基于CloudSat与CALIPSO联合观测研究全球云分布特征

唐雅慧 周毓荃 蔡淼 马茜蓉

摘要 利用2007—2010年CloudSat和CALIPSO资料，统计分析了全球云出现频率以及云量的水平和垂直分布，并与单独CloudSat资料得到的结果进行对比，讨论了CALIPSO观测到的云的空间分布特性。结果表明：全球平均总云量约0.69，云量高值区主要集中在南半球60°S附近西风带、北太平洋风暴路径带，其次是赤道辐合带（InTertropical Convergence Zone，简称ITCZ），而云量低值区集中在北非沙漠地区及印度洋北部等地。CloudSat/CALIPSO资料与CERES等多种云观测资料获得的总云量分布都基本一致，但CloudSat/CALIPSO资料联合使用能更好地反应云的垂直结构。将联合观测的统计结果与仅使用CloudSat资料统计的云量分布结果对比，可以发现，CALIPSO在陆地上方可以观测到更多云雷达探测不到的高空冰云，且随着温度的降低，观测优势越来越明显;同时还可以观测到一些海洋上层云光学厚度较薄且未形成降水的暖云以及粒径较小的过冷水云。CALIPSO观测到的云顶粒子半径较小但数浓度较大的冰云主要分布在ITCZ、南半球60°S附近西风带和北太平洋风暴路径带地区，云量最大为0.31，占该温度下冰云总量的28%以上;而这些未形成降水的暖云主要是在10～20 ℃温度范围内南北美洲和南非西海岸地区，云量最大可达到0.4，占该温度下暖云总量的50%以上;过冷水云则主要是在-10 ℃～0 ℃温度范围内的南半球60°S附近西风带，云量也增加了0.1以上，约占混合云的15%。

关键词 CloudSat;CALIPSO;全球;云分布;云量

云作为影响气候变化的重要因子，对地球的能量平衡以及气候变化都有着非常重要的影响（陈洪滨，1997）。云能调节地气系统的辐射能量，且是水分循环的重要环节，云特性的任何变化，都可能对全球气候造成很大影响，而气候变化反过来又将引起云特性的调整。对于气候变化的模拟和预测，云是造成误差和不确定性的主要因素，因此对云在全球范围内的分布及其变化的观测十分重要（汪宏七和赵高祥，1994;丁守国等，2005）。

云的信息可以通过卫星、雷达等遥感手段、探空观测、地面以及飞机等多种观测手段获取。但是地基观测受局地影响较大，且地基测站在全球的分布不均匀，很难得到覆盖整个分析区域甚至全球的完整的云分布信息（蔡淼等，2015;彭冲等，2016;黄兴友等，2019）。从大范围云获取角度来看，卫星具有明显的优势，它能给出云顶附近和云内平均值等二维云观测资料。从20世纪60年代美国发射了第一颗气象卫星“泰罗斯”-1号（TIROS-1：电视红外观测卫星）开始，气象卫星不断发展。这使云的观测从观测范围到内容都大大超脱了地面观测的限制，比如可以测量云顶温度，云顶气压以及云光学厚度，并且云变化的观测范围也从日变化和中尺度扩展到多层云和全球尺度（陈勇航，2006）。2006年4月28日，美国国家宇航局发射升空了一对主动式传感器，承载在CloudSat 卫星上的毫米波云廓线雷达（CPR）和承载在CALIPSO卫星上的云-气溶胶正交偏振激光雷达（CALIOP），用来从太空探测云和气溶胶的垂直结构。CloudSat承载的CPR是美国喷气动力实验室（JPL）和加拿大空间局（CSA）联合开发的94GHz的往星下点方向观测的云雷达，它可以穿透光学厚度较厚的云层，能够运用距离公式来测量云的后向散射能量。CALIPSO承载的CALIOP主要用于探測全球大气气溶胶和云的光学特性的垂直分布廓线，而且能观测到光学厚度较薄的水凝物层和较薄冰云层顶（王帅辉等，2011a）。

