微波遥感翻译.docx
《微波遥感翻译.docx》由会员分享，可在线阅读，更多相关《微波遥感翻译.docx（18页珍藏版）》请在冰豆网上搜索。
微波遥感翻译
出处：
应用气象学和气候学期刊45期
题目：
基于被动微波辐射线测定的降水和潜热分布。
第一部分:
改进后的方法和不确定性因素
作者：
马里兰州巴尔的摩巴尔的摩郡马里兰大学地球系统技术联合中心的WILLIAMS.OLSON、CHRISTINECHIU和WANGYANSHENG,科罗拉多福特柯林斯科罗拉多州立大学大气科学系的CHRISTIAN·dKUMMEROW，弗吉尼亚费尔法克斯乔治梅森大学计算机科学语言学院的SONGYANG,威斯康辛州威斯康辛麦迪逊大学大气和海洋科学系的GRANTW.PETTY，马里兰绿化带美国国家航空和宇宙航行局戈达德航天中心大气实验室的WEI-KUOTAO、SCOTTA.BRAUN、THOMASL.BELL，马里兰中共科学系统和应用程序公司的STEPHENE.LANG，马里兰绿化带Goddard地球科学和技术中心DANIELE.JOHNSON
发表日期：
2005年2月11日（手稿,在2005年9月收到最终表格2）
摘要：
经过修订的贝叶斯算法可以用来估计表面对流降雨雨率、比例，以及星载遥感潜在的加热型材在被动微波辐射计观测海洋背景进行描述。
该算法利用搜索大型数据库的云层辐射模型模拟的方法来发现云对辐射起作用的现象,符合一套既定的微波辐射的测量结果。
利用这些对辐射起作用的复合型材能够获得所观察特性的最佳评价。
该算法还具有更好的对流和量化非对流的贡献降雨总量、新的地理数据库,提出了一种改进的表示法在rain-free背景美地区。
偏差和随机误差的估计是来自应用人工合成的光辉算法的数据,基于云层解析模式模拟的一个子集,从贝叶斯公式本身。
合成降雨比率和潜热加热估计趋势的高（低）反演值低（高）。
贝叶斯估计的随机误差传播给代表误差粗糙的时间和空间分辨率,基于该算法的应用TRMM微波相机（下达）的数据。
TMI在降雨比率估计中的瞬间误差为0.5°——分辨率大约在1mm/h（50%）到20mm/h（20%）之间变动。
在这个分辨率上，对应的星载雷达的误差大约是TMI的50%-80%。
TMI误差估计算法的随机误差按月变化，与罕见的瞬间采样法（在相同的降雨比率下，8%-35%）相比，2.5°的分辨率相对较小（比5mm/day低6%）。
随着降雨比率升高，源于样品的百分比误差降低，潜伏热比率遵循相同的规律。
随着潜在加热采样误差的比率减少，平均超过三个月降雨比率的采样误差以5mm/day的速度降至6%-15%。
1.简介
在过去十年间，利用时间和空间卫星诊断降雨量帮组创造了一个更清晰的关于地球的气候和它的的变异性图像。
（例如,RasmussenandArkin1993;XieandArkin1997;CurtisandAdler2000;Adleretal.2003）。
这些研究依赖红外遥感,被动微波,和星载雷达测量来完成热带降雨的测量任务（TRMM;1997-present）此外，从太空使用数据同化的模型预测方法利于总体流通数值的天气预报,这已被充分的论证。
（例如,Houetal.2000,2001,2004;Krishnamurtietal.2001）。
如何更好的了解沉淀过程影响大气,下一步是考虑对流、层划分次降雨,因为这类划分是整体联系在一起的,其分布的对流系统和垂直运动将热量散发在大气中（Houze1989年12月初版。
）从独立规模对流元素到哈德利和沃克环流，潜热加热是大气对流的驱动机。
因此，4D分布的知识分析潜热加热过程中所获得的卫星观测结果可用于研究这些环流并帮助量化非绝热加热场的组成部分大气能量预算。
在一系列的研究中,杨和史密斯（1999a,b,2000）表明,潜热加热剖面从特殊微波成像传感器（SMM/I）卫星观测进行估计是可能的。
只有少数研究利用
卫星云图/层比例估计用在数值模型和潜热加热同化的实验中。
