基于探空云识别方法的云垂直结构分布特征

李琦 蔡淼 周毓荃 唐雅慧 欧建军

1 中国气象局云雾物理环境重点开放实验室, 北京 100081

2 中国气象科学研究院灾害天气国家重点实验室, 北京 100081

3 上海辈友气象科技有限公司, 上海 201306

1 引言

云是地气系统的重要组成部分，云的水平和垂直分布特征不仅影响大气动力和热力过程，而且还通过同大气辐射的相互作用对全球大气环流及气候变化产生重要的影响（Dong et al., 2005, 2006）。当前遥感科学的发展使得对云信息的挖掘更加全面，来自星、空、地不同观测设备的协同观测已能够较为充分的描述云的水平和垂直结构特征，星基观测如通过搭载多通道、高时空分辨率辐射成像仪的静止和极轨气象卫星，能够获得大范围的云的水平分布特征（周毓荃等, 2008; Delanoë and Hogan,2010），空基观测则是通过装备着云粒子探测设备的飞机对飞行沿线的云进行直接观测，其特点是可针对目标云区进行有设计的观测，充分获取目标云区的云特征参数 （Vaillancourt et al., 2003; 赵增亮等, 2010），地基观测的设备则更为多样，如毫米波云雷达、激光云高仪、红外测云仪、全天空成像仪等，通常能提供观测设备上方云的连续观测信息（Clothiaux et al., 2000; Xi et al., 2010）。本研究采用的探空气球作为地基观测方式的一种，其特点在于能够穿透云层并提供高垂直分辨率的大气特征量，即温、压、湿、风等基本气象要素信息，基于该数据采用不同方法则能够有效识别云，从而得到云的垂直结构信息。

目前对于探空识别云边界方法的研究主要包括，Poore et al.（1995）采用温度露点差阈值法来确定云区，其中对于不同温度区间采用不同的阈值，该方法称为PWR95 法。Wang and Rossow（1995）采用相对湿度阈值法来获取云的垂直结构信息，在计算相对湿度时，0°C 以上使用水面饱和水汽压，0°C 以下使用冰面饱和水汽压，该方法称为WR95法。Wang et al.（1999）将探空识别的云区同8 mm多普勒云雷达的测云结果进行比较，为了进一步区分湿层和云层，特别是将近地面湿层误判为云层的情况，进而调整了WR95 法判别云区的阈值范围。Chernykh and Eskridge （1996）通过温度和湿度二阶导数随高度的变化判定云边界，其方法为当温度二阶导数≥0，同时湿度二阶导数≤0 时认为到达云边界，该方法称为CE96 法。Chernykh et al.（2001）采用CE96 法分析了1964～1998 年全球795 个探空站数据低云和高云边界的变化趋势和误差，其变化趋势具有季节性差异和空间分布不一致等特点，并且同云覆盖率相关，误差则来源于温湿传感器的响应时间同气球漂移速度的时间差。Naud et al.（2003）通过比较云雷达和探空识别云边界来检验WR95 和CE96 两种算法，结果显示云雷达和探空在识别云底高度上的一致性要好于云顶高度，因为随着探空升高漂移导致两者观测到的可能不是同一块云，并且两种算法识别的云顶高度均高于云雷达识别的结果。周毓荃和欧建军（2010）采用WR95 法，利用我国业务布网的L 波段探空资料，分析得到云垂直结构同CloudSat 卫星实测云垂直结构进行多个例的对比分析，验证了相对湿度阈值判断云垂直结构方法的可行性，及利用我国业务探空资料分析云垂直结构的可用性。蔡淼等（2014）利用我国L 波段探空资料和与之时空匹配的CloudSat 云观测资料，统计识别云区的相对湿度阈值及其随高度的变化，提高了对云底高度识别的准确率。

综上所述，目前已有多种利用探空资料识别云的方法，同时基于探空云识别对云垂直结构分布和变化特征也开展了一些研究，但这些研究大多针对我国某个区域（周毓荃和欧建军, 2010; Zhang et al.,2010; 黄萍等, 2014; 李绍辉等, 2017; 孙丽等, 2017;苏立娟等, 2017），对于全国范围云垂直结构分布特征的研究则较少。因此本研究的主要目的是基于蔡淼等（2014）研究的改进的相对湿度阈值法，使用全国近三年（2015～2017 年）的业务探空资料对云垂直结构的总体分布特征、日变化和季节变化特征以及全国区域分布特征进行分析，旨在为中国复杂的三维云场特征分析提供参考。

