新疆位于中国西北干旱区，地处中亚内陆，地形以三山夹两盆为主要特征，干旱少雨。近年来频繁发生极端高温事件（庞萬隆等，2025），水资源短缺已成为制约区域生态环境与社会经济发展的重要因素。大气降水是新疆水资源的主要来源，云量、云水含量、云液态水含量及云冰水含量等云物理参数是表征云水资源状况的关键指标，其时空分布不仅直接影响地表辐射平衡和降水形成过程，还与区域干旱化演变及生态系统水分循环密切相关。因此，揭示新疆云水资源的时空分布特征及其变化规律，对于认识干旱区气候系统演变、开展水资源评估及生态环境保护具有重要意义。然而，云水资源的定量观测与精确表征仍面临较大挑战。云的研究主要依赖地面雷达观测、卫星遥感及数值模拟等手段。三者各具优势，但也存在局限性，这使得不同区域在开展云水资源研究时，需根据研究目的与资料特征选择合适的数据来源。

随着卫星遥感技术的发展，云参数的获取能力不断提升，为云水资源研究提供了重要数据支撑。其中，MODIS和CloudSat在云观测研究中具有重要地位。MODIS是搭载于Terra和Aqua卫星（A-Train编队）上的一种被动光谱传感器，可通过反演红外、可见光和近红外波段的辐射信息，获得长时间序列、全球尺度的云宏微观物理参数，广泛应用于区域云参量时空特征研究（李文韬等，2018；张沛等，2020；张敬书等，2023）。然而，由于其采用自上而下的遥感探测方法，并在反演过程中假设云体在垂直方向上均匀混合，易导致云冰水含量的高估和液态水含量的低估或漏测（耿蓉等，2018）。相比之下，2006年发射的CloudSat卫星（同属A-Train编队）搭载94 GHz云廓线雷达（Cloud Profiling Radar，CPR），能够获取云的垂直结构信息，在云微物理结构研究方面具有独特优势（方乐锌等，2016）。但由于CloudSat轨道扫描宽度较窄，且不具备跨轨扫描能力，其观测数据难以用于小尺度格点云参数的空间分布分析（Eliasson et al.，2011），相关研究多集中于大尺度云参数水平分布特征（方乐锌等，2016；周茹等，2022；Yao et al.，2023）。此外，随着中国气象卫星的发展，风云系列卫星资料也逐渐应用于云参数特征分析，在局地强降水过程的云微物理研究中发挥了重要作用（乔丹杨等，2025）。

再分析资料通过融合大量地面观测资料和卫星遥感数据，结合云水混合比参数化方程，对云水含量进行反演计算。已有研究表明，再分析数据能够较好再现云水分布特征（Li et al.，2012），因此在部分研究中常被作为“参考真值”使用。其中，ERA5再分析资料已被广泛应用于云水资源研究（赫小红等，2020；邓佩云等，2024；张正国等，2024），并为我国云水资源评估与利用提供了重要参考（刘菊菊等，2018；张海宏等，2021；高建秋等，2022）。

由于反演算法、卫星观测足迹以及仪器敏感性等因素的差异，不同卫星资料反演得到的云参数结果往往存在一定差别（Eliasson et al.，2011；刘健，2013），同时各类资料均存在潜在误差来源，因此开展多源资料的对比分析具有重要意义。基于此，本文整合MODIS、CloudSat及ERA5资料，从气候尺度系统分析新疆地区云水参数的时空分布特征，并对不同资料之间的差异进行定量化比较，以明确各类数据在云水资源研究中的适用性，为提升新疆云水资源评估的准确性提供科学依据。

新疆地理范围约为34°N—50°N、73°E—97°E，总面积超过160万km²，约占中国国土面积的六分之一。北部为阿尔泰山，中部为天山山脉，南部为昆仑山；天山将新疆划分为南疆和北疆，天山以南为塔里木盆地，以北为准噶尔盆地（图1）。新疆属于典型的温带大陆性干旱气候区，降水稀少且空间分布不均，主要集中于山区，而广阔的盆地和沙漠地区降水极少，生态环境较为脆弱，水资源主要依赖山区降水及冰雪融水补给，因此对大气云水资源变化较为敏感。

