星载毫米波测云雷达资料的云特征分析
Ka波段毫米波云雷达多普勒谱降雪微物理特征分析
ＬＩ Ｙｕ￣Ｌｉａｎ１ꎬ２ ꎬ ＳＵＮ Ｘｕｅ￣Ｊｉｎ１∗ ꎬ ＺＨＡＯ Ｓｈｉ￣Ｊｕｎ１ ꎬ ＪＩ Ｗｅｎ￣Ｍｉｎｇ１
第 ３８ 卷第 ２ 期 ２０１９ 年 ４ 月
红外与毫米波学３８ꎬ Ｎｏ. ２ Ａｐｒｉｌꎬ２０１９
文章编号:１００１ － ９０１４(２０１９)０２ － ０２４５ － ０９
ＤＯＩ:１０. １１９７２ / ｊ. ｉｓｓｎ. １００１ － ９０１４. ２０１９. ０２. ０１９
Ｋａ 波段毫米波云雷达多普勒谱降雪微物理特征分析
李玉莲１ꎬ２ ꎬ 孙学金１∗ꎬ 赵世军１ ꎬ 姬文明１
(１������ 国防科技大学 气象海洋学院ꎬ江苏 南京 ２１１１０１ꎻ ２������ ９４９２３ 部队)
摘要:构建了一种基于毫米波云雷达多普勒谱的过冷水滴、冰晶、雪花的识别算法ꎬ通过对全局谱的谱峰识别ꎬ分离 出了不同类型粒子的局部谱ꎬ得出了不同类型粒子的反射率因子、多普勒速度、谱宽等谱矩参数及含水量. 通过对 一次降雪过程 Ｋａ 波段测云雷达多普勒谱的分析ꎬ结果表明:(１) 混合相云中ꎬ由于雪花对毫米波雷达总回波强度贡 献较大ꎬ基于总雷达反射率因子直接反演液态水含量会忽略过冷水滴的贡献ꎬ造成云中含水量的低估ꎻ(２) 多普勒 谱反演得到过冷水的液态水路径( ＬＷＰ) 与微波辐射计反演结果一致性较好ꎬ说明毫米波雷达能够有效估量云中液 态水路径ꎻ(３) 冰雪晶粒子在过冷水层( ＳＷＬ) 中下落速度随反射率因子的变化梯度( ｄＶ / ｄＺ) 比在冰雪层( ＩＳＬ) 中 大ꎬ这主要是因为冰雪晶粒子在 ＳＷＬ 中通过凇附增长比在 ＩＳＬ 中通过碰并增长要增长得更快. 关 键 词:毫米波雷达ꎻ多普勒速度谱ꎻ过冷水滴ꎻ微波辐射计ꎻ液态水路径 中图分类号:Ｐ４０７. ７ 文献标识码: Ａ
分布式星载雷达回波特性分析与仿真的开题报告
分布式星载雷达回波特性分析与仿真的开题报告一、选题背景随着卫星技术的不断发展和应用，卫星遥感领域也得到了快速发展。
卫星雷达遥感是传统遥感技术中比较重要的技术之一，其在地球观测、自然资源调查和环境监测等方面有着重要的应用。
卫星雷达遥感不仅可以获取高质量、高分辨率的数据，还具有高度的不受云层和天气限制、全天候观测能力等优点，因此被广泛应用于地震、海洋、气象、城市规划等领域。
分布式星载雷达具有多发射机、多接收机的特点，可以实现高精度的成像和数据处理，因此在卫星雷达领域也有着广泛的应用前景。
二、研究目的和意义本研究旨在分析分布式星载雷达回波特性，并通过仿真方法对其成像效果进行评估。
具体目的如下：1.通过对分布式星载雷达回波信号特性的分析，研究其成像效果的影响因素。
2.建立分布式星载雷达仿真模型，评估其成像效果。
3.对比分析传统单发射机、单接收机卫星雷达与分布式星载雷达的成像效果，探讨分布式星载雷达的优势和应用前景。
三、研究内容和方法本研究将分为以下两个部分：1.回波特性分析通过分析分布式星载雷达回波信号的特性，包括目标回波功率、功率谱密度、多普勒频率谱、角分辨率等，研究其成像效果的影响因素。
2.仿真模型建立和成像效果评估在MATLAB软件中建立分布式星载雷达仿真模型，模拟目标回波信号的生成和接收。
通过对仿真数据的处理和成像算法的分析，评估分布式星载雷达的成像效果。
与传统单发射机、单接收机卫星雷达进行对比分析，探讨分布式星载雷达的优势和应用前景。
四、预期成果本研究的预期成果包括以下几个方面：1.分析分布式星载雷达回波信号特性，研究其成像效果的影响因素。
2.建立分布式星载雷达仿真模型，评估其成像效果。
3.与传统单发射机、单接收机卫星雷达进行对比分析，探讨分布式星载雷达的优势和应用前景。
4.完成科研论文一篇，为卫星雷达遥感领域的发展做出贡献。
