太平洋上云水路径反演产品及其气候变化特征分析

钱小立 秦正坤 张文君

1 南京信息工程大学大气科学学院, 南京 210044

2 南京信息工程大学大气科学学院资料同化研究与应用联合中心, 南京 210044

1 引言

水汽凝结形成的云主要通过潜热影响大气，而云凝聚之后也会通过对短波和长波辐射传输的调制对大气产生额外的影响。云层对地球的能量收支和水循环有着很大的影响，无论是在天气尺度还是在气候尺度上，都会对大气状态产生重大的影响。

云水路径作为云属性之一，是一个重要的气候系统参数，与气候系统的水文和辐射特性的形成有着重要的关联。目前，尽管存在一些长期的地表观测，但研究表明这些观测容易出现较大的误差（Norris, 1999; Dai et al., 2006），不能有效地用于云的气候变化分析。卫星微波辐射计资料为我们提供了具有全球范围大气云液态水路径CLWP（Cloud Liquid Water Path）的空间分布信息（Prabhakara et al., 1983; Weng and Grody, 1994）。对于湿润地区（如赤道辐合带），CLWP可以超过1 mm；相反，在干旱地区（如副高控制的地区），CLWP一般会低于0.1 kg m−2（Grody et al., 2001）。

因为微波仪器能够直接响应云滴的热发射，所以微波仪器观测资料是CLWP观测信息的重要来源。目前气象学家已经开发了各种基于物理或统计的算法来测量云液态水路径。最先发展起来的一系列算法是利用特殊传感器微波成像仪SSM/I（Special Sensor Microwave/Imager），为了测量与各种云层有关的大范围液态水，可根据测量要求使用不同的SSM/I通道组合（Weng and Grody, 1994）。还有些算法使用固定的通道组合，仅检索非降雨云的云液态水（Greenwald et al., 1993）。

利用SSM/I反演云液态水的经验加快了其他微波传感器云水产品的开发。自1998年7月先进微波探测装置（Advanced Microwave Sounding Unit，简称AMSU）首次搭载在NOAA-15极轨卫星以来，尽管AMSU只有四个窗区通道，但是由于AMSU独特的毫米波通道，其云液态水、水汽、降雨率等产 品 的 质 量 与SSM/I的 产 品 相 似。Weng et al.（2003）使用两个AMSU窗区通道推导出了云液态水和总可降水量。此外，还产生了云冰、冰粒半径等产品。AMSU获得的云和降水产品和SSM/I产品相结合，提供了更多的全球时间和空间观测，减少了天气和气候分析的不确定性。在卫星资料同化研究中，云和降水产品可以用于识别被云层污染的微波探测通道，提高同化进数值预报系统中卫星资料的质量（Weng et al., 2003）。

自1998以来，高级微波温度计已经有了近23年的观测历史，此外，美国的NOAA-15至NOAA-19和欧洲的MetOp系列极轨气象卫星等多颗卫星都搭载了AMSU-A探测仪，从而为我们提供了丰富的观测资料来源，这也为我们研究大气CLWP气候趋势特征提供了很好的数据基础。只是由于卫星仪器使用寿命的限制，大部分卫星的只能提供几年的观测结果，不同卫星仪器参数的差异也使得不同卫星的AMSU-A观测资料可能存在系统的偏差，这是限制AMSU-A资料气候应用的主要难题。但是在众多搭载AMSU-A仪器的极轨气象卫星中，NOAA-15具有最悠久的历史，该卫星携带的AMSU-A一直能够稳定的为我们提供具有全球覆盖率的观测资料，由于数据来自单颗卫星，因此避免了传感器之间的校准难题，并且由此导出的趋势比来自多个卫星的趋势更为稳定。因此，本论文利用2000年1月1日 至2020年11月30日 期 间 的NOAA-15的AMSU-A资料，反演得到了对应时间段内的云液态水路径资料集，在利用再分析资料对反演产品进行细致评估的基础上，论文还进行了在太平洋地区大气CLWP气候变化特征分析。

