基于主动卫星数据研究不同云类型的全球分布.docx

1、基于主动卫星数据研究不同云类型的全球分布基于主动卫星数据研究不同云类型的全球分布利用主动遥感垂直探测的优势，由四年(2007-2010)的CloudSat云分类产品数据，即2B-CLDCLASSLidar，分析研究了不同云类型的全球分布及其昼夜差异。统计结果表明，云分类激光雷达能识别到更多的高云，高积云，层积云或层云以及积云，特别地，同早期的研究结果相比，本文中高云和积云的云分数分别增加了2.5和4-7倍。最新研究和其它的数据相比，至少与其中一个是较吻合的，典型的是ISCCP数据。另外，层积云和层云是全球主要的云类型，这个特点在洋面上表现得更加明显。然而，高云主要集中于热带和亚热带地区。我们还

2、发现，高层云和高积云主要分布分别在北半球和南半球的干旱/半干旱地区。总的来说，全球云量分布极不均衡，海陆差异明显。云量的高值多呈现于洋面上，包括南极大陆在内的所有陆面区域多为云量低值中心。高云和低云全球分布形式存在明显差异，其中陆面以高云为主，洋面低云相对较多。云量的高值和低值区散步全球，存在永久性和半永久性中心。关键词：云类型；分布；Cloudsat。 第一章 引言作为地球气候系统最重要的调节因子之一，云对辐射收支，地球水循环和大尺度环流有重要的影响（Hartmann等，1992；Stephens, 2005）。然而，由于对潜在物理过程的了解不够，云在气候和天气模型中的代表性地位不够明显(Z

3、hang等, 2005)，而这恰恰被认为是大气环流模式(GCMs)中预测气候变化的不确定因素的主要来源（Cess等, 1990；Wielicki等,1995）。在云的各种特性中，云类型是云的一个重要的宏观物理特性，对地球的辐射收支和水循环有特别的意义。一方面，不同的云类型受不同的大气运动支配，因而有不同的物理特性，由此导致完全不同的云辐射强迫（Ackerman等,1988；Betts和Boers,1990；Hartmann等,1992），并带来不同的降水形式和强度。另一方面，大气中不同云类型的频繁共现促进了目前复杂的云气候学研究。云在地气系统的水循环过程中起着至关重要的作用，不管是地表水，土壤

4、水还是地下水，都是来自大气中的云降水，大气降水是可持续利用的水资源的重要来源（陈永航，黄建平等，2005）。云量是宏观云物理属性中最重要的一个参量（刘奇，傅云飞等，2010），全球云量的分布直接影响到地气系统的能量收支，它是涉及到云在地球气候中作用的一个基本问题，了解全球云量分布和变化以及辐射收支状况一直是各国科学家长期努力的目标（汪宏七，赵高祥等，1994）。就云的辐射作用而言，一方面云吸收和散射入射的太阳辐射，它对太阳辐射较高的反射率起到了冷却地气系统的作用，这就是云的“反照率效应”；另一方面，云又捕获地表和对流层下层发射的红外热辐射，以它自身较低的温度和发射率向外射出热辐射，起加热地气系

5、统的作用，这就是云的“温室效应”（汪宏七，赵高祥等，1994）。在云影响地球辐射能量收支的因子中，云类型的变化表现出与云量相当的重要性。因此，细化不同云类型的全球分布的研究，有助于进一步地理解云在全球地气系统辐射能量平衡中所扮演的角色，改进全球气候变化预测模式中云参数化方案，减小其不确定性（陈永航，黄建平等，2005）。2006年四月下旬发射的CloudSat毫米波长的云廓线雷达（Stephens等，2002）和CALIPSO的正交偏振云-气溶胶雷达（Winker等，2007）给我们提供了一个前所未有的在全球范围内详细研究云的三维结构的机会。但是，最近的关于云类型的研究仍然很少。鉴于云类型的变

