1 引言
青藏高原地势高， 被称为“世界屋脊”和“地球第三极”。高原覆盖范围大， 其南部靠近北回归线， 北部到达中纬度， 东西跨度25个纬度， 平均海拔大于4500 m。高原通过近地层和边界层辐射、 潜热、 感热输送形式热动力强迫其上的自由大气， 并形成有利于对流发展的独特边界层热动力结构（叶笃正和高由禧， 1979）。青藏高原还被认为是中国百年尺度气候变化的“启动区”（冯松等， 1998）和“全球气候变化的驱动机与放大器”（潘保田和李吉均， 1996）。高原感热加热与大尺度海陆分布形成热力差的叠加， 使得青藏高原成为北半球大气运动的重要外源强迫， 显著影响东亚地区的气候格局（吴国雄等， 2005）， 并影响了亚洲季风区气候形成和变化， 因此青藏高原是造成全球气候变化的关键区域（莫申国等， 2004）。
学界一直以来都关注青藏高原的辐射等热力作用， 以探究其对地气能量收支、 气候变化和周边天气的影响。叶笃正等（1957）利用1954 -1956年的地面和高空记录， 研究得出了高原地区夏季为热源， 冬季高原东南部为热源， 其他部分可能为冷源的结论。然而， 高原的辐射分布空间变化剧烈， 研究的方法和使用资料也多样。1979年至今的很多观测项目， 研究高原地表辐射平衡的时空变化等问题， 如1979年第一次高原气象科学实验（陶诗言等， 1984）， 1982 -1983年青藏高原热源野外考察（季国良等， 1985）， 2009年第三次高原气象科学实验（李跃清， 2011）等。最近， 于涵等（2018）利用云与地球辐射能量系统（CERES）资料， 分析了青藏高原地区不同天气条件下地表有效辐射的时空分布及其成因； 另一些研究则利用地面观测站资料， 研究不同下垫面地表辐射通量的年际变化和辐射平衡特点（李宏毅等， 2018； 谷星月等， 2018）。上述研究都提高了学者们对高原上云和辐射性质的认识。
100多年前， 全球能量收支情况首先由Dines（1917）在1917年估算得到， 但随着科学和技术的飞速发展， 卫星搭载测量辐射仪器有了长足的进步， 为准确估算全球和区域大气辐射收支等提供了新的手段， 具有代表性的大气辐射测量仪器就是CERES， 它的遥感结果经过大量的校准对比（ Dewitte and Clerbaux， 1999； Lee et al， 2000； Loeb et al， 2016）， 确保了仪器测量的准确性， 并减小了行星反照率和出射长波辐射等估算的不确定性。Yan et al（2011）研究分析了2008 -2010年， 黄土高原上CERES地表辐射产品与地表观测站数据之间的关系， 结果显示除了瞬时上行长波辐射误差稍大外， CERES轨道级的瞬时地表辐射产品精度均可以满足相关研究的需要。这些研究成果表明CERES资料可以为高原地气辐射研究提供准确的资料， 弥补了高原大气辐射测量站点少且分布不均匀的缺点。
但是先前的研究多是基于格点化的卫星资料（张丁玲等， 2012； 于涵等， 2018）， 空间分辨率较粗， 且对格点内参数进行平均处理会带来一定的误差（Chen et al， 2019）。另外， 高原地区与周边地区的地气辐射收支差异的研究也较少。因此， 亟需开展不同天气状况下高原及其周边地区的辐射强迫差异等方面的研究。本文将利用CERES（云和地球辐射能量系统）、 MODIS（中分辨率光谱仪）和CPR（测云雷达）的遥感数据， 针对青藏高原少云个例和多云个例， 分析云和大气的长短波辐射特点， 为后续统计研究奠定基础。如下先介绍资料和方法， 随后分析少云个例和多云个例的天气形势特点、 多云个例的云参数特点、 云辐射强迫大小估算等， 最后给出结论。
2 资料来源和方法介绍
本研究使用的资料来自卫星Aqua上搭载的MODIS与CERES仪器探测数据和云卫星CloudSat搭载的CPR探测数据。这三部仪器都是美国地球观测计划（EOS）众多卫星编队（A-train）搭载重要仪器。Aqua卫星于2002年5月4日升空， 其近地点702 km， 远地点703 km， 倾角为98.1987°， 属于太阳同步轨道。它在地方时下午和夜间过境， 因此每天它经过青藏高原区域两次。CloudSat是A-Train中的另一成员， 它与Aqua具有相同的轨道参数， 只是它比Aqua早176 s过境。因此这两个卫星平台搭载仪器探测的时间同步性好。