本文的具体结构如下：第二节具体介绍了作为数据基础的AMSU-A资料及CLWP反演算法；第三节对该算法进行了敏感性试验，并比较了反演结果与再分析产品的年平均分布特征；第四节讨论了使用线性回归方法和集合经验模态分解方法分析CLWP气候趋势的区别；第五节中探讨了太平洋上CLWP的气候变化特征；第六节比较了反演结果与再分析产品在气候变化特征上存在的差异；最后第七节给出了主要结论。

2 资料和方法

2.1 AMSU-A微波温度计资料

多个极轨卫星搭载了先进的微波探测仪AMSU-A，包括美国的NOAA系列卫星和欧洲的MetOp系列卫星。AMSU-A是一种跨轨道仪器，每根扫描线上有30个FOV（Field Of Views），其轨 道 宽 度 约 为2300 km，最 大 扫 描 角 为±48.3°，FOV为15和16时扫描角为1.67°，其星下点空间分辨率约为48 km。AMSU-A提供了15个温度探测通道，覆盖了23.8至89 GHz微波频谱范围，主要用于提供大气温度廓线信息。

AMSU-A被分为两个物理上独立的模块，每个模块独立运行并与航天器连接。模块A1包含13个通道，模块A2包含2个通道。大气温度分布主要基于60 GHz附近的通道3～14测量，而云液态水和地球表面信息是通过通道1～2进行测量。表1列出了NOAA-15的AMSU-A的一些通道特征，包括通道频率、辐射温度灵敏度、3 dB带宽和波束宽度（Mo, 1999）。

表1 NOAA15/AMSU-A的各通道参数特征Table 1 parameter characteristics of each channel of NOAA15/AMSU-A

因为频率为23.8和31.4 GHz的AMSU-A通道的观测资料能够直接响应液滴的发射，所以前人建立了基于通道1和2观测资料的云液态水路径反演方法（Weng and Grody, 2000）。本文正是应用了该反演方法进行云液态水路径反演研究。

为了避免星间校准的问题，同时利用NOAA-15的长期观测性能，本文只选用了来自NOAA COMPREHENSIVE LARGE ARRAY-DATA STEWARDSHIP SYSTEM(CLASS)中 TIROS Operational Vertical Sounder(TOVS)数据集的NOAA-15的AMSU-A观测资料进行研究，研究时段为2000年1月1日至2020年11月30日。

为了验证反演结果的正确性，我们还选用了两种常用的再分析资料进行对比研究。即ERA5再分析资料和 NCEP/NCAR FNL（Final Analysis）再分析资料。

2.2 ERA5逐小时再分析资料

ERA5是来自欧洲中心的新一代全球再分析数据，目前可以提供自1979年的数据。ERA5再分析资料也提供了CLWP资料，资料水平分辨率约为0.25°×0.25°。本文中选取的资料时间长度为2000年1月1日到2020年11月30日。

2.3 NCEP/NCAR-FNL再分析资料

NCEP-FNL资料来自全球数据同化系统，目前可以提供自2001年5月开始的CLWP数据，资料的水平分辨率为1.0°×1.0°，时间间隔为6小时。本文中选取的资料时间长度为2002年1月1日到2020年11月30日。

2.4 云水路径反演算法

利用低频窗口通道的微波测量可以计算得到非降水云中的云液态水（Greenwald et al., 1993; Weng and Grody, 1994; Weng et al., 1997, 2000; Wentz,1997）。Weng et al.（2003）提出通过AMSU-A的两个频率分别为23.8和31.4 GHz的窗区通道的观测亮温和海表温度、风场可以计算云液态水路径和总可降水量。本文在Weng et al.（2003）提出的方法的基础上，利用拉格朗日插值将海表温度和风场的再分析资料插值到卫星的观测点上，然后再计算得到CLWP。本文研究的主要区域为海洋上空，而50°N以北区域陆地面积较大，因此本文的研究区域主要集中在南北纬50°之间。

图1展示了2000年1月10日基于NOAA-15的AMSU-A升轨资料并结合FNL再分析资料提供的海表温度和风速资料反演获得的太平洋上的云液态水路径的空间分布图。

