Research on temporal and spatial distribution of cloud macro and micro characteristic parameters in Qinghai Province based on FY-2G data

doi:10.11755/j.issn.1006-7639(2022)-04-0624

Abstract

Abstract:

Based on cloud macro and micro characteristic parameters (hereinafter referred to as cloud parameters) retrieved by the FY-2G geostationary satellite data, the temporal and spatial distribution of cloud characteristic parameters in Qinghai Province and 3 sub-regions from 2018 to 2020 were analyzed.The result show that the annual average cloud top height (CTH), cloud top temperature (CTT), overcooled layer depth (OLD), cloud optical depth (COD), effective radius (ER) and liquid water path (LWP) in Qinghai Province are 3.8 km, -9.7 ℃, 2.0 km, 7.1, 7.1 μm and 63.7 g∙m^-2, respectively. Except for CTT, the monthly variation of cloud parameters in the Qaidam Basin and Northeastern Qinghai Province with the same latitude showed roughly two peaks and two valleys and its peaks basically appeared in May and November, and the valleys basically appeared in August, September, December and January. Each cloud parameter was roughly unimodal in Three River Source Region, with a peak in November. The spatial distribution of annual average of each cloud parameter was roughly distributed along the topography and mountain range. Except for CTT, high-value areas corresponded to high mountains, low-value areas corresponded to desert basins and low-altitude areas, there was a low-value area in four seasons in the Qaidam Basin, and its range was largest in summer. There were obvious high-value areas in the Three River Source Region and the Qilian Mountains in Qinghai in spring and winter. The OLD, COD and LWP in Three River Source region were larger in spring and autumn, OLD and LWP in the northeastern Qinghai region were largest in spring. Spring and autumn were good time for artificial rainfall enhancement for the purpose of water conservation, drought resistance and disaster reduction.

Key words: Qinghai Province, cloud parameters, temporal and spatial distribution

摘要：

利用FY-2G静止卫星数据反演的云宏微观特征参量(简称“云参量”)，对2018—2020年青海全省及3个子研究区云参量时空分布特征进行分析。结果表明：云顶高度(cloud top height， CTH)、云顶温度(cloud top temperature， CTT)、过冷层厚度(overcooled layer depth， OLD)、云光学厚度(cloud optical depth， COD)、云粒子有效半径(effective radius， ER)及液水路径(liquid water path， LWP) 6个云参量全省区域年平均值分别为3.8 km、-9.7 ℃、2.0 km、7.1、7.1 μm及63.7 g∙m^-2。纬度相同的柴达木盆地、青海东北部除CTT外，其余云参量月变化大致呈双峰双谷分布，峰值基本出现在5、11月，谷值基本出现在8、9月及12、1月，三江源各云参量大致呈单峰分布，峰值基本在11月。各云参量年平均值空间分布均呈沿地形和山脉走向分布的特征，除CTT外，其余云参量高值区与高大山脉相对应、低值区与沙漠盆地及低海拔地区相对应，柴达木盆地在四季均存在一低值区，夏季低值区范围最大，三江源地区及青海祁连山区在春、冬季存在明显高值区。三江源地区OLD、COD及LWP在春季及秋季较大，青海东北部地区OLD、LWP在春季最大，而春、秋季则是进行以水源涵养、抗旱减灾等为目的的人工增雨作业的较佳时机。

关键词: 青海省, 云参量, 时空分布

CLC Number:

P426

ZHANG Pengliang, ZHU Shizhen, GONG Jing, ZHAO Bingyu, WANG Bin, ZHANG Boyue, HOU Yonghui. Research on temporal and spatial distribution of cloud macro and micro characteristic parameters in Qinghai Province based on FY-2G data[J]. Journal of Arid Meteorology, 2022, 40(4): 624-636.

张鹏亮, 朱世珍, 龚静, 赵冰钰, 王彬, 张博越, 侯永慧. 基于FY-2G数据的青海省云宏微观特征参量时空分布研究[J]. 干旱气象, 2022, 40(4): 624-636.

