云在调节全球辐射收支和水循环中起着重要作用, 它能通过反照率和温室效应影响地球气候系统, 即:通过反射太阳短波射辐射使地面冷却, 同时阻挡地面向上的长波辐射使大气变暖, 由这两个过程之间平衡的净效果来体现云的辐射特性, 其主要取决于云的性质, 例如云相、云水路径和光学厚度等(Haynes et al, 2013; 刘玉芝等, 2007)。国际上对于水云的研究已经取得较大的进展, 对于水云的各种光学和物理特性都有了较系统和深入的理解, 多数水云处于中低层, 太阳反照率效应占主导地位, 对大气系统造成净冷却(Matus et al, 2017; 张国栋, 1997)。而冰云通常发生高度较高且含有相对较大的粒径, 导致它们比水云更难探测, 并且因为冰粒形状不规则, 很难准确地表征冰粒的散射和吸收, 这为其在气候模式中的精确计算带来了极大困难(孙治安, 1996)。有研究发现, 部分高而薄的冰云对太阳入射辐射几乎是透明的, 而对长波辐射则进行吸收, 这导致它们具有变暖的净效应(Liou, 1986; Stephens, 2005)。在全球气候变暖已经得到证实的条件下, 冰云的特征及其对气候的影响仍然存在较大的不确定性, 为了减少这些不确定性, 重点在于获得更多冰云观测信息及其特性的统计分析。

国际上主要运用各种遥感设备获得冰云的宏微观信息, 其中卫星遥感由于其在空间观测方面的巨大优势, 已经成为目前最主要的观测手段。卫星观测提供了几乎全球范围内的冰云测量数据, 例如, 国际卫星云气候项目(International Satellite Cloud Climatology Project, ISCCP)根据被动传感器可以提供20多年各层冰云的全球数据(刘健等, 2017)。但是被动传感器并不能获得垂直方向上的信息, 随着主动遥感技术的发展, 于2006年发射了装载有激光雷达的CALIPSO(Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observations)卫星和第一颗专用于云观测的太阳极轨卫星CloudSat, 弥补了被动传感器的诸多不足, 提供了云层更多的垂直信息。已经有很多学者运用卫星主动传感器数据统计分析冰云特性, 例如, 利用CloudSat卫星主动传感器数据, 研究卷云发生率的全球分布, 以及全球的冰水路径IWP和冰云有效粒子半径r_e, 结果表明, 全球冰水路径的最大值在600 g·m^-2以上, 冰云有效粒子半径最大值达200 μm以上(Sassen et al, 2008; 杨冰韵等, 2014)。有关中国区域冰云的研究也有很多, 例如利用CloudSat 2B-CLDCLASS云分类资料研究中国地区各类云宏观分布特征, 发现卷云在中国东部地区云量较多, 在青藏高原地区最少(王帅辉等, 2011), 但是缺少对云的光学和微物理特征的研究; 也有学者分析了中国深对流云发生率、冰水路径、冰水含量等分布及其季节变化特征(杨冰韵等, 2017), 但是对于云的类型有一定局限性。

以往有关冰云的研究主要集中在一定范围内光学厚度的冰云上, 例如对光学较薄的卷云关注较多。其中一个原因在于, 单一的主动传感器由于对云的敏感性限制, 能探测到的冰云并不完整, 对于CloudSat雷达来说, IWC小于0.4 mg·m^-3的薄冰云是无法探测到的, 虽然薄冰云对于冰云总量的贡献很小, 但是当涉及辐射效应时, 薄冰云因为其潜在的变暖效应变得至关重要, 而CALIPSO能在很多情况下穿透光学厚度τ < 3的薄云观测到下层的云和气溶胶(刘健等, 2017), CloudSat雷达和CALIPSO激光雷达的联合观测使研究广泛围光学厚度的冰云成为可能, 因为前者可以探测厚云, 而后者则能探测到薄云(单坤玲等, 2015)。CloudSat雷达和CALIPSO激光雷达的数据组合方法在云气候研究中已被多个研究者采用, 比如利用CALIPSO和CloudSat协同的数据产品DARDAR, 分析全球更广泛的冰云分布与特征(Hong et al, 2015); 用CloudSat和CALIPSO卫星产品数据分析中国华北地区的中云分布特征, 探究中层冰云的冰水路径(IWP)(霍娟, 2015); 利用卫星资料联合产品2B-CLDCLASS-LIDAR对中国秦岭南北云系的垂直特征进行研究(位晶等, 2018)。但是目前对于中国地区更完整光学厚度范围内的冰云的统计分析尚且缺失, 有必要对不同光学厚度所定义的冰云类型进行更多分析。

