地球上有将近60%~70%的天空被云覆盖, 它千姿百态、千变万化, 为我们提供淡水、清洁大气、调节天气与气候, 决定了我们赖以生存的地球环境状态。云是地球系统的重要组成部分, 一般来说, 云主要是靠潮湿空气在上升运动过程中绝热膨胀降温达到饱和而生成的[1], 其凝结潜热释放充当着一种驱动全球大气环流的“ 引擎” 。云与大气辐射的相互作用将会影响地球大气辐射平衡、气候变化, 还与大气化学、酸雨、污染物的输送和清除等密切相关[2]。

一直以来, 云被认为是空军和民航部门非常关注的气象要素之一, 与航空活动密切相关。飞机的起飞降落受低云的影响显著, 穿越积雨云会发生飞机颠簸或造成飞机积冰, 云还会影响飞行员的视觉判断等。云体结构一定程度上决定了强对流风暴等天气系统的发展方向和强度。此外, 云或云系的分布、形态、数量及其变化还体现了大气运动的变化趋势和状况, 是未来天气(特别是短临近天气)变化的重要征兆, 具有先导性价值。

近几十年来, 随着遥感技术的迅猛发展, 云观测手段越来越多样化, 目前主要有卫星红外可见光遥感、卫星微波遥感、星载云雷达、多普勒天气雷达、激光雷达、全天空成像辐射仪和微波辐射计等测云手段, 各类观测手段皆有优势和不足[3]。虽然云观测手段发展较为迅猛, 然而云观测资料直接应用到实际的天气预报业务以及数值天气预报中仍然存在一些局限：①任何一种观测手段只能反映云的一部分信息, 如卫星资料不能反映云底信息, 多普勒天气雷达探测范围相对有限, 人工观测不能反映云顶信息, 故仅依靠某一种资料还不能够实现对云三维结构的全面了解, 尽管经验丰富的预报员可通过综合思考获得云结构, 然而这更多的是定性的、因人而异的、模糊且很难言表的结果; ②依靠云观测资料, 通过外推, 只能获得临近时刻未来云的信息, 很难获得较长时间未来时刻云的信息, 然而实际工作中很需要这种信息来保障航空活动的正常运行; ③云是目前公认的数值预报模式中重要的不确定因素之一, 如何提取多源观测资料中的云信息并且能够适当地改善模式中的云信息, 一直都是资料同化努力的方向之一。

为了在天气预报业务中更加直观有效地掌握云的发展演变过程, 以及在数值模式中改善云的不确定性, 云分析预报技术需要大力发展。本文将以云观测手段、资料同化和反演方法的发展为基础, 从云分析方法、云预报方法和云分析预报系统开发来评述国内外的研究进展与成果。

云分析方法是指综合利用气象卫星、天气雷达、探空及地面观测等多源观测数据以及数值预报模式输出结果, 采取数值融合和数据同化等方法, 获取分析时刻天空中云的量、状、底高和顶高等重要信息, 是云预报方法和云分析系统的理论基础。

探空作为常规的云观测手段之一, 它可以获取由地面到30 km高空各层温、压、湿、风随高度的变化信息, 当空中水汽达到饱和或过饱和时就会凝结形成云。从云微物理学的角度看, 在液滴云雾中的相对湿度应该接近于100%, 而冰云或冰水混合云中的相对湿度可在水面到冰面饱和之间。这是利用相对湿度的探测值来确定云的垂直结构的理论基础。

1962年Essenwanger等[4]利用地面观测和探空资料探讨了云层的厚度。1995年Poore等[5]用探空的湿度(温度露点差)廓线判定云顶和云底高度。同年, Wang等[6]改进了Poore的方法, 提出用相对湿度的阈值以及云顶和云底相对湿度负和正的跳跃变化来判断云层(WR95法)。1996年Chernykh等[7]又提出了一种新的方法(CE96法), 利用探空的温度和湿度二阶导数随高度的变化判断云层的垂直结构。2005年Minnis等[8]利用探空资料, 通过不同的温度值设定不同的相对湿度阈值判断云层, 并且引入垂直速度作为修正项, 最后得到判断云层出现概率的经验公式, 以此判断云垂直结构(MN05法)。

