引言

云的结构特征与降水的发生发展紧密相关，不同的云结构特征对应不同的降水概率、降水类型和降水强度等，所以研究云结构与降水的关系，不仅可以了解降水形成的云微物理过程，也可以建立降水同云参数的定量关系，提高对地面降水特别是突发性极端降水的估测和预警能力(张夕迪和孙军，2018；邵建等，2025)。卫星作为观测云的一种重要手段，具有观测范围广、光谱信息丰富、不受地形条件限制等优点，特别是静止卫星能够提供高时空分辨率的观测数据，有助于了解云及对应降水的发展演变特征(王远谋和郁凡，2017；王明等，2022)。

针对卫星遥感云特性同降水的关系，国内外学者已开展了多项研究。Rosenfeld and Gutman(1994)、Rosenfeld and Lensky(1998)利用NOAA/AVHRR卫星资料，分析了可降水云的云微物理特征以及对流云中微物理过程同降水形成间的关系。Thies et al(2008)利用欧洲静止气象卫星(Meteosat)资料提出了一种区分对流云和平流层状云降水类型和降水强度的方法。蔡淼等(2010)针对2008年我国北方一次层状云降水过程，将FY-2C/D静止气象卫星反演的云参量和地面同时段雨滴谱观测资料进行联合分析，发现云参量先于地面降水变化，同时云光学厚度同地面降水量的相关性最好。周毓荃等(2011)、王磊等(2019)和龚静等(2021)利用FY-2系列卫星反演的云特征参量，先后研究了安徽、华北和青海地区层状云和对流云在不同降水强度下的云参数频数分布特征，均认为云顶高度/温度和云光学厚度的组合对于分析判断地面降水落区和降水强度更加有效，进而提出利用卫星云参量判别人工增雨潜力的方法。桂海林等(2019)基于日本静止气象卫星(Himawari-8)的云顶温度、云光学厚度和云有效粒子半径等三个参数，对中国中东部地区2017年夏季的降水资料进行了分析，发现单个云参数对降水强度的估计精度不如两个或三个云参数。Min et al(2019)和晏良锐等(2024)以全球降水测量卫星(GPM)的降水产品作为真值，分别利用Himawari-8和我国风云四号静止气象卫星A星(FY-4A)数据，基于随机森林算法建模进行定量估测降水并得到了不错的结果。孙绍辉等(2019)通过匹配Himawari-8红外亮温、亮温差同GPM近地面雨强产品，建立能够较好识别不同等级雨强的查算表。王根等(2020)在统计降水和非降水区Himawari-8红外亮温梯度变化的基础上，采用字典学习法构建匹配的亮温和GPM降水字典并利用K最近邻法进行降水和非降水信号识别，最后针对降水信号基于正则化约束法实现降水反演。关吉平等(2024)利用FY-4A多通道数据训练深度学习方法降水估计模型，其降水估计效果优于使用传统物理反演方法的卫星降水产品；在模型训练中加入地形数据，能在保持降水区域识别能力的同时减小对降水量的估计误差。上述研究增进了对卫星云观测同降水间关系的认识，也为更加深入的精细化研究奠定了基础。

浙江位于我国东南沿海地区，属于亚热带季风气候，地势东高西低，不同地区的降水差异较大，山区年降水量普遍较大，而平原地区年降水量相对较小。受东亚夏季风主导所带来的有利水汽输送条件和频发的不同类型降水天气系统影响，夏季是浙江一年中最主要的降水集中期，形成明显的雨热同期现象(曾秀娟等，2023)。本文利用FY-4A卫星和浙江省多部地面雨滴谱观测资料，分析了浙江地区2020—2022年夏季(6—8月)不同地形条件下的降水特征，并基于该分析结果研究了不同降水对应的卫星云参数特性，最后结合浙江地区夏季一次典型对流天气过程，对判识降水落区和强度的卫星云参数指标进行验证。本研究旨在为卫星资料在防灾减灾预警和人工影响天气中的应用提供参考。