五、论文结构本论文将由以下几个部分组成：1.绪论：介绍分布式星载雷达的背景和研究意义，对相关研究进行回顾和分析。
雷达回波和卫星云图观测夜间云浅析
雷达回波和卫星云图观测夜间云浅析作者：暂无来源：《农民致富之友（上半月）》 2014年第6期杨海龙钱继成摘要：通过卫星云图图象的形态、结构、亮度和纹理等特征，可以识别云的种、属及降水状况。
可以识别大范围的云系，如螺旋状、带状、逗点状、波状、细胞状等，并用以推断锋面、温带气旋、热带风暴，高空急流等大尺度天气系统的位置和特征。
根据晴空无云的区域，推断反气旋和高空高压脊的位置。
从卫星云图上发现了一些新的云系；如细胞状云系、云街、热带云团等。
利用云状在卫星云图、多普勒雷达图中的外形、结构和图像特征，归纳了若干利用卫星云图和多普勒雷达图像在夜间云观测中应用的一些方法。
如卫星云图上积雨云常呈球形或胡萝卜形；高层云和高积云为层状；卷云为纤维状等特点。
雷达图上雨层云为分片成片、面积大和回波在20dBz左右，积雨云为结构紧密、棱角分明、回波强度大等特点。
关键词：大气探测；夜间云观测；卫星云图；雷达图像云状最能从空间反映某处特定时问的天气状况，云状观测是地面气象观测中的重要组成部分，也是难度较大的目测项目。
特别是在夜间，由于光照不足，观测员难以像白天那样清楚地看见天上云的外部和分布特征，容易出现一些失真和疑误记录。
因此，除了熟练掌握夜间云的特征进行观测外，还可利用卫星云图、多普勒雷达图像夜间云的特点，为提高观测的准确性提供更多保障。
本文归纳了一些从地面观测到的云在卫星云图和雷达图像上的特点。
1卫星云图上云的特征在卫星云图上，根据云的外形分成3个主要类别：积状云(积云、浓积云、积雨云、层积云)，层状云(厚的雾、层云、高层云、高积云、雨层云)和卷状云(毛卷云、密卷云、卷层云)。
1)积状云：主要反映了大气不稳定度变化的程度，对它们的识别是通过带状、细胞状或波状云型以及由形状不规则云素的大小变化来实现。
积云较小，常以微小的斑迹出现，比无云的时候较亮。
浓积云常呈现形状不规则的云素或云素群。
积雨云云体浓厚庞大，垂直发展旺盛，呈现球形或胡萝卜形。
毫米波太赫兹气象雷达
毫米波太赫兹气象雷达
简介：CPR（Cloud Profiling Radar)主要用于地球环境监测并着重监控云上升和下降的动态信息、云粒和气溶胶生成以及保有状况等信息。
由于云层由微小水滴或冰颗粒组成，比雨滴直径要小的多，所以对云层以及体积更小的气溶胶探测需要毫米波雷达来实现。
94GHz测云雷达甚至可以”切开”云层获得云层的垂直剖面结构特征从而使气象学家可以获得云层的三维照片。
2006年NASA发射的CloudSAT成功证明了CPR的有效性，两年后即将升空的EarthCare卫星将提供更高的灵敏度和更好的分辨率。
在欧洲和中国，下一代的星载220GHz CPR均处于原型机阶段，它将帮助气象学家分辨出更小的雨滴以及雪花的内部结构，改善现有NWP（数值气象预测）模型。
同时随着太赫兹放大器技术的发展，固态放大器很快将实现200GHz/1W的输出功率，真空器件EIK、TWT放大器也将有长足发展。
分辨率更高，灵敏度更高的CPR 即将成为现实。
毫米波在雾和云中的衰减特性分析
毫米波在雾和云中的衰减特性分析Ξ王 威 李进杰 高 伟 顾德均(海军航空工程学院青岛分院 青岛266041)【摘要】 主要讨论了毫米波在雾和云中的传播特性及受到的影响.并通过毫米波雷达性能模型,模拟出了毫米波回波的性能曲线。