图1 2000年1月10日太平洋地区的云液态水路径反演结果的空间分布图Fig. 1 Spatial distribution of cloud liquid water path inversion results in the Pacific on January 10, 2000

图中带状阴影区域为卫星升轨轨道覆盖区域，白色区域为卫星扫描未覆盖区域，不存在观测值，这里只是给出了CLWP大于0.01 kg m−2的空间分布特征，CLWP小于0.01 kg m−2的观测区域统一标为灰色。在2000年1月10日，CLWP主要分布在0°～10°N的热带太平洋地区和20°N以北的北太平洋中部地区。北太平洋地区存在明显的带状大值区，最大值区可以达到2.0 kg m−2以上。另外南太平洋也有零星的大值区。需要说明的是，由于反演方法精度的限制，反演的CLWP大于2.0的区域这里都是设定为2.0 kg m−2。

3 敏感性试验及年平均云水路径空间分布

3.1 基于AMSU-A的云水路径反演的敏感性试验

正如上文中所介绍的，CLWP可以通过AMSUA的两个频率分别为23.8和31.4 GHz的窗区通道的观测亮温和海表温度、风场计算得到。其中海表温度和风场主要用于计算海表反射率及粗糙程度。由于反演产品中包含了再分析资料的海表温度和风场信息，因此在利用反演产品进行气候研究前，首先要明确反演产品对海表温度和风场的敏感性特征。这里分别设计了两组敏感性试验：（1）保持海表面风场不变，改变海表温度，观察不同量级CLWP的变化幅度；（2）保持海表温度不变，改变海表面风场，分析不同量级的CLWP随海表面风场的变化幅度。具体的试验结果如图2所示。

图2 云液态水路径CLWP反演结果随海表（a）温度和（b）风速的变率Fig. 2 Variability of CLWP (Cloud Liquid Water Path) change inversion results with sea surface (a) temperature and (b) wind speed

从两组敏感性试验结果对比可以看出，温度与风速对CLWP的影响表现出相似的特征，即温度升高和风速增加，CLWP会减小，反之亦然。但是对于不同量级的CLWP，风速和温度的影响程度并不一致。温度增加对CLWP的大值影响更为明显，而风速则是对CLWP的小值影响更为显著。但是从变化的量值来看，温度和风速的改变对CLWP的影响相对较小，相较于初始温度的CLWP量值，改变温度或风速导致的CLWP量值的变化一般在5%以内，这就表明再分析资料的信息对反演结果的气候变化特征影响较小。

3.2 多年CLWP卫星反演结果验证

CLWP反演产品对再分析资料的低敏感性也证明了反演产品用于气候研究的可行性。利用2000年1月1日至2020年11月30日期间的NOAA-15的AMSU-A资料，分别使用了FNL和ERA5的海表温度和海表面风速资料，反演得到了太平洋地区对应时间段内的CLWP，建立了21年逐日的CLWP气候资料集。下文中分别用反演1和反演2来代替基于NOAA-15/AMSU-A卫星资料，结合FNL再分析资料提供的海表温度和风速资料，获得的CLWP反演结果和基于NOAA-15/AMSU-A卫星资料，结合ERA5再分析资料提供的海表温度和风速资料，获得的CLWP反演结果。

为了确认卫星荷载仪器观测亮温本身是否会随着时间的推移而衰减，从而导致反演的CLWP资料存在误差。图3a–d分别给出了2005年和2020年反演1和ERA5的CLWP产品的夏季平均CLWP的空间分布图。比较这两年的卫星反演结果和ERA5产品结果，我们可以发现卫星反演结果的空间分布和ERA5产品较为接近，而且比较2005年和2020年的卫星反演结果，发现CLWP在量值上不存在明显的增强或衰减。

图3 （a, b）2005年、（c, d）2020年太平洋地区夏季平均CLWP空间分布：（a, c）反演1；（b, d）ERA5的CLWP产品Fig. 3 Spatial distribution of summer average CLWP in the Pacific region in (a, b) 2005 and (c, d) 2020: (a, c) Inversion 1; (b, d) CLWP products from ERA5