6、化是全球气候系统和云气候学研究中最重要的部分，在云类型没有被准确的描绘和进一步合理地呈现在模型中的情况下，大气环流模式很难做出准确的气候预测。因此，为了给气候预报模式中辐射的计算提供更精确和全面的云类型信息，我们计划用最新的云分类产品（即：Radar-Lidar 云分类产品）的两个主动传感器的相关测量来详尽地研究不同云类型的全球分布。作为我们研究的一个重要部分，本文将会进一步研究云类型的全球分布情况并用我们的研究结果来评估不同云分类产品中其测量结果的差异。第二章 数据由于被动传感器在云的垂直结构的测量方面的不足，Wang和Sassen (2001) 利用主动传感器的排列特性，通过结合多个地基遥

7、感的测量结果开发了一个算法来对云进行分类。基于他们之前的研究结果，Wang和Sassen (2008)进一步通过一个基本算法程序发展形成了2B-CLDCLASSLidar数据集。第一步是通过一个云掩盖算法执行一个云聚类分析，以识别延伸的云层。接下来，是根据一些特征比如最大雷达反射率Ze和它的温度、垂直尺度和水平尺度，又或者到达地表时有无降水将云群分为不同类型的云。云类型由5.0版本产品提供，包括：高云，高层云，高积云，层云，层积云，积云，雨层云 和深对流云。高云包括卷云，卷积云和卷层云，积云包括浓积云和晴天积云。雨层云，层云，积云，高积云和深对流云被归为降水云，而剩下的则是非降水云。根据云的平

8、均高度和温度、云底和云顶的高度变化和最大反射率，它们又被进一步分为高云，中云，低云。值得注意的是2B-CLDCLASS产品中有两个问题是应该被考虑到的：（1）在CPR的反射率资料中最低的3至4层信号会受到地表的影响从而干扰低层云（比如层云和层积云）的分类和观测。因此，将这两种低云结合起来并归为St+Sc(Sassen和Wang，2008)。（2）在2B-CLDCLASS产品中，没有包含云分类算法的激光雷达信息（也就是CALIPSO）。由于CPR对高的薄云层敏感的局限性，会导致卷云或卷层云的可探测性降低。因此，这两个问题都限制了云类型的观测。然而，星载偏振雷达(CALIOP)的辅助测量可以减弱C

9、PR的不足，它不受地表的影响，而且足够灵敏可以探测到薄的云。在接下来的研究中，利用CloudSat 2B-CLDCLASSLidar (1.0版本)（也就是所谓的激光云分类雷达）产品最新发布的四年(2007-2010)的数据，在全球范围内识别云类型和讨论其年际变化。这个产品将激光云雷达和雷达观测值结合起来，它们有独特的互补能力，能够向我们提供更加全面的云探测和云特性信息。关于2B-CLDCLASSLidar产品更多详细的信息，比如每个云类型的变化，可以在CloudSat网站上找到。在接下来的研究中，2B-CLDCLASSLidar产品中的云层(CL)和云类型（CLTY）数据作为云参数用于研究。

10、为了绘制出变量的区域特征图，我们将全球分为22的经纬度网格以便在每一个网格收集足够的样本数据。Hagihara等(2010) 和Li等人(2011b)定义了云分数和云量的概念，在接下来的研究中，云分数被定义为一个已知的网格中总的样本数量所包括的已确定的云类型所占的比例，且春季为三、四、五月；夏季为六、七、八月；秋季为九、十、十一月；冬季为十二、一、二月。云量定义为在一个给定的网格中采集的总的云文件数量所包含的确定的云类型的观测数量。总的来说，接下来的研究会进一步分析和讨论白天和晚上云类型的云量差异。由于CALIPSO和CloudSat观测不到一个完整的昼夜循环，因此，云分数或云量的昼夜差异特指

11、卫星过境的两个瞬时时间的差异。 第三章 不同云类型的全球分布和季节变化3.1 云层出现频率的全球统计和时间序列 表1为利用四年的研究数据由不同的云分类产品得出陆面和洋面上云类型的分布情况。其中包含了CloudSat ( Radar-Lidar)、CloudSat ( Radar-only)、Surface以及ISCCP四种云分类产品的研究结果。同早期的研究结果相比，高云和积云的云分数分别增加了2.5和4-7倍。相比于其它云分类产品的结果，具有较好的一致性，典型的是ISCCP数据。本文所采用的CloudSat( Radar-Lidar)的数据结果将白天和夜间分别表示，具有更高的精确度。由于激光雷

