[5]。湿度或温度或同时温度及湿度参数化的ε引入，使晴天情况下L_↓量化工作变得相对简单^[6]，而云使计算又比较复杂，但基本仍是以晴天L_↓参数化为基础，在ε上考虑云量的影响^[7]。

我国开展了一些L_↓相关观测和参数化研究^[8-9]，但与全国已有的地面气象站常规观测的宽波段太阳短波辐射相比，L_↓的工作相对较少。2011，2012，2014年及2016年夏季分别在西藏那曲、拉萨、林芝和阿里开展了臭氧和水汽探空观测的同时也匹配了L_↓和太阳短波辐射的观测。本文主要对4个站点L_↓观测数据进行分析，以了解青藏高原不同地区L_↓分布状况以及相关影响要素，包括晴天L_↓经验公式的检验，云量和天顶方向云底高度变化对L_↓增强效应的影响。

L_↓数据来源于2011—2016年那曲(31.3°N，92.0°E，海拔高度4507 m)、拉萨(29.4°N，91.1°E，海拔高度3649 m)、林芝(29.4°N，94.2°E，海拔高度2290 m)和阿里(32.5°N，80.0°E，海拔高度4279 m)的观测(表 1)。4个站点均采用荷兰Kipp&Zonen公司生产的CG4宽波段(波长范围为4.5~40 μm)辐射表以及CM21型总日射表观测大气向下长波辐射和太阳短波辐射。CG4和CM21是世界气象组织推荐本底辐射站网观测使用的仪器^[10]。本文观测的辐射原始数据按1 Hz采集，记录分钟数据(含平均值、标准差、最大值和最小值)。在4个时段观测中，CG4表均在国家气象探测中心的辐射计量站进行标定，所有的观测数据均按照QA-QC的规则进行分钟级以上的质量控制^[11]，在此基础上进行统计分析处理。

表 1

表 1 那曲、拉萨、林芝和阿里4个观测站点基本信息 Table 1 General descriptions of 4 sites deploying L↓ observations 观测站 观测时段 观测时段日平均气象要素 辅助观测 气温/℃ 水汽压/hPa 云量/成 日照/h 那曲 2011-07—08 9.4±8.0 7.4±5.0 6.8 5.4 CM21，激光雷达 拉萨 2012-05—07 18.0±10.0 8.39±5.0 6.9 5.4 CM21 林芝 2014-06—07 16.8±10.0 13.4±4.0 9.0 2.6 CM21，激光雷达 阿里 2016-05—09 14.0±8.0 4.8±4.0 4.9 7.2 CM21，激光雷达

表 1 那曲、拉萨、林芝和阿里4个观测站点基本信息 Table 1 General descriptions of 4 sites deploying L↓ observations

人工观测云及地面气温和水汽压来自气象台站的A文件，云底高度数据均来自Sigma space公司的激光雷达的观测结果(拉萨未测)。在用云份额数计算云量涉及到的输入参数：拉萨和阿里计算大气柱水汽含量所使用的温度和水汽廓线来自Vaisala RS92的气象探空仪；臭氧柱浓度来自Brewer光谱仪观测的日平均值；气溶胶指数来自太阳光度计测量的月平均值；地面反照率为参考文献[12-13]并考虑到L_↓观测主要是在夏季期间而采取季节平均值，那曲、拉萨、林芝和阿里反照率值分别选择0.22，0.2，0.25以及0.183。

图 1分别给出了那曲、拉萨、林芝和阿里不同时段L_↓观测结果，时间均为北京时，下同。统计表明，那曲、拉萨、林芝和阿里L_↓平均值分别是299，346，368，305 W·m^-2。林芝海拔最低，大气温度、湿度4个站点中最高，因此，平均L_↓最高，而那曲和阿里由于海拔高且大气温度、湿度较低，L_↓较低。L_↓随海拔高度的增加而降低的区域特点明显。

