2. 中国气象局旱区特色农业气象灾害监测预警与 风险管理重点实验室, 银川 750002;
3. 中国气象局上海台风研究所, 上海 200030
大气中的云是辐射、对流、湍流、微物理、动力等大量复杂过程相互作用的结果, 其发生、发展伴随着大量的能量交换, 一方面通过云中水汽的凝结和蒸发, 热量的交换, 耦合大气的动力过程和水文过程。另一方面, 云对太阳短波辐射的反射、吸收及其自身的长波辐射, 可将辐射与大气动力、热力过程进行耦合。云凝结形成降雨, 还可影响气候系统的水分循环。因而, 研究认识云的形成及其物理特征, 具有十分重要的意义。
被称为“第三极”的青藏高原, 位于我国西南部, 南起27°N, 北止40°N, 纵跨纬度13°, 面积230×104 km2, 平均海拔4000 m以上。高原境内有喜马拉雅山、唐古拉山、昆仑山等高大的山脉。其高耸地形与广阔地域, 为研究云微观物理特性、云与大气环流的联系以及云辐射反馈作用提供了一个天然试验平台(陈葆德等, 2008)。
早期研究云气候特征的资料(吴鹤轩, 1985; 周允华等, 1983)主要来源于地面观测, 且更多针对云量、云的分布特征及其成因等。在云量以及云的分布特征方面, 吴鹤轩(1985)利用青藏高原地面观测站资料, 分析了高原云量分布的季节变化特征, 给出了积雨云、层积云、层云等5种低云的地理分布特点。随着卫星探测技术的提高, 更多的被动卫星遥感数据应用于高原云的研究。周允华等(1983)利用TIROS-N卫星云图资料统计分析了青藏高原春夏季的云量, 绘制了总云量的逐月分布图。魏丽和钟强(1997)针对青藏高原地区云的水平和垂直分布特征研究认为:高原及周围地区的云状有明显的地域特性, 高原北侧盛行高云, 主体盛行积雨云, 东南侧多为层状低云。Gao et al(2003)利用MODIS资料研究发现, 青藏高原11月卷云出现的频率最小, 4月高层云最为活跃。Chen and Liu(2005)应用MODIS资料研究认为:青藏高原和亚洲季风区有两个相互独立的卷云活跃区, 一个位于赤道与20°N之间, 另一个在高原上空。在青藏高原云的气候成因方面, 李昀英等(2003)和Li et al(2005)讨论了高原地区层状云分布形式的环流背景, 并指出青藏高原大地形动力作用是导致高原东侧层云大量堆积的最根本原因。Yu et al(2004)应用ISSCP资料研究发现:冬春季节, 由于青藏高原的摩擦和阻挡, 既减缓了高层气流向下游中层的辐散, 又强迫低层气流向下游的辐合, 形成并维持大尺度抬升运动及稳定层结, 在高原上形成持续的深厚层云。Chen and Liu(2005)研究认为:高原上的卷云活跃区是由于暖湿空气被冷锋或大尺度地形抬升形成, 而另一个中心是因为强对流区中积雨云发展强盛, 其顶部向高空扩散形成。王艺等(2016)应用19842009年25年的地面观测和ISCCP资料, 针对高原中东部地区气温与云量变化的关系, 研究分析了高原云量的气候特点。
2006年, 可对云内部结构进行定量探测的CloudSat卫星发射升空, 为研究青藏高原云的结构特征提供了全新的平台。CloudSat卫星资料的应用将云的研究工作由云量、云分布特征拓展到云的结构特征以及微物理特征等方面。Sassen and Wang(2008)利用2006-2007年的CloudSat卫星资料, 统计分析了全球各类云的云量。Luo et al(2009)应用CloudSat资料针对东亚地区和印度季风区, 对比分析了云量、云垂直结构及其季节变化特征。王胜杰等(2010)用CloudSat资料对比分析了青藏高原、高原南坡及南亚季风区不同类型云的云顶高、云底高及云体厚度。汪会等(2011)针对东亚季风区、印度季风区、西北太平洋季风区和青藏高原等四个不同区域, 应用CloudSat资料, 对比分析了云量、云垂直结构及其季节变化特征。针对云的微物理特征, 赵艳风等(2014)利用CloudSat资料统计分析了青藏高原云水路径的水平分布及雷达反射率的空间分布特征。杨冰韵等(2014)利用4年的CloudSat卫星资料分析研究了云的液态水、冰水含量及路径的空间分布和季节变化。张华等(2015)利用CloudSat资料, 研究分析了东亚地区(15°N-60°N, 70°E-150°E)云的微物理特征。陈玲和周筠珺(2015)利用2年的CloudSat卫星资料对比分析了夏季青藏高原、四川盆地降水云类型的差别以及微观特征的不同。张晓等(2015)利用4年的CloudSat夏季观测资料, 对青藏高原东部云内水凝物垂直结构和云层发生频率的空间分布特征进行了分析研究。李浩然等(2015)应用2年的CloudSat资料分析了云量和云水路径变化特征。总之, CloudSat卫星对云和降水探测的高分辨率, 在陆地和海洋以及白天和夜间几乎相同的探测精度等诸多优势, 都使CloudSat卫星资料作为云系结构特征研究的一种良好资料来源, 并能为各种数值预报模式对云系模拟能力的评估提供有效的验证信息。