MODIS传感器具有36个通道， 覆盖了紫外、 可见、 近红外、 红外等通道， 其定标精度高， 分辨率高（星下点可见光的最高分辨率为250 m）， 扫描范围大（King et al， 1992； Barnes et al， 1998）， 为研究青藏高原云和地表辐射特征提供了丰富的信息。本文利用了MODIS的Level-2数据MYD02SSH（分辨率5 km）： 0.659 μm的反射率、 11.03 μm的红外亮温， MYD06L2（分辨率1 km）： 云水路径（LWP）、 云粒子有效半径（Re）、 云光学厚度（Tau）。
CERES仪器的星下点分辨率约为20 km。CERES有三个通道（波段分别为： 0~5， 8~12， 0~100 μm）， 分别探测大气顶的短波辐射、 大气窗辐射和总辐射， 它们可能来着地面和大气（晴空时）的上行辐射， 也可能来自云层和大气（云天时）的上行辐射。研究表明该三个通道视场重叠达到98%（Wielicki et al， 1996）。 CERES的长波和短波在地面校准误差分别为0.5%和1%。由于采用了新的角度分布模型（ADM）， 可减少2~4倍的系统误差和均方根误差。它的伺服系统定位精度高， 温度探测器的时间常数小（8 ms）、 热滞系数小， 表明该仪器测量快速、 系统误差小（小于1%）的特征（ Wielicki et al， 1996）。本文利用了CERES的二级（Level-2）数据： 大气顶的长波、 短波、 大气窗向上辐射通量密度、 像元内云量数据。
CloudSat搭载的CPR是一台毫米波雷达， 它通过探测云粒子的后向散射回波， 可以给出云底至云顶的雷达反射率因子廓线。其星下点探测的水平分辨率为1.1 km， 垂直分辨率为240 m， 探测高度自地面向上25 km。CPR的云廓线数据可以帮助我们获得云体垂直结构信息（Stephens et al， 2002）。 宇路和傅云飞（2017）利用CPR的2B-GEOPROF轨道数据， 并结合CALIPSO上激光雷达（CALIOP）数据， 分析了夏季热带与副热带区域的云顶与云量差异。本文也将利用CPR的云廓线数据， 即CPR的Level-2数据： 雷达反射率（2B-GEOPROF）数据。
本文研究的范围为高原地区（如图2中黑线所围区域， 下文高原区域即指该区域）， 其边界数据来自全球变化科学研究数据出版系统（张镱锂等， 2014）， 共分析了2017年5 -8月共360条MODIS、 CERES及CPR轨道数据， 并利用CERES的晴空面积百分比数据（Clear Area Percent Coverage， CAPC）， 将研究范围内这些轨道数据分为多天和少云两类。少云类要求CERES晴空面积百分比大， 即表明高原大部分地区晴朗； 多云类则要求晴空面积百分比小， 表明高原大部分地区为云区覆盖。文中给出的个例（随机选取）分别发生在2017年5月5日15:25（北京时， 下同）和2017年8月2日15:20， 分别代表多云个例和少云个例。
图1 CERES与MODIS的像元分布示意图Fig.1 Schematic diagram of pixel distribution of CERES and MODIS |
