引言
水是社会发展和人类生活的重要资源，中国仅有约8400亿m3的水资源可供利用，水资源短缺且空间分布不均[1⇓-3]。大气降水是地球上水资源的根本来源，而实施人工增雨(雪)是开发云水资源、解决水资源短缺问题的科学途径及有效措施[4⇓⇓⇓-8]。云作为人工增雨(雪)的对象，其各种宏微观特征参量是进行人工增雨(雪)作业的重要依据[9⇓⇓⇓⇓⇓⇓-16]。目前，云的观测手段有多种。卫星数据及其反演得到云特征参量(简称“云参量”)由于其信息源可靠、质量高、种类多、时空分辨率高等诸多优点，已成为研究云的重要资源。云的宏微观特征参量与降水效率、机制、物理过程等紧密联系，已广泛应用于现阶段人影日常业务和科研工作中[17⇓⇓⇓⇓⇓-23]。
受地形、气候等多种因素共同影响，云参量具有明显地域性，NTWALI等[24]对非洲地区液水云和冰云宏微观特征参量的日变化进行了研究。YOUSEF等[25]对阿拉伯半岛地区的总云量时空分布进行了分析，发现除了国际卫星云气候学计划(International Satellite Cloud Climatology Project，ISCCP)数据，其他数据的总云量均呈春季减小夏季增大的趋势。我国也有一些相关研究。如：辽宁省属于温带大陆性季风气候区，兼具海洋性气候特点，夏季水汽充沛，主要来自南海，其他季节水汽主要由西风带输送[26]。该省夏季云量、云光学厚度(cloud optical depth， COD)等较高，冬季较低;受地形影响，云参量[除云顶高度(cloud top height， CTH)外]年平均与季节平均均呈现西低东高的空间分布特征[12]。祁连山地区处于高原气候区、西风带气候区、东南季风及其边缘区的交汇地带，受多个大气环流系统共同控制[27]，春冬季水汽主要由西风带输送，夏秋季主要由西风带和东亚季风输送，夏秋季水汽辐合强度明显强于冬春季[28]。该地区云水路径(cloud water path， CWP)冬季最小，夏季最大;云顶温度(cloud top temperature， CTT)冬季最低，夏季最高;云粒子有效半径(effective radius， ER)夏季最小，春季最大[13]。青藏高原地区地域辽阔，有干旱、半干旱、湿润、半湿润等多个气候区，降水量分布自东南向西北逐渐递减[29]。该地区近10 a COD有减小趋势，CWP变化趋势不明显，COD和CWP从东南向西北递减;CWP高值区位于青藏高原的中部、东南部及西南部，低值区位于祁连山脉以北及昆仑山脉一带[14-15]。
青海省位于青藏高原东北部，属干旱半干旱区，降水量偏少且时空分布极其不均，近年来受自然因素及人类活动的不断影响，草地退化、土地沙化、湖泊水位下降、河流流量锐减等系列生态环境问题日趋严重，制约着青海省经济建设发展，尤其是制约农牧业生产发展，因此解决水资源匮乏问题迫在眉捷[30-31]。此前已有一些研究对青藏高原和祁连山地区的云宏微观参量时空分布等进行研究[13⇓-15]。为了解青海省云宏微观参量的时空分布特征，本文选用青海省2018—2020年FY-2G静止卫星反演数据，对全省及3个子研究区云参量的月、季节和年平均变化进行分析，寻求云参量时空分布规律，为提高人工增雨(雪)作业水平及效率提供科学依据。
1 研究区域和资料选取
1.1 研究区域
根据青海省地形地貌及人影作业需求(抗旱减灾、水源涵养、生态修复及草地恢复等)，将研究区域(88°E—104°E，31°N—40°N)分为3个子研究区：三江源、柴达木盆地和青海东北部。三江源地区(88°E—104°E，31°N—36°N)，包括玉树、果洛、海南、黄南四个州，是长江、黄河及澜沧江源头汇水区，是我国生态脆弱区和气候变化的敏感区。柴达木盆地地区(88°E—98°E，36°N—40°N)是被阿尔金山脉、昆仑山脉及祁连山脉环抱的封闭盆地，属干旱气候区。青海东北部地区(98°E—104°E，36°N—40°N)是进行人工增雨(雪)的重点区域，包括青海东部农业区、海西东部、环青海湖地区及青海祁连山区，其中，东部农业区是青海省重要的农业区，经济较发达，人口相对密集，环青海湖地区是重要牧业基地，青海祁连山地区是当地赖以生存和经济持续发展的重要水源区。
文中附图涉及地图是基于国家测绘地理信息局标准地图服务网下载的审图号为 S(2018)004号的标准地图制作，底图无修改。
图1
1.2 资料选取
