论文部分内容阅读
摘要 云粒子成像仪（Cloud Imaging Probe，CIP）和降水粒子成像仪（Precipitation Imaging Probe，PIP）在云微物理和人工影响天气的观测研究中具有重要的作用。受限于仪器的成像测量原理，CIP和PIP所测云微物理数据质量因伪粒子的影响而降低，因此，急需一款能够对仪器所测数据进行订正的软件以满足云微物理分析的数据质量要求。在对测量过程中影响仪器测量准确性因素分析的基础上，提出了一套可提高仪器测量数据准确性的方法。利用LabVIEW图像化编程语言，编写出了一款可处理CIP和PIP图像数据的软件，可满足对CIP和PIP所测数据的质量控制要求。利用所开发的软件对2010年4月20日一次降水性层状云的飞机探测资料进行处理，获取了整个降水性层云的垂直结构特征与粒子谱的变化特征，表明本软件有助于云降水微物理的研究。
关键词云降水粒子;飞机测量;成像仪器;数据处理软件;云微物理
近年来，我国北方各省市气象局纷纷购置人工增雨飞机和机载探测设备，以进行人工影响天气作业、气溶胶与云降水微物理过程观测（Guo and Zheng，2009;郭学良等，2013;杨文霞等，2018;沙桐等，2019;李占清，2020）。主要的增雨作业飞机型号是中航哈飞的Y12飞机，而增雨飞机上所装载的探测系统一般是从美国粒子测量技术公司（Droplet Measurement Technology，DMT）所购进的云微物理测量系统。该系统一般包括云粒子成像仪（Cloud Imaging Probe，CIP）和降水粒子成像仪（Precipitation Imaging Probe，PIP），这两款仪器的工作原理均基于光电二极管阵列的光阻成像测量，所测数据除了直接应用于云降水物理与人工影响天气研究外（王秀娟等，2013），还可为遥感技术、云模式等提供数据校验（Heymsfield et al.，2010;Min et al.，2012;黄兴友等，2019，2020）以及民机研发取证提供辅助（Horn et al.，2007）等。从航测的粒子图像资料来看，CIP和PIP所测粒子图像中含有数目相当多的伪粒子图像，这些粒子因是非自然状态下生成的云粒子，因此称为“伪粒子”。最近的研究表明，仅云粒子在非自然状态下破碎形成的碎片伪粒子就可导致仪器测量的数浓度偏差达到1到2个数量级，对冰水含量等云微物理参量的计算偏差也可达到30%，因此伪粒子的存在会极大地影响到对云微物理过程的认识，很多基于机载云降水粒子成像仪所获取的云特征知识可能需要重估（Korolev et al.，2011，2013a，2013b）。
针对CIP和PIP所测数据的处理问题，天空技术研究公司（Korolev and Isaac，2005）曾开发出相应的粒子图像数据处理软件用于云降水微物理的研究，但其所开发的软件仅是针对老一代粒子成像探头2DP和2DC。英国曼彻斯特大学的Jonny博士开发了专用于处理CIP和PIP所测数据的商业处理软件，但是商业软件价格高昂。此外，后續的软件处理过程中由于涉及具体的飞机机型、仪器安装的位置以及飞行测量时大气环境的影响，使得具体的处理过程在阈值选取上有很大的区别。由于缺乏相应的数据后处理软件，国内学界目前直接采用剔除小粒径段粒子的方法（Hou et al.，2014），或者未经处理就直接使用（王秀娟等，2013;李军霞等，2014）。考虑到伪粒子，尤其是破碎的伪粒子对仪器测量结果的影响（Korolev et al.，2013b），不对CIP和PIP测量数据进行处理订正或者简单粗暴地直接将小粒径段粒子剔除，这样的处理分析结果难以令人信服。因此很有必要根据国内飞机的测量资料进行数据处理软件的开发，以提高仪器测量数据的质量。
鉴于此，对仪器测量过程中影响仪器测量准确性的因素进行分析，提出可适用于以Y12飞机为机载测量平台的CIP和PIP仪器观测资料的数据处理方法，在此基础上，利用LabVIEW图像化编程语言，编写该软件，以辅助我国云降水物理飞机观测资料处理，从而为我国云降水物理和人工影响天气的研究提供必要的技术支撑。
1 数据处理方法
1.1 伪粒子的识别
根据CIP和PIP所测粒子图像中伪粒子的成因以及伪粒子图像的特点，将伪粒子分为碎片粒子、并存粒子、线状粒子、条纹状粒子和空白粒子等（图1）。
破碎的伪粒子主要是在飞行测量过程中，云粒子与成像探头的探测臂等之间发生碰撞，或者与探测臂等周围产生的空气动力，如湍流、切变力等相互作用而破碎产生的粒子碎片（Koroleve and Isaac，2005），但这里还特指碎片的粒子图像帧必须在2帧以上，如图1a所示为破碎成4个粒子图像帧的破碎粒子，由白色线间隔开。破碎伪粒子的识别主要利用黄敏松等（2016）所提出的到达时间间隔阈值对破碎的伪粒子进行识别。
并存粒子是指一个粒子图像帧内存在有2个或者2个以上的孤立粒子，如图1b、c所示，并存粒子出现的原因既有自然因素的存在，比如云中粒子数浓度较大，也有非自然破碎的因素存在。由于仪器是基于单粒子的测量原则进行设计的，因此在一次粒子事件的测量过程中自然的并存粒子出现的概率是非常低的。基于此，采用黄敏松等（2017）所提的孤立粒子数阈值方法对破碎的并存粒子进行识别。
线状粒子图像的特点是在某个方向上有间断而另一方向上会有条状挡光，呈规则的条带状或者仅是一条直线，沿飞行方向长度可达到99条线。线状粒子出现的既有电磁干扰的原因，也有自然的结冰结霜因素存在，如图1d所示。考虑到粒子图像特点，采用黄敏松等（2017）所提的线条数结合粒径比的方法对线状粒子进行识别。
条纹状粒子是由粒子图像的采样速度和飞机空速的失配产生的，其图像特点是粒子形状呈拉长的条带状，如图1e所示。该类型伪粒子的识别一般采用粒径比（轴比）（Baker et al.，2009）或者面积比 （Field et al.，2006）的方法，但是轴比或者面积比的方法识别准确率不是很高，这里依然采用黄敏松等（2017）所提的增加限定因子的方法对条纹状粒子进行识别。 空白粒子是指图像帧内没有任何粒子影像的粒子图像帧，如图1f所示。空白粒子出现的原因可能和粒子本身尺寸过小有关，也有可能是干扰导致的仪器误动作所致。针对空白粒子，这里采用粒子图像像素数为0的方法进行识别。
