東亞地區(qū)云微物理量分布特征的CloudSat衛(wèi)星觀測研究

張華 楊冰韻 彭杰 王志立 荊現(xiàn)文

?

東亞地區(qū)云微物理量分布特征的CloudSat衛(wèi)星觀測研究

張華1, 2楊冰韻3彭杰4王志立5荊現(xiàn)文1, 2

1南京信息工程大學氣象災害預報預警與評估協(xié)同創(chuàng)新中心，南京210044;2中國氣象局氣候研究開放實驗室/國家氣候中心，北京100081;3國家衛(wèi)星氣象中心，北京100081;4上海氣象局，上海200030;5中國氣象科學研究院，北京100081

本文利用2007～2010年整四年最新可利用的CloudSat衛(wèi)星資料，對東亞地區(qū)（15°～60°N，70°～150°E）云的微物理量包括冰/液態(tài)水含量、冰/液態(tài)水路徑、云滴數(shù)濃度和有效半徑等的分布特征和季節(jié)變化進行了分析。本文將整個東亞地區(qū)劃分為北方、南方、西北、青藏高原地區(qū)和東部海域五個子區(qū)域進行研究，結(jié)果顯示：東亞地區(qū)冰水路徑值的范圍基本在700 g m?2以下，高值區(qū)分布在北緯40度以南區(qū)域，在南方地區(qū)夏季的平均值最大，為394.3 g m?2，而在西北地區(qū)冬季的平均值最小，為78.5 g m?2；而液態(tài)水路徑的范圍基本在600 g m?2以下，冬季在東部海域的值最大，達到300.8 g m?2，夏季最大值為281.5 g m?2，分布在南方地區(qū)上空。冰水含量的最高值為170 mg m?3，發(fā)生在8 km附近，南方地區(qū)夏季的值達到最大，青藏高原地區(qū)的季節(jié)差異最大；而液態(tài)水含量在東亞地區(qū)的范圍小于360 mg m?3，垂直廓線從10 km向下基本呈現(xiàn)逐漸增大的趨勢，峰值位于1～2 km高度上。冰云云滴數(shù)濃度在東亞地區(qū)的范圍在150 L?1以下，水云云滴數(shù)濃度的值小于80 cm?3，垂直廓線的峰值均在夏季最大。冰云有效半徑在東亞地區(qū)的最大值為90 μm，發(fā)生在5 km左右；水云有效半徑在東亞地區(qū)的值分布在10 km以下，最大值為10～12 μm，基本位于1～2 km高度上。從概率分布函數(shù)來看，東亞地區(qū)冰/水云云滴數(shù)濃度的分布呈現(xiàn)明顯的雙峰型，其他量基本為單峰型。本文的結(jié)果可以為全球和區(qū)域氣候模式在東亞地區(qū)對以上云微物理量的模擬提供一定的觀測參考依據(jù)。

CloudSat衛(wèi)星 云水含量 云滴數(shù)濃度 云滴有效半徑

1 引言

云在全球能量和水循環(huán)平衡中起著重要的作用，是地氣系統(tǒng)不可或缺的組成部分（Liou，2004）。精確細致地了解云的信息，對于我們深入了解云、輻射和氣候之間復雜的相互作用、進而改進氣候模擬和氣候預測，有著極其重要的意義（Hughes，1984；李積明等，2009；汪會等，2011；Zhang et al.，2013；張華等，2013；彭杰等，2013）。由于云的觀測和數(shù)值模擬都存在很大不確定性，對于云的相關研究一直是國際國內(nèi)研究熱點和難點問題。特別是近年來，衛(wèi)星觀測因為具有觀測覆蓋范圍廣、水平和垂直分辨率高等優(yōu)勢，逐漸成為現(xiàn)階段研究云的重要手段之一（劉瑞霞等，2004；彭杰等，2010；楊大生和王普才，2012）。東亞地區(qū)地理位置獨特，地形復雜，是亞洲季風的主要活動區(qū)域，氣候變化特征顯著，因此利用衛(wèi)星資料研究東亞地區(qū)云的基本特征具有重要的科學意義（吳澗和劉佳，2011）。目前國內(nèi)外對于東亞地區(qū)上空云的分布以及云微物理量的特征已經(jīng)有不少研究工作，取得了一定的成果。一些研究從降水等天氣學角度對東亞地區(qū)云的特征進行分析，闡釋了云與天氣系統(tǒng)之間的密切聯(lián)系。趙柏林等（1994）利用TIROS-N衛(wèi)星TOVS系統(tǒng)，討論了大氣出射長波通量（OLR）的分布與天氣系統(tǒng)的聯(lián)系；Wang et al.（2004）利用地球同步衛(wèi)星觀測到的逐小時的近紅外亮溫資料，分析了東亞暖季期間對流云的傳播特征，研究著眼于不同經(jīng)度上云隨時間的變化，為東亞地區(qū)降水的預測提供了重要依據(jù)；傅云飛等（2007）利用熱帶測雨衛(wèi)星的測雨雷達對降水云的綜合探測結(jié)果，結(jié)合降水資料分析了東亞降水分布的特點，并揭示了中國中東部大陸、東海和南海對流降水和層云降水平均降水廓線的季節(jié)變化特征及物理意義。另外一部分研究主要集中在云的分布方面，這些工作從季節(jié)變化、空間差異等角度，研究了東亞地區(qū)云量的分布和垂直結(jié)構(gòu)特征。Liu et al.（2008）利用TRMM（Tropical Rainfall Measuring Mission）降水雷達與可見光和紅外掃描儀的融合資料，首次給出了降水云與非降水光學厚度等參量的差異。Luo et al.（2009）利用CloudSat/CALIPSO衛(wèi)星資料對比分析了中國東部和印度季風區(qū)上空云的發(fā)生頻率和垂直結(jié)構(gòu)，并建立了云量的分布與季風等大尺度環(huán)流場的聯(lián)系；吳澗和劉佳（2011）利用國際衛(wèi)星云氣候?qū)W計劃（ISCCP）的D2云氣候資料集分析了東亞地區(qū)不同種類云量的變化趨勢，結(jié)果發(fā)現(xiàn)近20年東亞地區(qū)總云量和高、低云量呈現(xiàn)波動減少趨勢，中云量呈增加趨勢，云量變化存在較大的區(qū)域差異；李積明等（2009）利用CALIPSO衛(wèi)星資料，研究了東亞地區(qū)云的垂直分布特征，彭杰等（2013）利用CloudSat/CALIPSO衛(wèi)星資料分區(qū)研究了東亞地區(qū)云垂直分布的統(tǒng)計特征，發(fā)現(xiàn)不同高度的云量之和具有明顯的季節(jié)變化趨勢，且云出現(xiàn)總概率的季節(jié)變化主要由多層云出現(xiàn)概率的變化決定；尚博（2011）利用CloudSat資料，研究了我國華北和江淮典型區(qū)域云的垂直結(jié)構(gòu)統(tǒng)計特征及其差異。這些研究工作主要針對云量、云厚以及云的重疊特征；汪會等（2011）結(jié)合CloudSat/ CALIPSO資料分析了東亞季風區(qū)、印度季風區(qū)、西北太平洋季風區(qū)和青藏高原地區(qū)的云量和云層垂直結(jié)構(gòu)及其季節(jié)變化特征，研究側(cè)重于不同地區(qū)上云的分布情況。而為了探討氣溶膠對深對流混合云的可能影響，Peng et al.（2014）首先利用2007～2010年整四年的CloudSat/CALIPSO衛(wèi)星資料分析了深對流云系時間和空間變化特征。此外，也有一部分人做了關于云微物理量方面的研究。Chen et al.（2010）利用MODIS（Moderate-resolution Imaging Spectroradiometer）/CERES（Clouds and the Earth's Radiant Energy System）的觀測結(jié)構(gòu)分析了中國西北地區(qū)云的液態(tài)水路徑，但是沒有給出垂直方向上的分布特征；楊大生和王普才（2012）利用CloudSat資料分析了中國地區(qū)夏季6～8月云水含量的垂直分布特征，發(fā)現(xiàn)青藏高原地形以及東亞夏季風對月平均云含水量分布具有明顯影響，夏季液態(tài)水路徑最大值出現(xiàn)在25°～32°緯度帶上，但并沒有進行詳細的分區(qū)研究，而且涉及的云微物理量較少。這些研究工作加深了我們對于東亞地區(qū)云的分布及其微物理特征的認識，為模式的模擬研究提供了很好的參考依據(jù)。但是也可以看出，目前對于云微物理量的研究還很薄弱，特別是缺少有關云微物理量的垂直分布以及區(qū)域差異方面的研究，而這些研究結(jié)果可以直接為全球或區(qū)域模式模擬云的微物理參量提供相應的觀測信息和驗證資料。楊冰韻等（2014）利用高垂直分辨率CloudSat衛(wèi)星資料，分析了云的微物理特征量和云光學參數(shù)在全球的分布情況和季節(jié)變化，并研究了云的微物理性質(zhì)對光學性質(zhì)的影響，對氣候模式中云輻射物理過程的描述及其參數(shù)化的改進有著重要的參考意義。本文是上述研究工作的繼續(xù)和深入，側(cè)重給出東亞地區(qū)云的微物理量的分布特征和季節(jié)變化，為模式在東亞地區(qū)對這些參量的模擬提供可供參考的觀測驗證信息。

