云参数是影响地球气候最重要的因子，因为云参数是直接参与太阳与地-气系统辐射过程的基本单元，并且不同类型云的云参数及其空间分布的变化，直接改变地气辐射收支平衡；研究表明，这种辐射强迫效应超过目前所知的温室气体和气溶胶等因素的气候效应(Wetherald et al，1988)。云参数还直接参与成云降水过程，故云成为地球水循环过程的一个重要环节。描述云参数的云粒子大小是气溶胶间接效应的表象之一，因为在一定的条件下气溶胶粒子将使得云粒子变小、云生命史延长，进而改变云的辐射特性，并抑制降水(Twomey，1977；Albrecht，1989；Griggs et al，2002；Lohmann et al，2005；Rosenfeld et al，2007，2012)。人为改变云参数成为人工影响天气的方法之一，如在云中人工播撒干冰等催化剂，进行人工增雨或消雹等(雷恒池等，2008)。

20世纪80年代初国际卫星云气候计划(ISCCP)通过整合覆盖全球多颗静止卫星和极轨卫星可见光与红外通道的遥感观测数据，反演计算出分类型的云量和云属性等参数，增进了对全球云宏观特征的理解(Schiffer et al，1983；Minnis et al，1992；Klein et al，1993；Rossow et al，1993，1999；刘洪利等，2003；李昀英等，2003；刘奇等，2009)。随着卫星平台搭载更先进的可见光和红外传感器、微波成像探测器、测云雷达和激光雷达等仪器，云参数反演技术也不断提高(Arking et al，1985；Huang et al，1992；Rao et al，1995；MaKague et al，2002；Zhao et al，2002；Stephens et al，2002；Winker et al，2010；Wang et al，2011)，这为认识云参数特性提供了新的机遇。特别是具有36个通道的中分辨率成像光谱仪(MODIS，Moderate-resolution Imaging Spectroradiometer)、20个通道的FY-3中分辨率光谱成像仪(MERSI，Medium Resolution Spectral Imager)的遥感结果，促进了云参数的研究。

然而，多数卫星上搭载的光谱仪器没有MODIS和MERSI那么多的通道，这些仪器通常有一个可见光、一个近红外、一个中红外及两个热红外通道，如热带测雨卫星上的可见光和红外扫描仪(简称VIRS)。但利用好这些卫星上的光谱仪遥感数据，并结合其他仪器探测结果，就可以更好地研究云参数特征。基于此，本文就可见光与近红外的双光谱反射率云参数反演方法等进行介绍，重点介绍利用反演获得的云参数，分析气溶胶间接效应、降水与云参数关系的研究。2 云参数的双光谱反射率反演原理与方法

云参数的光谱反演算法涉及云自身的特性。云粒子尺度一般为1—100 μm，典型液态云粒子特征尺度为10 μm，固态云粒子约为30 μm。云粒子对可见光(0.38—0.78 μm)、近红外(0.8—3 μm)、中红外(3—8 μm)和热红外(8—14 μm)波段的电磁波辐射具有不同的消光作用。在短波(0.4—4 μm)尤其在可见光区，云粒子对太阳入射光的影响主要表现为散射作用，其作用的大小受云粒子尺度和相态的控制，并随着太阳照射角度、云体结构的改变而变化，而云粒子的吸收作用可以忽略；在长波(4—100 μm)特别是地-气系统发射的热红外波段，液滴和冰晶粒子的吸收/发射作用凸显，该作用主要决定于云顶温度(通常与云顶所处高度有关)，而对薄云来说，云顶上行辐射还受云下地表上行辐射的影响。

在云的辐射传输中，云层反射和透射的太阳光主要由云粒子有效半径(R_e)和云水路径(LWP)决定(Hansen et al，1974)。R_e定义为不同大小云粒子半径的3次方之和除以其2次方之和，是衡量云整体粒子大小的参数，以便于辐射计算。研究表明云层的光学厚度(τ_c，为单位截面积上云粒子对光波吸收和散射产生的总衰减量，无量纲)可用云水路径、R_e和云粒子相态来表征，云水路径取决于云滴密度(即云水含量)和云厚，R_e取决于云粒子谱分布，而云粒子相态取决于云体温度。

