胡禹賢，陳剛毅，閔文彬

(1.成都信息工程學(xué)院管理學(xué)院，四川成都610103;2四川省氣象局，四川成都610072)

0 引言

云是重要的氣象和氣候要素之一，直接影響著地氣系統(tǒng)的輻射平衡和熱量平衡。云的定性及定量判識在衛(wèi)星資料的反演中非常重要，對提供未來天氣變化趨勢的依據(jù)有著非常重要的意義。

氣象衛(wèi)星資料不僅是天氣分析、災(zāi)害性天氣監(jiān)測和數(shù)值天氣預(yù)報的重要信息源，也是監(jiān)測大范圍干旱、洪澇和雪災(zāi)等自然災(zāi)害和地球生態(tài)系統(tǒng)的主要手段。氣象衛(wèi)星資料產(chǎn)品豐富，有由不同通道、不同投影及不同合成方法所組成的各種圖像產(chǎn)品，目前，可以獲得并研究的云物理參數(shù)有:云量、云類、云頂/底高、云的垂直結(jié)構(gòu)、光學(xué)厚度、云中液態(tài)水、可降水量等[1]。在宏觀云探測方法方面，包括衛(wèi)星紅外可見光測云、衛(wèi)星微波測云、星載雷達(dá)測云、地基微波被動遙感等等。如盛夏等[2]、陳剛毅[3]等用不同的檢測方法對MODIS(中分辨率成像光譜儀)資料進(jìn)行云檢測，得到較好的結(jié)果;李香淑等[4]利用熱帶測雨衛(wèi)星上的測雨雷達(dá)和微波成像儀資料研究了在中國南海季風(fēng)試驗(yàn)期間，南海北部中尺度對流云帶從形成、發(fā)展等的變化特征。

與傳統(tǒng)方法不同的是，研究使用了信息數(shù)字化方法，從物理量分析云的空間結(jié)構(gòu)。它是針對天氣演化轉(zhuǎn)折性過程中災(zāi)害天氣預(yù)測設(shè)計(jì)，用垂直方向上的非規(guī)則性信息揭示轉(zhuǎn)折性變化。該方法的應(yīng)用在暴雨預(yù)報中取得較好的預(yù)測效果，改善了暴雨難預(yù)報的現(xiàn)狀[5]。如陸雅君等[6]采用信息數(shù)字化方法對2011年6月23日席卷北京的強(qiáng)對流暴雨過程進(jìn)行了分析，發(fā)現(xiàn)氣象問題是演化的非慣性系問題，其天氣現(xiàn)象隨大氣的結(jié)構(gòu)不同而不同;陳剛毅等[7]以成都地區(qū)2004年6月29日到30日的暴雨為例，采用信息數(shù)字化方法，配合V-3θ結(jié)構(gòu)圖分析，對發(fā)生暴雨前的風(fēng)速、風(fēng)向、溫度、濕度分別進(jìn)行相空間分析，實(shí)現(xiàn)了對城市暴雨落時、落區(qū)的細(xì)化預(yù)報。

1 云分類原理

1.1 風(fēng)云二號衛(wèi)星遙感云分類

隨著衛(wèi)星遙感探測能力的提高和遙感技術(shù)的發(fā)展，利用衛(wèi)星遙感數(shù)據(jù)判識云頂粒子的相態(tài)成為可能。由于冰與水在1.6μm(微米)波段有較明顯的吸收性質(zhì)差異，使得冰粒子在1.6μm的反射率明顯比水粒子小，從而1.6μm反射率對云頂粒子的相態(tài)比較敏感，因此可以利用1.6μm資料進(jìn)行云頂粒子相態(tài)識別[8，9]。

風(fēng)云二號靜止氣象衛(wèi)星上裝載有可見光、中波紅外、水汽和紅外波段探測通道，盡管不具備云相態(tài)識別常用的1.6μm和8μm波段的探測通道，但其搭載的3.7μm探測通道也可在白天的云相態(tài)識別中發(fā)揮作用。利用FY-2的多通道數(shù)據(jù)，尤其是中波紅外通道數(shù)據(jù)，基于云在不同探測波段上的物理特性，可以研究云相態(tài)的識別算法[10]。

