東亞地區云垂直結構的CloudSat衛星觀測研究

彭杰 張華 沈新勇

1 南京信息工程大學氣象災害省部共建教育部重點實驗室，南京 210044 2 中國氣象科學研究院，北京 100081

3 中國氣象局氣候研究開放實驗室，國家氣候中心，北京 100081

1 引言

到目前為止，云仍然是氣候模擬和氣候變化研究中最大的不確定因子之一。首先，云本身在地氣系統輻射平衡中扮演著雙重角色，一方面，云將到達大氣層頂的太陽短波輻射反射回太空，對地氣系統起冷卻作用，另外一方面，地表受到太陽輻射加熱后放射出的長波輻射又被大氣中的云截獲，對地氣系統起加熱作用；其次云和氣溶膠之間的相互作用導致的直接和間接輻射強迫的氣候效應十分明顯，但目前對于此作用的科學理解水平還很低（Forster et al.，2007）。因此，準確模擬云在氣候變化中的作用是目前大尺度天氣氣候模式中的難點和熱點問題，而這其中的重點之一是如何準確模擬云在輻射收支方面的作用及其對氣候的影響。對于云對氣候的反饋作用模擬的差異，主要取決于對云輻射強迫模擬的差異，是導致不同的大氣環流模式之間模擬結果差異的重要原因之一（Cess et al.，1989，1990）。云的輻射強迫為某一給定大氣的凈太陽輻射通量（向下通量減去向上通量）與假定云不存在時同一大氣的凈太陽輻射通量之差（石廣玉，2007），其值表征云對于地球氣候系統能量收支平衡的影響，提高對云輻射過程和云的輻射強迫模擬的準確度成為提高氣候模式模擬精度的關鍵。國內外在該領域已經開展了多年的研究（Arking，1991；趙高祥和汪宏七，1994；Wielicki et al.，1995；劉玉芝等，2007）。由于對于云結構的精確描述目前仍然是大尺度氣候模式中的難點，因此在氣候模式描述云輻射過程中，云的垂直分布的不確定性是研究云對氣候影響的最大障礙之一（Barker et al.，1999）。地表觀測表明，云層常常是重疊的（Wang et al.，2000）。多層云的重疊問題對大氣和地表的輻射加熱（或冷卻）率有很大影響。而云的加熱率不僅影響云的發展，也對大氣和地表的輻射收支平衡產生重要影響（荊現文等，2009；張華和荊現文，2010）。例如，到達地面的輻射通量在晴空大氣環流模式（General circulation model）之間的差別僅為幾W m–2，而有云大氣在大氣環流模式之間的差別卻高達 100 W m–2（Barker et al.，1999）。

在氣候模式中，處理云在垂直方向上的重疊時采取了不同的假設，如最大重疊，隨機重疊以及最大／隨機重疊和指數衰減重疊。而Liang and Wang（1997）提出了一個處理多層云重疊的“馬賽克”（MOASAIC）方法，在大氣環流模式輻射參數化中顯式地考慮云的垂直相關，結果表明，大氣環流模式對云的垂直重疊的處理非常敏感，與假定隨機云重疊的結果相比，顯式處理云相關的大氣環流模式結果具有非常不同的大氣輻射加熱率分布，所導致的氣候影響非常大：熱帶和副熱帶對流層的中高層大氣在全年變暖超過 3℃，兩極夜間北半球平流層變得更暖，最大超過15℃。

為了在大氣環流模式中給出準確描述云的重疊的參數化方案，就需要用觀測資料提供云的空間分布特征作為基礎和驗證。研究表明：云的垂直結構（Cloud Vertical Structures）是非常重要的云宏觀特征（Slingo and Slingo，1988；Randall et al.，1989；Wang and Rossow，1998），這一結構主要包含云層數目和間距，以及它們的高度分布等。以往的衛星和地面觀測提供的云量垂直分布的信息非常有限（Wang et al.，2000），而在2006年4月美國航天航空局（NASA）成功發射了太陽極軌云觀測衛星CloudSat，其上所搭載的94 GHz毫米波云觀測雷達垂直分辨率非常高，為我們研究云的垂直結構提供了豐富的觀測資料。