1.2 仪器的采样体积
云降水粒子成像仪的采样体积是一个随粒子粒径变化的参量，同时也是利用仪器测量得到的粒子数据进行云微物理参量计算的一个非常重要的基础参量。Heymsfield and Parrish（1978）指出，仪器的采样体积可采用如下公式进行计算：
Vsamp=EAWDofVT。
其中：EAW为有效阵列宽度;Dof为探头景深;V为飞行空速;T为飞行采样的时间。
有效阵列宽度EAW有两种计算方法分别称为“中心在内”（center-in）的計算方法和“整体在内”（all-in）的计算方法，本处理软件采用“整体在内”的计算方法，具体为：
EAW=Res（N-X-1）。
其中：Res表示仪器的测量精度，仪器CIP的测量精度是25 μm，PIP的测量精度是100 μm;N是光电二极管阵列的单元数，仪器CIP和PIP均为64;X则是粒子图像所覆盖的光电二极管数目。“整体在内”的计算方法仅考虑粒子图像不覆盖住边缘二极管单元的情况，对于覆盖住的粒子，在计算时将自动剔除，而这也是仪器测量计算时所采用的方法。
1.3 云微物理参数的计算
1.3.1 云粒子谱
云粒子谱是云降水粒子群体最基本的微物理属性，其计算如式（1）所示（杨军等，2011），用以表示一定体积内不同尺度云粒子数量的多少。云降水粒子谱的演变体现了云与降水的发展变化过程。
ni=NiVsampΔr。 （1）
其中：ni表示第i个尺度间隔内云粒子数浓度的粒径分布函数;Ni为一个采样周期内测得的半径在ri～（ri+Δr）之间的粒子数目;Vsamp为采样体积。
1.3.2 粒子数浓度
粒子数浓度表示的是单位体积内的粒子总数。根据式（2）进行计算。
Nd=NnVsamp。 （2）
其中：Nd为粒子数浓度;Nn为粒子个数;Vsamp为采样体积，
1.3.3 云液水含量
对于球形的云滴或者雨滴，液水含量LWC的计算可采用式（3）。
LWC=1L∑imiSi。 （3）
其中：L表示探测飞行的距离;Si则表示与粒径相关的采样面积;mi表示与粒径相对应的液滴粒子质量，利用式（4）计算。
mi=πρw6cid3i。 （4）
其中：ρw为水的密度;di为粒子粒径;ci则是粒径为di的粒子数浓度。
1.3.4 云冰水含量
冰水含量IWC的计算利用式（5）进行计算：
IWC=1L∑jmjSj。 （5）
其中：L表示探测飞行的距离;Sj则表示与粒径相关的采样面积;mj表示与粒径相对应的冰粒子质量，可利用质量-维数的关系方法进行计算（Korolev et al.，2013b）。
mj=aDbj。 （6）
其中：mj是粒子质量，单位是g;Dj是粒子粒径，单位是μm，a=7.38×10-11，b=1.9。
2 数据处理软件开发
本数据处理软件采用LabVIEW图形化编程语言进行开发并采用Tab表单风格，具体由三部分构成，分别是数据提取、数据处理和参数计算。整个软件界面如图2所示。
3 数据处理软件的应用
2010年4月20日，在高空低槽切变与地面弱冷锋的共同影响下，我国出现了一次锋面降水的天气过程，整个锋面云系自西南向华东地区移动，移动过程中给华北地区带来了降温和降水等天气现象。其中山西省出现了一次大范围的层状云降水过程，其中部地区出现了轻到中度的降水等级，24 h的累积降水量达到了20 mm（王秀娟等，2013;李军霞等，2014）。20日上午装载有CIP和PIP探测设备以及高精度温湿度仪的增雨飞机在太原地区上空进行了云微物理探测飞行。飞机起飞后，首先在3 600 m高度云中平飞，然后穿云爬升至云顶平飞，随后从云顶盘旋下降。此次探测飞行时间属于整个降水过程的发展前期阶段，而降水过程前期阶段冰相粒子的发展演变对于了解降水过程具有重要的意义（Locatelli and Hobbs，1974），此外螺旋下降的探测方式可以较好地观测云中雪晶粒子的增长（Lo and Passarelli.，1982;Field，1999）。因此这里以螺旋下降探测阶段的观测结果来研究各高度层云中冰雪晶粒子的发展演变过程以及云中冰晶粒子数浓度和冰水含量等云微物理量的垂直分布状况。本次螺旋下降探测的飞行轨迹如图3所示。图4为本次下降探测前的雷达PPI扫描反射回波。从图中可看出太原站附近有一些分散性的弓形回波区域，而在太原西南方向有一块比较大的回波区域，回波强度达到25 dBZ。该回波区即为本次探测区域。
3.1 云中粒子数浓度和冰水含量的垂直分布
图5给出了飞机螺旋下降探测过程中，从CIP与PIP所测粒子图像数据中计算出来在0 ℃层以上冰水含量的垂直分布，可以看出，CIP仪器所测冰水含量值的范围在0.02～3.75 g/m3，PIP仪器所测的冰水含量值范围在0.013～0.82 g/m3。从图中还可以看出CIP仪器所测冰水含量值在云中垂直分布上有三个比较明显的极值位置，分别位于4 900 m、4 300 m和3 800 m附近，其中最大值位于3 800 m;相对而言，PIP仪器所测冰水含量比较明显的极值点次数要比CIP少得多，但是PIP仪器所测冰水含量最大值高度与CIP仪器所测最大值高度比较接近。虽然云中有若干个冰水含量的极值点，但是云中冰水含量的最大值却是位于云中的中下半部分区域。 图6给出了飞机螺旋下降探测过程中云中粒子数浓度随高度的变化过程，其中CIP测得的冰晶粒子数浓度范围在0.45～10.3 L-1，PIP测得的粒子数浓度范围在0.22～3.9 L-1。CIP所测的粒子数浓度除了在云顶有个较大的极值点外，在云层的中下部还有两个较大的极值点，其中最大值点位于3 800 m的云层中下部位，这和其所测的冰水含量最大值点高度基本对应。
3.2 云中粒子谱的变化过程
