京津冀地区一次气溶胶和层云微物理特征的飞机探测分析
An Analysis of Microphysical Properties of Aerosol and Stratus in the Beijing-Tianjin-Hebei Region by Aircraft Measurements
DOI: 10.12677/ccrl.2025.141007, PDF, HTML, XML,    国家自然科学基金支持
作者: 吕玉环:天津市武清区气象局,天津;魏 蕾*:中国气象局人工影响天气中心,北京;孟 辉:天津市人工影响天气办公室,天津
关键词: 飞机探测层状云微物理特征Aircraft Measurement Stratiform Clouds Microphysical Properties
摘要: 本文利用2017年8月27日京津冀地区组织的5架飞机联合探测资料,重点分析研究了层状云系不同发展阶段的气溶胶和云微物理变化特征,主要结论有:1、气溶胶主要分布在3 km以下,成熟阶段云内Na比减弱时段明显要大,入云后Na随高度先减小后增加。平均De随着高度增加而增加,成熟阶段明显小于减弱阶段。2、小云粒子表现出明显分层,成熟阶段的Nc和LWC大于减弱阶段。逆温层以下,Na和云滴De之间存在正相关关系。成熟阶段的相对离散度分布范围更大,Nc值更大,以更小速度收敛。3、不同区域间大云粒子主要分布在3 km以上,减弱阶段云层高度更高。河北较北京地区Nic要小,Dm更大,在5 km以上的IWC更大。在0℃层以下,平均IWC普遍较小,最大值也不超过0.1 g m3,在5 km以上,平均IWC随高度逐渐增加。
Abstract: The microphysical properties of aerosols and cloud in stratiform cloud system at different development stages were analyzed based on the observation data of 5 aircrafts organized in the Beijing-Tianjin-Hebei region on August 27, 2017. The main results: (1) Aerosols are mainly distributed below 3 km. Na is larger in the mature stage than in the weakening stage. Na decreases first when entering cloud and then increases with height. The average De increases with the increase of height, which is significantly smaller in the mature stage than in the weakening stage. (2) The characteristics of small cloud droplets show obvious stratification, and the Nc and LWC in the mature stage are larger than those in the weakening stage. Below the inversion layer, there is a positive correlation between Na and cloud droplets De. The relative dispersion shows the distribution range is larger, Nc is larger, and convergence rate is smaller in the mature stage. (3) Large cloud particles are mainly distributed over 3 km in different regions. Besides, the cloud layer height is higher in the weakening stage. Compared with Beijing, Nic is smaller, Dm is larger, IWC above 5 km is larger in Hebei. Below 0˚C layer, the average IWC is generally small, the maximum value does not exceed 0.1 g m3, while it increases gradually with height above 5 km layer.
文章引用:吕玉环, 魏蕾, 孟辉. 京津冀地区一次气溶胶和层云微物理特征的飞机探测分析[J]. 气候变化研究快报, 2025, 14(1): 58-68. https://doi.org/10.12677/ccrl.2025.141007

1. 引言

云层的全球覆盖率约为70% [1],通过吸收和反射太阳辐射和地球辐射,影响着辐射平衡。全球范围内,层云约占总云量的60%,对大气表面和顶部的辐射收支都有显著的冷却作用,约有15W m2的净冷却效果[2]。中国的年平均云覆盖率约比全球平均值低5%~9%,其中华北地区要小于南方地区,平均约为60% [3],因此,有必要深入研究和理解层云的性质。