图1

图1 那曲、拉萨、林芝和阿里L↓观测值统计结果 Fig.1 Diurnal and daily L↓at Naqu, Lhasa, Nyingchi and Ali

4个站点L_↓逐日变化比较明显：L_↓最大值一般出现在15:00前后，而从凌晨到10:00 L_↓较低。这与影响L_↓的重要因素——温度的显著日变化有联系。青藏高原大气透明度好，日照辐射强，当地时间中午以后(一般在15:00左右)地面和边界层温度明显上升从而导致L_↓显著上升。阿里和那曲L_↓日变化幅度均在30 W·m^-2以上(变化范围分别为278~309 W·m^-2和285~317 W·m^-2)，而拉萨和林芝虽然L_↓日平均值要明显高于阿里和那曲，但L_↓日变化幅度分别为15 W·m^-2和19 W·m^-2左右。这些观测结果反映了海拔较高、L_↓平均日变化幅度较大应是温度、湿度和云(含云量及云高)日变化综合影响的结果，因为4个站点不同的观测所统计的温度平均日变化幅度(那曲10℃，拉萨12℃，林芝10℃和阿里12℃)并未表现出随着海拔越高值越大的事实，同样，水汽压的平均日变化幅度也如此(那曲2 hPa，拉萨3 hPa，林芝1 hPa和阿里2 hPa)，由此可推测，云的日变化在4个站点L_↓日变化中起着比较重要的作用。

要了解L_↓的变化特征首先要确定晴天无云条件下的L_↓，但气象A文件的定时人工观测云量的晴天样本量难以满足要求。采用云份额数(C_F)判断白天天空云量状况，是根据计算出的晴天太阳短波辐射值与观测值比较确定云量^[7]。C_F定义如下：

(1)

式(1)中，S_mea和S_cal分别是分钟级平均CM21日射表观测和理论计算的太阳短波辐射值。理论计算主要过程见文献[14]，主要涉及到影响太阳短波辐射的几个重要参数：大气柱水汽含量、气溶胶、臭氧柱浓度以及地面反照率。

一般将C_F绝对值为10%或20%以内^{[7, 14]}作为判断晴天的依据，在本研究中为求准确，仅选取C_F绝对值在5%以内的样本作为晴天样本。另外，太阳短波辐射及分钟级L_↓观测值的标准差均小于0.5 W·m^-2及气溶胶激光雷达没有云底高度的信息也为晴天判断的辅助依据(拉萨因无激光雷达观测云底高度除外)。考虑到CM21日射表存在余弦效应，对白天-晴天的判断仅选太阳天顶角在80°以下的观测值进行判断。

图 2给出4个站点白天晴天时刻计算的太阳短波辐射值与观测值的比较。由图 2可以看到，根据以上条件计算得到的晴天太阳短波辐射值与观测值的一致性很高，但林芝因为样本量较少及该地夏季阴雨天较多的缘故，理论计算值和观测值的方差较大，达到18.5%，但其他3个站点计算和观测的太阳短波辐射值的一致性比在阿尔卑斯山脉比较结果要好(相关系数分别为0.992，0.996和0.997)，方差(分别为0.31%，0.31%和0.04%)和相对误差(分别为3.8%，4.7%和2.4%)均低于瑞士的两个高山站点Jungfraujoch(海拔高度3580 m)和Weisfluhjoch(海拔高度2690 m)^[14]，说明晴天太阳短波辐射的计算结果在青藏高原地区要优于阿尔卑斯山脉地区，因此，本文根据C_F判断晴天的方法有效。拉萨和阿里5—7月的观测数据尽管没有云底高度作为判断的附加条件，但总体一致性较好。

图2

图2 那曲、拉萨、林芝和阿里晴天情况下太阳短波辐射计算值及与观测值对比 Fig.2 Observed and calculated solar shortwave radiation at Naqu, Lhasa, Nyingchi and Ali under cloud-free condition in daytime