为了研究飞机下降过程所观测到粒子谱变化情况，以300 m为一个高度间隔，分别选取飞机在5 800、5 500、5 200、4 900、4 600、4 300、4 000、3 700、 3 400和3 100 m处CIP与PIP仪器所观测到的粒子谱进行分析，所选的高度层对应的温度范围刚好是在-11至-0.1℃之间，具体各高度层的粒子谱分布如图7所示，图7a—e为CIP仪器所测得的粒子谱，f—j为PIP仪器所测得的粒子谱。由于粒子谱的演变过程是粒子增长变化过程的一种反映，而粒子的增长变化过程不仅与环境温度有关，还与水汽含量以及动力场作用、上下层粒子之间的上升和沉降交换有关。因此，为了更好地分析粒子谱的变化，将本次下降探测过程中机载仪器所测量到的云中温度、云液水含量、各高度层上的粒子最大粒径（PIP）、以及主要的粒子形状（CIP）随高度的变化情况均提取出来，如图8、9所示。由于辐枝状冰晶仅在3 700 m及以下高度层才和板状冰晶一起大量出现，这里将辐枝状冰晶和板状冰晶归为一类，统称为板状;将针状冰晶、柱状冰晶和帽柱状冰晶归为一类，统称为针柱状;而球形状冰晶仅在4 900 m高度层以较多的数量出现，这里不单独列出，最终将主要的粒子形状分为板状、霰、不规则状、聚合状和针柱状。由实验室和外场观测研究可知，0～-2.5 ℃是板状冰晶形成的适宜溫度区间，其中当水汽条件更好时，在-1～-2 ℃温度区间会有枝状冰晶生长;而-3.5～-7.5 ℃是针柱状冰晶形成的适宜温度区间;-9～-40 ℃又是板状冰晶生长的适宜温度区间;而-3 ℃和-8.5 ℃分别是板状和柱状冰晶生长的过渡区间温度（Wallace and Hobbs，2006）。
从图8b中可以看出5 800～5 200 m最大粒子粒径不断减小，但从图8a云液水含量来看，5 500～5 200 m的云液水含量要大于5 800 m处的云液水含量，可是随着高度下降，谱宽变窄。这可能是因为5 800 m高度处的粒子有不少来自上层大粒子，因为其温度区间是-11 ℃，刚好是板状粒子生长的温度区域。从粒子图像来看，该层除了有板状粒子外，还有数量不少的霰粒子、不规则状粒子、聚合状粒子和针柱状粒子，而针柱状粒子的出现表明该层的粒子有不少来自上层粒子跌落。5 800 m左右的高度层内水汽条件一般，掉落后的大粒子因升华原因粒径减小，即使粒径减小但仍有部分粒径变小的粒子掉落到5 500 m，继而跌落至5 200 m，粒子掉落过程中粒径有所减小。但从粒子谱的主峰值来看，5 800 m处，CIP仪器所测粒子谱的主峰值位于400 μm，PIP仪器所测粒子谱的主峰值位于5 00 μm;到了5 500 m和5 200 m处，CIP仪器所测粒子谱的主峰值均分别位于225 μm和625 μm，PIP仪器所测粒子谱的主峰值均位于600 μm;这说明了虽然从5 800 m到5 200 m高度层，最大粒子粒径随高度有所减小，但是主要粒径粒子还是处于不断增长的状态。而5 500 m处和5 200 m处CIP所测粒子谱出现双峰值，关于双峰谱型结构目前一个较为一致的观点是小粒径峰值模态仅由水汽扩散增长促成，而大粒径峰值模态则可能是水汽扩散增长和聚并增长共同作用的结果（Mitchell et al.，1996;Zhao et al.，2010），因此这两个高度处粒子间的碰并增长对粒子粒径主峰谱值的扩大也造成了影响。
4 900～4 000 m的温度区间属于针柱状粒子的生长区间，从粒子图像来看（图9），在这区间内以针柱状、霰、不规则和聚合状粒子为主，板状粒子数量很少。在4 900 m处仪器所测粒子谱明显变宽（图7b、g），其原因是该层水汽条件非常好，液水含量最大值达到了0.8 g/m3以上，水汽的扩散和淞附使得粒子快速增长;从4 600～4 000 m可以看到，粒子谱宽均小于4 900 m高度层处的粒子谱宽（图7c、d、h、i），但是从PIP所测粒子谱型来看（图7h、i），4 600～4 000 m高度层的粒子谱均出现了明显的双峰谱型结构，其主峰值分别位于600 μm、1 100 μm（4 600 m），500 μm、1 300 μm（4 300 m），400 μm、1 400 μm（4 000 m），这说明了水汽扩散和粒子间的碰并聚合对4 600～4 000 m高度层的粒子谱变化起到了决定性的作用。
4 000～3 400 m的温度区间属于板状粒子的生长区间，从粒子谱宽来看，谱宽随高度降低而变宽（图8b），从湿度场条件（图8a）来看，液水含量的均值从0.16 g/m3上升到了0.4 g/m3，从粒子图像（图9来看），板状粒子和辐枝状粒子不断增多，而且在3 400 m高度层出现了辐枝状粒子攀附粘连的现象，因此可以判定4 000～3 400 m谱宽的拓宽是水汽的凝华增长和粒子间的攀附粘连所致。但是到了3 100 m谱宽又变窄，这可能和当时的湿度场条件变差有关，因为该高度处液水含量均值又降为0.16g/m3。
4 结论与讨论
利用LabVIEW图像编程语言编写了可用于处理CIP和PIP所测数据的处理软件，为国内云微物理飞机观测资料的分析应用提供必要的支撑。利用2010年4月20日山西春季一次降水性层状云发展前期的飞机探测资料为例阐述了本软件在云微物理分析过程中的应用。从分析来看，本次降水性层云冰水含量最小值位于云顶位置，最大值位于云层中下部位。而云顶处粒子数浓度值比较大，但CIP所测的粒子数浓度最大值位于云层中下部。云粒子谱的发展变化过程主要是以水汽扩散为主，但是上层粒子的跌落、淞附和粒子间的碰并聚合作用也对粒子谱的发展演变起到了作用。 本軟件是应国内云微物理飞机观测数据的质量控制需求所开发，可以满足以Y-12飞机为飞机测量平台的CIP和PIP仪器所测数据的质量要求。但随着我国人工影响天气和云微物理飞机观测平台队伍逐渐增多，如新舟60和国王飞机的加入，软件中一些数据处理的阈值可能需要进行改进，以适应不同测量平台下的数据质量控制要求。
参考文献（References）