目前，国内外已有许多学者利用CloudSat和CALIPSO的组合数据流产品对全球以及区域云的垂直结构特征进行了分析，初步说明了该观测数据的科学性和优势。如Sassen and Wang（2008）和Sassen et al.（2008）利用CloudSat统计了全球不同云型云量的空间分布特征，并与地面观测和ISCCP资料进行对比，还利用CloudSat/CALISPO提供的2B-GROPROF-LIDAR资料分析卷云的全球分布和季节特征。方乐锌等（2016）利用CloudSat/CALISPO提供的2B-GROPROF-LIDAR资料统计了全球8类云的平均云量、云底高度、云顶高度和厚度的空间分布以及8类云随高度的云量分布。而在区域云量统计方面，王帅辉等（2010，2011b）针对中国及周边地区，利用CloudSat提供的2B-CLDCLASS云分类资料，统计了8类云年平均云量、夏季、冬季平均云量、云度高度、云顶高度和云厚度的地理分布;还曾用CloudSat提供的2B-GROPROF-LIDAR资料分析了单层云和多层云出现频率、云底高度、云顶高度和云厚度的地理分布。Luo et al.（2009）利用CloudSat/CALIPSO的两个标准产品（2B-GROPROF和2B-GEOPROF-LIDAR），分析了2006年7月—2007年8月覆盖中国东部和印度季风地区的水汽凝结物发生频率、垂直位置和雷达反射率因子（单位：dBZ）的季节性变化特征。汪会等（2011）利用2006年9月—2009年8月CloudSat/CALIPSO资料，分析了东亚季风区、印度季风区、西北太平洋季风区和青藏高原地区的云量和云层垂直结构及其季节变化特征。Naud et al.（2012）分析了CloudSat/CALIPSO以及地球观测系统（AMSR-E）三种先进微波扫描辐射计在南极和北方寒冷季节的观测结果，并在北半球和南半球的海洋气旋的暖锋中，对发生和降水的云层频率进行了分析。邱玉珺和王宏奥（2017）利用CloudSat/CALIPSO卫星资料对中国北方两个 4°×4°区域云垂直结构及液水含量云滴有效半径等微物理参量进行了对比研究。

前人主要利用CloudSat和CALIPSO联合观测资料，分析了各类云的垂直分布特征，但CloudSat-CALIPSO云分类方法与ISCCP、MODIS等不同，不能做定量对比分析;且上述研究都没有细致划分垂直分层，无法给出大范围时空连续的三维云场分布特征（蔡淼等，2015）。同时许多学者在比较CloudSat与CALIPSO观测差异时，仅采用二者的单独的卫星观测资料，这样会在资料融合时造成误差;同时CALIPSO对于云的探测会与CloudSat有所重叠，无法说明准确的说明二者的观测特性（Hu et al.，2010;Naud et al.，2012）。因此，拟利用2007—2010年CloudSat和CALIPSO卫星联合观测，研究全球云的垂直分布特征，并将CloudSat和CALIPSO卫星联合观测与仅用CloudSat观测以及CERES卫星等其他多种观测产品进行对比，分析不同卫星对云垂直结构观测能力的差异。考虑到云滴的相态对大气辐射有很大影响，而相态又与温度有直接的关系;且CloudSat云分类也应用了云顶温度而不是高度，因为云高随纬度和季节变化明显（Sessen and Wang，2008）;因此按垂直格点温度对垂直方向精细划分，研究不同温度范围内CloudSat和CALIPSO联合观测云分布特征，从而更好地研究云的微物理特征，进而应用于云模式以及气候模式的云参量，以提高相态微物理参量和航空风险预测（Hu et al.，2010）;并以期为全球三维云场分布以及气候变化研究提供依据（蔡淼，2015）。

1 资料及处理方法

1.1 卫星数据和产品介绍

采用NASA发布的2007—2010年CloudSat卫星二级产品2B-GEOPROF（经纬度、CloudMask数据）、CloudSat和CALIPSO卫星资料合成的二级产品2B-GROPROF-Lidar（CloudFraction数据）以及配套的再分析资料ECMWF-AUX（温度、压强数据）。

对比分析中，选取美国航天署NASA发布的CERES_SYN1deg_Ed3A云资料集2007—2010年月全球云量的月平均观测产品，数据的空间分辨率为1°×1°。

1.2 云和晴空的判别方法

星载雷达每扫描提供一条扫描廓线，每条扫描廓线上包含125个格点。当格点数据满足CloudMask≥20;或者CloudMask<20和CloudFraction≥99%时，认为该垂直格点有云存在，一定区域内所有云区格点的总和定义为该区域的云出现频数。如果满足CloudMask=0和CloudFraction=0，该垂直格点为晴空无云（Kahn et al.，2007），总和定义为晴空出现频数。而由于仪器误差等原因，无法确定未满足上述两种情况的点是否有云，因此不予讨论。

1.3 云量计算方法

CloudSat-CALIPSO卫星观测为全球扫描，约16 d才会重复扫描某个固定区域一次。为提高资料的空间和时间分辨率，增加分析格点，本文将逐轨资料处理成1°（纬度）×1°（经度）的月平均格点资料，即在水平分辨率1°（纬度）×1°（经度）格点内，一个月内所有落入该格点的廓线资料全部融合，垂直分辨率保持不变，形成月平均三维云资料集。据统计，CloudSat卫星每月经过每个低纬1°（纬度）×1°（经度）格点2～3次，采集250～300条廓线数。廓线中有一层以上是有云，则该廓线就称为是有云的廓线。格点总云量定义为格点内有云的廓线数除以总廓线数，各垂直层云量定义为各层有云的廓线数除以总廓线数（方乐锌等，2016）。格点资料集包含不同温度垂直分布范围内的云量。

