飞机尾迹云识别及其辐射强迫的研究进展

张敬林　张国宇　杨全　张峰

摘要喷气式飞机在对流层上层的航空活动形成的尾迹云能够影响区域气候，对全球变暖有正的贡献。飞机尾迹云的辐射强迫与飞机尾迹云的区域覆盖率、物理特性以及光学特性密切相关。本文回顾了近几十年来线状尾迹云的相关研究进展，并分析总结了线状尾迹云的不同识别方法。首先讨论了欧美主流的尾迹云检测算法（Contrail Detection Algorithm，CDA）及其延伸算法，并总结了线状尾迹云在西欧、北美等地区覆盖率的季节和昼夜变化特点；接着讨论了以往多种线状尾迹云光学厚度的计算方案及其计算不确定性；最后分析了线状尾迹云的辐射强迫与覆盖率、光学厚度的关系，并指出目前飞机尾迹云相关研究存在的问题以及未来发展方向。

关键词尾迹云；覆盖率；光学厚度；辐射强迫

云是地气系统能量收支的重要调节器，也是氣候变化中最大的不确定因子（David et al.，2013；Liu et al.，2014）。飞机尾迹云对大气辐射的收支平衡有重要影响，研究其辐射特性及辐射强迫，对了解航空活动对地球气候系统影响具有重要意义。尾迹云是一种特殊类型的云，是由飞机发动机排放出来的废气与周围环境空气混合后，水汽凝结而成的一种特殊云系。只有当喷气式飞机在-40 ℃以下的大气层中飞行，空气湿度接近或达到饱和，同时大气状态比较稳定时才能产生尾迹云（Schmidt，1941；Appleman，1953；Schumann，1996）。通常来说，自然状态下卷云的形成需要相对湿度达到145%～165%甚至更高（Jensen et al.，2001），而尾迹云在弱的冰相过饱和（相对湿度100%～110%）的空气中就可以存在，相对于自然卷云，尾迹云更容易在对流层高层生成并持续存在，从而改变高层卷云的覆盖率，进而对气候系统产生影响。此外，飞机尾迹云对大气辐射的收支平衡有重要影响，研究其辐射特性及辐射强迫（陈渭民等，1997；刘艳和翁笃鸣，2000；傅炳珊陈渭民，2001；傅炳珊等，2002；Zhang et al.，2016，2017）对了解航空活动对地球气候系统影响具有重要意义。如图1所示，尾迹云生成初期主要是线状尾迹云，后期慢慢发展成为不规则尾迹卷云（Minnis et al.，1998；Heymsfield et al.，2010）。目前尾迹云的研究主要集中在欧美地区。从20世纪90年代初，欧美国家就已经开始使用卫星资料对线状飞机尾迹进行识别研究（Bakan et al.，1994；Mannstein et al.，1999），并同时研究了尾迹云辐射强迫对潜在的区域气候变化的影响（Schumann，2004；Iwabuchi et al.，2012）。近年来，随着我国同周边地区经济贸易的不断往来与发展，东亚地区的民用和商用航班日益增多，这些航空活动对气候的影响也在逐渐增大（Marquart et al.，2003）。迄今为止，有关东亚地区飞机尾迹云的分布特征及其辐射强迫的研究甚少。因此，全面细致地总结已有的线状尾迹云识别方法，可以在东亚地区更好地展开此类研究，并对进一步了解尾迹云的辐射强迫及其对区域和全球气候影响的研究有极其重要的意义（Brasseur and Gupta，2010；Yang et al.，2010）。

1基于卫星资料的线状尾迹云识别算法研究

在早期工作中，Joseph et al.（1975）对线状尾迹云进行人工视觉的识别检测，利用分辨率90 m的地中海南部塞浦路斯地区的卫星图像，分析几种单一的标称像素的尾迹，并计算出尾迹云的光学厚度、粒子数密度和扩展速率等参数。在Carleton and Lamb（1986）的研究基础上，DeGrand et al.（1991）利用空间分辨率为600 m×600 m的DMSPOLS卫星图像人工检测飞机尾迹。Bakan et al.（1994）提出一种类似的视觉检测方法，并使用AVHRR（Advanced Very High Resolution Radiometer）超高分辨率的卫星图像识别覆盖欧洲和北大西洋的飞机尾迹。Travis（1996）使用目视解译的方法统计飞机尾迹得到尾迹云的平均宽度为29 km，平均长度为137 km。但是以上方法都是通过人工检验主观地识别卫星云图中的飞机尾迹，耗时巨大，且只能识别在少云或晴朗的天空情况下的飞机尾迹。