近年来, 随着我国L波段高空气象探测系统的建立与发展, 也有一些学者利用探空资料研究云垂直结构特征。张玲等[9]根据探空仪器进入云时温湿突变的情况, 借用探空数据中的温湿变化确定云底高度范围, 分晴朗和雨雾天气条件下, 对地面观测到的云高进行校对, 增加人工目测的准确性。赵仕伟等[10]将WR95探空分析云结构算法利用到数值模式中, 以模式输出的数据代替探空数据判定云底高度。周毓荃等[11]和欧建军[12]采用WR95法, 利用我国探空秒数据, 计算分析了不同云垂直结构, 将得到的分析结构同CloudSat卫星实测云垂直结构进行多个个例的对比分析, 验证了相对湿度阈值判断云垂直结构方法的可行性, 及利用我国业务探空资料分析云垂直结构的可用性。Zhang等[13]改进了WR95法, 利用ARM观测计划获得的中国寿县的探空资料分析当地的云垂直结构特征, 并利用WACR雷达和激光云高仪等验证了方法的可靠性。

卫星作为云探测的有效工具之一, 能够提供大范围多时次宏观、微观云信息。由于卫星较高的时空分辨率, 红外和可见光云图不仅可以监测行星尺度天气系统, 还能对单个对流云团进行监测[14]。目前, 国内外利用各种卫星资料提取云特征参数已经做了大量工作, 主要为极轨卫星反演。Daniel[15]和刘健等[16, 17]曾经利用NOAA卫星做过一些云微物理特征分析研究, 盛夏等[18]和汤琦等[19]用不同的检测方法对MODIS资料进行云检测, 得到较好的结果。在分辨薄云和透明云方面, 王永亮[20]结合MODIS波段范围提出了一种针对不同下垫面而通用的多光谱云检测算法, 实现对此两种云的检测。王洪强等[21]运用辐射观测数据(搭载在Aqua卫星上的辐射计)反演得到云资料, 分析了总云量多年平均空间分布。MODIS由于较高空间分辨率、多光谱通道的特性, 能够捕捉云高、相态以及云的有效粒子半径等都是分析云特征的重要依据, 其对云的检测能力超过AIRS[22, 23]。风云三号(FY-3A)上的可见光和红外扫描辐射计VIRR(Visible and Infra Red Radiometer)能反演出深厚积云、中高云、暖性低云等, 与MODIS合成的云外形特征较一致, 但没有MODIS反映的细节丰富[24]。虽然极轨卫星空间分辨率较高, 但是观测时次较少, 对监测云系发展演变有很大的局限性。

地球同步卫星时间分辨率较高, 范围较大, 能够实现对云的持续监测, 可很好地观测到云系的发展演变过程。国外许多学者针对地球同步卫星, 研究了一系列云检测和云参数反演的方法。Hamada等[25]利用两个红外分裂窗通道, 对GMS-5(fifth Geostationary Meteorological Satellite)卫星资料与船载云雷达观测建立查算表, 反演得到云顶高度, 后来又将此方法用于日本地球同步卫星MTSAT-1R分裂窗亮温与CloudSat资料[26]。Li等[27]将一维变分反演方法用于GOES(Geostationary Operational Environmental Satellite)长波谱云辐射观测资料反演云参数, 其结果优于CO2薄片法反演的云顶气压和有效云量。Bankert等[28]对比分析了基于显示和隐式物理方案的GOES卫星云分类算法, 并得出两种方法的结合将会提供更加可靠的云分类产品。

在国内, 陈英英[29]利用FY-2C资料, 结合辐射传输模式SBDART, 定量地反演了云粒子有效半径和云光学厚度等云微物理特性。周毓荃等[30]等基于我国FY-2C/D静止卫星, 融合高空和地面等观测资料, 研发了近10种云宏观微观物理特性参数的反演技术, 并实现业务运行。周非非等[31]研究探讨了FY-2卫星反演的云顶高度与多普勒雷达回波顶高的关系, 结果表明, 卫星反演的云顶高与SA型号雷达回波顶高存在较好的正相关关系。周青等[32]针对FY-2C静止卫星提供的可见光、中红外和热红外观测数据, 提出三通道同时反演云的光学厚度、云滴有效半径及云顶温度的迭代方案, 反演结果与MODIS方法的精度相差不大。