在云参数的诸多反演方法中，双光谱反射率算法(BSR，Bispectral Reflectance)最具有代表性。它最早由Twomey等(1980)提出，用来计算云层的τ_c和R_e。随后Nakajima等(1990)对双光谱反射率算法的适用范围进行了扩张，并将其应用到基于MODIS观测结果的R_e和τ_c反演。双光谱反射率反演方法的原理就是利用云滴对可见光波段的吸收作用可以忽略不计，而在近红外波段具有吸收效应的特点，来同步反演云粒子的光学厚度和有效半径。

由辐射传输理论可知，对平面平行(即一维)模型，在某一可见光/红外波长(λ)的光谱反射率R_λ可表示为τ_c、单次散射反照率ω(随波长变化)、不对称因子g(决定散射相函数)、地表反射率rs、太阳方向角ξ₀及观测方向角ξ的函数：R_λ=f_λ(τc，ω，g，rs，ξ，ξ₀)，而R_λ与τ_c(1-g)具有函数关系(Vande Hulst，1980)。因为在可见光波段云粒子吸收可忽略，故可假定ω=1，所以R_λ的变化主要与τ_c(1-g)有关；在近红外波段，云粒子既有吸收又有散射效应，故R_λ的变化可看作τ_c(1-g)和ω综合作用的结果。因此，双光谱反射率算法先采用辐射传输模式的模拟结果，获取不同R_e和τ_c相应的双通道反射率之模拟值，建立R_e和τ_c对应的双通道反射率查询表，再通过对反射率的实测值与模拟值的对应来查表计算，获得与实测反射率相应的τ_c和R_e值。必须指出，以上所考虑的只是云滴对太阳辐射的吸收和散射，没有考虑云滴本身的热辐射。如果利用较长波长(如3.7 μm)来进行反演，这种热辐射的贡献也应该考虑，可根据云滴温度来估算热辐射的贡献，并将其在观测值中扣除。

图 1 2011年7月3日14时45分FY-3 经过青藏高原时VIRR探测信号(a．可见光，b．近红外，c．热红外)Fig. 1 Signals detected by(a)visible，(b)near infrared，and (c)thermal infrared channels of VIRR of FY-3 at 14:45 BT 3 July 2011

图选项

Nakajima等(1990)曾利用辐射传输模式计算得到的双光谱反射率与τ_c及R_e的关系(图略，可见其文章的图 2)，从该图可看到当反射率小于0.4时，这两个通道并不完全独立，而当反射率大于0.4时(即云存在时)，图中R_e线与τ_c线的正交性凸显，这时可基本认为这两个通道信号独立：τ_c主要随着可见光(0.75 μm)反射率的增大而增大，而与近红外(2.16 μm)通道反射率变化基本无关；R_e则随着近红外通道反射率的增大而减小，与可见光反射率变化基本无关。这样就可以利用这两个通道的反射率大小，通过插值计算得到相应的τ_c和R_e。

图 2 利用VIRR可见光、近红外反演计算得到的(a)Re、(b)τc和(c)云水路径分布Fig. 2(a)Re，(b)τc，and (c)LWP retrieved by signals detected by visible and near infrared channel of VIRR

图选项

在获得τ_c和R_e后，可计算云水路径(P_LW，单位为g/m²或kg/m²)(Arking et al，1985；Han et al，1994；Nakajima et al，1995)

点击浏览公式

图 1为2011年7月3日14时45分(北京时，下同)FY-3经过青藏高原时可见光近红外扫描辐射计(简称VIRR)可见光通道、近红外通道与热红外通道探测的信号，可以看到青藏高原上空存在的一弧状云带及其南侧的多个小块状云团，这些云的可见光反射率超过0.6(图 1a)，带状云的热红外辐射温度多在245—260 K，而小块状云团辐射温度低于220 K(图 1c)；结合近红外通道(图 1b)和热红外通道(图 1c)，可以判断带状云系多为冰水混合云，而小块状云团已经伸展很高，云顶多冰粒子。利用图 1可见光和近红外信号结合双光谱反射率算法反演获得相应的R_e、τ_c和云水路径(图 2)，表明弧状云带上存在云粒子尺度大于20 μm的多块云团，云带南侧的小块状云团R_e可超过35 μm；云带的光学厚度表现出比R_e和云水路径更强的连续性。这些都表明FY-3的VIRR对云顶附近结构具有很强的探测能力。

