基于专家PID控制的云水含量传感器设计

本文设计了一种基于热线法的便携式微型云水含量传感器。该传感器探头采用环形加热片和测温铂电阻的新结构,保证了加热的均匀性和测温的准确性。通过理论公式推导和流体仿真,传感器设计的可行性得到了进一步验证,并得出云水含量与加热片加热功率之间的函数关系。采用32位STM32F103C8T6芯片为核心,其性能保证了传感器系统的稳定性。通过专家PID控制算法实时控制传感器迎风面温度。仿真结果表明:专家PID系统的响应速度更快,适应性更强。为进行实验测试,搭建了风洞实验平台。通过实验测量,当测试云水含量值为0.5 g/m^(3)时,加热片加热功率为1.4 W,计算出实际值为0.58 g/m^(3),满足设计要求。

中国地区夏季6～8月云水含量的垂直分布特征

基于观测资料的夏季云水含量时空分布情况对于数值天气预报、气候预测以及人工影响天气试验都十分重要。本文利用CloudSat卫星资料,分析了2006～2008年中国地区夏季月平均云水含量的垂直和区域变化特征。结果显示,青藏高原地形以及东亚夏季风对月平均云含水量分布具有明显影响。中国中部纬度上对流层中层的月平均液态水含量比南部及北部的量值大。各月平均云液水含量垂直廓线存在两个不同高度上的峰值区,原因可能主要是受大尺度参数的控制,以及受到青藏高原和东亚季风环流的影响。平均冰水含量纬向垂直分布的高值区主要在对流层中上部。本文中所揭示的云水含量特征为天气和气候模式改进、人工影响天气及云—辐射相互作用提供了重要的基础信息。

冰川下垫面对夏季云结构和云水含量的影响--以祁连山区疏勒南山为例

云水含量和云结构参量是天气预报、高山区水循环过程分析的基础。基于2012-2015年夏季CloudSat卫星遥感资料的2B-CLDCLASS、2B-GEOPROF和2B-GEOPROF-LIDAR,结合中国第二次冰川编目数据及气象资料,对祁连山地区疏勒南山冰川区与非冰川区云水含量和云类型特征进行分析。结果表明:(1)云水含量的垂直分布受下垫面和云类型的影响,主要表现为有冰川覆盖的高山上空降水云类型以深对流云为主,无冰川覆盖的高山上空降水云类型以雨层云为主。(2)疏勒南山地区高含水量主要分布在5 km以下的中低层云中,且冰川区气流垂直运动较非冰川区活跃。(3)疏勒南山冰川区云水含量平均值为0.07 g·m^-3,非冰川区云水含量平均值为0.17 g·m^-3,云水的空间变化在一定程度上能够反映降水和水汽的分布状况。

基于CERES资料的中国西南地区云水含量和粒子有效半径分布及变化特征

利用NASA/CERES发布的2001~2015年云参数资料,选取高层云、雨层云、层积云的云水含量和云粒子有效半径,统计分析了西南地区云参数的时空分布特征和变化趋势。结果表明:从年均空间分布来看,西南地区液水和冰水含量均东部高于西部,海拔低的地区高于海拔高的地区;高层云和雨层云液相和冰相云粒子有效半径在川西高原最大。从数值大小来看,雨层云液水和冰水含量最多,分别介于90~230 g/m^2和100~300 g/m^2,层积云最少,分别介于0~80 g/m^2和0~60 g/m^2;冰相云粒子有效半径高于液相2~6 μm。从季节分布来看,雨层云液水和冰水含量秋季和冬季偏高,夏季和春季偏少,高层云和层积云季节差异较小;液相云粒子有效半径均夏季最大。从变化趋势来看,西南地区各地液水和冰水含量均呈减少趋势,液相和冰相云粒子有效半径有呈减少或增加趋势。