ERA5是欧洲中期天气预报中心发布的第五代全球大气再分析资料，时间范围涵盖1950年至今。该数据通过同化多源观测资料，提供包括大气、陆地和海洋在内的多种气候变量的高时空分辨率数据。本文使用1979—2024年水平分辨率为0.25°×0.25°的ERA5月平均资料，对新疆地区云量、液水含量和冰水含量的长期变化趋势进行分析；同时选取2007—2019年月平均资料计算区域云量及云水含量的空间分布特征。

CloudSat卫星搭载的云廓线雷达沿轨空间分辨率为1.10 km，横轨分辨率为1.30 km，垂直分辨率为0.24 km，轨道重复周期约为16 d。为保证统计稳定性，选取2007—2019年所有经过新疆区域的CloudSat轨道数据，并将其投影至1.5°×1.5°格点，即在每个月内，将所有落入同一格点的云廓线资料进行合并，并计算月平均值，从而构建新疆区域月平均云水资料数据集。

CloudSat液态水含量（Liquid Water Content，LWC）的反演基于云滴粒径分布假设，即假设云滴粒径呈对数正态分布，计算公式（Austin et al.，2009）如下：

式中：ρ_w为水的密度，单位为kg·m^-3；r为云滴等效半径，单位为μm；N（r）为云滴谱分布函数，单位为m^-3·μm^-1。冰水含量的反演则采用结合云粒子谱分布先验信息的贝叶斯反演算法。在具体反演过程中，首先对各层云分别按水云和冰云进行反演计算，然后依据温度条件对云水凝物进行相态划分，从而得到相应的液水含量和冰水含量。

2007—2019年Aqua卫星搭载的MODIS三级月平均产品空间分辨率为1°×1°。MODIS云参数反演采用双光谱反射率算法，基于可见光与近红外波段的观测信息同步反演云光学厚度τ和有效半径R_e。在此基础上，MODIS利用以下公式（Yang et al.，2003；Wilcox et al.，2009）估算液水含量和冰水含量：

式中：τ为云光学厚度，无量纲；R_e为有效半径，单位为μm；ρ_i为冰水密度，单位为kg·m^-3；<Qe>为0.66 μm波长处冰粒子的消光系数。

为确保不同资料间的可比性，依据研究目的选取不同时间范围的数据：分析水凝物空间分布特征时，选取ERA5、MODIS和CloudSat 3种资料的共同覆盖时期（2007—2019年）；分析变量长期变化趋势时，仅使用1979—2024年ERA5数据。CloudSat卫星资料在2011、2012、2018年有严重缺失，因此在数据处理中剔除上述年份。文中3—5月为春季、6—8月为夏季、9—11月为秋季、12月—次年2月为冬季。

新疆2007—2019年云量空间分布如图2所示。3种资料均表明，新疆云量整体呈山区多、盆地少的空间分布特征，该特征与区域降水分布基本一致。ERA5与MODIS数据显示，阿尔泰山、昆仑山与西天山云量平均值约为0.55，其中，昆仑山地区存在大于0.70的云量高值区，西天山云量普遍超过0.60。相比之下，天山东部地区云量低于西部，ERA5和MODIS资料均显示其云量为0.50。CloudSat反演结果略低于ERA5与MODIS，3个主要山区云量约为0.50，局部存在约0.55的高值区，而东天山云量约为0.45。

盆地是云量低值区，特别是在吐鲁番哈密（简称吐哈）地区及塔里木盆地东北部，3种资料均显示出明显的云量低值中心，其中ERA5与MODIS云量低于0.30，CloudSat云量低于0.40。就盆地整体而言，CloudSat反演的云量（约0.45）系统性略高于ERA5与MODIS（约0.40）。