Baker B，Mo Q X，Paul Lawson R，et al.，2009.Drop size distributions and the lack of small drops in RICO rain shafts[J].J Appl Meteorol Climatol，48（3）：616-623.
Field P R，1999.Aircraft observations of ice crystal evolution in an altostratus cloud[J].J Atmos Sci，56：1925-1941.
Field P R，Heymsfield A J，Bansemer A，2006.Shattering and particle interarrival times measured by optical array probes in ice clouds[J].J Atmos Ocean Technol，23（10）：1357-1371.
Guo X L，Zheng G G，2009.Advances in weather modification from 1997 to 2007 in China[J].Adv Atmos Sci，26（2）：240-252.doi：10.1007/s00376-009-0240-8.
郭学良，付丹红，胡朝霞，2013.降水物理与人工影响天气研究进展（2008—2012）[J].大气科学，37（2）：351-363. Guo X L，Fu D H，Hu Z X，2013.Progress in cloud physics，precipitation，and weather modification during 2008—2012[J].Chin J Atmos Sci，37（2）：351-363.（in Chinese）.
Heymsfield A J，Parrish J L，1978.A computational technique for increasing the effective sampling volume of the PMS two-dimensional particle size spectrometer[J].J Appl Meteorol，17：1566-1572.
Heymsfield A J，Schmitt C，Bansemer A，et al.，2010.Improved representation of ice particle masses based on observations in natural clouds[J].J Atmos Sci，67（10）：3303-3318.
Horn S，Asselin M，Barmgardner D，2007.Observations of ice ridge formation on the SJ30-2 leading edge slat in freezing drizzle conditions[C]//SAE Aircraft and Engine Icing International Conference.
Hou T J，Lei H C，Hu Z X，et al.，2014.Aircraft observations of ice particle properties in stratiform precipitating clouds[J].Adv Meteorol：1-2.
黄敏松，雷恒池，陈家田，等，2016.机载光阵探头探测期间云粒子的破碎[J].大气科学，40（3）：647-656. Huang M S，Lei H C，Chen J T，et al.，2016.Cloud particle shattering during sampling by airborne optical array probes[J].Chin J Atmos Sci，40（3）：647-656.doi：10.3878/j.issn.1006-9895.1505.15106.（in Chinese）.
黄敏松，雷恒池，金玲，2017.机载云降水粒子成像仪所测数据中伪粒子的识别[J].大气科学，41（5）：1113-1124. Huang M S，Lei H C，Jin L，2017.Pseudo particle identification in the image data from the airborne cloud and precipitation particle image probe[J].Chin J Atmos Sci，41（5）：1113-1124.doi：10.3878/j.issn.1006-9895.1703.16259.（in Chinese）.
黄兴友，芦荀，黄勇，等，2019.层状云微物理参数反演及其辐射效应的个例研究[J].大气科学学报，42 （5）：769-777. Huang X Y，Lu X，Huang Y，et al.，2019.A case study on the microphysical parameter retrieval and radiative effects of stratus clouds[J].Trans Atmos Sci，42（5）：769-777.（in Chinese）. 黄兴友，陆琳，洪滔，等，2020.利用毫米波云雷达数据反演层云微物理参数和云内湍流耗散率[J].大气科学学报，43 （5）：908-916. Huang X Y，Lu L，Hong T，et al.，2020.A case study on the retrieval of microphysical parameter retrieval and in-cloud stratus turbulent dissipation rate by millimeter-wave cloud radar measuremen[J].Trans Atmos Sci，432（5）：908-916.（in Chinese）.