本文通過對2006～2010年整五年最新可利用的的CloudSat衛(wèi)星資料進行統(tǒng)計分析，研究了東亞地區(qū)（15°～60°N，70°～150°E）包括冰/水云含量、云滴數(shù)濃度和有效半徑等云微物理量的分布特征和季節(jié)變化。本文第2部分給出研究所用的資料和方法；第3部分是結(jié)果分析；第4部分是本文的結(jié)論。

2 資料和方法

本文使用的是CloudSat衛(wèi)星提供的2B-CWC- RO云產(chǎn)品資料（5.1版本）。CloudSat衛(wèi)星于2006年4月28日在美國發(fā)射升空，是A-Train衛(wèi)星觀測系統(tǒng)的成員之一，其上搭載的是94 GHz毫米波云廓線雷達（CPR），每根軌道運行時間約為2小時，進行約37,081次掃描，掃描星下點的分辨率為1.1 km（沿軌方向）×1.3 km（垂直軌道運行方向）×0.24 km（垂直方向）（周毓荃和趙姝慧，2008；彭杰等，2010），具有很高的垂直分辨率。2B-CWC-RO是CloudSat的二級產(chǎn)品，它包括了云的液態(tài)水含量、冰水含量、有效半徑及其相關的量，算法中特別區(qū)分了水云和冰云（具體算法及物理意義參見http://www.cloudsat.cira.colostate.edu.html [2013-09- 20]）（Austin，2007；楊大生和王普才，2012）。反演的主要流程如下：首先根據(jù)2B-GEOPROF產(chǎn)品給出的云蓋（Cloud mask）判定掃描廓線上出現(xiàn)云的高度，通過2B-CLDCLASS產(chǎn)品去除廓線中有問題的部分，然后根據(jù)氣溫等指標設定液態(tài)水/冰水粒子的粒徑分布參數(shù)的初始值，結(jié)合初始值和2B-GEOPROF給出的雷達探測結(jié)果計算出不同垂直高度上液態(tài)水/冰水粒子的粒徑分布參數(shù)，進而計算出冰云和水云的有效半徑、云水含量等云物理量值，最后根據(jù)ECMWF模式的溫度情況（溫度小于－20 °C為冰云，大于0 °C為水云，－20～0 °C之間為混合相云）分別得出冰云和水云云物理量的垂直廓線。文中考慮的均為非降水云的云物理量。當然在目前的反演算法中區(qū)分非降水云和降水云的標準還存在一定的不確定性，因為算法中僅根據(jù)雷達反射率因子小于－15 dB這一條件來判斷非降水云是有一定誤差的（Austin，2007）。

根據(jù)2B-CWC-RO的反演算法，云物理量產(chǎn)品存在如下不確定性：（1）算法中使用的CloudSat其他產(chǎn)品數(shù)據(jù)的不確定性（①2B-GEOPROF產(chǎn)品給出的不同高度上云量的不確定性；②2B- CLDCLASS產(chǎn)品中云分類判斷的不確定性；③ECMWF模式提供的溫度數(shù)據(jù)以及差值到CloudSat廓線產(chǎn)生的不確定性）；（2）算法過程中的不確定性（①水云中降水粒子和冰云中大粒子的存在會使假定的對數(shù)正態(tài)分布產(chǎn)生一定的偏差；②冰云或水云云物理量反演過程中分別假定整層云均為冰云粒子或水云粒子，導致混合層的云物理量產(chǎn)生偏差）。

