引言

作为大气圈层中最为重要的水成物，云在天气系统演变、全球水循环以及气候系统变化等方面发挥着极其重要的作用(卢乃锰等，2017)，了解云的物理性质不仅有助于对天气系统的诊断分析和监测预报(杨磊等，2020)，同时对空中云水资源的合理评估和利用也极为有利(蔡淼，2013)。而云参数是建立各类云物理方案以改进模式预报能力的关键因素之一(梅钦等，2018)，也是科学识别人影作业潜力区和评估作业效果的重要依据(范思睿和王维佳，2018)，其准确性对于下游产品的生成至关重要。

目前，通过卫星原始数据计算反演得到的云参数主要包括云量、云检测、云分类、云相态、云顶温度/高度、云顶气压、云光学厚度、云粒子有效半径、云液水路径等。其中云光学厚度(Cloud Optical Thickness，COT)、云粒子有效半径(Cloud Effective Radius，CER)、云顶温度(Cloud Top Temperature，CTT)三个参数可用于降水云与非降水云的区分(刘建朝和周毓荃，2011；刘显通和刘奇，2013；谢磊和刘奇，2017；郭文昕等，2021)。COT表示云中水成物含量，降水强度较大的对流云都具有较大的COT (陈英英，2013)；CER表示云中雨滴或冰晶的尺度，反映滴谱分布，CER较大时，地面出现降水的概率较大(蔡淼等，2010)，CER与雨强也存在明显相关(盛日锋等，2010；傅云飞，2014)；CTT则是反映暴雨过程中云顶发展旺盛程度的重要参数(杨磊等，2020)。桂海林等(2019)结合Himawari-8卫星云产品，对中国东部地区2017年夏季降水进行分析，发现存在雨强随COT增加、CER增加、CTT减小而增加的趋势。可见，COT、CER、CTT这三个云参数对于分析降水的形成和演变过程有着重要意义。

风云四号系列的首发星FY-4A，于2016年12月14日成功发射，与风云二号系列卫星相比，其核心载荷的成像性能在光谱通道、时空分辨率等方面有显著提升(陆风等，2017)，为我国及周边地区，特别是“一带一路”沿线国家和地区开展天气预报和灾害预警提供了重要的观测手段。作为科学试验星的FY-4A，其主要用途是验证新技术、发展新应用，为了更好地将FY-4A产品应用于天气分析、数值预报及人工影响天气等各领域，对其产品的精度检验很有必要。中分辨光谱成像仪(moderate-resolution imaging spectroradiometer，MODIS)作为搭载在地球观测系统计划Terra和Aqua极轨卫星上重要的传感器，同样具有波段范围广、空间分辨率高、探测灵敏度高等特点，其反演算法多年经过不断优化相对成熟，经检验MODIS云参数与地面观测有较好的一致性(吴晓等，2016)。崔林丽等(2020)曾针对3次台风过程，开展FY-4A云顶温度、云顶高度、云顶气压产品与MODIS和Himawari-8同类产品的交叉检验，发现二者精度相当；吴硕秋和马晓燕(2020)利用MODIS/AOD产品及FY-4A沙尘强度产品分析了中国西北地区的两次典型沙尘过程，发现二者具有较好的空间一致性。但目前FY-4A云参数在科研业务中的应用并不多见，尤其是其在降水分析中的应用研究较少。

本文以2020年6月27日造成湖北宜昌城区“看海”的极端暴雨过程为例，首先选取典型时次从平面分布、纬向分布和统计特征分析的角度，将FY-4A卫星可见光、近红外和红外三个波段与EOS/MODIS相近波段的原始数据进行对比检验，然后进一步对两类卫星的三种对降水敏感的云参数COT、CER和CTT进行对比，并分析产生偏差的可能原因。在此基础上，初步评估了FY-4A卫星云参数的精度及其在不同雨强条件下的适用性和可靠性，为云参数产品反演技术的改进优化提供反馈和参考，以提高FY-4A卫星在防灾减灾、生态修复等各领域的定量应用水平。

1 资料和方法 1.1 资料说明

选取2020年6月27日发生在湖北境内的一次暴雨过程进行分析。由于MODIS极轨卫星当日白天过境湖北区域的时次为03∶40 (世界时，下同)，且这一时段出现雨强峰值，具有代表性，因此选取时间上最为接近的03∶38的FY-4A数据与MODIS数据进行对比分析。同时，选取了2020年6月27日03—04时湖北省2 747个气象站(国家站+区域站)的小时降雨资料，探究不同雨强条件下卫星产品的差异性。下面简要介绍两类卫星资料。