鉴于人工检测飞机尾迹方法的局限性，研究人员尝试开发一种自动检测和识别卫星图像中飞机尾迹的算法。Lee and Thomas（1989）利用AVHRR卫星图像，对通道4和5（波段范围分别为103～113 μm，115～125 μm）中的热红外图像进行亮温差分并对它们作标准化处理。基于这种辐射差分法，Engelstad et al.（1992）开发了基于脊检测和霍夫变换的模式识别算法来检测尾迹云的线状特征，用以检测生成期相对较早的飞机尾迹。脊检测的原理是将尾迹的脊像素与背景像素区分开，并应用霍夫变换来检测这些像素之间的直线特征。但是由于自然卷云也存在线状条纹，因此算法会得到一些错误的检测结果。Forkert et al.（1993）使用了类似的方法进行研究，原理也是基于脊检测和霍夫变换的模式识别算法来检测线状特征，但是他们的方法时常会错误匹配一些线状特征（如海岸线、山谷和云边缘）。Weiss et al.（1998）改进了脊检测和霍夫变换算法，创建有助于尾迹检测的增强图像。飞机尾迹云生成初期，及宽度相对比较狭窄，所以该方法在很大程度上克服了错误检测问题，然而并没有针对更宽的成熟期尾迹云验证其算法的识别效率。

在计算机信息技术中，神经网络是一个系统的程序和数据结构，接近人类大脑的运作的算法数学模型（何如等，2010；丁留贯等，2012；黎玥君和郭品文，2017）。Meinert（1994）将神经网络应用到飞机的尾迹检测中。他们使用AVHRR热分裂窗口通道训练神经网络用以识别飞机尾迹。然而这种方法涉及大量的数据处理却难以获得合适的检测样本。为了获得更好的检测结果，神经网络模型不但需要大量精确的训练样本，对计算资源也有很高的要求。此外，精确的尾迹检测还要输入大量的神经元，导致训练的周期非常长，超过了算法可行性的极限（Meinert et al.，1997）。Mannstein et al.（1999）引入了一个全新尾迹检测算法Contrail Detection Algorithm（CDA）来检测线状尾迹特征。该算法从AVHRR通道4和通道5图像中快速地检测和提取线状的尾迹，能够精确地剔除先前提及的非尾迹云的线状结构，然而其缺点是不足以移除所有非线状结构的边缘特征，并过高地估计了产生的尾迹云。Mannstein et al.（1999）的尾迹云自动检测算法被最近的研究采用并与区域短期气候学相联系，例如，Palikonda et al.（2001）利用AVHRR和MODIS（Moderate Resolution Imaging Spectroradiometer）成像光谱辐射计卫星影像资料，并使用Mannstein的方法来算出美国东南部的各个州的尾迹覆盖率。Meyer et al.（2007）采用相同技术，利用AVHRR传感器得到的卫星图像来检测泰国和日本地区尾迹云。他们利用1998年全年的约400个NOAA/AVHRR卫星图像，统计分析得到泰国地区和日本地区尾迹云年平均覆盖率分别为013%和025%。Hetzheim（2007）提出利用纹理随机行为的数学方法来检测尾迹云的新方法。虽然该方法能从卫星图像的表面和较低的云层背景中更好的区分尾迹云，但是其设计过于复杂，需要在大型计算机上运行长达数小时。Zhang et al.（2012）提出了一种基于对象的分类方法，试图在分类过程中结合空间和光谱信息来克服基于像素的分类识别方法的局限性，同时还利用了频谱亮度之外的信息来区分尾迹与非尾迹像素。

综上所述，尾迹云的检测算法在不断发展，经历了从人工视检到计算机自动检测的演变，同时也面临着识别准确率以及极轨卫星观测导致的检测样本缺乏等巨大挑战。未来的尾迹云识别算法研究，将重点分析整合以往的不同算法，并采用高时间分辨率的静止气象卫星进行观测，并有效地融合可见光和红外等多通道卫星图像，从而保留更多的特征用以尾迹云的识别。