全球变暖气候背景下，为研究新疆近45 a云量变化趋势，基于1979—2024年ERA5数据，分析云量的线性变化趋势（图3）。除天山山区外，新疆云量大体呈南部增加、北部减少的特征。西天山、昆仑山及南疆盆地南部为云量增加区，其增长幅度自盆地边缘向腹部逐渐减小，但均未达到显著性水平。阿尔泰山、天山中东部、北疆盆地、南疆盆地北部以及西昆仑山部分地区为云量减少区（均通过置信水平为95%的显著性检验）。南北疆盆地年平均云量在过去几十年中均呈明显下降趋势（p=0.001）。

新疆2007—2019年云水含量多年平均空间分布如图4所示。3种资料显示云水含量空间分布与云量具有较好的一致性，均呈现山区高、盆地低的特征。ERA5和MODIS数据显示，西天山为云水含量高值中心，ERA5反演的云水含量超过140 g·m^-2，MODIS反演的云水含量高达520 g·m^-2；阿尔泰山也为高值区，ERA5和MODIS反演的云水含量分别达100、500 g·m^-2。东天山与昆仑山为次高值区，ERA5反演的云水含量约为80 g·m^-2，MODIS云水含量可达440 g·m^-2。CloudSat反演结果略有不同：西昆仑山最高，云水含量可达190 g·m^-2；西天山和东昆仑山次高，约为160 g·m^-2；阿尔泰山和东天山在100 g·m^-2以下。

盆地云水含量明显偏低，低值中心主要位于塔里木盆地、吐哈地区及塔克拉玛干沙漠。尽管这些区域大气水汽含量并不低，但缺乏水凝物形成的动力和水汽辐合条件（史玉光和孙照渤，2008a）。在这些低值区域，MODIS云水含量仍可达200 g·m^-2，北疆盆地约为400 g·m^-2。而CloudSat云水含量在南疆盆地仅为40~80 g·m^-2，但北疆盆地西部存在与西天山相似的高值区（云水含量约160 g·m^-2），而盆地南部云水含量与阿尔泰山相当（100 g·m^-2）。值得注意的是，CloudSat反演结果在北疆盆地的分布特征与其他资料存在明显差异，但北疆盆地云水含量高于南疆盆地的分布特征与MODIS一致。南北疆盆地ERA5云水含量为50~60 g·m^-2，整体低于MODIS和CloudSat。

进一步分析冰水含量（图5）和液水含量（图6）空间分布发现，ERA5和MODIS反演的冰水含量，西天山均为高值区，但MODIS（冰水含量大于280 g·m^-2）明显高于ERA5（冰水含量约为100 g·m^-2），而CloudSat反演的冰水含量在该区域约为90 g·m^-2。阿尔泰山仅在MODIS中表现为高值区（冰水含量大于220 g·m^-2），在ERA5中为次高值区（冰水含量约为60 g·m^-2），部分区域可达80 g·m^-2；CloudSat反演的冰水含量约为50 g·m^-2。昆仑山的数据差异较为显著，MODIS反演的冰水含量东西昆仑山均为高值区（可达240 g·m^-2）；ERA5反演结果昆仑山为冰水含量次高值区（70 g·m^-2）；而CloudSat仅在西昆仑山为高值区（超过100 g·m^-2）。冰水含量的低值区同样位于吐哈地区、塔里木盆地和塔克拉玛干沙漠区域。其中MODIS在南疆盆地冰水含量为120~160 g·m^-2，北疆盆地为200 g·m^-2左右。CloudSat在南疆盆地为40~60 g·m^-2，吐哈地区甚至低于30 g·m^-2；北疆盆地冰水含量的空间分布与云水含量较为一致，西部高（约70 g·m^-2），东部低（约50 g·m^-2）。ERA5南北疆盆地冰水含量整体偏低，为30~50 g·m^-2。