本文根據(jù)彭杰等（2013）的分區(qū)方案，參照《中國自然地理》（1995）中的劃分方法，將東亞地區(qū)（15°～60°N，70°～150°E）劃分為西北地區(qū)（以下簡稱Nw）、青藏高原地區(qū)（以下簡稱Tibet）、北方地區(qū)（以下簡稱North）、南方地區(qū)（以下簡稱 South）和東部海域（以下簡稱EO）5個部分，選取了云的冰/液態(tài)水路徑、冰/液態(tài)水含量、冰/水云有效半徑、冰/水云云滴數(shù)濃度等云微物理量進行研究。具體統(tǒng)計方法為：將東亞地區(qū)按經(jīng)緯度劃分為2.8°×2.8°的網(wǎng)格，根據(jù)星下點位置，篩選出每個網(wǎng)格內(nèi)的CloudSat衛(wèi)星掃描的廓線，然后選取所需要的物理量進行網(wǎng)格內(nèi)平均，統(tǒng)計出這些物理量在東亞各個區(qū)域的月平均分布情況。然后按三個月為一季進行劃分，3、4、5月為春季，6、7、8月為夏季，9、10、11月為秋季，12、1、2月為冬季，最終統(tǒng)計出各個物理量在東亞不同區(qū)域上的季節(jié)分布情況。由于CPR雷達在地表以上2～3 層即0.48～0.72 km范圍內(nèi)的值不確定性較大（Stephens et al.，2008），文中的垂直廓線在統(tǒng)計平均時去除了地表以上3層（即0.72 km）以下的值。需要說明的是，CloudSat提供的云微物理量產(chǎn)品主要有2B-CWC-RO和2B-CWC-RVOD。本文對兩種產(chǎn)品都進行了分析和對比，得出的結(jié)果基本一致。Protat et al.（2010）也指出CloudSat兩種微物理產(chǎn)品（2B- CWC-RO和2B-CWC-RVOD）統(tǒng)計上來說幾乎完全相同。因此，用2B-CWC-RO產(chǎn)品可以滿足本文的研究需要。下文中只給出了用2B-CWC-RO產(chǎn)品的統(tǒng)計分析結(jié)果，并在給出平均結(jié)果同時也給出了相應的標準差。

3 結(jié)果和分析

3.1 東亞地區(qū)云水路徑的分布及其季節(jié)變化

3.1.1 云水路徑的水平分布及其季節(jié)變化

東亞地區(qū)冰水路徑的季節(jié)變化比較顯著，從圖2中可以看出，冰水路徑值的范圍在700 g m?2以下，夏秋兩季的值較高，春季次之，冬季最小，高值區(qū)分布在北緯40度以南區(qū)域。春季高值區(qū)范圍較小，東部海域上有小范圍的高值區(qū)存在，最大值達到400 g m?2以上，我國長江中下游地區(qū)以及東海海域也有小范圍的高值，最大值為300 g m?2以上；夏季高值區(qū)分布的范圍最大，青藏高原地區(qū)、華南地區(qū)以及東部海域上空大部分區(qū)域都有高值分布，最大值為400 g m?2以上；秋季高值范圍向東南移動，基本分布在東部海域上空，最大值沒有減弱；冬季整個東亞地區(qū)冰水路徑的值均較低，沒有明顯的高值區(qū)存在。這種季節(jié)分布的差異主要受大氣中水汽含量的影響，夏季北緯15°到40°之間東亞地區(qū)接收的太陽輻射較多，地表蒸發(fā)量增大，因此使得大氣中水汽含量增多，加大了整層大氣中云的冰水路徑值。而接近冬季時，大氣中的水汽主要集中在洋面，故東亞地區(qū)冰水路徑的值普遍較小，大部分高值區(qū)位于洋面上空。

圖1 冰水路徑（左列）、液態(tài)水路徑（右列）水平分布（單位：g m?2）的季節(jié)變化：（a、b）春季；（c、d）夏季；（e、f）秋季；（g、h）冬季

液態(tài)水路徑在東亞地區(qū)的分布情況與冰水路徑相近，高值區(qū)也普遍集中在北緯40度以南地區(qū)，大小在600 g m?2以下。夏季和冬季液態(tài)水路徑的值比較大，秋季次之，春季較小。春季高值區(qū)位于青藏高原東南側(cè)、南方地區(qū)以及東部海域上空，最大值在250 g m?2以上；夏季高值區(qū)移到青藏高原南側(cè)上空，最大值增加到400 g m?2以上，東部海域的值分布范圍減?。磺锛靖咧祬^(qū)向東擴展，分裂成兩個中心，分別位于青藏高原東南側(cè)和東海海域上空，最大值有所減弱，達到350 g m?2以上；冬季高值區(qū)基本移至東部海域，最大值增大為400 g m?2以上?？梢钥闯觯瑬|亞地區(qū)液態(tài)水路徑的分布同樣受到大氣中水汽含量的影響，夏季青藏高原南側(cè)受印度西南夏季風的影響，水汽的輸送較大，且由于高原的阻擋作用，導致大量水汽在此堆積，整個大氣中水汽含量較大，因此液態(tài)水路徑的高值區(qū)集中于此；這與楊大升等（2012）研究中給出的夏季東亞地區(qū)液態(tài)水路徑最大值出現(xiàn)在25°～32°緯度帶上的觀點一致。冬季東部海域上蒸發(fā)量大，液態(tài)水路徑的高值集中在洋面上空。這種季節(jié)變化與東亞季風的季節(jié)振蕩也有一定的相似之處。

