星载激光雷达CALIOP功能、产品和应用

郑韶青，徐峻，何友江，孟凡，毕方，易鹏，王继康

1.环境保护部环境工程评估中心，北京 100012

2.中国环境科学研究院，北京 100012

星载激光雷达CALIOP功能、产品和应用

郑韶青1，徐峻2*，何友江2，孟凡2，毕方2，易鹏2，王继康2

1.环境保护部环境工程评估中心，北京 100012

2.中国环境科学研究院，北京 100012

星载激光雷达CALIOP实行对地例行的垂直切片式扫描，形成对地球大气中气溶胶和云高分辨的立体监测网。系统介绍星载激光雷达CALIOP的功能、特性、数据结构、反演过程、产品和不确定性，CALIOP资料和产品在示踪沙尘和污染物输送，验证模型模拟的云和气溶胶空间分布，云和气溶胶相互作用，气溶胶和云空间分布三维结构的长期平均状态，更新有关气溶胶和云特性的认识等方面的应用，以及在我国区域空气质量研究中的应用前景。

气溶胶；云；星载激光雷达；垂直分布

气溶胶和云的物理和化学性质、空间分布以及辐射效应一直是区域空气污染［1］和气候变化研究中的热点和最不确定的因素［2］。气溶胶等污染物的空间分布除水平方向存在差异外，还具有垂直方向上的分布结构［3］，体现在气溶胶、云层发生的高度和厚度，各层气溶胶的浓度和光学性质，不同区域气溶胶垂直分层结构的差异等。相比空间代表性有限的地面原位观测，卫星遥感手段能够提供云、气溶胶乃至某些空气污染物大范围的水平分布状况，如目前常用的卫星资料：静止气象卫星、中分辨率成像光谱仪（MODIS）、臭氧检测仪（OMI）、对流层污染物检测仪（MOPPIT）等，并不能体现污染物的垂直分布状况。目前的空气污染监测大多限于大气低层，对污染物达到的高度及其分层状况了解甚少，因而无法精确界定区域空气污染的三维分布状况和区域污染输送发生的高度等，尽管地基激光雷达能够获得所在地气溶胶的垂直分层结构，但并不能代表区域上的状况；此外，气溶胶的垂直结构通过辐射效应改变大气中辐射加热率的垂直分布状况［4］，将对大气层结、动力过程等产生影响。迄今为止，对气溶胶和云在区域尺度上的垂直分布特征及可能引发的效应都缺乏了解，相应研究亟待开展。

2006年由美国航天航空局（NASA）和法国国家航天中心（CNES）联合研制的星载激光雷达CALIOP投入运行［5］，实行对全球大气垂直切片式扫描，获得区域尺度上的云和气溶胶在垂向剖面上的分布状况，为区域空气污染和气候变化等领域研究提供了新的科学素材和视角，迄今为止已积累了覆盖全球6年以上的数据。数据公布以来，一些国内外的研究中用到该资料，但对其较深度的发掘有待开展，尤其对国内研究而言。由于星载激光雷达基于特殊的原理，其反演过程复杂，产品繁多，反演过程和产品某些地方存在不确定性，笔者通过对这些方面较详细的介绍，指出产品使用中需注意之处，并讨论CALIOP产品的应用前景。

1 CALIOP功能和特性

美国NASA和法国CNES联合研制的带偏振的云和气溶胶探测激光雷达（cloud-aerosol lidar with orthogonal polarization，CALIOP）搭载云－气溶胶激光雷达和红外探测卫星（cloud-aerosol lidar and infrared pathfinder satellite observations，CALIPSO）于2006年4月28日发射，在太阳同步轨道上运行，离地高度705 km，倾角98.2°，CALIOP为该卫星上主要探测器。

CALIOP的激光发射系统为二极管Nd：YAG激光器，同时发生1 064和532 nm 2个波段的激光脉冲，发射频率为20.16 Hz，脉冲长度为20 ns，2个波段的脉冲能量都是110 mJ，其中，532 nm波段激光脉冲为偏振光，偏振纯度大于1 000∶1。发射激光脉冲到达地球表面时其光柱的直径约70 m。由于需要探测大气中分子、气溶胶和云的后向散射，而它们之间信号强度的差异非常大，CALIOP接收系统能探测到的信号强度跨度达到6个量级，覆盖从地面以上30～35 km的无气溶胶情况到浓密云层情况下散射的信号。接收系统中的偏振分离装置将532 nm波段的回波分裂为水平和垂直2个部分，得到该波段的偏振分量。