CloudSat資料已經被用于研究東亞地區的云垂直結構。比如：Luo et al.（2009）采用14個月的CloudSat觀測資料對比分析了東亞地區和印度季風區的云量和云垂直結構及其季節變化；汪會等（2011）采用3年（2006年9月至2009年8月）的CloudSat資料進一步對比分析了東亞季風區、印度季風區、西北太平洋季風區和青藏高原地區的云量和云垂直結構及其季節變化特征，還進一步分析了亞洲季風區低云量的分布及其與對流層低層穩定性的相關。

本文運用統計的方法，對CloudSat衛星觀測資料加以分析和研究，不僅將東亞地區作為一個整體進行研究，而且將東亞地區分為5個子區域分別進行分析，在Luo et al.（2009）和汪會等（2011）研究結果的基礎上進一步細化了對東亞地區云的垂直分布特征的理解，為今后在氣候模式中精確描述該地區云的垂直結構提供一定的參考依據。

2 衛星觀測數據描述與處理

本文采用了CloudSat所搭載的94 GHz毫米波云廓線雷達（CPR）提供的觀測資料，分析了2007～2009年3年的資料，用3月、4月和5月份的平均結果表征春季，6月、7月和8月表征夏季，9月、10月和11月表征秋季，12月、1月和2月表征冬季。CloudSat衛星是2006年4月28日（UTC）由美國航天航空管理局（NASA）成功發射入太空的太陽極軌氣象觀測衛星，幾周后開始獲得相關數據。CloudSat每根軌道運行時間約為2小時，進行約37081次掃描，掃描星下點為1.1 km（沿軌道運行方向）×1.3 km（垂直軌道運行方向）的區域，垂直方向掃描30 km，并分為厚度為0.24 km的125層，掃描信息以1.1 km×1.3 km×0.24 km的掃描格點為單位儲存，目前已經反演出多種2級產品（參見http://www.cloudsat.cira.colostate.edu/cloudsat_doc umentation/CloudSat_Data_Users_Handbook.pdf.[20 12-01-09]）。

本文工作主要使用了二級產品中 2B-GEOPROF和 2B-GROPROF-Lidar（參見網站 http://cloudsat.cira.colostate.edu/dataSpecs.php.[2012-01-04]），前者信息來自于CloudSat衛星上搭載的94 GHz毫米波雷達，后者信息同時整合了CloudSat搭載的毫米波雷達的信息和與 CloudSat同軌道，運行時差只有15秒的CALIPSO衛星搭載的激光雷達的信息，結合兩者可同時發揮毫米波雷達和激光雷達的優點。在判斷掃描格點中是否存在云時，我們用到了2B-GEOPROF產品中的CPR_Cloud_mask和Radar_Reflectivity數據以及 2B-GEOPROF-Lidar中的CloudFraction數據。其中，CPR_Cloud_mask的數據說明見表1。而Radar_Reflectivity中所含的信息是雷達的反射率因子的對數表現值，單位是dBZ，CPR的最小可探測信號大約為－30 dBZ；Cloud-Fraction所包含的數據是經過激光雷達訂正過的掃描格點中存在云的部分的百分比。Luo et al.（2009）和 Barker（2008a）在各自工作中對于確定掃描格點中是否存在云同樣使用了上述3部分數據，但是使用了不同的閾值法。前者在滿足Radar_Reflectivity ≥－28 dBZ的前提下，將掃描格點的信息整合為厚度為1 km的垂直層，假如組成1 km的雷達掃描格點中格點滿足 CPR_Cloud_mask≥20，即認為掃描格點云量為 100%，否則掃描格點的云量等同于 CloudFraction的值；后者則在滿足Radar_Reflectivity ≥－30 dBZ的前提下，采用只有同時滿足 CPR_Cloud_mask≥20和 CloudFraction≥99%時，才認定該掃描格點云量為100%，否則云量為0。兩者比較，前者的方法認為只要CloudSat上搭載的毫米波雷達和 CALIPSO搭載的激光雷達二者有其一探測到存在云，就認為掃描格點存在云，而后者認為只有毫米波雷達和激光雷達同時探測到云才認為掃描格點存在云，前者會比后者高估云存在的概率，而本文在兩種方法的基礎上選取了折中的閾值法，即，當每個掃描格點的數據滿足Radar_Reflectivity ≥－30 dBZ和 CPR_Cloud_ask≥20；或者 Radar_ Reflectivity≥－30 dBZ和CPR_Cloud_mask ≤20 和 CloudFraction ≥99%時，我們認為該掃描格點有云存在，否則掃描格點無云存在。