12、达相对于雷达有更强的穿透力，故能探测到雷达所探测不到的较厚的云，从而得到更准确的不同云类型的云分数结果，这个优势在对高云、高积云、层云、层积云以及积云的探测时表现得更明显。由表可知，云量的海陆分布差异明显，且洋面上云量多于陆面；云量的高值多出现于洋面上，且陆面以高云为主，洋面上低云较多。表1 利用四年的数据来研究比较陆面和洋面上云类型出现的平均规律。CloudSat （激光云分类雷达）：2B-CLDCLASS-Lidar产品（2007年1月-2010年12月）；CloudSat （云分类雷达）：2B-CLDCLASS产品 （2006年3月-2007年3月）。Surface：每年平均的地面观测报

13、告数据 （Hahn和Warren, 1999）； ISCCP: 从1986-1993的ISCCP年平均 （Rossow和Schiffer，1999）。这里是Sassen and Wang对后三年的统计结果（2008）。CloudSat ( Radar-Lidar)aCloudSat (Radar-only)SurfaceISCCPTypeLandOceanLandOceanLandOceanLandOceanHigh23.3 (29.4)25.2 (29.6)9.610.923.114.019.315.6As13.2 (14.3)10.3 (10.2)12.712.04.86.58.79.7A

14、c12.3 (13.1)9.5 (11.2)6.86.717.217.18.610.2St+Sc16.7 (11.5)31.3 (35.9)13.522.518.939.410.718.3Cu9.0 (5.4)12.5 (12.8)1.71.74.29.87.712.7Ns5.5 (5.6)5.7 (5.7)8.68.36.37.93.23.0Deep1.2 (1.1)1.1 (1.2)1.81.93.25.32.52.4a CloudSat( Radar-Lidar)的数据结果将白天和夜间分别表示。圆括号的数据代表夜间不同云类型的云量。 图1a-1b给出了分别利用四年昼夜数据而得的全球陆面和

15、海面上平均的云层（由CloudSat的一个垂直距离区别开来，也就是0.24km）的出现频率。不考虑地表情况，白天（晚上）大约有71.4% (75.6%)的全球样本探测到一层或多层云：46.5%(46.4%)探测到单层云，18.2% (20.9%)探测到两层云，5.1% (6.3%) 探测到三层云，1.6% (2%)探测到四层云或更多。很容易看出，白天和晚上的云量差异主要是来源于多层云，尤其是两层或三层云的情况。白天陆面（洋面上）云层的全球平均出现频率和晚上是相似的。陆面上单层云的最大昼夜差异为3.3% ，洋面上两层云的最大昼夜差异为-3.5%。总的来说，云在海洋上空比陆面上空出现更频繁，而且其

16、昼夜平均差异分别为11.7% 和18.9%。全球云量分布极不均衡，而且海陆差异显著。一方面，由于陆面上单层云云量较大的昼夜差异（3.3%）被多层云云量的差异 (大约-2.2%)抵消了一部分，所以最后陆面上总的云量差异很小（只有1.1%）。另一方面，洋面上多层云云量的昼夜差异(-5.2%)远比单层云的昼夜差异(-1%)要大。因此，我们得出结论：洋面上多层云云量的差异是总的云量差异的主要来源，尤其是包括高云和层状云在内的多层云系统。此外，在图1c-1f中分别标出了全球陆面和洋面上的平均单层，两层，三层和总云量的季节变化的时间序列。陆面上不同云层云量的季节变化是显而易见的。在陆面上，白天最小云量出现