星载云廓线雷达主要工作波长为毫米波段, 它具有较高的测量精度和垂直分辨率, 能在全球范围内实时、连续、快速、长期和精确地给出半透明云层的形态、云厚、云顶高度和云的层次信息, 其探测全球范围内云的垂直结构优势非常明显。自2006年4月28日美国CloudSat卫星发射成功以来, 国内外学者做了大量相关研究。Luo等[33]利用CloudSat搭载云雷达的2B-GEOPROF和2B-GEOPROF-LIDAR产品, 对比分析了中国东部地区与印度季风区云的垂直结构特征及季节变化。王胜杰等[34]利用2B-GEOPROF及2BCLDCLASS产品对比分析了青藏高原、高原南坡及南亚季风区不同云类的云顶、云底高度及云厚度统计量。王帅辉等[35, 36]利用CloudSat产品和ISCCP运量数据对比分析了中国及周边区域的云量分布, 并对云量及垂直结构的季节变化进行统计分析。严卫等[37]联合CPR与星载激光雷达资料, 将得到的云廓线产品用支持向量机技术对垂直云相态进行识别。周毓荃等[38]利用CloudSat卫星资料对一次台风和一次层状云系降水进行了初步分析研究, 得到的不同云系垂直剖面结构特征弥补了MODIS等卫星对云顶等信息得观测不足, 并较好地认识了台风云系在发生发展及衰弱消亡阶段的结构特征。Mace[39]发展了一套CloudSat卫星云分类的算法, 结合了云顶温度、云层水平和垂直结构将云分为高层云、高积云、层云、层积云和积云。但由于CloudSat卫星特有的观测时次少、轨道窄等缺点, 目前主要用于云分析结果的检验以及云量的季节和年际变化研究, 更加深入的研究和应用还在探索阶段。

地基天气雷达也常被用于云类型的识别分析。很多学者针对云类型识别研究了做了不少工作。Steiner等[40]、仲凌志等[41]研究和改进了阈值法, 建立了识别暴雨过程中对流云和层状云的方法。毫米波测云雷达的发展促进了从地基方面探测和研究云底/顶高度和云微物理特性。最早研究雷达反演云高的有Happer[42]和Hobbs等[43], 之后Clothiaux等[44]用94 GHz雷达研究云的特性, 同样使用反射率反演云顶、云底高度, 不同的是融入了激光雷达数据。Wang等[45]在云分类方面做出了巨大的贡献。在雷达反演云内液态水含量以及云粒子有效半径方面, Atlas[46]和Sauvageot[47]做出了巨大贡献, 他们结合35 GHz雷达和飞机实测谱参数数据, 得出雷达反射率因子、粒子有效半径、云内液态水含量三者之间的关系。地基云雷达从技术发展角度来说可谓比较成熟, 但由于设备成本高, 观测范围小, 目前用于研究较多, 大规模用于天气监测和预报业务尚有距离。

除了以上利用探空、卫星和雷达探测资料分析云宏观和微观特征, 还有基于机载雷达、全天空成像辐射仪和地基微波辐射计等观测手段的一些研究。国内吕达仁等[48]研究较多, 建立了全天空遥感观测系统, 并做了很多试验。高太长等[49]总结了目前地基全天空测云方法的现状, 孙学金等[50]研究基于非制冷红外焦平面阵列式测云法, 开发出一套全天空红外测云系统WSIRCMS(Whole Sky Infra Red Cloud Measuring System), 提出一种新的云类识别方法, 对简单的积云、层云、卷云和晴空的分类效果很好, 但仪器受环境影响较大。地基微波辐射计具有测量云液态水垂直分量及分布和大气水汽的能力, 黄建平等[51]通过反演微波辐射计资料, 分析了液态云水路径和可降水量的变化, 反演效果好。