在双光谱反射率算法基础上，学者们又发展了光谱三通道(如1.6、2.1和3.7 μm)、多通道(如0.65、3.7、10.8和12 μm)等联合反演云参数方法(Wielicki et al，1990；Stone et al，1990；Nakajima et al，1991，1995；King et al，1992；Ou et al，1993；Han et al，1994；Platnick et al，1995，2003；Rosenfeld et al，1994，2004；Masunaga et al，2002；陈英英等，2007)。Chen等(2007)基于MODIS两个近红外通道(1.6和2.1 μm)和一个中红外通道(3.7 μm)获得了云顶附近不同深度云结构信息，进而反演得到不同高度处云粒子的R_e，即给出了云层R_e廓线。叶晶等(2009)设计了一套基于MODIS反演多层云的τ_c和R_e反演方案，该方案使用SBDART(Santa Barbara DISORT Atmospheric Radiative Transfer)辐射传输模式建立不同观测几何条件、下垫面类型、大气环境等条件下，多层云、水云和冰云的τ_c和R_e的辐射查找表，在经过云检测、云相态识别和多层云检测后，结合该查找表，给出了利用MODIS通道1(0.65 μm)和通道7(2.13 μm)探测结果反演的τ_c和R_e。Meyer等(2010)提出利用MODIS的1.38和1.24 μm通道的配对技术，来估算云上和云内的水汽衰减大小，继而反演了水汽衰减校正后卷云的τ_c。Nauss等(2011)还提出了一种基于辐射传输方程渐近解的方法，反演了云的τ_c、R_e、云液态及固态水路径等信息。

夜间的云参数光谱反演方法始于20世纪90年代，主要是利用光谱的长波波段进行反演(Baum et al，1994，2003；Kubota，1994；Strabala et al，1994；Key et al，2000)。即利用红外通道间的亮温差获得云的τ_c和R_e及相态，如AVHRR(Advanced Very High Resolution Radiometer)联合使用一个中红外通道(3.7 μm，Ch3)和两个热红外通道(10.8和12 μm，Ch4和Ch5)、HIRS(High-resolution Infrared Radiation Sounder)则联合使用3个热红外通道(8、10.8和12 μm)。因为这些通道对同样的云粒子表现了不同的吸收和散射特性，散射使得近红外至中红外区的吸收率和发射率显著小于1(如AVHRR Ch3通道)；但对AVHRR Ch4和Ch5通道具有相对较小的单散射反照率，故其散射消光作用可忽略，所以发射率和吸收率近似等于1；在云层很厚且云滴R_e比较小时，Ch3的发射率远小于Ch4的发射率，故Ch3与Ch4通道的亮温差为负值，且负值随云滴增大而减小；对于薄云(即半透明云)情况，因Ch3吸收率小、透射率大，在正常地表温度高于云层温度的情况下，Ch3亮温将高于Ch4，使得Ch3和Ch4通道亮温差为正值，因此还可以用Ch3和Ch4通道亮温差来识别薄云。通常Ch3和Ch4通道亮温差的敏感性高于Ch4与Ch5通道亮温差，但在白天使用Ch4与Ch5通道亮温差更为直接，因为不需要考虑由反射太阳入射辐射所带来的Ch3额外亮温(Inoue et al，2000)。