(1) FY-4A卫星资料。在时间频次上，FY-4A卫星全天共计进行40次全圆盘(包含8次测风的16张全圆盘) 观测及56次北半球观测(陆风等，2017)。数据采用国际气象卫星合作组织(Co-ordination Group of Meteorological Satellites，CGMS) 的LRIT/HRIT (Low Rate Information Transmission/High Rate Information Transmission)全球规范定义静止轨道标称投影，地理坐标可基于WGS84参考椭球计算或通过FY-4A标称网格文件查找表获取。FY-4A卫星多通道扫描成像辐射计的原始数据(AGRI)和二级云产品均来自国家卫星气象中心。本文选取的原始数据主要是反演所需的可见光波段(b2-0.65 μm) 反射率(VL)、近红外波段(b6-2.25 μm)反射率(NIR)和红外波段(b12-10.7 μm) 亮温(IR)以及云参数产品。原始数据空间分辨率0.5~4 km不等，为保证各波段数据协同一致，统一取4 km分辨率，云参数产品空间分辨率也是4 km。

(2) MODIS卫星资料。EOS/Terra卫星MODIS轨道原始数据(MOD021km)、地理信息数据(MOD03)、云参数产品数据(MOD06)均来自MODIS官方网站，数据版本为6.1版，原始数据可见光波段(b1-0.62~0.67 μm)反射率、近红外波段(b7-2.105~2.135 μm)反射率、红外波段(b31-10.78~11.28 μm)亮温及云参数产品，与FY-4A卫星基本对应。空间分辨率为1 km，同一观测轨道相邻文件时间间隔为5 min。MOD06 6.1版的COT和CER产品为采用可见光波段(b1-0.65 μm或b2-0.86 μm或b5-1.2 μm)与近红外波段(b7-2.1 μm)反射率联合反演得到，经查产品标志位信息，本个例反演主要采用b1通道，波段选取上与FY-4A一致。

1.2 研究方法

由于FY-4A卫星与MODIS资料空间分辨率不同，首先，对卫星数据进行插值处理，使二者之间具有可比性；其次，在对比卫星原始数据时，考虑光谱响应函数带来的影响；另外，为了使云参数更好地应用于定量降水估算，按照雨强大小，分类讨论云参数产品的偏差；最后，采用统计分析的方法研究卫星原始数据和云参数产品的差异性。

(1) 卫星数据处理。为保证统计分析结果之间具有可比性，首先两颗卫星在观测时间高度接近，其次，利用双线性插值法对FY-4A的原始数据和云参数产品进行空间格网重采样，生成与MODIS一致的1 km空间分辨率，裁剪成湖北及周边的空间范围(108°— 117°E、28°—34°N)。

(2) 光谱响应函数。多光谱传感器获取的图像具有多个波段，受硬件限制，传感器在某个预定波长范围内的响应不可能是100%，每个波段记录的能量值与光谱响应函数有关，不同卫星光谱响应函数的差异能造成卫星原始数据的差异，因此本文利用光谱响应函数(张勇等，2011)分析了两套卫星原始数据精度差异的原因。

(3) 雨强分类。降雨强度是指单位时段内的降雨量，以mm·min^-1或mm·h^-1计，以下称为雨强(RI)。参照姚莉等(2009)雨强的分类方法，本文将雨强分为[0, 1) mm·h^-1、[1, 5) mm·h^-1、[5, 20) mm·h^-1、[20, 50) mm·h^-1和[50, 100) mm·h^-1等五个区间。

(4) 统计分析方法。在统计分析FY-4A和MODIS原始数据和云参数产品的差异时，用到的统计物理量有平均偏差(B_ias)、相关系数(C_ORR)等(中国气象局，2011)。其中B_ias和C_ORR的计算公式分别为

$ B_{\mathrm{ias}}=\frac{1}{N} \sum\limits_{i=1}^{N}\left(X_{i}-Y_{i}\right) $

(1)

