L波段探空判別云區方法的研究

蔡淼 歐建軍 周毓荃 楊棋 蔡兆鑫

1 南京信息工程大學，南京210044

2 中國氣象科學研究院，北京100081

3 上海海洋氣象臺，上海201300

4 山西省人工降雨防雹辦公室，太原030032

1 引言

形態各異、尺度不一的云，覆蓋著全球50%以上的天空，對云的研究一直是氣象科學研究的重點和難點（邱金桓等，2003）。對于云的宏觀特征，過去以研究云的水平分布和云總量為主，隨著探測技術的發展和遙感反演技術的提高，近年來對云的垂直結構的研究成為重點之一。不同的云存在不同的輻射強迫，低云起冷卻作用，高云通常起溫室效應（Frey et al.,1999）。在研究云對地球輻射收支方面的作用及對氣候影響時，云的垂直分布特征對大氣環流模式和氣候預測模式尤為重要（李積明等，2009）。Wang and Rossow（1998）通過研究發現云的垂直分布特征對大氣循環的作用比水平分布更加重要，并總結出了三個重要的云垂直分布特征參數：云頂高度、云層數以及多層云之間的夾層厚度。

觀測云的方法很多，包括地面人工觀測、衛星觀測、測雨雷達觀測、激光雷達觀測、激光云冪測量儀觀測、云雷達和飛機觀測等。但針對云的垂直結構觀測而言，這些觀測方法都各有優缺點。地面人工觀測受人為主觀因素影響較大，且一般只能獲取云底信息，對多層云很難觀測到準確的位置；激光云冪測量儀主要獲取的是云底信息；而衛星觀測一般只能獲取云頂信息，對低云的探測無能為力。對云的觀測最有效的是云雷達探測，2006年 4月28日發射的CloudSat衛星搭載94 GHz即3 mm的云剖面雷達（Cloud Profiling Radar，簡稱 CPR），它可直接探測云的垂直結構、云粒子的分布及時空變化，獲得以往觀測系統無法獲得的云特性信息，成為一顆可以對云層特性進行全球測量的衛星（周毓荃和趙殊慧，2008）。目前，國內外已經有很多利用Cloudsat衛星資料進行云垂直結構特征的研究（李積明等，2009；Mace et al.,2009；王勝杰等，2010；汪會等，2011；王帥輝等，2011；尚博等，2012; 彭杰等，2013）。

探空是氣象觀測中另一重要的觀測手段，它可獲取由地面到30 km高空各層溫、壓、濕、風隨高度的變化信息。國外利用探空資料對云垂直結構特征研究較早，Essenwanger and Haggrd（1962）利用地面人工觀測和探空資料對大氣中不同高度云出現的頻率進行了初步研究；Poore（1991）利用地面觀測和探空資料探討了云層的厚度，并用探空的濕度（露點溫度差）廓線判定云頂和云底高度（Poore et al.，1995）；同年 Wang and Rossow（1995）等改進了Poore的方法，提出用相對濕度值的閾值以及云頂和云底相對濕度負和正的跳躍變化來判斷云層（WR95法），并將探空和地面觀測單層云出現頻率做對比；Wang et al.（1999）利用 WR95 法利 用 Atlantic Stratocumulus Transition Experiment（ASTEX）觀測計劃中的探空資料分析了 Porto Santo Island地區的云垂直結構特征，并同8 mm云雷達、激光云高儀和衛星觀測結果進行對比；Chernykh and Eskridge（1996）又提出利用探空的溫度和濕度二階導數隨高度的變化判斷云層的垂直結構（CE96 法）；Minnis et al.（2005）利用探空資料，通過對不同的溫度值設定不同的相對濕度值閾值判斷云層，并且同衛星觀測的云頂對比，最后得到判斷云層出現概率的經驗公式，以此判斷云垂直結構（MN05法）。