针对各类云观测手段的优势和不足总结出主要几类云分析方法的优势和不足：①探空气球能够穿透云系, 可以识别出较为准确的云廓线, 但时空分辨率较低; ②红外和可见光能够较准确地获取云顶信息, 微波也能一定程度地反映云微物理信息, 空间覆盖广, 反演精度高, 可实时监测, 但不能较好地反演出云中和云底信息; ③天气雷达对对流层中层和底层云系反映较好, 毫米波雷达在获取云三维结构方面优势非常明显, 但天气雷达只能反映云的局地结构, 星载毫米波雷达在同一地区观测时次少、轨道较窄, 地基云雷达观测范围小、设备成本高; ④地基微波辐射计、全天空成像仪等数据质量高, 局地时空分辨率高, 能够较好地反映云液态水和大气水汽的分布状况, 但仪器受环境影响较大, 短时间内很难实现全球布网, 时空分辨率较低。

云预报通常是指数值模式中的云参数化方案问题。而本文要研究的云预报问题是由于数值模式本身不能够直接输出云量、云顶/底高度、云类型等, 需要基于数值模式结果诊断这些云参数或利用辐射传输模式正演模拟云顶亮温, 从而满足天气预报和民航保障业务对三维云预报的需求。云预报方法的研究将会为云预报系统的开发提供理论支撑。

1960年Smagorinsky[52]提出了第一个云预报方法, 即云量与相对湿度呈线性关系, 后来被用于大气环流模式和预报模式中, 是众多云参数化方法的基础。1978年Sundqvist[53]提出了一个本质上全新的观点, 在大气环流模式中有必要引入一个新的预报变量：云的比含水量。1980年Slingo[54]研究了云量与相对湿度的二次型关系, 并逐渐取代线性形式, 但是两种形式都没有完善的观测依据。1993年Tiedtke[55]提出了非对流云云量预报方法, 主要思想是认为非对流云的变化是由平流、湍流、微物理过程和积云对流所引起的, 用经验方法闭合, 考虑了积云对流的夹卷作用及积云中的云水(冰)。1994年Walcek[56]通过统计方法研究了春季中纬度气旋期间相对湿度与云量的指数关系, 考虑了不同高度和模式分辨率对相对湿度阈值的影响, 还探讨了对流区和非对流区的云量诊断的差异。1999年Norquist[57]利用多元线性回归(MLR)和多元判别分析(MDA)2种方法, 建立美国空军云分析系统RTNEPH(Real-Time Nephanalysis model)的云参数产品与中尺度数值模式MM5输出变量之间的统计关系, 并做了进一步验证, 结果证实了MDA方法优于MLR方法, 能够更好地适用于美国空军短期的云预报需求。随后, Norquist[58]又将MDA统计方法用于美国海军业务全球大气预报系统的全球天气预报模式与RTNEPH, 实现了全球范围的云预报。2008年Fogt等[59]将基于云液态水路径和云冰水路径权重的云量诊断方法应用于南极中尺度预报系(AMPS), 并对权重系数进行订正, 改善了云量预报。

国内在云诊断方面研究不多, 1992年钱正安等[60]利用一有限区域模式, 选用或修改了的6种云量诊断方案, 对预报结果进行分析, 其中以考虑了亚洲地区特点的ECMWF修正方案和气候云量方案对云区及云量的诊断效果最好, 此外, 还得出云的影响对大范围短期预报虽不重要, 但可对局部地区的短期天气变化有一定的影响。1994年钱云等[61]利用钱永甫的有限区域原始方程模式, 比较了4种基于相对湿度的云量参数化方案, 认为考虑了大气相对湿度、垂直运动的方案模拟云量分布及气候要素场与实况最接近。1999年王必正[62]对大气环流模式中非对流云预报方法做出了物理分析, 指出了存在的问题, 并从Lagrange观点、动边界观点和统计观点, 提出了大气环流模式中的云量预报的一些方案。2009年田广元等[63]利用探空等资料统计沈阳地区夏季不同温度、高度条件下识别云体的温度露点差与云体出现频数, 并对统计数据进行二元二次回归拟合, 得到识别云体的温度露点差阈值, 从而基于数值模式诊断云顶高度和温度。2012年仵建勋等[64]利用3种不同的云量诊断方案, 其中包括将垂直速度引入Slingo方案的新方案、水物质法和亮温诊断法, 对WRF模式结果诊断表明, 考虑温度和云微物理量的亮温法可以更好地反映云生成的机制。2013年蔡淼[65]利用累积频率交叉法和TS评分法, 统计了CloudSat云观测资料与相对湿度的关系, 得出中国不同区域和高度上的相对湿度阈值, 并提出了基于ECMWF再分析资料的三维云场诊断方法。熊秋芬等[66]使用支持向量机(SVM)和人工神经网络(ANN)2种方法, 分别建立了云量预报模型, 得出SVM的预报能力高于ANN方法, 但在计算速度上ANN优势明显。