晴空条件下L_↓^[15]可以简单地表示为

(2)

式(2)中，ε为无云时宽波段大气比辐射率，σ为斯蒂芬-波尔兹曼常数(5.6696×10^-8 W·m^-2·K^-4)，T为温度(单位：K)，通常是地面气温。ε通常根据其与地面气温和水汽压的经验函数关系式进行估算。虽然大气中CO₂，CH₄，O₃和黑碳气溶胶等吸收长波辐射的大气成分影响ε，但它们的浓度远低于水汽而在ε的经验公式中被忽略^[16]。对L_↓参数化计算的本质上是将大气层假设为层状灰体以确定其比辐射率ε，然后根据式(2)计算L_↓。因此，确定ε与地面气温(T)和水汽压(e)的关系便是L_↓参数化计算的重要内容，这也是进一步确定云天L_↓参数化计算的基础^[7]。表 2给出了计算晴天ε的经验公式。最早相关研究可以追溯到Ångström^[17]，该公式和Brunt^[18]均仅考虑到水汽对ε的影响。Swinbank^[19]和Idso等^[20]则仅考虑到温度的影响。Brutsaert^[21]及其以后的工作则综合考虑温度与水汽共同对ε的影响；Satterlund^[22]和Idso^[23]的工作也是基于这一思路开展的。需要提及的是Konzelmann等^[24]和Prata^[25]提出的经验公式，前者是基于格陵兰岛(海拔为1000~3000 m)夏季L_↓数据并结合LOWTRAN7计算而确定的经验公式(低温、低湿的气候特征与西藏近似)，而后者则是综合考虑大气柱水汽含量较低值的情况(如在1 mm及其以下)而确定的。根据C_F所确定的晴天无云条件可以进行晴天L_↓计算经验公式的检验。

表 2

表 2 晴天比辐射率(ε)计算经验公式 Table 2 General descriptions of surface L↓ parameterization schemes under cloud-free condition 来源 晴天比辐射率ε a b c 文献[17] a-be-ce 0.83 0.18 0.067 文献[18] a+b(e)1/2 0.52 0.065 文献[19] aT2 9.365×10-6 文献[20] 1-ae-b(273-T)2 0.261 7.77×10-4 文献[21] a(e/T)1/b 1.24 7 文献[22] a(1-e-e(T/b)) 1.08 2016 文献[23] a+beec/T 0.7 5.95×10-5 1500 文献[24] 0.23+a(e/T)(1/b) 0.484 8 文献[25] 1-(1+a)e-(b+ca)0.5 46.5(e/T) 1.2 3 文献[26] 1-ae-be/T 0.43 11.5 注：e为近地面水汽压，单位为hPa; T为近地面气温，单位为K。

表 2 晴天比辐射率(ε)计算经验公式 Table 2 General descriptions of surface L↓ parameterization schemes under cloud-free condition

通过对表 2中所给出的10个参数化经验公式的检验，注意到Konzelmann等^[24]建立的公式比较适合那曲、拉萨和阿里3个站点，L_↓计算值与观测值最接近，平均相对误差和方差均在3%以下；而对于湿度较大的林芝则是Ångström^[17]公式最为合适(图 3)。那曲的参数化拟合值总体上高于观测值的2.1%，特别是当观测值小于250 W·m^-2时，林芝受到样本量少的影响相关系数明显降低，而阿里和拉萨地区在较多样本量的情况下，统计特征明显。总体上西藏4个站点夏季L_↓的观测结果与参数化计算结果的比较也是明显优于瑞士在阿尔卑斯高山站的工作，后者的平均相对误差和方差均在5%以上^[14]。表 2中其他仅在低海拔地区得到的经验公式(如Idso等^[20]、Satterlund^[22]、Idso^[23]和Iziomon等^[26])在西藏的应用误差较大。Konzelmann等^[24]建立的公式误差相对比较小是因为它的建立使用了低温低湿高海拔的环境数据。