20世纪70年代以来,国内各地利用机载粒子探测系统对层状云进行了大量的外场探测试验[4]-[10],许多研究结果表明层状云的云微物理参数的分布范围很广,在各地云间也变化很大,同一个云块内的不同位置也差别巨大。云液态水含量(Liquid Water Content, LWC)和液滴有效半径(Effective radius, re)是影响云物理过程和光学特性的重要因素,进而影响降水和辐射能量平衡。云滴谱也是另一个重要的因子,它对云的微物理过程和辐射特性都有重要影响,云滴谱的变化会改变降水强度。气溶胶作为大气的重要组成部分,它既可通过吸收和散射太阳辐射而直接影响地气系统的辐射平衡(直接效应),又可作为云的凝结核(间接效应)影响云的光学特性、云的生命期和降水的时空分布[11]-[14]。早有观测研究表明,人为气溶胶会对云辐射特性和云中降水过程产生明显影响,导致云滴浓度增加,云滴谱变窄(表现为更大的云层反照率),从而抑制毛毛雨的形成,并可能产生持续时间更长的层状云[11]。Lu et al. [15]发现大陆性浅积云的Nc与云下积聚模态气溶胶浓度(Aerosol Number Concentration, Na)成正比,当考虑云厚度有变化时,云顶re与云下Na成反比关系,而气溶胶对云滴谱离散度没有明显作用。Zhao et al. [16]分析了河北地区气溶胶负荷与云微物理特性之间的关系,研究表明在该地区液态云中的Na和云滴re呈负相关,在所有垂直高度上的污染条件下的re均明显小于清洁条件。然而,也有研究发现气溶胶负荷和云滴re之间存在正相关关系,这可称为反Twomey效应[17]。华北平原是我国气溶胶负荷较重的地区之一,气溶胶对该地区云层的影响研究还相对较少,考虑到大多数气溶胶粒子集中在大气的低边界层内,相比地面和卫星观测,利用飞机观测能够获得云底和云内部更为真实的测量,更有助于理解气溶胶和云特性之间的关系。孙霞等[18]在石家庄地区的飞机观测到的CCN数浓度峰值位置与Nc谷值相对应,云内部分CCN活化成为云滴,造成云内CCN数浓度低于云外。

气溶胶和云的空间分布结构具有较强的局地性,受到天气条件因素影响较大,对于华北这样一个污染的区域,在层状降水云系形成和发展变化中,气溶胶和云微物理特征都是如何变化的,这些变化特征还缺乏细致的分析,本文利用2017年8月27日京津冀地区组织的5架飞机联合探测飞行资料,重点分析华北地区夏季典型层状云系不同发展阶段的气溶胶和云微物理变化特征,通过分析NaNc,LWC,De等物理量的变化,以更好的理解华北这个人类活动频繁的地区中气溶胶和云的相互作用。

2. 飞行情况和仪器介绍

针对2017年8月27日京津冀地区的降水过程,组织了京津冀5架飞机联合探测飞行,包括了在目标区域的不同降水阶段及不同层次的垂直和水平探测,本次试验所观测云系是华北地区典型的层状云系,分析其微物理过程可进一步认识该地区的云系结构,从而为今后的人工增雨作业提供参考。本次飞行各飞机装载的仪器见表1。机载粒子测量系统由中央控制系统和各外挂探头组成,探头设备从DMT和SPEC等公司引进,粒子测量范围从气溶胶到大尺度的雨滴,与之前的机载探测设备相比,粒子成像探头精度更高,机载设备机械结构更加优化。

Table 1. The aircraft carrying instruments

1. 飞机搭载仪器

天津运-12

北京运-12

北京空中国王

河北空中国王

河北新舟60

气溶胶探头(PCASP-100X)

气溶胶探头(PCASP-100X)

气溶胶探头(PCASP-100X)

气溶胶探头(PCASP-100X)

气溶胶探头(PCASP-100X)

二维云粒子探头(CIP)

气溶胶云粒子探头(CAS)

快速云粒子谱探头(FCDP)

快速云粒子谱探头(FCDP)

云粒子探头(CDP)

二维降水粒子探头(PIP)

二维云粒子探头(CIP)

二维立体成像探头(2D-S)

二维立体成像探头(2D-S)

后向散射云微物理特性探头(BCP)

常规气象探头(AIMMES-20)

二维降水粒子探头(PIP)

云粒子成像仪(3V CPI)

云粒子成像仪(3V CPI)

二维云粒子探头(CIP)

热线含水量(King-LWC)

常规气象探头(AIMMES-20)

广视野降水粒子探头(HVPS)

广视野降水粒子探头(HVPS)

