李霞 盛久江 王飞 陈羿辰 田平 赵德龙 张邢 周嵬 刘全

1 北京市人工影响天气中心, 北京100089

2 云降水物理研究和云水资源开发北京市重点实验室, 北京100089

3 中国气象局华北云降水野外科学试验基地, 北京101200

4 中国气象科学研究院灾害天气国家重点实验室, 北京100081

1 引言

气溶胶垂直分布对局地天气条件以及气候有着重要的影响，而气溶胶垂直分布的不确定性为空气质量、气候、云物理等相关领域科学问题的定量化研究带来了困难。因此，大气气溶胶垂直分布的高精度探测，对于气候和环境研究具有重要意义。激光雷达能够实现气溶胶消光系数、光学厚度、粒子形状等相关参数的实时监测，成为获取气溶胶垂直分布的重要遥感探测手段（Welton et al., 2002; 李成才等, 2004; 贺千山和毛节泰, 2005; Perrone et al.,2014）。

利用标准弹性后向散射雷达观测资料反演气溶胶消光系数时，雷达比（气溶胶消光后向散射比）是重要参数之一，也是影响反演精度的主要因素（ Sasano et al., 1985; Kovalev, 1993; He et al.,2006）。雷达比是一个反映气溶胶特征的综合参量，与气溶胶谱分布、形状和组成成分等有关，其时空变率大，直接测量比较困难。Ackermann（1998）利用数值模拟分析得到不同类型（海洋性和大陆性）气溶胶的雷达比并不相同，雷达比范围在10～100 sr之间。王向川和饶瑞中（2005）也计算了不同类型气溶胶粒子的雷达比，变化范围较大。由于无法准确获取雷达比，大多假定经验的雷达比值（Welton et al., 2002; 邱金桓等, 2003; Xie et al., 2008; 曹贤洁等, 2009; Shimizu et al., 2011）。为了克服经验值的误差，提出借助气溶胶光学厚度获得柱平均雷达比值以改进算法（He et al., 2006; Huang et al., 2010）。近年来对于雷达比值分布范围的分析和反演算法的改进更好地提升了对雷达比的理解（林常青等,2013; 张朝阳等, 2013; 宋跃辉等, 2016），然而由于气溶胶垂直分布的时空变化，使用柱平均值仍带来一定的误差，特别是气溶胶垂直分层差异较大的情况。随着激光和分光系统技术的发展，采用拉曼—米散射激光雷达开展了雷达比的垂直分布研究（Zhao et al., 2002; Stachlewska and Ritter, 2010; 王玉峰等, 2015; Haarig et al., 2018），但鉴于此类雷达分光系统复杂、回波信号微弱、信噪比低等限制，应用范围远没有微脉冲激光雷达广泛。

因此，如果能借助其他观测结合微脉冲激光雷达获取雷达比的垂直分布，有利于深入了解和认识不同天气条件下雷达比的垂直分布特征。北京市人工影响天气中心的飞机探测平台能获得高时空分辨率的原位观测资料，以更精细的视角了解环境气溶胶特征，结合激光雷达观测资料订正得到垂直雷达比，为雷达比的设定提供依据和参考，显著提升气溶胶光学特性垂直反演精度。

2 资料和方法

2.1 仪器和资料

本文使用的主要观测设备为微脉冲偏振激光雷达（美国Sigma Space 公司生产），其激光器发射波长532 nm，垂直分辨率最高可达15 m，盲区150～250 m，时间分辨率30 s，最大探测高度可达14 km（李霞等, 2018）。

机载探测采用北京市人工影响天气中心的空中国王K350ER 携带的探测仪器，如常规气象要素观测仪（AIMMS20，加拿大Aventech Research 公司生产）观测压强、风速、温度和湿度，时间分辨率为1 s，本文主要使用了相对湿度数据。气溶胶光学特性观测设备包括积分浑浊度仪（Aurora 3000，澳大利亚Ecotech 公司生产）和黑碳仪（AE33，美国Magee Scientific 公司生产）。积分浑浊度仪观测数据为450 nm、525 nm 和650 nm 三个波段气溶胶散射和半球后向散射系数，采样流量4 L min-1。黑碳仪观测数据为七个波段(370 nm、470 nm、520 nm、590 nm、660 nm、880 nm 和950 nm)的吸收系数，3 km 以下采样流量4 L min-1。Tian et al.（2020） 详细介绍了积分浑浊度仪和黑碳仪的数据采集、质量、订正和误差分析。