为了进一步验证这个结论，我挑选了三个区域分别给出了21年以来，区域平均CLWP的逐月变化，并与ERA5的结果进行了比较，结果如图4所示。从图中可以很明显的看出，两种资料，虽然在量值上存在一定的差距，但在变化趋势上基本保持一致。而且，从这幅图中我们可以更加明显的观察到，三个区域的卫星反演CLWP都呈现一种随季节变化的变化趋势，而不存在量值上的明显的增加或者衰减，因此使用21年的卫星数据，不会影响CLWP气候特征的分析。

图4 2000～2020年太平洋地区不同区域平均CLWP的逐月变化（蓝线：反演1；红线：ERA5/CLWP产品）：（a）（0°～10°S，120°～130°W）；（b）（0°～10°N，110°～120°W）；（c）（35°～45°N，170°～180°E）Fig. 4 Monthly variation of average CLWP in different regions of the Pacific from 2000 to 2020: (a) (0°–10°S, 120°–130°W); (b) (0°–10°N,110°–120°W); (c) (35°–45°N, 170°–180°E). Blue lines: inversion 1; red lines: CLWP products from ERA5

3.3 太平洋上年平均云水路径的比较

为了检验反演产品对太平洋地区CLWP气候特征的再现能力。图5a–b分别给出了基于两种再分析资料和AMSU-A观测资料反演获得的CLWP（反演1和反演2）的气候平均值空间分布图，为了评估反演产品的正确性，这里还给出了FNL和ERA5的CLWP产品用于比较（图5c−d）。

图5 2002～2020年太平洋地区多年平均CLWP空间分布：（a）反演1；（b）反演2；（c）ERA5的CLWP产品；（d）FNL的CLWP产品Fig. 5 Spatial distribution of multi-year average CLWP in the Pacific region from 2002 to 2020: (a) Inversion 1; (b) inversion 2; (c) CLWP products from ERA5; (d) CLWP products from FNL

四种资料的多年平均CLWP的空间分布特征具有很好的相似性，CLWP大值区主要分布在0°～10°N之间的赤道中东太平洋地区，30°N以北和30°S以南的太平洋地区，而CLWP的小值区主要集中在0°～15°S的赤道中东太平洋地区、15°N左右的中太平洋和靠近北美洲的西太平洋区域。

四种CLWP资料的极值区域分布基本一致，但是在量值上存在一定的差别。利用两种不同的再分析资料反演的CLWP具有非常相似的空间分布特征和量值，这也进一步印证了上文中的敏感性试验的结论。相比而言，反演得到的CLWP结果与ERA5的产品更为接近，尤其是中低纬度两者量级尤为接近，但是FNL的产品在量值上与其他三种资料存在一定的差别，主要在30°N以北区域的大值区，FNL资料的CLWP产品明显大于其他资料，而在赤道南北的小值区，FNL的CLWP产品又明显低于其他资料，而且低值区的覆盖范围也明显偏大。

4 太平洋上云水路径的气候变化趋势分析

4.1 CLWP的线性趋势

随着全球变暖现象得到越来越多的重视，不同变量气候变化趋势特征研究得到了普遍的关注。利用线性回归的方法，这里计算了2000～2020年太平洋地区不同纬度带上四种资料CLWP的线性趋势，结果如图6所示。不同资料的线性趋势在量值上存在明显的不同，其中FNL资料的线性趋势与其他资料的差异最为明显。在10°N附近，两种反演结果和ERA5资料都表现出增加的趋势，只是ERA5的增加趋势相对较弱，但是FNL则是显著的减少趋势；而在30°N以北和30°S以南的大部分区域，FNL资料则是表现出显著的增加趋势，但是另外3种资料则是主要表现为减小的现象。由于CLWP趋势属于小量，因此后文中CLWP单位改为g m−2。