2线状尾迹云的覆盖率

通常而言，确定某个卷云是自然形成还是由飞机尾迹老化引起是十分困难的（Schumann and Wendling，1990；Minnis et al.，1998；Screen and MacKenzie，2004）。但是凭借这些尾迹的线状外观，在卫星图像中已能够识别和区分线状尾迹云。Bakan et al.（1994）通过人工目视分析NOAA卫星上AVHRR传感器的红外图像，得到了北大西洋东部和欧洲西北部（330°W～30°E，5～75°N）1979年9月—1981年12月和1989年9月—1992年8月的线状尾迹云覆盖率。研究表明这一区域白天的线状尾迹云覆盖率可以达到05%，日平均为037%。在研究空中交通密度更高的欧州中部地区，Mannstein et al.（1999）和Bakan et al.（1994）的分析结果不一致，得出该地区飞机尾迹云覆盖率值较低。Meyer et al.（2002）使用两年的卫星数据并利用Mannstein et al.（1999）的算法重新评估了西欧（10°W～23°E，40～56°N）的线状尾迹云覆盖率，发现该地区线状尾迹云覆盖率有明显的昼夜差异，其中白天的线状尾迹云年平均覆盖率为07%，是夜间的3倍，同时线状尾迹云覆盖率也存在季节差异，冬季和夏季分别为10%和04%。之后，一些学者应用CDA方法和AVHRR数据研究了其他地區的线状尾迹云的覆盖率，比如亚洲东南部（Meyer et al.，2007）、美国（Palikonda et al.，2005）和北太平洋东部（Minnis et al.，2004）。此外，David et al.（2013）将CDA方法应用于MODIS数据，选取了MODIS五个红外通道的数据，用3种不同敏感度的CDA算法得到北半球2006年线状尾迹云的平均覆盖范围为007%～04%。通过人工视觉分析，得到在中敏感度条件下北半球和全球年平均覆盖率分布为013%和007%。除卫星观测外，通过大气环流模式（GCM）中的参数化，对尾迹云的形成和持续性进行了许多模拟研究。Ponater et al.（2002）给出了第一个计算尾迹云覆盖率的具体参数化方案。Rap et al.（2010）改进了Ponater et al.（2002）的尾迹云参数化方案并将其添加到HadGEM2模式中，得出2002年的全球年平均尾迹云覆盖率为011%。尾迹云覆盖率的大小会直接影响其辐射强迫的强弱（Burkhardt and Krcher，2011），为了更准确得到全球尾迹云覆盖率，Schumann et al.（2015）利用拉格朗日模型，追踪沿着飞机航线形成的线状尾迹并模拟了单个飞机尾迹从初始产生直到最终消散的整个生命周期。该模拟的结果较好地反映了全球飞机尾迹覆盖率分布情况，由图2得知全球尾迹覆盖率较高的地区有美国东部、欧洲中部、亚洲东南部及日本。

总体来说，线状尾迹云的覆盖率会随着空中交通量、传感器、地域、水汽条件和昼夜的改变而变化。举例说明，虽然美国东海岸的空中交通量和中欧地区的总量相近，但前者地区的尾迹云覆盖率较低，这是由于美国本土上空的温暖气候条件导致尾迹形成的概率降低，从而使得生成期相对较早的尾迹覆盖率也略小于中欧。

3线状尾迹云的光学厚度

线状尾迹云的光学厚度是影响线状尾迹云辐射强迫的重要因素之一，其光学厚度的大小主要取决于粒子的尺度以及冰水含量。光学厚度较大的线状尾迹云通常存在于空气更加温暖和潮湿的环境中。早期研究主要采用地面激光雷达来测量线状尾迹云的光学厚度（Freudenthaler et al.，1996；Jager et al.，1998；Sassen and Comstock，2001；Chen et al.，2002），并提供了有关冰晶大小和形状等微物理特性（Sassen，1991）。而近年来更多的研究是采用卫星观测资料和模式模拟来确定线状尾迹云的光学厚度。Meyer et al.（2002）提出，只有当线状尾迹云的长度大于10 km，宽度大于1～2 km时才容易被卫星观测到。他们采用AVHRR上11 μm通道的亮温数据来计算出线状尾迹云的比辐射率，再通过红外波段和可见光波段光学厚度的转化关系，得到欧洲地区线状尾迹云在可见光波段的平均光学厚度为011左右。Minnis et al.（2004）计算得到美国地区线状尾迹云的光学厚度大于同时期欧洲地区，在02～026范围内。Palikonda et al.（2005）利用AVHRR数据得到美国地区的线状尾迹云光学厚度在027左右，比同时期的欧洲地区要大。Iwabuchi et al.（2012）研究了线状尾迹云的微物理和光学特征，表明其具有较大的后向散射系数和略高于相邻卷云的线性去极化比。且平均线性去极化比随着温度的降低而增加，后向散射特性表明尾迹云主要由小的、随机取向的冰晶组成。还表明了大部分的线状尾迹云光学厚度较薄，平均值在019左右，中值在014左右。并且34%的线状尾迹云光学厚度小于01，仅有一小部分（<03%）的线状尾迹云光学厚度在1以上，其中最高的频率出现在005到01之间。VazquezNavarro et al.（2015）通过统计Terra卫星观测到的线状尾迹云，得到其平均长度和宽度分别为130 km和8 km，平均光学厚度为034。