与传统的被动式遥感探测（如MODIS）不同，CALIOP不断发射和接受激光脉冲，为主动遥感方式，优势在于能够探测到明亮地表之上和薄的层云之下的气溶胶层。CALIOP在高速移动中高频率发射和接收激光脉冲，探测卫星移动轨迹和地面星下点轨迹间垂向剖面的信息，垂直分辨率达到15 m，由激光脉冲接收装置的采样频率决定（10 MHz），水平分辨率为333 m，由激光发射频率和卫星移动速率决定。

CALIPSO是对地卫星探测群“午后列车”（afternoon-train，简称A－Train）的成员［6］，它们的地球表面扫描轨迹于当地时间午后1：30开始陆续经过同一地点，前后相差仅15 min，实现多颗不同性能卫星对地球表面同一位置的同步观测。A－Train系列卫星由于各自配备不同的遥感仪器，探测项目以及探测所及的空间范围各有侧重，能够形成较完备的资料互补，也使得探测结果之间相互映证。其中，Aqua搭载的MODIS和Aura搭载的OMI探测器实行对地的宽角度扫描，单次地表扫描幅度达2 000 km以上，获得气溶胶特性（光学厚度、气溶胶细颗粒、气溶胶指数）、气态物种、云等的大范围水平分布状况，而CALIOP探测到其中某几个垂向剖面上高分辨率的云和气溶胶的垂直分布结构，二者配合将获得污染物空间分布的三维结构。Aqua之后是星载云廓线雷达Cloudsat，探测由卫星至地面轨迹剖面上云的垂直分布状况，水平和垂直分辨率分别为1 100和240 m，它与紧随其后的CALIPSO扫过地表同一地点的时间相差15 s。由于二者给出的是同一垂直剖面的状况，Cloudsat侧重于云的探测和反演，正好验证CALIOP反演的气溶胶和云的空间分布，并形成互补，较好地展现云和气溶胶大范围区域尺度的空间分布的同时，具很高的分辨率。

2 CALIOP数据结构、反演过程和产品

CALIOP数据处理中的期望是：信息尽可能覆盖广阔的空间范围，反映足够多的细节，而数据量尽量小。真实大气的探测结果表现为：高度越高，大气在更广阔的空间上表现出均一性，高层较弱的信号需在较大范围进行平均，才能识别出有意义的信号；低层气溶胶和云的信号明显，且空间分布的差异也显著，需用较高的分辨率体现。基于这种思想，CALIOP设计了独特的数据结构，既有效地反映大气中的真实状况，又极大地压缩了数据量。CALIOP的原始采样空间分辨率为：垂向30 m，水平333 m，由接收器带宽和激光发射频率决定。原始数据量庞大，针对不同高度层在不同空间范围进行平均，将处理后的反映一定空间范围的平均值下传到地面，数据量大大下降。

反映在CALIOP资料的数据结构上，它的空间分辨率随高度变化，在各高度区间，水平和垂向分辨率都是变化的。低层分辨率较高，地面到8.2 km高度段的资料达到原始分辨率，垂向分辨率30 m，水平为333 m；越向高层，垂直和水平分辨率均越低，如30～40 km高度段，资料的垂向分辨率为300 m，水平分辨率为5 km。各高度区间水平和垂向分辨率的具体情况、包含的垂直廓线特征等见表1。可见CALIOP资料的数据结构较其他卫星资料复杂，也给资料读取造成一定的难度。

表1 CALIOP资料按高度区间设置的垂直和水平分辨率以及廓线特征Table 1 CALIOP vertical and horizontal resolution，and vertical profile properties at different height interval

CALIOP目前只有一级产品（Level 1）和二级产品（Level 2）。Level 1产品中，Level 1B产品在科学研究中较常用，主要包括532和1 064 nm 2个波段衰减的后向散射、532 nm波段退偏比、2个波段衰减的后向散射颜色比等，上述产品为后向散射的直接观测值，并不能反映具有高后向散射性质目标层的类型以及定量化光学特性。Level 2产品主要为CALIOP资料的反演结果，产品反映出各种目标层的类型，以及它们量化的光学特性，因此，在科学研究中具有更广泛的用途。