17、的季节从秋季(2007-2008) 变为冬季(2009-2010)，而最大值总是出现在春季。然而，洋面上云量的季节变化明显比陆面要小。迹象表明，地表因素（比如：陆面上得气溶胶或水蒸汽供应有着更大的时空变化）是影响云量季节变化的主要因素。一个有趣的现象是，2008年秋季的日间全球平均总云量反常地低。这个极小值是由于在2008年秋季，白天洋面上单层云量以及洋面和陆面上的多层云量少引起的。图1 全球陆面和洋面上经常出现的云层的平均（从0.24 km处划分），（a）表示日间，（b）表示夜间，（从2007年到2010年）。（c）、（d）、（e）、（f）分别为全球陆面上和洋面上昼夜的单层云、两层云、三层云

18、和总的云分数的平均季节变化时间序列。3.2各种云类型的全球分布利用2B-CLDCLASSLidar产品的一个22的经纬度网格点，图2和图3分别表示出了不同云类型平均出现频率的季节变化和每年昼夜差异的最小值的全球分布规律。在图2中，从左到右，分别表示不同云类型春、夏、秋、冬的云量。从图2来看，大多数类型的云的空间分布和云量有明显的季节变化。高云主要集中在热带地区（热带辐合带）(图2a1-d1)，这和强烈的对流活动有关(在图2a7-d7中能看到)(Mace等，2006；Sassen等,2009)，在几个典型的高值中心云量可能超过60%，比如赤道中央的南美洲，西非，印尼和中西部太平洋暖池。由于哈德莱

19、环流圈内的云量呈下降趋势，所以亚热带地区的高云出现明显的低值。值得注意的是热带的高云云量，尤其是在几个高值中心，虽然模式十分相似，但与白天相比夜间出现的频率明显更高（甚至超过13.5%），然而其它区域（比如中纬到高纬）的高云云量通常表现出较小的差异(从图3a1可看出)。对于高云中的卷云来说，Sassen等 (2008)通过A-train卫星编队发现全球卷云的平均出现频率为16.7%（白天和夜间总和的平均），其中，白天为15.2%，夜间为18.3%。在这个研究中，全球高云的平均出现频率分别为白天24.3% 和夜间29.3%。因此，相应的全球的卷层云和卷积云的平均出现频率分别为白天9.1%，夜间1

20、1%。虽然卷云和卷层云/卷积云都对总的高云云量中白天的变化部分有影响，但是由卷云模式引起的差异和高云模式引起的差异很接近，而且，这个差异占了全球平均差异很大的比例(大约62%)。鉴于对流层顶过渡层（TTL）高而薄, 卷云并不导致显著的日变化，因此，CALIOP由于散射引起的信号污染只对总的卷云产生很小的影响(Sassen等，2008)。每日的卷云模式基本上还是反映了真实的云过程(Sassen等，2009)。总的来说，大西洋暖池的星载激光雷达的测量值也确定了日间对流层上部卷云层的下降趋势(Iwasaki等，2004)。事实上，在热带地区，也就是热带海洋（ 比如大陆的西海岸线）和热带陆地以及群岛（

21、比如南美洲北部，西太平洋，赤道的非洲和西太平洋）的明显的昼夜差异，主要是由一般的卷云（光学深度0.03）和薄的卷云(0.03光学深度0.3)导致的(Sassen等, 2009)。然而，Behrangi 等人(2012b)最新的研究表明，利用2B-CLDCLASS产品可知日间洋面上高云更加丰富。此文分析得出的每日变化和他们的结果相反，主要是由于CPR探测卷云的灵敏度不够而导致他们的研究中丢失掉了很大一部分的卷云。在其它纬度（比如中高纬度），不同季节卷云也许是由不同的生成机制形成的，包括深对流，急流，地形抬升，锋面活动(Sassen，2002；Warren等, 1985) 或飞行器的冷凝轨迹(Bo

22、ucher, 1999； Minnis等；2004)。因此，这些纬度地区夜间/日间的差异也导致了每日的生成机制不同。作为中云的一种，高层云(图2a2-d2)广泛分布在中高纬度地区，比如风暴路径和南极洲。明显的高值中心出现在中国青藏高原，美国西北和南极洲的大部分地区。但是，不同季节的差异很大。例如，覆盖青藏高原的高层云在冬季和春季达到最大值，而在夏季和秋季明显减少。基于ISCCP数据，Yu等人(2004)指出东亚亚热带地区持续的雨层云和高层云也许是由青藏高原的摩擦和阻塞作用引起的。众所周知，青藏高原从十一月到五月都连续地暴露于强大的对流西风带中。 高原使中强度的对流西风带减弱，包括下游的中水平发