然而,经过很大的改进的利用数值模型和预测甚至近似卫星估计降雨比率激发了有趣的新实验,在这些新实验中卫星对流/层雨比例和潜热加热比率将会被吸收。
TRMM的主要目的之一是得到有关三维分布的更好的理解和热带中的演化的潜热;见于辛普森孙俐等人（1988）。
TRMM的装有卫星观测和被动主动微波传感器,它能提供的测量结构的水平和垂直方向的降水量的气氛与相对较高的空间采样5公里（最小间距）。
目前研究的目的是为了检测基于被动遥感TRMM的TMI观测数据的估测持续沉淀和潜热加热率的潜能。
紧随该调查而来的是一个调查，该调查是关于贝叶斯评价算法应用于特殊微波传感器在估计表面降雨率、对流降雨比率和潜热加热比率中的数据观测（Olson等人1999）。
在目前的研究中已经证明除了测得的微波距离，有关对流部分降水的包含有名无实的卫星分辨率的经验性评价需要包含合理而清晰的表面降雨率和潜热加热的评价。
对流部分信息的一个有利方面是在同一分辨率下，它提供了水平方向上不同层次的降雨地区的测量，这是建立平均分辨降雨率和高微波辐射之间联系的关键。
对流部分同样也是潜热加热侧面垂直运动的指标。
例如，一个大的对流部分在高分辨率下（大约10km），与更强的向上运动和上升的穿过云层深度的的潜伏热相关，而一个大的不相关的降雨总体上指示弱的中比例尺的上升和低海拔的减少与蒸发冷却；见Houze（1989）。
在Kummerow等人看来，目前研究的目的是提高和扩展贝叶斯估计算法（2001;第五版）以提供关于降水和潜伏热的持续稳定的评价，这是基于被动微波观测的TMI海洋观测。
本技术只能用于海洋表面，因为任何关于垂直结构的TMI观测数据会受陆地上强微波散射的影响；也就是说，液体沉积物的散射/吸收不能简单的看做是陆地散射的某种变化。
本方法通过以下方法进行优化：
（a）扩大贝叶斯算法的云层散射模型数据库来包含更广阔的降水系统；（b）制作云层分解（CRM）算法数据库仿真模型中关于冰微粒的基本调整以产生更符合现实情况的冰雹和雪散射；（c）在云层分解模型模拟中包含进混合相位沉积物的影响；（d）利用云层分解模型模拟和卫星观测数据中的对流雨和总的降雨地区的持续定义；（e）包含一个新的地理数据库来更好的区分海、洋和陆地；（f）在无雨地区建立一个更加稳定的微波散射背景。
这些改变联合起来使得沉降物的被动微波估计与独立雷达估计以及潜热散射有更好的一致性，从而使大气散射有更好保真度。
见Yang等人（2006,hereinafterPartII）
贝叶斯估计算法的结果是作为目前TRMM设备算法为估计TMI观测数据中的降雨相关参数的核心（2A12,version6）。
在第二部分，TMI观测数据的特征和基本估计算法会被简明的重述，改进参数的估计产生的变化在第三部分描述。
在人工检索研究中，该算法被用于来自云层分解模型模拟的微波辐射合成，进而被用于估计恢复参数中的混乱和随机误差。
在微波数据中由于信息不完整导致的自由误差也能被贝叶斯方法导出。
人工检索和基于算法的方法将在第四部分应用和讨论。
微波算法的基本容量的证明是利用2000年7月热带和亚热带海洋的TMI观测数据。
降水和潜热以及他们的不确定性包括随机抽样的误差在月平均估计中被测试。
报纸以一个简明的总结和对未来指导工作的影响作结。
就像描述的那样，两部分中的第一部分在第六版TMI算法中提供了变化的回顾以及基于该算法的理想模型的不确定因素。
在第二部分，不同尺度情况下的算法误差直接来自于同独立观测的比较。
这些估计错误会同第一部分得到的模型化的估计错误进行比较。
降雨率和潜热的遥感估计以及对它们不确定性的认知，对现在和未来的数据同化和气候分析应用有重要意义。
2.数据和基本方法
aTRMM观测数据
在本研究中提出的分析是基于观测数据的，综合的和现实的都是，来自于TMI。
TMI是TRMM卫星观测台装载的五个传感器之一，它于1977年11月发射到近地轨道以提供热带亚热带的对流特征数据（35°S–35°N）。
