云参数是痕量气体反演过程中重要的输入参数, 对其准确反演具有重要意义。基于 2019 年 3 月大气痕量气体差分吸收光谱仪 EMI 的观测数据, 利用 O4 在 477 nm 处的吸收特性进行有效云量的反演。为验证 EMI 云量反演的准确性, 将 EMI 与 TROPOMI 的反演结果进行对比分析, 并对 2019 年 3 月 2 日、6 日、9 日和 10 日 EMI 和 TROPOMI 整天的云量进行了相关性分析, 相关性 R 分别为 0.752、0.712、0.764 和 0.762, 表明二者具有良好的相关性。进一步选取了沙漠、海洋、陆地三个不同区域的云量分析了不同下垫面情况云量的分布特征, 发现在这三个区域, EMI 和 TROPOMI 的云量都具有较好的一致性, 并且海洋上空云量较低, 陆地上空云量较高, 而沙漠上空云量变化频繁。

主要讨论O2-O2在477 nm处吸收带反演的有效云量。首先通过差分吸收光谱(DOAS)算法反演460~490 nm内的O2-O2斜柱浓度,并对O2-O2斜柱浓度中出现的条带进行修正;然后通过SCIATRAN辐射传输模型设置太阳天顶角、观测天顶角、相对方位角、地表反照率、地面高度、云量、云压等参数的不同节点,创建O2-O2斜柱浓度和反射率的查找表,进一步对查找表进行转换得到云量的查找表;最后对O2-O2斜柱浓度、连续反射率及相关太阳几何信息进行多维插值,得到大气痕量气体差分吸收光谱仪(EMI)有效云量。为验证所提算法的准确性,将EMI结果与OMI(ozone monitoring instrument)云量进行比较,两者均呈由低云量到高云量频数递减的趋势,其中云量为0和云量为1均出现频数高值现象,云量相关性R为0.82,相关性表现良好。

针对光学遥感手段无法探测云雾覆盖下绿潮分布区域这一现状问题, 本文着力于开展绿潮时空分布的监测研究, 获取了近三年五月中旬到八月中旬的GOCI(geostationary ocean color imager)数据, 基于该数据进行绿潮范围提取、绿潮漂移路径分析、精细化云区域提取和统计云覆盖情况, 分析云量覆盖对利用静止轨道卫星监测绿潮的影响程度, 进而从探测能力和动态能力两方面论证利用静止轨道卫星开展绿潮业务化监测的可行性。

针对我国新一代地球同步气象卫星 FY-4的预期发射和数据应用,本文借助与 FY-4卫星成像仪类似的 Meteosat-8卫星的 SEVIRI仪器数据资料开展先期研究,建立了一种部分云覆盖条件下红外辐射传输模型,模拟了不同大气条件、火山灰云高度、有效云量和观测天顶角情况下卫星观测的红外通道的亮度温度的变化。美国标准气候态大气廓线和火山灰区实时大气廓线两种模拟结果都表明,模型模拟的 8.3～9.1.m,9.8～11.8.m,11～13.m,12.4～14.4.m的入瞳亮度温度对云高度、有效云量较为敏感,基本呈线性相关;卫星天顶角对模拟的辐射亮温的影响相对较小。通过不同大气廓线状态和火山灰云发射率情景下的测试结果表明,只有同时考虑大气条件和火山灰云通道发射率的差异后,模式才能够较好地模拟出火山爆发情景下火山灰云中酸性物质在 11.m和 12.m的反吸收特性。与大气条件相比,通道的发射率差异对火山灰云的遥感建模更为重要。因此,可在传统的分裂窗通道的基础上,通过热红外多通道亮温及亮温差异信息联合反演火山灰云高度和有效云量等因子,提高部分覆盖下火山灰云的微物理参数的反演精度。本研究为建立基于我国新一代静止气象卫星 FY-4数据的火山灰云浓度定量反演模型提供了理论基础。

利用最新的1983～2009年国际卫星云气候计划(ISCCP)D2月平均资料集,得到了中国地区总云量、低云量、中云量、高云量与云光学厚度的分布与变化趋势,结果表明: 中国总云量和中云量呈现南多北少的分布,青藏高原地区高云量较大而低云量很小;总云量和中云量在东部呈增加趋势,西部呈减小趋势,低云量和高云量 在大部分地区呈减小趋势。从不同季节来看,春季和秋季北方总云量增加,西部总云量减小;夏季大部分地区总云量增加,冬季大部分地区总云量减少。云的 光学厚度呈现南多北少的分布,且在大部分地区呈增加趋势。同时利用中分辨率成像光谱仪(MODIS)资料分析了2001～2013年间中国不同污染地区总云量与 云光学厚度的分布及变化趋势的异同,结果表明:中国不同污染地区云量与云光学厚度呈现不同的分布和变化规律。

云高、云量的自动化仪器定量观测对于气象业务非常重要,不同数据的有效融合分析对于气象业务来说 意义重大。云测量系统硬件上集成了激光云高仪、全天空成像仪探测模块,使得云高、云量的观测数据 在时间、地点上高度统一,结合激光云高仪的剖面数据和全天空成像仪的云二维分布数据做了初步融合 分析,进行精确的云高判别、云量反演与云种分类研究。通过数据融合,利用全天空图像可以消除云高 仪在雾霾天气下对云底的误判,同时利用云高数据可以估计全天空云的空间分布而对云进行了更精确的 分类。实际上,将云高、云量数据融合分析是气象业务观测的发展方向。

云是气象预测和航空航海等领域中非常重要的因素之一，所以对云进行观测具有重要的现实意义。而云量作为其中重要的气象参数之一，已成为气象观测的重要内容。目前，对于云量的观测主要还是靠目测，由于各种因素的影响导致误差较大。测量云量是激光云高仪的一个重要应用。提出了一种激光云高仪云量自动反演算法，算法以激光云高仪单点测量数据为基础构造一个关于时间和云层高度的二维图像，按照云层所占用的时间比率进行反演计算云量。对比实验验证表明，算法能较为准确地反演出云量信息，对激光云高仪具有实用价值。

利用全自动观测仪器Total Sky Imager880统计得到了内陆典型地区合肥和东南沿海地区云量随时、月和季节变化统计特征，以及无云视线概率(P_CFLOS)随小时和仰角变化的统计特征。合肥地区年平均云量在中午偏多，早上和傍晚偏少；东南沿海云量随时间变化与合肥地区云量随时间变化趋势相反；一般春夏两季云量比秋冬两季要多，合肥地区月平均云量在50%～88%之间变化，东南沿海月平均云量在40%～55%左右；合肥地区季节平均P_CFLOS最大不超过0．35，而东南沿海月平均P_CFLOS最大达到0．7。