作为大气中最为活跃的要素，水汽在各种时空尺度的大气运动中扮演着重要角色（黄建平等，2010），其含量是评估空中水资源的重要依据（王维佳和陈碧辉，2010）。云中液态水在0 ℃层高度以上表现为过冷水，其含量及分布是人工影响天气作业催化剂量和催化位置的重要参照指标（袁健等，2011）。为了准确反映大气中云水资源状况和人工影响天气催化潜力，提高作业的科学性和有效性，认清不同区域大气水汽和云中液态水含量及分布特征十分必要。

近年来，随着探测技术与反演算法的发展，微波辐射计成为探测大气水汽和液态水含量的重要途径，其以高时空分辨率及探测精度、可无人值守、能从混合相态云中探测出过冷水等优势得到广泛应用（刘晓璐等，2019；翟晴飞等，2020；邹倩等，2022）。部分学者利用地基微波辐射计资料研究发现，不同天气背景下大气水汽和液态水含量有明显日变化，且存在一定的季节性与地域性差异（Snider，2000；黄建平等，2010；陈树成等，2019；田磊等，2019）；同时，在降水来临前水汽和液态水均存在跃增现象，不同降水类型下跃增开始时间、高度及演变特征有一定差异，这不仅对降水和雷暴的提前预报有一定指示意义，而且对开展精细化人影作业有重要参考价值（Madhulatha et al.，2013；姬雪帅等，2022；把黎等，2023）。然而，地基微波辐射计位置固定、探测范围有限，对人影作业潜力区——过冷水区的探测仍有一定局限。

机载微波辐射计是在地基基础上发展起来的，可直接进入目标云系探测积分水汽和液态水含量，是探测过冷水区的有效手段（王婉等，2018a）。利用机载微波辐射计探测大气水汽和液态水含量始于20世纪80年代，前期主要集中于反演算法与精度研究方面，如美国研制了9.5 mm波长双向天线机载微波辐射计（Warner and Drake，1988），根据辐射传输原理反演积云液态水含量，发现液态水反演值与测量结果有较好的一致性（Drake and Warner，1998）。1999年印度洋探测试验发现，晴空条件下机载微波辐射计37 GHz和90 GHz通道亮温与积分水汽含量的线性相关性最高（Bush et al.，2007）。2000年初，我国首次研制成功单波段（9.5 mm）单天线对空机载微波辐射计，其工作频率为31.65 GHz（雷恒池等，2003）。随后，采用统计方法，结合探空廓线与目测云底高度，建立亮温与液态水路径之间回归关系来反演层状云液态水路径（江芳等，2004）。研究发现，液态水路径与雷达回波强度存在较好的正相关（金德镇等，2004；梁谷等，2007）。在上述统计方法基础上，周珺等（2008）采用一维层状云模式改进液态水路径反演方法，其精度在各高度上都较原方法有所提升。2004年，美国Prosensing公司研制了双边四通道对空微波辐射计GVR（G-band water Vapor Radiometer），中心频率为183.31 GHz（Pazmany，2006；Pazmany，2007），该频段在探测低含量的水汽和液态水特别是过冷水上有明显优势，其测量结果受云中固态水影响小，具有较高的灵敏度和探测精度（Wang et al.，1998；王婉等，2021）。

天津地区地处海河流域的尾闾，降水时空分布不均，特殊的地理位置与气候条件决定了该地区水资源非常匮乏。为科学开发利用空中云水资源，提高自然云降水效率，天津市人工影响天气办公室于2016年引进一台GVR并在增雨飞机上完成安装测试，同年获得多次探测资料。本文利用天津地区2016年11月20日机载微波辐射计GVR探测资料，基于BP（Back Propagation）神经网络算法和Decker云模型（王婉等，2023）反演积分水汽含量和液态水路径，结合卫星资料、雷达回波及再分析资料等，分析天津地区典型层状云水汽和液态水含量及分布特征，以期为天津人工影响天气作业提供一定参考。