Korolev A V，Isaac G A，2005.Shattering during sampling by OAPs and HVPS.Part I：snow particles[J].J Atmos Oceanic Technol，22：528-542.
Korolev A V，Emery E F，Strapp J W，et al.，2011.Small ice particles in tropospheric clouds：fact or artifact？ Airborne icing instrumentation evaluation experiment[J].Bull Amer Meteor Soc，92：967-973.
Korolev A V，Emery E F，Creelman K，2013a.Modification and tests of particle probe tips to mitigate effects of ice shattering[J].J Atmos Ocean Technol，30（4）：690-708.
Korolev A V，Emery E F，Strapp J W，et al.，2013b.Quantification of the effects of shattering on airborne ice particle measurement[J].J Atmos Oceanic Technol，30：2527-2553.
李军霞，李培仁，陶玥，等，2014.山西春季层状云系数值模拟及与飞机探测对比[J].应用气象学报，25（1）：22-32. Li J X，Li P R，Tao Y，et al.，2014.Numerical simulation and flight observation of stratiform precipitation clouds in spring of Shanxi Province[J].J Appl Meteorol，25（1）：22-32.（in Chinese）.
李占清，2020.气溶胶对中国天气、气候和环境影响综述[J].大气科学学报，43（1）：76-92. Li Z Q，2020.Impact of aerosols on the weather，climate and environment of China：an overview[J].Trans Atmos Sci，43（1）：76-92.doi：10.13878/j.cnki.dqkxxb.20200115005.（in Chinese）.
Lo K，Passarelli R E，1982.The growth of snow in winter storms：an airborne observational study[J].J Atmos Sci，39：697-706.
Locatelli J D，Hobbs P V，1974.Fall speeds and masses of solid precipitation particles[J].J Geophys Res，79：2185-2197.
Min Q，Joseph E，Lin Y，et al.，2012.Comparison of MODIS cloud microphysical properties with in-situ measurements over the Southeast Pacific[J].Atmospheric Chemistry and Physics，12：11261-11273.
Mitchell D L，Chai S K，Liu Y G，et al.，1996.Modeling cirrus clouds.Part Ⅰ：treatment of bimodal size spectra and case study analysis[J].J Atmos Sci，53（20）：2952-2966.
沙桐，馬晓燕，银燕，等，2019.石家庄地区气溶胶和CCN垂直廓线的飞机观测分析[J].大气科学学报，42（4）：521-530. Sha T，Ma X Y，Yin Y，et al.，2019.Aircraft measurements and analysis of the vertical distribution of aerosol particles and CCN over the Shijiazhuang area[J].Trans Atmos Sci，42（4）：521-530.doi：10.13878/j.cnki.dqkxxb.20170318001.（in Chinese）.
杨军，陈宝君，银燕，等，2011.云降水物理学[M].北京：气象出版社：89. Yan J，Chen B J，Yin Y，et al.，2011.Loud and precipitation physics[M].Beijing：China Meteorological Press：89 （in Chinese）. 杨文霞，胡朝霞，董晓波，等，2018.降水性层状云结构及微物理量相关性分析[J].大气科学学报，41（4）：525-532. Yang W X，Hu Z X，Dong X B，et al.，2018.A study on the microphysical structure and the correlation of microphysical parameters of the precipitation stratiform cloud[J].Trans Atmos Sci，41（4）：525-532.（in Chinese）.
Wallace J M，Hobbs P V，2006.Atmospheric science：an introductory survey[M].2nd edition.Academic Press.
王秀娟，李培仁，趙震，等，2013.一次层状云系结构和降水机制的观测与数值模拟[J].气候与环境研究，18（3）：311-328. Wang X J，Li P R，Zhao Z，et al.，2013.A case study of stratiform cloud structure and precipitation mechanism based on observation and simulation[J].Clim Environ Res，18（3）：311-328.（in Chinese）.
Zhao Y，Mace G G，Comstock J M，2010.The occurrence of particle size distribution bimodality in midlatitude cirrus as inferred from ground-based remote sensing data[J].J Atmos Sci，68：1162-1177.
Development the data processing software for the airborne cloud and precipitation imaging probe and its application on cloud microphysics research
HUANG Minsong1，2，3，LEI Hengchi1，JIAO Ruili4，Chang Xing4，JIN Ling1，WANG Xiujuan5
1Key Laboratory of Cloud-Precipitation Physics and Severe Storms，Institute of Atmospheric Physics，Chinese Academy of Sciences，Beijing 100029，China;
2Key Laboratory of Meteorological Disaster（KLME）/Ministry of Education & Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters（CIC-FEMD），Nanjing University of Information Science & Technology，Nanjing 210044，China;
3Key Laboratory for Cloud Physics of China Meteorological Administration，Beijing 100081，China;
4Information & Communication Engineering College，Beijing Information Science & Technology University，Beijing 100101，China;
5Jilin Meteorological Observatory，Changchun，130062，China
The cloud imaging probe （CIP） and precipitation imaging probe （PIP） are two important measurement instruments in cloud microphysics and weather modification research.Limited by the instrument’s measuring principles，the quality of data from CIP and PIP is degraded by the influence of the artificial particles.Therefore，a data processing software to improve the data quality is urgently needed.In this study，based on the data structure knowledge and analysis of the factors affecting the accuracy of the airborne measurement，a method to improve the data quality is proposed.Utilizing the LabVIEW graphical programming language，we developed a software program to process the CIP and PIP’s data，which realizes the function of data quality control.The software can read the imaging data from CIP and PIP，identify the artificial particles，and calculate the cloud microphysical parameters，thereby satisfying the requirements of the CIP and PIP’s data quality control.The software that we developed was then applied to process the image data measured from a precipitation stratus cloud above Shanxi on April 20，2010.The acquired results reflect the vertical structure and particle spectrum evolution of the cloud，and this suggests that the software is quite helpful toward cloud and precipitation microphysics research.
