武静雅 2, 孙强 毕永恒 田玉芳 王一楠 吕达仁 2,

1 中国科学院大气物理研究所, 北京 100029

2 中国科学院大学, 北京 100049

3 中国科学院大气物理研究所中层大气和全球环境探测重点实验室, 北京 100029

1 引言

青藏高原是世界上最高、地形最复杂的大高原。国内外的许多研究表明，青藏高原的动力和热力作用对我国灾害性天气和气候异常、东亚大气环流、亚洲季风甚至全球气候都有显著影响（叶笃正和高由禧，1979; Adler et al., 2003；吴国雄等，2018）。

有云频率、云底高度、云顶高度和云厚等宏观参数的日变化受到大尺度环流、当地太阳辐射和地表过程的联合影响，又反过来影响上空感热和潜热的分布、辐射能传递、地表辐射收支等（汪宏七和赵高祥，1994；Wu and Liu, 2003）。研究云参数的日变化特征，不仅有助于理解青藏高原云的形成机制，也有助于理解青藏高原天气气候变化的规律（李昀英等，2003；宇如聪等，2014）。

毫米波云雷达（W/Ka 波段）是观测云的最优雷 达（Houze, 2014）。2006年 美 国 国 家 宇 航 局（NASA）发射的云探测卫星CloudSat 上搭载的W 波段云廓线雷达CPR（The Cloud Profiling Radar）可以观测青藏高原云宏观参数（Stephens et al.,2002）。一些学者利用其产品对青藏高原云系垂直结构进行了研究，如对青藏高原、高原南坡和南亚季风区云厚差异的对比（王胜杰等，2010），对东亚季风区、印度季风区、西北太平洋季风区和青藏高原四个不同区域云量、云垂直结构及其季节变化特征的对比（汪会等，2011），以及高原地区和毗邻陆地和海洋地区云系垂直结构特征及其季节变化特征的对比（Yan et al., 2016）等。但是，由于Cloudsat太阳同步运行轨道的限制，CPR 只能正午及半夜前后经过高原上空，无法获得高原云的日平均及日变化特征。另外，W 波段云雷达相对Ka 波段云雷达单位距离衰减大，星地距离导致其衰减不可忽视。有研究表明，Cloudsat 的资料无法观测到云顶高度在距地2.5 km 内的低云（Chan and Comiso, 2011）。

我国第三次青藏高原大气科学试验中使用了一部Ka 波段云雷达，据此研究了夏季短时段的云底高度、云顶高度、云厚等云参数的日变化特征（刘黎平等，2015；常祎和郭学良，2016；张涛等，2019）。由于该试验只在夏季短期开展，无法获得全年各季节各类天气系统云参数日变化统计特征。

不同天气系统云的形成机制不同，云参数的日变化特征会存在差异。分别了解各类天气系统的有云频率、云底高度、云顶高度和云厚日变化特征，一方面可以提高其应用时的地区和天气系统针对性，另一方面可以为天气系统机理研究、数值模拟研究提供重要观测事实和统计特征。青藏高原主要的天气系统包括西风槽、切变线、低涡、西南季风等，不同系统主要发生季节不同，西风槽系统主要影响时间为每年10月至次年5月，切变线、低涡和西南季风的主要影响时间为6月至9月（叶笃正等，1977；李国平等，2002；李跃清等，2011）。目前已观测到的西南季风云系个例较少，本文中将不涉及该类天气系统，待有足够个例后再行分析研究。

中国科学院大气物理研究所牵头研制的国家重大科研仪器设备“多波段多大气成分主被动综合探测系统（Atmospheric Profiling Synthetic Observation System, 简称APSOS）”可以对地表至热层低层进行观测。该系统安装在西藏羊八井国际宇宙线观测站（30.21°N, 90.43°E；海拔4300 m；以下称APSOS站）（Lü et al., 2018）。APSOS 由多部先进的主动和被动遥感仪器组成，包括激光雷达5 部，Ka波段云雷达，太赫兹波谱仪及地基观测仪器，其中的Ka 波段雷达于2018年7月开始观测，是首部实现了对青藏高原云全年不间断观测的毫米波云雷达。而且相较于CPR，Ka 波段云雷达的衰减更小，加之其与云层距离更近，可以获得更加准确的云参数。蒋秋菲（2019）利用这部雷达资料研究了2017年冬季云顶高度、云底高度、云厚日变化以及冰水含量。