近年來，隨著我國L波段高空氣象探測系統的建立與發展，也有一些利用探空資料對云垂直結構特征的研究。張玲等（2009）通過分析相對濕度的突然增加或減小來訂正地面人工觀測云的準確性。趙仕偉等（2009）將WR95探空分析云結構算法利用到數值模式中，以模式輸出的數據代替探空數據判定云底高度。周毓荃和歐建軍（2010）采用WR95法，利用我國探空秒數據，計算分析了不同云垂直結構，將得到的分析結果同Cloudsat衛星實測云垂直結構進行多個例的對比分析，驗證了相對濕度閾值判斷云垂直結構方法的可行性，及利用我國業務探空資料分析云垂直結構的可用性。Zhang et al.（2010）改進了WR95法，利用ARM觀測計劃在中國壽縣的探空資料分析當地的云垂直結構特征，并利用 WACR雷達和激光云高儀等驗證了方法的可靠性。Zhang et al.（2012）根據不同型號探空儀器（CFH、GTS1和RS80型號）的性能，提出并對比了其各自判斷云垂直結構的方法。

從云物理學的角度看，當空中水汽達到飽和或過飽和時就會凝結形成云。因此，探空濕度的觀測對云應該有指示意義，利用相對濕度的探測值來確定云的垂直結構是可能的。前人對利用探空資料分析云垂直結構的方法已經有相當深入的研究，但國外研究時通常采用Vaisala儀器（李偉等，2009b）探測值，不同的探測儀器具有不同的性能，對濕度探測存在一定的差異，因此有必要利用Cloudsat和L波段探空匹配的資料系統研究云內外相對濕度的差異，從而形成一套針對于我國L波段探空數據的云結構分析方法。本文首先介紹了所用的數據及統計的方法，然后利用氣象預報里的BS和TS評分法，對相對濕度閾值進行評分分析，最后通過對比檢驗，得出一套L波段探空數據的云垂直分布判斷方法。

2 資料和方法

本研究將用到我國業務布網的 L波段探空、Cloudsat云雷達（波長：3 mm）及地面觀測等資料。

首先對涉及的資料進行簡單的介紹。

2.1 我國業務布網的L波段探空秒數據

我國業務布網的L波段高空氣象探測系統，由我國自行研發的GFE（L）1型二次測風雷達和GTS1型數字探空儀組成，采用二次測風雷達測距體制，能夠連續自動測定高空氣溫、濕度、氣壓、風向和風速等氣象要素（李偉等，2009a）。從 2002年 1月1日我國第一部L波段高空氣象探測系統在北京觀象臺正式投入業務開始，到2011年我國120個探空站都升級為L波段高空探測系統。

其中的GTS1型數字探空儀采樣周期為1.2秒（因此其數據也稱為探空秒數據），每分鐘的采樣頻率約為50次，按照每分鐘400米升速算，L波段高空探測儀的空間垂直分辨率為 8 m。與常規的59-701高空探測數據相比，具有高分辨率和實時采集的能力，其總體性能優于59-701高空氣象探測系統，偶然誤差減小，數據可靠性提高，其本身的探空高度數據的穩定性和精度也要高于 59-701高空探測系統。同時中國氣象局大氣探測中心李偉等（2009b）研究發現：L波段電子探空儀溫度傳感器時間常數大；濕度整體系統誤差大，高濕測量偏低；并且通過對結果擴展不確定度分析，整體上氣壓、溫度、風速指標較好，而濕度與風向指標較差。Bian et al.（2011）通過對比 GTS1 與 Vaisala RS80和CFH儀器性能發現：國產GTS1型探空儀在上對流層甚至于中間對流層存在很大誤差。雖然我國L波段探空系統性能得到提高，但與 Vaisala相比還 有一定差距，因此非常有必要深入研究L波段探空秒數據的云垂直結構分析方法。

2.2 CloudSat衛星

Cloudsat衛星是一顆可以對云層特性進行全球測量的衛星，其上搭載的 CPR云雷達可以從太空“看見”云的內部，可以研究云的內部水平和垂直結構。CloudSat衛星位于705 km 高度的太陽同步軌道上，衛星繞地球一周稱為一個掃描軌道，每天大約繞地球 14～15個掃描軌道。一個掃描軌道的長度大約是40022 km，每軌有36383個星下像素點，每個像素點的星下點波束覆蓋寬度（foot print）的沿軌分辨率是2.5 km，橫軌分辨率是1.4 km。每個垂直剖面每隔240 m獲得一個掃描數據，從地面到高空共獲得 125個不同高度上的數據，即垂直探測的高度大約30 km，實際垂直分辨率可達240 m（馬占山等，2008；仲凌志等，2009）。