2 CloudSat与CALIPSO观测的全球云分布

2.1 CloudSat与CALIPSO对云的判别特征

选取2009年4月18日CloudSat与CALIPSO卫星观测的一条轨道来展现他们对云的观测特性（图1）。可以看出，CloudSat和CALIPSO联合观测到的云顶高度普遍高于单独用CloudSat观测;CALIPSO卫星可以观测到冰云层顶和高空云较为稀薄的暖云底，而CloudSat观测不到。这是因为CALIPSO上搭载的lidar波长较短，能够探测到低于云雷达探测阈值的微弱水汽凝结层，得到光学厚度较薄的冰云层顶;同时由于lidar波长短，能量大，当高空无云或者云较为稀薄，光学厚度较小时，信号衰减相对较小，因而能穿过高空观测到一些近地面的小粒子。因此采用CloudSat和CALIPSO卫星联合云观测数据相比与仅采用CloudSat卫星，提高了云区识别的准确性。

2.2 全球云出现频率特征

为了进一步探究CloudSat与CALIPSO对全球云观测的差异，统计了2007年1月—2010年12月期间，CloudSat與CALIPSO卫星对云的判别结果并进行比较，如表1所示。这里需要说明，虽然CloudSat/CALIPSO联合观测数据比单独CloudSat观测数据少约7.7%，但为了更好地比较两种数据的差异，所以选取了相同的格点（838 131 825 00）进行统计分析。结果表明：CloudSat观测到的云出现频率约5.82%，而CloudSat和CALIPSO联合判定的云出现频率约为7.45%。可以看出用CALIPSO卫星观测云，云出现频率增加了28.04%。而CloudSat探测得到的晴空出现频率为78.21%，CloudSat和CALIPSO联合判定的晴空出现频率为76.95%。加入CALIPSO观测数据对晴空的判别减少约1.60%，说明加入CALIPSO观测资料对晴空区域的判别并没有很大的影响。

具体将全球的云出现频数分为陆地与海洋进行统计，CloudSat观测得到的陆地云出现频率约1.59%，而海洋云出现频率约为4.21%;通过CloudSat探测得到海洋地区云出现频率比陆地地区多45.01%。而CloudSat和CALIPSO联合观测结果得到的陆地云出现频率约为2.21%，海洋云出现频率为5.23%;同样，通过CloudSat和CALIPSO联合探测得到海洋地区云出现频率比陆地地区多（约40.51%）。但CloudSat和CALIPSO联合观测结果与单独用CloudSat资料得到的结果进行比较，会发现陆地云出现频率增加了38.56%，而海洋云出现频率仅增加了22.85%，可以说明CALIPSO卫星对陆地地区云区的识别提高更为明显。

利用CloudSat与CALIPSO联合观测资料进一步分析全球云出现频数随垂直格点温度的垂直分布特征（图2），可以看出海洋、陆地地区云出现频数随温度的降低都呈现先增加后减少的变化趋势，海洋地区云出现频数的最大值出现在-10～-15 ℃温度范围内，约为3.5×108。而陆地地区云出现频数峰值出现的温度更低，在-40～-25 ℃，约为1.3×108。

图2中还给出了CALIPSO观测到而CloudSat未观测的云出现频数（粉色柱状），可以看出，CALIPSO云观测统计得到的云出现频数，在海洋、陆地地区的变化趋势基本一致。随着垂直温度的降低，CALIPSO云观测统计得到的陆地和海洋云出现频数都逐渐增加，且呈现双峰型。在20 ℃时增加约为15%，-40 ℃以下增加趋势更为明显，到-60 ℃时达到最大值，陆地地区云出现频数增加约为210%，海洋地区略小（130%），且在0～-10 ℃温度区间出现了一个小峰值。这说明CALIPSO较CloudSat单独观测，随温度的降低，对云区判别的优势越来越明显，尤其是-40 ℃以下的冷云，且在-10～0 ℃温度范围内对过冷水云区的判别也有明显的提高。这是因为-40 ℃以下，过冷水滴自发冻结可能会形成较多的冰晶，但由于温度较低，含水量较少，冰晶粒子半径较小，由于CALIPSO的观测特性，所以CALIPSO可以观测到这些粒径较小的冰晶，但CloudSat观测不到。许多学者利用飞机观测以及CloudSat卫星数据的研究中也发现粒子有效半径较小的冰晶多出现在云顶，且分布比例随高度的升高而增加（Delanoё and Hogan，2010;韩丁等，2013;王黎俊等，2013;邓军英等，2014，2016）。同时CALIPSO在陆地地区观测到增加的云出现频数百分比要比海洋地区多，尤其是在低温段。这一结果表明，CALIPSO可以在陆地上空探测到更多云雷达探测不到的冷云。这是因为陆地上空云出现时云顶普遍较高，因此含有的冰晶较多，所以CALIPSO在陆地上空比海洋上空观测到更多的冷云，具体可在图8a经度-高度云量分布中看出。

