L波段探空判別云區(qū)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(xué)，南京210044

2 中國(guó)氣象科學(xué)研究院，北京100081

3 上海海洋氣象臺(tái)，上海201300

4 山西省人工降雨防雹辦公室，太原030032

1 引言

形態(tài)各異、尺度不一的云，覆蓋著全球50%以上的天空，對(duì)云的研究一直是氣象科學(xué)研究的重點(diǎn)和難點(diǎn)（邱金桓等，2003）。對(duì)于云的宏觀特征，過(guò)去以研究云的水平分布和云總量為主，隨著探測(cè)技術(shù)的發(fā)展和遙感反演技術(shù)的提高，近年來(lái)對(duì)云的垂直結(jié)構(gòu)的研究成為重點(diǎn)之一。不同的云存在不同的輻射強(qiáng)迫，低云起冷卻作用，高云通常起溫室效應(yīng)（Frey et al.,1999）。在研究云對(duì)地球輻射收支方面的作用及對(duì)氣候影響時(shí)，云的垂直分布特征對(duì)大氣環(huán)流模式和氣候預(yù)測(cè)模式尤為重要（李積明等，2009）。Wang and Rossow（1998）通過(guò)研究發(fā)現(xiàn)云的垂直分布特征對(duì)大氣循環(huán)的作用比水平分布更加重要，并總結(jié)出了三個(gè)重要的云垂直分布特征參數(shù)：云頂高度、云層數(shù)以及多層云之間的夾層厚度。

觀測(cè)云的方法很多，包括地面人工觀測(cè)、衛(wèi)星觀測(cè)、測(cè)雨雷達(dá)觀測(cè)、激光雷達(dá)觀測(cè)、激光云冪測(cè)量?jī)x觀測(cè)、云雷達(dá)和飛機(jī)觀測(cè)等。但針對(duì)云的垂直結(jié)構(gòu)觀測(cè)而言，這些觀測(cè)方法都各有優(yōu)缺點(diǎn)。地面人工觀測(cè)受人為主觀因素影響較大，且一般只能獲取云底信息，對(duì)多層云很難觀測(cè)到準(zhǔn)確的位置；激光云冪測(cè)量?jī)x主要獲取的是云底信息；而衛(wèi)星觀測(cè)一般只能獲取云頂信息，對(duì)低云的探測(cè)無(wú)能為力。對(duì)云的觀測(cè)最有效的是云雷達(dá)探測(cè)，2006年 4月28日發(fā)射的CloudSat衛(wèi)星搭載94 GHz即3 mm的云剖面雷達(dá)（Cloud Profiling Radar，簡(jiǎn)稱 CPR），它可直接探測(cè)云的垂直結(jié)構(gòu)、云粒子的分布及時(shí)空變化，獲得以往觀測(cè)系統(tǒng)無(wú)法獲得的云特性信息，成為一顆可以對(duì)云層特性進(jìn)行全球測(cè)量的衛(wèi)星（周毓荃和趙殊慧，2008）。目前，國(guó)內(nèi)外已經(jīng)有很多利用Cloudsat衛(wèi)星資料進(jìn)行云垂直結(jié)構(gòu)特征的研究（李積明等，2009；Mace et al.,2009；王勝杰等，2010；汪會(huì)等，2011；王帥輝等，2011；尚博等，2012; 彭杰等，2013）。

探空是氣象觀測(cè)中另一重要的觀測(cè)手段，它可獲取由地面到30 km高空各層溫、壓、濕、風(fēng)隨高度的變化信息。國(guó)外利用探空資料對(duì)云垂直結(jié)構(gòu)特征研究較早，Essenwanger and Haggrd（1962）利用地面人工觀測(cè)和探空資料對(duì)大氣中不同高度云出現(xiàn)的頻率進(jìn)行了初步研究；Poore（1991）利用地面觀測(cè)和探空資料探討了云層的厚度，并用探空的濕度（露點(diǎn)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(jìn)了Poore的方法，提出用相對(duì)濕度值的閾值以及云頂和云底相對(duì)濕度負(fù)和正的跳躍變化來(lái)判斷云層（WR95法），并將探空和地面觀測(cè)單層云出現(xiàn)頻率做對(duì)比；Wang et al.（1999）利用 WR95 法利 用 Atlantic Stratocumulus Transition Experiment（ASTEX）觀測(cè)計(jì)劃中的探空資料分析了 Porto Santo Island地區(qū)的云垂直結(jié)構(gòu)特征，并同8 mm云雷達(dá)、激光云高儀和衛(wèi)星觀測(cè)結(jié)果進(jìn)行對(duì)比；Chernykh and Eskridge（1996）又提出利用探空的溫度和濕度二階導(dǎo)數(shù)隨高度的變化判斷云層的垂直結(jié)構(gòu)（CE96 法）；Minnis et al.（2005）利用探空資料，通過(guò)對(duì)不同的溫度值設(shè)定不同的相對(duì)濕度值閾值判斷云層，并且同衛(wèi)星觀測(cè)的云頂對(duì)比，最后得到判斷云層出現(xiàn)概率的經(jīng)驗(yàn)公式，以此判斷云垂直結(jié)構(gòu)（MN05法）。