二维降水粒子探头(PIP)

露点仪

常规气象探头(AIMMES-20)

常规气象探头(AIMMES-20)

常规气象探头(AIMMES-20)

总/液态水含量仪(Nevzorov)

总/液态水含量仪(Nevzorov)

热线含水量(King-LWC)

3. 天气背景

受偏南暖湿气流及冷空气的共同影响,27日08时,500 hPa的高空槽位于河套地区,对应700 hPa和850 hPa的切变线非常清楚,地面图上北京地区位于锋面的前部,27日北京上空整层相对湿度几乎全部接近饱和,08时至14时之间850 hPa和925 hPa的西南风都达到了低空急流的标准,强的西南气流有利于暖湿气流向北京地区输送,提供了充足的水汽条件,整个降水过程中几乎不存在不稳定能量,以稳定性降水为主(图略)。

Figure 1. Satellite images at 10:30 AM (left) and 16:45 PM (right)

1. 上午10:30 (左)和下午16:45 (右)卫星云图

Figure 2. The plane trajectories of each flight (a) mature stage; (b) weakened stage; detection flight trajectories: time-altitude diagram; (c) mature stage; (d) weakened stage (red: TJ-Y12; green: BJ-Y12; blue: BJ-GW; cyan: HB-GW; yellow: HB-XZ60)

2. 各架次的平面飞行轨迹图(a) 成熟阶段;(b) 减弱阶段;探测高度飞行轨迹图:时间–高度图;(c) 成熟阶段;(d) 减弱阶段(红色TJ-Y12;绿色BJ-Y12;蓝色BJ-GW;青色HB-GW;黄色HB-XZ60)

由卫星云图(图1)看出,上午时段,主要是高空槽云系发展的成熟阶段,在京津冀上空云层浓密,云系覆盖面宽厚,且在大片层状云系中有对流云团凸起。下午时段,为云系发展的减弱阶段,云系变窄,对流凸起减弱,云层较均匀,云系部分变稀疏。本次联合飞行探测主要分为上午和下午两个时段,不同架次飞行概况如图2所示,本次观测云底高度大约在500 m左右,成熟时段云系大概分为三层,到减弱时段云系变为两层,云顶高度也明显降低。本文分别针对层状云系发展的成熟和减弱阶段,进一步分析其云微物理变化特征。

4. 探测结果分析

4.1. 气溶胶垂直分布特征

为了解在云系不同发展阶段观测区域的整体气溶胶分布特征,选取一个短时间内各地飞机穿云飞行的平均值作为该区域的平均值,成熟阶段选取10:37~11:03,减弱阶段选取18:32~20:10。Liu等[19]对北京及其周边重污染地区的气溶胶观测指数拟合曲线(Polluted),如图3(a)黑色实线,其中指数拟合参数分别为No = 6600 cm3,Hp = 1419 m,R2 = 0.9881,RMSE = 247 cm3,此外,Seinfeld and Pandis [20]拟合的清洁大陆性气溶胶垂直廓线(Clean),如图3(a)中黑色虚线所示。由于降水的影响,本次观测的气溶胶垂直廓线整体并不严格按照指数递减,近地面气溶胶数浓度(Na)在1510到3637 cm3变化,处于清洁和污染条件之间,而有研究表明当测量范围扩大到更广范围(10 nm~3 μm),在中国东部的污染地区的Na可以大到104 cm3数量级[13]。两阶段的Na主要集中在3 km以下,在3 km以上,Na迅速减小,且分布形式与清洁大陆性气溶胶观测结果[20]接近。从不同阶段的加密探空(图略)可看出,上午时段在2~3 km有很明显的逆温层,大气层结不利于气溶胶的垂直输送,下午时段该逆温层消失,使得在3 km以下,上午时段云内Na比下午时段明显要大。垂直变化可看出,入云后Na随高度先减小后增加,这是由于入云后大量气溶胶作为CCN活化为云滴,使得Na迅速减小,而在云的上部(第一层云500~1100 m) Na随高度增加,可能与夹卷作用以及云滴蒸发等过程有关。两阶段的平均De (图3(b))总体表现为随着高度增加而增加,上午时段De明显小于下午时段,与Na变化是相反的。由于本次过程由层状云产生降水,不同高度层上气溶胶和云以及降水的相互作用影响,使得气溶胶的垂直分布变化复杂,这是气溶胶与云滴之间碰撞、凝结、蒸发等过程综合影响的结果。