cloud and precipitation particles;airborne measurement;imaging probe;data processing software;cloud microphysics
doi：10.13878/j.cnki.dqkxxb.20191008002
（责任编辑：刘菲）
关键词云降水粒子;飞机测量;成像仪器;数据处理软件;云微物理
近年来，我国北方各省市气象局纷纷购置人工增雨飞机和机载探测设备，以进行人工影响天气作业、气溶胶与云降水微物理过程观测（Guo and Zheng，2009;郭学良等，2013;杨文霞等，2018;沙桐等，2019;李占清，2020）。主要的增雨作业飞机型号是中航哈飞的Y12飞机，而增雨飞机上所装载的探测系统一般是从美国粒子测量技术公司（Droplet Measurement Technology，DMT）所购进的云微物理测量系统。该系统一般包括云粒子成像仪（Cloud Imaging Probe，CIP）和降水粒子成像仪（Precipitation Imaging Probe，PIP），这两款仪器的工作原理均基于光电二极管阵列的光阻成像测量，所测数据除了直接应用于云降水物理与人工影响天气研究外（王秀娟等，2013），还可为遥感技术、云模式等提供数据校验（Heymsfield et al.，2010;Min et al.，2012;黄兴友等，2019，2020）以及民机研发取证提供辅助（Horn et al.，2007）等。从航测的粒子图像资料来看，CIP和PIP所测粒子图像中含有数目相当多的伪粒子图像，这些粒子因是非自然状态下生成的云粒子，因此称为“伪粒子”。最近的研究表明，仅云粒子在非自然状态下破碎形成的碎片伪粒子就可导致仪器测量的数浓度偏差达到1到2个数量级，对冰水含量等云微物理参量的计算偏差也可达到30%，因此伪粒子的存在会极大地影响到对云微物理过程的认识，很多基于机载云降水粒子成像仪所获取的云特征知识可能需要重估（Korolev et al.，2011，2013a，2013b）。
针对CIP和PIP所测数据的处理问题，天空技术研究公司（Korolev and Isaac，2005）曾开发出相应的粒子图像数据处理软件用于云降水微物理的研究，但其所开发的软件仅是针对老一代粒子成像探头2DP和2DC。英国曼彻斯特大学的Jonny博士开发了专用于处理CIP和PIP所测数据的商业处理软件，但是商业软件价格高昂。此外，后續的软件处理过程中由于涉及具体的飞机机型、仪器安装的位置以及飞行测量时大气环境的影响，使得具体的处理过程在阈值选取上有很大的区别。由于缺乏相应的数据后处理软件，国内学界目前直接采用剔除小粒径段粒子的方法（Hou et al.，2014），或者未经处理就直接使用（王秀娟等，2013;李军霞等，2014）。考虑到伪粒子，尤其是破碎的伪粒子对仪器测量结果的影响（Korolev et al.，2013b），不对CIP和PIP测量数据进行处理订正或者简单粗暴地直接将小粒径段粒子剔除，这样的处理分析结果难以令人信服。因此很有必要根据国内飞机的测量资料进行数据处理软件的开发，以提高仪器测量数据的质量。
鉴于此，对仪器测量过程中影响仪器测量准确性的因素进行分析，提出可适用于以Y12飞机为机载测量平台的CIP和PIP仪器观测资料的数据处理方法，在此基础上，利用LabVIEW图像化编程语言，编写该软件，以辅助我国云降水物理飞机观测资料处理，从而为我国云降水物理和人工影响天气的研究提供必要的技术支撑。
1 数据处理方法
1.1 伪粒子的识别
根据CIP和PIP所测粒子图像中伪粒子的成因以及伪粒子图像的特点，将伪粒子分为碎片粒子、并存粒子、线状粒子、条纹状粒子和空白粒子等（图1）。
破碎的伪粒子主要是在飞行测量过程中，云粒子与成像探头的探测臂等之间发生碰撞，或者与探测臂等周围产生的空气动力，如湍流、切变力等相互作用而破碎产生的粒子碎片（Koroleve and Isaac，2005），但这里还特指碎片的粒子图像帧必须在2帧以上，如图1a所示为破碎成4个粒子图像帧的破碎粒子，由白色线间隔开。破碎伪粒子的识别主要利用黄敏松等（2016）所提出的到达时间间隔阈值对破碎的伪粒子进行识别。
并存粒子是指一个粒子图像帧内存在有2个或者2个以上的孤立粒子，如图1b、c所示，并存粒子出现的原因既有自然因素的存在，比如云中粒子数浓度较大，也有非自然破碎的因素存在。由于仪器是基于单粒子的测量原则进行设计的，因此在一次粒子事件的测量过程中自然的并存粒子出现的概率是非常低的。基于此，采用黄敏松等（2017）所提的孤立粒子数阈值方法对破碎的并存粒子进行识别。
线状粒子图像的特点是在某个方向上有间断而另一方向上会有条状挡光，呈规则的条带状或者仅是一条直线，沿飞行方向长度可达到99条线。线状粒子出现的既有电磁干扰的原因，也有自然的结冰结霜因素存在，如图1d所示。考虑到粒子图像特点，采用黄敏松等（2017）所提的线条数结合粒径比的方法对线状粒子进行识别。