选取2016年11月20日15：13—17：10（北京时，下同）的一次飞行探测过程，飞行过程中若有降水，GVR微波辐射计观测的云中液态水含量无法区分云水和雨水含量，同时GVR天线罩覆盖的水对信号有较大衰减，为确保观测数据的准确性，天津市人工影响天气办公室于系统过境前20日15：13开展飞行探测，确保飞行期间无降水。飞行轨迹（图1）为：20日15：13，飞机于天津东丽滨海国际机场起飞，起飞后飞行高度不断上升，向东飞行至宁河上空后，向西再向北，依次途经北辰、宝坻，在到达蓟州上空后飞机保持在3 500 m高度，并在蓟州和宝坻之间沿南北向多次折返飞行，随后下降高度，经武清、北辰，于17：10返回滨海国际机场。

安装于飞机机翼下侧的GVR是一种用来测量大气水汽和液态水的双边四通道机载微波辐射计，中心频率是183.31 GHz，4个通道分别为中心频率±1、±3、±7和±14 GHz（王婉等，2018b）。它通过天线向上垂直观测，接收飞机上方的大气辐射，并与外部热源负载和暖源负载一起交替传送到接收机，定期跟踪接收机增益和偏移量的变化，同时对辐射计实现周期（8 s左右）自动标定，从而获得校准后的4个通道的天空亮温，然后通过反演可得到自飞机所在高度到大气上界这一柱体的积分水汽含量（Integrated Water Vapor，IWV）和液态水路径（Liquid Water Path，LWP）。在探测过程中由于存在无线电干扰信号，首先根据GVR探测和定标原理对多通道亮温数据逐点分析判断信号干扰点，并借鉴均值滤波方法对其进行质量控制（王婉等，2018b）。其次，考虑到GVR自带算法对天津地区IWV和LWP反演精度较差（王婉等，2018a），故而发展了一套新的基于BP神经网络和Decker模型的IWV和LWP反演算法（王婉等，2023）。与GVR自带算法相比，该算法在输入变量中增加了观测高度，考虑温度对云水相态的影响构建新的云模型，并对历史探空资料进行补全增加积分高度至30 km。数值模拟检验结果表明，该算法可以提高天津地区IWV和LWP的反演精度。

同步飞行探测的仪器数据主要来自DMT公司生产的热线含水量仪（Hotwire Liquid Water Content Sensor）和飞机综合气象要素测量系统AIMMS-20（Aircraft-Integrated Meteorological Measurement System）。其中，热线含水量仪可以测量飞行过程中液态水密度，测量范围为0~3 g·m^-3，AIMMS-20可以测量飞机实时高度、经纬度、大气温度和湿度等基本参数。

除上述机载探测资料外，还使用了美国国家环境预报中心（National Centers for Environment Prediction，NCEP）/国家大气研究中心（National Center for Atmospheric Research，NCAR）提供的FNL（Final）再分析资料中位势高度、风场和水汽通量等数据，时间分辨率为6 h，空间分辨率为1°×1°，垂直方向31层；我国FY-2E气象卫星反演的云顶亮温；天津塘沽站的S波段多普勒天气雷达（CINRAD/SA）组合反射率。

文中图1~3涉及的行政边界基于中华人民共和国自然资源部标准地图服务网下载的审图号分别为GS京（2022）1061号、GS京（2022）1061号和GS（2016）2556号的标准地图制作，地图无修改。

2016年11月20日20：00至21日13：00，受冷空气影响，天津全市范围内出现雨夹雪或雪天气，最大降水出现在东丽区，24 h降水量为18.2 mm。图2为11月20日08：00、20：00的500 hPa和850 hPa天气形势。500 hPa高度上，20日08：00天津处于低涡底部平直的偏西气流中，等高线密集，最大风力超过20 m·s^-1，达到急流标准[图2（a）]；20：00，低涡略有南压，伴随等高线密集带南压，气旋中心强度加强，横槽略有下摆[图2（c）]，天津处于偏西急流入口区右侧，抽吸作用进一步增强了中低层的动力抬升。从08：00[图2（b）]和20：00[图2（d）]850 hPa形势场看出，横槽逐渐东移转竖，冷平流增强，20：00前后天津地区出现西南向的风速辐合，导致动力抬升和水汽输送增强，为降水过程的发生提供了较好的背景。