1 资料和方法 1.1 使用资料

本文使用的卫星资料为FY-4A辐射成像仪(AGRI)的云特性反演产品，该产品来自风云卫星遥感数据服务网(http://satellite.nsmc.org.cn/portalsite/default.aspx)。FY-4A AGRI设计有覆盖可见光至长波红外共计14个通道，其反演的云产品包括云检测、云相态、云类型、云顶温度、云顶高度、云顶气压、云光学厚度和云有效粒子半径等，产品的空间分辨率为4 km，时间分辨率最高可达约5 min(Yang et al, 2017)。本文主要使用云类型(CLT)、云顶温度(CTT)、云光学厚度(COT)和云有效粒子半径(CER)。

降水资料则来源于2020—2022年夏季(6—8月)浙江省约58部激光粒子谱测量仪(图 1)观测的雨滴谱信息。该仪器可从激光强度的衰减信号中提取粒子粒径、粒子末速度及粒子数目等信息。仪器的采样面积为45.6 cm²，雨滴谱观测的时间频次为1 min，测量的粒子尺度范围为0.125~8 mm，速度范围为0.2~20 m·s^-1。作为对降水量的直接观测，雨滴谱具有较高的观测精度。

1.2 数据处理

雨滴下落过程中发生的碰撞、重叠等会使粒子分布在直径-速度关系范围之外，因此为了提高数据的可用性，首先需对雨滴谱数据进行质量控制处理。根据粒子直径与粒子下落速度的经验曲线(Atlas et al，1973)，剔除偏离曲线60%以上的数据，同时剔除雨滴数量少于10个或者降水强度小于0.1 mm· h^-1的样本(Chen et al，2016; 2017)，最后将持续时间超过30 min的降水过程定义为降水事件，并得到质量控制后的降水强度数据。

为了得到准确的分析结果，进一步对卫星数据和雨滴谱数据进行精细的时空匹配处理。空间上，采用距离雨滴谱位置不超过1个像元的最邻近匹配法，这样无论云是连续的还是分散的，获取的都是雨滴谱正上方的信息。时间上，查询发现当进行全圆盘扫描时，FY-4A AGRI观测到浙江省的时间为起始观测时间后的第2~3分钟，当进行中国区域扫描时，观测到浙江省的时间为起始观测时间后的第1~2分钟。因此在进行时间匹配时，选取卫星观测浙江省结束时间的雨滴谱分钟数据，这样既能包含降水强度在短时间变化较小的层状云的降水特征，也能捕获降水强度变化较大的对流云的降水特征；当雨滴谱观测时间处在FY-4A全圆盘扫描时段内，仅选择第3分钟的雨滴谱数据及其对应的卫星数据，当雨滴谱观测时间处在FY-4A中国区域扫描时段内，仅选择第2分钟的雨滴谱数据及其对应的卫星数据。经过上述时空匹配方法，可确保卫星同雨滴谱观测的是同一位置的云及对应的降水特征，据此获得有效样本共计53437个。

2 降水特征及其同卫星云参量的关系 2.1 不同地形条件下的降水特征分析

根据地形差异将浙江划分为四个典型地区：浙北平原、浙中盆地、浙南山地和滨海岛屿。对于降水等级的划分，由于本文使用的是雨滴谱观测得到的降水强度(r)，而非24 h累计降水量，无法直接采用气象标准中的划分依据，因此考虑到不同等级降水对应的物理机制和降水强度变异性特征(例如，小雨和中雨多源于层状云降水，持续时间较长、降水强度变化较小；大雨和暴雨通常来自对流性降水，持续时间短、降水强度跨度大)，本文设定了相应的降水强度阈值并划分降水等级，即：r＜0.5 mm·h^-1为小雨，0.5~2.0 mm·h^-1为中雨，2.0~5.0 mm·h^-1为大雨，r≥5.0 mm·h^-1为暴雨。该划分方法既与气象业务中的降水等级划分概念相对应，也能确保每个降水等级中包含有足够的样本数(王磊等，2019；龚静等，2021)。