条纹状粒子是由粒子图像的采样速度和飞机空速的失配产生的，其图像特点是粒子形状呈拉长的条带状，如图1e所示。该类型伪粒子的识别一般采用粒径比（轴比）（Baker et al.，2009）或者面积比 （Field et al.，2006）的方法，但是轴比或者面积比的方法识别准确率不是很高，这里依然采用黄敏松等（2017）所提的增加限定因子的方法对条纹状粒子进行识别。 空白粒子是指图像帧内没有任何粒子影像的粒子图像帧，如图1f所示。空白粒子出现的原因可能和粒子本身尺寸过小有关，也有可能是干扰导致的仪器误动作所致。针对空白粒子，这里采用粒子图像像素数为0的方法进行识别。
1.2 仪器的采样体积
云降水粒子成像仪的采样体积是一个随粒子粒径变化的参量，同时也是利用仪器测量得到的粒子数据进行云微物理参量计算的一个非常重要的基础参量。Heymsfield and Parrish（1978）指出，仪器的采样体积可采用如下公式进行计算：
Vsamp=EAWDofVT。
其中：EAW为有效阵列宽度;Dof为探头景深;V为飞行空速;T为飞行采样的时间。
有效阵列宽度EAW有两种计算方法分别称为“中心在内”（center-in）的計算方法和“整体在内”（all-in）的计算方法，本处理软件采用“整体在内”的计算方法，具体为：
EAW=Res（N-X-1）。
其中：Res表示仪器的测量精度，仪器CIP的测量精度是25 μm，PIP的测量精度是100 μm;N是光电二极管阵列的单元数，仪器CIP和PIP均为64;X则是粒子图像所覆盖的光电二极管数目。“整体在内”的计算方法仅考虑粒子图像不覆盖住边缘二极管单元的情况，对于覆盖住的粒子，在计算时将自动剔除，而这也是仪器测量计算时所采用的方法。
1.3 云微物理参数的计算
1.3.1 云粒子谱
云粒子谱是云降水粒子群体最基本的微物理属性，其计算如式（1）所示（杨军等，2011），用以表示一定体积内不同尺度云粒子数量的多少。云降水粒子谱的演变体现了云与降水的发展变化过程。
ni=NiVsampΔr。 （1）
其中：ni表示第i个尺度间隔内云粒子数浓度的粒径分布函数;Ni为一个采样周期内测得的半径在ri～（ri+Δr）之间的粒子数目;Vsamp为采样体积。
1.3.2 粒子数浓度
粒子数浓度表示的是单位体积内的粒子总数。根据式（2）进行计算。
Nd=NnVsamp。 （2）
其中：Nd为粒子数浓度;Nn为粒子个数;Vsamp为采样体积，
1.3.3 云液水含量
对于球形的云滴或者雨滴，液水含量LWC的计算可采用式（3）。
LWC=1L∑imiSi。 （3）
其中：L表示探测飞行的距离;Si则表示与粒径相关的采样面积;mi表示与粒径相对应的液滴粒子质量，利用式（4）计算。
mi=πρw6cid3i。 （4）
其中：ρw为水的密度;di为粒子粒径;ci则是粒径为di的粒子数浓度。
1.3.4 云冰水含量
冰水含量IWC的计算利用式（5）进行计算：
IWC=1L∑jmjSj。 （5）
其中：L表示探测飞行的距离;Sj则表示与粒径相关的采样面积;mj表示与粒径相对应的冰粒子质量，可利用质量-维数的关系方法进行计算（Korolev et al.，2013b）。
mj=aDbj。 （6）
其中：mj是粒子质量，单位是g;Dj是粒子粒径，单位是μm，a=7.38×10-11，b=1.9。
2 数据处理软件开发
本数据处理软件采用LabVIEW图形化编程语言进行开发并采用Tab表单风格，具体由三部分构成，分别是数据提取、数据处理和参数计算。整个软件界面如图2所示。
3 数据处理软件的应用
2010年4月20日，在高空低槽切变与地面弱冷锋的共同影响下，我国出现了一次锋面降水的天气过程，整个锋面云系自西南向华东地区移动，移动过程中给华北地区带来了降温和降水等天气现象。其中山西省出现了一次大范围的层状云降水过程，其中部地区出现了轻到中度的降水等级，24 h的累积降水量达到了20 mm（王秀娟等，2013;李军霞等，2014）。20日上午装载有CIP和PIP探测设备以及高精度温湿度仪的增雨飞机在太原地区上空进行了云微物理探测飞行。飞机起飞后，首先在3 600 m高度云中平飞，然后穿云爬升至云顶平飞，随后从云顶盘旋下降。此次探测飞行时间属于整个降水过程的发展前期阶段，而降水过程前期阶段冰相粒子的发展演变对于了解降水过程具有重要的意义（Locatelli and Hobbs，1974），此外螺旋下降的探测方式可以较好地观测云中雪晶粒子的增长（Lo and Passarelli.，1982;Field，1999）。因此这里以螺旋下降探测阶段的观测结果来研究各高度层云中冰雪晶粒子的发展演变过程以及云中冰晶粒子数浓度和冰水含量等云微物理量的垂直分布状况。本次螺旋下降探测的飞行轨迹如图3所示。图4为本次下降探测前的雷达PPI扫描反射回波。从图中可看出太原站附近有一些分散性的弓形回波区域，而在太原西南方向有一块比较大的回波区域，回波强度达到25 dBZ。该回波区即为本次探测区域。
3.1 云中粒子数浓度和冰水含量的垂直分布