CALIOP资料反演算法的主要部分源自1994年进行的激光雷达的太空技术实验（LITE）［7］，在11天航天飞机航程中取得的激光雷达探测数据的反演基础上形成，反演过程分3步依次进行，对应3个模块算法：1）目标层搜索模块（selective iterated boundary locator，SIBYL）［8］，就是识别并界定云或气溶胶层的空间范围，模块设计了智能算法，做空间平均时能自动调整，既反映出信号强的目标层，也不遗漏信号较弱的目标层；由于云和气溶胶存在在垂直方向上重叠的情况，目标层的搜索自上而下，并不断订正后向散射的垂直廓线，以界定出垂向重叠的目标层。2）目标层类型识别模块（scene classification algorithms，SCA）［9-10］，算法先确定目标层为云还是气溶胶，之后再细化云的类型（水云、冰晶）和气溶胶类型，判别气溶胶类型依据气溶胶的光学性质、高度、气温、地理位置、下垫面类型等信息，反演的气溶胶类型有沙尘、生物质燃烧、城市污染、沙尘和污染混合气溶胶、背景气溶胶和海洋气溶胶6种。3）混合反 演 算 法 模 块 （hybrid extinction retrieval algorithm，HERA）［11］，它不是一个独立的算法，反演中利用前2个模块的输出结果，包括SIBYL界定的目标层、识别出的目标层类型、相应的激光雷达比和多次散射订正系数等，而反演结果可能又会对识别的目标层类型、激光雷达比、目标层的消光程度等做出订正，因此被称为混合反演算法，反演中涉及迭代计算，去拟合探测到的衰减的后向散射垂直廓线，最终得到的较为合理的云和气溶胶的后向散射系数、消光系数等光学性质的垂直分布。

上述3个模块处理过程的中间结果和最终产出形成CALIOP Level 2产品。因此，CALIOP Level 2产品内容最丰富，除包含云的分类和气溶胶类型、光学性质在垂向剖面上的分布等以外，还包括识别目标层过程中进行空间平均的水平范围长度、目标层识别可信度等的分布状况。Level 2产品分为层产品、廓线产品和反演类型三大类，具体产品内容和空间分辨率等特征见表2。CALIOP Level 2产品的反演流程及与相应二级产品的关联见图1。CALIOP的Level 1和Level 2产品中的数据以单次轨道数据的形式归档，一次白天或黑夜的扫描结果形成1个文件，包含了沿扫描轨道的垂向剖面上的探测和反演结果，文件格式均为hdf4。

表2 CALIOP Level 2产品类型和特征列表Table 2 CALIOP Level 2 products list and characterization

图1 CALIOP Level 2产品的反演流程Fig.1 Flow chart of CALIOP Level 2 product retrieval

3 CALIOP产品的不确定性

经过订正的CALIOP Level 1产品为直接的探测结果，可信度较高。相比之下，Level 2产品由于涉及反演过程，存在一定不确定性，主要来源于反演过程中目标层识别、云和气溶胶的区分、气溶胶类型识别、多次散射效应和消光系数廓线的迭代等步骤，其中最大的不确定性来自云和气溶胶的区分和气溶胶类型识别2个反演步骤。

上述2个步骤造成反演过程的不确定性体现在以下方面。首先，这2个反演结果本身具有一定的不确定性：1）云和气溶胶的区分通过二者的概率分布函数（PDF）计算的置信函数决定，该PDF由3个直接的探测结果计算，即目标层中间高度、整层平均衰减的532 nm后向散射强度和整层平均颜色比，为根据以往的经验（主要是LITE实验的结果）总结出来的判据，由于实验的样本和区域代表性有限，不能涵盖实际大气中可能出现的所有情形，实际反演中，云和气溶胶的误判可能会发生，如Choi［12］发现在塔克拉玛干沙漠上空，沙尘经常被误判为云；2）气溶胶类型的识别主要依据CALIOP探测的光学特征、目标层出现的地理位置（高度、经纬度等），探测的时间等因素，设计出筛选和识别流程决定各气溶胶层最可能的类型，可见气溶胶类型的识别主要基于以往的经验，主观判断的成分较重，实际应用中对气溶胶类型的误判将可能发生。

另一方面，后续的反演过程恰恰要用到上述2个反演结果，它们的不确定将可能造成偏差在反演中的传递。反演颗粒物（云和气溶胶）光学性质的垂直廓线，需先设定各目标层的激光雷达比（Sr），反演中就面临两难的境地：Sr的选取取决于云和气溶胶的区分，以及后续气溶胶类型的确定；而区分云和气溶胶以及气溶胶类型，依据的恰好又是Sr。而云和气溶胶、各种气溶胶类型间Sr的差异较大。反演中首先区分云和气溶胶，但如果发生云和气溶胶的误判，将可能造成后续反演结果不可用，可见这一步相当关键。气溶胶类型识别模块将识别出的气溶胶类型分为6种，其中4种气溶胶类型的光学参数根据ARONET长期观测研究归纳［13］，清洁大陆和海洋气溶胶的光学参数依据典型站点和实验的观测数据总结得到，后续反演过程中用到的Sr因气溶胶类型决定，而各种气溶胶类型间Sr量值的跨度较大，气溶胶类型的误判可能对反演的消光系数廓线产生一定的影响，尽管迭代计算中也会对各气溶胶层的Sr进行调整使得反演的气溶胶廓线能够拟合探测的衰减后向散射的垂直分布。