地面观测采用环境颗粒物分析仪（GRIMM180，德国GRIMM 公司生产）观测的PM2.5质量浓度、能见度监测仪（PWD60，芬兰VAISALA 公司生产）观测的能见度，以及辐射测量仪（TP-SMS-22G，日本EKO 公司生产）观测的直接辐射通量。

气溶胶光学厚度资料采用AERONET 北京地区（名为：AERONET BEIJING_PKU）（Che et al., 2009）level 1.5 中550 nm 的AOD（aerosol optical depth）数据。

激光雷达放置于北京市北五环北清路附近（40.1°N，116.3°E），飞机起降位于北京沙河机场，距激光雷达位置小于10 km，起飞、降落或者盘旋航测数据与激光雷达探测代表区域具有可比性；AERONET 观测网点距激光雷达在15 km 以内，其他地面观测设备与激光雷达置于同一观测点。为了保证激光雷达数据在时间上的连续性和代表性，选取与飞机同期观测30 分钟的平均数据。由于飞机探测资料稀少珍贵，可与激光雷达匹配的数据更加有限，因此本文选取了两次污染过程的连续观测和一次较为清洁且无云和高空污染物传输的观测，两次污染过程分别为2016 年11 月15～18 日和2016年12 月16～19 日，清洁观测时间为12 月10 日。

2.2 方法

首先，飞机探测的气溶胶散射系数和吸收系数分别根据Ångström 指数关系及其改进方法（Ångström, 1929; Carrico et al., 1998）获得依赖于波长的散射系数和吸收系数指数，进而得到波长532 nm 散射系数和吸收系数。由于散射系数吸湿增长明显，根据Zhao et al.（2019）提出的吸湿增长参数计算532 nm 散射系数。以上数据处理过程请参考Tian et al.（2020）。本文将此散射系数和吸收系数看做近似“真值”，作为订正出激光雷达雷达比的主要参考值。

其次，激光雷达原始数据经过延时订正、背景噪音订正、后脉冲订正和重叠因子订正和距离订正后，获得标准后向散射信号，进而开展气溶胶消光系数廓线的反演。激光雷达方程可表述为

其中，S1和S2分别为气溶胶和大气分子雷达比，σ1和σ2分别为气溶胶和大气分子消光系数。空气分子消光可以根据国标大气模式的空气分子密度计算垂直廓线。根据国内外研究一般情况下气溶胶雷达比取值范围10～90 sr。

以上反演过程中，雷达比不仅与气溶胶粒子的谱分布、形状和复折射指数有关，还与气溶胶的组成有紧密关系。气溶胶的微物理特性又与其来源和当地的气象条件有关，来自城市、乡村或海洋性的气溶胶均有各自的特点。不同类型的气溶胶雷达比值不同。本方法建立在认为飞机观测气溶胶垂直消光系数廓线为“真值”，根据HYSPLIT（Hybrid Single-Particle Lagrangian Integrated Trajectory model）模式模拟气团的来向粗判气溶胶的性质，据此性质假定雷达比的初值（如50 sr），将此带入激光雷达方程计算各层消光系数并与飞机探测结果对比，设定雷达比在基准初值基础上的变化范围为±40 sr，迭代此方法直到二者差距最小的雷达比值，即为最优雷达比。依此得到垂直各层的最佳雷达比。

3 结果分析

3.1 两次污染过程基本特征

两次污染过程观测时间分别为2016 年11 月15～18 日（简 称 污 染 过 程1）和2016 年12 月16～19 日（简称污染过程2）。两次过程基本气象要素和地面污染连续演变特征见图1。污染过程1的显著特点是15 日凌晨00:30（北京时，下同）左右1.5 km 高空的污染物传输（见图1d），此污染层持续至16 日00:00 左右，之后地面污染物浓度逐渐升高，由夜间高日间低的日变化特征转变为无显著的日变化并随时间逐渐升高（17 日和18 日），污染过程PM2.5最高浓度228 μg m-3。直接辐射由日最高426 W m-2降低到日最高126 W m-2，能见度随着污染过程的发展逐渐降至2 km 以下；相对湿度在本次污染过程后期维持在50%以上；由后向散射信号的垂直剖面可以看到17 日开始低空云层的发展和维持。因此，本次污染过程高空传输、后期低空云的影响、近地面维持较高的相对湿度均是有利于污染发展的要素。