基于2019年APSOS 的Ka 波段云雷达的连续观测资料，本文分析得到了2019年青藏高原西风槽、切变线和低涡系统三类重要天气系统有云频率、单层非降水云或者降水云非降水时段的云顶高度、云底高度和云厚的日变化时域特征。为探究各云参数日变化时域特征的主要影响因素的特征，对各参数的日变化进行了频域分析，获得了代表各参数日平均值的直流分量和代表主要影响因素的谐波。并进一步根据主要谐波进行拟合，给出了各参数日变化的回归方程，提供数值模拟等的研究使用。

2 资料与方法

由于青藏高原观测站较为稀疏，采用观测站资料判断天气系统可能引起较大误差。本研究中采用欧洲中期天气预报中心高时空分辨率（时间分辨率为1 h，空间分辨率0.25°×0.25°）ERA5（the fifth generation ECMWF atmospheric reanalysis data）的500 hPa 位势高度场和水平风场资料来判断2019年西风槽、低涡和切变线系统（以下简称为三类系统）影响APSOS站的起止时间。筛选了各天气系统影响时间段内APSOS 的Ka 波段云雷达等效反射率因子数据，计算得到各天气系统影响时间段内有云的时间段、有云时云层数和各层云的云底高度、云顶高度、云厚参数。由于降水会引起Ka 波段雷达的较大衰减，进一步筛选得到未发生降水时的数据用于分析。各天气系统影响APSOS站起止时间判定方法、Ka 波段云雷达简介及云宏观参数计算方法以及云参数日变化频域特征分析方法依次在2.1、2.2 及2.3 中说明。

2.1 各天气系统影响APSOS站时间段判断方法

表1 列出了三类系统影响APSOS站开始时间和结束时间的判断标准及2019年影响总次数和总时长。三类系统各自均有足够长的观测时间，其中最短的低涡系统去除降水影响总时长最短亦达到227 h，表明利用这些资料进行云参数日变化的统计结果具有较好的代表性。

表1 西风槽、低涡和切变线系统影响APSOS站起止时间的判断标准和2019年影响次数及总时长Table 1 Criteria for judging the start and end times and duration of APSOS (Atmospheric Profiling Synthetic Observation System) station influenced by the westerly trough, vortex, and shear line in 2019

2.2 Ka 波段云雷达简介及云宏观参数计算方法

2.2.1 Ka 波段云雷达简介

APSOS 的Ka 波段云雷达长期不间断以垂直对空方式观测其上方云层，获得等效反射率因子、径向速度、速度谱宽和线性退偏振比数据，其主要参数列在表2 中。

表2 APSOS 的Ka 波段云雷达参数表Table 2 Parameters of the APSOS Ka-band cloud radar

2.2.2 云宏观参数计算方法

利用筛选得到的雷达等效反射率因子数据确定三类系统影响下的有云时间段、有云时各层云的云底高度、云顶高度和云厚。具体算法为：选取第一个时刻的等效反射率因子数据，从最低距离库开始逐库向上判断，如果某个库及其上面连续5 个库均有回波信号，并且等效反射率因子值全部大于对应高度的灵敏度则认为该库所在高度为首层云云底高度，继续逐库向上判断，如果某个库回波信号有效，但其上面连续5 个库都没有有效回波信号，则判定该距离库所在高度为首层云云顶高度。依据此方法继续逐库向上判断，依次识别各层云的云底高度和云顶高度参数。对后续每一时刻的等效反射率因子数据用同样方法进行判断直至结束，至少有一层云存在的时刻判定为有云时刻。