近年来, 随着大气辐射学和卫星探测的发展, 大气辐射传输模式也被开发用于正演模拟卫星辐射、反演大气参数以及卫星资料同化。近期出现的2个比较优秀的快速辐射传输模式, 美国卫星资料同化中心(JCSDA)的CRTM[67](Community Radiative Transfer Model)和欧洲预报中心(ECMWF)的RTTOV[68~70], 用于建立模式变量与卫星观测辐射值的映射关系[71]。RTTOV系列是ECMWF开发用于模拟多种气象卫星探测的地球环境红外和微波辐射的快速辐射传输模式。RTTOV7以后的版本都可以模拟AIRS(大气红外探测器)等新一代红外高光谱分辨率卫星探测器资料[72]。目前已经更新至RTTOV11, 该版本包含了云散射模块(RTTOV_SCATT), 能够更好地模拟有云条件下的微波和红外辐射[73]。

国内在RTTOV模拟卫星辐射方面做了大量的研究, 主要是为卫星资料同化和反演奠定基础。马刚等[74]利用RTTOV5模拟NOAA14极轨气象卫星上相应红外探测(HIRS High-resolution Infrared Radiation Sounder)通道的辐射亮温, 与实测TOVS(NOAA’ s TIROS Operational Vertical Sounder)探测资料对比表明, 晴空模拟的亮温误差小于有云时的误差, 并进一步讨论了云参数对RTTOV5模式模拟的敏感性。漆成莉[75]研究了精确大气透过率模式和快速辐射传输模式正演模拟, 并对两者的模拟结果进行对比。还利用RTTOV7正演模拟了FY-3A气象卫星红外分光计透射率, 结果表明模拟的IRAS(Infrared Astronomical Satellite)透过率精度较高, 并与HIRS/3模拟结果对比分析, 检验了仪器的性能指标。马刚等[76]综合逐线模式GENLN2计算的精确大气透过率, 以及FY-2B红外和水汽通道的光谱响应函数, 重新计算了RTTOV透过率系数, 并将其用于FY-2B红外和水汽通道亮温的模拟。对FY-2B和GMS-5的模拟分析表明, RTTOV7能够较快地模拟出接近实测的卫星通道亮温。张兴海等[77]利用飓风天气预报模式(WRF For Hurricane, HWRF)和CRTM对FY-2F亮温资料进行模拟, 并进行了偏差分析。丁伟钰[78]基于GRAPES中尺度模式结果, 利用RTTOV模拟了FY-2卫星亮温, 研究发现云参数对FY-2亮温模拟影响很大, 随着GRAPES模式预报云量的增加, 误差减小。

此外, 除了诊断法和亮温模拟法外, 很多学者基于卫星、云雷达等观测等资料研究了一些外推预报方法, 但应用不多。例如, Hamill等[79]运用交叉相关法, 建立前后2个时次卫星红外图像上像素之间的位移矢量, 进行短时云图预报。

通过回顾云预报方法的国内外研究进展发现, 统计和诊断方法能够基于模式预报数据提供较好的三维云分布, 但受云量诊断算法和模式物理参数化方案[80]等因素的影响, 需要发挥多种云量诊断算法的优势, 针对指定的数值模式做历史统计, 得到修正方案; 而云顶亮温模拟考虑了大气温度、湿度和云水信息, 能够较好地反映总云量和云顶高度信息, 但不能反映云的垂直结构; 观测资料外推预报经验性太强, 外推时间越长, 准确度越低, 适用于短临预报, 但不太适合短期的云量预报。