尾迹云的光学厚度是计算辐射强迫非常重要的一个参数。在不同时期的研究中，因测量手段和方法的不同，线状尾迹云光学厚度变化范围很大。从地区分布情况来看，在欧洲地区尾迹云光学厚度比美国地区的要小，而东南亚地区尾迹云光学厚度比美国地区的要大。

4线状尾迹云的辐射强迫

线状尾迹云的辐射强迫取决于云的高度、覆盖范围、长短波光学厚度等因素（Meyer et al.，2002）。线状尾迹云在夏季和夜晚对地表有很强的增暖作用，而在白天和冬季其对地表的冷却作用会抵消一部分的增暖，但总体来说对大氣地表系统有净的增暖效应，即在大气顶部有正的辐射强迫作用（Meerktter et al.，1999；Meyer et al.，2002；Stuber et al.，2006）。目前，评估线状尾迹云的辐射强迫仍然存在很大的不确定性（Lee et al.，2009；Voigt et al.，2011），主要原因是缺乏准确的线状尾迹云覆盖率和光学性质（特别是光学厚度）数据（Krcher et al.，2010）。Minnis et al.（1999）用气象场资料和飞机燃料消耗数据，以线状尾迹云覆盖率为01%作为基准，得到全球平均的辐射强迫为002 W·m-2。然而欧洲西部地区的平均辐射强迫可以达到04 W·m-2，其中法国北部的覆盖率高达3%，辐射强迫的峰值可以达到07 W·m-2。而Meyer et al.（2002）研究得到的欧洲西部的辐射强迫为003 W·m-2，比Minnisn et al.（1999）的结果低了一个数量级。Meyer et al.（2002）的研究是相关领域比较认可和通用的研究结果。目前很多全球辐射强迫的研究中，都是采用一个固定的光学厚度值，通过辐射传输模式来计算线状尾迹云的辐射强迫（Myhre and Stordal，2001；Stuber and Forster，2007；Rdel and Shine，2008）。Ponater et al.（2002）假设线状尾迹云的垂直覆盖与光学性质都和自然卷云一致，在气候模式中诊断线状尾迹云的光学厚度，并计算其辐射强迫值。而Rap et al.（2010）论证了变化的光学厚度在计算辐射强迫中的重要作用，并通过修正气候模式中尾迹云的光学厚度，基于2002年航空资料得到了2002年线状尾迹云的全球净辐射强迫为0002 8～0012 0 W·m-2之间的结论。同时Krcher et al.（2010）在此基础上基于2005年航空资料得到2005线状尾迹云的全球净辐射强迫为0005 4～0025 6 W·m-2。根据2013年IPCC第五次评估报告显示，线状尾迹云的全球辐射强迫从1992年的002 W·m-2到2011年的001 W·m-2，有一个明显的下降趋势。Schumann et al.（2015）也通过气候模式计算了尾迹云的全球辐射强迫，如图3得知欧洲（10°W～20°E，40～55°N）净辐射平均值为（0584±0045） W·m-2，美国大陆（65～130°W，25～55°N）净辐射平均值为0410±0018 W·m-2，尾迹云的全球年平均辐射强迫为0061 W·m-2。

尾迹云的辐射强迫对气候的影响正在被人们逐步认知，它已经超过飞机自身排放CO2对气候的影响（Schumann，2004）。尽管航空活动在总的人为影响气候的辐射强迫中只占了35%～49%（Lee et al.，2009），但空中交通量以每年5%的速度在增加（Nygren et al.，2009），因此，航空活动对气候的影响越加被重视。由图2和图3得知，尾迹云覆盖率和光学厚度较大的地区，其辐射强迫也很大。在今后的尾迹云辐射强迫研究中，不仅要通过识别算法得到准确的尾迹云覆盖率和光学厚度值，更要不断完善辐射传输模式，提高辐射强迫计算的准确性。