图3

图3 那曲、拉萨、林芝和阿里晴天情况下L↓计算值及与观测值对比 Fig.3 Observed and calculated L↓ at Naqu, Lhasa, Nyingchi and Ali under

Wang等^[27]的分析工作注意到，Brunt^[18]应用在西藏安多(91.63°E，32.24°N，海拔高度4700 m)及改则(84.06°E，32.3°N，海拔高度4420 m)多年小时平均L_↓结果时，计算值偏高(安多和改则分别是(2.1%±10.4%)和(7.0%±7.9%))，Brutsaert^[21]的经验公式则是安多偏低(-3.0%±9.9%)、改则偏高(0.2%±14.4%)，安多和改则的相关系数平均分别为0.88和0.83。本文使用Brunt^[18]和Brutsaert^[21]经验公式计算在西藏L_↓的检验中与观测值相比均偏低，且平均误差绝对值高于文献[27]中的值，但相关系数则偏高。统计出现差异的原因很可能是本文所统计的样本量较少(仅为几个月内晴天样本量)以及所用的数据均主要在夏季的缘故。

所有的天气情况包括了有云及晴天等。云天情况下，由于云发射包括大气窗区以及水汽弱吸收波段的长波辐射等原因，L_↓一般高于晴天。图 4是4个站点小时平均L_↓观测值与晴天条件下经验公式得到的L_↓计算值比较。尽管L_↓晴天经验公式的误差使图中的部分数据点落在y=x直线的右下方(观测值仍低于晴天时的理论计算值)，但是总体上，图 4中大部份数据表现出L_↓观测值高于晴天计算值的事实，这应主要归于云对L_↓的增强效应。本文将L_↓观测值与根据地面气温、湿度得到的晴天无云时的L_↓计算值之差定义为云增强效应。由图 4对比可统计出那曲、拉萨、林芝和阿里4个站点云增强效应的平均值分别为30.8，22.1，38.8，15.6 W·m^-2，中值则分别为24.4，17.3，42.7，6.8 W·m^-2，而相对平均值则分别为11.4%，7.1%，11.8%和5.6%。林芝的云增强效应最大，阿里最小，这与表 1中所给出的观测期间云量和地面水汽压的状况一致，而那曲的云增强效应明显大于拉萨，应与那曲的观测时段主要处在多雨的季风季节有关，因为6月15日之前拉萨较为干燥，非季风季节里云增强效应的平均值仅为11.0 W·m^-2(3.6%)，阿里作为平均云量最少、湿度最低的地点，云增强效应也最低。

图4

图4 那曲、拉萨、林芝和阿里所有天气情况下L↓观测值与晴天计算值比较 Fig.4 All observed and calculated cloud-free L↓ at Naqu, Lhasa, Nyingchi and Ali

云量是对云定时(间隔6 h或8 h)的人工观测。云量可以分为0~1成(晴天或少云)，2~6成(碎云)以及7~10成(满云)3种情况。为了解传统观测的云量对L_↓影响，图 5给出了总云量、低云量及其对应的云增强效应的统计结果。由图 5可看出，晴天和少云时，云增强效应不明显，而在林芝，当总云量为5成时云增强效应也不明显。这与晴天情况下L_↓的经验计算带来的误差有关。随着总云量增加云增强效应增加明显。碎云出现时云增强效应一般为0~20 W·m^-2，随着云量的增加云增强效应快速上升至50 W·m^-2以上，反映了当天空碎云转成满云后L_↓急剧增加的事实。此外，图 5还反映了云底高度的变化对L_↓的影响。尽管图 5中有些低云量与总云量所对应的L_↓增强效应重合(没有高云而仅有低云时低云量被作为总云量处理)，与低云量对应的云增强效应也随低云量的增加而上升，但在相同云量的情况下，低云量的L_↓增强效应明显高于总云量所对应的值(在拉萨和阿里较明显)，高云高度较高，平均温度较低，发射的长波辐射到达地面的路径较长，故低云比高云给L_↓带来更大的增幅。