图6 2000～2020年太平洋上不同纬度带上CLWP的线性趋势。黑色实线：反演1，红色实线：反演2，黑色虚线：FNL的CLWP产品，红色虚线：ERA5的CLWP产品Fig. 6 Linear trend of CLWP at different latitudes in the Pacific from 2000 to 2020. Black solid line: inversion 1, red solid line: inversion 2, black dash line: CLWP products from FNL, red dash line: CLWP product from ERA5

4.2 线性趋势与非线性趋势的比较

线性趋势对资料时间长度非常敏感，不同的时间长度会对趋势测定产生较大的影响（Qin et al.,2012）。而用于非线性趋势分析的EEMD（Ensemble Empirical Mode Decomposition）方法不需要任何先验确定的基函数，并且可以自然地将自适应和时间局部性融入到数据分解的过程中（Huang and Wu,2008; Wu and Huang 2009; Wu et al., 2009）。为了避免资料时间长度对气候变化趋势分析结果的影响，这里还进一步利用EEMD方法对CLWP的非线性气候趋势特征进行分析。

EEMD方法通过将多个噪声加到观测值中，来模拟多个现实中的场景，从而可以使用对应的本征模函数的集合平均方法来提取尺度一致性信号。具体的计算公式如公式（1）所示（其中用x(t)表示随时间变化的观测序列，用Cj表示本征模函数，用Rn(t)表示EEMD趋势）。因此这里利用EEMD方法进一步分析CLWP的非线性气候趋势。

首先为了对比EEMD的非线性趋势与线性趋势的差异，这里选择了三个纬度带，分别给出了CLWP的线性趋势与EEMD获得的非线性趋势特征，结果如图7所示。在三个纬度带上线性趋势和EMMD方法得到的趋势在变化方向上是一致的，在9°N和21°N随时时间的推移，CLWP逐渐增加，而在21°S上CLWP随着时间的推移逐渐的减小。但是线性趋势只能反应出气候趋势的单调变化部分，而利用EEMD方法所得到的趋势能够再现CLWP气候变化的非线性特征。例如在CLWP增加比较剧烈的9°N，从非线性趋势曲线中可以看出，CLWP的增加主要是从2010年前后开始的，增加的趋势明显快于线性趋势结果。从图7的结果中可以看到，非线性趋势能够揭示更多丰富的气候变化趋势特征。

图7 2000～2020年基于ERA5资料的CLWP反演产品的线性趋势与非线性趋势（实线：EEMD方法；虚线：线性趋势）Fig. 7 Linear trend and nonlinear trend of CLWP inversion products based on ERA5 data from 2000 to 2020. Solid lines: EEMD (Ensemble Empirical Mode Decomposition) method; dash lines: linear trend

4.3 CLWP的非线性趋势

为了更好的与再分析资料进行对比，这里首先将反演产品插值成0.5°×0.5°水平分辨率的格点资料，插值过程中剔除了海陆交界处的异常值点，最终得到了逐日的CLWP反演产品。由于两种反演产品具有很好的相似性，所以这里只分析基于FNL再分析资料的反演产品。图8为太平洋各纬度带上CLWP反演产品的非线性趋势。

与线性趋势相似，CLWP增加趋势最大的地方依旧在5°N附近，而减小的区域还是在30°N附近和30°S以南。然而，从图8中看到在2015年以前，CLWP增加最大的区域位于5°N附近。但是，2015年以后该区域CLWP变成了一个逐渐减小的趋势，而呈增加趋势的区域逐渐向北移动，转移到了10°～15°N附近。

图8 2000～2020年太平洋各纬度带上CLWP反演产品的变化趋势Fig. 8 Variation trend of CLWP inversion products in various latitudes of the Pacific from 2000 to 2020