由于CALIOP资料存在不确定性，尤其在应用CALIOP的反演产品时，进行一定的验证是必要的。例如，可以将CALIOP的反演结果与MODIS云图、Cloudsat云廓线等结果进行对比，验证CALIOP区分云和气溶胶结果的真实性。CALIOP反演产品中的气溶胶类型，可根据剖面中目标层的空间位置、所处地理环境和区域特征、当时的输送条件等，并结合A－Train系列其他卫星探测结果和产品，进一步验证、甄别。另外，CALIOP一般难于透射较厚的云层或气溶胶层［14］，某些情况下，探测不到低层的气溶胶，这时如有地基激光雷达配合，将形成很好互补。一些研究将星载激光雷达和地基激光雷达二者结合［15］，既能得到气溶胶和云垂直结构的在较大空间范围的瞬时状态，还能得到定点垂直分布的时间序列。

4 CALIOP数据的应用

4.1 沙尘输送

使用CALIOP资料最多的应用是有关沙尘的研究，强的沙尘暴作用下，沙尘被抬升到高空开始长距离输送，由于浓度高、据源区较近的区域沙尘的非球形程度较高，在CALIOP资料中能被较容易地识别，能够精确定位沙尘到达的高度、空间范围等［16］。Eguchi等［17］运用CALIOP资料的研究发现，来自蒙古戈壁和新疆塔克拉玛干源地的沙尘分别在不同高度层输送，向下游输送过程中在垂直方向上生出重叠现象；Uno等［18］运用CALIOP资料进行沙尘模拟4D－Var的同化研究，较好地揭示了沙尘输送过程和不同阶段的三维结构。

4.2 长期平均状态

由于CALIOP不间断地提供大气中云和气溶胶的观测结果，使研究气溶胶垂直分层结构的长期平均特征成为可能。Yu等［19］利用CALIOP运行前2年的资料，统计了全球12个代表区域气溶胶的垂直分布状况，中国东部地区为其中之一，作为典型工业源污染区，气溶胶消光系数的垂直分布存在明显的季节变化，气溶胶层高度（定义为气溶胶消光系数的垂直积分达到63%的高度）春季最高为2 km，冬季最低为1.3 km，沙尘在气溶胶消光中的贡献较显著，尤其是冬春季，比重占到绝大部分。Kiliyanpilakkil等［20］分析了2006—2011年间CALIOP资料在全球15个代表性海域的结果，获得清洁海洋气溶胶的具有统计意义的光学性质，并得到清洁海洋气溶胶光学厚度和海表面风速的关系。

4.3 示踪污染物输送

CALIOP资料能清晰地展现气溶胶层出现的高度和水平方向的伸展范围，并反演出气溶胶类型，可对污染物输送进行较好地示踪。火山喷发产生的尘埃达到较高的高度，有时会突破到平流层，CALIOP能探测火山尘埃输送过程中的垂直分层结构、尘埃的非球形状况等的演变特征［21］；Xia等［22］利用CALIOP资料证实有翻越喜马拉雅山脉的污染物污染输送过程发生；Sugimoto等［23］采用地基激光雷达观测，配合CALIOP资料，清晰地显示了对广州地区空气质量造成影响的外来污染输送发生的高度。

4.4 验证云和气溶胶的模拟结果

以往的模式验证主要对比如MODIS资料，进行云或气溶胶的水平分布的验证。CALIOP资料能够提供云和气溶胶层的精确高度，反演产品中还包括云和气溶胶的类型、光学特性等的垂直分布状况，能够验证区域空气质量模型［24］、中尺度气象模型［25］、气候模型［26］模拟气溶胶和云所达到的高度和垂向分层结构，验证采用不同计算方案对模拟效果的改进程度，比较和评估它们的优劣。

4.5 云和气溶胶相互作用

气溶胶和云的相互作用是气候变化研究中最不确定的因素，在观测中寻找由人为气溶胶改变云滴尺度证据，并且量化比较困难。Costantino等［27］根据CALIOP探测的云层和气溶胶层的垂直分布结构，确定待研究的气溶胶和云相互混杂的层次，不同于以往采用垂向平均的云和气溶胶微物理特性进行统计，结果表明，人为气溶胶降低云滴有效半径，但也使云层的整层的液态水含量降低，云滴有效半径与凝结核个数的统计关系与理论推算一致。