3.1.2 不同區(qū)域云水路徑平均值的季節(jié)變化

表1中給出的是東亞不同區(qū)域內(nèi)冰水路徑、液態(tài)水路徑平均值的季節(jié)變化情況?？梢钥闯觯瑬|亞地區(qū)不同區(qū)域內(nèi)冰水路徑的平均值在400 g m?2以下，夏季的值普遍比其他季節(jié)大，春秋次之，冬季最小。從區(qū)域差異來看，冰水路徑從大到小依次為南方地區(qū)、東部海域、青藏高原地區(qū)、北方地區(qū)、西北地區(qū)，其中南方地區(qū)夏季的平均值達到394.3 g m?2，是所有區(qū)域中最大的，西北地區(qū)冬季的平均值最小，只有78.5 g m?2。這是因為南方地區(qū)和東部海域的水汽條件豐富，整層大氣中云的含水量比其他區(qū)域高，夏季溫度高更有利于蒸發(fā)，而西北地區(qū)大部分處在干旱半干旱區(qū)，水汽較少，云的冰水含量較低，冬季受北部干空氣的影響冰水含量達到最低水平。南方地區(qū)季節(jié)差異最大，夏季和冬季的差值達到310 g m?2，西北地區(qū)季節(jié)差異最小，夏季和冬季的差值僅為133 g m?2。

液態(tài)水路徑在不同區(qū)域內(nèi)的值在300 g m?2以下，不同區(qū)域間的差異以及季節(jié)差異均比冰水路徑小。東部海域冬季的值最大，達到300.8 g m?2，原因是冬季洋面較暖，水汽蒸發(fā)量較大。東部海域、南方地區(qū)的值比其他地區(qū)大，青藏高原地區(qū)只在夏季的值較大。西北地區(qū)的值最小，特別是冬季的平均值只有56.2 g m?2。季節(jié)差異最大的是西北地區(qū)，最小的是東部海域和南方地區(qū)，原因是東部海域和南方地區(qū)全年水汽條件均很充足，容易達到水云形成的條件，而西北地區(qū)由于干旱，不同季節(jié)中大氣的含水量有很大差異，夏季的值會明顯高于其他季節(jié)，故液態(tài)水路徑的值受季節(jié)變化的影響相對較大。

表1 不同區(qū)域內(nèi)冰/液態(tài)水路徑平均值的季節(jié)變化（單位：g m?2）

3.2 東亞地區(qū)云水含量的垂直分布及其季節(jié)變化

圖2（左）為東亞不同區(qū)域內(nèi)冰水含量平均值垂直分布的季節(jié)變化，誤差棒表示各高度上的標準差，橫坐標為冰水含量的值，縱坐標為高度?？梢钥闯?，冰水含量平均值的范圍在170 mg m?3以下，最大高度接近20 km，不同高度上的值有所差異。這與楊大生和王普才（2012）的中國地區(qū)夏季冰水含量發(fā)展上限是19 km相近。整體來看，8 km附近為冰水含量最高值的所在高度，最大值可達170 mg m?3以上，8 km以上和以下的值均逐漸減小。四個季節(jié)中最大值由大到小依次為夏季、秋季、春季、冬季，主要原因是夏季水汽比較充足。在15 km附近有另一個高值區(qū)，夏季最為明顯，最大值可達120 mg m?3以上，其他季節(jié)相對較弱，其中南方地區(qū)夏季在這個高度上的值遠遠大于其他地區(qū)，原因是這個地區(qū)靠近熱帶，水汽的垂直輸送較大，高層的水汽比較充足，再加上15 km附近有利的溫度條件，因此容易形成大量的冰云。在8 km附近南方地區(qū)、東部海域和青藏高原地區(qū)的值比其他區(qū)域大，特別是夏季可以達到140～160 mg m?3，這是因為這幾個地區(qū)水汽條件充足，夏季更容易通過對流把水汽輸送到高空形成冰云。青藏高原地區(qū)地區(qū)冰水含量的季節(jié)差異較大，夏季在8 km左右的最大值比其他季節(jié)大，冬季最高值所在高度低于其他地區(qū)。原因是青藏高原地區(qū)地勢高，不同季節(jié)的熱力差異較大，夏季對流旺盛，大量的水汽可以被輸送到較高高度，而冬季對流大大減弱，水汽含量又低，最大值出現(xiàn)在高度和大小也相對較低。從標準差的變化情況可以看出，冬季不同區(qū)域的標準差相對較小，說明平均值的代表性較好，而夏秋兩季的中高層標準差相對較大。

如圖2（右列）所示，東亞地區(qū)的液態(tài)水含量平均值的范圍小于360 mg m?3，最大高度小于10 km，明顯低于冰水含量分布的高度，但值的大小明顯增大。這也與楊大生和王普才（2012）的結(jié)論一致。從垂直變化來看，東亞不同區(qū)域液態(tài)水含量的廓線從10 km向下基本呈現(xiàn)逐漸增大的趨勢，峰值位于1～2 km高度上，峰值的大小隨著不同季節(jié)和區(qū)域有所差異，只有青藏高原地區(qū)春季的峰值位于3.5 km左右。從季節(jié)變化來看，青藏高原地區(qū)在垂直方向上液態(tài)水含量峰值的最大值出現(xiàn)在冬季，達到360 mg m?3左右，最小值出現(xiàn)在春季，達到270 mg m?3；南方地區(qū)在垂直上的峰值在冬季最大，為325 mg m?3，夏季最小，為280 mg m?3；東部海域峰值的最大值出現(xiàn)在秋季，達到190 mg m?3，最小在夏季，為270 mg m?3；北方地區(qū)峰值的最大值出現(xiàn)在夏季，達到270 mg m?3左右，最小值出現(xiàn)在冬季，達到180 mg m?3；西北地區(qū)的最大值出現(xiàn)在春季，達到230 mg m?3左右，最小值出現(xiàn)在冬季，為150 mg m?3左右。青藏高原地區(qū)的值分布的高度普遍高于其他地區(qū)，隨季節(jié)變化有一定的差異，在夏季液態(tài)水含量的值分布高度最高，冬季最低。原因是青藏高原地區(qū)平均海拔較高，云出現(xiàn)的高度也比其他地區(qū)高，夏季對流旺盛，水汽最充足，最大值分布所在位置和大小也最高。西北地區(qū)的值比其他區(qū)域明顯減小，特別是冬季的峰值只有150 mg m?3左右，這是因為西北地區(qū)水汽條件不充足，水云的云量減少，液態(tài)水含量也相對較小，進而會使這個地區(qū)的降水減少，形成負反饋。相對而言，對流層高層的標準差較小，青藏高原地區(qū)的標準差在幾個區(qū)域中是較大的。