近年來(lái)，隨著我國(guó)L波段高空氣象探測(cè)系統(tǒng)的建立與發(fā)展，也有一些利用探空資料對(duì)云垂直結(jié)構(gòu)特征的研究。張玲等（2009）通過(guò)分析相對(duì)濕度的突然增加或減小來(lái)訂正地面人工觀測(cè)云的準(zhǔn)確性。趙仕偉等（2009）將WR95探空分析云結(jié)構(gòu)算法利用到數(shù)值模式中，以模式輸出的數(shù)據(jù)代替探空數(shù)據(jù)判定云底高度。周毓荃和歐建軍（2010）采用WR95法，利用我國(guó)探空秒數(shù)據(jù)，計(jì)算分析了不同云垂直結(jié)構(gòu)，將得到的分析結(jié)果同Cloudsat衛(wèi)星實(shí)測(cè)云垂直結(jié)構(gòu)進(jìn)行多個(gè)例的對(duì)比分析，驗(yàn)證了相對(duì)濕度閾值判斷云垂直結(jié)構(gòu)方法的可行性，及利用我國(guó)業(yè)務(wù)探空資料分析云垂直結(jié)構(gòu)的可用性。Zhang et al.（2010）改進(jìn)了WR95法，利用ARM觀測(cè)計(jì)劃在中國(guó)壽縣的探空資料分析當(dāng)?shù)氐脑拼怪苯Y(jié)構(gòu)特征，并利用 WACR雷達(dá)和激光云高儀等驗(yàn)證了方法的可靠性。Zhang et al.（2012）根據(jù)不同型號(hào)探空儀器（CFH、GTS1和RS80型號(hào)）的性能，提出并對(duì)比了其各自判斷云垂直結(jié)構(gòu)的方法。

從云物理學(xué)的角度看，當(dāng)空中水汽達(dá)到飽和或過(guò)飽和時(shí)就會(huì)凝結(jié)形成云。因此，探空濕度的觀測(cè)對(duì)云應(yīng)該有指示意義，利用相對(duì)濕度的探測(cè)值來(lái)確定云的垂直結(jié)構(gòu)是可能的。前人對(duì)利用探空資料分析云垂直結(jié)構(gòu)的方法已經(jīng)有相當(dāng)深入的研究，但國(guó)外研究時(shí)通常采用Vaisala儀器（李偉等，2009b）探測(cè)值，不同的探測(cè)儀器具有不同的性能，對(duì)濕度探測(cè)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(tǒng)研究云內(nèi)外相對(duì)濕度的差異，從而形成一套針對(duì)于我國(guó)L波段探空數(shù)據(jù)的云結(jié)構(gòu)分析方法。本文首先介紹了所用的數(shù)據(jù)及統(tǒng)計(jì)的方法，然后利用氣象預(yù)報(bào)里的BS和TS評(píng)分法，對(duì)相對(duì)濕度閾值進(jìn)行評(píng)分分析，最后通過(guò)對(duì)比檢驗(yàn)，得出一套L波段探空數(shù)據(jù)的云垂直分布判斷方法。

2 資料和方法

本研究將用到我國(guó)業(yè)務(wù)布網(wǎng)的 L波段探空、Cloudsat云雷達(dá)（波長(zhǎng)：3 mm）及地面觀測(cè)等資料。

首先對(duì)涉及的資料進(jìn)行簡(jiǎn)單的介紹。

2.1 我國(guó)業(yè)務(wù)布網(wǎng)的L波段探空秒數(shù)據(jù)