据此统计得到不同地区不同降水等级的出现频率(表 1)。浙江夏季，中雨的出现频率最高(39.55%)，平均降水强度为1.11 mm·h^-1，其次为大雨(23.11%)，平均降水强度为3.18 mm·h^-1，小雨和暴雨则相当(均为18.67%)，平均降水强度分别为0.32 mm·h^-1和15.42 mm·h^-1。四个地区比较而言，浙南山地出现暴雨的频率较其他地区更高，滨海岛屿出现小到中雨的频率更高，而浙北平原和浙中盆地则是大雨的出现频率相对高。

进一步根据不同降水强度特征划分不同降水类型。利用Chen et al(2013)提出的方法，当连续11个样本r≥5.0 mm·h^-1且标准差>1.5 mm·h^-1时，中心样本定义为对流云降水(具体表现为强度变化大的短时强降水)；当连续11个样本r≥0.5 mm· h^-1且标准差≤1.5 mm·h^-1时，中心样本定义为层状云降水(具体表现为强度变化小的连续性均匀降水)；不满足以上2个条件的样本定义为其他降水，据此统计得到不同地区不同降水类型的出现频率(表 2)。总体而言，浙江夏季对流云和层状云降水的出现频率累计约占46%，二者间的比例约为1∶6；其中，浙南山地出现对流云降水的频率最高，浙北平原和浙中盆地出现层状云降水的频率较高，这与降水等级的对应关系相似。

2.2 卫星云参数同降水强度的相关性分析

降水作为云的产物，不同降水特征反映不同云的特性。为揭示云宏观、微观特性与降水强度的关系，首先基于卫星云参数统计不同地区降水样本的分布情况(图 2)。结果显示，云顶温度(CTT)高于0℃的纯暖云降水比例较小，当CTT介于-35~0℃时，浙北平原和浙中盆地的降水出现频率较高，当CTT低于-35℃时，浙南山地和滨海岛屿的出现频率更高，并且浙南山地降水样本峰值对应的CTT较滨海岛屿更低(图 2a)。对于云光学厚度(COT)和云有效粒子半径(CER)，不同地区降水出现频率最高的区间一致，分别为COT在30~40和CER在20~25 μm。在峰值处，浙北平原和滨海岛屿的COT大于浙中盆地和浙南山地，CER则相对偏小。当COT大于50时，随着COT继续增大，浙中盆地和浙南山地的降水出现频率持续高于浙北平原和滨海岛屿(图 2b)。CER则为除峰值区间外，浙北平原和滨海岛屿的降水出现频率在其余区间普遍高于浙中盆地和浙南山地(图 2c)。

进一步计算不同云参数各数值区间内降水强度样本的中值，可得降水强度随云参数的变化特征(图 3)。分析可见，当CTT高于-60℃时，不同地区的平均降水强度基本均小于2 mm·h^-1且表现出较为一致的分布特征；当CTT低于-60℃时，除滨海岛屿外，其他三个地区的平均降水强度均呈明显上升趋势，其中浙南山地的增幅最大，表明在山地地形抬升作用下发展的云更易产生强降水；并且，在夏季太阳辐射增强使大气不稳定度增加的背景下，由地形触发的暖对流也可导致短时强降水，由图可见, 当CTT高于10℃时，浙南山地的平均降水强度明显升高(图 3a)。COT的变化特征与CTT有所不同(图 3b)，当COT大于30时，平均降水强度随着COT增大而持续上升，表明COT与降水的相关性较CTT更高，当COT大于60时，平均降水强度的增幅更加明显且不同地区间差异逐渐增大。值得注意的是，当COT小于20时，平均降水强度也有一定程度的升高，表明对于反演为小光学厚度的云(如积雨云云砧或上薄下厚的多层云)，其仍可能伴随有较强降水的产生，这增加了对于较小COT云降水强度判断的不确定性。降水强度随CER的变化特征(图 3c)不如前两个云参量显著，整体表现为随着CER的增大而略有升高，并且不同地区在不同CER区间内的平均降水强度差异也不大，这是由于本文统计得到的CER样本多集中于较小数值区间，无法体现更大云滴粒径所对应的降水特征。