云参量是利用中国气象局人工影响天气中心研发的云降水精细分析系统(cloud precipitation accurate analysis system， CPAS)反演生成的FY-2G静止卫星格点数据，时间分辨率为1 h，空间分辨率为0.05°×0.05°。青海省由于地广人稀，卫星资料能够弥补地面观测站点的不足，FY-2G静止卫星数据已应用于短时强降水预报、对流活动分析、云宏观物理参量反演等气象业务与科研中，具有较好的适应性[32-33]。FY-2G静止卫星数据及反演产品已广泛应用于日常的增雨(雪)作业指挥及科研工作，成为人影指挥五段业务产品中监测预警、跟踪分析及增雨效果评估的不可或缺内容。人工增雨作业过程中，在播撒人工冰核后，云水资源越丰富，云系越密实，过冷水含量越多，越有利于云中过冷水滴向冰晶转化，增加降水效率。选取CTH、CTT、过冷层厚度(over cooledlayer depth，OLD)、 COD、ER、液水路径(liquid water path，LWP) 6个云参量进行分析，其中CTH用于了解云系的发展程度，CTT用于了解云的对流强度，OLD用于了解云系冷暖云垂直结构配置，COD用于了解云系密实程度，ER用于了解云内水滴分布和变化情况，LWP用于了解空中云水资源的丰富程度。
研究时段为2018年7月至2020年8月。文中春季为3—5月，夏季为6—8月，秋季为9—11月，冬季为12月至次年2月。由于COD是可见光通道的反演产品，为确保数据选取时段一致性，仅对研究区域白天的云特性进行分析。根据柴达木盆地西缘的茫崖镇(90°51′E，38°15′N)最晚日出时间 [下同)]及位于青海省东缘的民和县(102°51′E， 36°19′N)最早日落时间(17：53)，选取10：00—17：00为研究时间段。
2 结果分析
2.1 云参量区域特征量对比
表1 2018—2020年青海全省及3个子研究区各云参量年平均值、最小值及最大值
Tab.1
| 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 |
注： *和△分别代
2.2 云参量区域平均值季节和月际变化
图2为2018—2020年青海省3个子研究区云参量月际和季节变化。可以看出， 3个区[按三江源、柴达木盆地、青海东北部的顺序，下同] CTH平均值大小分别为春季>冬季>秋季>夏季、冬季>春季>秋季>夏季、春季>秋季>冬季>夏季，3个区平均值的最高值分别出现在春季、冬季、春季，对应值为4.7、4.5、4.1 km，最低值均出现在夏季，对应值为3.5、2.7、3.2 km。3个区CTT平均值大小分别为夏季>秋季>冬季>春季、夏季>秋季>春季>冬季、夏季>冬季>秋季>春季，与CTH的顺序相反，3个区CTT平均值的最高值均出现在夏季，对应值为-7.6、-2.4、-6.0 ℃，最低值分别出现在春季、冬季、春季，对应值为-15.3、-14.0、-11.9 ℃。3个区OLD平均值大小分别为春季>秋季>冬季>夏季、春季>冬季>秋季>夏季、春季>夏季>秋季>冬季，3个区平均值的最大值均出现在春季，对应值为2.4、2.2、2.4 km，最小值分别出现在夏季、夏季、冬季，对应值为1.9、1.6、1.3 km。3个区COD平均值大小分别为春季>秋季>夏季>冬季、春季>秋季>夏季>冬季、秋季>夏季>春季>冬季， 3个区平均值的最大值分别出现在春季、春季、秋季，对应值为12.3、7.1、8.9 km，最小值均出现在冬季，对应值为5.8、4.0、2.3 km。3个区ER平均值大小分别为春季>冬季>秋季>夏季、冬季>春季>秋季>夏季、春季>冬季>秋季>夏季，3个区平均值的最大值分别出现在春季、冬季、春季，对应值为9.4、7.7、7.8 km，最小值均出现在夏季，对应值为7.4、5.0、6.1 km。LWP 3个区平均值大小分别为春季>秋季>夏季>冬季、春季>秋季>冬季>夏季、春季>夏季>秋季>冬季， 3个区平均值的最大值均出现在春季，对应值为120.1、72.0、88.8 g∙m-2，最小值分别出现在冬季、夏季、冬季，对应值为62.0、40.4、20.2 g∙m-2。
图2
图2
2018—2020年青海省3个子研究区云参量月际和季节变化
Fig.2
Monthly and seasonal variations of cloud parameters in three sub-regions of Qinghai Province during 2018-2020