为了进一步分析这个特征，我们给出了反演产品非线性气候趋势不同年份的空间分布图，图9分别给出了2005年、2010年、2015年和2020年7月太平洋上经过EEMD方法分解之后得到的CLWP气候变化趋势的空间分布图。从图中可以更加直观的看出CLWP在各个纬度带上的变化趋势，更好地印证了太平洋各纬度带上CLWP变化趋势（图8）的结论，而且可以看出，2015年以后CLWP增加区域向北移动，主要集中在中东太平洋地区。此外，相较于太平洋各纬度带上CLWP变化趋势（图8），月平均CLWP气候变化趋势空间分布图（图9）中可以更加明显地观察到整个太平洋区域CLWP的气候变化趋势；在20°～30°S区域，CLWP表现为减小趋势，但是减小趋势主要集中在西太平洋区域，而在中东太平洋依然是呈逐渐增加的趋势；30°N纬度带的CLWP减小趋势也是集中在中北太平洋地区，而且减小的趋势也表现出趋势北移的现象。

图9 （a）2005、（b）2010、（c）2015和（d）2020年7月太平洋上月平均CLWP反演产品的气候趋势空间分布Fig. 9 Spatial distribution of climate trend of last month’s average CLWP inversion products in the Pacific in July in (a) 2005, (b) 2010, (c) 2015, and(d) 2020

4.4 趋势检测的不确定性

所有数据都可能出错。目前用于数据分析的任何方法（如傅里叶分析、小波分析或者线性回归等）都会因数据端效应而受到不确定性的影响。对于EEMD方法，与数据端效应相关的误差与筛选过程中每次重复确定的序列的包络值有关。为了估计EEMD趋势中的不确定性，这里使用Wu et al.（2011）提出的向下采样方法。以CLWP卫星反演产品为例，在每个纬度带的序列上增加一个均值和标准差相同的随机正态分布序列，得到一个新的序列。然后对这个新的序列做EEMD分解，得到新的序列的EEMD趋势。将该过程重复100次，这些趋势的变化代表了EEMD趋势的不确定性。5°N的结果如图10所示。从图中我们可以发现，EEMD方法产生的数据低频分量对时间局部扰动不敏感，随机增加扰动前后得到的趋势几乎相同。

为了验证结论在所有纬度带具有普适性，图11给出了CLWP反演产品、ERA5和FNL再分析资料的CLWP产品所有纬度带上不确定性的标准差。观察各纬度带上的EEMD趋势的标准差可以发现，在所有纬度带上都有类似的结果，所有纬度带上的标准偏差在序列的中心最小，在序列的末端最大。而且三种资料的结果都是如此。因此，根据图10和图11中的结果可以得出结论，对于本研究中研究CLWP气候变化趋势的三种资料的数据端效应和噪声相对较小。

图10 5°N纬 度 带 EEMD趋 势 的 不 确 定 度。灰 色 线：100次EEMD趋势；红色线：趋势的平均值；蓝色线：表示一个标准偏差Fig. 10 Uncertainty of 5°N latitude zone EEMD trend.Gray line: 100 EEMD trends; Red line: average value of trend; Blue line: indicates a standard deviation

图11 各纬 度带上 的EEMD趋势 的不确 定度的 标准差：（a）CLWP反 演1；（b）ERA5的CLWP产 品；（c）FNL的CLWP产品Fig. 11 Standard deviation of uncertainty of EEMD trend in each latitude band: (a) CLWP inversion 1; (b) CLWP products from ERA5;(c) CLWP products from FNL

5 三种云水路径资料气候变化趋势的比较

为了检验反演产品对CLWP气候变化特征的再现能力，我们将反演产品的非线性气候趋势与再分析资料的CLWP产品进行对比分析。图12给出的是两种再分析资料在太平洋各纬度带上CLWP气候变化趋势。

结合图8和图12，可以很明显的看出，与上文中比较线性趋势得到的结果类似，不同资料的非线性趋势在量值上同样存在明显的不同，但是FNL的CLWP的非线性趋势与另外两种资料得到的结果差距较大，趋势变化存在量级的差异，FNL的非线性趋势的极值要比其他两种资料大10倍左右，在0°～10°N、30°N以北和30°S以南区域呈完全相反的变化趋势。比较CLWP反演结果和ERA5云水产品，可以看出，在太平洋大部分区域，二者的变化趋势相近，仅在30°N附近呈相反的变化趋势。我们还可以看到，在ERA5资料的非线性气候变化趋势上，一样出现了5°N附近的CLWP从2015年开始快速增加区域逐渐向北移动的现象。