【关键词】 毫米波,传播,回波T he P rop agati on Character of M illi m eter W ave in Fog and C loudW ANGW e i L I J i n-j ie GAO W e i GU D e-jun(N aval A eronau tical Engineering A cadem y Q ingdao B ranch Q ingdao266041)【Abstract】 T h is paper discu sses the p ropagati on character of m illi m eter w ave in fog and cloud.Con sidering the real circum stance,w ith m athem atical model,w e draw som e common conclu si on.【Key words】 m illi m eter w ave,p ropagati on,echo w ave1 概述毫米波技术的应用是当今重要的军事应用之一,由于毫米波制导系统能在恶劣气象条件下和战场烟幕条件下工作,且设备尺寸较小,所以目前毫米波制导系统得到了广泛的应用。
但是在坏天气下毫米波的作用距离下降。
本文主要分析雾和云对毫米波制导系统的影响。
2 雷达方程的修正在不考虑大气及恶劣天气(如雨、雾)影响的条件下,雷达方程可以写成S N=P t G2Κ2ΡT(4Π)3R4L ikT0B n F n(1)式中P t—发射功率(W),G—天线增益,Κ—雷达工作波长,R—弹目距离,ΡT—目标的有效雷达截面, S N—接收信噪比,L i—系统的插入损耗,B n—接收机带宽,F n—接收机噪声系数,k—玻尔兹曼常数为1.38×10-23J K,T0—雷达工作温度(K)。
基于毫米波云雷达的伊犁河谷两次强降雪过程云特征观测分析
基于毫米波云雷达的伊犁河谷两次强降雪过程云特征观测分析张晋茹; 杨莲梅【期刊名称】《《沙漠与绿洲气象》》【年(卷),期】2019(013)005【总页数】8页(P41-48)【关键词】毫米波云雷达; 伊犁河谷; 强降雪; 反射率因子; 径向速度【作者】张晋茹; 杨莲梅【作者单位】中国气象局乌鲁木齐沙漠气象研究所新疆乌鲁木齐830002; 中亚大气科学研究中心新疆乌鲁木齐830002【正文语种】中文【中图分类】P426.5新疆是干旱半干旱气候，但由于三山夹两盆的特殊地形，特别是在冬季新疆北部，极锋急流频繁南下，新疆是中国冬季降雪最多、积雪最丰富的三大区域之一[1]，许多学者从大尺度环流背景、天气尺度和中尺度系统、水汽特征等方面对新疆降雪进行了研究[2-10]。
也有不少研究人员应用卫星资料对新疆地区非降水云和降水云宏微观物理特性进行了研究[11-16]。
但卫星资料的时空分辨率低，穿透云的能力限制，不能对降雪过程进行一次完整的观测。
毫米波云雷达具有很高的灵敏度和时空分辨率，能够探测晴空云微小粒子结构和微物理特性，也还能够对弱降水和降雪系统宏观结构观测和微物理参数的反演[17]。
陈羿辰等[17]利用毫米波云雷达对降雪系统进行观测分析，结果表明降雪发展旺盛时期雪粒子含水量在0.05～0.15 g/m3。
王柳柳等[18]利用云雷达进行冻雨—降雪微物理和动力特征分析，结果表明冻雨和降雪过程初始时期形成的平均粒子半径分别在40 μm和120 μm 附近。
王德旺等[19]利用偏振云雷达、雨滴谱仪和探空联合观测一次混合型层状云降水得到在较强回波区，云水含量为0.5～0.8 g/kg，雨水含量为0.2 g/kg，空气垂直速度为0.6～1.0 m/s。
李海飞等[20]利用云雷达对淮南冬季云宏观特性进行研究，该地区冬季云底高度在0.21～11.0 km，云顶分布在0.36～11.3 km，云厚度为0.1～8.3 km。
伊犁河谷位于新疆西部，是新疆乃至全国天气系统的上游，对下游地区天气系统具有较强的指示意义，同时伊犁河谷也是全疆的降水中心[21]，新源是伊犁河谷地区具有代表性的降水区域。
毫米波测云雷达的设计与应用的开题报告