图2 多云个例的MODIS 31通道亮温分布（a）、 CERES像元内多个MODIS像元数据的加权平均融合后的亮温分布（b）及融合前、 后亮温的概率分布函数（c）（a）和（b）中黑色实线范围为高于3000 m等高线的青藏高原区域 Fig.2 The brightness temperature distribution of MODIS 31th channel for cloudy case (a) and the merged brightness temperature distribution for cloudy case (b).The probability distribution function (PDF) of brightness temperature before merge and after merge.The black line in (a) and (b) represent the Qinghai-Xizang Plateau which altitude is higher than 3000 m |
式中： 表示CERES像元上待计算的辐射亮温（单位： K）； k表示该像元内用于计算的MYD02SSH单元像个数； 表示该点的权值， 本文中 均取1（算术平均）。
加权平均的融合方法曾用于热带测雨卫星（TRMM）的测雨雷达（PR）与可见光红外扫描仪（VIRS）的探测结果的融合。对该融合结果的分析， 作者揭示了夏季热带及副热带降水云可见光和红外信号的气候分布特征（傅云飞等， 2011）、 东亚台风和非台风降水结构特征（陈凤娇和傅云飞， 2015）、 雨季喜马拉雅南坡降水云顶的信号特征（Fu et al， 2018）。
这里说明一下晴空像元的定义， 因为后面将涉及晴空大气的辐射强迫计算。CERES数据中的SSF（Single Scanner Footprint）数据提供了其像元内CAPC； 白天时， 它由MODIS产品中分辨率为250 m的云标识码计算得到。公式为：
地球大气众多气体成分或云都会对长短波产生吸收、 发射和散射作用， 从而导致大气顶净辐射通量变化。依据惯用， 某种大气成分或云的辐射强迫定义为该成分改变所引起大气层顶净辐射通量（单位： W·m-2）的变化。其计算公式如下：
式中： 表示大气的总辐射强迫， 向上的辐射通量密度符号为正， 向下的辐射通量密度符号为负； 和 分别表示无大气和有大气时的净辐射通量。
3 结果分析
3.1 多云和少云个例的天气形势
为探究多云和少云天气状况下的辐射强迫， 本文所选取个例的标准是要求这两个个例在高原地区（图3中黑线所围面积内）天空云状况差别大， 并且两个例的轨道扫描面积重合度高。按照这个标准， 就得到了上文提到的两个个例。多云个例发生在2017年5月5日15:25， 高原上CERES有3745个像元， 少云个例发生在2017年8月2日15:20， 高原上CERES有4075个像元。图3所示为这两个个例的可见光通道的反射率分布和热红外通道的亮温分布。少云个例［图3（a）， （c）］表明高原上对应大片小于0.2的反射率， 其热红外通道的亮温多高于280 K， 而喜马拉雅山脉南侧至印度北部云系多， 高原北侧的塔克拉玛干沙漠为晴空区， 这里的热红外通道亮温高于320 K。对于云天个例［图3（b）， （d）］， 青藏高原上大片区域的可见光反射率多大于0.8， 它对应11.03 μm通道的大片亮温低值区， 亮温多低于240 K， 而喜马拉雅山脉南侧至印度北部为清晰的晴空区（可见光反射率小于0.1、 热红外亮温高于320 K）。上述说明了云天和少云时， 高原地面热状态的差异。少云时， 太阳短波辐射加热地表， 使得地表温度明显高于云顶温度； 而多云时， 地面吸收到的太阳辐射少， 地面温度就低。这种地表温度随着云分布的变化， 正是地气辐射收支及水分收支研究所关注的重点。
图3 少云和多云个例的MODIS可见光通道反射率（a, b）与热红外通道辐射亮温（c, d）分布（a）和（b）中的虚线代表Cloudsat卫星星下点的轨迹 Fig.3 The distribution of the visible reflectance (a, b) and infrared brightness temperature (c, d) detected by MODIS for cloudless case and cloudy case.The dotted line in (a) and (b) represents the nadir track of the CloudSat |