$ C_{\mathrm{ORR}}=\frac{\sum_{i=1}^{N}\left(X_{i}-\bar{X}\right)\left(Y_{i}-\bar{Y}\right)}{\sqrt{\sum_{i=1}^{N}\left(X_{i}-\bar{X}\right)^{2}} \sqrt{\sum_{i=1}^{N}\left(Y_{i}-\bar{Y}\right)^{2}}} $

(2)

2 卫星原始数据的对比分析

由于卫星可见光、近红外、红外波段的原始数据与云参数的反演密切相关，卫星原始数据的差异能影响云参数的反演结果。因此，需要从平面分布特征、纬向平均分布特征和统计特征三个方面，对FY-4A和MODIS两类卫星观测资料的原始数据进行对比分析。

2.1 平面分布特征对比

2020年6月27日03∶38 FY-4A与03∶40 MODIS可见光、近红外和红外波段平面分布如图 1所示。可以看出，两颗卫星可见光波段反射率的分布模态相同，高低值中心吻合。图 1a、d显示FY-4A在高反射率像元区小于MODIS观测值，FY-4A反射率极值在0.7~ 0.8的区间，而MODIS在0.8~0.9。图 1b、e显示两颗卫星近红外波段反射率虽然高低值分布基本吻合，但除暖云区少量像元基本一致外，大部分像元定量差异较大，表现在色谱上相差几个色阶。而图 1c、f红外波段亮温的对比则显示二者相似性很高。

2.2 纬向平均分布特征对比

图 2给出FY-4A与MODIS可见光、近红外和红外波段原始数据纬向平均分布的对比，纬度平均范围是30°—31°N (宜昌暴雨云团中心所在纬度范围)，即图 1中两条灰色虚线中间的区域。图 2a可见光波段反射率对比显示，MODIS曲线特征整体上比FY-4A略右移，相差约0.25个经度，证实二者在观测时间上的基本协同。其中在高反射率区，MODIS可见光波段反射率高于FY-4A，最大差值可达0.16；低反射率区二者基本一致。这主要是由FY-4A和MODIS两颗卫星在可见光的波段设置及其光谱响应函数的不同引起，另一方面也与卫星天顶角有关，将在下文中说明。图 2b近红外波段反射率对比显示，FY-4A变化区间(0.13~0.25)与MODIS (0.09~0.21)存在差异且差值大小西高东低，在冷云区FY-4A反射率偏大一倍，这主要源于光谱响应函数的不同。图 2c红外亮温对比显示，二者具有极高的相似度，在108°—109°E的区间两条曲线基本重叠，109°—117°E的区间由于观测时间差导致的云系移动，曲线之间存在些许错位。

2.3 统计特征分析

选取图 1中FY-4A和MODIS卫星各531 321个有效样本进行统计分析，表 1给出FY-4A与MODIS卫星三个波段的原始数据统计特征，从中可见：(1) FY-4A可见光波段平均反射率为0.474，MODIS为0.548，二者相关系数达0.91，平均偏差为-0.07，FY-4A可见光波段反射率总体上小于MODIS。(2) FY-4A近红外波段平均反射率为0.183，比MODIS均值0.131偏大近40%，平均偏差为0.05，相关系数仅为0.42。(3) FY-4A红外波段平均亮温为243.1 K，MODIS为239.5 K，相关系数达0.93、线性拟合斜率为0.979，平均偏差为3.70 K，FY-4A观测的红外波段亮温略偏高。

通过对较大样本、多种云型的综合统计显示，FY-4A与MODIS卫星对比的三个波段中，红外波段亮温相关性最高且线性拟合斜率接近1，与崔林丽等(2020)结果一致；可见光波段反射率相关性与红外波段相当，但线性拟合斜率为0.739，说明二者分布趋势吻合、但定量上存在差异；而近红外波段反射率相关性一般，线性拟合斜率仅为0.357，差异明显。

图 3所示的FY-4A与MODIS可见光波段反射率、近红外波段反射率和红外波段亮温的概率密度函数(PDF)也验证了如上结论。在可见光反射率低值区，FY-4A与MODIS的占比较为一致；在可见光反射率高值区，FY-4A占比偏小，MODIS可见光反射率区间分布更广、高值区占比更大(图 3a)，这表明MODIS观测的可见光通道反射率总体大于FY-4A的观测结果。图 3b中FY-4A与MODIS的近红外波段反射率PDF变化趋势较为一致、均为单峰分布，但错位明显，在反射率大值区间内，FY-4A占比更大，说明FY-4A观测的近红外通道反射率整体偏大。图 3c中FY-4A与MODIS的PDF分布基本吻合，无论是亮温分布区间还是峰值位置都基本一致，仅MODIS的红外波段亮温在低温区占比略偏多、高温区略偏少，整体上低于FY-4A的结果。