我國(guó)業(yè)務(wù)布網(wǎng)的L波段高空氣象探測(cè)系統(tǒng)，由我國(guó)自行研發(fā)的GFE（L）1型二次測(cè)風(fēng)雷達(dá)和GTS1型數(shù)字探空儀組成，采用二次測(cè)風(fēng)雷達(dá)測(cè)距體制，能夠連續(xù)自動(dòng)測(cè)定高空氣溫、濕度、氣壓、風(fēng)向和風(fēng)速等氣象要素（李偉等，2009a）。從 2002年 1月1日我國(guó)第一部L波段高空氣象探測(cè)系統(tǒng)在北京觀象臺(tái)正式投入業(yè)務(wù)開始，到2011年我國(guó)120個(gè)探空站都升級(jí)為L(zhǎng)波段高空探測(cè)系統(tǒng)。

其中的GTS1型數(shù)字探空儀采樣周期為1.2秒（因此其數(shù)據(jù)也稱為探空秒數(shù)據(jù)），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(cè)儀的空間垂直分辨率為 8 m。與常規(guī)的59-701高空探測(cè)數(shù)據(jù)相比，具有高分辨率和實(shí)時(shí)采集的能力，其總體性能優(yōu)于59-701高空氣象探測(cè)系統(tǒng)，偶然誤差減小，數(shù)據(jù)可靠性提高，其本身的探空高度數(shù)據(jù)的穩(wěn)定性和精度也要高于 59-701高空探測(cè)系統(tǒng)。同時(shí)中國(guó)氣象局大氣探測(cè)中心李偉等（2009b）研究發(fā)現(xiàn)：L波段電子探空儀溫度傳感器時(shí)間常數(shù)大；濕度整體系統(tǒng)誤差大，高濕測(cè)量偏低；并且通過(guò)對(duì)結(jié)果擴(kuò)展不確定度分析，整體上氣壓、溫度、風(fēng)速指標(biāo)較好，而濕度與風(fēng)向指標(biāo)較差。Bian et al.（2011）通過(guò)對(duì)比 GTS1 與 Vaisala RS80和CFH儀器性能發(fā)現(xiàn)：國(guó)產(chǎn)GTS1型探空儀在上對(duì)流層甚至于中間對(duì)流層存在很大誤差。雖然我國(guó)L波段探空系統(tǒng)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(shù)據(jù)的云垂直結(jié)構(gòu)分析方法。

2.2 CloudSat衛(wèi)星

Cloudsat衛(wèi)星是一顆可以對(duì)云層特性進(jìn)行全球測(cè)量的衛(wèi)星，其上搭載的 CPR云雷達(dá)可以從太空“看見”云的內(nèi)部，可以研究云的內(nèi)部水平和垂直結(jié)構(gòu)。CloudSat衛(wèi)星位于705 km 高度的太陽(yáng)同步軌道上，衛(wèi)星繞地球一周稱為一個(gè)掃描軌道，每天大約繞地球 14～15個(gè)掃描軌道。一個(gè)掃描軌道的長(zhǎng)度大約是40022 km，每軌有36383個(gè)星下像素點(diǎn)，每個(gè)像素點(diǎn)的星下點(diǎn)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(gè)垂直剖面每隔240 m獲得一個(gè)掃描數(shù)據(jù)，從地面到高空共獲得 125個(gè)不同高度上的數(shù)據(jù)，即垂直探測(cè)的高度大約30 km，實(shí)際垂直分辨率可達(dá)240 m（馬占山等，2008；仲凌志等，2009）。

Cloudsat衛(wèi)星觀測(cè)軌道過(guò)頂我國(guó)的時(shí)間集中在01:00（北京時(shí)，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(cè)，并且選取探空站點(diǎn)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(gè)站點(diǎn)（圖1），共101份時(shí)空匹配的資料進(jìn)行探空云分析的對(duì)比驗(yàn)證。這些探空站點(diǎn)分布在全國(guó)各地，因此利用這些站點(diǎn)分析的結(jié)果基本能夠代表我國(guó)平均狀況。

2.3 地面人工觀測(cè)

地面人工觀測(cè)是云能天觀測(cè)中最傳統(tǒng)的觀測(cè)手段，主要依靠觀測(cè)員的經(jīng)驗(yàn)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(xiàn)象等。這些數(shù)據(jù)可以作為輔助資料，對(duì)探空判斷的云及Cloudsat衛(wèi)星觀測(cè)的云進(jìn)行驗(yàn)證。