Figure 3. (a) Vertical distributions of aerosol number concentration (Na); (b) vertical distributions of aerosol effective diameter (De), the standard deviation of data at each altitude level are expressed as error bars

3. (a) 气溶胶数浓度和(b) 有效直径垂直分布,其中误差线表示此高度层的标准差

4.2. 小云粒子垂直分布特征

根据过去研究,典型云滴直径小于50 μm,典型雨滴直径大于200 μm [21]。本文将CAS,CDP和FCDP测得的粒子称为小云粒子,其中为了便于统一比较分析,CAS探头只选用的2~50 μm的分档数据。为了解在云系不同发展阶段观测区域整体小云粒子分布特征,选取一个短时间内各地飞机穿云飞行的平均值作为该区域的平均值,云系成熟阶段选取09:36~11:20,减弱阶段选取18:38~19:56。

Figure 4. Vertical distribution of (a) cloud droplet concentration (Nc); (b) liquid water content (LWC); (c) effective diameter (De), the standard deviation of data at each altitude level are expressed as error bars

4. 各飞行架次观测的(a) 云滴数浓度;(b) 液态含水量和(c) 有效直径垂直分布,其中误差线表示此高度层的标准差

图4中小云粒子的云滴数浓度(Nc)看,云层有明显分层,总体来看,各个云层中成熟阶段的Nc均比减弱阶段的大,其中,在1800 m左右高度上,成熟阶段的平均Nc达到最大,约为1025 cm3,在2800 m左右高度上,成熟阶段的平均Nc还有个峰值为387 cm3,而减弱阶段分别为217 cm3和137 cm3。在3800 m以上高度,两阶段的平均Nc都迅速减小,成熟阶段在5200 m高度还有个小峰值为95cm3。从液态含水量(LWC)垂直分布看,边界层以内云中,两阶段的LWC均较小,最大值约为0.03g m3,LWC随高度迅速增大,成熟阶段的分层LWC峰值出现在1800 m、3500 m、5200 m,分别为0.22、0.54、0.65 g m3。减弱阶段分层的LWC峰值高度有所降低,在2700 m左右高度达到整个垂直层上最大,约为0.5 g m3。总体来看,各个云层中成熟阶段的LWC均比减弱阶段的大。本次观测的平均Nc、LWC和De均比我国北方大陆地区的层状云观测[22] [23]要大很多,与华北沿海地区的层状云观测结果接近[16],可能是本次过程在夏季观测,水汽条件较好,且本次观测期间一直有降水产生。

从云滴平均有效直径(De)垂直分布看,由于两阶段云层间隙高度不同,变化相对复杂,两阶段的总体趋势为De随高度增加而增长。在1800 m~3700 m高度,两阶段的De均表现出随高度增加而增长,均在3700 m左右高度达到大值,分别为27.2 μm和27.9 μm。在3700~5700 m高度范围内,两阶段的De表现出随高度先减小后增加,分别达到最大值38.0 μm和36.2 μm。5900 m以上高度,由于处于云顶附近,湍流夹卷和混合作用会使得云滴蒸发增强,两阶段云滴尺度迅速减小。总体来看,这是由于气溶胶和温度的垂直变化的综合影响的结果,一方面随着高度升高,温度逐渐降低有助于云凝结过程从而增加云滴直径;另一方面,随着高度升高,气溶胶数浓度降低,水汽凝结竞争减小,可以使云滴增长。而本例中由于逆温层存在,成熟阶段气溶胶负荷总体较减弱阶段大,而形成的云滴De也比减弱阶段大,气溶胶负荷和云滴De之间存在正相关关系。