Figures/Tables 5

References 38

[1]	李超. 论保护水资源的重要意义及措施[J]. 环境与发展, 2012, 24(1):17-19.
[2]	王熹, 王湛, 杨文涛, 等. 中国水资源现状及其未来发展方向展望[J]. 环境工程, 2014, 32(7):1-5.
[3]	李兴宇, 郭学良, 朱江. 中国地区空中云水资源气候分布特征及变化趋势[J]. 大气科学, 2008, 32(5): 1094-1106.
[4]	白婷, 黄毅梅, 樊奇. 河南一次降水天气过程人工增雨作业条件综合分析[J]. 气象, 2020, 46(12):1633-1640.
[5]	EIDHAMMER T, GRUBIŠIĆ V, RASMUSSEN R, et al. Winter precipitation efficiency of mountain ranges in the Colorado Rockies under climate change[J]. Journal of Geophysical Research: Atmospheres, 2018, 123(5): 2573-2590.
[6]	MATEJKA T J, HOUZE R A, HOBBS P V. Microphysics and dynamics of clouds associated with mesoscale rainbands in extratropical cyclones[J]. Quarterly Journal of the Royal Meteorological Society, 1980, 106(447): 29-56.
[7]	王研峰, 王聚杰, 尹宪志, 等. 祁连山云特征参数及人工增雨研究进展与展望[J]. 冰川冻土, 2019, 41(2):434-443.
[8]	翟晴飞, 敖雪, 袁健, 等. 基于区域历史回归法的辽宁地区一次人工增雨作业效果检验[J]. 气象与环境学报, 2017, 33(6):96-104.
[9]	王磊, 周毓荃, 蔡淼, 等. 华北云特征参数与降水相关性的研究[J]. 气象与环境科学, 2019, 42(3):9-16.
[10]	周毓荃, 蔡淼, 欧建军, 等. 云特征参数与降水相关性的研究[J]. 大气科学学报, 2011, 34(6):641-652.
[11]	衣娜娜, 苏立娟, 郑旭程, 等. 内蒙古西部地区降水云宏观特征[J]. 干旱气象, 2021, 39(3):406-414.
[12]	孙丽, 张晋广, 杨磊, 等. 基于 Aqua /CERES 数据的辽宁省云宏微观特征及其与降水的相关性研究[J]. 干旱气象, 2020, 38(4): 612-618.
[13]	王颖, 张武, 任娇, 等. 祁连山地区云物理参数特征及其与降水的关系[J]. 兰州大学学报(自然科学版), 2019, 55(5):632-640.
[14]	刘健. 利用卫星数据分析青藏高原云微物理特性[J]. 高原气象, 2013, 32(1):38-45.
[15]	宋松涛. 西北地区云时空分布特征[D]. 兰州: 兰州大学, 2013.
[16]	周万福, 田建兵, 康小燕, 等. 基于FY-2卫星数据的青海东部春季不同类型降水过程云参数特征[J]. 干旱气象, 2018, 36(3):431-437.
[17]	仝泽鹏, 杨莲梅, 曾勇, 等. 利用微雨雷达研究伊宁地区一次大雨过程的雨滴谱垂直演变特征[J]. 干旱气象, 2021, 39(2):279-287.
[18]	李海飞, 乐满, 杨飞跃, 等. 基于地基云雷达资料的淮南地区冬季云宏观特征[J]. 干旱气象, 2017, 35(6):1011-1014.
[19]	EVANS A G, LOCATELLI J D, STOELINGA M T, et al. The IMPROVE-1 storm of 1-2 February 2001. Part II: cloud structures and the growth of precipitation[J]. Journal of the Atmospheric Sciences, 2005, 62(10): 3456-3473.
[20]	KOROLEV A V, ISAAC G A, COBER S G, et al. Microphysical characterization of mixed-phase clouds[J]. Quarterly Journal of the Royal Meteorological Society, 2003, 129(587): 39-65.
[21]	唐林, 李琼, 黎祖贤, 等. 一次积层混合云云系微物理结构数值模拟与增雨条件分析[J]. 干旱气象, 2020, 38(1):100-108.
[22]	樊志超, 周盛, 汪玲, 等. 湖南秋季季积层混合云系飞机人工增雨作业方法[J]. 应用气象学报, 2018, 29(2):200-216.
[23]	张景红, 孟辉, 于翠红, 等. 人工增雨催化响应试验分析[J]. 干旱气象, 2020, 38(6):1043-1051.
[24]	NTWALI D, CHEN H B. Diurnal spatial distributions of aerosol optical and cloud micro-macrophysics properties in Africa based onMODIS observations[J]. Atmospheric Environment, 2018, 182: 252-262.
[25]	YOUSEF L A, TEMIMI M, MOLINI A, et al. Cloud cover over the Arabian Peninsula from global remote sensing and reanalysis products[J]. Atmospheric Research, 2020, 238: 104866. DOI: 10.1016/j.atmosres.2020.104866.
[26]	柏睿, 李韧, 吴通华, 等. 1979—2016年我国东北地区空中水汽状况及变化趋势分析[J]. 冰川冻土, 2019, 41(6):1441-1447.
[27]	张强, 俞亚勋, 张杰. 祁连山与河西内陆河流域绿洲的大气水循环特征研究[J]. 冰川冻土, 2008, 30(6):907-913.
[28]	王宝鉴, 黄玉霞, 王劲松, 等. 祁连山云和空中水汽资源的季节分布与演变[J]. 地球科学进展, 2006, 21(9):948-955.
[29]	张宁瑾, 肖天贵, 假拉. 1979—2016年青藏高原降水时空特征[J]. 干旱气象, 2018, 36(3):373-382.
[30]	王根绪, 程国栋, 徐中民. 中国西北干旱区水资源利用及其生态环境问题[J]. 自然资源学报, 1999, 14(2):110-116.
[31]	雷加强, 穆桂金, 王立新. 西部干旱区重大生态环境问题研究进展[J]. 中国科学基金, 2005, 19(5):268-271.
[32]	李博, 杨柳, 唐世浩. 基于静止卫星的青藏高原及周边地区夏季对流的气候特征分析[J]. 气象学报, 2018, 76(6):983-995.
[33]	海显莲, 巨克英, 祁得兰. 卫星资料在青海东北部短时强降水预报中的应用[J]. 青海科技, 2010, 17(2):58-61.
[34]	屈星, 许继军, 吴光东, 等. 青海省降水时空变化特征及其与太阳黑子的关系[J]. 长江科学院院报, 2022, 39(2):14-20.
[35]	张祥成, 赵杰, 王开, 等. 基于AIRS资料的青海省空中水汽时空规律研究[J]. 应用基础与工程科学学报, 2019, 27(2):264-274.
[36]	TWOMEY S. Pollution and the planetary albedo[J]. Atmospheric Environment, 1974, 8(12): 1251-1256.
[37]	杨大生, 王普才. 中国地区夏季云粒子尺寸的时空分布特征[J]. 气候与环境研究, 2012, 17(4):433-443.
[38]	宋连春, 张存杰. 20世纪西北地区降水量变化特征[J]. 冰川冻土, 2003, 25(2):143-148.