西南地区不同类型云的云水含量时空分布和变化趋势

利用NASA/CERES发布的L3级云资料,选取西南地区（云南、贵州、四川、重庆）2001~2010年水高层云、水雨层云、水层积云、水层云的云水含量数据,研究了该区域4种类型云的年和季节云水含量时空分布特征和变化趋势。结果表明：（1）4种类型云的年和季节云水含量均在海拔低的地方偏多,海拔高的地方偏少。重庆、贵州云水含量高于云南、四川;（2）水雨层云年和季节云水含量最大,其次为水层云和水高层云,水层积云云水含量最少;（3）近10 a来,整个西南地区4种类型云的年平均云水含量均呈递减趋势;（4）4种类型云的云水含量秋季高于春季;（5）春季,中云（水高层云、水雨层云）云水含量既有增加区域,也有减少区域,低云（水层积云、水层云）云水含量呈递减趋势;秋季,中云、低云云水含量均为递减趋势;水雨层云和水层云年和季节云水含量的递减趋势最显著。

青藏高原夏季云水含量及其水汽输送年际异常分析

利用欧洲中期天气预报中心(ECMWF)提供的1979-2016年ERA-Interim再分析资料分析了青藏高原(下称高原)夏季云水含量及其水汽输送情况。结果表明:高原夏季云水含量占全年48%,东南向西北减少。影响高原云水含量的水汽通道有印度洋通道、南海通道、孟加拉湾北部及伊朗西部通道(依次简称通道1、2、3、4)。高原云水含量和各水汽通道强度均有明显年际变化。云水含量年际变化与通道2,4基本一致。云水含量与各水汽通道强度均呈增加趋势。通道1偏强时,来自印度洋北部和南海的异常水汽在孟加拉湾交汇向高原输送,主要使高原西北部云水含量增多。通道2偏强时,南海、中南半岛的异常偏南通量及孟加拉湾北部的异常西南通量向高原东南部输送更多水汽。通道3偏强时,西风带水汽和来自印度洋水汽更多输送到高原,主要使高原东北部云水含量偏多。通道4偏强时,来自南海-孟加拉湾南部的水汽向高原异常输送,使高原中部、东南部云水含量偏多。此外,西太平洋副热带高压(下称副高)偏西南偏强时,水汽通道2、4强度偏强,有利于水汽向高原输送。

冬季黑潮延伸体海域云水含量的年际变化

利用卫星观测的海面高度资料、海表温度资料和再分析大气资料,考察了冬季黑潮延伸体海域云水含量的年际变化。结果表明:尽管大气环流有明显的年际变化,海洋锋对其上云水含量的"锚定"作用(锋面南侧云水含量多,北侧少)始终存在,同时云水量值有明显的年际变化,该变化主要受背景大气环流的影响,当西北风加强(减弱)带来偏冷(暖)偏干(湿)的空气团时,锋面南侧云水少(多)。按照云水含量多少进行合成分析的结果表明:来自大陆的冬季西北风南下,在遇到海洋锋锋南侧的暖水面时,空气抬升导致的大气跨锋面的次级环流和对应锋面南(北)辐合(辐散)在一定程度上(约25%)受背景大气环流变化的影响。在背景大尺度的西北风强(弱)时,大气中水汽含量较少(多),凝结放热较弱(强),黑潮延伸体海洋锋南侧南侧上升,北侧下沉的次级环流偏弱(强)。

用于强对流天气观测的微型云水含量传感器

针对传统云水含量传感器体积大、功耗大等局限性,设计了一种测量强对流天气中云水含量的微型云水含量传感器。通过理论分析和有限元仿真,对微型传感器在云中液态水的蒸发以及气流传热作用下的温度场进行仿真计算,得出加热电阻所需功率和云水含量之间关系。运用PID控制原理对传感器迎风面温度进行实时的控制,使其温度误差在±0.3℃范围内,实验结果表明,在云水含量为0.4g/m3时,传感器功耗仅为3.32W。经过模拟测试,该传感器体积小、功耗低、重量轻,可用来对强对流天气进行云水含量测量。

中国华北地区云垂直结构及云水含量卫星遥感研究

利用2007年1月至2010年12月Cloud Sat卫星资料,对中国华北地区云垂直结构和云水含量的垂直分布特征进行分析。结果表明:中国华北地区垂直方向上云量峰值及各高度云量总和有明显的季节变化特征,夏季最大,春秋次之,冬季最小。华北地区单层云出现频率高于多层云,多层云中以二层云为主。各云层平均高度和平均厚度分析显示,三层云上层高度最高,三层云下层高度最低;单层云平均厚度及其季节变化幅度明显大于多层云。云水含量的垂直分布分析表明,云液态水含量最大值位于对流层低层(1.0 km左右),云冰水含量最大值位于对流层中上层(4.0—7.5 km)。云液态水含量和云冰水含量有明显的季节变化特征,夏季最大,春秋季次之,冬季最小。夏季探测到的云液态水含量上限在9.0 km附近,云冰水含量上限在16.0 km附近。