毫米波测云雷达的设计与应用的开题报告开题报告：毫米波测云雷达的设计与应用一、选题背景与意义毫米波测云雷达是一种能够测量大气云层内水滴和晶体的粒子性质的仪器。
它主要利用毫米波辐射在云粒子上所引起的散射反射特性，通过接受和处理反射回来的信号得到相应的反演产品。
毫米波测云雷达作为一种非常重要的气象仪器，广泛应用于气象探测、空气污染和大气环境监测等领域。
随着气象科学及相关领域的不断发展，传统的毫米波测云雷达已经难以满足现代科学研究和应用的需要。
为此，需要设计一种新型的毫米波测云雷达，能够提高反演精度和性能，满足实际应用需要。
二、研究目的本研究的目的是设计一种新型的毫米波测云雷达，能够提高反演精度和性能，满足实际应用需要。
三、研究内容本研究的主要内容包括：1.毫米波测云雷达的原理及成像算法研究2.毫米波测云雷达的硬件设计和软件开发3.毫米波测云雷达的反演实验及性能分析四、研究方法本研究将采用以下研究方法：1.文献调研法：对毫米波测云雷达的相关研究成果、技术方案及应用现状进行系统梳理和分析。
2.仿真模拟法：通过建立毫米波测云雷达的数学模型，进行理论仿真和实验验证。
3.实验研究法：通过在实验平台上进行毫米波测云雷达性能评估和反演实验，获得实际数据并进行分析。
五、预期成果本研究的预期成果包括：1.设计出一种能够提高反演精度和性能的新型毫米波测云雷达。
2.掌握毫米波测云雷达的原理和成像算法。
3.验证新型毫米波测云雷达的性能，并与传统毫米波测云雷达进行比较。
六、研究难点及解决方案本研究的难点在于如何提高毫米波测云雷达的反演精度和性能。
针对这一难点，可以尝试采用以下解决方案：1.采用先进的硬件设计和软件开发技术，提高毫米波测云雷达的信噪比和分辨率。
2.引入新的成像算法，提高毫米波测云雷达的反演精度和性能。
3.通过实验研究和数据分析，优化毫米波测云雷达的性能和参数设置。
七、进度安排1.第一年：完成毫米波测云雷达原理及成像算法研究，并进行硬件设计和软件开发。
毫米波云雷达观测和反演云降水微物理及动力参数方法研究进展
引言云降水微物理和动力特征的探测对于理解降水的形成和发展、降水系统和周边环境的相互作用、云系对大气辐射影响、检验和验证数值模式云降水参数化方案和云降水模拟能力有非常重要的作用。
地面的雨滴谱可以通过雨滴谱仪进行直接观测，空中的云降水参数可以通过飞机进行直接观测，但飞机很难获取云降水参数的连续时空分布，特别是对流系统内的上升速度、滴谱等观测更加困难。
气象雷达通过主动遥感方式，可以获取到云降水的回波强度、径向速度和速度谱宽等参数的三维分布的连续变化，在一定假设情况下，得到雨滴谱参数和风场等三维分布。
通常雨滴谱反演分为两类，第一类是假定雨滴谱的分布特征来反演雨滴谱参数，如指数分布反演两个参数，Gamma 分布反演三个参数，这包括双线偏振雷达反演雨滴谱参数、利用双波段云雷达回波强度差反演雨滴谱参数等方法；第二类是直接反演雨滴谱分布，这种方法必须基于垂直观测的多普勒功率谱数据。
云和降水虽然是紧密联系的，但因粒子大小差别很大，而后向散射能力与粒子尺度的六次方成正比(瑞利散射条件下)，所以云的回波强度要远远小于降水。
探测云的云雷达(采用毫米波)与探测降水的天气雷达(采用厘米波)在雷达最小可测回波强度、波长、扫描方式等方面有很大的差别。
最小可测回波强度是云雷达一个非常重要的指标，云雷达通常采用短波长和脉冲压缩刘黎平.2021.毫米波云雷达观测和反演云降水微物理及动力参数方法研究进展[J].暴雨灾害,40(3):231-242LIU Liping.2021.Reviews on retrieval methods for microphysical and dynamic parameters with cloud radar [J].Torrential Rain and Disas-ters,40(3):231-242毫米波云雷达观测和反演云降水微物理及动力参数方法研究进展刘黎平(中国气象科学研究院灾害天气国家重点实验室，北京100081)摘要：云雷达是探测和反演云降水微物理及动力参数精细结构的重要手段。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