2.3 云参数日变化频域特征分析方法

通过对某一云参数日变化时域特征进行快速傅里叶变换，获得代表日平均值的直流分量和代表主要影响因素的主要谐波。具体方法为：将谐波按振幅由大到小排列，逐一加入拟合，当拟合优度不再明显上升，即认为主要谐波已参与了拟合。以有云频率p为例，对p进行快速傅里叶变换，可以得到直流分量（日均有云频率）p0以及主要谐波p′，p的回归方程可以表示为直流分量p0与主要谐波p′的和，即p=p0+p′。

3 三类系统有云频率日变化的时域和频域特征

3.1 时域特征

图1 给出了西风槽、切变线和低涡系统有云频率的日变化、日均有云频率（频域分析的直流分量）以及拟合函数曲线。每一小时有云频率定义为该小时半小时前至半小时后时间段内有云时刻所占百分比，利用Ka 波段云雷达计算得到的三类系统影响下的有云时刻统计得到各天气系统有云频率日变化曲线，依次如图1a–c 中黑色线所示。西风槽有云频率日变化曲线为单峰单谷型，谷值（38%）出现在08时（当地地方时，下同），峰值（74%）出现在17时。切变线有云频率日变化曲线也是单峰单谷型，谷值（30%）出现在07时，峰值（73%）出现在17时。低涡有云频率日变化曲线为多峰多谷型。08～20时为有云频率较高的时间段，21时至次日07时是有云频率较低的时间段，两段时间均包含多个峰值和谷值。最低谷值（50%）出现07时，最大峰值（88%）出现在15时，09时和19时均出现接近最高值的峰。

图1 2019年（a）西风槽、（b）切变线、（c）低涡系统有云频率日变化时域特征、直流分量及回归方程曲线Fig. 1 Diurnal variation characteristics, main harmonics, and regression equation of the cloud frequency of (a) westerly trough, (b) shear line, and (c)vortex system in 2019

3.2 频域特征

对三类系统有云频率日变化频域特征进行分析，直流分量和主要谐波振幅、初相位列在表3 中，有云频率日变化回归方程（为方便分析，本文回归方程中频率单位使用h−1）曲线及拟合优度依次列在图2 中。西风槽系统日平均有云频率为56.9%，主要受日变化和半日变化周期谐波调制，拟合优度是0.96。切变线系统日平均有云频率为50.8%，主要受日变化和半日变化周期谐波调制，拟合优度是0.99。低涡系统日平均有云频率为73%，受日变化周期谐波调制作用最大，但还受到其他3 个周期谐波的调制，拟合优度是0.69。

图2 2019年西风槽系统（左）、切边线系统（中）、低涡系统（右）单层云（a、d、g）平均云顶高度、（b、e、h）平均云底高度、（c、f、i）平均云厚及标准差的日变化Fig. 2 Diurnal variations of the (a, d, g) mean cloud top height, (b, e, h) mean cloud base height, and (c, f, i) mean cloud thickness and their standard deviation averaged in the westerly trough system (left), shear line system (middle), and vortex system (right) in 2019

表3 2019年西风槽、切变线及低涡系统有云频率傅里叶分析直流分量振幅和主要谐波参数Table 3 Amplitude of the DC (direct-current) component and main frequency parameters of Fourier decomposition in cloud frequency in the westerly trough, shear line, and vortex system in 2019

通过对三类天气系统有云频率日变化的时域和频域分析可以看出，西风槽和切变线日变化特征相似，均为单峰单谷型，谷值出现在日出前，峰值出现在17时。主要谐波周期均为日变化和半日变化周期，利用日变化周期和半日变化周期的谐波拟合，就已经达到很高的拟合优度。而低涡系统日变化特征为多峰多谷型，包含4 个主要谐波，其中调制作用最大的是日变化周期的谐波，即使采用四个谐波拟合，其拟合优度亦仅为0.69。低涡系统的日均有云频率远高于前两类天气系统，受谐波调制作用最小，切变线系统有云频率受谐波调制最大，西风槽系统次之。