以上众多研究围绕青藏高原, 应用地面观测和卫星遥感数据, 针对云量, 高低云水平分布和垂直结构特征, 云辐射反馈机制, 云水路径和云滴浓度等方面, 开展了相关工作, 取得了一定的成果。但针对高原云系结构及其变化特征的研究还存在相关云系的研究资料欠缺, 地面观测资料不够精细准确; 大多研究使用的CloudSat资料时序短, 积累不够, 统计结果的显著性缺乏; 还有聚焦青藏高原, 应用CloudSat资料的研究工作, 大多集中于某一方面(如仅针对卷云), 相对独立, 系统性不够。为此, 本文将应用7年的CloudSat资料, 通过计算某类云型在高原出现的频率, 系统地分析研究高原云系结构的时空变化特征并探究其物理成因。
2 资料和方法CloudSat卫星搭载的是毫米波测云雷达(CPR), 其沿轨分辨率为2.5 km, 横轨分辨率为1.4 km。垂直方向共有125个垂直层, 每层厚度为240 m(Mace, 2008)。观测产品主要有标准数据和辅助数据(Wang et al, 2007)。标准数据分为两类, 一类是由卫星搭载的毫米波测云雷达直接观测得到的数据产品, 另一类是由直接观测产品结合MODIS等其他卫星产品反演得到的数据产品。Sassen K et al(2008)和Luo et al(2009)针对云量的水平及垂直分布特征, 分别应用CloudSat/CALIPSO资料与地面观测资料和ISCCP资料进行了对比, 初步验证了CloudSat/CALIPSO资料的可靠性。CloudSat卫星产品有雷达回波强度, 雷达反射率, 云分类, 云覆盖和液态水、冰水含量, 辐射通量和加热率等。CloudSat的云分类产品(2B_CLDCLASS)是结合云剖面雷达CPR、CALIPSO(激光雷达)以及MODIS(被动遥感)数据, 根据不同云具有不同的光谱特性、结构和物理特征来判别分类。具体分类中依据云的垂直和水平特征、有无降水、云的温度(EC预报数据)以及MODIS观测的向上的辐射等信息将云分为8类:高积云(Ac)、高层云(As)、积云(Cu)、深对流云(Dc)、雨层云(Ns)、层云(St)、层积云(Sc)以及高云(卷云、卷积云、卷层云), 其中, 层云、层积云、积云、雨层云、深对流云为低云, 高积云、高层云为中云, 高云统归为一类, 不同类型云的基本统计特征如表 1。
所用资料主要选用了自2006年5月18日至2013年5月18日7年的2B_CLDCLASS云分类资料中的经纬度、高度和云类型数据, 其中, 2011年5-10月资料空缺。研究区域为青藏高原地区, 25°N-45°N, 70°E-110°E的范围(图 1)。
云分类产品(2B_CLDCLASS)数据为N×125的二维数组, 其中, N是一轨扫瞄数据的廓线数目, 每条廓线包括125层云类型的数据。本文挑选出2006年5月至2013年5月7年间CloudSat卫星经过青藏高原地区的所有轨道, 根据每条轨道中扫描廓线的经纬度提取出该区域内扫描的各类云廓线总数N, 进一步统计出在某层(Z)和某地(X), 出现K类云的次数为M(X, Z, K), 则:
K类云出现的频率剖面为:
$ F({\rm{X,Z,K}}) = M({\rm{X,Z,K}})/N, $ | (1) |
K类云的空间分布频率为:
$ F({\rm{X,Z,K}}) = \sum\limits_{{\rm{Z}} = 1}^{125} {M({\rm{X,Z,K}})} /\sum\limits_{{\rm{Z}} = 1}^{125} N , $ | (2) |
讨论各类云出现频率的季节变化时, 按照春季(MAM)(3、4、5月)、夏季(JJA)(6、7、8月)、秋季(SON)(9、10、11月)、冬季(DJF)(12、1、2月)四个季节的划分统计分析各类云频率的季节变化特征。
另外, 本文在描述大尺度大气环流特征中, 应用了欧洲中心0.75°×0.75°再分析资料(ERA-Interim)。为与CloudSat资料时序相对应, 选用2006年5月至2013年5月的ERA-Interim资料, 并对这一时段内所有时序的有关物理量场进行总平均和季节平均。
3 青藏高原云系发生频率的垂直分布 3.1 云系发生总频率的垂直分布统计分析CloudSat资料样本时间段内青藏高原上云的发生频率, 各类云总的发生频率为35%(图 2a, 黑色廓线), 其中:低云的频率最大, 接近21%;中云次之, 频率14%;高云的频率最小(图 2a, 红色廓线为低云, 蓝色为中云, 绿色为高云)。频率分布廓线表明, 青藏高原云系以低云和中云为主, 出现高云的频率较低。根据CloudSat云分类算法(Wang et al, 2007, 2013)低云和中云的分型特征, 可见:高原上云系的特点是云层范围大、高度低(相对地面)、反射率大, 云中颗粒大, 多由冰晶、水滴组成。这样的云系特征与青藏高原地形有关, 大气运动受高原地形阻挡, 引起爬坡、大范围的缓慢上升运动是高原云系形成的主要原因。