圖2 不同區(qū)域內(nèi)冰水含量（左列）、液態(tài)水含量（右列）垂直分布（單位：mg m?3）的季節(jié)變化：（a、b）春季；（c、d）夏季；（e、f）秋季；（g、h）冬季。橫向線段為誤差棒，表示物理量在各高度上的標準差（下同）

圖2 （續(xù)）

3.3 東亞地區(qū)云滴數(shù)濃度的垂直分布及其季節(jié)變化

云滴數(shù)濃度為單位體積所含的云滴數(shù)目（單位：冰云用L?1，水云用cm?3）。云滴的數(shù)目與氣溶膠數(shù)濃度、氣溶膠粒子的尺度、化學組分、上升速度以及過飽和度等因子有關（黃夢宇等，2005）。由于云滴數(shù)濃度與氣溶膠之間具有密不可分的聯(lián)系，而氣溶膠的間接效應又是當前國內(nèi)外研究的熱點問題，因此研究云滴數(shù)濃度有著十分重要的意義。

圖3左列為冰云云滴數(shù)濃度的垂直分布情況，誤差棒表示各高度上的標準差，可以看出，冰云云滴數(shù)濃度的范圍在150 L?1以下，最大所在高度為 20 km，最大值所在的高度隨季節(jié)和地區(qū)的不同有所差異，基本在8～18 km之間不等。夏季的值最大，其中南方地區(qū)的最大值達到150 L?1，位于15 km左右，是所有區(qū)域中最大的，東部海域次之，為100 L?1左右，其他三個區(qū)域的最大值位于10 km高度上，值從大到小依次為青藏高原地區(qū)、北方地區(qū)、西北地區(qū)。春秋兩季最大值的大小和高度差別不大，最大值為70 L?1左右，高度在7～8 km，但秋季青藏高原地區(qū)、南方地區(qū)的垂直廓線有較大差異。青藏高原地區(qū)的最大值比其他區(qū)域大，可以達到90 L?1，南方地區(qū)的最大值所在高度較高，位于15 km左右，8 km處有次大值。冬季最大值所在高度為5～10 km，但最大值是四季中最小的，只有20～50 L?1左右，其中東部海域、北方地區(qū)的值最大，南方地區(qū)最小。影響冰云云滴數(shù)濃度分布的因素主要是溫度和水汽條件，夏季溫度高對流旺盛，水汽可以輸送到較高高度上，值也較大，冬季反之。總體來說，冰云云滴數(shù)濃度的值在夏季最大，冬季最小，夏季不同地區(qū)的最大值在80～150 L?1之間，15 km、10 km為最高值所在高度，南方地區(qū)最大值可以達到150 L?1。冬季最大值在20～50 L?1之間，位于5～10 km之間，值的大小和分布高度在四季中均為最小。

圖3 不同區(qū)域內(nèi)冰云云滴數(shù)濃度（左列，單位：L?1）、水云云滴數(shù)濃度（右列，單位：cm?3）垂直分布的季節(jié)變化：（a、b）春季；（c、d）夏季；（e、f）秋季；（g、h）冬季

水云云滴數(shù)濃度反映了單位體積中水云的云滴個數(shù)，如圖3右列所示，水云云滴數(shù)濃度的值分布在9 km以下，范圍小于80 cm?3，夏季值分布的高度范圍比其他季節(jié)大。除青藏高原地區(qū)夏季垂直廓線的最大值在4 km左右外，其他區(qū)域的最大值位于1～2 km的高度上。南方地區(qū)廓線峰值在四季基本都在79 cm?3左右；東部海域在春、夏、秋季的峰值最大，達到79 cm?3左右，冬季的峰值略小，為75 cm?3左右；青藏高原地區(qū)、西北地區(qū)、北方地區(qū)的峰值最大值均出現(xiàn)在夏季，均為75 cm?3左右，最小值均出現(xiàn)在冬季，分別為68、48、48 cm?3。總的來說，在夏季東亞各個區(qū)域上水云云滴數(shù)濃度的值差異較小，冬季較大；垂直廓線的峰值在夏季較大，冬季較小。

3.4 東亞地區(qū)云滴有效半徑的垂直分布及其季節(jié)變化

云滴有效半徑反映了云粒子的平均有效尺度，它可以影響云層的散射特性。對于給定的液態(tài)水含量或冰水含量而言，具有較小的水云有效半徑或冰云有效半徑值的云將反/散射較多的太陽輻射（Liou，2004）。

圖4左列給出不同區(qū)域內(nèi)冰云有效半徑的垂直廓線及其季節(jié)變化（誤差棒表示各高度上的標準差）。發(fā)現(xiàn)，冰云有效半徑的值基本在90mm以下，分布在20 km高度以下，5 km左右為最大值出現(xiàn)的高度，5 km以上及以下的值均逐漸減小。整體來說，四季中夏季的值最大，春秋次之，冬季最小，最大值出現(xiàn)的高度同樣為夏季最高，冬季最低。原因是夏季水汽條件充足，使得最大值在四個季節(jié)中也最大，然而較高的溫度導致冰云形成的高度比其他季節(jié)高，特別是在5 km以下所有地區(qū)的值均較小。北方地區(qū)、西北地區(qū)的最高值所在高度比其他地區(qū)略低，其中冬季的差異最大。說明在5 km以下同一高度上北方地區(qū)和西北地區(qū)冰云有效半徑的值偏大，原因之一是越接近地面，冰云出現(xiàn)的緯度越高，這兩個地區(qū)位置偏北，受溫度影響更容易形成冰云，冰晶尺度也較大。

圖4右列為水云有效半徑的垂直分布情況，誤差棒表示各高度上的標準差，可以看出，水云有效半徑的值分布在10 km以下，不同季節(jié)的最大高度有所差異，夏季最高，最大高度為9.5 km，冬季最低，為8.5 km。有效半徑的大小在12mm以下。除了青藏高原地區(qū)在春、秋、冬季的最大值 在5 km左右外，東亞各區(qū)域內(nèi)水云有效半徑的最大值基本位于1～2 km，最大值在10～12mm之間。在夏季各區(qū)域間的差異最小，在7 km以下的值隨高度變化較小，春秋兩季在5 km以下的值隨高度變化較小，冬季在3 km以下變化較小。南方地區(qū)、東部海域的值比北方地區(qū)、西北地區(qū)的值大，原因是南方地區(qū)、東部海域處于東亞季風 區(qū)，靠近洋面，水汽比較充足，越接近地面水汽含量越大，更容易形成水云，云滴的含水量也大。夏季7～9 km高度上水云有效半徑的值也較高，可以達到10mm以上，說明夏季下墊面蒸發(fā)量較大，對流旺盛，氣流可以把充足的水汽輸送到較高的高度上。