污染过程2 激光雷达后向散射信号显示边界层高度稳定在700 m 之下（见图1h），污染物主要集中在近地层。地面PM2.5浓度日变化特征明显，夜间升高日间降低，最高可达363 μg m-3；18 日最大直接辐射为224 W m-2，为本次污染过程最低值。与此同时能见度随时间呈下降趋势，最低降到1048 m。相对湿度在飞机探测期间低于50%。本次污染过程边界层高度和相对湿度低。因此两次污染过程环境特征和气溶胶来源不尽相同。

图1 2016 年（a-d）11 月15～18 日和（e-f）12 月16～19 日（a，e）能见度（黑色实线）、相对湿度（蓝色实线）、（b，f）地面PM2.5 浓度、（c，g）地面直接辐射和（d，h）激光雷达标准后向散射信号垂直剖面随时间分布Fig. 1 Temporal variations in (a, e) visibility (black solid line), relative humidity (blue solid line), (b, f) PM2.5 mass concentration, (c, g) solar radiation, and (d, h) normalized relative backscatter (NRB) during (a-d) November 15-18, 2016 and (e-f) December 16-19, 2016

空中国王飞机于11 月15、16 和17 日分别开展了上午和下午两次探测，其他日期各进行一次探测。飞机探测时间对应的地面PM2.5浓度、直接辐射、能见度、地面相对湿度和边界层高度见表1。

表1 2016 年11 月15～18 日、12 月10 日和12 月16～19 日飞机探测时间、地面污染物浓度和气象要素特征Tabble1 Flight schedule and corresponding PM2.5 mass concentration, direct radiation, visibility, surface relative humidity, and planetary boundary layer height during November 15-18, 2016, December 10, 2016 and December 16-19, 2016

3.2 不同雷达比计算气溶胶消光系数廓线敏感性试验

本文以11 月15 日和12 月10 日为例进行敏感性试验。基于2.2 节方法，利用地基激光雷达资料反演得到的气溶胶消光系数、飞机观测获得的气溶胶消光系数廓线与采用不同柱平均雷达比反演的气溶胶消光系数廓线综合对比分析，验证方法的优劣，如图2 所示。结果表明，11 月15 日反演的消光系数随高度增加先减后增再减（图2a），在1.15 km和1.55 km 高度存在两个高值区；1.55 km 高度处的大值区，与此高度存在高空沙尘传输有关（Tian et al., 2020）；1.15 km 高度处的大值区可能与边界层迅速发展污染物通过湍流活动带入更高的高度以及高层污染物的湍流下带有关。消光系数随雷达比的增加而增加，边界层内飞机探测的消光系数在雷达比分别为20 sr 和30 sr 反演的结果之间，显然采用飞机订正的雷达比获取的消光系数廓线更接近飞机观测结果。边界层顶附近，消光系数骤增，飞机订正雷达比获取的消光系数廓线略高于飞机观测结果。边界层以上飞机订正的消光廓线特征类似于边界层顶附近。采用飞机订正后的雷达比与采用柱平均的雷达比反演的AOD 表明，订正后的AOD 与飞机观测相差0.01，低于其他反演结果，因此订正后的反演结果更接近实测。不同雷达比反演结果与飞机观测的相对偏差随高度分布见图2b，订正后的对比结果在边界层内相对偏差分布在±10%之内，低于其他雷达比反演的结果；边界层顶附近即高空污染物传输所在的高度，相对偏差增大，最大相对偏差26%，这可能与污染物本身特征以及光学特性急剧变化有关；整层平均相对偏差为5.7%。12月10 日消光系数随高度递减（图2c），边界层顶消光系数剧烈减少至0.07 km-1，采用不同雷达比反演的消光系数随高度变化趋势一致，随雷达比的增加而增加，订正后反演的消光系数更接近飞机观测，AOD 对比低于0.01。图2d 表明订正后的结果与实测相对偏差分布在±20%，整层平均相对偏差为0.6%，显著低于其他雷达比的反演结果。其他日期类似以上个例，订正后的反演结果均在不同程度上提高了气溶胶消光系数的反演精度，边界层内尤为明显。