TMI是一个扫描的拥有双重极化通道10.65,19.35,37,和85.5GHz，以及21.3GHz的垂直极化通道，见表一。
对于大气中的完全的液体沉积物，低频通道较垂直通道有更好的敏感性。
随着频率的提高，垂直通道对于冰相沉积物的敏感性逐渐上升而对降雨的敏感性下降。
由于这些敏感性，TMI有一个粗略的沉降物作图性能，可以稍微弥补低频通道有限的空间分辨率。
除了TMI上垂直沉积结构提供的信息，水平方向上的信息也能通过沉降物小范围的特征变化或者多分辨率观测卷积获知，如Petty（1994b）所说。
TMI所有通道的长度采样分辨率大约是14km，交叉采样分辨率约为4.5（85.5GHz）和9（剩余波段）km。
另一个TRMM仪器，降水雷达（PR），在降水回波13.8千兆赫的测量使用最低点,因此被用来来推断一个侧面的沉淀含水量;见表1。
PR的215km宽的列居于RMI760km宽的列的中心，提供同PR一致的覆盖范围。
对应于TMI，PR的更大的距离分辨率（0.25km）和水平抽样分辨率（4.3km）导致在重新沉淀上拥有更多的结构化细节，因此PR在现在的沉降物估计研究中被用作参考模型。
b．云层性质的估计
TMI检索算法（2A12,version6）是基于Kummerow等人（1996,2001）对Olson等人（1999）的潜热估计贝叶斯技术的扩展。
在这个算法中，CRM模型与辐射传输码耦合，被用来产生一个大的关于沉降物和潜热垂面和相应上升微波辐射的支持数据库。
给定一系列观测的多频道的来自特殊传感器的微波辐射，所有的辐射模型都会被扫描；重获的侧面是数据库中一系列的对应于模型辐射的与观测辐射一致的侧面的复合。
正式地说，一个TMI估计的侧面参数可以由下面的公式给出：
其中模型表面矢量Xk包含所有的参数，包括表面降雨率，对流降雨率，固相/冰相沉降物，以及潜热表面，对应于模型辐射指数IS（Xk）。
这个辐射指数，在构造于不同的辐射计频道频率和极化，是Petty（1994a）定义的标准的极化和散射指数。
类似的定义，IO是一个传感器观测辐射指数矢量。
独自的，SI和OI是模型的和测得的微波辐射指数协方差误差矩阵，M是一个归一化因数。
至于观测数据的附加信息，例如降雨区域和对流雨的评价，在名义上的卫星分辨率（对TMI而言，14km）被包含在约束参数C中，
在这里，fs是模型约束参数矢量，f0是对应的观测参数矢量；Sf和Of分别是是模型和测得的约束参数误差协方差矩阵。
关于降雨区域和对流雨区域约束参数的描述在第三部分。
只有误差协方差矩阵的对角元素SI，OI，Sf和Of是在第五版TMI算法中明确给出的；见Kummerow等人（2001）。
在
（1）中包含了所有的模型表面/辐射指数在支持云层辐射数据库的总和。
原则上，任何表现出来的云层属性在支持云层辐射模型模拟都能利用公式
（1）估计出来进而在属性变化被动微波观测中有足够的敏感度。
通过这种方法，表面降雨率的估计，对流雨比比例，以及沉降物和潜伏热的表面能够制成不同精度的范围。
因为，总体上，多通道被动微波观测包含关于沉降物和相对云层参数有限的信息，所以，事实上，这些参数的分配在任何系列的观测中有着一致的、既定的分辨率位置。
公式
（1）的表达给出了分配的含义，它利用公式（3）也有可能给出对于任意的角度评价参数X的分配变化能够在评价X时产生不确定性因为有限的观测信息。
公式（3）给出的不确定性将存在即使在算法中的云层指数模型模拟和辐射计观测没有误差。
因此，公式（3）解释了由于观测内容信息不足导致的自由误差，在估计中将产生来自云层指数模型的附加的不确定性。
因为相关的沉降物的实际数量同过独立观测是困难的，（3）式至少提供了在算法估计的自由误差中一个低的范围——一个基本的在导出产品自由误差的估计中的“基础材料”（在第四部分描述）。
3.TMI算法的修改
随着TMI设备算法第六版的发展，数个修改被添加进去以支持潜热加热估计。