严 卫等: 星载毫米波测云雷达资料的云特征分析 575 收稿日期: 2008-01-08; 修订日期: 2008-06-02 第一作者简介: 严卫(1961— ), 博士, 教授, 毕业于南京航空航天大学通信与电子系统专业, 现主要从事大气和海洋遥感等领域的研究, 发表论文50余篇。E-mail: weiyan2002net@yahoo.com。
星载毫米波测云雷达资料的云特征分析 严 卫1, 杨汉乐1, 叶 晶2,3 1. 解放军理工大学 气象学院, 江苏 南京 211101; 2. 北京大学 物理学院大气科学系, 北京 100871; 3. 解放军95871部队, 湖南 衡阳 421002
摘 要: 基于CloudSat卫星资料, 综合地基和天基遥感资料云特征反演算法, 开展了云分类和云相态识别方法研究, 并将所得结果分别与CloudSat数据处理中心(DPC)发布的云分类产品和CALIPSO星上载荷Lidar产品进行了比对分析和个例研讨。 关键词: A-Train, CloudSat, 云顶特征, 云角色, 云分类, 云相态识别 中图分类号: TN95/P426.5 文献标识码: A
1 引 言 云不仅影响地球的淡水资源库, 还支配着地球表面温度的冷暖, 影响地球系统的变化。人们普遍认为, 对云过程缺乏理解是提高气候变化预测可信度的主要障碍。2000年, 美国国家航空航天局(NASA)实施了地球科学计划(ESE), 力求增强对地球系统变化的认知和预测能力。A-Train卫星编队作为ESE计划的重要组成部分, 以多卫星编队协同对地观测的方式, 获取多传感器的时空近似匹配的云和气溶胶等影响地球环境变化的要素信息, 用于云宏观物理特性、微观物理结构和云综合分析领域的应用研究。 A-Train卫星编队由6颗卫星组成：2颗地球观测系统(EOS)卫星Aqua(2002年发射)和Aura(2004年发射), 3颗地球系统科学探路者(ESSP)卫星CloudSat和CALIPSO(2006年发射)以及OCO(2009年2月发射失败), 1颗法国国家空间中心(CNES)卫星PARASOL(2004年发射)。Aqua卫星在OCO卫星发射前, 引领编队飞行；CloudSat卫星滞后Aqua卫星30—120s；CALIPSO滞后CloudSat不超过15s；OCO卫星发射后将超前Aqua达15min。 本文利用A-Train卫星编队成员之一的CloudSat卫星搭载的云廓线雷达(CPR)探测数据, 介绍了云分
类与云相态识别方法, 并将结果分别与CloudSat数据处理中心(DPC)发布产品和A-Train卫星编队成员之一CALIPSO卫星搭载的激光雷达(CALIOP)产品作了一致性比较, 讨论分析了比对结果。
2 云分类 2.1 基于云顶特征的云分类 2.1.1 算法描述 基于云顶特征的云分类方法, 主要是根据云顶温度和气压特性将云分成高云、中云、低云和多层云4种类型(Mace, 2004)。对于确定的云廓线, 若回波顶气压小于500mb, 则该部分云界定为高云；若回波顶气压高于500mb, 而温度低于273K, 则该部分云界定为中云；若回波顶气压高于500mb, 而温度高于273K, 则该部分云界定为低云；若回波顶温度特性不在上述组合范围, 则界定为多层云。 