为了更好地研究冰云特性, 已有学者对冰云进行了分类。在激光雷达观测研究中, 根据光学厚度τ定义了三类卷云:不可见卷云(τ < 0.03)、薄卷云(0.03 < τ < 0.3)和不透明卷云(0.3 < τ < 3)(Sassen et al, 1992); 在此基础上, 采用冰云的概念, 另对光学厚度较厚的冰云也分为两类进行研究: 3 < τ < 20和τ>20的冰云(Hong et al, 2015)。本文采用与之前学者一致的冰云分类方法, 利用4年的DARDAR产品数据, 在中国区域范围内研究冰云整体特性以及不同光学厚度冰云的分类讨论, 包括冰云的光学厚度, 水平/垂直方向的发生概率、冰水路径和有效粒子半径的发生频率分布, 以及光学薄与厚冰云微物理性质差异。为加深对冰云性质的认识, 探究中国地区冰云的辐射特性, 及在气候模式中的应用提供参考依据。

许多卫星冰云产品都是从一系列被动或主动传感器中衍生出来的。使用CloudSat雷达和CALIPSO激光雷达协同反演得到的冰云产品DARDAR进行云特性分析, CloudSat雷达的工作频率为94 GHz, 最低灵敏度为-30 dBZ, 垂直分辨率为500 m; CALIPSO激光雷达的工作波长分别为532 nm和1064 nm, 在对流层垂直分辨率约为60 m(李积明, 2011)。DARDAR产品由雷丁大学开发, 通过综合CloudSat雷达反射率因子(Z_e)和CALIPSO激光雷达衰减后向散射(β)得到冰云特性, 包括冰水含量(IWC)、有效半径(r_e)和消光系数(σ)(Delanoë et al, 2008)。

根据CALIPSO激光雷达和CloudSat雷达对云液滴和冰粒的敏感性不同, DARDAR算法的一个特点是利用激光雷达的后向散射信号区分过冷水和冰粒, 实现对冰云的探测。CALIPSO激光雷达在遇到液滴时会产生很强的回波, 而CloudSat雷达来自液滴的信号通常是相当微弱的。利用CALIPSO激光雷达反向散射在湿球温度低于0 ℃、空气温度高于-40 ℃的区域对过冷液态水进行了鉴定; 当湿球温度大于0 ℃时, 假定液态水, 当温度低于-40 ℃时, 则判定为冰粒。一旦激光雷达检测到过冷液体层, 就会自动过滤该处所获得资料。而由于冰粒与液滴相比尺寸很大, 通过假设CloudSat雷达回波以冰粒为主, 再利用雷达信号在这些区域得到冰云特性(Delanoë et al, 2010)。

在执行冰云检索时, DARDAR算法采用最优估计算法, 首先对状态向量(消光系数、数量浓度和消光反向散射比)进行假设来预测观测参数的正演模型。将预测结果与真实观测值进行比较, 通过高斯-牛顿迭代将代价函数最小化, 得到状态矢量的最佳估计(Delanoë et al, 2008)。激光雷达多次散射用散射模型预测, 即使只有一个传感器的观测数据可用, 也可以通过文献中的经验方法进行检索(Hogan, 2006), 例如, 当只有激光雷达数据可用时, 冰水含量IWCs仍然可以通过mass-size关系得到(Brown et al, 1995); 在没有激光雷达观测的情况下, 使用Francis et al(1998)的area-size关系导出消光系数, 再根据微波雷达反射率因子Z_e和温度计算得出IWCs。这种方法能够在光学薄和厚冰云之间连续得到反演结果。DARDAR数据的准确性已经被Delanoë et al(2010)进行了验证, 并且Hong et al(2016)将DARDAR数据作为辐射传输模式的重要参数输入得到了很好的效果; 林彤等(2018)也利用DARDRA数据对我国西北部冰云特性进行了统计分析, 得到结论也与其他卫星资料所反演的结果有很好的相似性。