圖4 不同區(qū)域內(nèi)冰云有效半徑（左列）、水云有效半徑（右列）垂直分布（單位：μm）的季節(jié)變化：（a、b）春季；（c、d）夏季；（e、f）秋季；（g、h）冬季

圖4 （續(xù)）

3.5 東亞地區(qū)云微物理量的概率分布函數(shù)（PDF）及其季節(jié)變化

圖5a–b是東亞地區(qū)所有高度上冰水含量和液態(tài)水含量的PDF分布圖。從圖中可以看出，冰水含量的范圍大部分在200 mg m?3以下，其中80%左右的值都分布在100 mg m?3以下，隨著冰水含量值的增加，分布概率逐漸減小。從季節(jié)變化來看，在50 mg m?3以下冬季冰水含量值的分布概率最高，夏季最低，而在50 mg m?3以上夏季分布概率最高，冬季最低；春、夏、秋、冬四季冰水含量在10 mg m?3以下的分布概率分別達到0.16、0.14、0.17、0.26。

液態(tài)水含量的范圍比冰水含量大，大部分的值分布在800 mg m?3以下，其中90%的值在300 mg m?3以下。除冬季以外，分布概率曲線呈現(xiàn)兩個峰值，分別位于50 mg m?3以下以及150～200 mg m?3之間，在200 mg m?3以上隨著液態(tài)水含量的增大分布概率逐漸減小，冬季只有50 mg m?3以下的分布概率最大。從季節(jié)變化來看，冬季分布概率的最大值在50 mg m?3以下，夏季最大值在150～200 mg m?3之間；春、夏、秋、冬四季液態(tài)水含量在50 mg m?3以下的分布概率分別為0.26、0.17、0.24、0.31，在150～200 mg m?3之間的概率分別為0.16、0.27、0.15、0.11?？傮w來看，冬季分布概率較高的液態(tài)水含量的值較小，夏季較大。

圖5c–d為冰云和水云云滴數(shù)濃度的PDF分布圖?？梢钥闯?，冰云云滴數(shù)濃度的范圍大部分在200 L?1以下，其中冬季為100 L?1以下。最大分布概率呈現(xiàn)兩個峰值，一個峰值出現(xiàn)在10 L?1以下，春、夏、秋、冬四季的概率分別為0.15、0.16、0.16、0.24；另一個峰值在不同季節(jié)的分布區(qū)間有所差異，春、夏、秋、冬的最大分布概率所在的云滴數(shù)濃度值的區(qū)間分別為50～60、70～80、50～60、30～40 L?1，最大分布概率分別為0.15、0.12、0.13、0.18。

水云云滴數(shù)濃度的值基本在90 cm?3以下，分布函數(shù)同樣呈現(xiàn)雙峰型。一個峰值出現(xiàn)在5 cm?3以下，春、夏、秋、冬四季的概率分別為0.17、0.1、0.14、0.21；另一個峰值在夏季出現(xiàn)在70～75 cm?3，春、秋、冬季節(jié)在75～80 cm?3，四季的概率依次為0.09、0.18、0.13、0.07。

圖5e–f是冰云有效半徑和水云有效半徑的PDF分布圖。從圖中可見，冰云有效半徑的值基本分布在100 μm以下，40～90 μm的值占到80%左右，最大分布概率在50～80 μm之間，10～20 μm有另一個弱的峰值。四個季節(jié)最大分布概率的冰云有效半徑值的區(qū)間有所不同，春、夏、秋季分布概率最高的區(qū)間均集中在70～80 μm，冬季集中在50～60 μm，最大概率在春、夏、秋、冬季節(jié)分別為0.18、0.16、0.18、0.2。

圖5 東亞地區(qū)云微物理量概率分布函數(shù)（PDF）的季節(jié)變化：（a、b）冰水、液態(tài)水含量；（c、d）冰云、水云云滴數(shù)濃度；（e、f）冰云、水云有效半徑

水云有效半徑的值大部分在20 μm以下，9～12 μm范圍內(nèi)的分布概率較高，最大分布概率發(fā)生在10～11 μm。春、夏、秋、冬四季分布概率最大的區(qū)間均為10～11 μm，分別達到0.36、0.4、0.38、0.33。

4 結(jié)論

本文利用整4年CloudSat衛(wèi)星資料對云的微物理特征量（云中液態(tài)水/冰水含量、液態(tài)水/冰水路徑、云滴數(shù)濃度、云滴有效半徑等）在東亞地區(qū)的分布情況和季節(jié)變化進行了統(tǒng)計分析，并將東亞地區(qū)劃分為5個區(qū)域進行了詳細的研究，得到以下結(jié)論：

（1）東亞地區(qū)冰水路徑值的范圍在700 g m?2以下，受水汽條件的影響，夏秋兩季的值較高，高值區(qū)分布在北緯40度以南區(qū)域，夏季最大值達到400 g m?2以上。液態(tài)水路徑的范圍在600 g m?2以下，夏季和冬季的值較大，春季較小，夏季高值區(qū)分布在青藏高原南側(cè)上空，冬季集中在東部海域，最大值達到400 g m?2以上。冰水路徑的平均值在南方地區(qū)的夏季最大，為394.3 g m?2，西北地區(qū)冬季最小，為78.5 g m?2，南方地區(qū)的季節(jié)差異最大，西北地區(qū)差異最小。液態(tài)水路徑的值整體來說在夏季最大，基本在600 g m?2以下，冬季在東部海域的值最大，達到300.8 g m?2，夏季最大值為281.5 g m?2，分布在南方地區(qū)上空，季節(jié)差異最大的是西北地區(qū)，最小的是南方地區(qū)。