目前通過風(fēng)云二號衛(wèi)星遙感數(shù)據(jù)的云檢測方法對云狀判別較好的有積雨云、層積云、中高云、卷云等具有天氣意義的幾類。但衛(wèi)星反演云參數(shù)對云的識別仍有很多不足，如對夜間近地面的低云、冰雪下墊面地區(qū)的云等，同時有些云檢測方法的云類樣本需要進(jìn)一步提高。目前云頂高度的計(jì)算大多基于衛(wèi)星紅外通道得到的亮溫資料進(jìn)行，但此方法依賴的條件和實(shí)際環(huán)境條件會使得到的結(jié)果出現(xiàn)1－2km(千米)甚至更大的誤差，后來雖有改進(jìn)，但仍有不足;云的立體觀測技術(shù)對單層云云頂高觀測效果好，但對實(shí)際中兩層云甚至多層云的情況不能很好反演。

1.2 信息數(shù)字化方法及V-3θ圖

信息數(shù)字化方法以一種圖像的形式來認(rèn)識事物而包含了事物或事件的結(jié)構(gòu)、溫度、方向等等屬性，為了將對流層大氣垂直結(jié)構(gòu)凸顯出來，設(shè)計(jì)了V-3θ圖。該圖以溫度、氣壓為橫縱坐標(biāo)，繪制出對流層的位溫θ(單位:℃)、θsed(以露點(diǎn)溫度計(jì)算出的假相當(dāng)位溫，單位:℃)、θ*(飽和位溫，單位:℃)3條曲線及風(fēng)矢量的結(jié)構(gòu)分析圖。根據(jù)θsed對θ和θ*的偏移程度判斷各層是否有云，如果θsed偏向于θ，說明該層水汽偏干;如果θsed偏向于θ*，說明該層水汽偏濕;根據(jù)(θ*—θsed)閾值分析出云的高度、厚度、層次、濃密程度以及云的結(jié)構(gòu)特征;根據(jù)滾流方向判斷未來天氣是轉(zhuǎn)好或變壞—滾流是垂直面上的渦流，使空氣上下層混合。該方法由于展現(xiàn)了探空站地面至對流層頂?shù)奶鞖庑畔?，固不同層次的云都可鑒別，不會出現(xiàn)云因重疊而無法辨別的情況，但目前可以分析出的云類別較少，需要進(jìn)一步研究。

1.2.1 不同云類的V-3θ圖特征

根據(jù)信息數(shù)字化方法，可以識別層云、積云和層云冷、暖性質(zhì)，其余云類別還有待重點(diǎn)研究。

(1)層云的V-3θ圖特征

層云的形成過程與大范圍的上升氣流或大范圍不規(guī)則的擾動有關(guān)。層云的出現(xiàn)表明該云層大氣穩(wěn)定，它的結(jié)構(gòu)特征為:在V-3θ圖中某層出現(xiàn)3條曲線折拐趨勢一致，θsed和θ*曲線接近重合或重合(相差小于等于3K(熱力學(xué)溫度單位:開爾文))，θsed越接近θ*，層云密實(shí)度越高。θsed和θ*曲線接近重合或重合的高度即為層云高度。

圖1 紅原2012年1月19日08時V-3θ圖

圖2 溫江2010年8月18日08時V-3θ圖

如圖1所示，紅原θsed和θ*曲線下端接近重合，表明該層水汽充足，非常密實(shí)，并3條曲線折拐趨勢一致，根據(jù)特征可以推斷為層云。其云頂位于612hPa處，厚度為655～612hPa。另外，可以看到層云底端存在北風(fēng)，在空間結(jié)構(gòu)上構(gòu)成逆滾流[5]，預(yù)示未來云層會有一定的減弱、消散。

(2)積云的V-3θ圖特征

積云是大氣的一種對流現(xiàn)象，積云存在并在V-3θ圖上表現(xiàn)出的結(jié)構(gòu)特征是:近地層水汽充沛，θsed和θ*曲線靠近并接近于3～5K;3條曲線呈現(xiàn)多層趨勢一致的非規(guī)則折拐，若θsed和θ*曲線并行，則為對流云中的積雨云，并且θ曲線呈左弓狀并多次左拐的特征是強(qiáng)積雨云發(fā)展的標(biāo)志等。如果發(fā)布全部非規(guī)則信息，將呈現(xiàn)極其頻繁的變化，可識別性將更強(qiáng)。