使用2013年1月至2016年12月的DARDAR产品数据, 该产品水平分辨率为1.4 km, 提供的高度范围在-1.02~25.08 km之间, 垂直分辨率为60 m, 共436个高度信息, 提供多达11种云分类指标(DARMASK_Simplified_Categorization), 文中主要研究指标为1的冰云。当云分类指标数值为1(仅含有冰粒)且冰水含量大于0时, 提取相关数据。研究区域为70°E—140°E, 0°N—55°N, 为了避免赤道附近辐合带对平均值的影响, 不考虑中国南海诸岛屿, 具体统计时选取70°E—140°E, 15°N—55°N为研究区域。在分析水平分布时, 对DARDAR数据进行网格化处理, 将轨道数据插值到2.5°(经度)×2.5°(纬度)的网格中。同时根据冰云的光学厚度, 将较薄的冰云分为不可见冰云(τ < 0.03)、薄冰云(0.03 < τ < 0.3)和不透明冰云(0.3 < τ < 3)(Sassen et al, 1992), 较厚的冰云取3 < τ < 20和τ>20两类进行分组分析。文中涉及的地图是基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)1554的中国地图制作, 底图无修改。

云光学厚度是计算云辐射效应和光学作用的重要参量之一, 表征了云的消光作用, 是地气辐射系统的主要调节参量, 决定单层云反射和透射的长波和短波辐射的程度(芦荀, 2017)。高且薄的卷云具有变暖的净效应, 随着光学厚度的增加, 太阳反照率效应又占主导地位, 因此冰云辐射强迫的大小和特征与其光学厚度息息相关(Stephens, 2005)。根据DARDAR产品中国地区四年的冰云数据统计, 在所有可获得样本中, 有52%出现了冰云, 其中光学厚度的频率统计(图 1)可以看出, 全国冰云的光学厚度值范围由小于0.1到100以上不等, 在对数坐标下, 出现频率最高的光学厚度值约为2.4, 平均值约为4, 光学厚度小于平均值的冰云约占冰云总数的71%, 可见, 我国大多数发生冰云的光学厚度值都小于它们的年平均值, 这表明较厚的冰云虽然出现频率不高, 但是对全国冰云的平均光学厚度影响极大, 平均的冰云光学厚度值并不能很好的描述冰云的光学特性, 考虑冰云对大气系统辐射收支的影响, 在进行模式模拟时, 使用平均参数来获得云强迫的定性分析会产生很大的偏差。

图 1(Fig. 1)

图 1 中国地区冰云光学厚度频率分布 Fig. 1 Frequency distributions of ice clouds opticaldepth of China

云光学厚度主要与云量和有效半径有关, 同时还会受到气溶胶间接效应的影响, 冰云的微物理机制比水云更为复杂, 其平均光学厚度的水平分布具有明显的区域特征, 从中国地区冰云四年的平均光学厚度水平分布(图 2)可以看出, 我国冰云光学厚度主要有西北向东南递增的特征, 整体上, 全国冰云平均光学厚度值多在9以下, 海洋大于陆地, 陆地高值区主要在广东省及其周边地区, 其平均光学厚度在6以上, 低值区处于我国新疆东部到内蒙古西部之间, 最小值仅为1。段皎等(2011)利用MODIS云资料分析了中国地区冰云的光学厚度的变化趋势, 所得出的水平分布规律与DARDAR数据在主要高低值区分布上基本一致, 但是由于被动传感器多基于单一层反演冰云, 多层云的情况常会使反演结果出现偏差, 因此所得到的平均光学厚度值要比DARDAR数据值要高。

图 2(Fig. 2)