2 资料和方法

2.1 所用资料

（1）L 波段探空秒数据。本文采用的探空数据来自我国业务布网的L 波段高空气象探测系统，该系统由我国自主研发的GFE(L)1 型二次测风雷达和GTS1 型数字探空仪组成，采用二次测风雷达测距体制，能够连续自动测定高空温、压、湿、风等基本气象要素（李伟等, 2010）。其数据的采样周期为1.2 s，垂直分辨率约为8 m，具有高分辨率和实时采集的能力。业务探空站常规观测的起始时间为每日07:15 和19:15（北京时，下同；部分测站会在每年汛期期间于中午13:15 进行加密观测）。图1 为我国探空站分布，目前全国共计约120 个探空站，在西部地区分布较为稀疏，其他区域相邻探空站间隔约200 km。

图1 全国L 波段业务探空站布网情况Fig. 1 Distribution of L-band operational radiosonde sites in China

（2）激光云高仪和毫米波云雷达观测数据。本研究使用的激光云高仪为CL51 型云高仪，其通过发出沿垂直方向的功率强大的短脉冲，在穿过天空时测量由云层引起的后向散射，并根据激光脉冲发出和接收到后向散射信号之间的时间差计算出云底高度，其云检测范围为0～13 km，观测的时间分辨率为6 s，垂直分辨率为10 m。本研究使用的毫米波云雷达为HT101 型Ka 波段测云仪，其采用全固态、准连续波体制和脉冲压缩的信号形式，以顶空垂直固定扫描的方式工作，最大探测高度大于15 km，具有-40～+40 dBZ的探测能力，测量并输出云回波的反射强度、垂直速度、速度谱宽等一次产品，并在此基础上反演获得云顶高、云底高、云厚等二次产品，其观测的时间分辨率为1 min，垂直分辨率为30 m。

（3）“风云四号”卫星云产品。新一代“风云四号”静止气象卫星——A 星（以下简称FY-4A）在搭载的仪器数量和性能、观测的精度和时空分辨率等多个方面已较上一代“风云二号”有了不小的进步。其中，搭载的多通道辐射扫描成像仪（AGRI）覆盖可见光、近红外、短波、中波和长波红外共计14 个通道，通道的水平空间分辨率最高在可见光可达到500 m，长波红外则为4 km；观测的时间分辨率为每整点时刻完成一次为期15 min 的全圆盘扫描，其余时间约每5 min 完成一次包含中国范围的区域扫描，这已与现今欧美和日本等国的新一代静止气象卫星辐射成像仪的观测水平相当，仪器观测精度的提升势必为反演技术的提高奠定了更好的基础（Yang et al., 2017）。目前，国家卫星气象中心已发布了包括云检测、云相态、云顶温度/气压/高度及云微物理参量等云顶特征量反演产品。

2.2 探空云识别方法

由于云形成的重要条件是湿度趋于饱和，所以通过设定相对湿度阈值来判别云的出现是合理的，本文采用了蔡淼等（2014）优化建立的相对湿度阈值法进行云区的识别。该方法通过同时空匹配的CloudSat 云资料进行对比，建立随高度增加而递减的相对湿度阈值函数，并且为了更好的区分云层和湿层，设定相对湿度在云边界的变化率（云顶负变化率和云底正变化率）均应超过3%，并规定云夹层小于300 m 时视为云层，云层厚度小于80 m 时视为湿层。利用该阈值法识别云区时，总的TS 评分（Threat Score）高于0.6，准确率达到84%以上（蔡淼等, 2014）。

因为L 波段探空系统是采用高分子热敏电阻传感器直接测量相对湿度，相较于区分水（冰）面饱和水汽压计算的相对湿度更为准确，因此本文直接使用探空探测的相对湿度数据并基于上述方法识别云结构。本文基于探空资料对单层、两层和三层云的云顶高度（Cloud Top Height，HCT）、云底高度（Cloud Base Height，简称HCB）、云体厚度（Cloud Thickness）等云垂直结构参量的分布和变化特征进行了分析。

3 探空识别云结构特征量检验

3.1 云底高度检验

本研究对探空识别的云底高度同激光云高仪观测的进行了一致性检验，对比数据选取2015 年全年北京南郊观测站的探空数据及CL51 型激光云高仪数据。获取两者相匹配样本的方式是以探空的观测时间为准，当探空识别到云底时，选取同时刻的激光云高仪观测数据，并且考虑激光云高仪探测的云底应为真实云底，即云底被连续探测且排除其变化波动大的情况，因此选取该时刻前后5 min 激光云高仪探测云底高度的中值，并且有效数据应多于半数，若少于半数则记为无云；当探空观测无云时，查看整个观测时段内激光云高仪的数据，无云则记为一致，有云则记为不同。同时考虑探空漂移可能造成的误差，因此仅选取探空探测10 km 以下的结果进行统计。据此共获得800 个样本，所有样本按照不同的分类标准，统计得到表1。