基于TDLAS技术的云水含量检测系统

针对传统云水含量传感器体积大,功耗大等问题,本文基于可调谐半导体激光器吸收光谱技术,研制了一种云水含量检测系统.采用1 368.6nm分布式反馈半导体激光器作为检测光源,设计了基于TLC7528芯片的正交锁相放大器,提高了测量的稳定性和抑制噪声的能力;单板实现了激光器驱动、谐波信号处理、浓度反演功能.系统在不同浓度,不同温度下进行在线检测,实验结果表明,系统响应时间为10s左右,水含量在0~16g/m3范围内误差小于5%,在-55^+60℃条件下可正常工作.该系统体积小,检测精度高,响应速度快,性能不受温度影响,很好地满足了机载云层探测需要.

利用MODIS卫星产品分析西南地区云水特征

采用NASA Goddard Earth Science DAAC发布的2001—2010年MODIS水云云水含量和水云粒子有效半径资料,选取西南地区(四川、重庆、云南、贵州),分析了水云云水含量和水云粒子有效半径的多年平均空间分布特征,对年和季节平均水云云水含量和粒子有效半径进行了线性趋势分析,并进行了显著性检验。结果表明:西南地区年和季节多年平均云水含量在海拔高的地方偏少,在海拔低的地方偏多;年和季节多年平均粒子有效半径的空间分布特征与云水含量相反。云水含量具有季节差异性,秋季和夏季是云水含量最丰富的季节,春季和冬季较少;粒子有效半径的季节差异较小。10年中云水含量呈减少趋势,春季和冬季云水含量减少趋势明显;而粒子有效半径无显著变化趋势。

冰晶中空气和过冷水滴对毫米波雷达反演卷云冰水含量的影响

在现有对卷云的探测基础上,考虑卷云中常被忽略的冰晶空气含量和过冷水滴,应用Lorenz-Mie散射理论和Maxwell-Garnett等效介质理论研究了冰晶空气含量和过冷水滴对毫米波雷达云水量反演的影响。分析表明,过冷水滴对云水量反演的影响较大;而冰晶中空气含量对云水量反演的影响则可以忽略。因此,更准确的卷云模型应该考虑过冷水滴。

微型云液水含量传感器设计与实验研究

针对传统云水含量传感器测量误差大、精度低、功耗大等问题,设计了一种探空仪搭载的云液水含量传感器。该新型传感器系统包括探头、嵌入式处理电路、高精度信号检测电路以及数据传输电路。通过采用计算流体动力学分析方法对云水含量传感器进行仿真与数值计算,验证了该云水含量传感器设计的可行性。采用模糊自适应(PID)算法对传感器表面探头进行温度控制,提高了系统的稳定性。设计了一种基于24 bit ADC的高精度测控电路,提高了系统的测量精度。实验结果显示,在云水含量值是1.0 g/m3时,传感器所消耗的平均功率为1.63 W。与传统热线仪传感器比较,这种新型云水含量传感器具有精度高、功耗低等优点。

气温变化对中国夏季云水量的影响

利用欧洲中期天气预报中心(ECMWF)提供的1979-2016年ERA-Interim再分析资料分析了中国4个地区夏季大气水循环变量和气温时空特征,并通过相关分析、SVD方法及环流场合成分析进一步揭示了气温变化对云水含量的影响。结果表明:中国夏季云水含量空间分布从东南向西北减少。高原区云水含量与气温正相关,其他地区为显著负相关。西北地区升温使西风带水汽输送减弱和蒙古东部异常反气旋环流维持,北方地区升温使东北至蒙古异常反气旋和东南沿海异常气旋维持,西北太平洋副热带高压(副高)东撤,二者均使200 hPa西风急流减弱,水汽输送和上升运动减弱,云水含量减少。南方地区升温使黄海异常反气旋和南海异常气旋维持,副高东撤,200 hPa西风急流偏北,不利于水汽输送和上升运动,云水含量减少。高原地区升温使西风带南支和高原西部异常气旋加强,副高西伸北抬,高原北侧西风急流和南亚高压增强,促进水汽输送和低层辐合上升,使云液水含量增加。