各资料的液水含量差距较大。ERA5液水含量高值区位于西天山及昆仑山，可达40 g·m^-2以上；阿尔泰山和东天山次高（约20 g·m^-2）。MODIS液水含量高值区位于西天山、阿尔泰山和西昆仑山，可达230 g·m^-2；东天山和东昆仑山次高（约160 g·m^-2）。CloudSat的液水含量高值区位于西昆仑山及北疆地区，可达90 g·m^-2；西天山和东昆仑山约70 g·m^-2；阿尔泰山和东天山约为60 g·m^-2。盆地普遍为液水含量低值区，尤其是南疆盆地，MODIS反演的液水含量约为90 g·m^-2；北疆盆地偏高，可达150 g·m^-2。ERA5南北疆盆地液水含量均低于10 g·m^-2，吐哈地区甚至低于5 g·m^-2。CloudSat低值区同样位于吐哈地区及塔里木盆地，液水含量可低于20 g·m^-2；北疆盆地西部为液水含量高值区，可达80 g·m^-2，东部较低（约60 g·m^-2）。

总体来看，新疆地区冰水含量明显高于液水含量，区域降水主要来自冰云（王旭等，2016；Jing et al.，2022）。3种资料均能捕捉新疆云水参数山区高、盆地低的主要空间分布特征。ERA5因空间分辨率高可展现更多局部特征，如昆仑山高值区位于北部，而2种卫星数据高值区覆盖整个昆仑山。MODIS与ERA5空间分布一致性较好，但数值普遍偏大。CloudSat因为极轨卫星的空间廓线分布不均匀，空间特征略有不同，但冰水含量数值与ERA5差异较小。

图7为1979—2024年新疆云水含量及冰水含量、液水含量的变化趋势。云水含量的变化趋势与云量整体相似，除西天山外，云水含量呈山区增加、盆地减少的趋势。西天山云水含量及冰水含量、液水含量均呈下降趋势，但不显著。阿尔泰山和中天山部分区域冰水含量显著增加，阿尔泰山增幅可达40%·a^-1；液水含量的增长主要在昆仑山西部，部分区域增幅可超过20%·a^-1，中天山及邻近南疆盆地部分地区液水含量也显著增加（通过置信水平为95%的显著性检验）。

尽管3种资料的云水含量在空间分布上较为一致，但数值差异明显。由MODIS与ERA5及CloudSat与ERA5的云水含量差值（图8）可见，前者呈山区高、盆地低的空间分布特征。云水含量高值区，差值也高（约350 g·m^-2）；云水含量低值区，差值也低，北疆盆地约为250 g·m^-2，南疆盆地北部约250 g·m^-2，南部约150 g·m^-2，表明MODIS与ERA5存在系统性偏差。CloudSat与ERA5的云水含量差值空间特征不明显，CloudSat的数值整体高于ERA5，昆仑山一带差值为80~100 g·m^-2；塔克拉玛干北部及北疆盆地西部出现差值高值区，CloudSat反演的液水含量在此区域值较高，而ERA5为低值。

进一步分析新疆云水资源的季节分布特征（图9）可看出，各季节云水含量空间上均呈山区高、盆地低的特征。3种资料反演的云水含量季节分布具有一定共性，均在夏季最高。夏季气温高，水汽输送量最大（约占全年的38%）（史玉光和孙照渤，2008b），云水丰富，因而新疆夏季降水量最多，西天山可达500 mm以上（Yao et al.，2023）；春秋季云水含量次之；冬季受蒙古—西伯利亚高压影响，云水含量最低，但盛行西风使西部云水含量略高（郭娜等，2025）。然而，MODIS反演的云水含量表现出不同的季节特征，秋季云水含量整体高于春季，且阿尔泰山冬季异常偏高，云水含量可达520 g·m^-2以上。

将云水含量分为冰水含量（图10）和液水含量（图11），进一步分析云水组分的季节分布特征。3种资料反演的冰水含量均表现为夏季最多、春秋次之、冬季最少。夏季，ERA5与CloudSat高值区位于天山和昆仑山，均可达110 g·m^-2以上；MODIS夏季冰水含量显著偏高，大部分区域超过300 g·m^-2。春季，ERA5和CloudSat的冰水含量大于秋季；MODIS则相反，秋季大于春季。冬季冰水含量普遍较低，仅北疆地区相对较高，ERA5和CloudSat大部分区域冰水含量约为30 g·m^-2，MODIS约为100 g·m^-2。