Cloudsat衛星觀測軌道過頂我國的時間集中在01:00（北京時，下同）到02:00或13:00到14:00之間，可用的探空資料僅為02:00和14:00探測，并且選取探空站點離軌道最小距離小于50 km的匹配資料。因此2008年到2009年兩年的資料中一共有31個站點（圖1），共101份時空匹配的資料進行探空云分析的對比驗證。這些探空站點分布在全國各地，因此利用這些站點分析的結果基本能夠代表我國平均狀況。

2.3 地面人工觀測

地面人工觀測是云能天觀測中最傳統的觀測手段，主要依靠觀測員的經驗以及參照物等判斷云能天信息，包括：低云、中云、高云狀、低云云底高、云量、天氣現象等。這些數據可以作為輔助資料，對探空判斷的云及Cloudsat衛星觀測的云進行驗證。

2.4 分析方法說明

圖1 探空站點分布圖（圖中每個探空站上方分數的分母累加表示與Cloudsat觀測時間和空間匹配的 101份樣本，分子累加表示最終選取的65份樣本） Fig.1 Distribution of the radio sounding sites(the sum of denominator in the fraction upon each radio sounding site represents the 101 samples which match the Cloudsat satellite observation in both time and space,and sum of numerator represent the final chosen 65 samples)

利用探空數據進行云垂直結構分析，主要利用了探空所得的溫濕度參量。因此，溫濕度觀測的準確性以及計算方法的準確性對云垂直結構的分析有很大的影響。目前最為常用的是利用相對濕度閾值法判斷云結構，而且以WR95法應用最早。周毓荃和歐建軍（2010）采用的WR95法分析云結構包括以下幾個方面：（1）不同溫度下相對濕度的合理計算，當氣溫低于0°C時，考慮到水的冰相是穩態而液相是非穩態，所以要按照冰面飽和水汽壓去計算相對濕度；（2）云層中相對濕度最大值大于87%， 最小值不小于84%；（3）相對濕度在云頂有負的跳變，在云底有正的跳變；（4）當近地面層相對濕度超過閾值時，低層云底高度設定為500 m。Zhang et al.（2010）利用壽縣Vaisala探空資料，通過與云雷達、激光云高儀等觀測資料的對比，改進了WR95法，得到的相對濕度閾值不是固定值而是隨高度減小，同時設定了最大相對濕度閾值和最小相對濕度閾值對夾層和濕層的判斷。L波段探空系統探空儀采用高分子濕敏電阻傳感器，直接測量相對濕度值。而云形成的主要條件也是濕度趨于飽和，所以直接用相對濕度值作為云判斷的閥值，比較合理。只是由于儀器性能的不同，閾值的選擇成為最為關鍵問題。由于Cloudsat和探空兩者有一定的空間距離（小于50 km）及各自性能及其局限性，在分析時做了以下一些選取和規定：（1）選取地面觀測和Cloudsat同時觀測到有云或者同時無云的個例，同時對于有云的情況選取地面觀測云量大于9成或者Cloudsat連續60 km觀測有云個例，通過篩選就能保證兩者對云觀測的一致性，這樣的個 例有65個（如圖1所示），占總數的64%；（2）Cloudsat對近地面至 1.5 km高度左右的云判斷不夠準確，而 L波段探空在低溫情況下對濕度的觀測 也存在一定的誤差，介于兩者各自的缺陷，選取地面以上 2 km到10 km的數據作為統計資料；（3）當Cloudsat云判別參數（Mask）為40時設定為云；（4）當氣溫低于0°C時，相對濕度按照冰面飽和水汽壓計算。

3 相對濕度閾值的確定

3.1 云內、云外相對濕度累積頻率分布

圖2 云內和云外相對濕度累積頻率分布圖 Fig.2 Cumulative frequency distribution of relative humidity in and out of cloud