图 2 四年平均冰云光学厚度水平分布 Fig. 2 Four-year average horizontal distributions ofice clouds optical depth

冰云的覆盖率决定了受冰云影响的地面面积, 也是冰云在调节辐射收支的主要因素, 它由冰云发生率来表示, 即:

式中: N_ice为冰云的数量; N_all为所有晴空和云的总数(经纬度分辨率为2.5°×2.5°)。将DARDAR数据中所有云指标辨别为1的冰云样本进行统计, 全国冰云的平均发生率约为52%。从中国区域四年平均的冰云发生率水平分布(图 3)可以看出, 我国冰云整体上呈现西部和北部高、东南部低的分布特征, 低值区在南部地区, 最低值小于40%, 高值区在青藏高原地区, 最大值位于青藏高原东北部(70%以上)。闵敏等(2011)利用其他资料也得出青藏高原地区的确冰云发生率较高, 主要原因是因为青藏高原地形所产生的影响, 较高的海拔可以迅速输送水汽抬升, 易于形成冰云。我国冰云发生率分布与平均光学厚度的分布没有明显关系, 东南部为光学厚度高值区, 而冰云发生概率较低, 说明东南部所发生的冰云多为光学较厚的冰云。

图 3(Fig. 3)

图 3 四年平均冰云发生概率水平分布(单位: %) Fig. 3 Four-year average horizontal distributions ofice cloud occurrence. Unit: %

为了全面考虑完整光学厚度范围内的冰云, 将冰云分为五类: τ < 0.03, 0.03 < τ < 0.3, 0.3 < τ < 3, 3 < τ < 20和τ>20。五组冰云的发生概率分别为3%, 13%, 21%, 11%和4%, 各组分别占冰云的比例为5%, 25%, 40%, 22%和8%。图 4展示了五组冰云发生率的水平分布, 为了更好的视觉效果, 图中对各个云类型的统计结果进行了不同比例放大, 比例因子在各图顶部列出。从图 4中可以看出, 不可见冰云[图 4(a)]一般发生率较低, 但是其在我国陆地区域广泛存在, 高值区在西南部地区和青藏高原东部地区, 发生率最高约为7.4%, 纬度较低的区域不可见冰云极少发生, 最低发生率低于1%;薄冰云[图 4(b)]和不透明冰云[图 4(c)]在我国的水平分布规律相似, 高值区几乎覆盖了整个青藏高原地区, 最高发生率分别为21%和34%, 陆地低值区都出现在我国东南部, 极低值约为5.0%和7.0%;厚冰云[图 4(d)]的一个高值区同样在青藏高原地区, 发生率约为28.0%, 最小值相出现在我国西南部约为3.0%; τ>20的冰云[图 4(e)]与其他四种冰云分布特征差异较大, 东南部发生率高于西北部, 其高值区在我国东海黄海附近, 最高值约9.7%。西北地区处于内陆, 相对缺乏形成较厚冰云的水汽条件, τ>20的冰云发生概率最低值甚至低于0.5%。不同类型冰云发生概率差异, 主要受到地形因素及大尺度环流的影响, 较薄的冰云主要为非降水云, 容易受到热带辐合带(ITCZ)季节性移动的影响, 较厚的冰云多与降水有关, 多发生于纬度较低及风暴路径等区域。

图 4(Fig. 4)

图 4 五组冰云平均发生概率水平分布(单位: %) Fig. 4 Distributions of occurrence for five ice cloud categories. Unit: %