23、散。然而，其低水平的向西气流会减弱下游的运动，形成了维持这些浓云的大尺度持续上升气流和稳定层结。然而，在夏季，西风带北移，高层云的覆盖率在高原地区减少，而且这个减少不可忽略的。总的来说，南极洲的夏季和秋季，高层云仍然表现为明显的高值(达到了36%)。高层云出现在中高纬度地区，也许跟这些地区频繁的的锋面活动有关。就高层云的昼夜差异(图3a2)来说，南极和中非的晚上相对于白天能看到更多的高层云。然而，这个模式在其它纬度（比如风暴路径）是相反的。高积云(图2a3-d3)在热带和亚热带的陆面上出现频率高，这和强烈的对流活动密切相关 (在图2a7-d7中可以看到)。陆面上的峰值中心有明显的季节变化，和I

24、TCZ的季节变化相对应。总的来说，在印度、孟加拉国（Subrahmanyam和Kumar，2013）、中国东南部和澳大利亚北部的高积云的云量也较多。其明显的日变化主要发生在热带（负差）和极地地区（正差）。图2a4-d4表示全球层云的季节分布（也就是层云和层积云）。不难发现在亚热带的东部海洋地区有几个重要且不变的高值中心，尤其是北美的西海岸、南美和西非，这些地方的层云云量甚至可能达到60%。事实上，它们经常被认为是半永久性的亚热带洋生层积云团，而且这些云团大约是处在大西洋/太平洋赤道辐合带地区对称的纬度位置(Wood, 2012)。总的来说，层云广泛分布于南半球广阔的洋面上，（云量超过50%），

25、尤其是在风暴路径上，过冷水云也出现得很频繁(Hu等, 2010)。与北半球相比，南半球层云的覆盖更广可能是由于高架地形东部稳定性的增加和地层的下陷造成的(Xu等，2004)。很明显，不同季节层云的地理分布是很相似的，云量的覆盖范围和规模似乎是唯一的差异所在。即便如此，层云的季节变化模式很大程度上由对流层较低部分稳定性的季节性循环决定(Klein 和Hartmann,1993；Wood和Bretherton，2006)。目前的研究表明，由于强大的昼夜循环（日间的太阳辐射和云的上层对太阳辐射的吸收）以及大尺度的运动，导致层云的分布昼夜差异较大。层云覆盖的最大值普遍出现在早上日出前的几个小时(Roz

26、endaal等，1995；Bergman和Salby，1996)。另外，研究发现，相对于白天来说，夜间层云显著增多。如图3a4显示的那样，在几个亚热带的洋面上夜间层云比白天更多（甚至达到了20%）。然而，这个模式在陆面上是相反的，尤其是在中非和南美洲赤道中央，这些地方层云云量的夜间和白天的差异可达到-10%。由于下方对流加热的驱动，积云主要集中在30S 和30 N的洋面上 (从图2a5-d5可看出)。而且，它们在洋面上比陆面上被观察到的频率高，比如，西部和中部的热带和亚热带海洋 (Norris, 1998)，这也许是由于临近水源的原因。积云的高值和明显的最大值经常出现在赤道和两个半球副热带地区

27、的洋面上，在这些地区表现为永久存在的“信风积云”(Warren等，1985)。它的峰值在热带洋面上可能达到20%。总的来说，青藏高原的西北部，沿着喜马拉雅山脉也有很多积云。但是，全球积云模式的季节变化小。Greenwald (2009)的研究表明，将AMSR-E和MODIS云液态水路径相比，其大的液态水路径差异的全球分布和层云的分布密切相关(从图1c可以看到）。这也许是因为积云并不是层云中典型的绝热云模型。在他的研究中，当MODIS的液态水路径由绝热理论(Bennartz，2007)将常量因子2/3（MODIS标准产品）改为5/9校正后积云地区将会出现一个更大的偏差。结合云分类产品，基于积云地