4.3. 云滴谱相对离散度特征

对云系不同发展阶段的云滴谱相对离散度随Nc的变化进行分析,如图5(a)图5(b),不同发展阶段表现的共同的特征是,在Nc较小时,相对离散度比较分散,随着Nc的增加,相对离散度逐渐收敛到0.2~0.6的范围,在高Nc时,最终收敛到0.4附近,这与我国北方典型地区的非降水云中的观测结果基本一致[23],但本次观测的不同点是,在低Nc时的相对离散度范围更宽,最大值接近2。不同发展阶段表现的不同的特征是,成熟阶段Nc值更大,且成熟阶段的相对离散度分布范围更大,以更小速度收敛。

Figure 5. The variation of relative dispersion of cloud droplet spectra with Nc. (a) Mature stage; (b) weakened stage; parameterization of effective diameter under the assumption of gamma distribution; (c) mature stage; (d) weakened stage. The red beeline is 1:1 line

5. 云滴谱相对离散度随Nc的变化(a) 成熟阶段;(b) 减弱阶段;在Gamma分布的假设下得到的有效直径参数化,红色直线是1:1线;(c) 成熟阶段;(d) 减弱阶段

云滴有效半径是数值模式中计算云的辐射传输过程的重要参数。云滴有效半径可以从云滴粒径谱中反演出来。在大多数的模式中,re是参数化的,而不是预报的,re被假定为常数或者表达为液态水含量的方程。普遍认为,云滴rerv (Mean Volume Radius, rv)有很好的相关性。在Gamma分布的假设下[24],利用观测的相对散度和平均体积有效直径对云滴De的参数化结果如图5(c)图5(d)所示。总体来说,成熟阶段参数化的云滴De和观测值的拟合效果较减弱阶段要好,在10~30 μm,减弱阶段有更多分散的值,表现为参数化的De比观测值小很多,当大于30 μm,两个阶段的参数化的值普遍比观测值大,当观测值为45 µm时,参数化的结果比观测值大5 µm。这说明Gamma分布假设下的参数化结果并不理想。此外,图5(c)图5(d)中利用的相对散度是观测数据,如果利用模式的相对散度,则会产生更大的误差。

4.4. 不同区域大云粒子分布特征

本文将CIP和2DS测得的粒子称为大云粒子,并在统计CIP和2DS的数据时均剔除了小于100 μm观测值,冰水含水量由CIP和2DS探测的粒子谱数据通过质量–直径关系计算得到,根据Heymsfield et al. [25] m( D )=0.0219 D 2.6 ,其中m (g)为单个冰相粒子的质量,D (cm)为粒子最大直径,这个关系对于直径小于200 μm的粒子有很好的拟合,对于大粒子也同样适用。Korolev et al. [26]发现,考虑到飞机探测时冰相粒子的溅落和破碎,直径小于25 μm粒子的观测误差较大,因此本文进行大云粒子数据分析时仅利用大于100 μm的数据计算冰水含量。

Figure 6. Vertical distribution of (a) large cloud particle concentration (Nic); (b) ice water content (IWC); (c) large cloud particle mean diameter in Beijing region, the standard deviation of data at each altitude level are expressed as error bars

6. 北京地区观测的(a) 大云粒子数浓度(b) 冰水含水量和(c) 大云粒子平均直径垂直分布,其中误差线表示此高度层的标准差

Figure 7. It is the same as Figure 6 in Hebei region

7.图6为河北地区

为了解不同区域大云粒子的垂直特征,同小云粒子资料选取,如图6图7。不同区域总体来看,云层有明显分层,两地大云粒子的云层主要分布在3000 m以上,减弱阶段云层高度更高。河北地区的最大Nic普遍较小,平均直径Dm更大,在5000 m以上的IWC更大。对于不同发展阶段,河北地区减弱阶段浓度减小,最大平均Nic在5100 m高度,为93.9 L1。而北京地区观测到浓度增大,最大平均Nic在3600 m高度,为463.6 L1,同高度层的小云粒子浓度明显下降,说明此高度层内大云粒子碰并小云粒子增长,消耗许多小云粒子,但飞行高度较低仅观测到3800 m,不能对比高层情况。北方其他地区的层状云观测发现冰晶的浓度在10到100 L1之间[10] [27],本次观测的Nic要更大。