与冰水含量相比，不同数据集反演得到的液水含量时空分布差异更为显著。液水含量同样呈现夏季最高、春秋次之、冬季最低的季节分布特征。夏季，ERA5和CloudSat液水含量高值区位于天山与昆仑山，ERA5普遍超过40 g·m^-2，CloudSat普遍超过110 g·m^-2，MODIS 3大山区均在220 g·m^-2左右。春季，ERA5和CloudSat在昆仑山液水含量较低，分别约为15、40 g·m^-2，低于天山；MODIS在3大山区无明显差异。秋季，ERA5和MODIS在3大山区差异不显著，而CloudSat在昆仑山液水含量较低。值得注意的是，ERA5和MODIS反演的各季节液水含量均小于冰水含量，而CloudSat在夏、秋两季的液水含量大于冰水含量。冬季，新疆地区液水含量极低，ERA5普遍小于5 g·m^-2，CloudSat普遍小于20 g·m^-2，然而积雪和冰川覆盖高海拔地区MODIS液水含量异常偏高。

云水含量的标准差能够反映云水资源在季节尺度上的波动程度。3种资料反演的云水含量标准差均呈现出山区高、盆地低的空间分布特征（图12）。然而，不同资料在波动幅度和季节变化特征上存在明显差异，反映出不同反演方法对云水变率的敏感性存在差别。ERA5反演的云水含量标准差最小，且山区高、盆地低的空间分布特征最为清晰。从季节变化来看，冬季云水含量标准差最小，除阿尔泰山和西天山个别区域可达20 g·m^-2外，其余大部分地区均低于10 g·m^-2；夏季标准差最大，其中昆仑山区域可达40 g·m^-2。MODIS反演的云水含量标准差分布与ERA5存在显著差异，最为突出的是，冬季在阿尔泰山及部分北疆地区出现明显高值区，标准差可超过100 g·m^-2。CloudSat反演的云水含量标准差在3种资料中最大，尤其在春、夏、秋三季，天山及昆仑山区域的标准差普遍在120 g·m^-2以上。

本研究基于ERA5再分析资料、MODIS和CloudSat卫星数据，系统分析了新疆云水资源的时空分布特征。3种资料一致表明，新疆云水参数整体呈现山区高、盆地低的空间格局和夏季高、冬季低的季节变化特征，且冰水含量普遍高于液水含量。这一分布规律与新疆水汽输送特征高度一致（史玉光和孙照渤，2008b），并与水汽含量与地形高度之间存在负相关关系的认识（余杰等，2024）相符，同时也与基于单一资料的相关研究结果（Yao et al.，2023；姚俊强，2024）一致。

从空间分布来看，北疆盆地云水含量高于南疆盆地的特征在多种资料中均有体现，这一差异与西风带水汽输送密切相关。西风是西北地区水汽输送的主要通道（王凯等，2018；肖生春等，2024），在山脉地形抬升作用下，水汽更易进入北疆盆地（刘蕊，2009），从而形成北疆盆地相对较高的云水含量。过去45 a中，北疆盆地和南疆盆地北部云量呈明显下降趋势（p=0.001），这可能与全球变暖背景下西风带北移有关（Tang et al.，2022），西风带北移会削弱进入盆地的水汽输送。同时，全球变暖背景下南北半球温度梯度变化可能增强越赤道气流，并推动南亚季风区向西扩展（Dai et al.，2022）。该过程可将印度洋水汽输送至昆仑山前，并在地形作用下形成辐合抬升，使昆仑山区云水含量显著增加，从而与盆地云量减少的变化趋势形成鲜明对比。