目前，由于星载主动探测(如测云雷达CloudSat和激光雷达CALIPSO)可以给出云的垂直结构，将星载光谱探测与之结合，可以提高云参数垂直分布信息的获取能力，如Wu等(2009)利用MISR(Multi-angle Imaging SpectroRadiometer)、AIRS(Atmospheric Infrared Sounder)、OMI(Ozone Monitoring Instrument)、MODIS、CALIPSO和CloudSat综合探测对多层云系的良好表现能力，揭示了云在垂直高度上出现的概率等问题；Hu等(2010)将CALIPSO、IIR(Infrared Imaging Radiometer)和MODIS探测结果融合，揭示了过冷水云的液态水含量、出现频次及分布比例；Joiner等(2010)基于A- Train星群观测数据发展了一个相对简单的多层云及其垂直结构特性的识别算法。Delanoë等(2010)将CloudSat、CALIPSO和MODIS探测结果融合，反演得到冰云的冰水含量、冰粒子有效半径及冰粒子消光系数等参数。Stein等(2011)利用CloudSat、CALIPSO和MODIS综合观测结果，对冰云云参数反演的4种方法进行了详细比较和分析，指出目前的这些反演方法的微物理过程假设仍需要细化。Kühnlein等(2013)基于第二代气象卫星搭载的SEVIRI(Spinning Enhanced Visible and Infrared Instrument)具有15 min时间分辨率对云进行观测的优势，提出了一种半解析的云参数反演方法。Wang等(2013)利用MODIS和CloudSat给出了全球降雪云中的液态水分布特征。上述研究都展示了多源卫星多仪器对云的探测优势以及云参数反演算法研究的进步。3 利用云参数分析气溶胶间接效应

气溶胶对云和降水的作用是目前极具挑战性的难题之一。20世纪90年代中后期的印度洋试验计划(INDOEX)在这方面具有代表性，该研究首次揭示了干季印度次大陆城市气溶胶对其下风方洋面地区云和降水的影响。在印度次大陆至印度洋赤道以南的洋面上，随风漂移的气溶胶呈明显北多南少的梯度分布，机载探测结果及反演结果表明，在这个气溶胶梯度带上的云水含量、云粒子大小等参数也相应呈明显的梯度分布(Liu et al，2001)。这种气溶胶与云的相互作用，形成了该区域极具特色的大气辐射平衡(Rhoads et al，1997)。在东亚及西北太平洋近海地区也有类似的综合观测试验，如APEX(Asian Atmospheric Particle Environmental Change Studies)、ACE-Asia(Asia-Pacific regional Aerosol Characterization Experiments)及TRACE-P(Transport and Chemical Evolution over the Pacific)(Nakajima et al，2003；Huebert et al，2003；Jacob et al，2003；Seinfeld et al，2004)。ACE-Asia试验证明了由于自然型沙尘和人为排放黑碳、硫酸盐、硝酸盐的混合物，造成了该地区气溶胶光学性质具有不稳定性，且春季晴空直接辐射强迫平均强度远超全球均值(Remer et al，2006；Yu et al，2006)。2004年中美联合实施的亚洲气溶胶观测计划研究结果，也揭示了城市霾、雾气溶胶的区域尺度辐射强迫的独特作用(Li et al，2007；Xin et al，2007)。

其实，中国东部近海就是进行气溶胶与云参数相互作用的理想试验场，因为偏西气流会把内陆排放的气溶胶带到近海与云进行作用。图 3为2001年7月10日850 hPa东北亚大气流场及MODIS给出的7月8—10日中国华北、山东至江苏东部的气溶胶光学厚度分布，可以看到自北向南的气流经过山东半岛吹向黄海；而此时VIRS探测到山东半岛南侧的黄海上有非降水云存在(图 4a—c)，利用双 光谱反射率算法反演的R_e如图 4d所示，其中A区和B区的云顶辐射温度为285 K左右、可见光反射率大于0.5的水云；在云系迎风一侧云带(A区)的R_e明显比下风一侧(B区)的小10 μm左右。可以推测山东半岛排放的气溶胶使得下风方靠近气溶胶区域的云粒子尺度减小。有关中国东部近海气溶胶对云参数的影响研究正在进行。

图 3(a)2001年7月10日850 hPa东北亚的大气流场及(b)MODIS测得的7月8—10日的平均气溶胶光学厚度的分布Fig. 3(a)Wind stream lines at 850 hPa on 10 July 2001 over Northeast Asia and (b)aerosol optical depth averaged from 8 to 10 July 2001