从河北地区不同发展阶段对比来看,在0℃层(0℃层高度约为4950 m)以上,两阶段均有Nic峰值,在0℃层较小,这是由于当冰晶粒子掉落到0℃层附近,冰晶粒子表面开始融化,冰晶粒子开始粘连,使得冰晶浓度迅速减小。在0℃层以下,两阶段的平均IWC普遍较小,最大值也不超过0.1 g m3,在5000 m以上,两阶段的平均IWC均随高度逐渐增加,减弱阶段的浓度更大,平均直径更小,说明减弱阶段在0℃层以上可能有更多冰晶破碎等繁生过程。两阶段最大IWC接近,在6000 m,达到最大0.88 g m3,本次观测的平均IWC与华北地区春季的降水性层状云观测值接近[28],他们观测云系成熟阶段IWC在0.2~0.9 g m3,而云系消散阶段为0.1~0.4 g m3。本次观测在5500 m以上高度,与IWC含量不同,相同高度上LWC值却相对小很多,多数情况下不足0.03 g m3,减弱阶段要更低,所以本次观测的冰相粒子形态多以聚合过程为主,淞附过程很少。

5. 结论与讨论

本文通过对2017年8月27日京津冀地区典型的层状云系不同发展阶段的气溶胶和云微物理特性分析,得到以下结论:

气溶胶主要分布在3 km以下,由于降水和层云共同影响,最大值并不出现在近地层,成熟阶段由于逆温层存在,云内Na比减弱时段明显要大,入云后Na随高度先减小后增加。平均De总体随着高度增加而增加,成熟阶段明显小于减弱阶段,与Na变化是相反的。由于不同高度层上气溶胶和云以及降水的相互作用影响,使得气溶胶的垂直分布变化复杂,这是气溶胶与云滴之间碰撞、凝结、蒸发等过程综合影响的结果。

小云粒子平均Nc、LWC、De均比我国北方大陆地区的层状云观测[22] [23]要大很多,成熟阶段的Nc和LWC均比减弱阶段的大,成熟阶段的平均Nc最大达到1025 cm3。边界层以内云中,两阶段的LWC均较小,边界层以上云中,平均LWC最大值可达到0.5~0.65 g m3。由于两阶段云层间隙高度不同,De变化相对复杂,总体随高度增加而增长,平均De最大值达到36.2~38.0 μm,逆温层以下,成熟阶段气溶胶负荷总体较减弱阶段大,而形成的云滴De却比减弱阶段大,气溶胶负荷和云滴De之间存在正相关关系。不同发展阶段相对离散度表现不同,成熟阶段的分布范围更大,Nc值更大,以更小速度收敛,参数化的De和观测值的拟合效果也较好。

不同区域间大云粒子云层有明显分层,主要分布在3 km以上,减弱阶段云层高度更高。河北较北京地区Nic要小,Dm更大,在5km以上的IWC更大。本次观测的Nic在93.9 ~463.6 L1较北方其他地区的层状云观测冰晶浓度[10] [27]要更大。平均IWC可达到0.88 g m3,与华北地区春季的降水性层状云观测值接近[28]。在0℃层以下,平均IWC普遍较小,最大值也不超过0.1 g m3,在5 km以上,平均IWC均随高度逐渐增加,而减弱阶段的浓度更大,平均直径更小,说明减弱阶段在0℃层以上可能有更多冰晶破碎等繁生过程。

本文的一些结果与我国北方其他地区的层状云观测结果并不完全一致,可能是观测季节和观测高度的不同,但由于部分探头数据缺失,不能很好地结合分析,此外本文只概述性地描述此次过程云和气溶胶的大致特征,对于不同天气条件下气溶胶和云的相互作用还有待深入分析。