基于CloudSat资料的洋面非降水暖云空间分布及云内液相水含量垂直结构

利用CloudSat卫星搭载的云廓线雷达(cloud profiling radar,CPR)2007~2009年三年的观测资料,针对洋面非降水暖云有效廓线样本,分别对积云(Cu)、层云(St)、层积云(Sc)和高积云(Ac)等四类云型,分析了其在全球尺度的水平分布特征,并在此基础上特别考察了非降水暖云液相水含量(liquid water content,LWC)的垂直变化特性.研究发现,洋面非降水暖云中四类云型的样本占比从高至低依次为层积云76.46%、层云12.48%、积云7.45%、高积云3.61%,层积云在非降水暖云的总覆盖面积中占据主导作用.在样本量全球标准化后,四类云型的空间分布形式存在较大差异,层积云与层云主要集中于北美和南美大陆西侧近岸海域,积云与高积云则广泛分布于太平洋、大西洋和印度洋的洋面上,且高值位于大洋中部.尽管四类云型的生消机制和宏观形态存在很大差异,但不同云型LWC呈现出较为相似的垂直结构.对经几何厚度标准化后的LWC廓线进行比较,发现在四类典型非降水暖云中,由云底到云顶LWC一致呈现为先增后减的规律.云体中下部向上近似线性递增的结构基本反映了LWC的准绝热增长特性,而云体上部及云顶附近的向上递减结构明确反映了云顶普遍受到上空干空气侵入混合的强烈影响,由此导致了自云顶向下逐层衰减的云水蒸发.以云高和云厚两个参数分类的廓线统计结果还显示,LWC垂直结构受到云顶高度和云层几何厚度的影响.云层几何厚度增大时,LWC由云底到云中的递增结构会变厚,由云中到云顶的递减结构会变薄.几何厚度相同但云顶高度不同的云层,其LWC含量也有所不同,这表明对于特定云型,在生成及发展过程中,不同阶段所对应的LWC廓线结构也存在差异.

基于毫米波测云仪的多源观测资料识别对比

根据本站毫米波测云仪2021年7月至2022年6月的一次产品数据和反演二次产品数据,结合天气现象视频智能观测仪对云的识别,可以分析不同天气类型下回波强度、云水含量参数以及云场分布特征。通过比较2种设备在云观测上的差异,可以深入了解它们在不同天气条件下的表现差异,为进一步气象研究和天气预报提供重要参考和数据支持。

GRAPES-Meso云分析系统的设计与试验

研究应用LAPS(Local Analysis and Prediction System)云分析方案,基于美国"风暴分析预报中心"开发的中尺度模式ARPS(Advanced Regional Prediction System)的资料分析系统ADAS(ARPS Data Analysis System),开发了GRAPES-Meso(Mesoscale of the Global and Regional Assimilation and Prediction System)区域中尺度数值预报模式的云分析系统,首次实现了地面云观测资料、卫星云图、多普勒雷达反射率资料在GRAPRS模式中的综合同化应用。详尽分析了地面云观测资料、卫星红外云图、可见光云图、多普勒雷达反射率多种观测资料对GRAPES模式初始三维云覆盖、多相混合比等云微物理因子以及初始场的调整。通过对2009年6月28日至7月4日湖南省一次强降水过程的模拟试验检验云分析系统的性能,对比分析表明:(1)云分析系统通过地面云观测资料、卫星红外云图、可见光云图、多普勒雷达反射率的同化,能够反演出三维云覆盖状况;(2)在三维云覆盖的基础上结合云底云顶高度,能够反演出云水、雨水、云冰等微粒,并显著改善模式初始湿度场;(3)云分析系统能够显著缩短模式的热启动时间,明显增大了开始几小时的降水量预报,对24小时的降水预报效果也有显著改善。