云分析预报系统的开发以云分析方法和云预报方法的研究为理论基础, 在实践中发现两种方法存在的问题, 促进云分析方法和云预报方法的发展。目前, 国外已经有几个云分析和短临预报系统实现业务运行, 比较出名的云分析预报业务系统有美国空军(AFWA)的CDFS-Ⅱ [81](Cloud Depiction and Forecast System), 英国气象局(Met office)的NIMROD[82](Nowcasting and Initialization for Modeling Using Regional Observation Data Scheme), 美国俄克拉荷马州大学的CAPS[83](Center for Analysis and Prediction of Storms), 美国NOAA(National Oceanic and Atmospheric Administration)的LAPS[84](Local Analysis and Prediction System)和RUC/RR[85](Rapid Refresh version of the Rapid Update Cycling model)。这些系统融合了来自卫星、雷达和云高计等多源云观探测资料, 通过湿度和温度的非变分调整反演云的分布和云水物质混合比。下面主要介绍美国空军的CDFS-Ⅱ 和NOAA的LAPS。

CDFS-Ⅱ 为美国空军提供接近实时的全球云分析业务系统, 它集成了新的科学算法和完善的业务基础设施, 主要分为三个部分：卫星数据处理系统SDHS(Satellite Data Handling System)、全球融合云分析系统WWMCA(World Wide Merged Cloud Analysis)和云预报系统。SDHS用于卫星数据前处理, 联合DMSP(Defense Meteorological Satellite Program)、POES(Polar Operational Environmental Satellite)等所有美国可用的全球极轨卫星以及地球同步卫星群, 进行数据融合。WWMCA利用SDHS融合后的可见光和红外观测资料, 分析得到几乎无缝的全球高分辨率云分析产品, 为军事任务策划者提供从地面到上层大气的三维云图像。CDFS-Ⅱ 云预报部分首先是利用统计方法建立美国空军全球分析预报系统GTWAPS(Global Theater Weather Analysis and Prediction System)的模式资料与WWMCA云分析产品之间的预报模型, 可以提供逐小时全球或区域5km分辨率的云预报产品。CDFS-Ⅱ 的云分析预报数据能够更好地让美国国防部(DoD)决策者通过合理评估气象条件对武器装备、战场环境和航空保障任务的影响来制定最优的决策[86]。目前, 美国空军正在努力开发新一代云分析预报系统ACAPS[87](AFWA Coupled Analysis and Prediction System), 该系统将会在技术上有显著的改进, 重新设计云分析技术, 并在同化中包含了水汽。

20世纪80年代末, 美国大气海洋管理局预报系统实验室为了融合多源观测资料和获取高分辨率分析场, 着手设计和开发了资料同化和预报系统LAPS[88]。Albers等[89, 90]用LAPS物理初始化方法, 融合静止卫星、雷达、地面观测和飞机报文等资料, 改善初始场中三维云结构、云水场和雨水场等, 预报员可以将分析场用于更好地诊断三维能见度、航空积冰状况和降雨或雪量。Birkenheuer[91]将变分方法引入到LAPS湿度分析中, 融合数字卫星图像, 对露点温度场改善明显。Xie等[92]研究开发了LAPS的新模块STMAS(Space-Time Multiscale Analysis System), 该模块基于3D/4D变分资料同化方法, 实现了多尺度分析和改进了观测资料的融合方法。另外, LAPS分析场可作为数值天气模式初始场, 用于模式热启动, 能够有效缩短模式"spin-up"的时间, 改善模式对0~6 h云和降水的预报能力。LAPS云分析框架如图1所示, LAPS三维云量导出分析如图2所示。

