进展：基于Himawari-8卫星的云参数综合反演

云覆盖地球表面的三分之二以上，是地球-大气系统的重要组成部分。云参数反演的必要性体现在以下三个方面：①云是气候预测和模拟不确定性的重要来源；云对地球辐射收支的影响，取决于云顶高度（CTH）、云相态、云光学厚度（τ）和云顶粒子有效半径（Re）等物理参数。②在分析气溶胶-云-降水-气候相互作用，特别是城市化和人为气溶胶排放对海洋层积云、浅对流云和暖雨过程的影响时，CTH、τ和Re也是主要工具。③云相态、τ和Re是目前主要快速辐射传输模式（如CRTM、RTTOV）进行云内辐射传输模拟的基本参数；提供精确的云相态、τ和Re观测，是提高云区辐射资料同化的关键。

诸葛小勇博士及合作者近几年致力于云参数反演算法研究，发表了多篇研究论文（Zhuge et al., 2016; 2017; 2021a; 2021b; Zhang et al., 2019），并建立了基于Himawari-8卫星的云产品数据集。目前数据集时间跨度为2017~2019年，时间分辨率为半小时；空间覆盖10°~50°N之间的西北太平洋和东亚地区；主要参数包括云掩膜、云顶气压、CTH、云顶温度、云相态、云分类、τ和Re、沙尘掩膜等。

相比国外同类产品，新数据集具有更高的分辨率和精度。部分云参数的反演精度甚至高于MODIS官方云产品（Collection-6.1 MOD06）。以云相态为例，新数据集的云相态在水云和冰云的检测率上均高于MOD06产品（CALIPSO相态为真值；图1）。MOD06在陆地上有很多像素的相态为“不确定”，新数据集明显减少了这类结果；MOD06在海洋上有很多冰相像素对应的云顶温度高于0°C，这是不合理的，新数据集也不存在这一情况（图2）。另外，新数据集生成的τ和Re总体与MOD06一致，相关系数为0.7~0.9（图3和图4）。然而，不管是1.6μm还是3.9μm通道，新数据集的冰云Re相比于MOD06产品都存在一个系统性的略偏大，这是由于反演所用的查找表不完全一致导致的。

图1.以CALIPSO相态为参照， MOD06(实心bar)和新数据集（条纹bar）的水云（绿色）、冰云（蓝色）和不确定相态云（红色）所占比例。图(a)和图(b)分别对应CALIPSO认为的水云和冰云。

图2.MOD06(虚线)和新数据集（实线）的水云（绿色）、冰云（蓝色）和不确定相态云（红色）样本数随云顶温度的变化曲线。图(a)和图(b)分别是海上和陆上的统计结果。

图3.MOD06与新数据集τ和Re反演值的散点分布图。颜色代表相对频率。本图只针对水云。

图4.冰云,其他同图3。

作为应用示范，简单利用2017年夏季的云产品分析了云参数的分布和变化。在海上，不管是水云和冰云的发生频率，还是Re和τ的平均值，都没有呈现明显的日变化特征，即使是在梅雨锋内。在陆地上，水云的发生频率峰值出现在日间；冰云发生频率峰值时间则因地而异，比如，四川盆地在凌晨三点前后（所谓“巴山夜雨”），蒙古高原在傍晚6点，而中南半岛在夜间12点前后。

本研究是在国家重点研发计划“台风强度/结构变化的关键动力-热力过程及预报理论研究”项目支持下完成的。近期还将基于云产品数据集和台风最佳路径资料生成台风数据集。

参考文献：

Zhuge, X., andX. Zou, 2016: Test of a Modified Infrared-Only ABI Cloud Mask Algorithm for AHIRadiance Observations. J. Appl. Meteor.Climatol., 55, 2529-2546.

Zhuge, X., X.Zou, and Y. Wang, 2017: A Fast Cloud Detection Algorithm Applicable toMonitoring and Nowcasting of Daytime Cloud Systems. IEEE Trans. Geosci. Remote Sens., 55(11), 6111-6119.

Zhuge, X., X.Zou, and Y. Wang, 2021a: Determining AHI Cloud-Top Phase and Intercomparisons WithMODIS Products Over North Pacific. IEEETrans. Geosci. Remote Sens., 59(1), XX-XX. DOI: 10.1109/TGRS.2020.2990955

Zhuge, X., X.Zou, and Y. Wang, 2021b: AHI-derived Daytime Cloud Optical/MicrophysicalProperties and Their Evaluations with the Collection-6.1 MOD06 Product. IEEE Trans. Geosci. Remote Sens.,inpress. DOI: 10.1109/TGRS.2020.3027017

Zhang, C., X.Zhuge, and F. Yu, 2019: Development of a high spatiotemporal resolutioncloud-type classification approach using Himawari-8 and CloudSat, Int. J. Remote Sens., 40(16), 6464-6481.