大陆性积云不同发展阶段宏观和微观物理特性的飞机观测研究

2014年7月3日,山西省人工降雨防雹办公室在该省忻州地区开展了国内首次大陆性积云飞机穿云探测。本文利用机载云物理探测资料,分析研究了不同发展阶段的积云宏、微观物理特性,主要结论有:(1)初生发展阶段的积云水平尺度约为8.2 km×5.5 km(经向×纬向,下同),云厚约2 km;云中以小云粒子为主,云滴凝结增长;水平方向上,云液水含量(LWC)和粒子浓度(Nc)的最大值均位于云体中心位置;垂直方向上,云水分布相对均匀,但随着高度增加,云粒子浓度变小,粒子尺度增大;粒子谱符合伽马分布,峰值量级为102cm^-3μm^-1,谱宽在100μm以下。(2)成熟阶段的积云水平尺度约为4.6 km×10 km,云厚约4 km;云内可以观测到积冰和雨线;小云粒子浓度随高度增加起伏变化,3600 m、4100 m和4900 m高度处存在峰值;大云粒子浓度随高度先增加后减小,最大值出现云底以上1.6 km高度,云底以上1.3 km高度附近有降水粒子形成;粒子谱呈多峰分布,暖区符合伽马分布,冷区为伽马分布和M-P分布相结合,且随着高度的增加拓宽,4400 m高度以下的谱宽小于200μm。(3)消散阶段积云尺度约为11 km×5.6 km,云厚约2 km,云下有降水粒子存在。

东亚地区云微物理量分布特征的CloudSat卫星观测研究

本文利用2007～2010年整四年最新可利用的CloudSat卫星资料,对东亚地区（15°～60°N,70°～150°E）云的微物理量包括冰/液态水含量、冰/液态水路径、云滴数浓度和有效半径等的分布特征和季节变化进行了分析.本文将整个东亚地区划分为北方、南方、西北、青藏高原地区和东部海域五个子区域进行研究,结果显示：东亚地区冰水路径值的范围基本在700 g m-2以下,高值区分布在北纬40度以南区域,在南方地区夏季的平均值最大,为394.3 g m-2,而在西北地区冬季的平均值最小,为78.5 g m-2;而液态水路径的范围基本在600 g m-2以下,冬季在东部海域的值最大,达到300.8 g m-2,夏季最大值为281.5 g m-2,分布在南方地区上空.冰水含量的最高值为170 mg m-3,发生在8km附近,南方地区夏季的值达到最大,青藏高原地区的季节差异最大;而液态水含量在东亚地区的范围小于360 mg m-3,垂直廓线从10km向下基本呈现逐渐增大的趋势,峰值位于1～2 km高度上.冰云云滴数浓度在东亚地区的范围在150 L-1以下,水云云滴数浓度的值小于80 cm-3,垂直廓线的峰值均在夏季最大.冰云有效半径在东亚地区的最大值为90 μm,发生在5km左右;水云有效半径在东亚地区的值分布在10km以下,最大值为10～12 μm,基本位于1～2 km高度上.从概率分布函数来看,东亚地区冰/水云云滴数浓度的分布呈现明显的双峰型,其他量基本为单峰型.本文的结果可以为全球和区域气候模式在东亚地区对以上云微物理量的模拟提供一定的观测参考依据.

基于CloudSat卫星资料分析青藏高原东部夏季云的垂直结构

本文利用CloudSat卫星资料,对青藏高原东部2006-2010年6-8月云垂直结构的空间分布进行分析,结果表明：（1）夏季青藏高原东部云发展可达到平流层,且高原东部云在5km以下以水云存在,5-10km以液相和固相共存的混态存在,在垂直高度10km以上以冰云存在。由于CloudSat卫星资料云相的反演问题,可能会造成水云和混态云的发展上限偏低,冰云的发展下限抬升。（2）研究区整层水汽输送和云水平均路径空间分布存在一定的差异性,云水含量纬向分布表现为在26.5°-30.5°N附近存在一个明显的峰值区,经向分布表现为95°E以西云水含量低于以东。（3）研究区以单云层为主,尤其在青藏高原主体。单云层平均云层厚度4182 m,云顶高度、云厚限于水汽的输送,表现为由南向北波动下降。多层云发生频率在27°N以北明显减少,说明强烈的对流运动更容易激发多层云的产生。