圖2中，由θsed與θ*曲線的結(jié)構(gòu)形狀，可以看出溫江站上空(500～250hPa)為對流云中的積雨云(θsed與θ*曲線并行和頻繁折拐)。

(3)暖云的V-3θ圖特征

暖云的結(jié)構(gòu)特征為:3條曲線隨壓強(qiáng)在某一高度準(zhǔn)平行于T(熱力學(xué)溫度)軸或略向右傾斜與T軸成略小于30°夾角;θsed和θ*曲線準(zhǔn)平行或幾乎重合的強(qiáng)逆溫狀態(tài)。濃密程度取決于θsed和θ*曲線的接近程度，并暖層云高度為θsed和θ*曲線準(zhǔn)平行或幾乎重合的高度。

圖4 達(dá)川2012年7月10日08時V-3θ圖

圖3中，很明顯可見700hPa附近3條曲線呈右傾平行狀態(tài)，并與T軸接近平行，θsed和θ*曲線接近且趨于重合，由此推斷該層為暖層云。該層出現(xiàn)北風(fēng)，預(yù)示未來暖層云會消散，可能只留下少量云。

(4)冷云的V-3θ圖特征

冷云的結(jié)構(gòu)特征為:3條曲線在某一層次隨壓強(qiáng)表現(xiàn)為一致左傾折拐，同時θsed和θ*曲線接近或重合并且個別地呈現(xiàn)準(zhǔn)平行于T軸形成密集層，左傾并趨于重合的高度即為冷層云的高度。圖4中，400～500hPa 3條曲線一致左傾折拐，同時θsed和θ*曲線接近重合且準(zhǔn)平行于T軸，由此推斷該層為冷層云，同時450hPa的折拐為冷層云云底，至400hPa的折拐之間的高度即為冷層云的高度。

2 衛(wèi)星遙感與數(shù)字化云分類對比分析

2.1 對比分析時空選擇

研究時間段為2012年1～10月，研究目標(biāo)為紅原、西昌、溫江、達(dá)川4個探空站，4個探空站分別位于四川省北、南、中、東部，位置分布合理，如圖5。信息數(shù)字化方法數(shù)據(jù)來源于大氣探空氣球(數(shù)據(jù)來源:四川省氣象局氣象臺tlogp資料)，數(shù)據(jù)采集時間為8:00和20:00，氣球從探空站風(fēng)向上游自然飄升。風(fēng)云二號氣象衛(wèi)星云產(chǎn)品(數(shù)據(jù)來源:四川省氣象局成都高原氣象研究所資料)時次為每小時一次，采集固定網(wǎng)格點(diǎn)位置上空衛(wèi)星云圖。該研究中探空站點(diǎn)與網(wǎng)格點(diǎn)不重合，網(wǎng)格點(diǎn)呈行列式分布，相鄰網(wǎng)格點(diǎn)距離相等，如圖6。故只能考慮離探空站點(diǎn)最近的四個網(wǎng)格點(diǎn)?？紤]到探空氣球整個漂移過程歷時近兩個小時，并且氣球會有東西南北向的距離漂移，為盡量減小其與衛(wèi)星產(chǎn)品時間和空間不匹配上的誤差，將與探空觀測時間相鄰的兩個時次的衛(wèi)星數(shù)據(jù)一并進(jìn)行分析，也就是用7、8、9時和19、20、21時的FY-2D或FY-2E云分類產(chǎn)品與信息數(shù)字化方法分析的8、20時的云類別進(jìn)行對比(風(fēng)云衛(wèi)星7、8、9時的數(shù)據(jù)對應(yīng)V-3θ圖8時的數(shù)據(jù)，衛(wèi)星的19、20、21時則對應(yīng)V-3θ圖的20時)，將探空站周圍矩形區(qū)域的最近4個網(wǎng)格點(diǎn)位置的衛(wèi)星云分類產(chǎn)品與信息數(shù)字化方法探空站的云類別進(jìn)行對比，評估衛(wèi)星產(chǎn)品的可靠性。

圖5 四川及周邊省份探空站點(diǎn)分布圖

圖6 網(wǎng)格點(diǎn)(空心圓圈)分布示例

2.2 匹配原理

風(fēng)云二號衛(wèi)星D和E星云分類產(chǎn)品包括的云類別為:晴空、混合像元、雨層云或高層云、卷層云、密卷云、積雨云、層積云或高積云。若出現(xiàn)多層云，則只能反演最上層云類。其中的積云(積雨云、層積云或高積云)和卷云(卷層云、密卷云)歸為對流云這個大類。