3 卫星原始数据的偏差原因分析

不同卫星光谱响应函数的差异能造成卫星原始数据的差异(张勇等，2011)。此外，不同卫星观测角度的不同也会对原始数据的差异造成影响。因此，本节分别从光谱响应函数的差异和卫星观测角度的差异两个方面来分析FY-4A和MODIS两类卫星原始数据的偏差原因。

3.1 光谱响应函数的差异性

图 4给出FY-4A和MODIS卫星原始数据可见光、近红外和红外波段光谱响应函数，可以看出，相比MODIS的窄光谱，FY-4A的波段普遍较宽。两颗卫星在三个通道的中心波段位置上均存在一定的偏移，尤其是图 4b近红外波段，FY-4A可见光波段(图 4a)的光谱响应函数呈双峰结构、正态特征不显著。相比而言，二者红外波段的光谱响应函数差异较小(图 4c)。光谱响应函数的差异一定程度上造成FY-4A和MODIS观测的原始数据不同，光谱响应函数差异最明显的近红外波段，原始数据偏差最为显著。

3.2 卫星观测角度的差异性

影响观测到的反射辐射值的几何角度包括太阳天顶角、卫星天顶角以及太阳和卫星之间的相对方位角(以下简称相对方位角)，对于同一时间同一位置的分析对象来说，太阳天顶角是固定的，不同的是FY-4A和MODIS两颗卫星由于在轨位置差异所产生的不同卫星观测角度。SBDART辐射传输模式的敏感性试验表明(陈英英，2007)，相对方位角对可见光波段反射函数影响较小，而卫星天顶角则存在一定影响，表现在：当卫星天顶角大于60°时，可见光波段反射函数对卫星天顶角比较敏感；当卫星天顶角小于60°时则不敏感。

图 5给出FY-4A和MODIS卫星天顶角的平面分布，可以看出FY-4A与MODIS卫星的卫星天顶角的分布区间分别为34°~40°和27°~57°，最大值均小于60°，依据陈英英(2007)的研究可知，两种卫星的卫星天顶角对可见光波段反射率的影响均较小。因此，尽管两种卫星天顶角的空间分布存在差异，但是这种差异对可见光波段反射率影响并不大，故两类卫星的卫星天顶角空间分布差异引起的原始数据的偏差可以忽略不计。

4 卫星云参数的对比分析

卫星原始数据是云参数反演的基础，而云参数则在云和降水分析中具有更明确的物理意义，可建立与降水的定量估算关系。因此，在两类卫星原始数据的对比分析及偏差原因分析的基础上，进一步从平面分布特征、纬向平均分布特征和统计分析特征三个方面对FY-4A和MODIS卫星产品云参数(COT、CER和CTT)进行对比分析。

4.1 平面分布特征对比

2020年6月27日03∶38 FY-4A反演的COT、CER和CTT与03∶40 MODIS相应产品的平面分布如图 6所示。总体来看，FY-4A与MODIS反演的COT和CER两个参数分布模态相同，高低值中心基本吻合，但定量差异较大，与图 1反映的特征一致。与MODIS相比，FY-4A反演的鄂西南地区COT结果明显小于MODIS (图 6a、d)；对于CER产品，FY-4A的反演结果与MODIS相比，小值偏大、大值偏小，表现为CER分布区间较窄(图 6b、e)，这也解释了表 2中两颗卫星CER的均值接近但相关系数不高的原因。图 6c、f的CTT对比特征则显示，CTT低值区十分匹配，但对于CTT较高的区域，二者则在云区判识、CTT定量反演上存在较大差异，其中图片的右下角区域二者甚至呈反相，对比分析图 1c、f，可认为该区域是MODIS的反演出现偏差。

4.2 纬向平均分布特征对比

云参数反演算法由于采用的是对应几何角度条件下的辐射值进行推算，因此卫星天顶角所带来的影响可剔除，二者的差异主要是由光谱响应函数所带来的原始数据的差异及反演算法的差异所组成。选取与图 2相同的纬度范围做纬向平均，得到图 7的FY-4A与MODIS云参数云COT、CER和CTT的纬向平均分布曲线。