按公式(1) 分别计算所有样本资料的八类云在不同高度层的发生频率, 进一步细分青藏高原云系的主导类型。由图 2b可见:高层云(As)、雨层(Ns)频率最大, 为12%, 其次为层积云(Sc)6%, 高积云(Ac)和积云(Cu)频率为2%~3%, 卷云(高云, Ci)、深对流云(Dc)频率最小。青藏高原云系的主导类型是高层云和雨层云。高层云(As)温度低、云层厚、范围大、云反射率大, 云粒子主要由冰晶组成。雨层云(Ns)云层深厚, 云粒子主要由水滴组成, 伴有持续降雨或降雪, 通常是大范围缓慢上升运动形成, 这些特征与高原动力、热力作用相一致。
4 青藏高原云发生频率的水平分布从高原云频率的水平分布来看, 高原东南部、西北部的频率较高(图 3a绿色较多区域), 频率的多年平均值达15%, 高原南坡个别地区频率更高, 表明这两个地区是相对多云中心。中部和北部频率低(2~4%), 为少云区。这与魏丽和钟强(1997)的研究结论“高原西北端帕米尔高原和高原东南侧云贵川地区为多云中心, 高原中西部为弱少云区”相一致。
由ERA-Interim资料地面10 m多年平均风场(图 3b)可见, 高原四周的风场流线基本是吹向高原, 受高原地形阻挡, 靠近高原的风场转为围绕高原旋转, 并被高原抬升。与此对应, 从500 hPa平均垂直速度场(图 3c)来看, 高原南部、西南侧沿喜马拉雅山一直延伸到西端帕米尔高原均为较强负值区(蓝、绿色区域), 对应上升运动。高原中部为弱的正值区, 对应下沉运动。表明:由于青藏高原范围大、海拔高的特点, 大气环流在高原周围易形成大范围的抬升运动, 高原南坡表现较为明显。另外, 四周向高原汇集的地面风场, 向高原输送了水汽。由图 3d相对湿度场可见, 高原南侧、西北侧相对湿度均较高(黄色区域), 并受高原周围抬升运动作用, 这一区域水汽上升凝结, 易形成云系。由于受喜马拉雅山、喀喇昆仑山、昆仑山等山系影响, 来自西南方向的水汽被截留, 使得高原腹地水汽含量低、云量稀少(张雪芹和彭莉莉, 2007)。这也是高原云系水平分布特征的主要物理成因。
4.1 低云的分布特征CloudSat卫星观测低云的特点是温度高, 云底高度低, 云层雷达反射率小。从高原上低云频率的水平分布来看(图 4a), 低云频率的水平分布与总的云频率分布基本一致, 高原东南部、西部的频率较高, 中部和北部频率低。从季节变化来看, 夏季南部频率高(图 4b), 冬季西部频率高(图 4c), 春季西部和东南频率高, 秋季均低。这样的分布特征与青藏高原及周边地区的环流特征相联系。究其原因, 夏季高原南部云系的高频区可能是受南亚季风的影响, 北部、西北部云系的低频区是由于青藏高压的控制。冬季高原西部云系的高频区是由于西风气流的爬坡上升形成, 东南侧云系的高频区是气流绕高原辐合而成, 高原中部云系的低频区是由于高原主体受冷高压控制, 盛行下沉气流而形成。
低云分布的季节变化与抬升凝结高度也有很好的一致性。本文应用ERA-Interim资料和Lawrence (2005)的抬升凝结高度公式(公式3) 计算了不同季节青藏高原及其周边地区的抬升凝结高度。
$ {h_{{\rm{LCL}}}} = \left( {20 + {T_{\rm{s}}}/5} \right)\left( {100 - {R_h}} \right), $ | (3) |
式中: hLCL为抬升凝结高度(单位: km), Ts为地面温度(单位: ℃), Rh为相对湿度(单位: %)。
图 4d为冬季青藏高原抬升凝结高度, 对照图 4c冬季高原低云的分布形势, 高原西部抬升凝结高度存在一明显低值区(0.6 km, 蓝色区域), 对应高原西部低云分布明显偏多。
以上分析表明, 低云是高原云系的主导云类型。高原低云分布存在明显的季节变化特征, 地形抬升运动是高原低云形成的主要成因。低云的水平分布与抬升凝结高度有较好的一致性, 抬升凝结高度越低, 越有利于低云的形成。
从低云的各类云型频率的水平分布和季节变化来看, 雨层云是高原上低云的典型云型, 其水平分布特征与低云总体特征一致(图 4a、e), 其季节变化是冬季西部频率高, 夏季南部频率高(图略), 与低云的总体频率季节变化相似。CloudSat卫星观测的雨层云通常是大范围的缓慢上升运动形成, 是主要的降雨云系, 由此推断, 高原上冬季西部降雨多, 夏季南部降雨多。其次, 低云中的积云(Cu)、层积云(Sc)、深对流云(Dc)频率分布要明显偏小(图略)。夏季, 深对流云(Dc)频率与其它季节相比最大, 水平空间上主要分布在高原南侧沿山一带(图 4f), 通常伴随着很强的上升运动, 其频率最大对应的高度达6~9 km(图 2c中粉色廓线), 这与夏季印度洋暖湿气流受高原南部山脉阻挡抬升, 引起的强烈上升运动有关。