4.6 更新云和气溶胶特性的认识

CALIOP资料除识别和区分云和气溶胶以及它们的微物理特性、垂直分层结构以外，还发现了和以往认识不同的新的观测事实。Reverdy等［28］的研究发现，50%以上的CALIOP探测中都发现高空卷云，被动式遥感如MODIS并不能探测到这种卷云，因此被称为“看不见的卷云”，根据同时同地CERES、MODIS、CALIOP的探测结果，计算得到该“看不见的卷云”在白天平均反射的短波辐射可达到约2.5 W/m2。Hu等［29］2010年利用CALIOP资料反演的云层中液态水含量的研究发现，云温在－40～0℃的情况下，云层中液态水比例和液态水柱浓度远高于以前被动式遥感得到的量值，过冷水云在高纬海洋风暴路径中最常见，在陆地上的过冷水云含水量最高。

4.7 多种探测平台、手段联用揭示污染物空间结构

许多研究中综合利用A－Train系列中多种卫星资源以及地基监测等手段获取大气中污染物全方位的信息［30-31］，对区域污染和输送的空间结构进行多视角的探测和分析，并配合区域空气质量模型的模拟分析等，全面揭示污染物的三维空间结构、来源、转化、演变和作用机制等特征，已成为研究区域污染空间结构及输送全过程的趋势。

4.8 讨论

由于CALIOP提供了前所未有的大范围高分辨率垂直剖面扫描图像，作为新兴的观测资料，已经在示踪沙尘和污染物的区域输送、展示气溶胶三维空间结构，揭示云和气溶胶的微物理特性和相互作用过程和效应，验证云和气溶胶模拟结果等方面有所应用。

大多数研究仅利用了一级产品中衰减的后向散射强度和积分的偏振比等CALIOP直接探测结果，对污染物和沙尘输送影响的空间范围进行示踪，确定输送发生的高度等，主要为研究发现提供第三方资料的佐证。对于二级产品，一些研究中至多用到的是垂向剖面上云和气溶胶、以及气溶胶类型的空间分布等，用以验证其研究发现，由于该类CALIOP资料本身是反演产品，需进行必要的验证，所以应用方面与一级产品的利用要少很多；而对反演的气溶胶和云的微物理性质等的应用则更少。

从目前的应用效果看，CALIOP资料对于沙尘输送的示踪最有效，而对气溶胶类型的识别并不是在所有时刻都合理，需要其他资料和分析进行进一步确认。有的研究就CALIOP资料进行了某些区域长期的气溶胶垂直结构的统计，得到诸如气溶胶消光系数廓线等信息，基于前述气溶胶类型识别中的不确定性及可能带来的偏差传递，应用该类结果时需谨慎。

单独应用CALIOP资料，其价值并不能完全体现，如今在众多可用的卫星资料及其他资源的前提下，同时与A－Train其他卫星资料以及气象卫星云图等的联用，多种资料综合运用，并相互佐证，成为研究趋势。实际上，对CALIOP资料的应用尚处于初始阶段，资料的潜在利用价值巨大，诸多方面的研究和应用有待开发。

5 在我国区域空气质量研究中的应用前景

当前我国以京津冀、长三角和珠三角为热点区域的区域空气污染问题严重，灰霾事件频发，PM2.5往往成为首要污染物。对于各种重污染事件，确定其污染的空间分布特征——水平和垂直方向上的区域分布状况，解释污染成因——区域污染、局地排放造成或气象条件等方面仍然是亟待解决的问题。尽管在上述区域设置了一定数量的地面监测站，受限于财力和人力，该类监测站空间覆盖度尚不足以精确反映区域污染的分布状况，尽管也有一些地基激光雷达的布置，毕竟数量较少，并不能形成有效立体的观测网。

CALIOP对地观测中覆盖全球的星下点轨迹每16天重复1次，图2显示了CALIPSO 16天中穿越我国国土范围的扫描轨迹，尽管轨迹并不通过任一特定的地理位置，扫描路径上的探测结果仍可反映云和气溶胶的区域分布状况，且具较高的空间分辨率。由于卫星周而复始地运转，实现不间断的对地监测，从而形成覆盖全国区域范围、例行的立体监测网，每一次扫描形成的垂直剖面，既反映云和气溶胶的区域分布特征，又展现出精细的垂向分布结构的细节。CALIOP的产品在我国的区域空气质量研究中理应具备非常好的应用前景。

图2 CALIPSO星下点16天中经过我国地表的扫描轨迹Fig.2 CALIPSO ground track during 16 days over Chinese territory