国内, 国家气象局武汉暴雨所和北京城市气象所分别引进了LAPS系统, 并对其进行了本地化开发, 但因其业务需求, 其关注点并未重点放在云分析预报研究上。刘瑞霞等[93]应用LAPS融合FY-2C卫星、地面观测、雷达等资料, 分析表明雷达资料主要修正云中、底部云量, 而卫星资料对总云量和云顶高度修正明显。屈右铭等[94]借鉴LAPS云分析方案, 基于ARPS(Advanced Regional Prediction System)的资料分析系统ADAS, 开发了GRAPES-Meso区域中尺度数值预报模式的云分析预报系统。

在云探测、资料同化和反演技术发展的基础上, 本文简单地回顾了多年来国内外云分析预报方法研究的重要进展, 分析了天气预报业务和数值模式的发展对云分析预报技术需求, 并对重要研究成果进行了评述。

近年来, 国内云探测手段快速发展, 由地球同步卫星FY-2系列、极轨卫星FY-3系列、新一代天气雷达(CHRAD)、无线电探空仪以及地面常规观测等建立的三维云监测系统, 已经可以实现对云的持续观测。国际上, 星载云廓线雷达能连续观测云顶/底高、云层厚度、云量等宏观参数, 具有较高的测量精度和垂直分辨率, 例如CloudSat等云雷达卫星。机载微波辐射计可在任一时间地点观测, 直接可靠, 使用商用飞机携带可覆盖全球, 但是时空分辨率较低, 受空域、强对流天气等影响, 成本高, 数据有限。目前, 国内星载云廓线雷达方面还是空白, 地基毫米波测云雷达尚处于初步试验阶段, 没有实现大范围的布网观测。因此, 我国云探测方面发展的空间还非常大。此外, 我国云探测资料的数据质量还需进一步提高。

不同云探测资料的云分析方法各有优势和不足, 而且分析结果在一致性上还存在很多问题。云诊断方案能够在一定程度上反映云, 但是由于云物理过程相当复杂, 影响因素众多, 很难精确描述, 而且需要针对不同区域、不同模式进行大量的历史资料统计, 修正方案。大气辐射传输模式的发展, 让卫星辐射率的模拟成为可能。基于数值模式的预报结果, 大气辐射传输模式可以较为精确地正演模拟卫星云顶亮温, 成为了一种新的云预报方法, 而且能够直观地反映云系的发展演变。观测资料外推方法只能做短时临近的预报, 应用不多。

美国空军CDFS-Ⅱ 以及未来的ACAPS都是专门针对云分析预报业务保障要求开发的系统, 拥有强大的全球卫星资料优势, 集成了先进的资料融合同化和反演技术, 具有提供高时空分辨率的全球云分析预报产品的能力, 是目前世界上最具代表性的云分析预报系统。云分析作为LAPS重要的模块之一, 该系统拥有很强的资料融合优势, 能够将各类观测资料进行融合, 可扩展性极强。而且LAPS作为中尺度资料同化系统, 分析结果可以直接用于中尺度数值模式预报。目前LAPS正向着变分云分析方向发展, 是一个很有发展潜力的云分析预报系统。云分析系统未来将会向着四维变分资料同化(4D-Var)和集合卡尔曼滤波(EnKF)发展, 这2种方法能够较好地解决目前同化系统中云物理过程的非线性和云参数的复杂性问题。另外, 云分析预报产品的检验也是非常重要的一个方面, 需要借鉴数值天气预报检验方法[95], 发展适合于云参数的检验方法。

总体而言, 我国云分析方法发展的较为成熟, 尤其在卫星和雷达反演云方面成果较多, 但是多种资料的融合分析较少。云预报方法仍然处于理论阶段, 没有经过大量的外场试验或模式资料统计, 诊断方案没有实现本地化、精细化, 云顶亮温模拟还需进一步研究。国内云分析预报系统的开发尚处于探索阶段, 多种云观测资料的融合技术水平需进一步提高, 云观测资料同化技术也需要同步发展。加强云探测技术, 综合利用云分析预报方法, 借鉴国外先进云分析预报系统的设计理念, 积极开发我国自主的云分析预报系统, 推动天气预报、航空气象保障和数值预报模式的发展将会是我国云研究的重要方面。

The authors have declared that no competing interests exist.