表1 CPR_Cloud_mask數據值說明Table 1 Values assigned to Cloud_mask Field of CloudSat data

3 研究方法

圖1給出的是本文研究的區域的示意圖。我們研究了圖1所示的整個東亞地區（記為Total），同時因為東亞地區屬季風氣候，不同區域具有不同的氣候特征。為了比較細致的研究它們之的差別，我們參照1995年版《中國自然地理》（趙濟，1995）中的劃分方法，按照圖1所示將東亞的主要區域劃分為西北地區（以下簡稱Nw）、青藏高原區（以下簡稱Tibet）、北方地區（以下簡稱North）、南方地區（以下簡稱South）和東部海域（以下簡稱E.O）5個部分，分別進行研究。綜合一共得到6個區域的結果。

下面以Tibet和2007年1月為例說明本文的計算思路。CloudSat的資料是以軌道為單位儲存，因此本文首先選取出2007年1月中運行的所有軌道，接著根據掃描廓線的經緯度依次提取出這些軌道經過Tibet的部分，并將此部分以50根廓線為單位劃分為子區域（下文簡稱子域），然后判斷出子域中的每個掃描格點是否存在云。接著計算出每個子域內不同高度上存在云的格點數據與這一高度掃描格點總數（50）的比值，近似的認為此值為該子域在不同高度上的云量。需要特別說明的是，這里的近似是因為氣候研究中通常定義的云量是指某一時刻觀測到的天空中存在云的面積與天空面積的比值，是單一時刻的觀測量，而由于 CloudSat每0.16秒完成一次單根廓線的掃描，因而將此處由50根廓線所組成的子域中存在云的掃描格點與全部掃描格點的比值近似為云量，也就是將 50個時刻觀測到的值近似為單個時刻觀測到的值，但是由于完成50根廓線的掃描只需要8秒鐘，因此這里的近似處理相當于將8秒內50個時刻的觀測數據近似為只觀測了單個時刻，而該單個觀測過程需要8秒時間。其次，以月為單位計算出經過Tibet所有子域不同高度云量的算術平均值，這一平均值就代表Tibet區域在2007年1月不同高度上的云量平均值。然后，我們計算出2007年1月經過Tibet的所有廓線中單層云和多層云（2層及2層以上）的數目（廓線中存在云的掃描格點在垂直方向連續的層數定義為此廓線中的云層的數目），同樣以月為單位計算出這些值與掃描廓線總數的比值，這一比值在本文就代表Tibet區域在2007年1月中的單層云和多層云的出現概率；最后計算出每個廓線中云層的云頂/云低高度，同樣以月為單位計算出這些值與掃描廓線總數的比值，這一比值在本文就代表 Tibet區域在2007年1月中平均的云頂/底高度最后，計算出所有區域在3年共36個月中的平均值之后，再平均出春夏秋冬4個季節的結果，其中春季為2007年至2009年3月、4月和5月共9個月的平均值，夏季為6、7和8月的平均值，秋季為9、10和11月的平均值，冬季為12、1和2月的平均值，同時計算了每9個月平均值組成的集合的標準差。表2給出了6個區域4個季節統計的掃描廓線數。

圖1 研究區域劃分示意圖Fig.1 The schematic of regional divisions in this work

圖2 6個區域季節平均的云量隨高度的變化:（a）春季；（b）夏季；（c）秋季；（d）冬季Fig.2 Variation of seasonal averaged cloud amount with height in six regions: (a) Spring; (b) summer; (c) autumn; (d) winter

表2 6個區域4個季節統計的掃描廓線數Table 2 The number of calculated pixels in 6 regions for four seasons

4 結果分析與討論

4.1 云量的垂直分布及其季節變化

圖2（見文后彩圖）分別給出6個研究區域4個季節不同高度的平均云量，誤差棒表示該高度上的標準差。從垂直方向上云量峰值的季節分布來看，E.O區域與其他5個以陸地下墊面為主的區域有著明顯的差別，E.O垂直方向上面云量峰值的最大值出現在冬季，達到了0.31，春秋季次之，最小值出現在夏季，為0.21；而其他5個區域的云量峰值的最大值都出現在夏季，分別為Total：0.23；Nw：0.23；North：0.24；South：0.24；Tibet：0.35。Total區域、North區域和 South區域峰值的最小值都出現在秋季，依次為0.16、0.19和0.18；而Nw區域和Tibet區域的最小值都出現在冬季，依次為0.16和0.19。從誤差棒表示的標準差可以看出，總體而言，圖中所示季節的平均值對于3年9個月的平均狀態有較好的代表性，但不同區域 9個月的變化幅度各不相同，Tibet、North和 E.O變化相對比較大，標準差最大值依次達到了 0.1、0.06和0.06，而其他 3個區域變化較小，標準差分別為Total：0.03，NW：0.05和 South：0.04。