表1 云底高度检验的样本分类标准及其统计结果Table 1 Sample classification standards of cloud base heights and statistical results

其中，对探空和激光云高仪均识别有云的NORM 样本进行相关性分析，结果表明：当探空和云高仪均识别有云时，两者识别云底高度的相关系数为0.73（图2）。其中，相关性较差的点大多为探空识别的云底高度低于激光云高仪探测的云底高度（探空高于云高仪2 km 的样本为5 个，探空低于云高仪2 km 的样本为29 个），通过查询探空低于云高仪的29 个样本出现时的天气资料，发现其中12 个样本出现时的天气为阵雨，12 个为多云，4 个为雾霾，1 个为晴天，因此认为在利用探空识别云区时，由于采用相对湿度阈值作为判断云出现的依据，当低层相对湿度较大时（如低层有雾或刚下完雨近地层湿度很大），探空容易将其误判为云，从而低估真实的云底高度。

图2 激光云高仪同探空识别云底高度（HCB，单位：km）散点图（N 为样本数，R 为相关系数）Fig. 2 Comparison of radiosonde and ceilometer cloud base heights(HCB, units: km; N: samples, R: correlation)

通过分析两者识别云底高度之差（激光云高仪减去探空数据）的频数分布可得（图3），云高仪同探空识别的云底高度偏差主要分布在-5～5 km之间，总体呈正态分布。其中，探空识别云底高度低于云高仪探测的样本比例为75.28%，高于的比例为24.72%。由此可见，相较于云高仪的探测结果，探空识别的云底高度略偏低，这可能是由于采用相对湿度阈值法判定云边界时，探空仪并不一定真正入云，而云高仪对云的识别则需要激光完全入云后捕获云粒子产生的后向散射信号，并且对于散射信号较弱的云边界上的较小粒子则难以捕获，由此造成两者在识别云底高度上的误差。但总体来说，两者相差小于1 km 的样本数占总样本数的73.06%，说明本研究中探空识别的云底高度同激光云高仪的探测结果具有较好的一致性，即探空识别云底高度还是较为准确的。

图3 激光云高仪同探空识别云底高度之差（ΔH）频数分布图Fig. 3 Frequency distribution of cloud base height differences[ΔH＝HCB(ceilometer)- HCB(radiosonde)]

3.2 云顶高度检验

本研究使用国家卫星气象中心发布的FY-4A卫星云顶高度反演产品，同探空识别的云顶高度进行一致性检验。样本选取2018 年春、夏两季两者识别的云顶高度数据进行统计，为了尽可能使两者在观测的空间和时间上相互匹配，选择了四个同FY-4A 卫星AGRI 成像仪扫描格点经纬度相同的探空站，分别为河源（23.78°N，114.72°E）、西昌（27.90°N，102.27°E）、阿克苏（41.12°N，80.38°E）和南阳（33.10°N 112.48°E），并对该站探空识别的云顶高度（多层云时指最高层云顶高度）与同时刻FY-4A 卫星反演的云顶高度进行统计。采用3.1 节的样本分类方法，得到观测时段内各类样本数（总计1219）及所占比例见表2。

表2 云顶高度检验的样本分类标准和统计结果Table 2 Sample classification standards of cloud top heights and statistical results

根据国际卫星云气候学计划（International Satellite Cloud Climatology Project，简称ISCCP）中定义的云类型——云顶高度小于约3.5 km 为低云，介于约3.5～6.5 km 间为中云，大于约6.5 km 为高云，对探空识别云顶高度有效样本（NORM 和RAIN 两类）共618 个进行统计得到，样本为低云、中云和高云分别占总数的2.91%、17.96%和79.13%，即高云出现的次数最多。同FY-4A 卫星反演的云顶高度进行相关性统计得到，两者在识别云顶高度上表现出较好的一致性，相关系数为0.67（图4）。

图4 FY-4A 卫星同探空识别云顶高度（HCT，单位：km）散点图（N 为样本数，R 为相关系数）Fig. 4 Comparison of FY-4A satellite and ceilometer cloud top heights (HCT, units: km; N: samples, R: correlation)