尽管3种资料在宏观分布特征上具有较好一致性，但在数值大小和局部细节上仍存在明显差异。MODIS反演的云水含量整体偏大，这可能与其反演算法中假设云体在垂直方向上均匀混合有关（耿蓉等，2018）。此外，MODIS在冬季阿尔泰山及部分北疆地区反演出异常偏高的云水含量。结合液水含量结果分析，这一现象可能源于MODIS将高山积雪和冰川误判为云（Wang et al.，2016），从而导致液水含量偏高，并进一步影响云水含量估计。已有研究表明，在雪、冰覆盖区，MODIS存在系统性的液态水路径高估，在极地地区平均高估幅度可达100 g·m^-2以上（Khanal et al.，2020）。CloudSat反演的云水含量在空间分布上与ERA5较为接近，但在部分区域数值偏高。CloudSat的CPR雷达能够穿透云层获取云体垂直廓线信息，对云内粒子分布具有更强的探测能力。然而，由于其轨道扫描宽度较窄且不具备跨轨扫描能力（Eliasson et al.，2011），空间采样不均匀可能导致局部高值区的出现。季节分布上，CloudSat在夏、秋两季反演的液水含量大于冰水含量，这一特征与其他两种资料存在差异，可能与CPR雷达对冰晶粒子的反演不确定性有关。由于冰晶形状复杂多样，其散射特性难以精确模拟，可能导致冰水含量被低估。ERA5再分析资料反演的云水含量标准差在3种资料中最小，这可能与再分析资料在数据同化与模式模拟过程中对短时间尺度的平滑作用有关，从而弱化了其年际和季节变率。然而，ERA5仍能较好刻画由地形驱动的主要空间分布特征，并在描述山区与盆地过渡带结构方面具有优势。相比之下，CloudSat数据的标准差最大，其CPR雷达能够获取云体垂直结构信息，对云内冰、液相转化过程更为敏感，因此更易捕捉到较大的云水波动。

总体而言，CloudSat能够穿透云层并提供垂直廓线信息，对云水参数反演更为准确，可为新疆云水资源的精细化研究提供重要参考；MODIS主要依赖云顶辐射信息，对云体内部结构刻画能力有限；ERA5在数据同化与模式模拟过程中可能对波动具有一定平滑效应。不同资料在云水参数反演中均存在潜在误差来源，因此开展多源资料对比分析有助于更全面认识新疆云水资源的时空演变规律。未来研究可进一步结合地面观测资料，对卫星反演结果进行适用性评估，并探索利用人工智能方法融合星、地多源数据，以获取更加准确的云水参数，为新疆云水资源的科学评估与合理利用提供科学依据。

基于ERA5再分析资料、MODIS和CloudSat卫星观测数据，系统分析了1979—2024年新疆云水参数的时空分布特征及其变化趋势，得到以下主要结论。

1）新疆云水资源空间分布山区高、盆地低，地形抬升与水汽辐合是形成该特征的主要动力机制；时间上，夏季最高、冬季最低、春秋为过渡季。云冰水含量普遍高于液态水含量，降水形成以冰相过程为主。新疆云水资源区域差异明显，北疆盆地及南疆盆地北部显著减少，昆仑山区域显著增加。

2）MODIS与ERA5反演的云水参量空间分布具有较好的一致性，CloudSat的空间分布与二者略有差异，但数值与ERA5较为接近。MODIS反演的结果系统性偏大。3种资料均能较好地刻画云水参数的季节变化特征，但冬季MODIS易将高海拔积雪和冰川区误判为云，从而反演出较大的液水含量。

3）3大山区ERA5和MODIS的云量约为0.55，西天山可达0.60，盆地约为0.40；CloudSat的云量山区约为0.50，盆地约为0.45，其中极端干旱的吐哈盆地最低（低于0.30）。

4）不同资料的云水参数存在差异。ERA5和MODIS反演的云水含量高值中心位于西天山和阿尔泰山；CloudSat高值区则位于昆仑山（约190 g·m^-2）。盆地云水含量明显低于山区，MODIS、ERA5、CloudSat分别为200~400、50~60、40~80 g·m^-2。冰水含量在总云水中的比例普遍高于液水含量。