算法流程如图1所示, 输入为欧洲中期天气预报中心(ECMWF)提供的温度和气压数据, 以及CloudSat数据处理中心(DPC)提供的云几何廓线(GEOPROF：Geometrical Profile)产品, 其中包括雷达反射率、云盖和经纬度数据, 输出为高云、中云、低云和多层云的分类结果。从图1可见, 整个过程由虚线分成Ⅰ、Ⅱ两个部分, 第Ⅰ部分属于CPR的云检测过程, 第Ⅱ部分是云分类过程。 576 Journal of Remote Sensing 遥感学报 2009, 13(4) 图1 基于回波顶特征的云分类算法流程图 2.1.2 结果分析 依据上述算法, 对2006-12-01的6轨数据进行了高云、中云、低云和多层云的云分类试验, 将结果与CloudSat数据处理中心发布的数据产品进行比对。由于目前还没有更好的真值检验方法, 暂且设DPC发布的结果为“真值”, 以此统计上述方法分类结果与“真值”相对误差。高云、中云、低云和多层云识别的平均相对误差分别为14.1, −2.6, −4.0和−15.1, 说明高云存在多识别情形, 而中云、低云和多层云则存在少识别情形。从统计的结果来看, 算法识别结果与发布产品的偏离程度不是很大, 而且较稳定, 可以认为算法能够较好的识别高云、中云、低云和多层云。
2.2 基于云角色的云分类 2.2.1 算法描述 基于云顶特征的云分类会丢失云顶以下的重
要信息, 因此, 有必要考虑其他云分类方法。Wang和Sassen(2001)的综合地基云分类结果表明, 在雷达反射率因子Ze(单位dBZ)取得最大值及其对应温
度T的空域, 可以得到不同云类型的T−Ze频率分布
情况, 如图2所示。图2中所描述的特征与云的宏观和微观物理特性相一致, 其中, 等值线表示特定温度和最大反射率因子对应的云出现频率。依据图2所示基本原理, 根据最大发射率因子和温度取值, 以及云的水平尺度、垂直厚度等特征, 可设计仅依赖雷达测量(RO：Radar-only)的阈值云分类算法。 对于一云簇, 一旦在雷达云柱内检测出云盖, 其高度、温度、Ze的最大值和降水事件随之确定。
RO云分类流程可分为4个过程：①进行云检测, 识别出雷达视场云的存在性。②识别降水云与非降水云, 这里选用阈值法进行识别。地基云雷达测量研究表明, 离地2km范围最大反射率因子Zmax大于特定值时, 可判断存在降水云, 该阈值设为−15dB (Sassen & Wang, 2005)。Wang和Sassen(2001)先前给出该值设为−10dBZ。③对非降水云进行分类, 根据云高、温度和最大反射率因子Zmax将云分成高云、中云和低云, 也可参考Williams等(1995)和Hollars等(2004)的方法, 根据云出现的高度, 将高云、中云和低云分离出来。④分别设计高云、中云、低云和降水云分类器, 将云细分成8大类。 对于降水云, 根据云的水平和垂直尺度以及降水的水平范围, 可将之分成St, Sc, Cu, Ns和深层对流云。 2.2.2 结果分析 根据上述算法对2006-12-01的10轨数据, 针对雷达库内出现Ci, As, Ac, St, Sc, Cu, Ns和Cb等8大云类型之一的情形进行分类统计, 将所得结果与CloudSat数据处理中心发布的数据产品进行比对。同样, 暂且设DPC发布的结果为“真值”, 以此统