圖2給出了全部個例（101個）云內和云外相對濕度的累積頻率分布，其中紅色表示云外，藍色表示云內，粗線表示0～15 km高度數據，細線表示2～10 km高度數據。可以看到：對于0～15 km的數據，其相對濕度交點在68%，累積頻率交點在24%，表示如果以相對濕度68% 作為判斷云內云外的標準，則云內大于該閾值和云外小于該閾值的累積頻率都是76%，可以認為對云判斷的準確率為76%。選用2～10 km數據作為統計對象時，對云的判斷準確率得到明顯改善，以75%作為相對濕度閾值準確率可以到達81%，可見選取2～10 km的數據作為統計對象更有代表性。

表1給出了經過地面觀測和Cloudsat探測匹配的65份數據，云內外相對濕度的分布。可以看到：0～15 km的相對濕度閾值為67%，準確率為80%，而 2～10 km 的相對濕度閾值為 73%，準確率為86.8%。相比于全部的 101份數據，經過選擇的數據對云的判斷準確率都得到了提高。同時通過對不同高度層次的云內外相對濕度的累積頻率統計發現：相對濕度閾值隨高度有降低的趨勢，而且準確率都到達了80%以上。

表1 不同高度云內外累積頻率分布表（65個選取個例） Table 1 Cumulative frequency distribution of relative humidity in and out of cloud for different heights(65 selected cases)

3.2 相對濕度閾值的BS和TS評分測試

從上面分析可以看到，經過篩選的65個例2～10 km高度的數據更具有代表性和準確性，因此之后分析以此數據為準。同時也可以看到，雖然通過云內外累積頻的分布可以得到相對濕度閾值和其判斷的準確性，但是并未考慮到空報和漏報的情況。這里采用預報上常用的BS（Bias Score）和TS（Threat Score）評分，以Cloudsat對云的判斷作為真值，對不同相對濕度閾值下判斷云的情況進行分析，期望得到一個更加客觀準確的值。BS評分和TS評分是業務預報中常用的降水量級預報檢驗的兩個統計量，BS評分的取值范圍為（0，+∞），用于衡量某一量級的預報偏差，其值大于1表示空報率高于漏報率，小于1時表示漏報率高于空報率；TS評分是衡量某一量級的預報準確率的標準，取值范圍為0～1，對某一量級的預報無預報技巧時值為0，對某一量級降水預報準確率達100%時值為1，即無空報和漏報。

根據表2，BS和TS評分的定義如下：

表2 雙態分類聯列表（X、Y、Z和W分別正確預報、漏報、空報和正確否定的次數） Table 2 Two-state classification linked list(X,Y,Z,W stands for the number of correct prediction,missing prediction,empty prediction and correct negative respectively)

表 3給出了相對濕度閾值從 70%到 90%時預 報準確次數，空報次數，漏報次數及BS和TS評分。從表中可以看到：隨著相對濕度閾值的增加，對云區判斷的正確率和空報率都在減小，因此從 TS評分看當相對濕度閾值為 81%時，TS值達到最大，說明此時以 81%作為閾值判斷云效果最好。此時 BS評分接近 1.0，空報率略大于漏報率。

如果不考慮高度，判斷2～10 km高度的云時以81%的相對濕度作為閾值效果最好，從前面不同高度云內和云外的相對濕度累積頻率分布看到，不同高度具有不同的相對濕度閾值，因此按照每1 km高度間隔對不同高度云判別作BS和TS評分，并選取評分效果最好的相對濕度閾值，結果列于表 4。可以看到：在2～10 km高度范圍內，不同高度相對濕度閾值判別云區的TS評分都在0.6以上。除9～10 km以外，BS評分均小于1，即空報略多于漏報，準確率都在80%以上。隨著高度的增加，相對濕度閾值有減小的趨勢；當不同高度按照不同相對濕度閾值判斷云時，其正確率比以單一相對濕度閾值正確率要高，同時TS評分也要優于單一相對濕度閾值的評判。雖然1～2 km與10～15 km高度范圍內得到的閾值可靠性不如2～10 km高度范圍，但是這里依然給出了TS評分最好的相對濕度閾值。由于0～1 km高度Cloudsat衛星判斷出現云的次數很少，所以這里不作統計，在應用時可以參考1～2 km的閾值。

表3 不同相對濕度閾值對云區判別的BS和TS評分 Table 3 BS and TS of cloud discrimination by different Relative Humidity(RH)thresholds

表4 不同高度相對濕度閾值及其BS和TS評分 Table 4 Thresholds of relative humidity and their BS and TS at different heights