从图 7a可以看出，对于COT值较小的像元，二者反演结果基本一致，对于COT较大的像元，FY-4A的反演结果明显小于MODIS，且偏差幅度与COT的大小呈正相关。与图 2a对比发现，两颗卫星反演计算后的COT差值要大于可见光波段原始数据的差值，这一方面是COT对可见光波段反射率的影响为非线性关系的原因，另一方面是反演算法中冰云粒子谱分布的选择、冰云相函数的准确计算等都会带来影响(刘健，2015)。从图 7b可以看出，FY-4A反演的CER大值偏小、小值偏大，针对不同云型，CER整体变幅为15.76~30.64 μm，小于MODIS 12.51~38.32 μm的变幅，由于CER与近红外波段反射率呈负相关，FY-4A反演的CER大值偏小的原因是由近红外波段原始数据偏大而引起，但对于114.5°E以东的区域，对比图 2b可以看出，在原始数据差异不大的情况下，FY-4A反演的CER小值偏大，可能是受卫星天顶角订正的影响。图 7c中CTT曲线的分布特征与图 2c红外波段亮温基本一致，主要差异体现在MODIS的CTT曲线在115.2°E附近存在一个明显的谷值，幅度大于红外波段的原始数据所带来的偏差。

4.3 云参数统计特征分析

表 2给出了FY-4A与MODIS卫星产品的三种云参数统计特征(从图 6中可见，MODIS反演的COT、CER产品与CTT产品的有效像素数量不同，引起样本数不同)，主要结论为：(1) FY-4A反演的COT均值为20.9，小于MODIS的COT均值28.7，二者平均偏差为-7.7，相关系数为0.83，说明二者趋势吻合、仅在定量数值上存在一定差异，尤其是云顶相态为固态的像素，应建立更符合冰云模态的正演查算表(刘健，2015)。(2) FY-4A反演的CER均值为27.0 μm，略低于MODIS的CER均值28.2 μm，偏差仅-1.7 μm，但相关性较差(相关系数为0.68)，并且FY-4A反演的CER的区间分布较窄。(3) FY-4A反演的CTT均值为238.2 K，大于MODIS的CTT均值229.4 K，二者平均偏差为9.8 K，相关系数为0.73，明显低于红外波段原始数据的相关性，线性拟合斜率为0.789。部分像素CTT偏差较大，FY-4A反演更具优势，多为低云样本或云与晴空的分界。

图 8给出了COT、CER和CTT的概率密度函数，验证了如上结论。图 8a中在COT小值区，FY-4A与MODIS一致，在COT＞60的区间，FY-4A占比几乎为0，MODIS反演的COT值分布更广、在COT＞60的区间仍有一定占比、直至150 (上限)，因此在利用COT这一参数定量分析深厚降水云系的云特征时应注意FY-4A与MODIS产品的差异。图 8b中CER的PDF曲线均呈较为对称的单峰分布，但MODIS在小值区和大值区均有延展，其CER区间分布为6~56 μm，明显宽于FY-4A的12~40 μm的区间，且MODIS曲线PDF峰值右移，峰值所在的CER值为34 μm，大于FY-4A所对应的28 μm。图 8c中CTT的PDF曲线特征与红外波段亮温的PDF分布(图 3c)基本一致，表现为MODIS的CTT在低温区占比略偏多、高温区略偏少，但差异幅度比MODIS红外波段亮温的PDF (图 3c)要大，这主要因为是MODIS对低云的CTT反演出现偏差的缘故。

5 不同雨强条件下的云参数精度比较

研究表明，云参数与降水关系密切(桂海林，2019)，不仅定性上与降水概率存在较好的相关性，还可以明显提高小时雨量的估计精度。此外，微波亮温的模拟计算(顾成明等，2016)、WRF模式云参数化方案的设计(曹蓓等，2019)等也都需要云参数的定量观测真值。为了更好的利用FY-4A卫星反演的云参数建立遥感定量降水估算模型，改进模式参数化方案，在分析FY-4A与MODIS卫星云参数的差异基础上，进一步分类对比研究十分必要。