进一步统计不同层云时探空识别云顶高度同卫星反演云顶高度的关系（图5）。可以看出，无论是单层、两层、三层及以上或是降水云，探空和卫星识别的云顶高度平均值都比较接近，并且随着云层数的增加，两者识别的云顶高度平均值也逐渐升高，但降水云云顶高度的最小值最低，这可能是由于云顶冰晶化、冰粒子增长成降水造成的云顶下沉（戴进等, 2006）。

图5 不同类型云FY-4A 卫星同探空识别云顶高度（HCT，单位：km）比较（N 为样本数）Fig. 5 Comparison of FY-4A and radiosonde cloud top heights in different cloud types (HCT, units: km; N: samples)

3.3 云层数检验

本研究使用河北邢台观测站的Ka 波段云雷达的云结构反演结果来检验探空识别的云层数，云雷达数据为2016 年6～11 月，通过匹配相同时刻的探空观测，统计得到云雷达反演为无云、单层、两层和三层云时探空对应的识别结果如表3。结果表明采用该方法能够较为准确地识别明显的多层云结构，存在的不一致主要来源于探空识别中对云层数的高估，原因可能为探空容易将湿层误判为云层，同时将整层云中出现的狭窄空隙识别为云夹层从而将整层云误判为多层云。

表3 Ka 波段云雷达识别不同云层数时对应的探空识别结果Table 3 Corresponding results identified by the radiosonde when different cloud layers were retrieved by the Ka-band cloud radar

3.4 探空漂移对云区识别的误差分析

关于探空气球漂移对探空识别云层结构产生的误差，假设距离发射时间越长，探空气球的漂移距离就越远，对探空站所在位置的云层判断准确度就越低。本文利用3.1 节的云底高度观测样本，通过分析不同高度的探空与激光云高仪观测的云底高度差（图6），研究探空漂移对云区识别带来的误差。由图6 可得，两者的差值随着高度增加而增加，这反应了探空气球随着高度增加漂移距离更远，造成的两者探测位置更加偏离。但从统计结果的趋势线（图6 中虚线）可以看出，对于中低云，两者识别的云底高度的偏差在1～2 km，表明探空对中低云的观测和云结构分析受气球漂移误差的影响较小。同时对于云底较高的中高云也存在着探空和云高仪识别云底高度偏差很小的情况，这可能是由于观测时段内云系结构相对较为均匀（如大范围的层状云），即便探空气球发生漂移，两者观测的仍是同一云系，因此识别的云底高度差别不是很大。

图6 激光云高仪同探空识别云底高度之差绝对值随高度变化结果Fig. 6 Absolute difference in cloud base height between ceilometer and radiosonde with heights

4 探空识别云垂直结构特征的统计分析

上述分析表明，本研究所采用的相对湿度阈值法能够较好地识别明显的云区。因此，本节将应用探空识别云结构的结果，以单层、两层和三层云为例，分析单层和多层云的垂直分布和变化特征，并利用全国业务探空站资料分析我国云垂直结构的区域变化特征。

4.1 探空识别云垂直结构的空间分布特征

探空识别云垂直结构的特点在于可以有效识别多层云结构，从而对云层结构在垂直方向上的分布特征进行分析。本节基于北京南郊探空站2015～2017 年的观测数据，分析了探空识别单层、两层和三层云结构的垂直分布特征。经统计共获得2313 个探空观测样本，其中无云样本为1032 个（占总样本数的 44.6%），有云样本为1281 个（55.4%）。在有云样本中，单层云样本最多为420 个（占有云样本的37.4%），其余多层云样本中，样本数随着云层数的增加而减少，四层及其以上多层云仅占有云样本的24.2%（表4）。因此本文以单层、两层和三层云为例，分析单层和多层云的垂直结构分布特征。

表4 北京南郊站2015～2017 年探空识别不同层云样本分布Table 4 Statistics of different cloud layers identified by radiosonde at the Beijing Meteorological Observatory(2015–2017)