5存在问题与研究展望

以上研究现状表明，线状尾迹云对地球气候系统的能量平衡有着重要的影响，线状尾迹云的辐射强迫主要取决于其覆盖率和光学性质，而覆盖率又与尾迹云的识别算法的精度密切相关。综合上述，目前的研究存在以下一些问题和不足：

1）CDA算法在对线状尾迹云检测的效率受制于尾迹宽度，并且该算法不能检测到人眼可识别的微弱尾迹云结构。

2）以往研究主要采用极轨卫星图像对欧美地区线状尾迹云覆盖率和光学厚度进行研究。极轨卫星每天两次飞跃地球上的同一个点，而且时刻总是相同。而飞机的航线相对又比较固定，这使得基于极轨卫星数据进行的分析，不能够确保飞机尾迹云被充分地识别，所以线状尾迹云覆盖的统计结果存在较大的局限性。此外利用极轨卫星云图不能识别和追踪飞机线状尾迹发展到尾迹卷云的过程，因此评估尾迹云的辐射强迫对全球气候的影响缺乏一定的可信度。

3）对于尾迹云识别及其气候影响研究，研究者使用了不同的卫星资料，并把识别结果作为参量代入不同的辐射传输模式。因各种卫星的参数差别，以及辐射传输模式的不同，导致评估得到的尾迹云辐射强迫存在差异，因此缺乏一种统一的标准来衡量不同研究者的工作。

4）此外，东亚地区情况比较特殊，有大量气溶胶存在且污染较重，因此其尾迹云的辐射强迫也有别于欧美地区。所以对东亚地区尾迹云的研究不能完全照搬以往的研究方法。

5）最后，尾迹云在产生和发展为尾迹卷云的过程中，会导致自然卷云覆盖率的变化，但是以往研究尾迹云对气候影响时仅考虑了其直接影响，并没有全面讨论其引起的自然卷云的变化以及该过程带来辐射量的改变。

针对以上五点问题，未来的研究要结合极轨卫星和静止卫星，融合红外和可见光通道的卫星云图来研究飞机尾迹云识别算法，用以统计东亚地区线状尾迹云的覆盖率，并论证基于不同卫星的识别准确性，同时还要考虑气溶胶污染对尾迹云光学厚度的影响以及由尾迹云带来的自然卷云变化对东亚地区线状尾迹云的辐射强迫的影响。对上述问题的提出与解决，有助于进一步准确评估东亚地区线状尾迹云的辐射强迫。飞机等航空活动排出的废气除了形成尾迹云、影响自然卷云之外，它排出气溶胶及其前体物还会直接影响辐射或通过改变云微物理性质间接影响云辐射，这些也是未来研究中重点关注的问题。

6结论

文章回顾了近几十年来线状尾迹云的研究进展，重点总结了以往线状尾迹云的识别方法，物理特性和光学特性等。尾迹检测算法（CDA）是应用最为广泛的基于卫星图像的尾迹云识别算法，目前很多主流算法都是基于CDA演化而来。欧美国家应用该算法统计得到的线状尾迹云覆盖率在007%～10%，该值会随着空中交通量、传感器、地域、水汽条件和昼夜的改变而变化，一般来说白天尾迹云覆盖率远大于夜晚。线状尾迹云光学厚度集中在005～034，因测量手段和方法的不同，线状尾迹云光学厚度变化范围很大。通常来说，尾迹云辐射强迫值主要取决于覆盖率和光学厚度大小。因此，线状尾迹云覆盖率和光学厚度的计算准确性较低会给辐射强迫计算带来很大的不确定性。此外，尾迹云的检测及其在辐射强迫方面的研究面临着识别准确率偏低以及因极轨卫星观测导致的样本缺乏等诸多问题。但是，随着高级别的静止气象卫星的运用，借助更高时空分辨率的卫星图像可以进一步优化尾迹云的检测算法及其辐射强迫方面的研究。飞机尾迹云相关工作需要我们齐心协力地去探索和发现。

参考文献（References）

Appleman H，1953.The formation of exhaust condensation trails by jet aircraft[J].Bull Amer Meteor Soc，34：1420.

Bakan S，Betancour M，Gayler V，et al.，1994.Contrail frequency over Europe from NOAAsatellite images[J].Annales Geophysicae，12（10）：962968.