为了大体了解少云个例和多云个例发生的天气背景， 利用再分析资料（ERA5）给出了500 hPa、 200 hPa的位势高度、 散度和风场。少云个例的天气形势［图4（a）， （c）］表明500 hPa等压面上高原地区被一个高压控制， 高压中心范围位于高原中部至西部； 200 hPa等压面上高压中心偏西， 位于中印， 高原35°N以北盛行为西风急流， 28°N以南吹偏东气流。200 hPa等压面高原地区散度负值区与正值区相间分布， 表明高原上空气流的上升运动与下沉运动水平分布不均， 大气运动复杂， 但500 hPa等压面上的气流复合运动弱， 因此大气低层上升运动弱， 故在图3（a）和3（c）中可以看到该区域晴朗少云。
图4 少云个例和多云个例的200 hPa位势高度（等值线, 单位: gpm）和散度（彩色区, 单位: ×104 s-1） （a, b）以及500 hPa位势高度（等值线, 单位: gpm）和风场（矢量, 单位: m·s-1）分布（c, d）Fig.4 200 hPa geopotential height (contour line, unit: gpm) overlapped with divergence (color area, unit: ×104 s-1) and 500 hPa geopotential height (contour line, unit: gpm) overlapped with wind vector (vector, unit: m·s-1) for the cloudless case (a, c) and the cloudy case (b, d) |
多云个例的天气形势［图4（b）， （d）］表明500 hPa等压面上青藏高原南部（82°E -85°E）向东北方向为一高压脊伸出， 高压脊西侧和东侧为槽区， 这里风场辐合明显。200 hPa等压面上青藏高原的大部分地区位于80°E浅槽的前部， 对应一些较强的正散度区， 它们正好与500 hPa风场辐合区对应， 故这些区域的上升运动有利于成云。对照图3（b）， （d）， 脊区为少云区， 而槽区为多云区。说明再分析资料给出的大气动力结构与卫星光谱探测云分布有较好的对应。少云个例和多云个例截然不同的天气形势， 导致了两个例云量面积分布的差别， 进而影响地气系统的辐射收支， 这说明了天气尺度系统的上下配置形势对一个地区的云降水具有决定性的作用。
3.2 云参数及辐射
图5 MODIS云参数给出的少云个例和多云个例的云粒子有效半径（a, b）、 云光学厚度（c, d）和云水路径分布（e, f）Fig.5 The distribution of cloud droplet effective radius (a, b), cloud optical depth (c, d) and cloud liquid water path (e, f) issued from the MODIS cloud parameters for the cloudless case and the cloudy case |
与MODIS探测的少云个例和多云个例相应CERES辐射分布如图7所示。少云个例CERES探测到长波辐射高值区位于高原中部和高原北侧的塔里木盆地［图7（a）］， 其中高原中部的长波辐射达320 W·m-2， 而塔里木盆地的长波辐射更大， 因为其地面温度高的缘故； 长波辐射高值区都与图5中MODIS给出的晴空少云区对应。多云个例CERES探测到的图4（d）对应的500 hPa低压槽控制区的长波辐射在180 W·m-2 以下， 而对应图4（d）的500 hPa高压脊区的长波辐射可达260~280 W·m-2， 说明高压脊区有薄云存在， 而非晴空。高原区域大气顶长波辐射的PDF曲线如图8（a）所示， 它表明少云个例和多云个例的长波辐射基本呈现单峰分布， 少云个例的长波辐射峰值为310 W·m-2， 而多云个例的长波辐射峰值为160 W·m-2。说明云的存在减弱了地气系统向上出射的长波辐射， 而晴空少云则地气系统向上出射更多的长波辐射， 使得地气系统冷却。