一些被动卫星资料得到的冰云数据集(如ISCCP)中只包含了路径上云的属性信息, 缺少垂直方向数据, 而云的高度分布由不同的云动力学机制控制, 有必要对冰云的高度分布进行统计分析。从统计了中国地区冰云发生率的整体垂直分布(图 5)可以看出, 主要呈单峰型, 冰云主要发生高度在5~10 km之间(占50%以上), 发生率峰值在9 km附近。不同类型五组冰云的发生率的垂直分布(图 6)可以看出, 不可见冰云和薄冰云的分布较为复杂, 其他三类冰云均为单峰型。不可见冰云[图 6(a)]发生率呈双峰型, 两个峰值分别位于9 km和5 km高度; 薄冰云[图 6(b)]发生率峰值位于9.5 km处, 同时, 在15 km附近也出现了一个峰值; 不透明冰云[图 6(c)]以及更厚的两组冰云众数值分别为9, 7.2和6.3 km。可知, 不可见冰云的发生高度多较低, 其余类型的冰云的主要发生高度会随着光学厚度的增加而降低。光学厚度τ < 0.3的冰云的发生高度分布较为复杂, 可能与青藏高原的特殊地形影响产生大量地形型云有关, 较厚冰云频率峰值的高度较低, 推测其与深对流云有关, 具体原因和机制需要更多研究。

图 5(Fig. 5)

图 5 中国地区冰云高度频率分布 Fig. 5 The altitude frequency distribution of ice cloud of China

图 6(Fig. 6)

图 6 五组冰云高度频率分布 Fig. 6 The altitude frequency distributions for five ice cloud categories

不同季节我国冰云发生概率不同, 利用四年的数据, 我国冰云春(3—5月)、夏(6—8月)、秋(9—11月)和冬(12月至次年2月)季平均发生率分别为53%, 59%, 47%和43%, 春季冰云高峰期主要由暖湿气流遇冷锋或地形抬升造成, 而夏季高峰期可能受雨季影响, 对流相对旺盛, 有利于冰云的发生(薛小宁等, 2018)。不同季节我国冰云发生概率的水平分布(图 7)可以看出, 春季冰云发生率最高值出现在青藏高原东北部(约89%), 低值出现在南部地区(约20%); 夏季冰云发生率呈现由西南方向东北方减小的趋势, 青藏高原地区冰云发生率较大, 最大值约86%, 河南地区出现一个低值区约40%;秋季冰云发生率的高值区与春季重合, 最高值达70%, 低值区在我国东南部地区, 最低值约21%;冬季冰云发生率最低, 其中一个高值区仍然出现在青藏高原地区约60%, 极小值出现在我国低纬度地区, 约8.5%。对于冰云发生率的季节变化分布规律与李特等(2017)利用5年的MODIS产品资料所分析中国地区冰云的季节变化特征有较好的相似性, 其与本文得出的水平分布规律吻合, 但发生率值小于本文的统计结果(李特等, 2017), 主要是因为传感器敏感性差异, DARDAR不仅仅反演高云, 包括了其他所有含冰粒子云, 这也是DARDAR产品的特点。

图 7(Fig. 7)

图 7 四季平均冰云发生概率水平分布(单位: %) Fig. 7 Seasonal distribution of ice cloud occurrence frequency. Unit: %

从统计了各个季节不同类型冰云所占比例(表 1)中可以看到, 五种冰云类型比例变化并不大, 但是也有一定的规律, 光学较薄的冰云(τ < 3)中, 三类冰云占所有冰云比例最高值都出现在冬季, 除了不可见冰云(τ < 0.03)占比最低值出现在春季外, 其余两类都出现在冬季, 较厚的冰云(τ>3)则情况相反, 最高值都出现在夏季, 最低值都出现在冬季, 也就是说, 在季节变化中, 光学较厚的冰云更容易在夏季发生, 而较薄的冰云则更多在冬季出现。另外, τ>20的冰云在冬季差异明显, 占冰云比例很低, 说明冬季发生的冰云中, 出现光学厚度超过20的冰云情况极少。主要原因, 可能是夏季对流强盛雨水丰沛, 深对流积雨云顶部气流逸出, 更容易造成较厚冰云的出现, 而冬季气象条件不利于光学较厚的冰云发生。

表 1(Table 1)

表 1 中国地区五类冰云占比季节平均 Table 1 The seasonal average proportion for five icecloud categories of China 云类型 冰云占比/% 春季 夏季 秋季 冬季 τ < 0.03 4.7 5.6 5.8 6.0 0.03 < τ < 0.3 27.2 24.0 26.4 30.3 0.3 < τ < 3 40.3 38.4 39.6 43.4 3 < τ < 20 21.4 22.0 20.8 17.4 τ > 20 6.4 10.0 7.4 2.9