除了上述云参量外，云的热力学相态即云类型(CLT)对地面降水也具有一定的指征作用，不同类型云具有不同的微物理过程和降水效率。表 3统计了浙江不同地区不同云类型的出现频率。总体而言，冰云是浙江夏季出现最多的云类型(61.7%)，其次为过冷水云(13.75%)和混合云(12.67%)，而水云(3.16%)、多层云(8.06%)和卷云(0.66%)的出现频率则较低。

从不同地区分布来看，浙北平原出现过冷水云和混合云的频率均显著高于其他地区，表明该地区存在更多的过冷液态水云，其云顶温度多集中于冰晶有效核化的温度区间。浙南山地出现冰云的频率最高，水云、过冷水云和混合云则为最低，表明浙南山地的云系发展更为深厚，云顶高度更高，山地的复杂地形作用有助于冰相过程的发展。浙中盆地除卷云外，其余各云类型的出现频率在四个地区中均处于居中水平，这是由于该地区介于浙北平原和浙南山地之间，云类型体现了从平原向山地过渡的特征。滨海岛屿的冰云出现频率较高且卷云出现频率显著高于其他地区，而多层云的出现频率则为四个地区最低，表明滨海岛屿同样以深厚云系为主，并且在海洋性大气环境背景下，对流系统消散后残留的砧状卷云更易于维持，而单一的海洋下垫面可能使得多层云结构相对不易形成。

不同云类型不仅分布存在地区差异，其自身的云参数特征和降水效率也并不相同。表 4统计了浙江省不同云类型下的CTT、COT和CER高频值。可得当云类型从水云、过冷水云、混合云到冰云时，CTT显著降低，COT和CER则逐渐增大。卷云和多层云两者的COT均为最小，CER均较大，CTT则介于混合云和冰云之间，这是由于卷云和多层云中上层云的光学厚度较小，导致卫星接收到的辐射能量包含较多云下信息，易造成反演的CTT较实际偏高(赵渊明等，2024)。

表 5进一步统计了不同云类型所对应的降水特征。结果显示，不同云类型对降水事件的贡献差异显著。其中，冰云的降水出现频率最高，约占总降水样本的2/3，且其降水强度中值也显著高于其他云类型，表明浙江夏季降水主要来自于具有一定厚度的冰云，且冰相过程主导的云降水强度更大。其余1/3的降水样本中，大多数来自过冷水云和混合云，两者的降水强度中值相近，而降水出现频率较少的多层云、卷云和水云则对浙江夏季降水的贡献较小，且三者的降水强度中值呈依次递减趋势。从降水等级分布来看，中雨在不同云类型导致的降水中出现频率均为最高，表明这是浙江夏季发生频率最高的降水等级。水云产生小到中雨的频率相对较高，过冷水云和混合云降水主要集中在中到大雨，冰云的大雨特别是暴雨的频率为所有云类型中最高。卷云的降水出现频率最低，其降水特征表现为除小雨出现频率较高外，暴雨也相对较高，这可能是由于卷云有时作为积雨云的砧状云会伴随有强降水，多层云则表现出与水云近似的降水特征，由于其反演是针对上层冰相卷云、下层液相水云的云结构，因此其降水过程主要由下层的水云部分主导。