3 全球平均云量分布时空特征

3.1 云量的全球空间分布

全球60%以上的地区被云覆盖（丁守国等，2005;陈勇航，2006），但云量的空间分布却有很大差距。从2007—2010年总云量（图3）来看，单独用CloudSat探测的总云量平均在0.53左右，而CloudSat/CALIPSO联合探测得到的结果是总云量约0.69。可以看出加入CALIPSO探测资料，可增加探测到约0.16的总云量。CloudSat/CALIPSO联合探测到的总云量大值区主要位于南半球60°S附近西风带、北太平洋风暴路径带以及赤道辐合帶（ITCZ），云量基本在0.7以上，最大到1。而云量低值区集中在北非沙漠地区及印度洋北部，云量小于0.4，低值中心云量小于0.2;其次是赤道冷舌、澳洲以及南非地区，云量也都低于0.4。CloudSat探测的总云量空间分布与CloudSat/CALIPSO联合探测一致，但云量减少基本都在0.1以上。CALIPSO观测到的云主要是在ITCZ以及南北纬回归线内南北美洲西海岸以及非洲西海岸地区，云量在0.2以上，最大值在非洲中部靠近印度洋的陆地，云量约为0.4。

3.2 云量的季节分布特征

从季节分布特征（图4）来看，CloudSat/CALIPSO联合探测到的各季节云量分布特征与年平均总运量分布特征基本一致。但各季节大值区和低值区范围和位置都略有不同;基本可以看出ITCZ南北半球的迁移，中纬度风暴带的转变以及印度洋季风气候等特征（Sassen and Wang，2008）。

CloudSat与CALIPSO联合探测的总云量的分布情况和季节特征与单独用CloudSat探测资料的结果基本一致，但由二者的差值可以看出，CALIPSO观测增加的云量基本都在0.1以上，尤其在ITCZ南北回归线以内云系发展旺盛的地区，增加的云量都在0.3以上，且增加的云量多集中出现在海岸线以及沿海地区。另外，春、冬季的非洲中部沙漠地区和秋季的南美东部沿海地区，云量也都明显增加了0.4以上;夏季在极地地区，云量也有明显增加，尤其是南极地区，云量增加0.2以上。

3.3 垂直方向不同温度区间的云量分布特征

为了进一步分析CloudSat和CALIPSO不同温度垂直范围内的云量观测差异，首先图5给出了CloudSat/CALIPSO联合观测得到的不同温度范围内的云量空间分布，用以研究不同温度下云相态类别的空间分布特征。不同温度下云量的空间特征基本一致，与总云量的分布也较为一致，大值区都主要分布在ITCZ地区，这反映了高温高湿的不稳定大气层结显著影响云量的多寡。

值得注意的是，从图5可以看出ITCZ附近云系发展旺盛的北印度洋及亚洲大陆云量随温度的升高逐渐减少，在-60～-40 ℃温度范围内云量最大且云量大于0.4，即说明该地区主要以冰云为主。ITCZ地区虽温度很高，但对流层顶较高，因此冰云云量很大，具体可以在图8c纬度-高度云量分布中看出。南半球60°S附近西风带和北太平洋风暴路径带地区云量在-60～20 ℃温度范围内呈现递增后减少的变化趋势，最大值出现在-10～-5 ℃温度范围内，说明该地区主要是云层较厚的混合云;而在太平洋东南部和东北部地区以及大西洋东北部地区，云量随温度的上升呈现先减少后增加的变化趋势，说明该地区多为暖云。结合CloudSat/CALIPSO联合探测较单独CloudSat探测的总云量差值的空间分布（图3），可以看出CALIPSO观测到的云，主要是在ITCZ的冷云以及南北纬回归线海岸线附近的暖云。

具体从图6表示的CloudSat/CALIPSO联合探测较单独CloudSat探测到增加的各层云量来看，CALIPSO对冰云探测优势主要体现在ITCZ地区，其次是南半球60°S附近西风带和北太平洋风暴路径带地区;且随着温度的降低，云量增加得越多，在-60～-55 ℃时增加的云量最多，基本在0.2以上，占该温度下冰云云量的28%以上。CALIPSO单独能观测到的暖云主要分布在10～20 ℃内南北美西海岸和南非西海岸，暖云云量增加0.2以上，靠近陆地的地方，云量最大可增加0.4，是该温度下暖云云量的50%以上。该地区有许多粒子半径较小的暖云，这是由于该地区与海岸平行的强风会产生强烈的海岸上升气流，给海洋表面带来冷空气，这有助于通过稳定低对流层来维持持续的层云或层积云。从图5可以看出这些地区上空无云遮挡，在近地层形成了云量较为丰厚的暖云，而CALIPSO承载的激光雷达由于能量大，因此可以穿过高空探测到位于该地区半径较小的暖云粒子。值得注意的是在-10～0 ℃温度范围内南半球60°S附近西风带以及挪威海域，云量增加了0.1以上，约占混合云的15%。该地区主要集中的是混合相态云，而CALIPSO上承载的激光雷达由于波长较短，与云雷达相比，可以观测到一些半径较小的云滴粒子，因此CALIPSO在该区域观测增加的是粒径较小而数量较多的水滴，是过冷水高积云而非冰晶云（Delanoё et al，2010;Hu et al，2010;霍娟，2015）。