图3是本次飞行探测过程起飞前后FY-2E卫星云顶亮温和天津塘沽站雷达组合反射率。从图3（a）看出，受上游高空槽影响，天津地区处于槽前辐合抬升区，天津上空有大面积层状云系覆盖，云系呈中灰色，云的边界和云顶表面整齐光滑，且云层分布均匀，主要由中低云系构成，云顶亮温为-20~-10 ℃，配合地面冷高压东移，云系快速向东移动，移速超过100 km·h^-1。结合天津塘沽站雷达组合反射率[图3（b）]看出，天津地区雷达回波较弱，回波强度均小于35 dBZ，说明本次飞行探测期间有云无降水，且云的水平均一性较好，可以忽略云的水平变化对大气水汽和液态水分布的影响，随飞行高度变化GVR观测的LWP和IWV廓线可以反映此次层状云中液态水和水汽的垂直分布。

图4是2016年11月20日15：13—17：10飞机探测的温度廓线和IWV、LWP、相对湿度及其对应飞行高度时间演变。可以看出，1 800 m以下温度随高度持续下降，0 ℃层高度在800 m附近，在1 800~2 000 m高度层出现明显逆温，2 000 m以上温度再次缓慢下降，至3 000 m高度附近急剧下降，云顶最低温度达-9.46 ℃[图4（a）]。结合飞行途中记录的飞机入（出）云、结冰状态及云顶（底）高度等信息，从图4（b）可以看出，上升阶段，飞机于15：17到达云底900 m高度后开始入云，相对湿度由86%逐渐增加至100%；飞机继续上升，于15：28到达2 950 m高度，随后穿过一干层后相对湿度迅速降至55%；15：36飞机向上再次穿过一个非常稀薄的云层后相对湿度再次增至95%，飞机机翼结冰并伴有颠簸，至15：40到达云顶3 080 m，相对湿度再次急剧递减；之后，飞机自云顶上升至云上3 500 m高度层平飞，机内人员可见光照，相对湿度稳定在43%~55%。下降阶段，飞机于16：43开始返程，16：45下降至2 930 m高度时穿过一薄云层，相对湿度跃增至94%，随后经过一干层后，当降到1 700 m以下时飞机再次入云（相对湿度再次跃增至95%以上），900 m高度出云，并于17：10落地。综上可知，本次飞行探测的层状云分为上下两层，整个云的覆盖高度为900~3 080 m，上下两层云之间存在一定高度范围的干层。

GVR观测的LWP是飞行高度到大气层顶的液态水路径。上升阶段，自飞机起飞后LWP在0.50 mm上下波动，随着飞机上升入云，LWP迅速减小，15：24上升至2 400 m左右时LWP减小至0 mm，此时飞机尚未到达云顶，说明2 400 m高度以上全部为冰云，液态水主要集中在900~2 400 m高度；随后，飞机继续上升至3 500 m后在云上保持平飞，LWP值始终保持在0 mm附近。下降阶段，飞机由3 500 m下降至2 900 m高度入云后，LWP值出现小的起伏，直到下降至1 600 m高度时LWP值迅速增加至0.45 mm，17：00飞机出云后LWP值一直在0.45 mm上下浮动，说明液态水主要集中在900~1 600 m高度的云层内。整体来看，此次水平均匀的层状云，其LWP自云底向上随高度升高而减小，至液态水全部冰晶化的高度以上时LWP减小至0 mm。本次飞行探测的0 ℃层高度在800 m，云底高度为900 m，故飞机入云后的云中液态水均为过冷水。