图2 2016 年（a，b）11 月15 日12:00（北京时，下同）和（c，d）12 月10 日14:00 不同雷达比反演的气溶胶消光系数廓线和光学厚度（左）及其相对于飞机实测的相对偏差（右）。图2a 和2c 中灰色实心圆点线为飞机观测的消光系数，灰色阴影为飞机观测的±10%，红色空心圆圈线为采用飞机订正激光雷达的雷达比计算的消光系数，其他颜色为不同雷达比反演的消光系数Fig. 2 Profiles of extinction coefficient observed by the aircraft and retrieved by different lidar ratios (LRs) from lidar, aerosol optical depth (AOD),and relative bias for (a, b) at 1200 BJT on November 15, 2016 and (c, d) at 1400 BJT on December 10, 2016. The gray line denotes the extinction coefficient from aircraft measurement and gray shadow for ±10% of the extinction coefficient. The red line denotes LRs retrieved by aircraft and lidar,and the blue, orange, and green lines respectively denote LRs for 50, 30, and 20 sr in Fig. 2a and 2c. The two insets in Fig. 2a and c denote AOD from different LRs, and the measurement is the same as above. The relative bias between lidar and aircraft is shown in Fig. 2b and 2d

3.3 激光雷达AOD 与AERONET AOD 对比

两次污染过程激光雷达反演的气溶胶光学厚度与AERONET 的光学厚度关系如图3 所示，二者具有较好的一致性，相关系数0.80，平均偏差-0.15±0.15，激光雷达反演的AOD 平均低于AERONET的结果，因此基于本文方法反演的AOD 是可靠的。当边界层高度较高（大于1.5 km）时，二者的偏差最小；边界层高度降低二者的差距逐渐增大，当边界层高度低于600 m 时，二者偏差最大，可达0.24。因此，边界层高度越低，AOD 越大，二者偏差越大；边界层高度越高，二者偏差越小。

图3 不同边界层高度激光雷达光学厚度与AERONET 光学厚度Fig. 3 Comparison between lidar and AERONET AOD with a color gradient representing different levels of planetary boundary layer (PBL)height

需要注意的是，边界层高度是影响气溶胶垂直分布和扩散的重要因素。边界层高度越低，表征垂直扩散条件越差，越不利于近地层污染物的扩散。当污染物在较低的边界层内累积，近地层消光系数对于AOD 的贡献显著增大，而激光雷达盲区的存在，导致在反演AOD 过程中缺失这部分消光系数的贡献，反演结果偏低于AERONET 的结果，这可能是二者差距大的主要原因；另外两种探测手段观测原理和反演算法的差异必然会导致一定的偏差，这也是二者差异的客观原因之一。

3.4 污染过程雷达比垂直分布特征

根据2.2 节中的方法得到两次污染过程雷达比。两次污染过程雷达比垂直分布差异较大（图4）。污染过程1，整层雷达比分布于19～45 sr。污染发展期间（11 月15 日和16 日上午）雷达比在1.4 km内随高度变化不大（19～30 sr）。15 日1.4 km 之上雷达比骤增，并随高度维持在40 sr 左右。15 日下午较上午偏低，最高值为1.5 km 附近的36 sr。11 月15 日较大的雷达比分布在1.5～2.0 km，这可能与来自西北方向戈壁和沙漠的高空沙尘传输有关，较大的沙尘粒子呈现更大的前向散射比例。16 日上午边界层内雷达比变化较小，整层维持在22 sr。污染期间（11 月16 日下午）整层雷达比在19～35 sr之间波动。11 月17 日和18 日边界层内雷达比随高度在19～45 sr 间波动，三个观测时段变化特征基本一致。边界层顶以上雷达比也呈波动变化，变化幅度强于边界层内。

图4 2016 年（a）11 月15～18 日和（b）12 月16～19 日污染过程雷达比垂直分布Fig. 4 Vertical distribution of LRs from (a) November 15 to 18, 2016 and from (b) December 16 to 19, 2016

污染过程2，发展期（12 月16 日）边界层内雷达比变化不大，边界层以上波动增加，并在3.4 km高度处增至58 sr。12 月17 日雷达比在边界层内随高度由67 sr 急剧减少至20 sr，之后随高度剧烈波动，最高值达到76 sr。18 日和19 日边界层内雷达比均表现为随高度降低的特征。边界层以上较为稳定，1.5 km 以上波动增加。