基金项目

国家自然科学基金青年基金项目(41705119)、河北省气象与生态环境重点实验室开放研究基金项目(Z202001Z)、天津市武清区科技计划项目(WQKJ202124)、武清区劳模和工匠人才创新工作室补助资金。

致 谢

作者对本文用到数据的北京、天津、河北人工影响办公室及各机组飞行人员在本次试验数据采集方面做出的贡献表示感谢。

NOTES

*通讯作者。

参考文献

[1] Stubenrauch, C.J., Rossow, W.B., Kinne, S., Ackerman, S., Cesana, G., Chepfer, H., et al. (2013) Assessment of Global Cloud Datasets from Satellites: Project and Database Initiated by the GEWEX Radiation Panel. Bulletin of the American Meteorological Society, 94, 1031-1049.
https://doi.org/10.1175/bams-d-12-00117.1
[2] Hartmann, D.L., Ockert-Bell, M.E. and Michelsen, M.L. (1992) The Effect of Cloud Type on Earth’s Energy Balance: Global Analysis. Journal of Climate, 5, 1281-1304.
https://doi.org/10.1175/1520-0442(1992)005<1281:teocto>2.0.co;2
[3] Zhao, C., Chen, Y., Li, J., Letu, H., Su, Y., Chen, T., et al. (2019) Fifteen‐Year Statistical Analysis of Cloud Characteristics over China Using Terra and Aqua Moderate Resolution Imaging Spectroradiometer Observations. International Journal of Climatology, 39, 2612-2629.
https://doi.org/10.1002/joc.5975
[4] 樊曙先. 层状云微物理结构演变特征的个例研究[J]. 宁夏大学学报: 自然科学版, 2000, 21(2): 180-182.
[5] 侯团结, 胡朝霞, 雷恒池. 吉林一次降水层状云的结构和物理过程研究[J]. 气象学报, 2011, 69(3): 508-520.
[6] Lü, Y., Lei, H. and Yang, J. (2017) Aircraft Measurements of Cloud-Aerosol Interaction over East Inner Mongolia. Advances in Atmospheric Sciences, 34, 983-992.
https://doi.org/10.1007/s00376-017-6242-z
[7] 亓鹏, 郭学良, 卢广献, 等. 华北太行山东麓一次稳定性积层混合云飞机观测研究: 对流云/对流泡和融化层结构特征[J]. 大气科学, 2019, 43(6): 1365-1384.
[8] Hou, T., Lei, H., He, Y., Yang, J., Zhao, Z. and Hu, Z. (2021) Aircraft Measurements of the Microphysical Properties of Stratiform Clouds with Embedded Convection. Advances in Atmospheric Sciences, 38, 966-982.
https://doi.org/10.1007/s00376-021-0287-8
[9] 杨洁帆, 胡向峰, 雷恒池, 等. 太行山东麓层状云微物理特征的飞机观测研究[J]. 大气科学, 2021, 45(1): 88-106.
[10] Wei, L., Lei, H., Hu, W., Huang, M., Zhang, R., Zhang, X., et al. (2022) An Analysis of the Microstructure of the Melting Layer of a Precipitating Stratiform Cloud at the Dissipation Stage. Atmosphere, 13, Article No. 284.
https://doi.org/10.3390/atmos13020284
[11] Albrecht, B.A. (1989) Aerosols, Cloud Microphysics, and Fractional Cloudiness. Science, 245, 1227-1230.
https://doi.org/10.1126/science.245.4923.1227
[12] Hudson, J.G. and Yum, S.S. (2002) Cloud Condensation Nuclei Spectra and Polluted and Clean Clouds over the Indian Ocean. Journal of Geophysical Research: Atmospheres, 107, INX2 21-1-INX2 21-12.
https://doi.org/10.1029/2001jd000829
[13] Wang, H.L., Zhu, B., Shen, L.J., et al. (2014) Size Distributions of Aerosol during the Spring Festival in Nanjing. Environmental Science, 2, 442-450.
[14] Yang, Y., Zhao, C., Dong, X., Fan, G., Zhou, Y., Wang, Y., et al. (2019) Toward Understanding the Process-Level Impacts of Aerosols on Microphysical Properties of Shallow Cumulus Cloud Using Aircraft Observations. Atmospheric Research, 221, 27-33.