（2）冰水含量在不同高度上的值的范圍在170 mg m?3以下，最高值在8 km附近，四個季節(jié)的值從大到小依次為夏季、秋季、春季、冬季；南方地區(qū)、東部海域和青藏高原地區(qū)的值比其他區(qū)域大，青藏高原地區(qū)的季節(jié)差異較大。液態(tài)水含量的范圍小于360mg m?3，垂直廓線從10 km向下基本呈現(xiàn)逐漸增大的趨勢，峰值位于1～2 km高度上。

（3）冰云云滴數(shù)濃度的范圍在150 L?1以下，最大值集中在8 km左右，夏季的值最大，冬季最小。水云云滴數(shù)濃度的值分布在9 km以下，范圍小于80 cm?3，最大值位于1～2 km高度上，在夏季各個區(qū)域上水云云滴數(shù)濃度的值差異較小，冬季較大；垂直廓線的峰值在夏季較大，冬季較小。

（4）冰云有效半徑的值在90 μm以下，5 km左右為最大值所在高度，四季中夏季的值最大，冬季最小，不同區(qū)域的差異不大。水云有效半徑的值分布在10 km以下，除了青藏高原地區(qū)在春、秋、冬季的最大值在5 km左右外，東亞各區(qū)域的最大值基本位于1～2 km，最大值在10～12 μm之間。

（5）從PDF分布來看，冰水含量80%左右的值都分布在100 mg m?3以下，隨著冰水含量值的增加，分布概率逐漸減?。灰簯B(tài)水含量90%的值在300 mg m?3以下，除冬季以外，分布概率曲線呈現(xiàn)兩個峰值，分別位于50 mg m?3以下以及150～200 mg m?3之間。冰云云滴數(shù)濃度的范圍大部分在200 L?1以下，水云云滴數(shù)濃度的值基本在90 L?1以下，最大分布概率均呈現(xiàn)雙峰型，其中水云云滴數(shù)濃度兩個峰值的間隔比冰云云滴數(shù)濃度大。冰云有效半徑在40～90 μm的值占到80%左右，水云有效半徑在9～12 μm范圍內(nèi)的分布概率較高，都為單峰型分布。

本研究充分利用了CloudSat資料高垂直分辨率的優(yōu)勢，給出了主要的云微物理量在東亞不同區(qū)域和高度上的分布特征及其季節(jié)變化規(guī)律，為氣候模式在該地區(qū)精確描云的微物理分布特征提供了可供參考的觀測依據(jù)。需要說明的是，本文只給出用CloudSat衛(wèi)星資料得到的云的微物理量在東亞地區(qū)的分布特征，目前還沒有可以獲得的東亞地區(qū)多年的相應的觀測資料進行對比驗證，這是今后需要加強開展的研究方向。

致謝 感謝匿名評審專家和終審專家對本文的指正和給予的非常有幫助的建議和意見。

（References：）

Austin R T. 2007. Level 2B radar-only cloud water content (2B-CWC-RO) process description document [R]. CloudSat project report.

Chen Y H, Peng K J, Huang J P, et al. 2010. Seasonal and regional variability of cloud liquid water path in northwestern China derived from MODIS/CERES observations [J]. Int. J. Remote Sens., 31 (4): 1037–1042.

傅云飛, 宇如聰, 崔春光, 等. 2007. 基于熱帶測雨衛(wèi)星探測的東亞降水云結(jié)構(gòu)特征的研究[J]. 暴雨災害, 26 (1): 9–20. Fu Yunfei, Yu Rucong, Cui Chunguang, et al. 2007. The structure characteristics of precipitating clouds over the East Asia based on TRMM measurements [J]. Torrential Rain and Disasters (in Chinese), 26 (1): 9–20.

黃夢宇, 趙春生, 周廣強, 等. 2005. 華北地區(qū)層狀云微物理特性及氣溶膠對云的影響[J]. 南京氣象學院學報, 28 (3): 360–368. Huang Mengyu, Zhao Chunsheng, Zhou Guangqiang, et al. 2005. Stratus cloud microphysical characters over North China region and the relationship between aerosols and clouds [J]. Journal of Nanjing Institute of Meteorology (in Chinese), 28 (3): 360–368.

Hughes N A. 1984. Global cloud climatologies: A historical review [J]. J. Climate Appl. Meteor., 23 (5): 724–751.

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(qū)云垂直分布的統(tǒng)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.

Liou K N. 2004. 大氣輻射導論[M]. 北京: 氣象出版社. Liou K N. 2004. An Introduction to Atmospheric Radiation (in Chinese) [M]. Beijing: China Meteorological Press.

劉瑞霞, 劉玉潔, 杜秉玉. 2004. 中國云氣候特征的分析[J]. 應用氣象學報, 15 (4): 468–476. Liu Ruixia, Liu Yujie, Du Bingyu. 2004. Cloud climatology characteristics of China from ISCCP data [J]. Quarterly Journal of Applied Meteorology (in Chinese), 15 (4): 468–476.

Liu Q, Fu Y F, Yu R C, et al. 2008. A new satellite-based census of precipitating and nonprecipitating clouds over the tropics and subtropics [J]. Geophys. Res. Lett., 35 (7), doi: 10.1029/2008GL033208.

Luo Y L, Zhang R H, Wang H. 2009. Comparing occurrences and vertical structures of hydrometeors between eastern China and the Indian monsoon region using CloudSat/CALIPSO data [J]. J. Climate, 22 (4): 1052–1064.

彭杰, 沈新勇, 王志立, 等. 2010. 中國地區(qū)云的觀測研究進展[J]. 安徽農(nóng)業(yè)科學, 38 (24): 13070–13073. Peng Jie, Shen Xinyong, Wang Zhili, et al. 2010. Overview of observational researches on clouds over China [J]. Journal of Anhui Agricultural Sciences (in Chinese), 38 (24): 13070– 13073.

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 (in Chinese), 37 (1): 91–100.

Peng J, Zhang H, Li Z Q. 2014. Temporal and spatial variations of global deep cloud systems based on CloudSat and CALIPSO satellite observations [J]. Adv. Atmos. Sci., 31 (3): 593–603.

Protat A, Delano? J, O'Connor E J, et al. 2010. The evaluation of CloudSat and CALIPSO ice microphysical products using ground-based cloud radar and lidar observations [J]. J. Atmos. Oceanic Technol., 27 (5): 793–810.