4.2 中云的分布特征高原上中云发生频率的分布特点是北部、中部频率高, 南部频率低(图 5a), 与低云频率的分布特征明显不同。从其季节分布来看, 春季频率最高, 夏季次之, 冬季少, 秋季最少。其春季频率高的区域在高原的中、北部(图 5b); 夏季频率相对较低, 分布于高原中北部地区, 西端最小; 冬季, 除了沿塔里木盆地与高原交界处的阿尔金山、昆仑山一带以及高原东北部中云频率较高外, 其他地区较低(图略); 秋季, 除高原东北区域外, 频率相对均较低。
对比分析中云的高层云、高积云两种云型频率的水平分布和季节变化可见, 高积云频率较小, 高原上均有分布。高层云频率大, 其水平分布和季节变化与中云的主要特征基本一致, 是中云的典型代表云型。图 5c给出了高层云频率的水平分布, 图 5d为春季高层云频率的水平分布。在CloudSat卫星观测云分类判别中, 高层云与其他类型云的差别是构成云系的成份不同, 高层云主要由冰晶组成, 云的反射率大。
高原上以高层云为代表的春夏多、冬秋少的中云季节变化特征表明:高原上中云的形成更多的是由于高原热力抬升的作用。春夏季节, 随着气温的升高, 亚洲大陆逐步形成一个范围广大的、弱的热低压系统, 印度季风也给青藏高原带来了大量水汽, 在高原地形抬升的基础上, 叠加逐步增强的高原热力抬升作用, 印度洋暖湿气流上升的高度会更高, 并向北延伸, 在高原中、北部形成更多的中云。
另一方面, CloudSat卫星的云分类指标主要依据不同云的云量、云高、云温度、云层厚度、最大反射率等要素设置不同云类的判别条件, 具体判别中, 高云和高层云(中云)、积云(低云)、深对流云(低云)进行分类识别, 中云(高层云、高积云)和低云(层云、层积云、积云、雨层云)进行分类识别。由于青藏高原特殊的地形、热力特征, 云底高度、云顶温度、云底温度等区分中云与低云、中云(高层云)与高云的指标条件与平原陆地和海洋地区会有所不同, 这些指标条件的差异, 可能会带来CloudSat卫星识别高原上中云的误差, 有待进一步分析研究。
4.3 高云的分布特征CloudSat观测的高原上高云的发生频率最小, 这与王帅辉等(2011)的研究结果一致。高云的季节变化呈现冬季频率很小, 春季逐渐增大, 夏季最大, 秋季减小的特点, 进一步验证了陈葆德等(2008)“卷云在青藏高原和亚洲季风区存在季节性进退的特征”、“春、夏季, 青藏高原上空以高云居多”的研究结论。
夏季, 高原上高云主要分布在高原南部(图 6), 其分布特征与夏季深对流云的分布特征相似(图 4f)。这种相似的分布特征说明:夏季, 高原上的高云一方面是由于印度洋暖湿气流受高原地形抬升形成, 另一方面, 夏季高原南部对流活跃, 低云中的深对流云发展旺盛, 其顶部在高空扩散形成。
沿图 1中AB线(35°N)作高原云系发生频率的经向剖面, 沿CD线(90°E)作高原云系发生频率的纬向剖面, 如图 7a~f分别为经向低、中、高云和纬向低、中、高云的剖面图, 不同颜色的色斑表示频率的大小。
由图 7可见, 经向剖面和纬向剖面图中, 云系追随地形分布特征明显。从经向剖面图看, 35°N附近, 高原西部低云频率高(图 7a), 东部中云频率高(图 7b), 高云频率东西两头略高, 中部很小(图 7c)。低云频率最大地区云高5~6 km左右, 中云7~8 km左右, 高云11~12 km左右。从纬向剖面图看, 低、中云频率分布最大高度可达13 km(图 7d、e), 高云频率分布最大高度接近15 km(图 7f)。频率最大区域的云高与经向剖面一致。
从图 7中可以看出, 沿高原地形高度爬坡, 低云频率高(图 7a、d); 沿高原地形高度下坡, 中云频率高(图 7b、e), 进一步说明, 高原上低云的形成主要是由于地形抬升作用, 中云的形成与高原热力作用相关。
由ERA-Interim多年平均U、V风场和相对湿度剖面(图 8a为沿图 1中AB位置经向剖面, 图 8b为沿图 1中CD位置纬向剖面)可以看出, 高原西部(35°N附近)沿地形高度爬坡上升运动较强, 相对湿度达到60%(图 8a, 绿色), 相对较大。高原东部沿地形高度下坡, 近地层已逐步过渡为下沉气流, 但在400~300 hPa高度(7~8 km)仍然维持上升运动, 且相对湿度达到80%~100%(黄色、红色)。图 8b中(90°E附近)高原南部贴近地面爬坡为上升运动, 相对湿度达到70%, 也相对较大。高原北部下沉气流占主导, 但在400~300 hPa高度(7~8 km), 32°N-40°N区域为上升运动, 且相对湿度较大, 可达80%~100%。