图5

图5 那曲、拉萨、林芝和阿里L↓增强变化与人工观测云量 (总(低)云量所对应L↓增强的误差棒分别是下(上)方向) Fig.5 Enhancements of L↓ and the artificially observed cloud amount (error bars of L↓ enhancement corresponding to total(low) cloud amount are the downward(upward) direction) at Naqu, Lhasa, Nyingchi and Ali

常规云量的观测有一定的主观性，而且时间分辨率很低。根据短波太阳辐射获取白天分钟级的C_F及分钟级气溶胶激光雷达的云底高度数据为进一步研究云对L_↓的影响提供了可能，虽然这一研究存在两个不可回避的问题：①C_F严格上讲与传统气象上的云量有差别，它是从云影响太阳短波辐射的效果来定义，代表了天空的云覆盖状况，是客观的云量数据的参数；②激光雷达云底高度数据仅是在天顶方向上，但云对辐射观测的影响并非仅是天顶方向，因此，实际情况中，即使天顶方向没有云时，C_F仍可以为一高值(表 3)。

表 3

表 3 白天云底高度频率分布及其对应的CF，L↓增强统计 Table 3 Statistics of day-time cloud base height frequency distribution and its corresponding CF and L↓ enhancements 台站 统计变量 (0 km，1 km] (1 km，2 km] (2 km，3 km] (3 km，4 km] (4 km，5 km] >5 km 那曲 出现频率/% 6.2 31.4 33.4 8.6 1.2 18.4 云底高度/km 0.8±0.15 1.5±0.28 2.5±0.28 3.3±0.26 4.4±0.28 10.6±2.7 CF/% 60±24 54±33 33±36 40±35 47±29 41±34 L↓增强/(W·m-2) 55±19 44±25 24±27 31±26 33±20 24±24 林芝 出现频率/% 1.3 15.9 50.5 16.7 6.2 9.1 云底高度/km 0.8±0.16 1.8±0.24 2.4±0.29 3.4±0.25 4.4±0.27 10.0±3.5 CF/% 76±13 68±17 55±25 41±29 36±32 27±34 L↓增强/(W·m-2) 57±5 52±5 45±9 35±11 26±13 18±15 阿里 出现频率/% 15.4 15.6 30.2 15.8 3.4 19.4 云底高度/km 0.5±0.21 1.6±0.3 2.5±0.28 3.3±0.24 4.5±0.28 7.77±1.4 CF/% 27±36 44±35 31±35 15±34 21±33 20±31 L↓增强/(W·m-2) 26±27 45±16 33±16 20±14 22±15 19±15

表 3 白天云底高度频率分布及其对应的CF，L↓增强统计 Table 3 Statistics of day-time cloud base height frequency distribution and its corresponding CF and L↓ enhancements

首先看C_F变化对云增强效应的影响。图 6给出4个站点云增强效应与C_F的关系，图 6中云底高度(拉萨及阿里在2016年7月25日前观测的数据除外)是在已确定的C_F情况下的平均值。C_F被分为12个区间：其中低于-5%，以及-5%~5%为前两个，而从5%到105%是按10%幅度增加的10个区间。由图 6可以看到，随着C_F增加，云增强效应的增加比较明显，这一点与图 5中云增强效应随着云量的变化趋势一样，且当C_F为80%以上时，那曲、拉萨和阿里的云增强效应更为显著，在C_F接近100%时，3个站点云增强效应均超过60 W·m^-2，阿里在7月25日前气候较干燥且少云，L_↓增值较低。但与图 5不同的是，图 6中C_F仅限于白天太阳天顶角在80°以下的统计结果，且C_F还出现了负值的情况，对应的云增强效应也明显高于C_F(-5%~5%)所代表的晴天。