图选项

图 4 VIRS可见光(a)、近红外(b)和热红外通道(c)探测的云信号及反演的云Re(d)Fig. 4 Signals detected by(a)visible，(b)near infrared，and (c)thermal infrared channels of VIRS，and (d)retrieved Re

图选项

气溶胶对降水的作用仍存在不确定性，一些研究认为降水被气溶胶抑制(Albrecht，1989；Rosenfeld，1999)；而另一些研究则发现气溶胶可增加降水强度(Koren et al，2012)。气溶胶对降水落区的影响也存在分歧(Lowenthal et al，2000；Givati et al，2004；Lynn et al，2007)。研究表明气溶胶因其吸湿性、短波吸收率和尺寸等的差异，在降水过程中对云参数的作用也有所不同，故对降水的影响亦存在不同(Paldor，2008)。研究还表明相比于干洁区域，矿物沙尘气溶胶浓的区域内层云降水云中小粒子多、云冰粒子丰富(Min et al，2009)。

在季风区，季风与云参数及气溶胶如何相互作用是值得研究的问题。如气溶胶对季风活动的影响过程中，云参数如何变化？改变了性质的云参数又如何影响季风活动？初步的研究表明，印度季风爆发和中断阶段，由于气溶胶的作用，使得印度中部和东北部及赤道印度洋的τ_c、云比例、云高度等云参数均有显著差异(Kiran et al，2009)。Koren 等(2012)指出，气溶胶对云、特别是对降水的影响知道的还远不够。因为这一影响过程还取决于地域、季节及时空尺度。此外，由于卫星光谱遥感气溶胶和云本身就存在矛盾，因为云天时，卫星光谱不能对云下的气溶胶进行探测，这也就增加了研究云参数与气溶胶相互作用的难度。但是，由于卫星平台搭载的多仪器具有观测范围广、测量均一，且不受地域限制的优点，利用长时间卫星多仪器的观测结果，结合其他气象资料(如地面观测资料和再分析资料等)，有可能获得云参数与气溶胶相互作用的信息。4 主、被动结合研究云参数与降水关系

在成云至降水过程中，影响降水的云微物理过程十分复杂，云参数作为云微物理过程的产物，其和降水究竟存在何种关系尚缺乏认识。Ronsenfeld等采用了多种理想的云物理学假设，提出通过云红外亮温(T)和R_e分布来识别积云特征和降水形成过程(Rosenfeld et al，1998，1994；Lensky et al，1997，2003；Woodley et al，2000)，该方法为研究云参数与降水关系提供了一种思路。受到多方面因素的制约，上述理论假设的验证还有待更多试验和观测研究结果，目前仍只能通过有限的云中飞行观测以获得有限的可用信息(Woodley et al，2003；Rosenfeld et al，2006；周珺等，2010)；而影响降水的云微物理过程研究，更多还要依靠数值模式(胡志晋等，1983；肖辉等，1988；Reisin et al，1996；郭学良等，1999；雷恒池等，2008)。

要了解云参数与降水的关系，必须能够同时获得云参数和降水强度及降水类型，显然气象常规观测无法同时获取这些参数。利用地基测雨雷达和测云雷达的探测结果来研究这个问题，不失为一种途径，但不能得到大范围的云参数与降水的关系。然而，利用TRMM平台上搭载的测雨雷达(PR)和VIRS的准时间同步探测，并结合前面提到的云参数反演方法，不失为了解大范围云参数与降水关系的好方法。傅云飞等(2011)将VIRS探测的可见光/红外信号(产品资料1B01)与测雨雷达探测的降水廓线(产品资料2A25)相融合，获得降水廓线(水平分辨率约4.5 km)相应的可见光/红外5个通道的信号，然后利用双光谱反射率算法反演得到云粒子的R_e及τ_c。图 5给出1998年1月热带及副热带平均降水率、降水云相应的R_e、τ_c及云水路径，从中就可以看到云参数与降水的相关性，其缘由就是利用了测雨雷达对降水云的识别，从而实现降水云和非降水云的分离。由图中可见，雨带分布于赤道及其以南的邻近区域(即冬季赤道辐合带降水)，平均降水率在3—10 mm/h，最大可超过10 mm/h；除赤道以南非洲和南美洲外，赤道辐合带以外的降水均较小；中国东部大陆的平均降水率约为1 mm/h。利用VIRS的可见光通道和近红外通道反演的降水云R_e为10—50 μm，其中赤道辐合带的强降水R_e多大于15 μm；中国东部36°N以南的R_e均小于15 μm，赤道以南非洲和南美洲的R_e均大于15 μm。1月赤道辐合带的强降水云的平均τ_c多高于50，赤道西太平洋的平均τ_c可高于90；中国东部36°N以南虽然平均降水率和云粒子平均R_e不大，但平均τ_c却较高(大于90)，这也许与该地区气溶胶浓度高有关，详细情况还有待进一步分析。由于云水路径正比于R_e与τ_c的乘积，所以其空间分布型基本与R_e和τ_c类似，不再赘述。