2.4 分析方法說(shuō)明

圖1 探空站點(diǎn)分布圖（圖中每個(gè)探空站上方分?jǐn)?shù)的分母累加表示與Cloudsat觀測(cè)時(shí)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(shù)據(jù)進(jìn)行云垂直結(jié)構(gòu)分析，主要利用了探空所得的溫濕度參量。因此，溫濕度觀測(cè)的準(zhǔn)確性以及計(jì)算方法的準(zhǔn)確性對(duì)云垂直結(jié)構(gòu)的分析有很大的影響。目前最為常用的是利用相對(duì)濕度閾值法判斷云結(jié)構(gòu)，而且以WR95法應(yīng)用最早。周毓荃和歐建軍（2010）采用的WR95法分析云結(jié)構(gòu)包括以下幾個(gè)方面：（1）不同溫度下相對(duì)濕度的合理計(jì)算，當(dāng)氣溫低于0°C時(shí)，考慮到水的冰相是穩(wěn)態(tài)而液相是非穩(wěn)態(tài)，所以要按照冰面飽和水汽壓去計(jì)算相對(duì)濕度；（2）云層中相對(duì)濕度最大值大于87%， 最小值不小于84%；（3）相對(duì)濕度在云頂有負(fù)的跳變，在云底有正的跳變；（4）當(dāng)近地面層相對(duì)濕度超過(guò)閾值時(shí)，低層云底高度設(shè)定為500 m。Zhang et al.（2010）利用壽縣Vaisala探空資料，通過(guò)與云雷達(dá)、激光云高儀等觀測(cè)資料的對(duì)比，改進(jìn)了WR95法，得到的相對(duì)濕度閾值不是固定值而是隨高度減小，同時(shí)設(shè)定了最大相對(duì)濕度閾值和最小相對(duì)濕度閾值對(duì)夾層和濕層的判斷。L波段探空系統(tǒng)探空儀采用高分子濕敏電阻傳感器，直接測(cè)量相對(duì)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(duì)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(guān)鍵問(wèn)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(shí)做了以下一些選取和規(guī)定：（1）選取地面觀測(cè)和Cloudsat同時(shí)觀測(cè)到有云或者同時(shí)無(wú)云的個(gè)例，同時(shí)對(duì)于有云的情況選取地面觀測(cè)云量大于9成或者Cloudsat連續(xù)60 km觀測(cè)有云個(gè)例，通過(guò)篩選就能保證兩者對(duì)云觀測(cè)的一致性，這樣的個(gè) 例有65個(gè)（如圖1所示），占總數(shù)的64%；（2）Cloudsat對(duì)近地面至 1.5 km高度左右的云判斷不夠準(zhǔn)確，而 L波段探空在低溫情況下對(duì)濕度的觀測(cè) 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(shù)據(jù)作為統(tǒng)計(jì)資料；（3）當(dāng)Cloudsat云判別參數(shù)（Mask）為40時(shí)設(shè)定為云；（4）當(dāng)氣溫低于0°C時(shí)，相對(duì)濕度按照冰面飽和水汽壓計(jì)算。

3 相對(duì)濕度閾值的確定

3.1 云內(nèi)、云外相對(duì)濕度累積頻率分布

圖2 云內(nèi)和云外相對(duì)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(gè)例（101個(gè)）云內(nèi)和云外相對(duì)濕度的累積頻率分布，其中紅色表示云外，藍(lán)色表示云內(nèi)，粗線表示0～15 km高度數(shù)據(jù)，細(xì)線表示2～10 km高度數(shù)據(jù)。可以看到：對(duì)于0～15 km的數(shù)據(jù)，其相對(duì)濕度交點(diǎn)在68%，累積頻率交點(diǎn)在24%，表示如果以相對(duì)濕度68% 作為判斷云內(nèi)云外的標(biāo)準(zhǔn)，則云內(nèi)大于該閾值和云外小于該閾值的累積頻率都是76%，可以認(rèn)為對(duì)云判斷的準(zhǔn)確率為76%。選用2～10 km數(shù)據(jù)作為統(tǒng)計(jì)對(duì)象時(shí)，對(duì)云的判斷準(zhǔn)確率得到明顯改善，以75%作為相對(duì)濕度閾值準(zhǔn)確率可以到達(dá)81%，可見選取2～10 km的數(shù)據(jù)作為統(tǒng)計(jì)對(duì)象更有代表性。