28、区MODIS的有效半径和光学深度的一个新的轻量级参数化也许能够提供整套全球范围内与AMSR-E相符的数据，尤其是热带和亚热带地区（相关研究还在起步阶段）。就积云的日变化而言（图3a5），很明显陆面上日间比夜间出现得更多，尤其是中非和南美洲赤道中央北部，这些地方云量昼夜变化可达到20%。洋面上云量的日变化比陆面的小，差异不超过5%。换句话说，洋面上夜间和日间云量趋于表现出正差，而陆面上相反。另外两个主要的沉降云(雨层云和深云) 的分布显示在图2a6-d6 和2a7-d7中。 正如地表观察员的报告那样，雨层云主要位于中高纬地区(Warren等, 1986, 1988)。全球模式的季节变化不明显。中

29、纬地区的洋面上，雨层云似乎是昼夜交替变化的（图3a6）。在云量的局地分布差异方面，Minnis等（1992）研究发现，东亚大陆地区是中低纬度陆地上层云出现频率最高的区域。中国学者进一步研究证明，东亚大陆特别是中国中东部地区与青藏高原大地形相关的独特环流背景，是该地区雨层云偏多的直接原因（Yu，et al，2001；Li,et al，2004）；然而，深云主要出现在热带但是发展到了中纬度地区。事实上，它们的分布趋于集中在热带辐合带，而且这对于正确估计这个区域的辐射，潜热以及降水是非常重要的。图3a7表示陆面和洋面上一个复杂的深云日变化模式。这个复杂的日变化模式和最近的研究结果并不一致(Sato等

30、，2009；Behrangi等，2012b)，这是一个证明深云洋面夜间最大值的有力证据。Sassen 等(2009)表示，为了更好地理解这些复杂的对流活动变化，可以将当地地形和天气相联系，来进行更广泛的观察和研究。总之，总云量的季节变化和日变化(图2a8-d8和3a8)主要是根据每种云类型各自的贡献得出的。图2 利用2B-CLDCLASS-Lidar产品的一个22的经纬网格点，表示出了不同云类型昼夜平均的全球分布的季节规律。图3 利用2B-CLDCLASS-Lidar产品的一个22的经纬网格点，表示出了每年昼夜差异的平均值的全球分布规律。 第四章 结论在本文的研究中，利用了CloudSat 2

31、B-CLDCLASS-Lidar产品最新发布的四年数据，将这些数据用于在全球范围内识别云类型和其变化规律。通过研究，得出了以下结论： （一）全球云量分布极不均衡，海陆差异明显。云在洋面上比陆面上出现得更加频繁，洋面上云量的季节变化明显比陆面小，地表因素是影响云量季节变化的主要因素； （二）高云和低云全球分布形式存在明显差异，其中陆面以高云为主，洋面低云相对较多。云量的高值和低值区散步全球，存在永久性和半永久性中心； （三）大多数类型的空间分布和云量有明显的季节变化； （四）高云主要集中在热带地区（热带辐合带），在亚热带地区高云出现频率为明显的低值；两个主要的沉降云（雨层云和深云）分布主要集中在

32、热带辐合带；高层云广泛分布在中高纬度地区；高积云在热带和亚热带的陆面上出现得最多；层云广泛分布于南半球广阔的洋面上；积云主要出现在南纬和北纬30的洋面上； （五）就高层云的昼夜差异来说，南极和中非的晚上相对于白天能观测到更多的云；在几个亚热带的洋面上夜间层云比白天更多，陆面上反之；积云在陆面上日间多于夜间，其在洋面上云量的昼夜差异为正，陆面为负。 总之，由于云在辐射收支，地球水循环以及大气环流等所扮演的重要角色，对云的全球分布细致研究是很有必要的，细化不同云类型的全球分布的研究，有助于进一步地理解云在全球地球气候系统中所扮演的角色，改进全球气候变化预测模式中云参数化方案，减小其不确定性，作出更准确的气候预测。