图 5 利用测雨雷达与VIRS融合资料结合双光谱反射率算法反演得到的1998年1月降水云的(a)平均降水率及相应的平均(b)Re、(c)τc和(d)云水路径分布Fig. 5 Spatial distributions of(a)rain rate，(b)Re，(c)τc，and (d)LWP in January 1998，derived by merging precipitation radar(PR) and visible/infrared scanner(VIRS)together with BSR retrievals

图选项

为了解云参数与降水结构的关系，以一个锋面气旋降水个例来进行说明。图 6所示为2003年6月22日14时17分TRMM卫星经过江淮地区时，测雨雷达和VIRS探测的锋面气旋降水率(郑媛媛等，2004)、可见光反射率、热红外辐射温度及反演得到的云R_e及τ_c。图中可见该锋面气旋中心附近及冷锋上的最大降水率超过40 mm/h，暖锋附近的降水率多小于8 mm/h；气旋中心附近也相应地表现了热红外通道的低辐射温度区(多低于220 K)，即这里云顶很高(云厚)；反演的R_e及云水路径表明气旋中心附近及锋面云粒子尺度及云水含量存在差异。图 7a和b分别为锋面气旋的对流和层云降水云云顶附近R_e和云水路径的概率分布函数，可以看到对流降水和层云降水云的R_e主要分布在15—25 μm，而对流降水云中的云水路径峰值大约比层云的大200 g/m²(图 8b)，说明该锋面气旋中对流降水云的柱液态水含量比层云多。

图 6 第31925轨道降水率(a)、10.8 μm亮温(b)、有效半径Re(c)和液态水的云水路径(d)Fig. 6(a)rain rate，(b)brightness temperature at 10.8 μm，(c)Re，and (d)LWP in the Jianghuai region(from orbit 31925)

图选项

图 7 锋面气旋降水云系云顶附近(a)Re和(b)云水路径(LWP)的概率分布函数Fig. 7 Probability distribution function of Re(a) and LWP(b)in a frontal area

图选项

理想上，希望获得云中不同高度云参数的分布及其与地表降水率及降水类型的关系，这对模式中降水过程的参数化等处理都有帮助。然而，在现有的技术条件下，很难做到这一点。为此，在获得云顶附近的R_e及云水路径后，可以通过分析其降水廓线，来考察云顶附近云参数与降水垂直结构的联系。根据图 7中R_e和云水路径的概率分布函数，图 8分别给出了不同R_e和云水路径相应的对流和层云降水云的平均降水廓线。对于对流降水云，高值R_e和云水路径对应的平均降水廓线表现了最深厚的降水云和最大的地表降水率；相比之下，低值R_e和云水路径相应的平均降水廓线则表现了相对浅的降水云和小的地表降水率。这种关系在层云降水云中则不成立，层云降水云云顶附近的R_e和云水路径大小仅能指示地表降水率的强弱，而不能指示这类降水云的厚度。

图 8 不同Re(a、b)和云水路径(c、d)对应的锋面气旋降水云系中的对流(a、c)和层云(b、d)的平均降水廓线Fig. 8 Mean profiles of convective(a，c) and stratiform(b，d)precipitationunder different Re(a，b) and different LWP(c，d)values in the studied frontal cyclone