三江源云参量月际变化呈单峰分布，CTH、CTT、OLD、COD、ER、LWP最大峰值分别为5.3 km、 -4.3 ℃、3.2 km、11.9、12.0 μm、153.5 g∙m-2，除CTT外，其余云参量3月较大，随后呈逐渐减小的趋势，11月骤增，后回落再逐渐增大。除CTT外，柴达木盆地、青海东北部云参量月际变化趋势线的波峰波谷位置大致相同，呈双峰双谷分布，峰值基本出现在5月及11月，谷值基本出现在8、9月及12、1月;CTT与CTH月际变化趋势呈反相。柴达木盆地CTH、CTT、OLD、COD、ER、LWP最大峰值分别为5.4 km、-0.4 ℃、3.0 km、10.6、9.1 μm、119.7 g∙m-2，最小谷值分别为2.4 km、-20.3 ℃、0.9 km、3.0、 4.0 μm、30.0 g∙m-2。青海东北部CTH、CTT、OLD、COD、ER、LWP最大峰值分别为5.1 km、-3.0 ℃、3.0 km、 14.8、12.1 μm、194.4 g∙m-2，最小谷值分别为2.8 km、-18.2 ℃、0.9 km、1.4、4.7 μm、11.5 g∙m-2。
3个子研究区CTH最低值均出现在夏季，原因是夏季水汽条件充沛，抬升凝结高度低，这与宋松涛[15]研究的西北地区低云量存在明显季节差异，且夏季低云量大于其他季节的结论相吻合。三江源、柴达木盆地CTH在春季、冬季较高，夏季、秋季较低，可能是由于春季、冬季水汽条件差，水汽只有抬升到更高的高度才能凝结成云。青海东北部冬季CTH较低， CTT较高，OLD、COD、LWP均为最小，说明该地冬季以低云为主，可能是受地形等因素影响，冬季多水汽倒灌，低云发生频率高。3个子研究区OLD均在春季较大，说明春季云系较密实且大气温度低。3个子研究区ER均在春季、冬季较大，夏季、秋季较小，原因是夏、秋季水云出现比例较高，云粒子内液态粒子较多，导致ER较小，春、冬季云粒子固态粒子较多，以冰相为主，导致ER大。青海省属于典型的大陆性高原气候，冬季寒冷夏季凉爽，夏季水汽由南亚季风从东南向西北输送，水汽含量最高，冬季水汽主要由西风带输送，水汽含量最低[35]。青海与祁连山区、辽宁省虽处于不同的气候带，地形条件、水汽来源也不同，但水汽含量均在夏季最大，冬季最低，可能是造成三江源、柴达木盆地CTT和3个子研究区ER与祁连山区、辽宁省的四季分布特征相同的原因[12-13]。
2.3 云参量空间分布
青海省云参量空间分布具有明显的地域特征，各云参量年平均空间分布均呈沿地形和山脉走向分布的特征(图3)。除CTT外，其他5个云参量均在柴达木盆地有一明显的舌状低值区，从柴达木盆地西北部的阿尔金山向东南方向延伸至柴达木盆地东南缘，CTH、OLD、COD、ER及LWP舌状低值区范围分别为2~3 km、1.0~2.0 km、0~5、0~5 μm、0~100 g∙m-2，CTT与其他5个云参量的高低值空间分布相反，在该区域为高值区(-5~0 ℃)。除CTT外，其他5个参量高值区有两个，分别位于青海祁连山一带以及三江源地区的唐古拉山各拉丹东峰以东-巴颜喀拉山-阿尼玛卿雪山一带，CTH、OLD、COD、ER及LWP高值区范围分别为5~6 km、2.5~3.0 km、20~25、10~15 μm、200~300 g∙m-2，而CTT对应为低值区(-20~-15 ℃)。
图3
图3
2018—2020年青海省云参量年平均值空间分布
Fig.3
The spatial distribution of annual average value of cloud parameters in Qinghai Province during 2018-2020
图4 为2018—2020年青海省云参量季节平均空间分布。整体上，CTH夏季最低，春季大于秋季。柴达木盆地各季CTH均存在低值区，为1~3 km;海拔较高的玉树州、果洛州西部、青海祁连山区均存在高值区，为6~8 km。夏季低值区CTH的值最小且范围最大，覆盖整个柴达木盆地;冬季低值区位于柴达木盆地东部及青海省东部，为2~4 km。CTT与CTH呈相反的空间分布特征，CTT高值区范围与CTH低值区范围相同。夏季CTT值最高且范围大，春季值小于秋季值;夏季高值区CTT为-5~5 ℃，冬季低值区CTT为-35~-25 ℃。OLD在春季整体值较大，各地分布较均匀，为2.5~3.5 km;夏季柴达木盆地均为低值区，为0.5~1.5 km;秋季在青海东北部地区存在低值区，果洛存在高值区;冬季低值区分布不均匀，总体呈西高东低分布，玉树及其以南地区存在大于3.5 km的明显高值区。整体上，COD冬季最小，春季最大，夏季大于秋季值。四季COD空间分布表现为从柴达木盆地西北部的阿尔金山向东南方向延伸至柴达木盆地东南缘的舌状低值区(5~10)，春、冬季在35°N以南及青海祁连山区存在高值区，局地COD>30。ER和LWP春、冬季较高，夏、秋季较低。四季ER和LWP的空间分布特征与COD相似，柴达木盆地为低值区，三江源地区及青海祁连山区在春、冬季存在高值区。ER和LWP两个参量在四季低值区范围分别为0~5 μm、0~100 g∙m-2，春、冬季高值区范围分别为15~20 μm、300~400 g∙m-2。