图 8a与图 7a(低云频率经向剖面)、图 7b(中云频率经向剖面)有很好的对应关系, 图 8b与图 7d(低云频率纬向剖面)、图 7e(中云频率纬向剖面)有很好的对应关系。二者由相互独立的资料分析所得, 相互印证, 进一步表明, 沿高原地形高度爬坡, 上升运动强, 水汽上升易冷却凝结形成低云。沿高原地形高度下坡, 近地面为下沉气流, 低云发生频率小, 但受高原热力抬升, 400~300 hPa高度(7~8 km)维持上升气流, 且水汽条件好, 中云发生频率较大。
6 结论与讨论利用CloudSat卫星观测提供的2006年5月18日至2013年5月18日7年的资料, 详细分析了青藏高原不同类型云发生频率的水平分布和垂直分布特征及其季节变化, 得出以下主要结论:
(1) 青藏高原云的发生频率为35%。水平分布上, 高原东南部和西北部频率较高, 多年平均值为15%, 是高原的两个相对多云中心。中部和北部频率低, 为少云区。
(2) 低云的发生频率在高、中、低三类云中最大, 接近21%。水平分布与总的云频率分布基本一致, 高原东南部、西部的频率较高, 中部和北部频率低。其季节变化, 冬季西部频率高, 夏季南部频率高, 春季西部和东南频率高, 秋季均低。低云分布的季节变化与抬升凝结高度也有很好的一致性。
(3) 中云的发生频率小于低云, 频率为14%。水平分布特点是北部、中部频率高, 南部频率低, 与低云频率的分布特征明显不同。其季节变化, 春季频率最高, 夏季次之, 冬季少, 秋季最少。
(4) 高云的发生频率在三类云中最小, 其季节变化呈现冬季频率很小, 春季逐渐增大, 夏季最大, 秋季减小的特点。夏季, 高原上高云主要分布在高原南部。
(5) 各类型云的发生频率, 高层云(中云)、雨层云(低云)出现频率最大, 为12%, 其次为层积云(低云)6%, 高积云(中云)和积云(低云)频率为2%~3%, 卷云(高云)、深对流云(低云)频率最小。高原上的主导云型是高层云和雨层云。
(6) 青藏高原云的发生频率垂直分布特征是沿高原地形爬坡, 低云频率高; 沿高原地形下坡, 中云频率高。低云频率最大地区云高5~6 km左右, 中云7~8 km左右, 高云11~12 km左右。
(7) 从物理成因看, 低云的形成主要是地形抬升作用, 中云的形成与高原热力作用相关。夏季高云频率高, 一方面是印度洋暖湿气流受高原地形抬升形成, 另一方面, 高原南部对流活跃, 低云中的深对流云发展旺盛, 其顶部在高空扩散形成。
本文在研究中所应用的2B_CLDCLASS云类型产品是根据CloudSat卫星观测云的不同光谱特性、结构和物理特征, 依据云的垂直和水平特征、云的温度、有无降水以及MODIS观测的向上的辐射等信息进行判别分类。由于青藏高原特殊的地形、热力特征, 在应用云底高度、云顶温度、云底温度等指标判别区分高原中云与低云、中云(高层云)与高云时会产生与平原陆地和海洋地区识别指标的差异, 有待进一步分析研究。
Chen Baode, Liu Xiaodong. 2005. Seasonal migration of cirrus clouds over the Asian monsoon regions and the Tibetan Plateau measured from MODIS/Terra[J]. Geophy Res Lett, 32(L01): L01804. | |
Mace G.2008.A NASA earth system science pathfinder mission, CloudSat standard data products handbook[Z].Cooperative Institute for Research in the Atmosphere, Colorado State University, USA. | |
Lawrence M G. 2005. The relationship between relative humidity and the dew point temperature in moist air:A simple conversion and applications[J]. American Meteorological Society.BAMS, 2005(2): 225–233. DOI:10.1175/BAMS-86-2-225 | |
Li Qinbin, Jiang Jonathan H, Wu Dong L, et al. 2005. Convective outflow of South Asian pollution:A global CTM simulation compared with EOS MLS observations[J]. Geophys Res Lett, 32(L14): L14826. DOI:10.1029/2005GLO22762 | |