气候上常采用气压分层，对不同气压下的云量空间分布特征进行讨论（如图7所示）。将不同温度下与不同气压下CALIPSO观测增加云量的空间分布相比，可以发现南半球60°S附近西风带以及北太平洋风暴路径带地区的云量增加主要体现在-60～-50 ℃以及-10～0 ℃，但却在850 hPa以下。这是因为在相同气压下，高纬度地区上空较其他地区温度更低，所以南半球60°S附近西风带以及北太平洋风暴路径带地区云区虽是低云但却是冰云或过冷水云。进一步证明了按温度进行垂直分层更有利于区分CALIPSO观测到的云粒子相态及其形成机理，为高纬度地区气候模式的改进提供了依据（Kahn et al.，2007，Sassen et al.，2008）。

可以看出，CloudSat与CALIPSO联合卫星对太平洋东海岸以及大西洋东南海岸的低云观测与CERES一致，说明前文中提到的CALIPSO对该地区暖云云量观测有所提高是正确的，加入CALIPSO观测资料对该地区暖云识别是有优化作用的。

与多种观测进行比较之后可以发现，CloudSat/CLAIPSO联合资料是目前为止最能细致反映云的垂直结构的资料。可以为气候模式中云的评估提供更好的参考，也能为空中云水资源评估提供更有用的信息。

4 结论与讨论

4.1 结论

利用2007年1月—2010年12月的CloudSat/CALIPSO资料，统计分析了全球云的发生频率以及云量的水平和垂直分布，并与单独CloudSat资料得到的结果进行对比，讨论了CALIPSO对云的观测特性及其空间分布特征。主要结论如下：

1）CloudSat和CALIPSO联合统计的云出现频率约为7.45%，其中海洋地区云出现频率比陆地地区多约40.51%。全球海洋、陆地地区云出现频数都呈现随温度的降低呈现先增加后减少的变化趋势。采用CloudSat和CALIPSO卫星联合云观测数据相比与仅采用CloudSat卫星，云出现频率增加了28.04%，提高了云区识别的准确性，但对晴空识别的提高不明显;CALIPSO卫星在陆地上空（相比于海洋）可以观测到更多云雷达探测不到的高空冰云，且随着温度的降低，观测优势越来越明显。

2）CloudSat/CALIPSO联合探测得到全球年平均总云量约为0.69，大值区主要位于南半球60°S附近西风带、北太平洋风暴路径带以及ITCZ;而云量低值区集中在北非沙漠地区及印度洋北部。ITCZ附近云量随温度的升高逐渐减少，主要以-60～-40 ℃温度范围内的冰云为主。南半球60°S附近西风带和北太平洋风暴路径带地区云量随温度的升高呈现递增后减少的变化趋势，最大值出现在-10～-5 ℃温度范围内，该地区主要是云层较厚的混合云。而在加利福尼亚和秘鲁西海岸，云量随温度的上升呈现先减少后增加的变化趋势，该地区多为暖云。CloudSat/CALIPSO联合观测和CloudSat单独观测的对比发现，CALIPSO单独观测使各区域的云量都有增加，尤其在-60～-40 ℃温度范围内ITCZ南北回归线以内、南半球60°S附近西风带以及北太平洋风暴路径带地区上的冰云，且随着温度的降低，云量增加得越多，在最大为0.31，约占该温度下冰云云量的28%以上。在10～20 ℃内加利福尼亚和秘鲁西海岸观测到的未形成降雨的暖云云量增加也很明显，最大可达到0.4，占该温度下暖云云量的50%以上。以及在-10～0 ℃内南半球60°S附近西风带的过冷水云云量也增加了0.1以上，约占混合云的15%。

3）CloudSat/CALIPSO联合观测的总云量与CERES、ISCCP、FY-2E、CloudSat和地面观测云资料的总云量的分布都基本一致，但都略有差异。在ITCZ、南北纬回归线到极地地区之间的陆地地区以及印度洋西部等地，CloudSat/CALIPSO联合观测的总云量比CERES得到的总云量大，最大可多0.4;而在其他地区，CERES总云量略大于CloudSat/CALIPSO联合观测的总云量，云量差值在0.1以内。

4.2 讨论

1）从CloudSat与CALIPSO对云观测差异的垂直分布特征来看，首先是CALIPSO观测到了没有毛毛雨的暖云，这些观测到的云主要分布在南美洲以及北美洲西海岸。很多学者（Malkus and Riehl，1964;Godshall，1968，George and Wood，2009;Zheng et al.，2011）在研究太平洋东南部海洋层积云。由于该地区受复杂的上层海洋、海洋边界层和陆地过程以及它们的内部活动所控制，海洋和大气之间的各种耦合过程都涉及这个紧密耦合的系统，系统的变化对全球气候也有显著的影响;因此对该地区的研究十分重要。而本文的研究结论为用CALIPSO提高太平洋东南部海洋层积云的识别以及模式评估提供了依据。