图12 太平洋各纬度带上CLWP气候变化趋势：（a）ERA5的CLWP产品；（b）FNL的CLWP产品Fig. 12 Climate change trend of CLWP in various latitudes of the Pacific: (a) CLWP products from ERA5; (b) CLWP products from FNL

图13和图14分别给出了不同年份再分析资料的非线性气候趋势空间分布图。结合图9、图13和图14，可以看到FNL的CLWP的非线性趋势与另外两种资料得到的结果差距较大甚至在大部分地区呈相反的变化趋势。在ERA5的结果中出现的2015年开始CLWP快速增加区域逐渐向北移动的现象与图9中反演1结果类似，而在FNL资料中，中高纬度的增加趋势北移现象能够很好的再现，但是对于中低纬度的气候趋势北移的现象没有很好的模拟，而且FNL资料的CLWP的气候趋势较为单一，赤道地区为单一的减小趋势，而南北两侧则是基本为增加趋势，未能很好的反映出非线性趋势的空间演变特征。

图13 （a）2005、（b）2010、（c）2015和2020年7月ERA5的CLWP产品太平洋上月平均CLWP EEMD分解后的空间分布Fig. 13 Spatial distribution of CLWP products from ERA5 in the Pacific Ocean after decomposition of last month’s average CLWP EEMD in July(a) 2005, (b) 2010, (c) 2015 and (d) 2020

图14 同图13，但为FNL的CLWP产品Fig. 14 Same as Fig. 13, but for CLWP products from FNL

在30°N附近的区域，反演1的气候变化趋势与ERA5产品的气候变化趋势表现为相反的变化趋势，主要是因为反演资料在30°N附近的中太平洋区域表现为CLWP减小趋势偏强，而在东太平洋地区的增加趋势则是偏弱，因此导致二者在纬度带平均气候变化趋势上呈相反的变化趋势。但是从非线性气候趋势的空间分布图上可以看到，两种资料在气候趋势上是较为一致的。

6 结论与讨论

云层对地球的能量收支和水循环有着重要的影响，明确作为云参数之一的云水路径的气候变化，对天气和气候预测都起着重要作用。而观测云水的最好的星载观测仪器就是微波仪器。论文利用NOAA-15的AMSU-A观测资料，结合再分析资料，通过前人建立的CLWP反演算法，成功反演得到了2000～2020年的云液态水路径资料。并进一步利用线性趋势和非线性EEMD气候趋势分析方法分析了太平洋上CLWP的气候变化趋势，并与CLWP的再分析资料产品进行了细致的对比研究。

研究结果表明利用AMSU-A观测资料可以有效地反演出海洋上的CLWP， 反演得到的CLWP很好地再现了CLWP的年平均分布特征。比较反演产品与再分析资料的线性变化趋势发现，FNL产品可能存在较大的偏差，在大多数纬度带上呈相反的变化趋势。进一步通过EEMD方法分析太平洋上CLWP非线性气候变化趋势，发现北太平洋的CLWP气候趋势具有纬度带分布特征，而且气候趋势出现了整体的北移现象，而对于南太平洋，东部和西部出现了反向的气候趋势特征。

相比而言，在太平洋地区，卫星反演产品与ERA5产品变化趋势更为相近，而FNL产品的气候趋势与其他资料存在较大的量值偏差，对于热带北太平洋的CLWP的增加趋势和30°N附近的减小趋势都未能很好再现，总体而言FNL资料未能很好的再现CLWP 气候趋势的细致空间特征。

本文仅使用了一颗卫星的AMSU-A资料，导致每个观测点的时间分辨率较小，不能进行CLWP日变化研究。在后续的研究中，将利用极轨卫星数量多的特点，尝试加入其它极轨卫星AMSU-A资料进行反演，建立更高时空分辨率的观测资料，从而进一步对海洋上CLWP的日变化特征进行研究。