Luo Yali, Zhang Renhe, Wang Hui. 2009. Comparing occurrences and vertical structures of hydrometeors-between the eastern China and the Indian monsoon region using CloudSat/CALIPSO data[J]. J Climate, 22(4): 1052–1064. DOI:10.1175/2008JCLI2606.1 | |
Gao Bocai, Yang Ping, Guo Guang, et al. 2003. Measurements of water vapor and high clouds over the Tibetan Plateau with the terra MODIS instrument[J]. IEEE Trans Geosci Remote Sens, 41(4): 895–900. DOI:10.1109/TGRS.2003.810704 | |
Sassen K, Wang Z. 2008. Classifying clouds around the globe with the CloudSat radar:1-year of results[J]. Geophys Res Lett, 35(L04): L04805. | |
Wang Z, Sassen K. 2007. Level 2 cloud scenario classification product process description and interface control document[J]. Version 5.0, Colorado State University, 5: 50. | |
Wang Z, Vane D, Stephens G, et al.2013.Level 2 combined radar and lidar cloud scenario classification product process description and interface control document[Z].Jet Propulsion Laboratory California Institute of Technology. | |
Yu Rucong, Wang Bin, Zhou Tianjun. 2004. Climate effects of the deep continental stratus clouds generated by the Tibetan Plateau[J]. J Climate, 17(13): 2702–2713. DOI:10.1175/1520-0442(2004)017<2702:CEOTDC>2.0.CO;2 | |
陈葆德, 梁萍, 李跃清. 2008. 青藏高原云的研究进展[J]. 高原山地气象研究, 28(1): 66–71. Chen Baode, Liang Ping, Li Yueqing. 2008. An overview of research on clouds over the Tibetan Plateau[J]. Plateau Mountain Meteor Res, 28(1): 66–71. | |
李昀英, 宇如聪, 徐幼平, 等. 2003. 中国南方地区层状云的形成和日变化特征分析[J]. 气象学报, 61(6): 733–743. DOI:10.11676/qxxb2003.074Li Yunying, Yu Rucong, Xu Youping, et al. 2003. The formation and diurnal changes of stratiform clouds in southern China[J]. Acta Meteorologica Sinica, 61(6): 733–743. DOI:10.11676/qxxb2003.074 | |
梁萍, 陈葆德, 汤绪. 2010. 青藏高原云型的卫星遥感判别方法研究[J]. 高原气象, 29(2): 268–277. Liang Ping, Chen Baode, Tang Xu. 2010. Identification of cloud types over Tibetan Plateau by satellite remote sensing[J]. Plateau Meteor, 29(2): 268–277. | |
王可丽, 江灏, 陈世强. 2001. 青藏高原地区的总云量-地面观测、卫星反演和同化资料的对比分析[J]. 高原气象, 20(3): 252–257. Wang Keli, Jiang Hao, Chen Shiqiang. 2001. Cloud cover over Qinghai-Xizang Plateau:Comparison among meteorological station observations, ISCCP-C2 and NCEP reanalysis data[J]. Plateau Meteor, 20(3): 252–257. | |