2）CALIPSO还观测到了一些-10～0 ℃之间的过冷水云。CALIPSO识别的中国地区过冷水云云量在0.05以内，但由于中国地区在-10～0 ℃范围内云量较少，基本小于0.4，因此过冷水云量基本占混合云云量的10%以上。而过冷水作为人工增雨作业以及发生飞机积冰的必要条件，对其进行监测以及预报一直是许多学者关心的问题（袁敏等，2017）。而本文为利用CALIPSO提高过冷水监测的研究打下了基础。

3）同时CALIPSO观测到了许多数粒子半径较小的冰晶粒子。这与飞机观测到的冰晶雾是相同的。根据美国气象学会（AMS）气象术语表，冰霧是由直径20～100 μm的悬浮冰晶组成的。在极地地区，有25%的时间是冰雾，且由冰雾造成的低能见度是该地区航空事故发生的重要原因。CALIPSO为检测冰雾以及改进冰雾数值模式提供了新的可能性（Girard et al.，2001a，2001b;Mago and Sherif，2004;Gultepe et al.，2014，2015）。

参考文献（References）

陈洪滨，1997.关于云和云天大气对太阳辐射的吸收异常[J].大气科学，21（6）：750-757. Chen H B，1997.On the anomalous absorption of solar radiation by water clouds and by the cloudy atmosphere[J].Chin J Atmos Sci，21（6）：750-757.（in Chinese）.

陈勇航，2006.利用卫星反演资料研究西北地区云特性及其对地气系统的影响[D].兰州：兰州大学. Chen Y H，2006.A study of cloud properties and their effects on the Earth-atmospheric system over Northwestern China using satellite retrieval data[D].Lanzhou：Lanzhou University.（in Chinese）.

蔡淼，周毓荃，歐建军，等，2015.三维云场分布诊断方法的研究[J].高原气象，34（5）：1330-1344. Cai M，Zhou Y Q，Ou J J，et al.，2015.Study on diagnosing three dimensional cloud region[J].Plateau Meteor，34（5）：1330-1344.（in Chinese）.

Delanoё J，Hogan R J，2010.Combined CloudSat-CALIPSO-MODIS retrievals of the properties of ice clouds[J].J Geophys Res：Atmos，115（D4）.doi：10.1029/2009JD012346.

邓军英，邱昀，陈勇航，等，2014.强降雨过程中冰云粒子等效半径的垂直分布及其与降水的相关性[J].自然灾害学报，23（2）：120-128. Deng J Y，Qiu Y，Chen Y H，et al.，2014.The vertical distribution of ice particle effective radius of clouds and its correlation with precipitation during heavy rainfalls[J].J Nat Disasters，23（2）：120-128.（in Chinese）.

邓军英，丁明月，王文彩，等，2016.冰云粒子微物理属性在一次强降雨过程中的垂直分布[J].干旱区地理，39（3）：590-599. Deng J Y，Ding M Y，Wang W C，et al.，2016.Vertical distributions microphysical properties of ice particles in a heavy rain[J].Arid Land Geogr，39（3）：590-599.（in Chinese）.

方乐锌，李昀英，孙国荣，等，2016.基于CloudSat-CALIPSO资料的全球不同类型云的水平和垂直分布特征[J].气候与环境研究，21（5）：547-556. Fang L X，Li Y Y，Sun G R，et al.，2016.Horizontal and vertical distributions of clouds of different types based on CloudSat-CALIPSO data[J].Clim Environ Res，21（5）：547-556.（in Chinese）.

丁守国，赵春生，石广玉，等，2005.近20年全球总云量变化趋势分析[J].应用气象学报，16（5）：670-677，706. Ding S G，Zhao C S，Shi G Y，et al.，2005.Analysis of global total cloud amount variation over the past 20 years[J].J Appl Meteor Sci，16（5）：670-677，706.（in Chinese）.

George R C，Wood R，2009.Subseasonal variability of low cloud radiative properties over the southeast Pacific Ocean[J].Atmos Chem Phys，10（8）：4047-4063.

Girard E，Blanchet J，2001a.Microphysical parameterization of Arctic diamond dust，ice fog，and thin stratus for climate models[J].J Atmos Sci，58（10）：1181-1198.

Girard E，Blanchet J，2001b.Simulation of arctic diamond dust，ice fog，and thin stratus using an explicit aerosol-cloud-radiation model[J].J Atmos Sci，58（10）：1199-1221.

Godshall F A，1968.Intertropical convergence zone and mean cloud amount in the tropical Pacific Ocean[J].Mon Wea Rev，96（3）：172-175.