3.3 相對濕度閾值的優化

相對濕度閾值從2～10 km有隨高度增加而降低的趨勢，但是在2～8 km范圍降低比較緩慢，而8～10 km降低很明顯，為保持相對濕度閾值隨高度變化的連續性，可以以8 km為界將其分為兩段按照高度線性擬合，最終得到一個線性的閾值線。通過擬合得到的相對濕度閾值線為：

式中H為高度，單位為km，Hr為相對濕度。并且擬合時復相關系數R2分別為0.8567和0.9796。按照連續的相對濕度閾值判斷云，其準確率為83.71%，TS評分為0.675，與每千米取不同閾值相比，準確率和TS評分略有減小，但相差不大。

由于L波段探空和Cloudsat對高層（10 km以上）和低層（2 km以下）探測的缺陷，其相對濕度閾值的準確率和TS評分并不高。為了得到整層云的相對濕度閾值，依然可以通過分段設定。通過擬合得到相對濕度閾值線為：

可以看到當高度低于1 km時相對濕度閾值為91%，與邱珩（2010）利用 2009年 4月張家口 Vaisala RS92型號探空與K/LLX502B型激光測云雷達對比得出的以相對濕度90%～95%作為入云判據一致。

在觀測中用閾值法判別云層時，有時發現很厚的無云夾層或云層，其可信度較差。參考Zhang et al.（2010）的方法，設定最大和最小閾值，分別是閾值加3和減5，如果夾層厚度小于300 m，相對濕度大于最小閾值則判別為云區；如果云層厚度小于80 m，而濕度小于最大閾值，則判別為無云濕層。選取濕層80 m和夾層300 m以及最大和最小相對濕度閾值是經過各種組合測試得到的最優結果。按照優化的方法計算的準確率為83.54%，TS評分為0.675，與優化前變化不大。但優化前判斷云時，容易出現多層云（最多有11層），而優化后云層數量減小，更接近于Cloudsat衛星觀測的情況。

3.4 優化后方法與WR95法的對比

圖3為赤峰站2008年7月5日14:00探空相對濕度和時空匹配的Cloudsat衛星Mask對比圖，圖中分別給出了 WR95法（周毓荃和歐建軍，2010）的相對濕度閾值線1（以相對濕度84%作為判斷云的閾值）和本文相對濕度閾值線2。

可以看到以相對濕度84%為云閾值線時，云頂高度為9.45 km，這與按照Cloudsat云衛星Mask所示云頂高度12.49 km存在很大的差距。此時根據新相對濕度閾值線的判斷，云頂高度為12.53 km，與Cloudsat衛星觀測的結果更為接近，說明改進后的閾值方法判斷云垂直結構更準確。同時可以看到，利用探空數據按照相對濕度閾值判斷11.5 km高度上存在一個夾層，這個與Cloudsat衛星觀測結果不一致，所以通過設定最小夾層厚度和最小相對濕度閾值的辦法去除多余的夾層有一定的意義。同時，從表3、4可以看到利用WR95法（周毓荃和歐建軍，2010）判斷云區時采用相對濕度閾值為84%，其判斷云的準確率為 76.45%，TS評分為 0.647；優化后方法的準確率為 83.54 %；TS評分為 0.675，均優于前者。

圖3 2008年7月5日14:00（北京時，下同）赤峰站探空與Cloudsat衛星觀測對比 Fig.3 The comparison of radio sounding with Cloudsat satellite observation at ChiFeng station at 1400 BJT(Beijing Time)on 5 July 2008

3.5 相對濕度與云出現機率的關系

為了進一步研究云的出現和相對濕度的關系，某一相對濕度值條件下，出現云的次數與總次數的比值稱為云出現機率。圖4給出了以65個時空匹配的個例2～10 km高度數據為樣本，統計得到的云內相對濕度頻率分布和不同相對濕度下云出現機率分布圖。從云物理學講，暖云中相對濕度應接近 100%（差別一般小于 1%），在冷云中，水面相對濕度一般應小于 100%；而冰面相對濕度可大于100%，在-10°C時應是100%～110%，-20°C時為100%～120%。由于探空測濕原件的誤差，云霧中往往達不到上述理論值，從圖4可以看到，L波段探空儀所測云中相對濕度主要分布在 79%～105%范圍段內，占了總數的81%，其中相對濕度值89%～96%比較集中，占總數的 47%；最大頻數出現在92%處，這說明云中探空相對濕度觀測的誤差是比較大的，不得不用閾值法來判斷。