在飞机起飞前，GVR探测的IWV是整层大气可降水量，其值在1.5 cm左右。上升阶段，IWV随飞行高度上升逐渐减小，15：30左右飞行至2 900 m高度时IWV出现低谷，最小值为0.3 cm，随后飞机向上穿过一薄云层，IWV值略有上升；15：40飞机到达云顶并继续上升到3 500 m高度，IWV再次逐渐减小；之后，在保持平飞过程中IWV值稳定在0.3~0.5 cm，此时IWV为层状云云上到大气层顶的积分水汽含量。下降阶段，16：45随着飞行高度下降，IWV值逐渐增加，到落地时IWV值稳定在1.5 cm左右，与起飞前数值相当。整体来看，层状云的IWV自地面向上随高度升高逐渐减小，相比LWP，IWV随高度减小的更为均匀，起伏较小。

考虑到此次飞行过程的层状云水平均一性较好，选取飞机在云中上升（或下降）过程中GVR观测的LWP序列，逐一计算适当高度间隔序列值差与相应高度差之比，可得到各高度层液态水密度垂直分布（金德镇等，2004；梁谷等，2007）。具体步骤：将云体垂直方向等分成间隔200 m的若干层，求取各层LWP的平均值；然后，用下一层减去上一层垂直天顶气柱的LWP，可获得此200 m高度层单位面积垂直气柱的积分液态水含量，通过与200 m间隔高度的比值换算成单位体积平均液态水密度，即可得到液态水密度垂直分布廓线。另外，同步飞行探测的热线含水量仪，其探测量为液态水密度。

图5是飞机上升和下降过程中上述两种方式探测的层状云液态水密度廓线。整体来看，两种方式探测的液态水密度量级相当，垂直分布趋势一致性较好，即液态水密度随高度上升均呈先增后减的变化趋势。具体来看，在上升过程中[图5（a）]，热线含水量仪观测的液态水密度在1 500 m高度出现次峰值，为0.61 g·m^-3，此后随高度上升略有下降后又再次增大至峰值0.74 g·m^-3（1 650 m高度），之后液态水密度波动下降，在3 000 m高度降为最小值0.06 g·m^-3。从图4可知，0 ℃层高度在800 m，GVR在云底（900 m）以上探测的液态水均为过冷水，主要分布在900~2 400 m高度内，过冷水层厚度为1 500 m，其密度随高度上升有3个峰值，最大值0.63 g·m^-3出现在1 600 m高度（云底之上700 m），而在1 800 m高度（云底之上900 m）出现极小值，为0.01 g·m^-3，这与金德镇等（2004）研究结论一致。综上可见，两种方式探测的液态水密度最大值高度相当，结合再分析资料发现在850 hPa存在风速辐合，上升气流旺盛，有利于过冷水聚积。需要注意的是，热线含水量仪在云底下方还观测到一定量的液态水，其密度为0.20~0.30 g·m^-3，这可能是该仪器在入云前未进行调零操作而引起的误差（刘晓璐等，2021）。

在下降过程中[图5（b）]，热线含水量仪在1 500~1 800 m高度内观测到液态水充沛，液态水密度最大为0.62 g·m^-3，与上升过程相同，但最大值略低于上升过程；GVR探测的过冷水主要分布在900~1 600 m高度，这与飞机下降到1 700 m以下再次入云有关，过冷水层厚度较上升过程略薄，其密度最大值（0.78 g·m^-3）高度降为1 000 m（云底之上100 m），同时在1 400 m高度出现过冷水次峰值。另外，在2 200~2 800 m高度内飞机穿过一薄云层，GVR探测的过冷水密度出现小的起伏，值均在0.05 g·m^-3以内，而热线含水量仪则在2 600~3 000 m高度内又探测到液态水密度次峰值（0.37 g·m^-3），考虑到3 000 m以下飞机已经入云，GVR探测的过冷水含量极少，云内温度在-6 ℃以下，热线含水量仪观测的大量级液态水密度可能受云中冰相粒子影响，且在再次入云前也存在未调零操作带来的误差。综合来看，GVR受云中固态水影响较小，能够更好地反映云中过冷水含量、过冷水层的位置高度及厚度，可为人工影响天气作业提供重要参考。