目前国内利用CALIOP资料研究区域空气质量的个例较少。Tao等［32］利用CALIOP资料配合其他卫星资料等研究京津冀地区几次重污染的成因，但着重强调高层沙尘对京津冀区域气溶胶光学性质和空气质量的影响。Chen等［33］统计了上海临近区域干霾事件期间CALIOP一级数据直接探测光学变量的垂直分布状况，虽然可以在一定程度上展现气溶胶层发生的高度，由于低层气溶胶后向散射会受到其上层气溶胶的影响，由一级数据中衰减的后向散射所体现的气溶胶层发生高度和强度都不够确切。总体而言，这些研究对区域尺度的垂直剖面上的气溶胶空间结构和成因的分析不够充分，并未完全利用CALIOP资料能体现的优势。

基于CALIOP资料的优势所在，它在我国区域空气污染研究中的具体应用将表现在以下几个方面。

5.1 获得区域尺度上长期平均的气溶胶三维分布特征

CALIOP例行的探测剖面形成对我国大气的立体监控，统计分析长期的剖面资料，将获得我国上空气溶胶三维的分布特征，空间分辨率高，且反映区域分布状况。由于CALIOP已积攒了7年以上的资料，可用于研究气溶胶分布的变化趋势，如我国空气污染热点区域京津冀、长三角、珠三角等地区近年来气溶胶三维区域分布特征和长期的变化特征。与以往被动遥感方式（MODIS等）反演的整层气溶胶光学特征相比，CALIOP产品能反映分层的气溶胶光学特征，体现出不同高度层气溶胶对整层AOD的贡献情况；还能反映不同气溶胶类型在各高度层的出现频率，及其对整层AOD的贡献状况。

5.2 监控区域内污染源排放

由于可以获知重大的污染源和高排放区域的准确地理坐标，同时也可预知CALIPSO地面轨迹，分析 CALIOP高分辨率的探测剖面结果，结合A－Train其他成员同一时刻、同一区域范围的卫星资料，可以精确地监控重大源排放和区域排放状况及其在区域形成的影响范围。通过与现有排放源清单的比对，能够识别出区域内以前未被发现、未经申报或不受重视，但对区域有重要影响的源排放。CALIOP资料应用在科学研究的同时，也为环境管理提供技术支持。

5.3 探测区域空气污染的精细结构

CALIOP探测区域污染输送发生的高度、影响范围等，配合地基激光雷达观测，点面结合，展示污染输送中特定时刻的垂向剖面状况，也有定点观测的日变化过程。配合其他A－Train成员卫星的资料，确定污染的空间范围，包括水平分布和垂直分层结构，从而获得污染事件中气溶胶三维的空间分布状况，即反映区域分布特征，同时还具较高的分辨率。多种遥感资料联用，并结合天气过程和气象条件分析，已是当今探索区域空气污染的空间分布和成因的有效研究手段和趋势。

6 结语

星载激光雷达CALIOP作为新兴遥感探测工具，采用主动式的遥感方式，提供了前所未有的大范围高分辨率垂直剖面扫描图像，资料的垂向分辨率为30 m，水平分辨率为333 m。CALIOP产品内容丰富，包含云和气溶胶的空间分布，6种气溶胶类型的空间分布，分层的光学厚度、退偏比、颜色比、激光雷达比等气溶胶光学特性，以及它们的统计特征值、可信度等。

CALIOP资料已经在示踪沙尘和污染物的区域输送，展示气溶胶三维空间结构，揭示云和气溶胶的微物理特性和相互作用过程和效应，验证云和气溶胶模拟结果等方面得到应用。在我国当前的区域空气质量研究中，CALIOP资料将在获得区域尺度上长期平均的三维气溶胶分布，监控区域内污染源排放，探测区域空气污染的精细结构和成因等方面具备广泛的应用前景。实际上，对CALIOP资料的应用尚处于初始阶段，资料的潜在利用价值巨大，诸多方面的研究和应用有待发掘。

［1］ MA J Z，CHEN Y，WANG W，et al.Strong air pollution causes widespread haze-clouds over China［J］.J Geophys Res，2010，115（D18）.doi：10.1029/2009JD013065.

［2］ SOLOMON S.Climate change 2007：the physical science basis［C］//Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge，UK：Cambridge University Press，2007.

［3］ CLARKE A，KAPUSTIN V.Hemispheric aerosol vertical profiles：anthropogenic impacts on optical depth and cloud nuclei［J］. Science，2010，329：1488-1492.doi：10.1126/science.1188838.