这个改进不仅导致更高级的物理模型能够更好的对在TMI频率中云层属性和上升微波辐射之间的关系作出反应，而且导致来自TMI观测数据更好的信息抽取以隔离被估计的云层属性观测中的相关性。
尽管主要的修改目的是潜热的估计，但是算法提高的敏感性导致表面降雨率的评价总体上与独立评价之间的误差减少；见第二部分。
a．云层辐射模型支持数据库中更高的多样性
在第五版的的TMI算法中，贝叶斯估计算法是基于云层模拟的对应于三个不同的热带亚热带海洋应用观测环境。
这些模拟被表2中的模拟代替。
四个新的模拟应用了戈达德堆积合奏（GCE），一个在Tao和Simpson（1993）和Tao（2003a）中被描述的三维的，非静水力学的云层散射模型。
在这个模型中的物理参数化是对基于Lin等人（1983）的微观物理过程描述，以及来源于Rutledge和Hobbs（1984）的附加过程。
云,雨,液体云、冰、雪、冰雹的体积含水量是通过变形计算的。
将单元素和微观物理学用于GCE模型的方案被称为“3ICE”方案。
中尺度对流系统的GCE短期模型经常同一个来自雷达测风数据的既定环境的快速传播的冷的同伴一起。
然而，云层系统的长期测量能够通过对环境条件的刺激来模拟，运用观测的大比例温度和湿度平流趋势和观测的水平动量（Johnson等人2002）。
19-26期的12月的热带海洋全球气候联接的海洋—气候响应实验（TOGACOARE）模型在表2中展现。
长期模型的效应是对流系统类型更大的光谱范围能被表现出来由于在模型中环境条件的改变，同时这些多变的系统能被引出到算法应用对模型进行时间抽样。
在目前的研究中，更少的关联性的来自cool-pool–forced模型的对流，是在23期的TOGACOARE模型的3周期的基础上画出来的。
尽管对流系统上至风暴线能被成功地利用GCE模型模拟出来，但是植入对流的改进在大比例尺系统需要一个模型能够代表比例关系。
基于这个目的，第五代的宾夕法尼亚大学国家大气模型研究中心（MM5;见Dudhia1993）被使用，但是MM5模拟中的微波物理计划也是3ICE计划的一部分，该计划包含尽进了MM5，见Tao（2003b）。
MM5模型拥有大约2km的分辨率以获取云和沉降物必要的空间结构为了计算适当的微波辐射通过模拟结构的转换。
利用嵌套格网，可以对HurricaneBob（1991）内核的MM5模型和冷热交替地区以及冬季和夏季………………气旋进行处理。
尽管在表2中列出的模型代表的仅仅是能被TMI观测到的一小部分系统，但是在贝叶斯算法支持数据库包含的这些模型较之早期的算法能在沉降物和潜热表面导致更大的多样性。
b．cloud-resolving模型冰微粒的调整
在本研究之前，基于3ICE微观物理学的一个重大缺点是广泛的扩大到沉降物地区的graupel的分布，与任何的对流上升图像都不相符。
这些graupel分布被错误的考虑由于graupel主要随着液态水的增加而增加，那通常会限制对流上升区域。
为了在3ICE容量微观物理参数化的约束下解决这个问题，当云层的液态水和雨可以忽略不计时，graupe在模型格网点收集雪的效率被设为0。
尽管这个改正过于简化，但它避免了雪-graupel采集核心的重构问题以及被证据证明“干燥的”冰的收集能力是相当有限的；见Pruppacher和Klett（1997）的总体描述。
这个改进同时也提高了冰相沉积物的的微波散射分布，因为在stratiform区域模型中过多的graupel散射被提前消除。
c．CRM模拟中混合相效果的介绍
在表2中列出CRM模型，冰相融化水汽凝结被简化，任何的冰融水都当做雨;也就是说，在模型中没有明确的混合相沉降物。
为了解释混合相沉降物的影响，在Olson等人（2001a,b）在一维混合沉降物的描述被用于所有层状格网点在算法支持数据库的CRM模型。
这个参数化是一个定长状态模型能模拟融化的雪和冰雹微粒的演变，给定它们的光谱只在冰冻高度以上就像CRM模拟的那样。
融化微粒的混聚物和电磁属性被计算出来，代替原始的VRM数据。