王胜杰, 何文英, 陈洪滨, 等. 2010. 利用CloudSat资料分析青藏高原、高原南坡及南亚季风区云高度的统计特征量[J]. 高原气象, 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 Meteor, 29(1): 1–9. | |
汪会, 罗亚丽, 张人禾. 2011. 用CloudSat/CALIPSO资料分析亚洲季风区和青藏高原地区云的季节变化特征[J]. 大气科学, 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 J Atmos Sci, 35(6): 1117–1131. | |
王帅辉, 韩志刚, 姚志刚, 等. 2011. 基于CloudSat资料的中国及周边地区各类云的宏观特征分析[J]. 气象学报, 69(5): 883–899. DOI:10.11676/qxxb2011.077Wang Shuaihui, Han Zhigang, Yao Zhigang, et al. 2011. An analysis of cloud types and macroscopic characteristics over China and its neighborhood based on the CloudSat data[J]. Acta Meteor Sinica, 69(5): 883–899. DOI:10.11676/qxxb2011.077 | |
魏丽, 钟强. 1997. 青藏高原云的气候学特征[J]. 高原气象, 16(1): 10–15. Wei Li, Zhong Qiang. 1997. Characterristics of cloud climatology over Qinhai-Xizang Plateau[J]. Plateau Meteor, 16(1): 10–15. | |
吴鹤轩. 1985. 青藏高原的低云[M]. 北京: 气象出版社. Wu Hexuan. 1985. The low-level cloud over the Qinghai-Xizang Plateau[M]. Beijing: China Meteorological Press. | |
张华, 杨冰韵, 彭杰, 等. 2015. 东亚地区云微物理量分布特征的CloudSat卫星观测研究[J]. 大气科学, 39(2): 235–248. Zhang Hua, Yang Bingyun, Peng Jie, et al. 2015. The characteristics of cloud microphysical properties in East Asia with the CloudSat dataset[J]. Chinese J Atmos Sci, 39(2): 235–248. | |
张晓, 段克勤, 石培宏, 等. 2015. 基于CloudSat卫星资料分析青藏高原东部夏季云的垂直结构[J]. 大气科学, 39(6): 1073–1080. Zhang Xiao, Duan Keqin, Shi Peihong, et al. 2015. Cloud vertical profiles from CloudSat data over the eastern Tibetan Plateau during summer[J]. Chinese J Atmos Sci, 39(6): 1073–1080. | |
张雪芹, 彭莉莉. 2007. 1971-2004年青藏高原总云量时空变化及其影响因子[J]. 地理学报, 62(9): 959–969. Zhang Xueqin, Peng Lili. 2007. Variation of total cloud amount and its possible causes over the Qinghai-Xizang Plateau during 19712004[J]. Acta Geographica Sinica, 62(9): 959–969. | |
赵艳风, 王东海, 尹金方, 等. 2014. 基于CloudSat资料的青藏高原地区云微物理特征分析[J]. 热带气象学报, 30(2): 239–248. Zhao Yanfeng, Wang Donghai, Yin Jinfang, et al. 2014. A study on cloud microphysical characteristics over the Tibetan plateau using CloudSat data[J]. J Trop Meteor, 30(2): 239–248. | |