同样地，可得到飞机上升和下降过程中GVR反演的水汽密度廓线（图6）。可以看出，飞机上升过程中，水汽密度随高度上升先逐渐减小，至400 m高度减为0.97 g·m^-3；随后，水汽密度迅速增加，至800 m高度（云底之下100 m）达到最大值10.97 g·m^-3；此后，水汽密度随高度上升迅速减小，在1 400 m高度附近降为2.38 g·m^-3左右；之后，在1 400~2 800 m高度内水汽密度变化不明显，在2.12~6.27 g·m^-3之间浮动，在云顶附近再次降低至0.99 g·m^-3。飞机下降过程中，水汽密度同样随高度上升先略有减小，在400 m高度降为0.81 g·m^-3，此后随高度上升迅速增加，至1 000 m高度（云底之上100 m）达到最大值12.74 g·m^-3。结合再分析资料，近地层存在风速辐合，在动力抬升条件增强的同时，西南气流带来的水汽平流使得水汽辐合增强，从而使水汽密度最大值及对应高度较上升阶段略高，距离降水来临的时间更近。随后，水汽密度随高度上升迅速减小，至1 400 m高度降为1.20 g·m^-3左右，1 400 m 高度以上水汽密度无明显变化趋势，在0.38~4.30 g·m^-3之间波动。

整体来看，水汽主要源于平流输送，并积聚在云底附近800~1 000 m高度内，此次飞行探测于系统过境前，随着降水的临近，飞机下降阶段较上升阶段水汽密度最大值增加、对应高度上升，水汽大值层厚度略有增大，与李军霞等（2017）研究结论一致，这对降水预报及人工影响天气作业有一定指导意义。

（1）本次飞行探测的天津地区为典型层状云，云水平分布较为均匀，液态水路径在云下最大为0.45~0.50 mm，且自云底向上随高度升高而减小，至液态水全部冰晶化高度以上减为0 mm；积分水汽含量自地面向上随高度上升逐渐减小，地面最大为1.5 cm左右，在平飞过程中稳定在0.3~0.5 cm。相对于液态水路径，积分水汽含量随高度的变化更为均匀。

（2）GVR反演的液态水密度量级与热线含水量仪观测值相当，且随高度上升均呈先增后减的变化趋势。GVR探测的液态水均为过冷水，在上升过程中过冷水主要分布在900~2 400 m高度，其密度最大为0.63 g·m^-3，对应高度为1 600 m（云底之上700 m），而在1 800 m高度（云底之上900 m）出现极小值；在下降过程中过冷水主要分布在900~1 600 m高度，其密度最大值0.78 g·m^-3出现在1 000 m高度。热线含水量仪观测结果受云中冰相粒子和入云前未调零操作的影响较大，相比之下GVR反演的液态水密度能够更好地反映云中过冷水含量及垂直分布特征。

（3）此次飞行探测的天津地区水汽主要源于平流输送，且主要积聚在云底附近800~1 000 m高度，飞机下降过程中水汽密度最大值出现在1 000 m高度，为12.74 g·m^-3。随着降水的临近，飞机下降阶段较上升阶段探测的最大水汽密度增大，对应高度上升，水汽大值层厚度略有增大，对降水预报及人工影响天气作业有一定指导作用。

机载设备受自身探测原理、观测环境、人为操作及飞机姿态等因素的影响可能存在一定的系统或观测误差。在飞行探测过程中，当飞机穿过液态水层或高湿环境时，GVR天线窗上覆盖的水膜会对信号有一定的衰减，且飞机转弯或侧飞时的姿态也会对探测数据造成一定影响。此外，热线含水量仪在飞机入云前需人工操作调零，调零操作的及时性与否也会带来一定误差。尽管本文已经对部分数据进行了质量控制，但仍不能确保数据的绝对精确，可能给结果分析带来一定的不确定性。日后将开展更多的层状云飞行探测过程，结合多种观测资料综合分析云的水汽和液态水分布特征，对比不同资料观测结果的差异与适用性。