Brasseur G P，Gupta M，2010.Impact of aviation on climate：research priorities[J].Bull Amer Meteor Soc，91（4）：461463.

Burkhardt U，Krcher B，2011.Global radiative forcing from contrail cirrus[J].Nature Climate Change，1：5458.

Carleton A M，Lamb P J，1986.Jet contrails and cirrus cloud：a feasibility study employing highresolution satellite imagery[J].Bull Amer Meteor Soc，67（3）：301309.

陳渭民，缪英妤，高庆先，1997.由GMS资料估算夏季青藏高原地区地面总辐射[J].南京气象学院学报，20（3）：326333.Chen W M，Miao Y Y，Gao Q X，1997.GMS dataestimated QinghaiXizang ground global radiation[J].J Nanjing Inst Meteor，20（3）：326333.（in Chinese）.

Chen W N，Chiang C W，Nee J B，2002.Lidar ratio and LDR for cirrus clouds[J].Appl Opt，41（30）：64706476.

David P D，Minnis P，Konstantin K，2013.Estimation of 2006 Northern Hemisphere contrail coverage using MODIS data[J].Geophys Res Lett，40（3）：612617.

Degrand J Q，Carleton A M，Lamb P J，1991.A mid season climatology of jet condensation trails from highresolution satellite data[C]//Illinois Water Survey Rep.Urbana：2530.

丁留贯，蓝如师，蒋勇，等，2012.基于神经网络的太阳黑子面积平滑月均值预测[J].大气科学学报，35（4）：508512.Ding L G，Lan R S，Jiang Y，et al.，2012.Prediction of the smoothed monthly mean sunspot area based on neural network[J].Trans Atmos Sci，35（4）：508512.（in Chinese）.

Engelstad M，Sengupta S K，Lee T，et al.，1992.Automated detection of jet contrails using the AVHRR split window[J].International Journal of Remote Sensing，13（8）：13911412.

Forkert T，Strauss B，Wendling P，1993.A new algorithm for the automated detection of jet contrails from NOAA AVHRR satellite images[C]//Proceedings of the 6th AVHRR data users meeting.EUMETSATjoint research centre of the commission of the ec：513519.

Freudenthaler V，Homburg F，Jger H，1996.Optical parameters of contrails from lidar measurements：linear depolarization[J].Geophys Res Lett，23（25）：37153718.

傅炳珊，陈渭民，2001.用卫星资料计算我国东部地区晴空太阳辐射[J].南京气象学院学报，24（2）：178185.Fu B S，Chen Y M，2001.Estimating distribution of solar radiation in the clear sky in the eastern of China using satellite data[J].J Nanjing Inst Meteor，24（2）：178185.（in Chinese）.

傅炳珊，陈渭民，张凤英，2002.利用TOVS资料计算我国东南地区的太阳直接辐射和散射辐射[J].南京气象学院学报，25（6）：807815.Fu B S，Chen Y M，Zhang F Y，2002.Evaluation of solar direct and scattered radiation over southeast china using tiros operational vertical sounder data[J].J Nanjing Inst Meteor，25（6）：807815.（in Chinese）.

何如，管兆勇，金龙，2010.一种神经网络的云图短时预测方法[J].大气科学学报，33（6）：725730.He R，Guan Z Y，Jin L，2010.A shortterm cloud forecast model by neural networks[J].Trans Atmos Sci，33（6）：725730.（in Chinese）.

Hetzheim H，2007.Automated contrail and cirrus detection using stochastic properties[J].International Journal of Remote Sensing，28（9）：20332048.

Heymsfield A，Baumgardner D，Demott P，et al.，2010.Contrail microphysics[J].Bull Amer Meteor Soc，91：465472.

Iwabuchi H，Ping Y，Liou K N，et al.，2012.Physical and optical properties of persistent contrails：climatology and interpretation[J].J Geophys Res Atmos，117（D6）：22402260.

Jager H，Freudenthaler V，Homburg F，1998.Remote sensing of optical depth of aerosols and clouds related to air traffic[J].Atmos Environ，32（18）：31233127.

Jensen E J，Toon O B，Vay S A，et al.，2001.Prevalence of icesupersaturated regions in the upper troposphere：implications for optically thin ice cloud formation[J].J Geophys Res Atmos，106（D15）：1725317266.

Joseph J H，Levin Z，Mekler Y，et al.，1975.Study of contrails observed from ERTS I satellite imagery[J].J Geophys Res，80（3）：366372.