表 1 中国地区五类冰云占比季节平均 Table 1 The seasonal average proportion for five icecloud categories of China

冰云的微观物理特征也是描述冰云特性的重要参量, 利用了DARDAR产品中冰云的冰水含量IWC和有效粒子半径r_e资料进行统计分析。冰水含量反映了冰云中所含的冰晶质量, 是重要的光学参数, 冰云的有效粒子半径代表了冰粒子的平均有效尺度, Foot(1988)提出有效半径是冰水含量和消光系数的函数, 即:

式中: ρ_i是冰密度; α_ν是波长为ν时的消光系数。对冰水含量进行垂直方向上的积分, 可以得到冰云特性的另一重要参数冰水路径IWP, 冰水路径值可以更直观的体现整层大气的含冰量。同样, 与光学厚度频率统计的方式一致, 图 8统计了冰水路径IWP和冰云有效粒子半径r_e的频率分布。从图 8中可以看出, 中国地区IWP均值约为157 g·m^-2, 频率分布在对数尺度上的众数值约27 g·m^-2, 其中IWP值大于平均值的只占20%, 这意味着尽管厚冰云在中国地区发生频率很小, 但是对地区内平均含冰量贡献很大。冰云粒子有效半径r_e的在35 μm左右出现频率最大, 全国平均值约51 μm, 可见多数冰云的有效粒子半径小于全国平均值。因此, 与光学厚度一样, 平均冰云微物理属性也不能表示区域内冰云特性; 而将平均的冰云各项属性应用到气候模式中, 并不能很好的评估区域内冰云在气候系统中的作用, 这与之前学者所提出的结论类似, 在考虑大气系统辐射收支方面, 由光学厚度和云顶高度所定义的不同类型云的变化极为重要(Chen et al, 2000; Eliasson et al, 2011)。

图 8(Fig. 8)

图 8 中国地区冰水路径与冰云有效粒子半径频率分布 Fig. 8 Frequency distributions of ice water path and ice clouds effective radius of China

冰云微物理特性也随云类型的变化而变化, 图 9展示了中国地区冰水含量IWC和冰云粒子有效半径在五组冰云上的频率分布。从图 9中可以看出, IWC在对数尺度上接近高斯分布, 特别是不可见冰云的IWC分布最窄; 随着光学厚度的增加, IWC分布范围变宽, 其众数值也随之增大, 也就是说, 当光学厚度τ < 3时, 较小的IWC在冰云中占主导地位, 而光学较厚冰云(τ>3)则存在更广范围的IWC。与IWC相比, 五组冰云的有效半径范围相似, 但其频率分布形式更为复杂。不可见冰云和τ>3的冰云分布都为双峰型, 薄冰云和不透明冰云则为单峰型分布; 在34 μm附近, 五组冰云均存在一个峰值区域, 不可见冰云和3 < τ < 20冰云的另一个峰值位置较接近, 位于约58 μm处; τ>20冰云的r_e众数值最大, 约为78 μm。

图 9(Fig. 9)

图 9 中国地区五组冰云的冰水含量及有效粒子半径频率分布 Fig. 9 Frequency distributions of IWC and effective radius for five ice cloud categories of China

图 10统计了五组冰云的IWC和有效粒子半径均值的垂直分布。从图 10中可以看出, 由于高度低于4 km与高于14 km的冰云发生概率较低, 所取得的样本数较少, 其平均数值可信度较低, 所以在处理数据时进行了一定的筛选。冰水含量与光学厚度具有明显的相关性, 对数尺度下, 在所有高度上冰水含量都随着光学厚度的增大而增大; 但是其与高度的相关性较低, 仅在光学厚度大于3的两类冰云中, 冰水含量随高度增高有所减小, 其余类型的冰云在不同高度上变化很小。冰云有效粒子半径的分布表明r_e与高度相关较明显, 各类冰云的有效半径都随着高度增高而减小, 但其与光学厚度的相关性较差, 特别是在光学厚度较薄(τ < 3)的三类冰云中, 其分布情况几乎相同, 随着光学厚度的增大, 光学较厚冰云(τ>3)的有效粒子半径也有一定程度的增大。由此可见, 在中国区域, IWC主要随不同光学厚度的变化而变化, 而r_e与高度的关系比与光学厚度的关系更密切。但是也可以看出, 在光学厚度较厚(τ>3)的冰云的分布上, 它们的IWC与r_e都随高度变化而变化, 由此推测光学较薄和较厚的冰云在形成机制上有明显的差异, 具体的微物理过程则需要更深层次的研究。