图4
图4
2018—2020年青海省云参量季节平均空间分布
Fig.4
The spatial distribution of seasonal average cloud parameters in Qinghai Province during 2018-2020
各云参量的年平均空间分布与季节分布较为相似。除CTT外，其余云参量的高值区与高大山脉相对应，低值区与荒漠盆地及低海拔地区相对应。柴达木盆地为荒漠地区，四周环山且距海洋比较远，成云条件(水汽和地形抬升作用等)不佳;而三江源地区离印度洋相对较近，加之中国东部的暖湿气流及东亚季风将海上的潮湿空气带到该地区，使其成云条件好;青海东北部地区海拔较低，来自河西走廊地区的水汽在该地区低层经常发生倒灌现象，造成3个子研究区云参量值高低悬殊。柴达木盆地ER最小，是因为荒漠地区多发的沙尘天气造成沙尘气溶胶浓度高，而沙尘气溶胶作为云凝结核可以引起ER减小[36]。青海东北部地区人口密集，工业化程度较高，交通运输、工业生产及人类活动产生了大量的气溶胶，也是造成ER减小的重要原因[37]。柴达木盆地属于西风带气候区，青海东北部属于亚洲季风及边缘影响区，祁连山区及青海的广大地区属于高原气候区[38]，3个子研究区域处于不同的气候区，也可能是造成云参量空间分布有较大差异的原因。
3 结 论
(1)青海省云顶高度CTH、云顶温度CTT、过冷层厚度OLD、云光学厚度COD、云粒子有效半径ER及液水路径LWP 6个云参量区域年均值分别为 3.8 km、-9.7 ℃、2.0 km、7.1、7.1 μm、63.7 g∙m-2。除CTH、OLD及CTT 3个参星外，3个子研究区其余云参量年均值大小顺序均为三江源>青海东北部>柴达木盆地。
(2)纬度相同的柴达木盆地、青海东北部除CTT外，其余云参量月变化均大致呈双峰双谷分布，峰值基本出现在5月及11月，谷值基本出现在8、9、12、1月;三江源各云参量大致呈单峰分布，峰值基本在11月。三江源、柴达木盆地CTH在春、冬季较高，夏、秋季较低;CTT季节分布与其相反;OLD、COD及LWP在春、秋季较大。青海东北部CTH高低顺序为春季>秋季>冬季>夏季，OLD、LWP大小顺序为春季>夏季>秋季>冬季，COD大小顺序为秋季>夏季>春季>冬季。3个子研究区ER均在春冬季较高、夏秋季较低。
(3)各云参量年平均及季节空间分布均大致呈沿地形和山脉走向的分布特征。除CTT外，其余云参量高值区与高大山脉相对应、低值区与荒漠盆地及低海拔地区相对应，低值区均位于柴达木盆地，高值区均位于青海祁连山一带以及三江源地区的唐古拉山各拉丹东峰以东-巴颜喀拉山-阿尼玛卿雪山一带，柴达木盆地四季均存在低值区，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。
人工增雨潜力区的确定十分复杂，使用任何单一参量都具有局限性，因此需要结合卫星、雷达等多种资料综合分析。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，春、秋季是进行以水源涵养、抗旱减灾等为目的的人工增雨作业的较佳时机。
参考文献
Winter precipitation efficiency of mountain ranges in the Colorado Rockies under climate change
[J].
Microphysics and dynamics of clouds associated with mesoscale rainbands in extratropical cyclones
[J].
The IMPROVE-1 storm of 1-2 February 2001. Part II: cloud structures and the growth of precipitation
[J].
Microphysical characterization of mixed-phase clouds
[J].
Diurnal spatial distributions of aerosol optical and cloud micro-macrophysics properties in Africa based onMODIS observations
[J].
Cloud cover over the Arabian Peninsula from global remote sensing and reanalysis products
[J].
Pollution and the planetary albedo
[J].