4 三类系统单层云云顶高度、云底高度和云厚日变化的时域和频域特征

4.1 时域特征

研究过程中发现，三类系统基本以单层云为主，了解各系统单层云云底高度、云顶高度和云厚日变化特征十分必要。图2 给出了西风槽、切变线和低涡系统单层云平均云顶高度（本文高度均为距地面高度）、平均云底高度、平均云厚及各参数离散度的日变化曲线。西风槽系统单层云云顶高度、云底高度和云厚日变化曲线是单峰单谷型，谷值基本出现在日出前，峰值出现在日落前，各参数离散度日变化不明显，均有相对较小的几小时。切变线系统的单层云云顶高度、云底高度和云厚日变化曲线也是单峰单谷型，谷值基本出现在日出前，峰值出现在日落前，各参数离散度日变化不明显，均有相对较小的几小时。切变线系统的谷值及其出现时间、峰值及其出现时间、离散度值及其较小的时间段与西风槽系统的不同。低涡系统单层云的云顶高度、云底高度、云厚日变化曲线与前两类系统完全不同，02～12时云顶高度、云底高度相对较低，其余时间段内相对较高，但两段时间内均具有多个峰谷值。04～11时是云顶高度、云底高度离散度相对较小的时间段，其余时间离散度相对较高，但是两段时间内均存在多个峰谷值。云厚和云厚离散度呈多峰多谷型，不存在相对较高的时间段。云顶高度、云底高度和云厚的最大峰值均出现在14时。

4.2 频域特征

三类系统单层云云顶高度、云底高度、云厚日变化频域特征分析的直流分量和主要谐波参数列在表4 中，回归方程曲线及拟合优度如图3 所示。西风槽系统日均云顶高度是3.841 km，主要谐波周期包括日变化、半日变化、6 和8 小时周期，拟合优度是0.87。日均云底高度是2.234 km，主要谐波周期包含日变化和半日变化周期，拟合优度是0.82。日均云厚是1.554 km，主要谐波周期包含日变化、6 h 和8 h 周期，拟合优度是0.55。切变线系统日均云顶高度是4.074 km，主要谐波周期包括日变化、8 h、6 h 和半日变化周期，拟合优度是0.91。日均云底高度是2.670 km，主要谐波周期包括日变化、8 h、6 h 周 期，拟 合 优 度 是0.77。日 均 云 厚 是1.348 km，主要谐波周期包括日变化、半日变化、4 h、6 h、2.18 h 和8 h 周期，拟合优度是0.67。低涡系统日均云顶高度是4.080 km，主要谐波周期包括日变化、8 h、半日变化、2 h、4.8 h、3 h、1.6 h周期，拟合优度是0.4。日均云底高度是2.523 km，主要谐波周期包括日变化、半日变化、8 h 周期，拟合优度是0.34。日均云厚是1.565 km，主要谐波周期包括4.8 h、6 h、半日、1.14 h、日变化、1.7 h、2 h、1.4 h、8 h 周期，拟合优度是0.28。

图3 2019年（a）西风槽、（b）切变线、（c）低涡系统单层云云顶高度、云底高度、云厚日变化及回归方程曲线Fig. 3 Diurnal variations and regression equation curves in the cloud top height, cloud base height, and cloud thickness of (a) westerly trough, (b)shear line, and (c) vortex system in 2019

表4 2019年西风槽、切变线及低涡系统单层云云顶高度、云底高度、云厚日变化傅里叶分析直流分量振幅和主要谐波参数Table 4 Amplitude of the DC components, main frequency parameters of the Fourier decomposition of diurnal variations of cloud top, cloud base, and thickness of single-layer cloud of the westerly trough, shear line, and vortex system in 2019