图 10(Fig. 10)

图 10 中国地区五组冰云的冰水含量及有效粒子半径均值的垂直分布 Fig. 10 The altitude frequency distributions of IWC and effective radius for five ice cloud categories of China

通过统计分析2013年1月至2016年12月中国地区DARDAR产品冰云数据, 获得了整体冰云及不同光学厚度冰云的发生概率, 高度分布, 季节变化以及微物理特征。得到以下主要结论:

(1) 整体情况而言, 全国冰云的发生概率约为52%, 春夏季比秋冬季高, 发生高度多在5~10 km之间, 与许多学者观测的结果类似, 青藏高原由于地形特殊性, 冰云发生概率较高。我国冰云的光学厚度范围很广, 四年平均值约为4, 频率峰值在2.4附近。冰水路径(IWP)和有效粒子半径的均值约为157 g·m^-2和51 μm, 众数值为27 g·m^-2和35 μm。冰云属性的平均值和众数值差异明显, 平均数值并不能代表区域内的冰云特性, 需要对光学厚度等特征所定义的不同种类冰云的具体分析。

(2) 不同类型冰云的宏观分布差异明显, 全国不可见冰云(τ < 0.03)出现频率较低, 四年数据统计下, 仅占所有冰云的5%, 但范围几乎遍布全国, 高值区在青藏高原东部和西北部地区, 发生高度在5 km和9 km附近都有一个频率峰值; 薄和不透明的冰云(0.03 < τ < 3)发生率约为34%, 它们是冰云中最主要的发生类型, 在冰云中约占65%, 出现频率在9 km附近达到峰值; 光学较厚的冰云(τ>3)在全国的发生率仅为15%, 远小于较薄的冰云, 并且其发生高度也略低于薄冰云, 多发生于6~7 km的高度上; 光学厚度τ>20的冰云仅占总冰云的8%, 主要发生在我国东南部地区。除了τ>20的冰云, 其余云类型占总冰云比例的季节变化并不明显, 光学较厚的冰云(τ>3)更容易在夏季发生, 而较薄的冰云(τ < 3)则更多在冬季出现。

(3) 不同类型冰云微观物理性质也有一定分布规律。对于给定的冰云类型, 冰水含量IWC的频率分布在对数尺度上接近高斯分布, 并且随光学厚度的变化而变化, 不可见冰云(τ < 0.03)冰水含量分布范围最窄, 随着光学深度的增加, 冰水含量分布范围变宽, 其众数值也随之增大, 而冰云有效粒子半径r_e的分布更为复杂, 各组冰云的r_e频率分布并没有明显规律。垂直方向上, r_e与冰云的发生高度更为相关, 各组冰云的有效粒子半径都随高度的增高而明显减小, 光学较薄的冰云(τ < 3)垂直方向的r_e分布几乎一致, 而较厚冰云(τ>3)的r_e值在各个高度上普遍更大。

本文利用了DARDAR产品数据的独特优势, 对不同光学厚度范围的冰云水平分布、垂直结构、区域变化进行了统计分析。这些结果一方面可以促进对冰云特性的理解, 另一方面有利于验证气候模型中冰云的微物理参数。此外, DARDAR数据对冰云垂直结构的解析提供了很好的方案, 解决了在辐射模拟中的重要限制, 具有很好的参考价值。但是本文也有一定的缺陷, 例如文中并没有对相关的统计结果进行更多的成因分析和探讨, 以及不同种类冰云的辐射特性需要进行定量和定性的具体分析, 这也是将来下一步工作的重点。