图7 为单层、两层和三层云的平均云底、云顶高度和云层厚度的垂直空间分布（此处分析的多层云的云底、云顶高度和云层厚度是指多层云中每层云的云底、云顶高度和云层厚度），多年平均结果可以反映出单层云和多层云在云层垂直空间分布上的差异。由图可得，垂直方向上，单层云出现的高度范围介于多层云的高度范围内，并且平均厚度大于多层云的任何一层。这是由于被分离后的多层云中每层云内的湍流交换作用较单层云内较弱，而湍流交换作用越强表现为云层越深厚（Hanson,1987）。同时随着云层数的增加，云底高度出现的位置逐渐降低，云顶高度出现的位置逐渐升高，这可能是因为多层云中被分离的上层和下层云受到浮力和云层间的相互作用而上升和下沉，使得最高层的云更高，最低层的云更低，也可能是由于云层间相互的长波辐射作用要小于最低层云和地面间的相互作用，因此会导致随着云层数的增加，最低层云的高度降低（Zhang et al., 2010）。

图7 2015～2017 年单层、两层和三层云垂直方向的平均分布特征（Ht 和 Hb 是指平均云顶高度和云底高度）Fig. 7 Mean locations of one-, two-, and three-layer clouds from 2015 to 2017 (Ht and Hb represent the mean cloud top height and cloud base height)

4.2 探空识别云垂直结构的日变化和季节变化特征

云层的发展演变同云内动力和热力状态的变化密切相关，而大气辐射作用是影响云内动力和热力状态的主要因素之一，即来自太阳短波辐射和地表长波辐射的共同作用影响着云层的变化（Guan et al., 2010）。图8 给出了北京南郊探空站2015～2017 年统计的单层、两层和三层云日变化的平均分布特征。分析可见，在每日约08:00（代表早晨）、14:00（代表中午）和20:00（代表夜间）的3 个观测时次里，无论是单层云还是多层云，均表现为早晨云底高度最低，中午云底高度抬升，晚间维持的现象。这是由于随着太阳的升起，地面开始吸收更多的太阳辐射，进而通过释放更多的长波辐射能量使最低层云底获得更多抬升的能量，同时由于最低层云底所处边界层高度在中午时刻升高也促进了云的发展，综合表现为在中午单层和多层云中最低层云底高度升高。晚间云底高度仍维持较高，这和地面释放潜热较慢有一定的关系。另一方面，中午太阳辐射的增加使得云顶粒子蒸发，并且使大气稳定度增加，从而抑制了云体的发展，表现为云体垂直厚度较早晨和夜间更小（Zhang et al., 2010）。夜间随着太阳落下，云体自身释放长波辐射的作用逐渐大于太阳短波辐射的作用，大气不稳定度增加，长波冷却效应使得云顶温度降低且饱和水汽压降低，使得水汽更易于凝结促进云的发展，同时冷却降温加速了云端的下沉气流，推动了低层气流的聚合上升，进一步促进了云体的发展，因此表现为单层云和多层云中最上层云的云厚明显增加，云体的累积垂直厚度也相应增加，但同时随着地面和多层云中下层云顶的逐渐冷却，单层和多层云中上层云底所接收的长波辐射能量也逐渐减少，进而云体的发展也将减缓。

图8 2015～2017 年单层、两层和三层云垂直结构的日变化特征Fig. 8 Diurnal variations of one-, two-, and three-layer clouds from 2015 to 2017

此外，对于多层云，中间层云厚的变化要小于最上层和最下层云厚的变化，即云层间的相互辐射作用要小于云顶和云底同太阳和地面辐射的直接作用。

图9 为单层、两层和三层云最高层云顶高度和最低层云底高度在不同季节的变化特征。总体来说，夏季（6～8 月）云量最多，冬季（12 月至次年2 月）最少，表明温暖的大气条件更有利于云的形成和发展。单层云在不同季节云顶高度和云底高度的变化趋势较为一致，其中春季（3～5 月）云体的空间位置最高，秋季（9～11 月）最低，而多层云在夏季和秋季云顶发展较高，云体较为深厚，春季和冬季云体则较为浅薄。

图9 2015～2017 年单层、两层和三层云最高层云顶高度和最低层云底高度的季节变化特征Fig. 9 Seasonal variations of the uppermost layer of the cloud top height and the lowest layer of the cloud base height in one-, two-, and three-layer clouds from 2015 to 2017

4.3 探空识别云垂直结构的全国区域分布特征

云体的空间分布特征对地气系统的辐射能量收支起着重要的调节作用。本节即利用2015～2017年我国业务布网的探空站观测数据，识别得到全国不同地区、不同站点的单层、两层和三层云云底高度和云体厚度（此处分析的多层云的云体厚度是指多层云中从最高层云的云顶高度至最低层云的云底高度所占据的整个垂直空间的厚度），从而对云结构随季节变化的空间分布特征进行分析，补充对我国云垂直结构区域变化特征的认识。