表1給出了經(jīng)過(guò)地面觀測(cè)和Cloudsat探測(cè)匹配的65份數(shù)據(jù)，云內(nèi)外相對(duì)濕度的分布?？梢钥吹剑?～15 km的相對(duì)濕度閾值為67%，準(zhǔn)確率為80%，而 2～10 km 的相對(duì)濕度閾值為 73%，準(zhǔn)確率為86.8%。相比于全部的 101份數(shù)據(jù)，經(jīng)過(guò)選擇的數(shù)據(jù)對(duì)云的判斷準(zhǔn)確率都得到了提高。同時(shí)通過(guò)對(duì)不同高度層次的云內(nèi)外相對(duì)濕度的累積頻率統(tǒng)計(jì)發(fā)現(xiàn)：相對(duì)濕度閾值隨高度有降低的趨勢(shì)，而且準(zhǔn)確率都到達(dá)了80%以上。

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

3.2 相對(duì)濕度閾值的BS和TS評(píng)分測(cè)試

從上面分析可以看到，經(jīng)過(guò)篩選的65個(gè)例2～10 km高度的數(shù)據(jù)更具有代表性和準(zhǔn)確性，因此之后分析以此數(shù)據(jù)為準(zhǔn)。同時(shí)也可以看到，雖然通過(guò)云內(nèi)外累積頻的分布可以得到相對(duì)濕度閾值和其判斷的準(zhǔn)確性，但是并未考慮到空?qǐng)?bào)和漏報(bào)的情況。這里采用預(yù)報(bào)上常用的BS（Bias Score）和TS（Threat Score）評(píng)分，以Cloudsat對(duì)云的判斷作為真值，對(duì)不同相對(duì)濕度閾值下判斷云的情況進(jìn)行分析，期望得到一個(gè)更加客觀準(zhǔn)確的值。BS評(píng)分和TS評(píng)分是業(yè)務(wù)預(yù)報(bào)中常用的降水量級(jí)預(yù)報(bào)檢驗(yàn)的兩個(gè)統(tǒng)計(jì)量，BS評(píng)分的取值范圍為（0，+∞），用于衡量某一量級(jí)的預(yù)報(bào)偏差，其值大于1表示空?qǐng)?bào)率高于漏報(bào)率，小于1時(shí)表示漏報(bào)率高于空?qǐng)?bào)率；TS評(píng)分是衡量某一量級(jí)的預(yù)報(bào)準(zhǔn)確率的標(biāo)準(zhǔn)，取值范圍為0～1，對(duì)某一量級(jí)的預(yù)報(bào)無(wú)預(yù)報(bào)技巧時(shí)值為0，對(duì)某一量級(jí)降水預(yù)報(bào)準(zhǔn)確率達(dá)100%時(shí)值為1，即無(wú)空?qǐng)?bào)和漏報(bào)。

根據(jù)表2，BS和TS評(píng)分的定義如下：

表2 雙態(tài)分類聯(lián)列表（X、Y、Z和W分別正確預(yù)報(bào)、漏報(bào)、空?qǐng)?bào)和正確否定的次數(shù)） 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(duì)濕度閾值從 70%到 90%時(shí)預(yù) 報(bào)準(zhǔn)確次數(shù)，空?qǐng)?bào)次數(shù)，漏報(bào)次數(shù)及BS和TS評(píng)分。從表中可以看到：隨著相對(duì)濕度閾值的增加，對(duì)云區(qū)判斷的正確率和空?qǐng)?bào)率都在減小，因此從 TS評(píng)分看當(dāng)相對(duì)濕度閾值為 81%時(shí)，TS值達(dá)到最大，說(shuō)明此時(shí)以 81%作為閾值判斷云效果最好。此時(shí) BS評(píng)分接近 1.0，空?qǐng)?bào)率略大于漏報(bào)率。