https://doi.org/10.1016/j.atmosres.2019.01.027
[15] Lu, M., Feingold, G., Jonsson, H.H., Chuang, P.Y., Gates, H., Flagan, R.C., et al. (2008) Aerosol‐Cloud Relationships in Continental Shallow Cumulus. Journal of Geophysical Research: Atmospheres, 113, D15201.
https://doi.org/10.1029/2007jd009354
[16] Zhao, C., Qiu, Y., Dong, X., Wang, Z., Peng, Y., Li, B., et al. (2018) Negative Aerosol‐Cloud re Relationship from Aircraft Observations over Hebei, China. Earth and Space Science, 5, 19-29.
https://doi.org/10.1002/2017ea000346
[17] Tang, J., Wang, P., Mickley, L.J., Xia, X., Liao, H., Yue, X., et al. (2014) Positive Relationship between Liquid Cloud Droplet Effective Radius and Aerosol Optical Depth over Eastern China from Satellite Data. Atmospheric Environment, 84, 244-253.
https://doi.org/10.1016/j.atmosenv.2013.08.024
[18] 孙霞, 银燕, 韩洋, 等. 石家庄地区雾霾天气下云滴和云凝结核的分布特征[J]. 中国环境科学, 2012, 32(7): 1165-1170.
[19] Liu, P., Zhao, C., Zhang, Q., Deng, Z., Huang, M., Ma, X., et al. (2009) Aircraft Study of Aerosol Vertical Distributions over Beijing and Their Optical Properties. Tellus B: Chemical and Physical Meteorology, 61, 756-767.
https://doi.org/10.1111/j.1600-0889.2009.00440.x
[20] Seinfeld, J.H. and Pandis, S.N. (1997) Atmospheric Chemistry and Physics: From Air Pollution to Climate Change. Wiley Interscience, 444-445.
[21] 盛裴轩, 毛节泰, 李建国, 等. 大气物理学[M]. 北京: 北京大学出版社, 2003: 522.
[22] Deng, Z., Zhao, C., Zhang, Q., Huang, M. and Ma, X. (2009) Statistical Analysis of Microphysical Properties and the Parameterization of Effective Radius of Warm Clouds in Beijing Area. Atmospheric Research, 93, 888-896.
https://doi.org/10.1016/j.atmosres.2009.04.011
[23] 吕玉环, 雷恒池, 魏蕾. 中国北方典型地区不同类型云微物理特征分析[J]. 气象科技, 2021, 49(3): 455-463.
[24] Liu, Y.G. and Daum, P.H. (2000) Which Size Distribution Function to Use for Studies Related to Effective Radius. Proceedings of 13th International Conference on Clouds and Precipitation, Reno, 14-18 August 2000, 586-589.
[25] Heymsfield, A.J., Schmitt, C.G., Bansemer, A., Baumgardner, D., Weinstock, E.M., Smith, J.T., et al. (2004) Effective Ice Particle Densities for Cold Anvil Cirrus. Geophysical Research Letters, 31, L02101.
https://doi.org/10.1029/2003gl018311
[26] Korolev, A. and Isaac, G.A. (2005) Shattering during Sampling by OAPs and HVPS. Part I: Snow Particles. Journal of Atmospheric and Oceanic Technology, 22, 528-542.
https://doi.org/10.1175/jtech1720.1
[27] Yang, J., Lei, H., Hu, Z. and Hou, T. (2014) Particle Size Spectra and Possible Mechanisms of High Ice Concentration in Nimbostratus over Hebei Province, China. Atmospheric Research, 142, 79-90.
https://doi.org/10.1016/j.atmosres.2013.12.018
[28] Hou, T., Lei, H., Hu, Z. and Zhou, J. (2014) Aircraft Observations of Ice Particle Properties in Stratiform Precipitating Clouds. Advances in Meteorology, 2014, Article ID: 206352.
https://doi.org/10.1155/2014/206352