4.2 東亞地區云垂直結構參數的統計

Wang and Rossow（1998）通過在戈達德空間研究所（Goddard Institute of Space Studies）的大氣環流模式（GISS GCM）中的13個試驗，總結出了幾個重要的云垂直結構參數：（1）云是否重疊（即有無多層云）；（2）多層云系統中云層之間的距離；（3）最上層云頂位置高度。我們通過對CloudSat衛星資料的分析，統計了東亞地區的上述三個云垂直結構參數。圖3分別給出四個季節在6個研究區域發生多層云的平均概率，誤差棒同樣表示標準差。因為在統計的過程發現云層數目超過 5層的概率非常小，基本在 0.001左右，因此，圖中只給出了存在云的總概率和1至4層云出現的概率。整體而言，東亞地區單層云出現的概率在春夏秋冬分別為52.2%、48.1%、49.2%和51.9%，在冬春季最大，秋季次之，夏秋最小，而多層（2層和2層以上）云出現的概率在春夏秋冬分別為24.2%、31.0%、19.7%和15.8%，在夏季最大，春秋季次之，冬季最小，與出現云的總概率一致，與汪會等（2011）的研究結果中對東亞季風區的研究結果相符。

從存在云的總概率來看，4個季節的區域差異都一致地呈現出South區域最大，春夏秋冬依次為84.5%、89.3%、81.6%和78.5%，Total和E.O次之，而后是North區域，最小的是Nw區域，春夏秋冬分別為70.3%、68.6%、55.5%和65.6%。反映出南方地區出現云的概率大，而北方地區則相對較小；海洋上空出現云的概率大，而陸地上空出現云的概率小的特點。由于 Tibet區域的情況比較特殊，夏季作為熱源，加上季風帶來的充足水氣，存在云的概率超過了E.O，僅次于South區域，而秋冬季又小于E.O地區和Total區域，在春季與兩者持平。比較不同季節之間的差異，除了Nw之外的5個區域出現云的總概率都呈現出在夏季最大，春秋季次之，冬季最小的特征。

以上結果表明，東亞地區南方的多層云比北方多，海洋上空的多層云比陸地上空的多；且與之前的研究（Luo et al.，2009；汪會等，2011）結果相一致地表現出夏季多云、冬季少云，夏季多云主要是因為多層云的概率增加所致。

圖3 6個區域發生多層云的季節平均概率:（a）春季；（b）夏季；（c）秋季；（d）冬季Fig.3 Seasonal averaged probability of multilayer cloud occurrence in six regions: (a) Spring; (b) summer; (c) autumn; (d) winter

圖4 4個季節6個區域平均云層高度和厚度:（a）單層云系統；（b）雙層云系統；（c）三層云系統；（d）四層云系統Fig.4 The mean level and thickness of clouds in six regions for four seasons: (a) Single-layer cloud system; (b) two-layer cloud system; (c) three-layer cloud system; (d) four-layer cloud system