［4］ GUAN H，SCHMID B，BUCHOLTZ A，et al.Sensitivity of shortwave radiative flux density，forcing，and heating rate to the aerosol vertical profile［J］.J Geophys Res：Atmospheres，2010，115（D6）.doi：10.1029/2009JD012907.

［5］ WINKER D M，PELON J，Jr COAKLEY J A，et al.The CALIPSO mission：A Global 3D view of aerosols and clouds［J］. BullAm MetSoc，2010，91：1211-1229.doi：10.1175/ 2010BAMS3009.1.

［6］ STEPHENS G L，VANE D G，BOAIN R J，et al.The Cloudsat mission and the A-Train：a new dimension to space-based observations of clouds and precipitation［J］.Bull Am Met Soc，2002，83（12）：1771-1790.

［7］ WINKER D M，COUCH R H，McCORMICK M P.An overview ofLITE：NASA′s lidar in-space technology experiment［J］. Proceedings of the IEEE，1996，84（2）：164-180.

［8］ VAUGHAN M A，POWELL K A，WINKER D M，et al.Fully automated detection of cloud and aerosol layers in the CALIPSO lidar measurements［J］.J Atmos Oceanic Technol，2009，26（10）：2034-2050.

［9］ LIU Z Y，VAUGHAN M，WINKER D，et al.The CALIPSO lidar cloud and aerosol discrimination：version 2.algorithm and initial assessment of performance［J］.J Atmos Oceanic Technol，2009，26（7）：1198-1213.

［10］ OMAR A H，WINKER D M，VAUGHAN M A，et al.The CALIPSO automated aerosol classification and lidar ratio selection algorithm［J］.J Atmos Oceanic Technol，2009，26（10）：1994-2014.

［11］ YOUNG S A，VAUGHAN M A.The retrieval of profiles of particulate extinction from Cloud-Aerosol Lidar Infrared Pathfinder Satellite Observations（CALIPSO）data：algorithm description［J］.J Atmos Oceanic Technol，2009，26（6）：1105-1119.

［12］ CHOI H J.Characterization of properties and spatiotemporal fields of mineral aerosol and its radiative impact using CALIPSO data in conjunction with A-Train satellite and ground-based observations and modeling［D］.Atlanta：School of Earth and Atmospheric Sciences，Georgia Institute of Technology，2011.

［13］ OMAR A H，WON J G，WINKER D M，et al.Development of global aerosol models using cluster analysis of Aerosol Robotic Network（AERONET）measurements［J］.J Geophys Res：Atomspheres，2005，110（D10）.doi：10.1029/2004JD004874.

［14］ WINKER D M，VAUGHAN M A，OMAR A，et al.Overview of the CALIPSO mission and CALIOP data processing algorithms［J］.J Atmos Oceanic Technol，2009，26（11）：2310-2323.

［15］ BADARINATH K V S，KHAROL S K，SHARMA A R.Longrange transport of aerosols from agriculture crop residue burning in Indo-Gangetic Plains： a study using LIDAR，ground measurements and satellite data［J］.Journal of Atmospheric and Solar-Terrestrial Physics，2009，71（1）：112-120.doi：10.1016/j. jastp.2008.09.035.

［16］ HUANG J P，MINNIS P，CHEN B，et al.Long-range transport and verti-cal structure of Asian dust from CALIPSO and surface measurements during PACDEX［J］.J Geophys Res，2008，113（D23）.doi：10.1029/2008JD010620，2008.

［17］ EGUCHI K，UNO I，YUMIMOTO K，et al.Trans-pacific dust transport：integrated analysis of NASA/CALIPSO and a global aerosol transport model［J］.Atmos Chem Phys，2009，9：3137-3145.

［18］ UNO I，YUMIMOTO K，SHIMIZU A，et al.3D structure of Asian dust transport revealed by CALIPSO lidar and a 4DVAR dust model［J］.Geophys Res Lett，2008，35（6）.doi：10.1029/2007GL032329.

［19］ YU H，CHIN M，WINKER D M，et al.Global view of aerosol vertical distributions from CALIPSO lidar measurements and GOCART simulations：regional and seasonal variations［J］.J Geophys Res，2010，115（D20）.doi：10.1029/2009JD013364.

［20］ KILIYANPILAKKIL P V，MESKHIDZE N.Deriving the effect of wind speed on clean marine aerosol optical properties using the ATrain satellites［J］.Atmos Chem Phys，2011（11）：11401-11413.doi：10.5194/acp-11-11401-2011.

［21］ WINKER D，LIU Z，OMAR A，et al.CALIOP observations of the transport of ash from the Eyjafjallajökull volcano in April 2010［J］. J Geosphys Res，2012，117 （D20）.doi：10.1029/2011JD016499.