综上，将云类型(CLT)作为判识降水及其强度的重要特征参量，再结合卫星云参数的数值特征，能够更准确地描述卫星云特性与降水间的关系。

单一卫星云参数往往仅能反映云的某一方面特征，组合多个云参数则有助于构建更准确的云和降水间的关系。首先选取表征云发展高度和云中含水量的两个参数，即CTT和COT，分析二者对降水强度的协同影响，由CTT和COT二维参数空间内降水强度中值的热力图，可以发现降水强度的分布呈现出梯度差异(图 4)。当CTT高于-35℃且COT小于35时，平均降水强度小于1 mm·h^-1；当CTT介于-65~0℃且COT介于35~55时，平均降水强度约为1~2 mm·h^-1；当CTT低于-35℃且COT大于55时，平均降水强度大于2 mm·h^-1且随着COT的增大呈现显著增强趋势。并且，当降水发生时，COT的主导作用较CTT更强，表现为当COT小于55时，即使CTT较低，降水强度仍维持在较弱水平，而当COT大于55时，降水强度随CTT降低而显著增强，进一步通过敏感性量化对比发现，在相同COT区间内，最大与最小CTT区间对应的降水强度差值平均为0.75 mm·h^-1，而在相同CTT区间内，最大与最小COT区间对应的降水强度差值平均为1.63 mm·h^-1，表明降水强度对COT变化的敏感性高于CTT。CTT和COT双参数的协同效应体现了云垂直结构对降水过程的重要作用：较大的COT意味着云内含有更多的水汽且云垂直厚度更大，为降水粒子的形成创造了更好的水汽条件和足够长的碰并增长路径；而CTT则指示了云的发展高度，在较大COT基础上，CTT越低通常伴随越强烈的上升运动，有利于云粒子的快速增长，二者的不同组合解释了降水强度的梯度差异。

在此基础上，进一步引入表征云粒子尺度的CER，分析三个参数组合下的降水强度分布特征(图 5)。本研究统计的降水云样本中，CER主要集中在10~40 μm。由图 5可见，随着CER的增大，由云发展不高且降水强度整体偏弱逐渐向强降水覆盖范围扩大转变，即使在COT较小时，平均降水强度也有所增大。这是由于CER增大提升了云滴间的碰并效率，加速了云粒子的增长和降水粒子的形成，进而使降水强度也有所增大。但当CER过大时，云中大粒子较多，云滴接近雨滴尺度，会快速通过碰并增长形成降水并下落，导致云内难以维持大量大粒子，云粒子过大可能指示云内降水过程已较为充分，云系多处于降水过程后期、云体趋于消散阶段，难以维持强降水强度，因此也呈现出了降水样本数量减少的趋势。因此，CER大小决定了云内粒子的碰并效率，是影响云降水微物理过程的重要参数；CER过小时，粒子尺度不足限制了降水效率，CER过大时，粒子快速下落导致云系难以维持。三个参数协同为卫星反演降水提供了更精细的物理依据，有助于构建更为精准的云降水关系模型，提升卫星估测降水的精度。

2.3 卫星云参数同降水类型的相关性分析

重点对比分析对流云降水和层状云降水的卫星云参数特征。图 6为两类降水中不同云类型(CLT)的占比，可见对流云降水样本中冰云占比为79.49%，高于层状云降水中的67.41%，而其他云类型占比均低于层状云降水，表明对流云降水大多以冰云为主。从两类降水对应的CTT、COT和CER统计分布(图 7)可见，对流云降水通常具有更低的CTT和更大的COT，而二者的CER则无显著差异，表明CTT和COT是区分对流云和层状云降水的主要参数。其中，对流云降水的CTT主要集中在-62~-39℃，低于层状云降水的-58~-27℃；对流云降水的COT则主要集中在40~83，大于层状云降水的35~70。

进一步对比对流云和层状云降水在CTT和COT组合下的统计特征。热力图显示两类降水在双参数空间出现频率的差值分布(图 8)，其中，正值表示对流云降水出现频率更高，负值则表示层状云降水出现频率更高。由图可见，对流云降水更多出现在CTT较低且COT较大时，但这两类降水在卫星云参数特征上也并未表现出明显的区分界限，这是由于在一些复杂的天气系统中，可能会出现层状云背景中嵌有对流云团发展的情况，导致该云系同时具备两类降水的特征，从而使其样本在卫星云参数分布上存在部分重叠。