信息數(shù)字化方法能分辨晴空，對流云(可以分辨積云這個大類，在2.2.3中作了陳述)和對流云高度、厚度及稀密程度，層云和層云冷暖性質(zhì)、高度、厚度，并且可以分析出從低層至高層所有層次的云類和各云類高度。在該方法中，對流云做不到像遙感衛(wèi)星那樣細(xì)分，也就是不能具體分辨積雨云、層積云、高積云、卷層云、密卷云，只能根據(jù)某一特征概括為對流云，該特征為:θsed和θ*曲線隨著壓強(qiáng)P的增大向左呈線性遞減，或隨著P的增大不變或少變，θsed和θ*曲線靠近并接近于3～5 K。對流云的存在表示對流層大氣的垂直結(jié)構(gòu)極度不均勻，而積聚了不穩(wěn)定能量有待釋放。

可以看到，信息數(shù)字化方法可以反演云層高度、厚度、稀密程度，彌補(bǔ)了遙感衛(wèi)星的不足，兩種方法的綜合應(yīng)用有很大的前景，此文中只是研究了兩者云類別的匹配，有待后面研究進(jìn)一步深化。鑒于兩種方法云類別的差異，現(xiàn)在說明兩種方法云的匹配原理:衛(wèi)星產(chǎn)品的晴空匹配V-3θ的晴空;雨層云或高層云匹配V-3θ的層云(包括冷、暖層云);積云和卷云匹配V-3θ的對流云。

2.3 統(tǒng)計(jì)分析結(jié)果

2.3.1 分站點(diǎn)和時間

下表為不同站點(diǎn)2012年1～10月的所有云類匹配率。

表1 4個測站1－10月云類匹配率

分析表1中數(shù)據(jù)可知:從全年來看，溫江匹配率排第一，西昌第二，再是達(dá)川和紅原;四個站點(diǎn)在9、10月份(秋季)的匹配率最高，6、7、8月次之(夏季);9、10月中，站點(diǎn)西昌和溫江的匹配效果最好，而在6、7、8中，溫江效果最佳，達(dá)川略差?？傮w上看，兩種方法云類別匹配率高于65%，個別高達(dá)93%，說明該研究有意義。

溫江地處成都平原，地勢低，空氣對流較四周山地強(qiáng)烈，云層深厚(如圖8，云層為775－363hPa，厚度達(dá)6km左右)，云類反演效果好，所以全年來看，溫江云的匹配率最好;因氣候原因，四川在夏季和秋季溫度較高，而且在西南和東南方向不斷地有暖濕氣流吹入，空氣對流性強(qiáng)。此種情況下，天空云彩多且厚重，所以不難解釋四個探空站點(diǎn)在夏秋季節(jié)匹配率高;紅原有3km的海拔高度，各種水汽不易進(jìn)入，云層稀薄，遙感光譜易穿透，丟失云層信息，給衛(wèi)星識別云類帶來了難度。而信息數(shù)字化由于是用探空氣球逐層采集高空濕度、溫度等信息，所以即使在云量很低的情況下也能夠進(jìn)行很好的識別，所以紅原上空云的匹配率較低。

圖7所示為達(dá)川2012年10月7日(秋季)V-3θ圖，從底部1000hPa至高層400hPa(厚度約7500m)，θsed和θ*曲線非常接近，說明該云層相當(dāng)密實(shí)，用遙感衛(wèi)星或信息數(shù)字化方法反演都能取得好的效果。實(shí)際結(jié)果為:遙感衛(wèi)星反演為積云或卷云，與信息數(shù)字化方法判定的對流云是吻合的。

圖8 溫江2012年3月23(春季)V-3θ圖

2.3.2 分不同云類與時間

下表為晴空、層云和對流云1～10月的匹配情況。

表2 3種云類1－10月的匹配率

由表2中數(shù)據(jù)可知:對流云在每個時間段下的匹配率都最高，并且以秋季(9、10月)效果最佳(94.5%);層云在冬春季節(jié)(1、2、3、4、5月)匹配率(60.8%、59.1%)低于同時間段下的晴空和對流云;晴空匹配效果呈現(xiàn)不確定性。