圖4 云內相對濕度頻率分布和不同相對濕度下云出現機率分布 Fig.4 The frequency distribution of relative humidity in cloud and cloud existing frequency distribution under different relative humilities

從圖4可以看到，不同相對濕度條件下云出現機率各不相同，總的來說隨著相對濕度的增加，云出現機率也是在增加，當相對濕度從 79% 增加到87%時，云出現機率從11%增大到80%～90%。相對濕度大于 87%時云出現機率基本維持在 80%～90%。對云出現機率隨相對濕度行三階多項式的擬合可以看到，云出現機率隨相對濕度的加大而增加，隨后當相對濕度達到90%以上時云出現機率維持在80%，并且兩者相關系數的平方為0.7784。

3.6 不同溫度下的云閾值

本文計算相對濕度時，在溫度低于0°C以下時采用冰面飽和水汽壓，云中最大理論值隨溫度降低而增大，因此有必要分析不同溫度下的判別閾值。從表5可以看到：隨著溫度的降低閾值也在減小，同時對云的判斷準確率也在降低。說明如果全部采用水面飽和水汽壓計算相對濕度，則閾值隨溫度降低將減小得更為明顯。溫度低時對云的判斷準確率降低，這也說明在低溫條件下相對濕度探測的準確性更需要提高。

表5 不同溫度下云內外相對濕度累積頻率分布表 Table 5 Cumulative frequency distribution of relative humidity in and out of cloud at different temperature

圖5 2008年6月10日02:00徐州站探空與Cloudsat衛星對比圖 Fig.5 The radiosonde comparison with Cloudsat satellite observation at 02:00(BJT)20 June 2008 in Xuzhou

3.7 探空滯后性

通過L波段相對濕度探測值與Cloudsat衛星觀測云結構對比，發現L波段探空在相對濕度的探測上具有一定的滯后性。圖5給出了2008年6月10日02:00徐州探空相對濕度與Cloudsat的Mask值對比圖，圖中粗實線為相對濕度（溫度低于0°C時換算為相對冰面濕度），虛線為Cloudsat的Mask值 （等于 40時視為云），細實線表示相對濕度等于80%的閾值線。此時地面觀測天氣現象為輕霧（近地面相對濕度大于90%），有中云且云量為10，全天布滿云，說明Cloudsat和探空對云的探測趨于一致。可以看到：在入云和出云時探空都存在一定的滯后，此時溫度分別為-27.9°C和-48.9°C。對所有個例進行分析發現，有18個個例存在滯后現象，并且出現滯后時溫度均低于0°C。滯后現象的存在也是利用探空相對濕度閾值判斷云時會出現漏判和誤判的原因之一。

4 結論與討論

利用2008年1月到2009年12月的L波段探空資料，與時空匹配的Cloudsat云觀測資料，分析了云內外相對濕度的累積頻率分布，并通過對設定的閾值進行BS和TS評分測試，得到了一些有意義的結果。

（1）利用L波段探空資料，通過相對濕度閾值法，可以判斷云區位置。統計分析得出最佳閾值隨高度的增加而減小，利用該閾值對云判斷時，準確率在80%以上，TS評分也高于0.6。

（2）相對濕度閾值和判斷云區的準確率隨高度的增大和溫度降低趨于減小，估計和低溫情況下儀器對濕度探測存在誤差有關。

（3）利用探空和Cloudsat探測資料的匹配對比來判斷云區的存在是可行的。但兩者在時間和空間上的差別，可能會引起一定誤差。對于低云的探測，Cloudsat存在局限。

（4）探空對濕度的探測具有一定滯后性，有時會影響云層高度的判斷。

（

）

Bian Jianchun,Chen Hongbin,V?mel H,et al.2011.Intercomparison of humidity and temperature sensors: GTS1,Vaisala RS80,and CFH[J].Adv.Atmos.Sci.,28(1): 139-146.