Gultepe I，Kuhn T，Pavolonis M，et al.，2014.Ice fog in arctic during FRAM-ice fog project：aviation and nowcasting applications[J].Bull Am Meteor Soc，95（2）：211-226.

Gultepe I，Zhou B，Milbrandt J，et al.，2015.A review on ice fog measurements and modeling[J].Atmos Res，151：2-19.

韩丁，严卫，叶晶，等，2013.基于CloudSat卫星资料分析东太平洋台风的云、降水和热力结构特征[J].大气科学，37（3）：691-704. Han D，Yan W，Ye J，et al.，2013.Analyzing cloud，precipitation，and thermal structure characteristics of typhoons in eastern Pacific based on CloudSat satellite data[J].Chin J Atmos Sci，37（3）：691-704.（in Chinese）.

Hu Y X，Rodier S，Xu K M，et al.，2010.Occurrence，liquid water content，and fraction of supercooled water clouds from combined CALIOP/IIR/MODIS measurements[J].J Geophys Res：Atmos，115（D4）.doi：10.1029/2009JD012384.

黃兴友，芦荀，黄勇，等，2019.层状云微物理参数反演及其辐射效应的个例研究[J].大气科学学报，42（5）：769-777. Huang X Y，Lu X，Huang Y，et al.，2019.A case study on the microphysical parameter retrieval and radiative effects of stratus clouds[J].Trans Atmos Sci，42（5）：769-777.（in Chinese）.

霍娟，2015.基于CloudSat/CALIPSO资料的海陆上空中云的物理属性分析[J].气候与环境研究，20（1）：30-40. Huo J，2015.Physical properties of mid-level clouds based on CloudSat/CALIPSO data over land and sea[J].Clim Environ Res，20（1）：30-40.（in Chinese）.

Kahn B H，Chahine M T，Stephens G L，et al.，2007.Cloud type comparisons of AIRS，CloudSat，and CALIPSO cloud height and amount[J].Atmos Chem Phys Discuss，7（5）：13915-13958.

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.

吕苗，2015.CALIPSO，CloudSat和CERES-MODIS检测的全球云分布比较[C]//中国气象学会第32届年会.北京. Lyu M，2015.Comparing the global distribution of clouds detected by CALIPSO，CloudSat or CERES-MODIS[C]//the 32nd Chinese meteorological society.Beijing.（in Chinese）.

Mago P，Sherif S，2004.Frost formation and heat transfer on a cold surface in ice fog[C]//42nd AIAA Aerospace Sciences Meeting and Exhibit.05 January 2004—08 January 2004，Reno，Nevada.Reston，Virginia：AIAA.

Malkus J S，Riehl H，1964.Cloud structure and distributions over the tropical Pacific Ocean[J].Tellus，16（3）：275-287.

Naud C M，Posselt D J，van den Heever S C，2012.Observational analysis of cloud and precipitation in midlatitude cyclones：northern versus southern hemisphere warm fronts[J].J Clim，25（14）：5135-5151.

彭冲，周毓荃，蔡兆鑫，等，2016.一次基于飞机观测的低槽冷锋云系微物理结构的综合分析[J].大气科学学报，39（5）：620-632. Peng C，Zhou Y Q，Cai Z X，et al.，2016.A comprehensive analysis of the physical structure of a low trough cold front cloud system based on aerial observation[J].Trans Atmos Sci，39（5）：620-632.（in Chinese）.

邱玉珺，王宏奥，2017.基于CloudSat/CALIPSO资料的我国北方2个区域云垂直分布差异研究[J].大气科学学报，40（4）：553-561. Qiu Y J，Wang H A，2017.The vertical distribution of cloud properties in two regions of Northern China based on CloudSat/CALIPSO data[J].Trans Atmos Sci，40（4）：553-561.（in Chinese）.

Rossow W B，Zhang Y C，2010.Evaluation of a statistical model of cloud vertical structure using combined CloudSat and CALIPSO cloud layer profiles[J].J Climate，23（24）：6641-6653.

Sunmack S，Minnis P，Chen Y，et al.，2007.Integrated cloud-aerosol-radiation product using CERES，MODIS，CALIPSO，and CloudSat data[C]//Remote Sensing.International Society for Optics and Photonics.

Sassen K，Wang Z E，2008.Classifying clouds around the globe with the CloudSat radar：1-year of results[J].Geophys Res Lett，35（4）：L04805.

Sassen K，Wang Z E，Liu D，2008.Global distribution of cirrus clouds from CloudSat/Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observations （CALIPSO） measurements[J].J Geophys Res：Atmos，113（D8）.doi：10.1029/2008JD009972.