图选项

为了获得基于大样本统计意义的R_e与地表降水率的关系，图 9分别给出了中国江淮(23°—34°N，117°—119°E)、华南(25°—29°N，116°—119°E)及热带西太平洋暖池(0°—2°N，140°—150°E)地区1998—2007年夏季对流降水与层云降水云R_e随地表降水率变化的统计关系。考虑到夏季水云(热红外10.8 μm通道温度高于268 K，通常定义为浅薄降水云)和非水云(冰云及冰水混合云，这里定义为深厚降水云)降水物理过程的差异，将对流降水和层云降水都分为水云和非水云两种。对于水云，3个区域的对流和层云降水云的R_e均随降水率的增大而减小，西太平洋暖池尤其如此，这也许是水云垂直厚度有限，云粒子没有足够垂直空间来长大的原因。这类降水过程的云物理机理尚待深入研究。

图 9 夏季江淮(JH)、华南(HN)、热带西太平洋暖池(NC)地区降水云顶部Re与地表雨强的关系(a、b．水云，c、d．非水云；a、c．对流降水云，b、d．层云降水云) Fig. 9 The relationship between Re and rain rate for water cloud(a，b) and no-water cloud(c，d)in summer over Jianghuai(JH)，Huanan(HN)，Nuanchi(NC)region，respectively(a，c．convective precipitation，b，d．stratiform precipitation)

图选项

对于深厚降水云，热带西太平洋暖池对流降水云的R_e似乎不随降水率的增大而变化，可能洋面深厚降水过程(如粒子碰并增长过程)主要发生在云体的中下层，故云顶附近粒子大小变化幅度不大；而这里层云降水云R_e随着降水的增大稍有减小，这是因为洋面层云降水多由对流降水消亡产生，这时云中的上升气流弱，在重力作用下大粒子快速下降可能是造成地表降水增强的原因，相应地云顶附近R_e自然就小。在中国江淮及华南地区，对流降水云R_e随降水率增大而增大，说明这两个区域夏季强对流降水发生时，云内出现强烈的上升气流可以把中低层云粒子带到云顶附近，致使云顶附近云粒子尺度也相应增大。对于这两个地区深厚的层云降水，华南降水层云的R_e似乎也随地面降水增强而增大，估计这里的层云降水或许受到地形强迫作用(这里为山区)，云中上升气流也大，故云顶附近R_e也大；江淮地区的层云降水R_e与地表雨强关系表现独特，在2 mm/h 雨强以下，R_e随着雨强增强而减小，随后，当雨强增强时R_e缓慢增大，其机理尚不清楚。此外，图 9还表明对于同样的地表雨强，热带西太平洋暖池对流和层云的R_e也比内陆的大3—5 μm；内陆的江淮地区深厚和浅薄对流降水云、浅薄层云降水云的R_e最小。洋面和内陆R_e的这种差异是否由气溶胶间接效应产生，还有待研究。

就云水路径与地表雨强关系而言，不论对于水云降水还是非水云降水，图 10表明地表雨强越强，云中的云水路径越大，这很合乎道理。但这一关系在3个地区还有所差异，对同样的地表雨强，江淮和华南地区的水云云水路径比热带西太平洋暖池的大0.2—0.4 kg/m²；对深厚降水云，同样的地表雨强，江淮地区云中也需要更多的云水(对流降水更是如此)，其机理也有待细究。

图 10 同图 9，但为云水路径与地表雨强的关系Fig. 10 As in Fig. 9，but for the relationship between LWP and rain rate

图选项

由于热红外10.8 μm通道可以表征云顶高度，即该通道辐射温度越低，则云顶越高。利用这个特点，图 11给出了对流降水与层云降水云中云水路径随该通道辐射温度的变化，即不同厚度降水云云水路径随云顶高度的分布。可以看到江淮和华南地区该通道温度从280 K降至220 K(即云顶增高时)，云水路径也增大；但云顶温度低于220 K后，云水路径基本不变；而对于热带西太平洋暖池地区，云水路径则一直随云顶的增高而增大，说明洋面与陆面降水云的云水随高度变化的差异。此外，云顶辐射温度高于220 K时，对同样云顶高度的降水云，图 11表明江淮地区降水中的云水路径最高、华南次之，热带西太平洋暖池的最小。上述都说明不同地区降水云云体含水量不同对地表降水强度有着直接的影响。相关的细节研究还正在进行。