图7 少云个例和多云个例CERES仪器测得的大气顶向上出射的长波辐射（a, b）和短波辐射（c, d）分布实线AB和CD分别是少云个例和多云个例的一条扫描线, 虚线为CloudSat卫星星下点的轨迹 Fig.7 The distribution of the upward emitted longwave radiation (a, b) and shortwave radiation (c, d) at top of atmosphere measured by the CERES instrument in the cloudless case and the cloudy case.The solid line AB and CD representing for a scan line of the CERES, while the dotted line expressing the track of the CloudSat |
对于CERES探测的大气顶射出短波辐射， 少云个例中高原地区大气顶短波辐射量大多数在200 W·m-2以上［图7（c）］， 而多云个例中高原上云区的大气顶短波辐射量大多数在400 W·m-2 以上［图7（d）］。图8（b）所示的大气顶短波辐射PDF曲线可以看到少云个例呈现单峰分布， 峰值出现在220 W·m-2， 而多云个例的短波辐射PDF曲线分布较为平坦， 大部分位于300~600 W·m-2。由于CERES探测的大气顶射出短波辐射来自地面或云顶对太阳短波辐射的反射辐射， 因此可见云顶反射更多的太阳短波辐射， 使得到达地面的短波辐射减少， 降低地面温度。总之， 云辐射强迫对长短波辐射产生了截然不同的效应， 它一方面削弱了出射的地气系统长波辐射， 对地气系统而言起到了加热作用； 另一方面反射了更多的太阳辐射， 起到了冷却作用（Ramanathan et al， 1989）。所以需要精确地计算云辐射强迫效应， 这有助于更好地了解地气辐射平衡。
根据第2节中的定义计算了晴空时的大气辐射强迫， 晴空大气辐射强迫为非云像元的大气辐射强迫。少云个例中共有222个晴空像元， 这些像元的大气长波辐射强迫平均值为108.3 W· m-2； 多云个例中只有4个晴空像元， 其大气长波辐射强迫平均值为104.5 W· m-2， 表明多云个例和少云个例中的晴空长波辐射大小相近， 说明CERES晴空面积百分比数据可信。
表1 晴空大气时青藏高原与塔里木盆地的地气长波强迫、 地表发射辐射和平均海拔Table 1 The earth and atmospheric longwave radiation forcing, the emitted radiation from earth surface and mean elevation over the Qinghai-Xizang Plateau and the Tarim Basin in clear sky |
| 地点 | 大气长波辐射强迫/（W·m-2） | 地表发射/（W·m-2） | 平均海拔/km |
|---|---|---|---|
| 青藏高原 | 108.3 | 422 | 4.5 |
| 塔里木盆地 | 200.7 | 558 | 0.8 |
云类型及其时空分布引起的辐射强迫影响着全球的地气辐射平衡， 造成全球或区域的气候变化， 而这些气候变化也会反馈作用云时空分布的变化（Hansen et al， 1997； Zelinka et al， 2017）。本文依照上述计算辐射强迫的公式， 以云区附近的CERES晴空像元的辐射量减去CERES有云像元的辐射量来计算辐射强迫。计算结果表明多云个例云像元的瞬时短波辐射强迫平均值为-223.2 W·m-2， 瞬时长波辐射强迫平均值为139.4 W·m-2， 瞬时云净辐射强迫平均值为-83.8 W· m-2。可见多云个例云区对地气系统起了冷却效应。类似于Huang et al（2006）， 假设云稳定不变的前提下， 考虑到CERES逐日两次观测、 夜间短波辐射为零， 则得到云的总辐射强迫值为27.8 W·m-2。但在实际中， 云的生命史不会稳定不变， 它受到多方面因素的作用， 如气溶胶的间接效应也会影响云的生命史（Boucher et al， 2013）， 因此这只是一个估算值。