Chernykh I V,Eskridge R E.1996.Determination of cloud amount and level from radiosonde soundings[J].J.Appl.Meteor.,35(8): 1362-1369.

Essenwanger O,Haggard G H.1962.Frequency of clouds in height layers for Berlin(Tempelhof)[J].J.Appl.Meteor.,1(4): 560-569.

Frey R A,Baum B A,Menzel W P,et al.1999.A comparison of cloud top heights computed from airborne lidar and MAS radiance data using CO2slicing[J].J.Geophys.Res.,104(D20): 24547-24555.

李積明,黃建平,衣育紅,等.2009.利用星載激光雷達資料研究東亞地區云垂直分布的統計特征[J].大氣科學,33(4): 698-707.Li Jiming,Huang Jianping,Yi Yuhong,et al.2009.Analysis of vertical distribution of cloud in East Asia by space-based lidar data[J].Chinese Journal of Atmospheric Sciences(in Chinese),33(4): 698-707.

李偉,李峰,趙志強,等.2009a.L 波段氣象探測系統建設技術評估報告[M].北京: 氣象出版社.Li Wei,Li Feng,Zhao Zhiqiang,et al.2009.L-Band Meteorological Observation System Construction Technology Assessment Report(in Chinese)[M].Beijing: China Meteorological Press.

李偉,邢毅,馬舒慶.2009b.國產 GTS1 探空儀與 VAISALA 公司 RS92探空儀對比分析[J].氣象,35(10): 97-102.Li Wei,Xing Yi,Ma Shuqing.2009.The analysis and comparison between GTS1 radiosonde made in China and RS92 radiosonde of Vaisala company[J].Meteorological Monthly(in Chinese),35(10): 97-102.

馬占山,劉奇俊,秦琰琰,等.2008.云探測衛星 CloudSat[J].氣象,34(8): 104-111.Ma Zhanshan,Liu Qijun,Qin Yanyan.2008.Introductions to a new type cloud detecting satellite—CloudSat[J].Meteorological Monthly(in Chinese),34(8): 104-111.

Mace G G,Zhang Q Q,Vaughan M.2009.A description of hydrometeor layer occurrence statistics derived from the first year of merged Cloudsat and CALIPSO data[J].J.Geophys.Res.,114(D8): D00A26.

Minnis P,Yi Y H,Huang J P,et al.2005.Relationships between radiosonde and RUC-2 meteorological conditions and cloud occurrence determined from ARM data[J].J.Geophys.Res.,110(D2): D23204.

彭杰,張華,沈新勇.2013.東亞地區云垂直結構的 CloudSat衛星觀測研究[J].大氣科學,37(1): 91-100.Peng Jie,Zhang Hua,Shen Xinyong.2013.Analysis of vertical structure of clouds in East Asia with CloudSat data[J].Chinese Journal of Atmospheric Sciences,37(1): 91-100.

Poore K D.1991.Cloud Base,Top and Thickness Climatology from RAOB and Surface Data[C].California: Cloud Impacts on DOD Operations and Systems 1991 Conference.

Poore K D,Wang J H,Rossow W B.1995.Cloud layer thicknesses from a combination of surface and upper-air observations[J].J.Climate,8(3): 550-568.

丘珩.2010.GPS加密探空資料在2009年春季張家口地區云降水分析中的應用研究[D].北京大學碩士學位論文.Qiu Heng.2010.Applications of GPS Radiosondes for Cloud Precipitation Analysis in Zhangjiakou During the Spring of 2009[D].Master thesis(in Chinese),Peking University.

邱金桓,呂達仁,陳洪濱,等.2003.現代大氣物理學研究進展[J].大氣科學,27(4): 628-652.Qiu Jinhuan,Lü Daren,Chen Hongbin,et al.2003.Modern research progresses in atmospheric physics[J].Chinese Journal of Atmospheric Sciences(in Chinese),27(4): 628-652.

尚博,周毓荃,劉建朝,等.2012.基于 Cloudsat的降水云和非降水云垂直特征[J].應用氣象學報,23(1): 1-9.Shang Bo,Zhou Yuquan,Liu Jianchao,et al.2012.Comparing vertical structure of precipitation cloud and non precipitation cloud using Cloudsat[J].Journal of Applied Meteorological Science(in Chinese),23(1): 1-9.