如果不考慮高度，判斷2～10 km高度的云時(shí)以81%的相對(duì)濕度作為閾值效果最好，從前面不同高度云內(nèi)和云外的相對(duì)濕度累積頻率分布看到，不同高度具有不同的相對(duì)濕度閾值，因此按照每1 km高度間隔對(duì)不同高度云判別作BS和TS評(píng)分，并選取評(píng)分效果最好的相對(duì)濕度閾值，結(jié)果列于表 4?？梢钥吹剑涸?～10 km高度范圍內(nèi)，不同高度相對(duì)濕度閾值判別云區(qū)的TS評(píng)分都在0.6以上。除9～10 km以外，BS評(píng)分均小于1，即空?qǐng)?bào)略多于漏報(bào)，準(zhǔn)確率都在80%以上。隨著高度的增加，相對(duì)濕度閾值有減小的趨勢(shì)；當(dāng)不同高度按照不同相對(duì)濕度閾值判斷云時(shí)，其正確率比以單一相對(duì)濕度閾值正確率要高，同時(shí)TS評(píng)分也要優(yōu)于單一相對(duì)濕度閾值的評(píng)判。雖然1～2 km與10～15 km高度范圍內(nèi)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(píng)分最好的相對(duì)濕度閾值。由于0～1 km高度Cloudsat衛(wèi)星判斷出現(xiàn)云的次數(shù)很少，所以這里不作統(tǒng)計(jì)，在應(yīng)用時(shí)可以參考1～2 km的閾值。

表3 不同相對(duì)濕度閾值對(duì)云區(qū)判別的BS和TS評(píng)分 Table 3 BS and TS of cloud discrimination by different Relative Humidity(RH)thresholds

表4 不同高度相對(duì)濕度閾值及其BS和TS評(píng)分 Table 4 Thresholds of relative humidity and their BS and TS at different heights

3.3 相對(duì)濕度閾值的優(yōu)化

相對(duì)濕度閾值從2～10 km有隨高度增加而降低的趨勢(shì)，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(duì)濕度閾值隨高度變化的連續(xù)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(gè)線性的閾值線。通過(guò)擬合得到的相對(duì)濕度閾值線為：

式中H為高度，單位為km，Hr為相對(duì)濕度。并且擬合時(shí)復(fù)相關(guān)系數(shù)R2分別為0.8567和0.9796。按照連續(xù)的相對(duì)濕度閾值判斷云，其準(zhǔn)確率為83.71%，TS評(píng)分為0.675，與每千米取不同閾值相比，準(zhǔn)確率和TS評(píng)分略有減小，但相差不大。

由于L波段探空和Cloudsat對(duì)高層（10 km以上）和低層（2 km以下）探測(cè)的缺陷，其相對(duì)濕度閾值的準(zhǔn)確率和TS評(píng)分并不高。為了得到整層云的相對(duì)濕度閾值，依然可以通過(guò)分段設(shè)定。通過(guò)擬合得到相對(duì)濕度閾值線為：

可以看到當(dāng)高度低于1 km時(shí)相對(duì)濕度閾值為91%，與邱珩（2010）利用 2009年 4月張家口 Vaisala RS92型號(hào)探空與K/LLX502B型激光測(cè)云雷達(dá)對(duì)比得出的以相對(duì)濕度90%～95%作為入云判據(jù)一致。

在觀測(cè)中用閾值法判別云層時(shí)，有時(shí)發(fā)現(xiàn)很厚的無(wú)云夾層或云層，其可信度較差。參考Zhang et al.（2010）的方法，設(shè)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(duì)濕度大于最小閾值則判別為云區(qū)；如果云層厚度小于80 m，而濕度小于最大閾值，則判別為無(wú)云濕層。選取濕層80 m和夾層300 m以及最大和最小相對(duì)濕度閾值是經(jīng)過(guò)各種組合測(cè)試得到的最優(yōu)結(jié)果。按照優(yōu)化的方法計(jì)算的準(zhǔn)確率為83.54%，TS評(píng)分為0.675，與優(yōu)化前變化不大。但優(yōu)化前判斷云時(shí)，容易出現(xiàn)多層云（最多有11層），而優(yōu)化后云層數(shù)量減小，更接近于Cloudsat衛(wèi)星觀測(cè)的情況。