在了解晴天与云辐射强迫的基础上， 分析了云天时深厚和浅薄云区的辐射强迫差异。根据CPR提供的雷达反射率因子廓线， 分析了该数据的云垂直结构， 得到云的深厚程度。CPR像元对应的大气顶辐射通量， 由CPR像元位置最近的CERES像元的大气顶辐射通量数据插值计算得到。图9为两个个例中CPR探测到的云垂直结构。从图9（b）上可以看出， 多云个例中33°N以南区域以深厚云为主， 而33°N以北区域以浅薄云为主， 深厚云则很少见。尽管多云个例中深厚云区与浅薄云区的云顶高度相差不大， 但对应的CERES探测的辐射量显示［图9（d）］深厚云区较浅薄云区反射了更多的太阳辐射， 而深厚云区与浅薄云区的长波辐射却没有太大的差别。
图9 少云个例与多云个例的CPR探测的云回波反射率因子剖面（a, b）及对应CERES探测的大气顶出射长波辐射和短波辐射（c, d）（a）和（b）中灰色部分为地形 Fig.9 The distribution of Radar reflectivity factor detected by the CPR (a, b), and the outgoing longwave radiation and outgoing shortwave radiation at the Cloudsat’s subsatellite point detected by CERES （c, d） for the cloudless case and cloudy case.The gray part in (a) and (b) represents the topography |
为了定量分析深厚云区与浅薄云区的辐射差异， 表2给出了计算结果， 它显示多云个例中深厚云区的瞬时净辐射强迫为-215.1 W·m-2， 浅薄云区的瞬时净辐射强迫为-84.1 W·m-2； 少云个例中深厚云区的瞬时净辐射强迫为-209.5 W·m-2。在短波辐射强迫上， 深厚云区的短波辐射强迫是浅薄云区的2倍多。这表明在研究高原云辐射强迫时， 不但要注意云顶高度来分析云辐射强迫（张丁玲等， 2012）， 还要注意云的深厚程度。
表2 多云个例和少云个例中深厚云和浅薄云的辐射强迫Table 2 Radiation forcing of deep clouds and shallow clouds in the cloudy case and the cloudless case |
| 辐射强迫 | 多云个例深厚云 | 多云个例浅薄云 | 少云个例深厚云 |
|---|---|---|---|
| 长波辐射强迫/（W·m-2） | 58.9 | 45.6 | 79.5 |
| 短波辐射强迫/（W·m-2） | -274.0 | -129.7 | -289.0 |
| 瞬时净辐射强迫/（W·m-2） | -215.1 | -84.1 | -209.5 |
3.3 热红外估算辐射量与CERES观测辐射量差异
众所周知， 目前气象卫星通常都搭载了红外探测仪器， 而类似于CERES的仪器少。因此如果能利用卫星搭载的红外仪器来估算地气辐射能量， 将充分发挥了卫星搭载红外仪器的作用。依据前文所述的数据融合方法计算， 得到了与CERES像元上的MODIS热红外通道亮温和可见光反射率， 这样在CERES像元上获得了短波辐射、 大气窗辐射、 总辐射和热红外通道亮温及可见光反射率（图2）。利用MODIS热红外通道亮温， 可以估算晴空大气条件下的地面上行辐射量。由于云和沙石的长波发射率较高， 假定其发射率取值0.99， 根据地面辐射积分辐出度（盛裴轩等， 2003）的计算公式， 以11.03 μm亮温为表面温度， 计算得到表面发射的长波辐射通量密度的公式如下：