汪會,羅亞麗,張人禾.2011.用 CloudSat/CALIPSO 資料分析亞洲季風區和青藏高原地區云的季節變化特征[J].大氣科學,35(6): 1117-1131.Wang Hui,Luo Yali,Zhang Renhe.2011.Analyzing seasonal variation of clouds over the Asian monsoon regions and the Tibetan Plateau region using CloudSat/CALIPSO data[J].Chinese Journal of Atmospheric Sciences(in Chinese),35(6): 1117-1131.

Wang J H,Rossow W B.1995.Determination of cloud vertical structure from upper-air observations[J].J.Appl.Meteor.,34(10): 2243-2258.

Wang J H,Rossow W B.1998.Effects of cloud vertical structure on atmospheric circulation in the GISS GCM[J].J.Climate,11(11): 3010-3029.

Wang J H,Rossow W B,Uttal T,et al.1999.Variability of cloud vertical structure during ASTEX from a combination of rawinsonde,radar,ceilometer,and satellite data[J].Mon.Wea.Rev.,127(10): 2484-2502.

王勝杰,何文英,陳洪濱,等.2010.利用 Cloudsat資料分析青藏高原、高原南坡及南亞季風區云高度的統計特征量[J].高原氣象,29(1): 1-9.Wang Shengjie,He Wenying,Chen Hongbin,et al.2010.Statistics of cloud height over the Tibetan Plateau and its surrounding region derived from the CloudSat data[J].Plateau Meteorology(in Chinese),29(1): 1-9.

王帥輝,韓志剛,姚志剛.等.2011.基于 CloudSat資料的中國及周邊地區云垂直結構統計分析[J].高原氣象,30(1): 38-52.Wang Shuaihui,Han Zhigang,Yao Zhigang,et al.2011.Analysis on cloud vertical structure over China and its neighborhood based on CloudSat data[J].Plateau Meteorology(in Chinese),30(1): 38-52.

Zhang J Q,Chen H B,Li Z Q,et al.2010.Analysis of cloud layer structure in Shouxian,China using RS92 radiosonde aided by 95 GHz cloud radar[J].J.Geophys.Res.,115(D7): D00K30.

Zhang J Q,Chen H B,Bian J C,et al.2012.Development of cloud detection methods using CFH,GTS1,and RS80 radiosondes[J].Adv.Atmos.Sci.,29(2): 236-248.

張玲,張小平,葛凡.2009.借用探空數據校對云高的分析[J].科技資訊,(1): 42-43.Zhang Lin,Zhang Xiaoping,Ge Fan.2009.The analysis of using radiosonde data to proofread cloud height[J].Science & Technology Information(in Chinese),(1): 42-43.

趙仕偉,趙增亮,史薈燕,等.2009.WR95 探空分析算法在中尺度數值模式中的應用研究[C]// 第 26屆中國氣象學會年會人工影響天氣與大氣物理學分會場論文集.北京: 中國氣象學會.Zhao Shiwei,Zhao Zengliang,Shi Huiyan.2009.A study on the application of WR95 rawinsonde observations in a mesoscale numerical model[C]//(in Chinese).Beijing: Chinese Meteorological Society.

仲凌志,劉黎平,葛潤生.2009.毫米波測云雷達的特點及其研究現狀與展望[J].地球科學進展,24(4): 383-390.Zhong Lingzhi,Liu Liping,Ge Runsheng.2009.Characteristics about the millimeter-wavelength radar and its status and prospect in and abroad[J].Advances in Earth Science(in Chinese),24(4): 383-390.

周毓荃,歐建軍.2010.利用探空數據分析云垂直結構的方法及其應用研究[J].氣象,36(11): 50-58.Zhou Yuquan,Ou Jianjun.2010.The method of cloud vertical structure analysis using rawinsonde observation and its applied research[J].Meteorological Monthly(in Chinese),36(11): 50-58.

周毓荃,趙殊慧.2008.CloudSat衛星及其在天氣和云觀測分析中的應用[J].南京氣象學院學報,31(5): 603-614.Zhou Yuquan,Zhao Shuhui.2008.CloudSat satellite and its application in weather and cloud observation[J].Journal of Nanjing Institute of Meteorology(in Chinese),31(5): 603-614.