图 11 夏季江淮、华南、热带西太平洋暖池降水云云水路径随云顶辐射温度(10.8 μm通道)的变化(a．对流降水云，b．层云降水云)Fig. 11 The relationship between LWP and brightness temperature at 10.8 μm in summer over Jianghuai(JH)，Huanan(HN)，Nuanchi(NC)region，respectively(a．Convective precipitation，b．stratiform precipitation)

图选项

由于热带测雨卫星首次搭载测雨雷达，并同时搭载可见光/红外扫描仪等仪器，将它们的探测融合，结合光谱反演方法获得云参数，建立降水类型及降水廓线与相应云参数的数据集，可克服以往降水与云参数信息不同步的缺陷，就能从新的角度来研究降水云与非降水云的云参数差异、降水云的雨强与云参数之间关系等，这正是本文的初衷，相关的研究正在开展之中。5 结 语

利用卫星平台上可见光与红外通道探测和反演的云参数，在今后相当长时间里是了解云系云特性的一种主要方法，因为可见光与红外通道探测仪器仍是静止卫星和极轨卫星上搭载光谱仪器的主要通道，特别是静止卫星上的可见光与红外通道遥感具有时间分辨率高的优点。因此，充分利用好可见光与红外通道仪器探测数据，发展云参数反演方法，并结合其他仪器探测结果，如星载测雨雷达和测云雷达等，对研究云系特征及其辐射效应、气溶胶间接效应等，并用于数值模式，来提高天气预报和气候预测的准确率都具有重要意义。

本文回顾了云参数的卫星双光谱反射率反演原理，并用VIRR探测的个例数据结合双光谱反射率算法，反演给出了云参数分布；介绍了有关利用云参数研究气溶胶间接效应，通过个例分析了中国近海云参数受到内陆气溶胶的影响，结果表明气溶胶的作用，使得云粒子有效半径减小了10 μm。

最后介绍了新近通过融合星载测雨雷达与可见光/红外扫描仪的探测结果，在利用双光谱反射率反演算法获得云参数后，对云参数与雨强、类型及结构关系进行了研究。结果表明热带及副热带的降水云R_e在10—50 μm，强降水云的τ_c高于50；中国东部36°N以南的平均雨强和云粒子平均R_e较小，但平均τ_c却大于90，这一现象也许与该地区气溶胶浓度高有关。个例分析结果表明云顶附近的云粒子尺度及云水路径可以很好地指示对流降水云团的厚度及强度。中国江淮、华南和热带西太平洋暖池的水云R_e均随降水率的增大而减小，而热带西太平洋暖池深厚对流降水云的R_e似乎不随降水率的增大而变化，但层云降水云R_e随降水率的增大稍有减小；中国江淮及华南地区的深厚对流降水云R_e随降水率增大而增大，江淮地区的层云降水R_e与地表雨强关系表现复杂。上述机理尚待研究。

由于星载光谱探测不能给出云内部的信息，因此，将星载光谱探测与星载被动微波、测雨雷达、测云雷达和激光雷达探测结果融合，发展相应的云参数反演算法，不仅可获得云顶附近的云参数，而且能反映云内部信息的云参数廓线，这对降水和潜热反演都具有十分重要的意义，也是未来10年或更长时间里努力的目标。

中国风云系列卫星搭载的多仪器性能已经有了很大提升(Yang et al，2012；Zhang et al，2009；张鹏等，2012)，充分利用好其卫星资料，可以改进和提高卫星资料应用水平。中国气候属于典型的季风区气候，云系变化受控于季风活动，云系的地域性差异也十分显著。选择能代表典型天气系统的地点，建立地基综合仪器观测站(超级站)对云系结构等特征进行探测，是检验卫星多仪器遥感反演云参数的必要手段。同时，发展机载光谱及主、被动微波探测云系，不仅可以检验卫星遥感反演云参数，也是迈向气象学科强国的标志之一。