d．在模拟尺度上云层和沉降物属性的定义
就像第二部分描述的那样，任何的CRM中模拟的云/沉降物属性x可能通过利用
（1）被潜在的来自于TMI的数据恢复。
然而，云层/沉降物属性的特殊选择和它们的分辨率在某种程度上是不相关的。
假定TMI传感器的空间采样分辨率（13.9km），一个14km的名义上的“分辨率”被选择作为第六版算法产品的分辨率。
云层潜热被定义为Q1-QR，表面热源比来自辐射热/冷的贡献要小；见Yanai等人（1973）。
漩涡热流聚合贡献到Q1-QR被定义到相对的55km分辨率的平均区域。
CRM模拟中的对流和非对流格网点的定义不仅需要考虑对流和层状雨属性，那是用TMI算法来计算，而且需要考虑对流区域，它被包含进
（2），来执行算法估计。
在第六版的CRM格网点的新的对流/非对流的分类是基于模型估计质量流的垂直结构的估算。
这是受Xu（1995）的分割法的启发而得到的。
利用这个对流/非对流的分类，对流区域的部分以（14kmX14km）的分辨率进行计算。
除了对流区域，总降雨率部分定义为14kmX14km分辨率的区域当表面降雨率的格网点模型值超过0.3mm/h时，也会被计算。
区域对流和总降雨量同来自在算法约束
（2）中的TMI数据的经验估计进行比较。
对表面降雨量的对流贡献和所有模拟比例尺的Q1-QR同样被计算出来参数的矢量X也被包含在内进行估计。
e．新的地理数据库
算法操作的重点是地球表面的海岸、海洋和陆地在卫星分辨率下正确的分类。
目前，关于“海岸”的定义是依据一个距离最近陆地（如果被海洋覆盖）或海洋（如果被陆地覆盖）的临界值。
这个定义的缺点是相当大的开阔水域中间有小块陆地也将被定义为海岸,阻止了更合适的海洋算法对这种情形的使用。
此外，大面积的内陆被定义为海岸由于附近河流湖泊的存在。
一个改进的地理数据库因此被开发出来基于圆包围特殊区域相反表面类型最小半径。
这个地理数据库的出发点是美国海军的1/6°X1/6°的全球海拔数据库，它包含了每个格网点的地理类型。
对于水面上的1/6格网点,以那个位置为中心的圆的半径回增加当这个圆包含了5%的陆地区域。
最终的半径是记录在格网点上的距大块陆地的效距离。
对于陆地上的点，使用类似的操作，除了水的覆盖范围被设定为20%。
一个陆地上的格网被定义为海岸当半径小于50km；水面上的点被定义为海洋如果半径小于30km。
陆地/海洋区域的临界值和半径的定义是主观的，基于沿海地区的TMI影像检测和降雨率估计的。
这样做的目的是尽可能少的将格网点定义为海岸，当持续的保证以位置为中心的TMI分辨率被定义为海洋和陆地将不能用相反表面类型测试操作性的重大的区域。
f．自由降雨辐射区域背景的计算
在这个研究中，TMI算法被用于海洋区域，因此辐射目录[ISandIO在
（1）中]是Petty（1994a）所说的标准。
这些目录用于定位源于辐射中变化的沉淀微粒的微波信号由于变化的海洋表面散射率，海洋表面温度和大气水蒸气，同时去除由于散射造成的微波衰减的亮度温度效应。
两个目录都是基于对背景辐射的合理的估计当没有云和沉降物。
在第5部分，背景辐射为附近位置的真实辐射，相对的认为没有雨和云。
遗憾的是，定义这些点的标准是不现实的，在任何情况下，在任何合理的半径范围内甚至无云像素的存在都不能保证。
因此，背景辐射的估计通常要么太温和要么太极化，多大10K甚至更高。
在第六版，一个改进的算法被应用基于直接TMI的水蒸气V和合海洋表面风速U的估计，它们两个甚至在有云地区起效只要沉降物干扰不是很严重。
这种方法极大地提高了海洋区域的估计因为可靠的背景辐射的位置估测可以进行；这些改进然后进入相对小的沉降物干扰严重的区域。
这个基本过程为Petty（1994a）提出。
这个改进的最终结果是背景辐射区域变得更平滑和更真实对比于第五版算法的结果。
这个算法数据库的云层辐射模型模拟的辐射目录被估记是用过评估真实辐射背景区域。
也就是说，每个模型格网点的上升辐射的计算都将云和沉降物含水量设为0。