日均云顶高度由高到低为低涡系统、切变线系统、西风槽系统；日平均云底高度由高到低依次为切变线系统、低涡系统、西风槽系统；日平均云厚由厚到薄依次为低涡系统、西风槽系统、切变线系统。由各系统云参数主要谐波数目可见，西风槽系统频谱分布最集中，低涡系统频谱分布最分散，切变线系统居中。各系统中云底高度频谱分布最集中，云厚频谱分布最分散。除低涡系统云厚振幅最大的谐波是4.8 h 周期谐波，其他云参数日变化振幅最大谐波均为日变化周期谐波。

5 结论

长期以来，由于缺乏持续定量的观测，对高原云宏观参数日变化的了解十分不足。APSOS 的Ka波段雷达是首部实现了对青藏高原云全年不间断观测的毫米波云雷达，本文利用该资料首次揭示了青藏高原三类重要的天气系统（西风槽、切变线和低涡系统）的云宏观参数日变化的时域和频域特征，并给出了统计回归方程。可为相关研究和应用人员了解青藏高原云宏观参数日变化，改进模式模拟中的不确定性提供参考依据，为云参数研究分析提供了一种新方法，主要结论有：

（1）西风槽系统有云频率、单层云云顶高度、云底高度和云厚时域日变化趋势呈单峰单谷型，谷值出现在日出前，峰值出现在日落前。有云频率、单层云云底高度日变化频谱中主要谐波周期为日变化和半日变化周期，单层云云顶高度频谱主要谐波周期是日变化、半日变化、6 h 和8 h 周期，单层云云底高度频谱主要谐波周期是日变化和半日变化周期，单层云云厚主要谐波周期是日变化、6 h 和8 h 周期。

（2）切变线系统有云频率、单层云云顶高度、云底高度和云厚日变化时域特征、频域特征与西风槽类似。时域日变化趋势也呈单峰单谷型，谷值出现在日出前，峰值出现在日落前，但峰谷值出现具体时间与西风槽系统不同。有云频率日变化频谱主要谐波周期是日变化和半日变化周期，单层云云顶高度频谱主要谐波周期是日变化、8 h、6 h 和半日变化周期、云底高度频谱主要谐波周期是日变化、8 h 和6 h 周期，云厚频谱主要谐波周期是日变化、半日变化、4 h、6 h、2.2 h 和8 h 周期。

（3）低涡系统的有云频率、单层云云顶高度、云底高度日变化的时域、频域特征与前两类系统完全不同，时域表现为多峰多谷型，虽然有云频率白天较夜间高，云顶高度、云底高度12～02时较02～12时高，但两段时间内包含多个峰值和谷值，并不单调。云厚日变化时域也是多峰多谷型，但不存在相对较高时间段。有云频率、单层云云顶高度、云底高度频谱中最大振幅的谐波周期也是日变化周期，但是频谱分布十分分散，云厚频谱谐波中振幅最大的谐波周期是4.8 h。

（4）根据主要谐波得到了三类系统有云频率、单层云云顶高度、云底高度和云厚日变化统计回归方程和拟合优度（方程中频率单位均使用h−1，y代表有云频率、T代表云顶高度，B代表云底高度，H代表云厚，t代表时间），总结在表5 中，以便相关研究使用。

6 讨论

本文的工作首次给出了由云雷达全年无间断定量观测的三类天气系统的云特征统计结果，初步统计揭示了云系移动变化过程中与太阳辐射、地表相互作用过程的相互关系，特别是日变化及其谐波过程的关系，有关的物理过程分析将是下一步的工作。

致谢本工作所用APSOS 云雷达资料由APSOS 全大气层观测站提供，部分作者是该系统的科技人员。在此感谢APSOS 的宣越健正研级高级工程师对观测站的全方位贡献。博士研究生孙晓光、陈泽，硕士研究生刘博、赵薇、陈文琳等人也参与了观测工作。感谢南京恩瑞特实业有限公司的刘一峰高工，李小永工程师，高磊工程师等对Ka 波段云雷达的技术支持。