式中： 为地表发射率； 为斯蒂芬-玻尔兹曼常数（单位： W·m-2·K-4）； 为11.03 μm通道亮温（单位： K）。
大气顶短波辐射量可利用入射太阳辐照度和MODIS可见光通道0.65 μm的反射率计算得到， 公式如下：
式中： 表示大气顶出射的短波辐射通量密度（单位： W·m-2）； 表示入射太阳辐射； 为融合后的MODIS 可见光通道反射率。
图10为少云个例和多云个例的CERES观测的与MODIS计算的辐射量的曲线。少云个例选取了画幅中央的扫描线， 即图7中的AB线， AB线穿过了高原南部的云区、 高原中部晴空区、 塔里木盆地晴空区， 地表的高度起伏达到几千米。多云个例选择图7（b）中CD线， CD线跨越了高原上的云区。图10表明在大气顶CERES测量得到的长/短波辐射与计算的长/短波辐射的相关性很好， 相关系数达到了0.95以上， 但从测量值与计算值的变化看， 短波辐射的测量值与计算值的一一对应关系好于长波辐射， 如图10（a）显示少云个例中代表实测和计算的长波辐射相关可达0.97， 但两者变化不同： 在图7（a）的30°N以南地区云区， 即低亮温区， 两者比较接近， 而在位于图7（a）的30°N以北的晴空区至塔里木盆地的高亮温区， 两者之差则显著， 利用MODIS热红外估算的长波辐射值比CERES观测值高出近一倍。对于多云个例［图10（b）］， 在云量少或晴空的区域， 利用MODIS热红外估算的长波辐射值也高于CERES观测值， 而在云区两者基本相当。由此可见， 在晴空区域， 利用热红外通道估算大气顶的长波辐射将比实际偏高， 特别是在沙漠这类地区， 而在云区， 热红外估算的大气顶长波辐射与实测相近。值得注意的是CERES测量的长波辐射是宽波段辐射的总量， 而热红外11.03 μm通道是大气窗口通道， 它通常被用来反演地表温度（Li et al， 2013）， 因此， 两者在晴空区的差异就不难理解。
对于大气顶的短波辐射， 因为CERES测量的是地面或云顶反射的太阳辐射， 而MODIS估算的也是来自可见光波段对地面或云顶的反射量， 因此这两者均表现了很好的一致性， 无论少云还是多云。所以， 利用卫星搭载的可见光仪器估算大气顶的短波辐射量可信。上述结果可以指导我们利用静止卫星的可见光通道和红外通道来估算大气顶的长波和短波辐射量的计算。
4 结论
为了揭示青藏高原云天与晴空的地气辐射特征， 本文随机选取了高原地区2017年5月5日和8月2日多云个例和少云个例， 通过对比分析CERES、 MODIS与CPR对这两个个例的探测结果和计算数据， 得出研究结论如下：
（1） 在青藏高原少云个例中， 大气顶的大气长波辐射强迫均值为108.3 W·m-2， 而多云个例中的大气长波辐射强迫均值为104.5 W·m-2。计算的云辐射强迫表明， 瞬时长波辐射强迫为139.4 W·m-2、 瞬时短波辐射强迫为-223.2 W·m-2、 瞬时净辐射强迫为-83.8 W·m-2。由此可见， 较非高原的陆面地区而言， 青藏高原云的净辐射强迫冷却效应大， 因为非高原陆面的地温高于高原的地表温度。
（2） 塔里木盆地大气顶大气长波辐射强迫为200.7 W·m-2， 比高原上的量值高出 92.4 W· m-2， 说明青藏高原地表海拔高， 地面温度低， 造成了高原上的地面上行长波辐射小， 而两地的短波上行辐射差异小， 说明两地的地表性质接近。
（3） 云顶高度差别不大的深厚云与浅薄云的辐射强迫存在较大的差异， 深厚云的短波辐射强迫是浅薄云的2倍多， 而两者的长波辐射强迫的差异却很小。由此推论， 以云顶气压进行云分类时， 还必须考虑云的深厚， 否则计算的云辐射强迫不准。
（4） 利用MODIS的0.65 μm通道反射率可以较好地估算大气顶的短波辐射量， 而MODIS的11.03 μm通道辐射亮温可以估算云区大气顶的长波辐射量， 但不能用来估算晴空大气的大气顶长波辐射量。