3.4 優(yōu)化后方法與WR95法的對(duì)比

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

可以看到以相對(duì)濕度84%為云閾值線時(shí)，云頂高度為9.45 km，這與按照Cloudsat云衛(wèi)星Mask所示云頂高度12.49 km存在很大的差距。此時(shí)根據(jù)新相對(duì)濕度閾值線的判斷，云頂高度為12.53 km，與Cloudsat衛(wèi)星觀測(cè)的結(jié)果更為接近，說(shuō)明改進(jìn)后的閾值方法判斷云垂直結(jié)構(gòu)更準(zhǔn)確。同時(shí)可以看到，利用探空數(shù)據(jù)按照相對(duì)濕度閾值判斷11.5 km高度上存在一個(gè)夾層，這個(gè)與Cloudsat衛(wèi)星觀測(cè)結(jié)果不一致，所以通過(guò)設(shè)定最小夾層厚度和最小相對(duì)濕度閾值的辦法去除多余的夾層有一定的意義。同時(shí)，從表3、4可以看到利用WR95法（周毓荃和歐建軍，2010）判斷云區(qū)時(shí)采用相對(duì)濕度閾值為84%，其判斷云的準(zhǔn)確率為 76.45%，TS評(píng)分為 0.647；優(yōu)化后方法的準(zhǔn)確率為 83.54 %；TS評(píng)分為 0.675，均優(yōu)于前者。

圖3 2008年7月5日14:00（北京時(shí)，下同）赤峰站探空與Cloudsat衛(wèi)星觀測(cè)對(duì)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(duì)濕度與云出現(xiàn)機(jī)率的關(guān)系

為了進(jìn)一步研究云的出現(xiàn)和相對(duì)濕度的關(guān)系，某一相對(duì)濕度值條件下，出現(xiàn)云的次數(shù)與總次數(shù)的比值稱為云出現(xiàn)機(jī)率。圖4給出了以65個(gè)時(shí)空匹配的個(gè)例2～10 km高度數(shù)據(jù)為樣本，統(tǒng)計(jì)得到的云內(nèi)相對(duì)濕度頻率分布和不同相對(duì)濕度下云出現(xiàn)機(jī)率分布圖。從云物理學(xué)講，暖云中相對(duì)濕度應(yīng)接近 100%（差別一般小于 1%），在冷云中，水面相對(duì)濕度一般應(yīng)小于 100%；而冰面相對(duì)濕度可大于100%，在-10°C時(shí)應(yīng)是100%～110%，-20°C時(shí)為100%～120%。由于探空測(cè)濕原件的誤差，云霧中往往達(dá)不到上述理論值，從圖4可以看到，L波段探空儀所測(cè)云中相對(duì)濕度主要分布在 79%～105%范圍段內(nèi)，占了總數(shù)的81%，其中相對(duì)濕度值89%～96%比較集中，占總數(shù)的 47%；最大頻數(shù)出現(xiàn)在92%處，這說(shuō)明云中探空相對(duì)濕度觀測(cè)的誤差是比較大的，不得不用閾值法來(lái)判斷。

圖4 云內(nèi)相對(duì)濕度頻率分布和不同相對(duì)濕度下云出現(xiàn)機(jī)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(duì)濕度條件下云出現(xiàn)機(jī)率各不相同，總的來(lái)說(shuō)隨著相對(duì)濕度的增加，云出現(xiàn)機(jī)率也是在增加，當(dāng)相對(duì)濕度從 79% 增加到87%時(shí)，云出現(xiàn)機(jī)率從11%增大到80%～90%。相對(duì)濕度大于 87%時(shí)云出現(xiàn)機(jī)率基本維持在 80%～90%。對(duì)云出現(xiàn)機(jī)率隨相對(duì)濕度行三階多項(xiàng)式的擬合可以看到，云出現(xiàn)機(jī)率隨相對(duì)濕度的加大而增加，隨后當(dāng)相對(duì)濕度達(dá)到90%以上時(shí)云出現(xiàn)機(jī)率維持在80%，并且兩者相關(guān)系數(shù)的平方為0.7784。

3.6 不同溫度下的云閾值

本文計(jì)算相對(duì)濕度時(shí)，在溫度低于0°C以下時(shí)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(shí)對(duì)云的判斷準(zhǔn)確率也在降低。說(shuō)明如果全部采用水面飽和水汽壓計(jì)算相對(duì)濕度，則閾值隨溫度降低將減小得更為明顯。溫度低時(shí)對(duì)云的判斷準(zhǔn)確率降低，這也說(shuō)明在低溫條件下相對(duì)濕度探測(cè)的準(zhǔn)確性更需要提高。