Krcher B，Burkhardt U，Ponater M，et al.，2010.Importance of representing optical depth variability for estimates of global lineshaped contrail radiative forcing[J].Proceedings of the National Academy of Sciences，107（45）：1918119184.

Lee D S，Thomas F，1989.Jet contrail identification using the AVIIRR infrared split window[J].J Appl Meteor，28（9）：993995.

Lee D S，Fahey D W，Forster P M，et al.，2009.Aviation and global climate change in the 21st century[J].Atmos Environ，43（22）：35203537.

黎玥君，郭品文，2017.基于BP神經网络的浙北夏季降尺度降水预报方法的应用[J].大气科学学报，40（3）：425432.Li Y J，Guo P W，2017.Application of downscaling forecast for the North of Zhejiang precipitation in summer based on the BP neural network model[J].Trans Atmos Sci，40（3）：425432.（in Chinese）.

Liu C，Yang P，Minnis P，et al.，2014.A twohabit model for the microphysical and optical properties of ice clouds[J].Atmospheric Chemistry and Physics，14（24）：1371913737.

劉艳，翁笃鸣，2000.青藏高原云对地气系统短波吸收辐射强迫的气候研究[J].南京气象学院学报，23（1）：124129.Liu Y，Weng Y M，2000.Climatology of cloud effects on earthatmosphere absorbed shortwave radiation forcing over QinghaiTibet Plateau[J].J Nanjing Inst Meteor，23（1）：124129.（in Chinese）.

Mannstein H，Meyer R，Wendling P，1999.Operational detection of contrails from NOAAAVHRR data[J].International Journal of Remote Sensing，20（8）：16411660.

Marquart S，Ponater M，Mager F，et al.，2003.Future development of contrail cover，optical depth，and radiative forcing：impacts of increasing air traffic and climate change[J].J Climate，16：28902904.

Meerktter R，Schumann U，Doelling D R，et al.，1999.Radiative forcing by contrails[J].Annales Geophysicae，17（8）：10801094.

Meinert A D，1994.Detection of jet contrails from satellite images[J].Proceedings of SPIEThe International Society for Optical Engineering（1）：400402.

Meinert A D，Rolf S，Ehrhard R，1997.Impact of jet condensation trails upon the radiation budget over Northwest Europe and the North Atlantic[C]//Pollutants from air trafficresults of atmospheric research 1992—1997.Cologne，Germany：161169.

Meyer R，Mannstein H，Meerktter R，et al.，2002.Regional radiative forcing by lineshaped contrails derived from satellite data[J].Geophys Res，107（D10）.

Meyer R，Buell R，Leiter C，et al.，2007.Contrail observations over Southern and Eastern Asia in NOAA/AVHRR data and comparisons to contrail simulations in a GCM[J].International Journal of Remote Sensing，28（9）：20492069.

Minnis P，Young D F，Garber D P，et al.，1998.Transformation of contrails into cirrus during success[J].Geophys Res Lett，25（8）：11571160.

Minnis P，Schumann U，Doelling D R，et al.，1999.Global distribution of contrail radiative forcing[J].Geophys Res Lett，26（13）：18531856.

Minnis P，Ayers J K，Palikonda R，et al.，2004.Contrails，cirrus trends，and climate[J].J Climate，17（8）：16711685.

Myhre G，Stordal F，2001.On the tradeoff of the solar and thermal infrared impact of contrails[J].Geophys Res Lett，28（6）：31193122.

Nygren E，Aleklett K，Hk M，2009.Aviation fuel and future oil production scenarios[J].Energy Policy，37（10）：40034010.

Palikonda R，Minnis P，Heck P W，et al.，2001.Contrail cover and radiative properties from highresolution satellite data[C]//AMS，conference on satellite meteorology and oceanography.Madison：181184.

Palikonda R，Minnis P，Duda D P，et al.，2005.Contrail coverage derived from 2001 AVHRR data over the continental Unite States of America and surrounding areas[J].Meteorologische Zeitschrift，14（4）：525536.

Ponater M，Marquart S，Sausen R，2002.Contrails in a comprehensive global climate model：Parameterization and radiative forcing results[J].J Geophys Res，107（D13）：211215.

Rdel G，Shine K P，2008.Radiative forcing by persistent contrails and its dependence on cruise altitudes[J].J Geophys Res，113（7）：18291836.