季节差异下大气中的水汽含量和太阳辐射量不同，因此，云的垂直结构在不同季节的区域分布特征也会有所差异。图10 为2015～2017 年全国范围探空识别的单层、两层和三层云的云底高度在不同季节的空间分布。总体来说，不同季节、不同云层数的云底高度均呈现西高东低的空间分布特征，并且单层云的云底高度在不同季节均高于多层云。青藏高原地区云底高度最高，冬季可达8 km，东南和东北地区的云底高度最低，全年均普遍低于3 km。同时随着季节变化，以青藏高原为中心的云底高度大值区范围从春季到冬季逐渐缩小。

图10 2015～2017 年单层、两层和三层云最低层云底高度的区域分布特征Fig. 10 Spatial distribution of the lowest layer of the cloud base height in one-, two-, and three-layer clouds in China from 2015 to 2017

图11 为不同季节探空识别云体厚度的空间分布。分析可见，随着云层数的增加，云体厚度也逐渐增加，单层云的平均云体厚度在1～2 km，而三层云云体厚度的最大值约7 km。并且随着云层数的增加，多层云的云体厚度在空间上呈现出自东南沿海向西北内陆逐渐减小的分布特征。同时，多层云的云体厚度随季节变化也十分明显，表现为夏季＞秋季和春季＞冬季的特征，表明更好的温湿条件更加有利于多层云在垂直方向上的发展。单层云由于云体厚度普遍较薄，其时间和空间变化均不如多层云显著。

图11 单层、两层和三层云累积云体厚度的区域分布特征Fig. 11 Spatial distribution of the integral cloud thickness of one-, two-, and three-layer clouds in China

综上所述，基于三年全国探空站观测数据识别的单层、两层和三层云云底高度和云体厚度，得到我国云垂直结构分布特征具有明显的纬向变化趋势，以青藏高原为中心的西南地区，云底较高而云体较薄，而东南沿海地区，云底较低且云体更加深厚。同时，云垂直结构的区域分布也表现出明显的季节差异，相较于冬季的寒冷干燥，夏季温暖湿润的大气条件更有利于云的形成和发展。

5 结论

本文基于我国业务探空观测资料，采用相对湿度阈值法识别云垂直结构，首先对识别的云结构特征量进行了一致性检验，其次应用2015～2017 年的探空资料统计并分析了单层、两层和三层云的垂直结构分布特征、日变化和季节变化特征以及全国区域分布特征，初步得到结论如下：

（1）使用激光云高仪的观测数据对探空识别的云底高度进行一致性检验，得到两者均识别有云的样本多集中在中低云，对于高云识别一致性较差的原因可能是由于探空气球在高空发生漂移所致，总的相关系数为0.73。使用“风云四号”卫星的云顶高度产品同探空识别的云顶高度进行一致性检验，得到两者均识别有云样本多为中高云，总的相关系数为0.67。对于不同层云，随着云层数的增加，两者识别的云顶高度也均随之升高。使用毫米波云雷达的观测数据对探空识别的云层数进行一致性检验，结果表明采用相对湿度阈值法的探空能够较为准确地识别明显的多层云结构。

（2）基于北京南郊探空站2015～2017 年的观测数据，分别获得单层、两层和三层云样本420、272 和158 个，并基于该样本统计得到单层、两层和三层云的平均云底高度、云顶高度和云层厚度的垂直空间分布，具体表现为垂直方向上，单层云出现的高度范围介于多层云的高度范围内，同时随着云层数的增加，云在垂直方向上更为伸展，即高层云越高，低层云越低。

（3）对于云垂直结构的日变化特征，表现为中午单层和多层云中最低层云的云底高度均高于早晨，而夜间单层和多层云中最高层云的云顶高度则高于早晨和中午。同时多层云云层间的相互辐射作用要小于云顶和云底同太阳和地面辐射的直接作用，因此中间层云厚的变化要小于最上层和最下层云厚的变化。季节变化对云的影响主要表现为温暖的大气条件更有利于云的形成和发展。

（4）对于云垂直结构的区域分布特征，之前的研究大多针对我国某个区域，而对全国范围云垂直结构分布特征的研究则较少。本文基于全国探空资料给出单层、两层和三层云云底高度和云体厚度的空间分布特征，表明不同地形和气候带的差异直接影响云形成的类型。其中，整体分布特征具有明显的纬向变化趋势，即以青藏高原为中心的西南地区通常为云底较高云体较薄的云，而以东南沿海地区为中心则为云底较低云体较厚的云。