由此可见，污染过程发展不同时期，雷达比随高度呈现不同的变化特征。污染过程1 发展期边界层内雷达比随高度增大，边界层顶最大。后向轨迹分析表明，1.5～2.0 km 来自西北方向内蒙古沙漠和戈壁的气流可能携带较大的沙尘粒子区域传输至北京上空，引起此高度较高的消光系数和雷达比（见图5）。从激光雷达标准后向散射图（图1 左）亦可看到高空大粒子于15 日凌晨已经进入北京地区。之后随着边界层的发展，来自区域传输的大粒子被带入边界层并与边界层内的粒子混合后，大部分大粒子沉降到地面，即使存在留在边界层内的粒子光学特性可能也发生了变化。16 日边界层内雷达比值偏小且边界层内外变化不大，表明边界层内气溶胶粒子性质较均匀，且吸收性的气溶胶较少，此期间边界层内以西南气流为主。重污染期间边界层内随高度单次散射反照率增加的同时Ångström指数增加，近地层来自汽车尾气和工业生产都会产生强吸收性的黑碳气溶胶，并且随高度增加吸收性粒子减少，二次非吸收粒子增多（Tian et al., 2020）。此过程污染严重时期雷达比随高度波动增加说明污染过程边界层内混合了远距离传输的沙尘粒子。

在污染过程2 重污染时期，边界层内雷达比随高度减小，边界层以上波动变化。本次污染过程未观测到明显的高空传输，中低层主要以偏西、西北或西南气流输送为主（见图5），气团来源较为稳定。此时正值采暖季，区域输送与局地生成的由燃煤、交通和工业等产生的污染物经混合后，可能存在较多强吸收性的气溶胶，导致近地层雷达比值较大。17 日区别于其他时间，边界层外西南方向区域输送可能带来少量吸收性较强的气溶胶。实际上边界层以上气溶胶粒子显著减少，个别粒子吸收和散射特性的差异可能引起雷达比的剧烈变化。17日地面PM2.5浓度较高，雷达比垂直分布波动较大。

图5 （续）Fig. 5 (Continued)

图5 2016 年11 月15～18 日12:00（左）和12 月16～19 日14:00（右）HYSPLIT （Hybrid Single-Particle Lagrangian Integrated Trajectory model）48 小时后向轨迹Fig. 5 Backward trajectories of 48 h at 1200 BJT from November 15 to 18 in 2016 (left) and at 1400 BJT from December 16 to 19 in 2016 (right)based on Hybrid Single-Particle Lagrangian Integrated Trajectory model (HYSPLIT)

值得注意的是两次污染过程雷达比均在大气边界层顶发生突变，与Ferrare et al.（1998）和Zhao et al.（2017）的结果一致。边界层内外气溶胶物理和化学特征不尽相同，同时气象场的变化可能对雷达比垂直分布也有影响，见后续章节分析。因此，基于激光雷达反演消光系数时，采用单一的雷达比值并非最佳选择。

为了更清楚了解不同污染发展阶段以及是否存在高空传输的垂直分布特征，并根据气溶胶边界层内外分布的差异，剔除边界层高度的影响，将两次污染过程以及清洁过程的雷达比垂直分布进行分类统计（见图6）。12 月10 日为清洁过程（Clean）；11 月15 日为存在高空传输过程（Transportation）；11 月16 日、17 日和12 月16 日为污染累积过程（Accumulation）；11 月18 日、12 月17、18、19 日为污染严重过程（Pollution）。结果表明：清洁时期雷达比分布在22～32 sr 之间，波动范围不大，气溶胶性质稳定，边界层内略低于边界层以上。高空传输过程雷达比随高度增加，边界层顶附近达到最大，最大平均值为35.5±4.9 sr，这与当时高空沙尘层的存在有关，边界层以上波动变化。污染累积过程边界层内雷达比在19～44 sr 内波动减小，边界层以上随高度波动增加。污染严重期边界层内雷达比变化较大，平均值分布在20～46 sr 之间，存在两个大值区，两次污染过程正值采暖期，边界层内可能存在较多的吸收性气溶胶，且气溶胶粒子性质并不单一，边界层外雷达比减小且变化范围相对较小。因此污染严重期边界层内外雷达比呈现出极大的不同，显著区别于其他过程。

图6 两次污染过程（2016 年11 月15～18 日和12 月16～19 日）和清洁过程（12 月10 日）期间雷达比垂直分布的分类统计特征Fig. 6 Classification characteristics for the vertical distribution of LRs during November 15-18, 2016, December 10, 2016 and December 16-19, 2016

