基于MODIS和CloudSat对京津冀降水冰云特征的研究及其与非降水冰云对比分析

来源 :南京信息工程大学 | 被引量 : 1次 | 上传用户:hj12141
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文主要利用Aqua MODIS 2级云产品和Cloudsat的2级产品资料2B-CWC-RO和2B-CLDCLASS,并结合降水数据和MODIS L1B级辐射率数据,对京津冀地区的降水冰云及非降水冰云的特征进行研究,主要包括夏季强降水个例下的冰云宏微观特征、降水冰云和非降水冰云特征的对比分析以及降水冰云的季节分布特征。结果表明:强降水过程中冰云主要分布在3.5 km以上,在水平分布中,冰云云顶高度、冰云光学厚度、冰水路径都随降水强度增大而增大;在垂直分布中,在9 km以上,冰云粒子有效半径随降水强度增大而增大;在12 km以上,冰云粒子数浓度随降水强度增大而增大;在8.5 km以上,冰水含量随降水强度增大而增大。强降水过程中冰云的主要类型为深对流云。冰云粒子有效半径高值区存在于云层中下部,且随高度上升而减小;冰云粒子数浓度高值区存在于云层中上部,且随高度上升而增加;冰水含量高值区则存在于云层中部。降水冰云以深对流云和雨层云为主,而非降水冰云以高层云和卷云为主。降水冰云以单层云为主,占80.39%,双层云占18.75%;而非降水冰云仍以单层云为主,占85.35%,双层云则占14.38%,比降水冰云低。相较于非降水冰云,降水冰云中卷云和高积云云体位置较高,而高层云和深对流云位置较低。随高度变化,降水冰云冰水含量是双峰结构,而非降水冰云是单峰结构;二者的粒子数浓度则差异不大;非降水冰云的粒子有效半径在5~7.5km随高度变化不大,而降水冰云则随高度减小。降水冰云的云水路径、光学厚度和粒子有效半径b16>b21≥b37模态(b16、b21、b37分别代表该云参数在1.6、2.1、3.7μm中的数值)的比例都高于非降水冰云,而二者在云参数b21≥b16≥b37模态的比例则有差异。京津冀总地区降水冰云夏季发生率较高,云顶高度在夏季最高、冬季最低,云顶温度的最小值在夏季最低,冬季最高,在春夏秋三季均以单层云为主,而冬季则以双层云为主。降水冰云的类型在春季和夏季较多,有7种,而秋冬两季的类型较少,分别为6种和5种。粒子数浓度和冰水含量的分布高度和最大值均是夏季最高、秋季次之、春季再次之、冬季最低;粒子有效半径的最大值是夏季最高、春季次之,冬季再次之,秋季最低。且在夏季降水冰云以深对流云为主,占48.3%,其他季节以雨层云为主。此外,夏季这些物理量随高度变化在京津冀4个分区分布较为一致,均呈单峰结构。
其他文献
美术课程强调通过发挥美术教学独特的魅力,根据学生的情感和认知特征,不断实验与完善生动的教学内容和教学方法,激发学生的学习兴趣,并使这种兴趣转化为持久的情感态度。随着
从上世纪90年代以来,大规模人口流动就已经成为社会关注的热点话题。伴随着我国社会不断转型与发展,无论是人口流动的规模还是内部结构都已经发生了重大改变。人口流动方式从
现代医学逐渐发展到了数字医疗和精准医疗的阶段。医学影像提供的相关信息为手术的规划和实施提供了帮助,但也存在新的挑战。首先,对于术前影像的查看与手术规划目前只能在图
在全民健身的背景下,马拉松赛事蓬勃发展,随着赛事的增多,各种风险事件也层出不穷,尤其是近年来马拉松比赛中频繁出现运动损伤和猝死等突发现象。马拉松运动是一项高强度、耗
蒙古国为亚洲中部国家,1921年前蒙古国境内没有正规的学校,只有私塾、社团等仅为贵族阶级提供培训的学校,而民众接受教育的方式只有家庭教学和宗教传播,文盲率非常高。1921年
自从人类社会步入信息化、数字化的时代,信息的传播与共享仿佛开上了快车道,在人们传统生活方式受到挑战的同时,信息安全也成为人们无时无刻不在关注的话题。随着通信技术的
叶剑英是我中华人民共和国的开国元勋,坚定的马克思主义者,伟大的无产阶级革命家、政治家、军事家,中国人民解放军的缔造者之一。长期担任党、国家和军队重要领导职务的卓越领导人,中华人民共和国十大元帅之一。叶剑英亲自参与并见证了中国人民军队从创建到发展一直到现代化建设的全过程。在指导中国人民军队建设发展的过程中,将马克思主义军事思想与我国军队发展现状充分结合,从实际出发提出了一系列重要的军事思想,丰富和发
轴棱锥(Axicons)是一种能够将轴上点源发出的对称光线偏折形成一条沿轴向分布的连续线段的旋转对称光学元件,具有轴向线聚焦性质。贝塞尔光束具有无衍射特性,是无衍射光场中
软件工程要解决的核心问题,简单地说就是如何以最小的代价生产出最大效用的软件。解决该问题的基本途径之一,是研发具有高度灵活性和扩展性等特点的可复用软件及方法,其中框
在神经网络当中,为了进一步提升网络模型的表达能力,提取出输入信号更高级特征,神经网络的结构有着变得更深更宽的发展趋势。与此同时,更深更宽的网络会带来大量的权重参数需要被训练,特别是当训练数据不充足时,数百万个权重参数被训练时,很容易使得网络出现过拟合。因此,防止过拟合的有效方法的提出迫在眉睫。过去,通常会采用训练多个模型做组合的方式去防止模型出现过拟合,但这会导致模型训练和测试的过程非常耗时。目前