［22］ XIA X G，ZONG X M，CONG Z Y，et al.Baseline continental aerosol over the central Tibetan Plateau and a case study of aerosol transport from South Asia［J］.Atmos Environ，2011，45（39）：7370-7378.

［23］ SUGIMOTO N，NISHIZAWA T，LIU X G，et al.Continuous observations of aerosol profiles with a two-wavelength Mie-Scattering lidar in Guangzhou in PRD2006［J］.Journal of Applied Meteorology and Climatology，2009，48（9）：1822-1830.

［24］ RIZI V.A regionalmodelofEuropean aerosoltransport：evaluation with sun photometer，lidar and air quality data［J］. Atmos Environ，2012 （47）：519-532.doi：10.1016/j. atmosenv.2011.09.029.

［25］ ZHANG C，WANG Y，HAMILTON K.Improved representation of boundary layer clouds over the Southeast Pacific in WRF-ARW using a modified Tiedtke cumulus parameterization scheme［J］. Mon Wea Rev，2011，139：3489-3513.doi：10.1175/MWR-D-10-05091.1.

［26］ KOFFI B，SCHULZ M，BRÉON F-M，et al.Application of the CALIOP Layer Product to evaluate the vertical distribution of aerosols estimated by global models：part 1.AeroCom phaseⅠresults［J］.J Geophys Res，2012，D10（117）.doi：10.1029/2011JD016858.

［27］ COSTANTINO L，BRÉON F M.Analysisofaerosol-cloud interaction from multi-sensor satellite observations［J］.Geophys Res Lett，2010，37（11）.doi：10.1029/2009GL041828.

［28］ REVERDY M，NOEL V，CHEPFER H，et al.On the origin of subvisible cirrus clouds in the tropical upper troposphere［J］. Atmos Chem Phys，2012，12：12081-12101.

［29］ HU Y X，RODIER S，XU K M，et al.Occurrence，liquid water content，and fraction of supercooled water clouds from combined CALIOP/IIR/MODISmeasurements［J］.JGeophysRes：Atomspheres，2010，115，D00H34.doi：10.1029/2009JD012384.

［30］ HSU N C，LI C，KROTKOV N A，et al.Rapid transpacific transport in autumn observed by the A-Train satellites［J］.J Geophys Res，2012，117（D6）.doi：10.1029/2011JD016626.

［31］ TAO M，CHEN L，SU L，et al.Satellite observation of regional haze pollution over the north China Plain［J］.J Geophys Res，2012，117（D12）.doi：10.1029/2012JD017915.

［32］ TAO M，CHEN L，SU L，et al.A study of urban pollution and haze clouds over northern China during the dusty season based on satellite and surface observations［J］.Atmos Environ，2014，82：183-192.

［33］ CHEN Y H，LIU Q，GENG F，et al.Vertical distribution of optical and micro-physical properties of ambient aerosols during dry haze periods in Shanghai［J］.Atmos Environ，2012，50：50-59.▷

Satellite Cloud-Aerosol Lidar－CALIOP：Capability，Product and Its Applications

ZHENG Shao-qing1，XU Jun2，HE You-jiang2，MENG Fan2，BI Fang2，YI Peng2，WANG Ji-kang2
1.Appraisal Center for Environment＆Engineering Ministry of Environmental Protection，Beijing 100012，China
2.Chinese Research Academy of Environmental Sciences，Beijing 100012，China

Satellite Cloud-Aerosol Lidar（CALIOP）practices a routine vertically sliced scanning through the earth's atmosphere，forming a 3-D monitoring network with high resolution on cloud and aerosol.CALIOP was introduced systematically in terms of capability，characteristics，data structure，retrieval process，products and the uncertainty.The applications of CALIOP data to trace dust transportation，validate modeled cloud and aerosol distribution，explore aerosol-cloud interaction，exhibit long-term status of cloud and aerosol distribution，update the understanding of the aerosol and cloud properties，as well as application prospects in the study of regional air quality in China were presented.

aerosol；cloud；CALIOP；vertical distribution

X51

A

10.3969/j.issn.1674-991X.2014.04.051

1674－991X（2014）04－0313－08

2014－01－22

中央级公益性科研院所基本科研业务专项（GYK5051201）；环境保护公益性行业科研专项（2006003037）

郑韶青（1969—），女，研究员，研究方向为环境质量管理和标准，zhengsq＠acee.org.cn

*责任作者：徐峻（1969—），男，研究员，博士，研究方向为区域空气污染，xujun＠craes.org.cn