按照雨强(RI)大小分级开展FY-4A与MODIS卫星反演云参数的对比分析，根据湖北地面站观测的降水资料，按照不同等级的雨强将降水云系进行分类统计。选取与各个气象站最为邻近的卫星像元，按雨强分级统计了分FY-4A与MODIS卫星反演的云参数的偏差及相关性，如表 3所示。从表 3可以看出，对于降水云，各个雨强区间都有足量样本，随着R_I的增大，样本数减少、三个参数的相关系数也总体呈减少趋势。其中COT和CTT的相关系数较高，在RI＜50 mm·h^-1的四个区间，C_ORR均大于0.5，CER的相关性略差。从不同参数来看，FY-4A反演的COT普遍小于MODIS的结果，且在[0，50] mm·h^-1的雨强区间，COT的差值随雨强的增大而增大，其中在[20，50) mm·h^-1的雨强区间，COT的平均偏差达到57.1；而对于雨强[50，100) mm·h^-1的降水区间，二者之间的差值未进一步增加。FY-4A反演的CER同样小于MODIS的结果，偏差也在雨强为[20，50) mm·h^-1的区间达到最大，而FY-4A反演的CTT大于MODIS的结果，与COT、CER不同的是，CTT的差值在雨强[0，1) mm·h^-1的区间中最大，随着雨强的增加持续递减，在[50，100) mm·h^-1的雨强区间中，二者的平均偏差仅为0.4 K。

6 结论与讨论

通过对比分析2020年6月27日湖北宜昌城区一次极端暴雨过程近同时次的FY-4A与MODIS卫星原始数据及云参数(COT、CER、CTT)，评估了FY-4A卫星云参数产品的精度及其在不同雨强条件下的适用性和可靠性，初步得到以下结论：

(1) FY-4A可见光波段反射率总体上小于MODIS，二者的相关系数为0.91，平均偏差为-0.07，说明二者分布趋势吻合、但存在定量差异；FY-4A近红外波段反射率比MODIS偏大近40%，平均偏差为0.05，相关系数仅为0.42；FY-4A红外波段亮温略高于MODIS，平均偏差为3.70 K，相关系数达0.93、线性拟合斜率为0.979。卫星原始原始数据的偏差原因分析发现光谱响应函数的差异一定程度上造成FY-4A和MODIS观测的原始数据不同，这种差异最明显的是近红外波段；尽管两种卫星天顶角的空间分布存在差异，但是这种差异对可见光波段反射率影响并不大，因此两类卫星的卫星天顶角空间分布差异引起的原始数据的偏差可以忽略不计。

(2) FY-4A反演的COT均值为20.9，小于MODIS的COT均值28.7，二者平均偏差为-7.7，相关系数为0.83，说明二者趋势吻合、仅在定量数值上存在一定差异；FY-4A反演的CER均值为27.0 μm，略低于MODIS的CER均值28.1 μm，偏差仅-1.7 μm，相关系数为0.68；FY-4A反演的CTT均值为238.2 K，大于MODIS的CTT均值229.4 K，二者平均偏差为9.8 K，相关系数为0.73，线性拟合斜率为0.789，FY-4A反演更具优势。

(3) 对不同雨强的云参数反演精度而言，FY-4A反演的COT普遍小于MODIS的结果，在[0，50] mm·h^-1的雨强区间，COT的差值随雨强增大而增大，其中在[20，50) mm·h^-1的雨强区间，COT平均偏差达57.1；而对于[50，100) mm·h^-1的雨强区间，二者之间的差值未进一步增加。FY-4A反演的CER同样小于MODIS的结果，偏差差值也在雨强为[20，50) mm·h^-1时达到最大。FY-4A反演的CTT大于MODIS的结果，在雨强[0，1) mm·h^-1的区间最大，随着雨强的增加持续递减，在[50，100) mm·h^-1的雨强条件下，二者平均偏差仅为0.4 K。

引起卫星反演偏差的原因有很多，除了因光谱响应函数不同而导致的卫星原始数据差异外，FY-4A与MODIS观测的视角差异、反演算法的不同(包括对薄云、冰云的处理等)和不同仪器空间分辨率的插值计算方法、两颗卫星观测时间上的不完全匹配等也有可能对二者的相关性产生影响。但较大样本的统计分析，仍能在一定程度上反映FY-4A与MODIS卫星在原始数据及反演产品对比方面的普遍特性，可为建立卫星参数化阈值指标、数值模式资料同化和卫星资料融合应用等研究提供参考。