表5 不同溫度下云內(nèi)外相對(duì)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(wèi)星對(duì)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(guò)L波段相對(duì)濕度探測(cè)值與Cloudsat衛(wèi)星觀測(cè)云結(jié)構(gòu)對(duì)比，發(fā)現(xiàn)L波段探空在相對(duì)濕度的探測(cè)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(duì)濕度與Cloudsat的Mask值對(duì)比圖，圖中粗實(shí)線為相對(duì)濕度（溫度低于0°C時(shí)換算為相對(duì)冰面濕度），虛線為Cloudsat的Mask值 （等于 40時(shí)視為云），細(xì)實(shí)線表示相對(duì)濕度等于80%的閾值線。此時(shí)地面觀測(cè)天氣現(xiàn)象為輕霧（近地面相對(duì)濕度大于90%），有中云且云量為10，全天布滿云，說(shuō)明Cloudsat和探空對(duì)云的探測(cè)趨于一致?？梢钥吹剑涸谌朐坪统鲈茣r(shí)探空都存在一定的滯后，此時(shí)溫度分別為-27.9°C和-48.9°C。對(duì)所有個(gè)例進(jìn)行分析發(fā)現(xiàn)，有18個(gè)個(gè)例存在滯后現(xiàn)象，并且出現(xiàn)滯后時(shí)溫度均低于0°C。滯后現(xiàn)象的存在也是利用探空相對(duì)濕度閾值判斷云時(shí)會(huì)出現(xiàn)漏判和誤判的原因之一。

4 結(jié)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(shí)空匹配的Cloudsat云觀測(cè)資料，分析了云內(nèi)外相對(duì)濕度的累積頻率分布，并通過(guò)對(duì)設(shè)定的閾值進(jìn)行BS和TS評(píng)分測(cè)試，得到了一些有意義的結(jié)果。

（1）利用L波段探空資料，通過(guò)相對(duì)濕度閾值法，可以判斷云區(qū)位置。統(tǒng)計(jì)分析得出最佳閾值隨高度的增加而減小，利用該閾值對(duì)云判斷時(shí)，準(zhǔn)確率在80%以上，TS評(píng)分也高于0.6。

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

（3）利用探空和Cloudsat探測(cè)資料的匹配對(duì)比來(lái)判斷云區(qū)的存在是可行的。但兩者在時(shí)間和空間上的差別，可能會(huì)引起一定誤差。對(duì)于低云的探測(cè)，Cloudsat存在局限。

（4）探空對(duì)濕度的探測(cè)具有一定滯后性，有時(shí)會(huì)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(dá)資料研究東亞地區(qū)云垂直分布的統(tǒng)計(jì)特征[J].大氣科學(xué),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(qiáng),等.2009a.L 波段氣象探測(cè)系統(tǒng)建設(shè)技術(shù)評(píng)估報(bào)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(guó)產(chǎn) GTS1 探空儀與 VAISALA 公司 RS92探空儀對(duì)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(cè)衛(wèi)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(qū)云垂直結(jié)構(gòu)的 CloudSat衛(wèi)星觀測(cè)研究[J].大氣科學(xué),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(qū)云降水分析中的應(yīng)用研究[D].北京大學(xué)碩士學(xué)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(dá)仁,陳洪濱,等.2003.現(xiàn)代大氣物理學(xué)研究進(jìn)展[J].大氣科學(xué),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(yīng)用氣象學(xué)報(bào),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(huì),羅亞麗,張人禾.2011.用 CloudSat/CALIPSO 資料分析亞洲季風(fēng)區(qū)和青藏高原地區(qū)云的季節(jié)變化特征[J].大氣科學(xué),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(fēng)區(qū)云高度的統(tǒng)計(jì)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(guó)及周邊地區(qū)云垂直結(jié)構(gòu)統(tǒng)計(jì)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(shù)據(jù)校對(duì)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(shù)值模式中的應(yīng)用研究[C]// 第 26屆中國(guó)氣象學(xué)會(huì)年會(huì)人工影響天氣與大氣物理學(xué)分會(huì)場(chǎng)論文集.北京: 中國(guó)氣象學(xué)會(huì).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(rùn)生.2009.毫米波測(cè)云雷達(dá)的特點(diǎn)及其研究現(xiàn)狀與展望[J].地球科學(xué)進(jìn)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(shù)據(jù)分析云垂直結(jié)構(gòu)的方法及其應(yīng)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(wèi)星及其在天氣和云觀測(cè)分析中的應(yīng)用[J].南京氣象學(xué)院學(xué)報(bào),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.