周允华, 叶芳德, 周树秀, 等. 1983. 利用TIROS-N卫星云图对1979年夏季青藏高原云量分布的研究[J]. 高原气象, 2(1): 39–51. Zhou Yunhua, Ye Fangde, Zhou Shuxiu, et al. 1983. A study on the patterns of the cloud cover by TIROS-N television pictures over Qinghai-Xizang (TIBET) plateau in summer 1979[J]. Plateau Meteor, 2(1): 39–51. | |
杨冰韵, 张华, 彭杰, 等. 2014. 利用CloudSat卫星资料分析云微物理和光学性质的分布特征[J]. 高原气象, 33(4): 1105–1118. DOI:10.7522/j.issn.1000-0534.2013.00026Yang Bingyu, Zhang Hua, Peng Jie, et al. 2014. Analysis on global distribution characteristics of cloud microphysical and optical properties based on the CloudSat data[J]. Plateau Meteor, 33(4): 1105–1118. DOI:10.7522/j.issn.1000-0534.2013.00026 | |
陈玲, 周筠珺. 2015. 青藏高原和四川盆地夏季降水云物理特性差异[J]. 高原气象, 34(3): 621–632. DOI:10.7522/j.issn.1000-0534.2014.00036Chen Lin, Zhou Yunjun. 2015. Different physical properties of summer precipitation cloud over Qinghai-Xizang Plateau and Sichuan Basin[J]. Plateau Meteor, 34(3): 621–632. DOI:10.7522/j.issn.1000-0534.2014.00036 | |
李浩然, 孙学金, 王旻燕, 等. 2015. 中国及周边地区白天各类云及其水凝物变化特征研究[J]. 高原气象, 34(6): 1625–1635. DOI:10.7522/j.issn.1000-0534.2014.00129Li Haoran, Sun Xuejin, Wang Minyan, et al. 2015. Research on different types of cloud and variation characteristics of hydrometeors in cloud over China and its neighborhood in daytime[J]. Plateau Meteor, 34(6): 1625–1635. DOI:10.7522/j.issn.1000-0534.2014.00129 | |
王艺, 伯玥, 王澄海. 2016. 青藏高原中东部云量变化与气温的不对称升高[J]. 高原气象, 35(4): 908–919. DOI:10.7522/j.issn.1000-0534.2015.00033Wang Yi, Bo Yue, Wang Chenghai. 2016. Relations of cloud amount to asymmetric diurnal temperature change in Central and Eastern Qinghai-Xizang Plateau[J]. Plateau Meteor, 35(4): 908–919. DOI:10.7522/j.issn.1000-0534.2015.00033 |
2. Key Laboratory for Meteorological Disaster Monitoring and Early Warning and Risk Management of Characteristic Agriculturein in Arid Regions, China Meteorological Administration, Yinchuan 750002, China;
3. Shanghai Typhoon Institute, China Meteorological Administration, Shanghai 200030, China