尚博. 2011. 利用CloudSat對華北、江淮云垂直結(jié)構(gòu)及降水云特征的研究[D]. 南京信息工程大學碩士學位論文. Shang Bo. 2011. Research on vertical structure of cloud and precipitation feature of CloudSat data in Huabei and Jianghuai [D].M. S. thesis (in Chinese), Nanjing Univercity of Information Science and Technology.

Stephens G L, Vane D G, Tanelli S, et al. 2008. CloudSat mission: Performance and early science after the first year of operation [J]. J. Geophys. Res., 113, D00A18, doi: 10.1029/2008JD009982.

Wang C C, Chen G T J, Carbone R E. 2004. A climatology of warm-season cloud patterns over East Asia based on GMS infrared brightness temperature observations [J]. Mon. Wea. Rev., 132 (7): 1606–1629.

汪會, 羅亞麗, 張人禾. 2011. 用CloudSat/CALIPSO資料分析亞洲季風區(qū)和青藏高原地區(qū)云的季節(jié)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.

吳澗, 劉佳. 2011. 近二十年全球變暖背景下東亞地區(qū)云量變化特征分析[J]. 熱帶氣象學報, 27 (4): 551–559. Wu Jian, Liu Jia. 2011. Trend of cloud amount in East Asia under the backdrop of global warming in the past 20 years [J]. Journal of Tropical Meteorology (in Chinese), 27 (4): 551–559.

楊大生, 王普才. 2012. 中國地區(qū)夏季6~8月云水含量的垂直分布特征[J]. 大氣科學, 36 (1): 89–101. Yang Dasheng, Wang Pucai. 2012. Characteristics of vertical distributions of cloud water contents over China during summer [J].Chinese Journal of Atmospheric Sciences (in Chinese), 36 (1): 89–101.

楊冰韻, 張華, 彭杰, 等. 2014. 利用CloudSat衛(wèi)星資料分析云微物理和光學性質(zhì)的分布特征[J]. 高原氣象, 33 (4): 1105-1118. Yang Bingyun, 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 Meteorology (in Chinese), 33 (4): 1105?1118.

Zhang H, Peng J, Jing X W, et al. 2013. The features of cloud overlapping in eastern Asia and their effect on cloud radiative forcing [J]. Sci. China Earth Sci., 56 (5): 737–747, doi: 10.1007/s11430-012-4489-x.

張華, 彭杰, 荊現(xiàn)文, 等. 2013. 東亞地區(qū)云的垂直重疊特性及其對云輻射強迫的影響[J]. 中國科學：地球科學, 43 (4): 523?535. Zhang Hua, Peng Jie, Jing Xianwen, et al. 2013. The features of cloud overlapping in eastern Asia and their effect on cloud radiative forcing [J]. Science China: Earth Sciences, 56 (5): 737–747.

趙柏林, 彭欣榮, 朱元競. 1994. 衛(wèi)星遙感東亞地區(qū)云輻射與氣候[J]. 北京大學學報（自然科學版）, 30 (3): 361–374. Zhao Bolin, Peng Xinrong, Zhu Yuanjing. 1994. Satellite observation of cloud radiation on climate in East Asia [J].Acta Scicentiarum Naturalum Universitis Pekinesis (in Chinese), 30 (3): 361–374.

周毓荃, 趙姝慧. 2008. CloudSat衛(wèi)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.

張華, 楊冰韻, 彭杰, 等. 2015. 東亞地區(qū)云微物理量分布特征的CloudSat衛(wèi)星觀測研究[J]. 大氣科學, 39 (2): 235?248, doi: 10.3878/j.issn.1006-9895. 1408.13313. Zhang Hua, Yang Bingyun, Peng Jie, et al. 2015. The characteristics of cloud microphysical properties in East Asia with the CloudSat dataset [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 39 (2): 235?248.

The Characteristics of Cloud Microphysical Properties in East Asia with the CloudSat Dataset

ZHANG Hua1, 2, YANG Bingyun3, PENG Jie4, WANG Zhili5, and JING Xianwen1, 2

1,,2100442,/,1000813,1000814,2000305,100081

The distribution and seasonal variations of cloud microphysical properties in East Asia (including the liquid water content (LWC), ice water content (IWC), liquid water path (LWP), ice water path (IWP), effective radius, and number concentrations) are analyzed based on the CloudSat dataset from Jan. 2007 to Dec. 2010. East Asia is divided into five sub-regions for this paper, and are defined as the North, South, Northwest, Tibet Plateau, and East Ocean. The results show that the IWP is less than 700 g m?2over all of East Asia. The higher values are located south of 40° N. The IWP is at its maximum at 394.3 g m?2 in the South region in summer and at its minimum of 78.5 g m?2 in the Northwest region in winter. The LWP is less than 600 g m?2. The maximum LWP is 300.8 g m?2and 281.5 g m?2over the East Ocean in winter and the South in summer, respectively. The maximum IWC occurs near the height of 8 km over the South in summer. East Asia’s maximum LWC is 360 mg m?3at an altitude of 1–2 km. The largest ice (liquid) number concentration in East Asia is 150 L?1(80 cm?3) and both these values are larger in summer. The largest ice effective radius in East Asia is 90 μm and occurred at around 5 km. East Asia’s liquid effective radius is generally lower than 10 km. Its largest value reaches 10–12mm at 1–2 km altitude. Two peaks are shown in the probability distribution function (PDF) of both the ice and liquid number concentrations, and most of the other cloud microphysical variables show single peak PDFs. The results reported here provide an observational basis for simulations of cloud microphysical properties by global or regional climate models in East Asia.

CloudSat, Cloud water content, Cloud number concentration, Cloud effective radius

35-14

P426

A

10.3878/j.issn.1006-9895.1408.13313

2013-11-18；網(wǎng)絡預出版日期 2014-08-13

國家重點基礎研究發(fā)展計劃（973計劃）項目2011CB403405，國家自然科學基金項目41375080，科技部公益性行業(yè)（氣象）科研專項項目GYHY201406023

張華，女，1965年出生，博士，研究員，主要從事云—輻射相互作用及其氣候影響、大氣輻射傳輸模式等方面的研究。E-mail: huazhang@cma.gov.cn