图2 不同云类型的T−Ze频率分布(Sassen & Wang, 2005) 严 卫等: 星载毫米波测云雷达资料的云特征分析 577 计上述方法分类结果与“真值”相对误差。对于卷云Ci的平均相对误差为1.5, 高层云As的平均相对误差为5.3；高积云Ac的平均相对误差为−85.7, 差异较大。层云St在DPC发布产品中仅有两轨数据检测到, 且数量很少, 本算法却在每轨中检测到St, 平均相对误差很大；层积云Sc的平均相对误差为−30.5, 积云Cu的平均相对误差为−2.9, 雨层云Ns的平均相对误差为7.2, 深层积雨云Cb的平均相对误差为64.8。可见, 对于高云, 算法的识别效果较好；对于中云, 由于As与Ac的属性比较一致, 特征量化存在难度, 算法将云顶温度大于−35℃作为第一判据进行识别, 可能存在不合理因素；对于低云的识别存在一定的复杂性, 原因主要是星载毫米波测云雷达是从太空向下对地进行遥感观测, 首先测量到的是高云和中云, 它们受地面的影响不像低云明显, 而低云特别是水平或垂直尺度不大的低云, 具有明显的局地性, 很难找到全球通用的统一阈值进行准确识别, 这也是依赖阈值算法的一个弱点。
3 云相态识别 3.1 算法描述 A-Train卫星编队包含了星载偏振激光雷达和星载毫米波测云雷达, 为全球云相态识别提供了可能。CloudSat毫米波雷达能测量云的回波信息, CALIPSO激光雷达可测量云的极化信息。但是, 基于天基极化激光雷达测量的云相态识别也存在着很多局限, 主要源于云极化信息测量时多次散射的强烈影响, 以及穿过光学厚度较厚的云层时的局限性。克服这些局限性的办法之一是联合CPR与激光雷达对云相态进行识别。云相态的不同, 是由于云粒子尺度和数浓度这些微观属性的不同, 表现为毫米波和激光雷达测量的后向散射强度的不同。对于水云, 激光雷达测量的后向散射较强, 毫米波测云雷达较弱；对于冰云, 激光雷达测量的后向散射处于弱到中等程度, 毫米波测云雷达较强；对于混合相态云, 激光雷达测量的后向散射较强, 毫米波测云雷达处于中等到强大程度。 采用CPR雷达数据联合ECMWF提供的温度信息进行云相态识别。云相态识别流程图如图3, 输入为GEOPROF提供的雷达反射率、云覆盖和经纬度数据以及ECMWF提供的温度数据, 输出是水云、冰云和混合云等云相态。由图3可知, 算法由虚线分成2个部分, 第Ⅰ部分表示将雷达云柱作为一个整体, 确保云在垂直方向的一致性。该部分的判据
图3 基于CPR与ECMWF数据的云相态识别流程图 是, 云顶温度大于0℃时, 云层为水云；云底温度小于−40℃时, 云层为冰云；否则, 云层为混合云, 可能由过冷水、冰相或混合相云组成(Sassen & Wang, 2005)。第Ⅱ部分专门针对混合云的识别, 确保云在水平方向的一致性。该部分的判据是, 云层内温度小于−40℃时, 云层为冰云；温度大于0℃时, 云层为水云；否则, 云层为混合云。这样处理的优点主要体现在：确保云宏观特征的一致性, 以及获得激光雷达测量数据后, 可直接导入算法的第Ⅱ部分对混合云研究。
3.2 个例分析 所用数据轨道号03169, 起止时间2006年12月1日23:00:24－2006年12月2日00:39:17, 图4给出的子图经纬度范围分别为133°—145°W、29.5°—59°S。图4(a)是云相态识别结果, (b)图为CPR反射率因子, (c)图为DPC云分类产品, (d)图为激光雷达532nm波长的衰减后向散射系数廓线, (e)图为与云
相态识别结果匹配的532nm波长的激光雷达后向散射廓线, (f)图为激光雷达532nm波长的极化比后向散射廓线。图(a)中蓝色与黑色图像之间表示温度处于0—40℃, 属于混合云范围。以绿线为对称线, 在该线左右两边同高度上的反射率大小基本一致, DPC云分类(c)也只能说明它们属于同一云类型, 即中云簇的高层云, 但激光雷达后向散射系数(e)和极化比(f)却呈现明确差别, 强的激光后向散射系数和低的极化比, 表示混合云中水滴为主, 弱的激光后向散射系数和强的极化比, 表示混合云中以冰晶为主。综合激光雷达后向散射廓线、激光雷达极化比廓线和CPR雷达反射率廓线, 可以看出绿线两边附近空域云的相态：左边以冰相为主, 右边为混合相。 可见, 依赖温度和CPR雷达反射率廓线数据的