Rap A，Forster P M，Jones A，et al.，2010.Parameterization of contrails in the UK Met Office Climate Model[J].J Geophys Res Atmospheres，115（D10）.

Sassen K，1991.The Polarization lidar technique for cloud research：a review and current assessment[J].Bull Amer Meteor Soc，72（12）：18481866.

Sassen K，Comstock J M，2001.A midlatitude cirrus cloud climatology from the facility for atmospheric remote sensing.part iii：radiative properties[J].J Atmos Sci，58：481496.

Schmidt E，1941.Die entstehung von eisnebel aus den auspuffgasen von flugmotoren.Schriften der Deutschen Akademie der Luftfahrtforschung，Verlag R[C]//Oldenbourg：115.

Schumann U，1996.On conditions for contrail formation from aircraft exhausts[J].Meterorol Z N F，5：423.

Schumann U，2004.Formation，properties and climatic effects of contrails[J].Comptes Rendus Physique，6（4/5）：549565.

Schumann U，Wendling P，1990.Determination of contrails from satellite data and observational results[C]//Proc. of a DLR international colloquium.Oberpffaffehofen：138153.

Schumann U，Penner J E，Chen Y，et al.，2015.Dehydration effects from contrails in a coupled contrailclimate model[J].Atmos Chem Phys，15（14）：1955319613.

Screen J A，MacKenzie A R，2004.Aircraft condensation trails and cirrus[J].Weather，59（4）：116121.

Stuber N，Forster P，2007.The impact of diurnal variations of air traffic on contrail radiative forcing[J].Atmospheric Chemistry & Physics，7（12）：31533162.

Stuber N，Forster P，Rdel G，et al.，2006.The importance of the diurnal and annual cycle of air traffic for contrail radiative forcing[J].Nature，441（7095）：864867.

Travis D J，1996.Variations in contrail morphology and relationships to atmospheric conditions[J].Wea Modif，28（6）：5058.

VzquezNavarro M，Mannstein H，Kox S，2015.Contrail life cycle and properties from 1 year of MSG/SEVIRI rapidscan images[J].Atmospheric Chemistry & Physics，15：87398749.

Voigt C，Schumann U，Jessberger P，et al.，2011.Extinction and optical depth of contrails[J].Geophys Res Lett，38（11）：15.

Weiss J M，Christopher S A，Welch R M，1998.Automatic contrail detection and segmentation[J].IEEE Transactions on Geoscience & Remote Sensing，36（5）：16091619.

Yang P，Hong G，Dessler A E，et al.，2010.Contrails and induced cirrus：optics and radiation[J].Bull Amer Meteor Soc，91（4）：473478.

Zhang D X，Zhang C R，Robert C，et al.，2012.An objectbased method for contrail detection in AVHRR satellite images[J].GIScience & Remote Sensing，49（3）：412427.

Zhang F，Wu K，Li J，et al.，2016.Analytical infrared deltafourstream adding method from invariance principle[J].J Atmos Sci，73（10）：41714188.

Zhang F，Shi Y N，Li J，et al.，2017.Variational iteration method for infrared radiative transfer in a scattering medium[J].J Atmos Sci，74（2）：419430.

Review of recognition of aircraft contrails and their radiative forcing

ZHANG Jinglin，ZHANG Guoyu，YANG Quan，ZHANG Feng

Key Laboratory of Meteorological Disaster，Ministry of Education（KLME）/Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters （CICFEMD），Nanjing University of Information Science & Technology，Nanjing 210044，China

The contrails produced by the aviation activities of jet aircraft in the upper troposphere can affect the regional climate and have a positive contribution to global warming.The radiative forcing of contrails is closely related to the regional coverage，physical properties and optical properties of contrails.This paper reviews the related research progress in lineshaped contrails in recent decades and summarizes different methods for lineshaped contrails detection.Firstly，this paper discusses the mainstream Contrail Detection Algorithm （CDA） and its various extension algorithms in Europe and America，and summarizes the seasonal and diurnal variation characteristics of lineshaped contrails coverage over Western Europe，North America and other regions.Then this paper discusses several calculation schemes for the optical depth of lineshaped contrails and their calculation uncertainties.Finally，this paper analyses the radiative forcing of lineshaped contrails and its relationship with the coverage and optical thickness，and points out the problems existing in present studies of contrails and their future development direction.

contrail；coverage；optical depth；radiative forcing

doi：1013878/j.cnki.dqkxxb.20170308003

（責任编辑：张福颖）