g．对流/非对流降雨区域约束的再现
在第六版TMI算法的改变对云层潜热表面的估计的最大的影响是TMI观测中对流覆盖区域中和估计有关参数的描述，以及CRM估计中同样参数的估计。
在ＴＭＩ算法的最近版本中，只有名义上的TMI分辨率下的对流的区域估计被用作
（2）中的约束。
在第六版中，这些区域的对流雨和总降雨被估计，而这被包含进公式
（2）。
就像第五版中那样，第六版中TMI分辨率的区域对流雨被作为最小参数估计，并结合了来自TMI极化签名和图像纹理的对流部分估计（见Olson等人，2001c）。
这里是，fpol基于TMI极化数据库的的对流部分估计，ftex是基于图像纹理信息的估计，tex和pol是依据这些估计的不确定因素。
在第六版，基于极化的对流区域评价fpol见（8）中Olson等人（2001c），但为了适应第六版算法中名义上的分辨率区域（14kmX14km）会有一个轻微的边缘观测滤波。
fpol的一个统计适应被使用于基于合成辐射数据使之与云层模型对流区域保持一致。
极化对流区域评价的误差方差
见（16）中Olson等人（2001c），通过同样的边缘观测滤波和统计适应。
极化对流区域评价是可靠的只有当大的源于溶解的冰的反射被观测到。
反之，微波图像纹理和液体沉积物散射特征必须用来识别对流。
在目前的研究中，如果85GHz的散射指数S85（来自Petty1994a）低于40K，然后一个可供选择的基于纹理的对流部分估计将被计算。
在计算基于纹理信息的对流部分时，三个对流指数被用来首先确定对流能否在TMI分辨率-（a）P37grad，这是同37GHz（Petty1994a）和相邻分辨率（b）wpol最大的区别,一个基于fpol的空间贡献的“对流的可能性”
和（c）P37max,37-GHz的在任何方向的标准极化第二大的空间衍生物。
在分辨率下在37GHz运用标准极化差异基于纹理的对流区域被估计如下：
对于光学的厚的沉降物地区部分的充满一个微波覆盖区域，1_P37近似等于该覆盖区域沉降物的面积（Petty1994a）。
然而，即使对流被右边（5）中的指数实验给出，并不是所有的覆盖区域的对流是必要的。
因此一个ftex的基于合成辐射数据的统计适应被使用使之与生成的对流模型保持一致。
如果一个基于纹理的对流区域估计满足（5），那么估计的误差方差
被赋予0.2的一个值，根据目前Hong等人（1999）的工作。
可以证明对流雨区域的算法约束导致更加精确地沉降物和潜热加热的被动微波辐射；然而，对流雨和冰雹雨流量的相关比例比和垂直潜热结构更紧密（见Tao等人1993）。
尽管微波radiometric不能按照对流/冰雹雨流量直接解译出来，但是对流和冰雹沉降物覆盖区域的面积能被推断出来，如果除了对流雨覆盖范围，总降雨覆盖范围能被估计出来。
因此，重获于TMI数据的沉降物相关数量同样被名义上的覆盖范围内的总降雨区域制约。
根据Petty（1994a），飞机——平行约束中的总降雨面积能首先被下式近似：
然后使用合成数据调整。
对流区域和总降雨区域估计是包含进贝叶斯算法中的约束元素[2]的。
4.误差估计
重获沉降物相关参数中的误差能被估计来自于（a）TMI重获参数和独立数据的比较，（b）算法用于合成数据，（c）算法本身从贝叶斯算法中提取信息。
因为来自地面雷达或者降雨标准的独立降雨率估计可能包含相当大的随机误差，所以区分这下误差和算法误差往往是不可能的。
因此，选择（b）（c）在这里独立的估计包含进算法的误差和为误差模型的发展提供基础。
TMI算法的表面降雨量，对流降雨率，和Q1_QR独立估计，地面观测在这系列的第二部分展示。
a．合成数据
TMI观测是合成的运用同样的过程产生算法的支持数据库（见3a部分）。
表2中列出了云层分解模型模拟的子集，但是从算法数据库模拟中分离出来的被留出来代表“真实的”云层区域，沉降物和潜热。
这个子集包含了两个时间段的3D模型体积，分别来自于Hu
升级会员 