為了研究整個東亞地區以及5個子區域的云層高度和厚度，對本文得到的CloudSat衛星的觀測數據進行統計分析，分別按照6個研究區域和4個季節進行研究，同時，在多層云出現的情況下，再按照云層出現數目的不同區分，分別計算出不同區域、不同季節在不同云系統情況下的云頂高度和云底高度的平均值。圖 4（見文后彩圖）分別給出整個東亞地區中6個研究區域，1層云、2層云、3層云和 4層云系統中各層云的云頂和云底高的平均值。先看單層云系統的平均云頂高，對比4個季節，Nw平均云頂高最大值出現在春季，其他5個區域平均云頂高最大值都出現在夏季。夏季的6個區域之間比較，平均云頂最高的區域是South區域，為10.3 km，平均云頂最低的區域是North區域，為7.6 km；春秋季的平均云頂高低于夏季，春季平均云頂高位于Nw區域的8.3 km和E.O區域的8.0 km之間；秋季的平均云頂高位于South區域的5.9 km和Tibet區域的7.4 km之間，除了Nw區域和Tibet區域冬季云頂高略高于秋季外，其他區域的平均云頂高都是冬季最低；冬季，平均云頂最高的區域是Nw區域，為7.3 km，平均云頂最低的區域是E.O區域，為3.9 km。從云的平均厚度來看，4個季節對比，夏季的平均云厚度最大，6個區域平均厚度最大的是South區域，為4.6 km，最小的是Nw區域，為3.0 km；春秋次之，平均厚度的范圍分別是2.6 km到3.1 km之間和2.1 km和3.0 km之間；冬季最小，6個區域平均厚度最大是發生在Nw區域為2.3 km，平均厚度最小的是South區域，為1.7 km。對2層、3層和4層云系統，最高層云云頂高的平均值除了個別地區之外，同樣是夏季最高，春秋次之，冬季最小。下面分春夏秋冬四個季節給予具體描述。對春秋兩季，2層、3層和4層云系統中第二，第三和第四層云的平均云頂高最大的都是發生在South區域，分別為11.0 km、12.6 km和14.3 km，和11.8 km、14.2 km和15.4 km，最小的則都是發生在North區域，分別為9.3 km、10.3 km和10.7 km，和8.8 km、9.9 km和10.7 km。夏季，2層和3層云系統中第二層和第三層云的平均云頂高最大的都是在South區域，分別為14.2 km和15.6 km，最小的都是在Nw區域，分別為10.0 km和10.8 km；而4層云系統中第四層云的平均云頂高最大的則發生在Tibet區域，為15.9 km，最小的也是在Nw區域，為11.4 km。冬季，2層、3層和4層云系統中第二，第三和第四層云的平均云頂高最大的都是發生在E.O區域，分別為9.4 km、12.2 km和13.4 km，最小的分別發生在North，North和Tibet區域，值分別為8.2 km、9.0 km和8.3 km。不同研究區域之間的差別體現出，位于東亞南部地區和海洋下墊面上空的云層比較高，而位于東亞北部的云層比較低，且東亞南北部之間差別比較大。觀察云層厚度的變化，平均云層厚度大部分位于1 km到3 km之間，且不同區域的云層厚度差別較小，隨季節變化也不大。一個明顯趨勢是當多層云系統中的云層數目增加時，云層的平均厚度減少，驗證了Luo et al.（2009）對于東亞和南亞地區的研究結論，此外較高層的云層平均厚度大于較低層的云層平均厚度。

許多研究表明，多層云系統中云層之間的距離也是重要的云垂直結構參數之一（Barker，2008a，2008b），因此，本文對云層的間距參數也進行了分析。表3給出6個研究區域4個季節不同云系統下云層間距的平均值。結果表明：東亞地區云層間距的季節平均值位于5.7 km到1.1 km之間，同一區域間距的季節變化不大，秋季和夏季略為偏高，春季和冬季略為偏低。North和Nw區域的云層間距最小，South區域和E.O區域云層間距最大，說明海洋為主的下墊面區域的云層間距大于以陸地為主的下墊面區域的云層間距，處于較低緯的 South區域和 E.O區域的云層間距大于處于較高緯的North區域和Nw區域的云層間距，另一個明顯的趨勢是隨著云系統中云層數目的增加，云層間距逐漸縮小。本文的研究結果表明，6個區域云層間距的概率分布基本呈單峰分布，概率峰值出現在0.08～0.3之間，且云層數越多，概率越大。出現峰值范圍的云層間距在1～3 km之間，各區域之間沒有大的區別，季節的變化也不大，這與李積明等（2009）的研究結果是一致的。因此，在此只給出夏季6個研究區域2層、3層和4層云系統情況下云層間距的概率分布（見圖5）。

5 討論和結論

本文利用CloudSat提供的2007～2009年三整年的衛星觀測資料，詳細分析了東亞不同區域云的分布的統計特征，得出以下結論：

（1）東亞地區單層云出現的概率在春夏秋冬分別為 52.2%、48.1%、49.2%和 51.9%，而多層（2層和 2層以上）云出現的概率在春夏秋冬分別為24.2%、31.0%、19.7%和 15.8%。出現單層云的概率遠高于多層云出現的概率。