3 个例分析

基于上文的分析结果，本节通过2023年6月5日浙江地区出现的一次对流天气过程，分析卫星云参数对降水的指示特征。大气背景条件显示浙江位于副热带高压边缘，500 hPa以偏西气流为主，浙北存在干区，850 hPa受低涡切变南侧的西南气流控制，有较好的湿度条件。副热带高压边缘的不稳定条件、中低层的湿度条件和上干下湿的配置的共同作用，有利于对流天气的产生。

6月5日午后浙江中部有降水云团自西向东移动，雷达回波显示云团的组合反射率整体在15~45 dBz，强中心达到50 dBz(图略)。云团移动过程中伴随着新生、发展、成熟和消亡，单体维持时间在0.5~3 h，回波具有簇状对流云的特征，具体表现为多个对流成簇状同时发生发展(朱士超等，2017)。选取典型时刻(16时, 北京时，下同)FY-4A云参量及16—17时降水量分别列于图 9和图 10。由图可得，CLT为冰云类型、CTT低于约-50℃或COT大于约50时，对应地面有降水产生的概率更高，CER则无明显划分。CTT低于约-50℃且COT大于约50时，对应的地面区域小时降水量大于5 mm，同时相较于孤立生消的对流单体，发展过程中同其他单体合并形成更大范围的对流云系更易产生短时强降水，表明CLT、CTT和COT均能在一定程度上定量反映降水的落区和强度，但由于传统物理方法反演的COT和CER依赖于可见光—近红外波段的太阳反射特性，因此该云参量仅适用于白天，夜间仅用CLT和CTT来判断地面降水，可能增大降水估测误差。

4 总结与讨论

本文利用我国风云四号静止气象卫星A星(FY-4A)云反演产品和浙江省多部地面雨滴谱观测数据，统计分析了浙江地区2020—2022年夏季(6—8月)的降水特征，并基于该结果分析了不同降水特征对应的卫星云参数特性，表明FY-4A云参数对降水有一定的指示意义，最后通过个例分析对判识降水的云参数指标进行验证。主要结论如下：

(1) 根据降水强度划分，得到浙江夏季不同降水等级的出现频率由大到小依次为：中雨(0.5~2.0 mm· h^-1，39.55%)、大雨(2.0~5.0 mm·h^-1，23.11%)、小雨(＜0.5 mm·h^-1，18.67%)和暴雨(≥5.0 mm·h^-1，18.67%)。其中，暴雨多出现在浙南山地，滨海岛屿小到中雨的出现频率更高，浙北平原和浙中盆地则大雨的出现频率更高。区分不同降水类型来看，浙南山地对流云降水的出现频率最高，浙北平原和浙中盆地层状云降水的出现频率较高。

(2) 云参数CLT为水云和卷云时，浙江夏季小雨的出现频率最高，为过冷水云和混合云时降水主要集中在中到大雨，为冰云时不仅降水出现频率最高，且大雨、特别是暴雨的出现频率最高，为多层云时具有同水云近似的降水特征。

(3) 对于降水强度，从单个云参数来看，当CTT低于-60℃时，除滨海岛屿外，其他地区平均降水强度均呈明显上升趋势，其中浙南山地增幅最大；当COT大于30时，平均降水强度随COT的增大而持续上升；本文统计的CER样本主要集中在10~40 μm区间，区域间降水强度差异较小，且CER随参数变化的响应特征不如CTT和COT显著。双参数(CTT和COT)组合时，降水强度在其组合空间内呈现有规律的梯度变化，并对COT变化的敏感性高于CTT，且低CTT、高COT情况下更易产生强降水；引入CER构成三个参数组合，则可进一步反映云滴碰并效率对降水微物理过程的影响。

(4) 对于降水类型，相较于层状云降水，浙江夏季的对流云降水多出现在CTT更低且COT更大的(云)条件下，但总体上这两类降水在卫星云参数特征上并没有明显区分，这是因为有些层云系统中也包含有对流过程。此外，本文使用的卫星资料来源于FY-4A卫星，现阶段其已降级运行，后续可根据需要，建立关注地区其他同类卫星云产品与降水的统计关系及具体指标，为指导开展更为科学和精准的人工影响天气作业提供依据和参考。