图6

图6 那曲、拉萨、林芝和阿里L↓增强效应、CF及其对应天顶方向上平均云底高度变化 Fig.6 L↓enhancement effect, CF and its corresponding variations of zenith averaged cloud basement height at Naqu, Lhasa, Nyingchi and Ali

C_F为负值表明太阳短波辐射观测值高于晴天太阳短波辐射计算值的事实。造成这种现象除了参数化计算的固有误差之外，也可能是低空碎云导致地面太阳短波辐射明显增加。当云层未遮蔽日面时，云层间多次反射增大地面的太阳短波辐射在西藏是较普遍现象。夏季西藏常出现强烈发展的对流云，当天空未被云全覆盖、而对流直展云系发展旺盛、在云顶部形成强烈的辐射散射面的情况下，太阳辐射穿过云隙到达地面过程中散射辐射得到增强，也使地面的太阳短波辐射增强。这些情况在西藏地区多次被观测到^[28]，其表现为夏季西藏地面太阳总辐射常出现超过全辐照度(total solar irradiance，TSI)。在青藏高原中的太阳UVB辐射观测研究中也曾出现^[29-30]。这也是当C_F出现低于-5%负值时，L_↓增强效应平均高于晴天(C_F为-5%~5%)的原因, 也正是考虑这一可能的实际情况，在利用C_F来判断晴天时，本文并没有采用文献[7]方法将C_F为负值时均按晴天情况处理。

图 6还给出了与C_F所对应的天顶方向云底高度变化，这说明云增强效应随着C_F增加而增加并非完全由C_F增加造成，因为当C_F在0以上时，随着C_F的增加天顶方向的云底高度呈下降趋势，而云底高度下降会导致L_↓增强效应上升，这也符合实际情况：当天空的C_F增加时意味着云量的增加，而云量的增加也可能只是低云量增加。考虑观测时段主要为夏季，白天热对流较强易使局地低空云量增加。

表 3给出了那曲、林芝、阿里白天天顶方向不同高度区间云底高度频率分布及其对应的C_F、云增强效应统计结果。表 3中是将云底高度按距地面1 km间隔统计。西藏地区夏季云底高度在(2 km，3 km]的频率最高，其次是(1 km，2 km]的云，而林芝和阿里白天的(3 km，4 km]高度的云也占有较明显的比例。显然，3个站点天顶方向没有云出现的比例也较高，那曲和阿里这一值达到了总样本量的50%左右，而林芝也到达了总样本量的32%。表 3中C_F平均值与平均云增强效应相关性较高，在那曲、林芝和阿里的决定系数r²分别为0.91，0.97和0.96，而各高度区间的云底高度平均值与云增强效应的r²仅为0.55，0.32和0.58。可见，总体上C_F比天顶方向的云底高度值与云增强效应的相关关系更为密切。

当天顶方向的云底高度固定时，C_F的上升对云增强效应的影响也比较明显。图 7给出的云底高度在总样本量中频率为5%以上时C_F与云增强效应关系的统计结果。由图 7可见，在C_F为0时，云增强效应偏低。但当天顶方向没有云出现时并不意味着L_↓增强较低，因为天顶方向以外的云量(C_F)增加与增强效应的增加也很明显。固定云底高度的高度区间，C_F的增加对云增强效应的增加同样明显，那曲和林芝云增强效应的增加值最高均可达到60 W·m^-2，而阿里仅为30 W·m^-2左右，且当C_F为50%~80%时出现下降的趋势。

图7

图7 那曲、林芝和阿里给定天顶方向云底高度白天CF与L↓增强效应变化 Fig.7 Given the fixed zenith cloud base height, L↓ enhancement effects as functions of CF variations at Naqu, Nyingchi and Ali in daytime