区域	统计量	CTH/km	CTT/ ℃	OLD/km	COD	ER/μm	LWP/ (g∙m^-2)
三江源	平均值	4.1^*	-11.4^△	2.1^*	8.8^*	8.1^*	83.7^*
	最小值	3.1	-19.3	1.2	3.4	4.9	23.6
	最大值	5.3	-5.0	3.0	25.1	14.9	284.6
柴达木盆地	平均值	3.7^△	-8.8^*	2.0	5.7^△	6.5^△	51.7^△
	最小值	2.7	-18.0	1.3	2.5	2.9	10.5
	最大值	5.1	-2.6	2.6	26.6	3.1	253.7
青海东北部	平均值	3.7^△	-9.0	1.9^△	6.7	6.6	55.7
	最小值	3.0	-15.5	1.3	4.2	3.8	19.3
	最大值	4.7	-4.5	2.5	18.0	13.9	225.5
青海省	平均值	3.8	-9.7	2.0	7.1	7.1	63.7
	最小值	2.7	-19.3	1.2	2.5	2.9	10.5
	最大值	5.3	-2.6	3.0	26.6	14.9	284.6

区域	统计量	CTH/km	CTT/ ℃	OLD/km	COD	ER/μm	LWP/ (g∙m^-2)
三江源	平均值	4.1^*	-11.4^△	2.1^*	8.8^*	8.1^*	83.7^*
	最小值	3.1	-19.3	1.2	3.4	4.9	23.6
	最大值	5.3	-5.0	3.0	25.1	14.9	284.6
柴达木盆地	平均值	3.7^△	-8.8^*	2.0	5.7^△	6.5^△	51.7^△
	最小值	2.7	-18.0	1.3	2.5	2.9	10.5
	最大值	5.1	-2.6	2.6	26.6	3.1	253.7
青海东北部	平均值	3.7^△	-9.0	1.9^△	6.7	6.6	55.7
	最小值	3.0	-15.5	1.3	4.2	3.8	19.3
	最大值	4.7	-4.5	2.5	18.0	13.9	225.5
青海省	平均值	3.8	-9.7	2.0	7.1	7.1	63.7
	最小值	2.7	-19.3	1.2	2.5	2.9	10.5
	最大值	5.3	-2.6	3.0	26.6	14.9	284.6