（2）東亞地區不同高度的云量之和具有明顯的季節變化趨勢：夏季最大，春秋次之，冬季最小。海洋上空的單層云量最大值出現在冬季，而在陸地上空則出現在夏季。

（3）從存在云的總概率的統計結果得出，東亞地區具有南方云多，北方云少；海洋上空云多，陸地上空云少的特點。季節變化表明，夏季存在云的總概率最大，冬季最小，而存在單層云的概率反而是夏季最小，春冬季最大，表明云出現的總概率的變化趨勢主要由多層云出現概率的變化趨勢決定。

表3 6個區域4個季節不同云系統下云層間距的平均值（單位：km）Table 3 The mean values of intervals between cloud layers in different cloud systems in six regions for four seasons (units: km)

圖5 6個區域夏季的云層間距的分布概率：（a）雙層云系統中第二層與第一層云的間距；（b）三層云系統中第二層與第一層云的間距；（c）三層云系統中第三層與第二層云的間距；（d）四層云系統中第二層與第一層云的間距；（e）四層云系統中第三層與第二層云的間距；（f）四層云系統中第四層與第三層云的間距Fig.5 The occurrence probability distribution of intervals among cloud layers at summer in six regions: (a) For the intervals between the 1st and 2nd layers in two-layer cloud system; (b) for the intervals between the 1st and 2nd layers in three-layer cloud system; (c) for the intervals between the 2nd and 3rd layers in three-layer cloud system; (d) for the intervals between the 1st and 2nd layers in four-layer cloud system; (e) for the intervals between the 2nd and 3rd layers in four-layer cloud system; (f) for the intervals between the 4th and 3rd layers in four-layer cloud system

（4）季節平均的云層高度結果表明：位于東亞南部地區和海洋下墊面上空的云層比較高，而位于東亞北部的云層比較低，且東亞南北部之間差別比較大。觀察云層厚度的變化，平均云層厚度大部分位于1 km到3 km之間，且不同區域的云層厚度差別較小。一個明顯趨勢是當多層云系統中的云層數目增加時，云層的平均厚度減少，且較高層的云層平均厚度大于較低層的云層平均厚度。

（5）分析多層云系統中云層間距的概率分布表明：出現峰值概率的云層間距在1～3 km之間，各區域之間沒有大的區別，季節的變化也不大。而云層間距出現的概率的極大值在0.8～0.3之間，且云層越多，概率越大。

以上研究結果是本文利用最新發射的云觀測衛星 CloudSat同時結合了與其同軌道的激光雷達觀測衛星CALIPSO 2007～2009年3年的觀測資料，經過處理和分析得到的。目前其他的觀測手段尚無法獲取如此高垂直分辨率的云的結構信息。因此，本文的結果對于理解東亞地區及其5個子區域云的垂直結構，并在氣候模式中精確描述該地區云的結構提供了可供參考的定量信息，具有十分重要的意義。

致謝 本文所用的資料來自美國宇航局（NASA）的 CloudSat 項目，在此表示感謝。

（References）

Arking A.1991.The radiative effects of clouds and their impact on climate[J].Bull.Amer.Meteor.Soc., 72: 795–813.

Barker H W.2008a.Overlap of fractional cloud for radiation calculations in GCMs: A global analysis using CloudSat and CALIPSO data [J].J.Geophys.Res., 113: D00A01, doi: 10.1029/2207JD009677.

Barker H W.2008b.Representing cloud overlap with an effective decorrelation length: An assessment using CloudSat and CALIPSO data[J].J.Geophys.Res., 113: D24205, doi: 10.1029/2008JD010391.

Barker H W, Stephens G L, Fu Q.1999.The sensitivity of domain-averaged solar fluxes to assumptions about cloud geometry [J].Quart.J.Roy.Meteor.Soc., 125: 2127–2152.

Cess R D, Potter G L, Blanchet J P, et al.1989.Interpretation of cloud-climate feedback as produced by 14 atmospheric general circulation models [J].Science, 245: 513–516.

Cess R D, Potter G L, Blanchet J P, et al.1990.Intercomparison and interpretation of climate feedback processes in 19 atmospheric general circulation models [J].J.Geophys.Res., 95: 16601–16615.

Forster P, Ramaswamy V, Artaxo P, et al.2007.Changes in atmospheric constituents and in radiative forcing [M]// Solomon S, Qin D, Manning M,et al, Eds.Climate Change 2007: The Physical Science Basis.Contribution of Working Group I to the Fourth Assessment Report of the Inter- governmental Panel on Climate Change.Cambridge, United Kingdom and New York: Cambridge University Press.