3.5 雷达比与消光系数和相对湿度的关系

为了探究两次污染过程雷达比随气溶胶光学特性和相对湿度的变化特征，分析了雷达比与消光系数和相对湿度的关系（见图7）。消光系数分布于0.02～1.8 km-1之间，边界层内消光系数显著高于边界层以上，边界层内外雷达比分布范围相似，并且超过80%分布于20～30 sr，二者离散度相近。边界层内随着消光系数增大，雷达比也有增加的趋势；边界层以上雷达比呈现出随消光系数增加而减小的趋势。理论上雷达比与消光系数成正比，但后向散射系数受粒子形态、大小和折射率的影响非常大。如果气溶胶中混有少量的沙尘粒子，某些沙尘粒子的后向散射增长比例非常可观，因此也可能出现雷达比随消光系数减小的情况。本文所统计的两次污染过程气溶胶性质的差异，光化学特征的多变，可能与气溶胶来源的多样性有关。

雷达比随着相对湿度的变化如图7b 所示，边界层内相对湿度分布离散，高湿条件下雷达比散落分布在40 sr 之下，低湿条件下雷达比在19～76 sr之间。当相对湿度高于40%，随着相对湿度的增大，雷达比呈现增大的趋势；边界层以上相对湿度普遍较低，雷达比分布相对集中，增加趋势同边界层内。因此，不同湿度条件下（5%～45%和75%～99%），雷达比值的主要分布范围并没有显著的差异，但在湿度高于40%后，随湿度增加雷达比增大。高湿条件下，气溶胶发生吸湿增长后，光学特性发生改变，雷达比的增加可能与气溶胶吸湿增长有关。

图7 2016 年11 月15～18 日和12 月16～19 日两次污染过程边界层内外雷达比随消光系数和相对湿度的变化Fig. 7 Variation of LRs with extinction coefficient and RH in PBL and above PBL during November 15-18, 2016 and December 16-19, 2016

4 结论

本文利用飞机平台气溶胶光学特性的原位测量订正激光雷达反演消光系数廓线，获得一次较为清洁且无云过程和两次污染过程的雷达比垂直廓线。清洁过程近似表征同一时期的背景大气垂直特征，地面PM2.5浓度低于40 μg m-3。两次污染过程发展特征并不相同，污染过程1 存在明显的高空传输并与边界层内污染物混合的特征，地面最高PM2.5浓度228 μg m-3，边界层高度维持在0.9～1.8 km 之间。污染过程2 最低边界层高度低于0.35 km，地面最高PM2.5浓度375 μg m-3。主要结论如下：

（1）本文所采用的飞机观测订正激光雷达方法，即将飞机观测的散射系数和吸收系数作为订正雷达比的主要参考值，根据粗判的气溶胶性质，设定雷达比的初值，结合雷达方程迭代出各层最优雷达比。结果表明激光雷达反演消光廓线时整层采用单一的雷达比并非最佳选择，雷达比在垂直方向变化较大。

（2）不同雷达比反演的消光系数廓线表明，订正后的反演结果均在不同程度提高了消光系数的反演精度，边界层内尤为明显。订正后的AOD 比采用单一的雷达比更接近实测。激光雷达与AERONET反演的AOD 有较好的一致性，相关系数0.80，平均偏差-0.15±0.15。边界层高度越低，AOD 越大，二者偏差越大；反之则相反。

（3） 两次污染过程的垂直雷达比分布特征不尽相同，平均雷达比分布于23～35 sr。污染过程1 整层雷达比低于45 sr，初期雷达比随高度波动增加至边界层顶，之后变化不明显，污染期雷达比在边界层内外波动变化。污染过程2 初期雷达比垂直变化不大，污染期边界层内雷达比随高度降低，边界层以上波动变化，最高值达到76 sr。近地层气溶胶来源、高空沙尘粒子传输和边界层发展的差异均是导致两次过程雷达比垂直分布不同的可能原因。

（4）不同天气条件下雷达比垂直分布特征表明，清洁期边界层内外雷达比变化不大；高空传输存在时雷达比随高度增加并在传输层大幅增加；污染累积阶段边界层内雷达比随高度缓慢减小；污染严重期显著区别于其他时期，边界层内垂直雷达比差异最大达25 sr。不同时期边界层外垂直雷达比的分布特征差异不大。

（5）雷达比随消光系数的变化趋势在边界层内外不同。边界层内雷达比随消光系数增大呈增加趋势。边界层外雷达比随消光系数增大而减小，边界层以上消光系数普遍较低，个别消光系数较大的气溶胶粒子表现出更强的后向散射，导致雷达比的减小。边界层内外相对湿度高于40%以上，雷达比随相对湿度增大而增大，可能与高湿条件下气溶胶的吸湿增长有关。