当云底高度在0.5 km附近时3个站点的C_F均为高值且相应的云增强效应也最高，说明当天顶方向的低云出现时对应的天空云量应较多，阿里在云底高度为1.5 km时也呈相同趋势，且该站点在相同C_F的情况下，对应的云增强效应与云底高度为0.5 km时也很接近，反映了阿里的云增强效应对天顶方向云底高度在1.5 km以下时云的变化不敏感，具体原因需深入研究。那曲的云增强效应与C_F之间的密切关系在几乎所有云底高度上均很明显。

随着天顶方向云底高度上升，云增强效应在图 7中下降趋势也很明显，特别是在林芝和阿里。当云底高度超过5 km时，云增强效应均在20 W·m^-2以内(林芝仅在C_F接近90%时平均值才在30 W·m^-2左右)。那曲的情况有些不同，尽管云底高度超过5 km时，云增强效应低于云底高度较低时的对应值，但随着C_F上升云增强效应上升仍很明显，最高值接近70 W·m^-2, 高于阿里和林芝。这些差异反映了西藏3个站点固定天顶方向的云底高度和整个天空云量综合对云增强效应的影响存在差异，而这更有可能与3个站点的云的厚度、云粒子大小和含水量等物理属性差异有联系。

模式研究中的辐射值确定常采用参数化计算方法^[31-33]。本文晴天L_↓经验公式基于白天观测数据确定，这一公式应用到夜间晴天的L_↓计算有误差，因为对大气比辐射率ε经验拟合公式中隐含着来自水汽或者温度垂直分布有日变化(如夜间边界层逆温层)。温度、水汽垂直分布变化对ε影响需进一步研究。结合气象探空资料在平原地区改进晴天L_↓经验公式的尝试^[34]，或者在L_↓的测量上引入与逆温层相关要素的测量^[35]值得借鉴。

在晴天的判断上还需要发展综合的判断方法，特别是夜间。由于人工观测云量的样本量太少(如林芝地区)，而激光雷达的云底高度数据判断晴天的方法被认为有效，但这也仅适合大样本量的情况^[36]，仅激光雷达测的云底高度数据并不能有效反映天顶方向之外的云量对L_↓的显著影响。本文利用太阳短波辐射观测的C_F并结合短波和L_↓分钟辐射数据的标准差的阈值(0.5 W·m^-2)来判断晴天状况。而利用L_↓测值实现对天空云量的判断^[37]是否适合高原的夜间仍需要进一步研究。

1) 夏季西藏那曲、拉萨、林芝和阿里4个站点的L_↓随海拔高度的增加呈降低的趋势，平均值分别为299，319，368，305 W·m^-2；L_↓日变化的最高值一般出现在15:00前后，最低值一般出现在凌晨到上午10:00；那曲和阿里L_↓日变化幅度接近30 W·m^-2，而拉萨和林芝幅度则分别为15 W·m^-2和19 W·m^-2。

2) 太阳短波辐射观测所推算出的白天云份额数(C_F)比较有效地反映出白天晴空无云的状况；晴天Ångström^[17]和Konzelmann^[24]的L_↓计算经验公式分别适合水汽压较高的林芝和那曲、拉萨及阿里。白天晴天那曲、拉萨、林芝和阿里的L_↓观测值与经验计算值的误差分别为2.1%，-0.27%，-0.89%及0.94%。

3) 云对L_↓的增强效应在那曲、拉萨、林芝和阿里平均值分别为30.8，22.1，38.8，15.6 W·m^-2。云增强效应随云量增加而上升的趋势明显，低云的云增强效应明显高于总云量；满云(云量7~10成)时，4个观测站点的云增强效应均从无云时的20 W·m^-2左右上升至50 W·m^-2以上。

4) 晴天(C_F的绝对值小于5%)时云增强效应仅为5 W·m^-2左右，但当C_F大于90%时则明显上升(上升到60 W·m^-2左右)。那曲、林芝和阿里天顶方向上的云底高度低值与较高的C_F(通常在40%以上)联系紧密，且整体上随着云底高度的增加云增强效应明显降低，但由云份额数计算出的云量(C_F)远比云底高度与云增强效应的关系密切。