石廣玉.2007.大氣輻射學 [M].北京: 科學出版社, 302–318. Shi Guangyu.2007.Atmospheric Radiation (in Chinese) [M].Beijing:Science Press, 302–318.

荊現文, 張華, 郭品文.2009.氣候模式中云的次網格結構對全球輻射影響的研究 [J].氣象學報, 67 (6): 1058–1068. Jing Xianwen, Zhang Hua, Guo Pinwen.2009.A study of the effect of sub-grid cloud structure on global radiation in climate models [J].Acta Meteorologica Sinica (in Chinese), 67 (6): 1058–1068.

李積明, 黃建平, 衣育紅, 等.2009.利用星載激光雷達資料研究東亞地區云垂直分布的統計特征 [J].大氣科學, 33 (4): 698–707. Li Jiming,Huang Jianping, Yi Yuhong, et al.2009.Analysis of vertical distribution of cloud in East Asia by space-based lidar data [J].Chinese Journal of Atmospheric Sciences (in Chinese), 33 (4): 698–707.

Liang X Z, Wang W C.1997.Cloud overlap effects on general circulation model climate simulations [J].J.Geophys.Res., 102: 11039–11047.

劉玉芝, 石廣玉, 趙劍琦.2007.一維輻射對流模式對云輻射強迫的數值模擬研究 [J].大氣科學, 31 (3): 486–494. Liu Yuzhi, Shi Guangyu,Zhao Jianqi.2007.A study of the radiative forcing of clouds by using a one-dimensional radiative-convective model [J].Chinese Journal of Atmospheric Sciences (in Chinese), 31 (3): 486–494.

Luo Y L, Zhang R H, Wang H.2009.Comparing occurrences and vertical structures of hydrometeors between eastern China and the Indian monsoon region using CloudSat CALIPSO data [J].J.Climate, 22: 1052–1064.

Randall D A, Harshvardhan, Dazlich D A.1989.Interactions among radiation, convection, and large-scale dynamics in a general circulation model [J].J.Atmos.Sci., 46: 1943–1970.

Slingo A, Slingo J M.1988.The response of a general circulation model to cloud longwave radiative forcing.Part I: Introduction and initial experiments [J].Quart.J.Roy.Meteor.Soc., 114: 1027–1062.

汪會, 羅亞麗, 張人禾.2011.用CloudSat/CALIPSO資料分析亞洲季風區和青藏高原地區云的季節變化特征 [J].大氣科學, 35 (6): 1117–1131. Wang Hui, Luo Yali, Zhang Renhe.2011.Analyzing seasonal variation of clouds over the Asian monsoon regions and the Tibetan Plateau region using CloudSat/CALIPSO data [J].Chinese Journal of Atmospheric Sciences (in Chinese), 35 (6): 1117–1131.

Wang J H, Rossow W B.1998.Effects of cloud vertical structure on atmospheric circulation in the GISS GCM [J].J.Climate, 11: 3010–3029.

Wang J H, Rossow W B, Zhang Y C.2000.Cloud vertical structure and its variations from a 20-yr global rawinsonde dataset [J].J.Climate, 13:3041–3056.

Wielicki B A, Harrison E F, Cess R D, et al.1995.Mission to planet Earth:Role of clouds and radiation in climate [J].Bull.Amer.Meteor.Soc., 76:2125–2153.

張華, 荊現文.2010.氣候模式中云的垂直重疊假定對模擬的地—氣輻射的影響研究 [J].大氣科學, 34 (3): 520–532. Zhang Hua, Jing Xianwen.2010.Effect of cloud overlap assumptions in climate models on modeled earth-atmosphere radiative fields [J].Chinese Journal of Atmospheric Sciences (in Chinese), 34 (3): 520–532.

趙高祥, 汪宏七.1994.云和輻射(Ⅱ): 環流模式中的云和云輻射參數化[J].大氣科學, 18 (增刊): 933–958. Zhao Gaoxiang, Wang Hongqi.1994.Cloud and radiation—Ⅱ: Cloud and cloud radiation parameterizations in general circulation models[J].Chinese Journal of Atmospheric Sciences (Scientia Atmospherica Sinica) (in Chinese), 18 (Suppl.): 933–958.

趙濟.1995.中國自然地理（3版） [M].北京: 高等教育出版社, 180–187.Zhao Ji.1995.Chinese Nature Geography (in Chinese) [M].3rd ed.Beijing: Higher Education Press, 180–187.