汪宏七，赵高祥，1994.云和辐射——（I）云气侯学和云的辐射作用[J].大气科学，18（S1）：910-921，923-932. Wang H Q，Zhao G X，1994.Cloud and radiation——I：cloud climatology and radiative effects of clouds[J].Sci Atmos Sin，18（S1）：910-921，923-932.（in Chinese）

汪会，罗亚丽，张人禾，2011.用CloudSat/CALIPSO 资料分析亚洲季风区和青藏高原地区云的季节变化特征[J].大气科学，35（6）：1117-1131. Wang H，Luo Y L，Zhang R H，2011.Analyzing seasonal variation of clouds over the Asian monsoon regins and the Tibetan plateau region using CloudSat/CALIPSO data[J].Chin J Atmos Sci.，35（6）：1117-1131.（in Chinese）.

王帅辉，韩志刚，姚志刚，2010.基于CloudSat和ISCCP资料的中国及周边地区云量分布的对比分析[J].大气科学，34（4）：767-779. Wang S H，Han Z G，Yao Z G，2010.Comparison of cloud amounts from ISCCP and CloudSat over China and its neighborhood[J].Chin J Atmos Sci，34（4）：767-779.（in Chinese）.

王帅辉，韩志刚，姚志刚，等，2011a.基于CloudSat资料的中国及周边地区云垂直结构统计分析[J].高原气象，30（1）：38-52. Wang S H，Han Z G，Yao Z G，et al.，2011a.Analysis on cloud vertical structure over China and its neighborhood based on CloudSat data[J].Plateau Meteor，30（1）：38-52.（in Chinese）.

王帥辉，韩志刚，姚志刚，等，2011b.基于CloudSat资料的中国及周边地区各类云的宏观特征分析[J].气象学报，69（5）：883-899. Wang S H，Han Z G，Yao Z G，et al.，2011b.An analysis of cloud types and macroscopic characteristics over China and its neighborhood based on the CloudSat data[J].Acta Meteorol Sin，69（5）：883-899.（in Chinese）.

Wang M Y，Gu J X，Yang R Z，et al.，2014.Comparison of cloud type and frequency over China from surface，FY-2E，and CloudSat observations[C]//SPIE Asia-Pacific Remote Sensing.Proc SPIE 9259，Remote Sensing of the Atmosphere，Clouds，and Precipitation V.Beijing：925913.

王黎俊，银燕，李仑格，等，2013.三江源地区秋季典型多层层状云系的飞机观测分析[J].大气科学，37（5）：1038-1058. Wang L J，Yin Y，Li L G，et al.，2013.Analyses on typical autumn multi-layer stratiform clouds over the Sanjiangyuan national nature reserve with airborne observations[J].Chin J Atmos Sci，37（5）：1038-1058.（in Chinese）.

袁敏，段炼，平凡，等，2017.基于CloudSat识别飞机积冰环境中的过冷水滴[J].气象，43（2）：206-212. Yuan M，Duan L，Ping F，et al.，2017.Identifying the supercooled liquid water in aircraft icing condition using CloudSat satellite data[J].Meteor Mon，43（2）：206-212.（in Chinese）.

Zheng Y X，Shinoda T，Lin J L，et al.，2011.Sea surface temperature biases under the stratus cloud deck in the southeast Pacific Ocean in 19 IPCC AR4 coupled general circulation models[J].J Climate，24（15）：4139-4164.

This study，using the CloudSat and CALIPSO data products from 2007 to 2010，statistically analyzed the horizontal and vertical distribution characteristics of cloud cover and frequency of clouds.Subsequently，the study then compared the results with CloudSat data alone，so as to discuss the spatial distribution characteristic of clouds as observed by CALIPSO.The results show that the global mean total cloud amount is 0.69，with the high values mainly concentrated in the southern hemisphere near the 60°S westerlies，north Pacific storm track and equatorial convergence zone（ITCZ），and low values occurring in the North African desert regions and northern Indian Ocean.The distribution of total cloud amount obtained by the CloudSat/CALIPSO data is basically consistent with that obtained by various cloud observations such as CERES，yet the CloudSat/CALIPSO combination data are able to better respond to the cloud vertical structure，and provide a stronger basis for the global cloud region.Upon comparing the statistical results of the joint observations with the distribution results of clouds using CloudSat data alone，it was determined that high ice clouds over land could be detected more accurately by CALIPSO rather than by radar.In addition，with the decrease in temperature，the advantage of the identification of clouds becomes more apparent.At the same time，CALIPSO is also able to observe some warm clouds with thinner upper cloud optical thickness and no precipitation，as well as small particle size.Ice clouds observed by CALIPSO which have a small particle radius on the top are mainly distributed in the ITCZ，the southern hemisphere near 60°S westerlies and north Pacific storm track belt region.These warm clouds with no precipitation are mainly found in the 10—20 ℃ temperature range of North and South America and South Africa's west coast，while supercooled water clouds are mainly found in the -10—0 ℃ temperature range of the southern hemisphere near the 60°S westerlies.

CloudSat;CALIPSO;global;distribution of clouds;cloud amount

doi：10.13878/j.cnki.dqkxxb.20180104001

（責任编辑：袁东敏）