對流云包含云類較多，且對流云較其他云類深厚，遙感衛(wèi)星和信息數(shù)字化對其反演效果好，匹配率會較高。秋季天氣平穩(wěn)，云層穩(wěn)定，在兩種研究方法的時間誤差上云層不會出現(xiàn)太大變化，所以秋季匹配效果最佳;層云較薄，并且層云上層或下層常見其它云類，而遙感衛(wèi)星只能反演最上層云類，V-3θ圖卻不受云層疊加影響，導(dǎo)致了層云匹配率效果不理想。遙感衛(wèi)星是用波譜(可見光、中波紅外、水汽和紅外波段)獲得云層信息，波譜的穿透作用可能導(dǎo)致低云量情況下丟失云層信息，也就是在低云量下判斷為晴空，所以晴空匹配效果不理想。

圖8中，775～669hPa為對流云，669～500hPa為層云，500～363hPa又為對流云。層云上層和下層都出現(xiàn)了對流云，而遙感衛(wèi)星反演的是最上層云，也就是500～363hPa的對流云，在這種情況下，兩種云分類方法的結(jié)果必然是不同的。

3 結(jié)論與討論

探討風(fēng)云二號衛(wèi)星和信息數(shù)字化云分類原理，對比了兩種方法云分類結(jié)果，發(fā)現(xiàn)兩者晴空、層云、對流云三種云類匹配率較高，說明了信息數(shù)字化V-3θ圖能夠反映高空云信息。風(fēng)云二號衛(wèi)星具有較高的時空分辨率，能夠辨別雨層云、高層云、卷層云、密卷云等多種云類，而且云的立體觀測技術(shù)對單層云云頂高觀測效果好，但對實(shí)際中兩層云甚至多層云的情況不能很好反演。信息數(shù)字化方法可以分析云的冷暖性質(zhì)、云層的高度和厚度，特別是能夠反演疊加云層，但其目前可以辨別的云類僅有晴空、層云、積云、對流云，并且時空分辨率低。本研究表明兩種方法在獲取云信息上可以取長補(bǔ)短，有利于充分挖掘高空云信息，為天氣預(yù)測作出更精確的指示。在下一步研究中，除了綜合兩種方法研究云外，將會致力于V-3θ圖云分類的細(xì)化，以求兩種方法更完美的契合。

[1] 陸雅君，陳剛毅，等.測云方法研究進(jìn)展[J].氣象科技，2012，40(5):689－697.

[2] 盛夏，孫龍祥，等.利用MODIS數(shù)據(jù)進(jìn)行云檢測[J].解放軍理工大學(xué)學(xué)報:自然科學(xué)版，2004，5(4):98－102.

[3] 陳剛毅，趙麗妍.氣象衛(wèi)星TBB資料的交叉預(yù)報誤差及其暴雨實(shí)例分析[J].氣象科學(xué)，2006，26(5):553－557.

[4] 李香淑，郭學(xué)良，等.南海季風(fēng)爆發(fā)期間中尺度對流云帶演變特征與持續(xù)性加強(qiáng)的機(jī)理研究[J].大氣科學(xué)，2011，35(2):259－271.

[5] 陳剛毅，歐陽伯嶙，等.城市暴雨防洪、減災(zāi)問題[J].科學(xué)研究，2006，14(2):123－125.

[6] 陸雅君，陳剛毅.北京2011年“623”強(qiáng)對流暴雨數(shù)字化結(jié)構(gòu)分析[J].成都信息工程學(xué)院學(xué)報，2011.

[7] 陳剛毅，徐陽，等.城市暴雨的細(xì)化預(yù)測實(shí)例分析[J].成都信息工程學(xué)院學(xué)報，2011:584－589.

[8] 劉健，董超華，等.FY-1C資料在云頂粒子熱力學(xué)相態(tài)分析中的應(yīng)用研究[J].大氣科學(xué)，2003，27(5):901－908.

[9] Kokhanovsky A A，Jourdan O，Burrows J P.The cloud phase discrimination from a satellite[J].IEEE Geoscience and Remote Sensing Letters，2006，13(1):103－106.

[10] 劉健，李云.風(fēng)云二號靜止氣象衛(wèi)星的云相態(tài)識別算法[J].紅外與毫米波學(xué)報，2011，30(4):322－327.