图5给出了飞机螺旋下降探测过程中，从CIP与PIP所测粒子图像数据中计算出来在0 ℃层以上冰水含量的垂直分布，可以看出，CIP仪器所测冰水含量值的范围在0.02～3.75 g/m3，PIP仪器所测的冰水含量值范围在0.013～0.82 g/m3。从图中还可以看出CIP仪器所测冰水含量值在云中垂直分布上有三个比较明显的极值位置，分别位于4 900 m、4 300 m和3 800 m附近，其中最大值位于3 800 m;相对而言，PIP仪器所测冰水含量比较明显的极值点次数要比CIP少得多，但是PIP仪器所测冰水含量最大值高度与CIP仪器所测最大值高度比较接近。虽然云中有若干个冰水含量的极值点，但是云中冰水含量的最大值却是位于云中的中下半部分区域。 图6给出了飞机螺旋下降探测过程中云中粒子数浓度随高度的变化过程，其中CIP测得的冰晶粒子数浓度范围在0.45～10.3 L-1，PIP测得的粒子数浓度范围在0.22～3.9 L-1。CIP所测的粒子数浓度除了在云顶有个较大的极值点外，在云层的中下部还有两个较大的极值点，其中最大值点位于3 800 m的云层中下部位，这和其所测的冰水含量最大值点高度基本对应。
3.2 云中粒子谱的变化过程
为了研究飞机下降过程所观测到粒子谱变化情况，以300 m为一个高度间隔，分别选取飞机在5 800、5 500、5 200、4 900、4 600、4 300、4 000、3 700、 3 400和3 100 m处CIP与PIP仪器所观测到的粒子谱进行分析，所选的高度层对应的温度范围刚好是在-11至-0.1℃之间，具体各高度层的粒子谱分布如图7所示，图7a—e为CIP仪器所测得的粒子谱，f—j为PIP仪器所测得的粒子谱。由于粒子谱的演变过程是粒子增长变化过程的一种反映，而粒子的增长变化过程不仅与环境温度有关，还与水汽含量以及动力场作用、上下层粒子之间的上升和沉降交换有关。因此，为了更好地分析粒子谱的变化，将本次下降探测过程中机载仪器所测量到的云中温度、云液水含量、各高度层上的粒子最大粒径（PIP）、以及主要的粒子形状（CIP）随高度的变化情况均提取出来，如图8、9所示。由于辐枝状冰晶仅在3 700 m及以下高度层才和板状冰晶一起大量出现，这里将辐枝状冰晶和板状冰晶归为一类，统称为板状;将针状冰晶、柱状冰晶和帽柱状冰晶归为一类，统称为针柱状;而球形状冰晶仅在4 900 m高度层以较多的数量出现，这里不单独列出，最终将主要的粒子形状分为板状、霰、不规则状、聚合状和针柱状。由实验室和外场观测研究可知，0～-2.5 ℃是板状冰晶形成的适宜溫度区间，其中当水汽条件更好时，在-1～-2 ℃温度区间会有枝状冰晶生长;而-3.5～-7.5 ℃是针柱状冰晶形成的适宜温度区间;-9～-40 ℃又是板状冰晶生长的适宜温度区间;而-3 ℃和-8.5 ℃分别是板状和柱状冰晶生长的过渡区间温度（Wallace and Hobbs，2006）。
从图8b中可以看出5 800～5 200 m最大粒子粒径不断减小，但从图8a云液水含量来看，5 500～5 200 m的云液水含量要大于5 800 m处的云液水含量，可是随着高度下降，谱宽变窄。这可能是因为5 800 m高度处的粒子有不少来自上层大粒子，因为其温度区间是-11 ℃，刚好是板状粒子生长的温度区域。从粒子图像来看，该层除了有板状粒子外，还有数量不少的霰粒子、不规则状粒子、聚合状粒子和针柱状粒子，而针柱状粒子的出现表明该层的粒子有不少来自上层粒子跌落。5 800 m左右的高度层内水汽条件一般，掉落后的大粒子因升华原因粒径减小，即使粒径减小但仍有部分粒径变小的粒子掉落到5 500 m，继而跌落至5 200 m，粒子掉落过程中粒径有所减小。但从粒子谱的主峰值来看，5 800 m处，CIP仪器所测粒子谱的主峰值位于400 μm，PIP仪器所测粒子谱的主峰值位于5 00 μm;到了5 500 m和5 200 m处，CIP仪器所测粒子谱的主峰值均分别位于225 μm和625 μm，PIP仪器所测粒子谱的主峰值均位于600 μm;这说明了虽然从5 800 m到5 200 m高度层，最大粒子粒径随高度有所减小，但是主要粒径粒子还是处于不断增长的状态。而5 500 m处和5 200 m处CIP所测粒子谱出现双峰值，关于双峰谱型结构目前一个较为一致的观点是小粒径峰值模态仅由水汽扩散增长促成，而大粒径峰值模态则可能是水汽扩散增长和聚并增长共同作用的结果（Mitchell et al.，1996;Zhao et al.，2010），因此这两个高度处粒子间的碰并增长对粒子粒径主峰谱值的扩大也造成了影响。
4 900～4 000 m的温度区间属于针柱状粒子的生长区间，从粒子图像来看（图9），在这区间内以针柱状、霰、不规则和聚合状粒子为主，板状粒子数量很少。在4 900 m处仪器所测粒子谱明显变宽（图7b、g），其原因是该层水汽条件非常好，液水含量最大值达到了0.8 g/m3以上，水汽的扩散和淞附使得粒子快速增长;从4 600～4 000 m可以看到，粒子谱宽均小于4 900 m高度层处的粒子谱宽（图7c、d、h、i），但是从PIP所测粒子谱型来看（图7h、i），4 600～4 000 m高度层的粒子谱均出现了明显的双峰谱型结构，其主峰值分别位于600 μm、1 100 μm（4 600 m），500 μm、1 300 μm（4 300 m），400 μm、1 400 μm（4 000 m），这说明了水汽扩散和粒子间的碰并聚合对4 600～4 000 m高度层的粒子谱变化起到了决定性的作用。
4 000～3 400 m的温度区间属于板状粒子的生长区间，从粒子谱宽来看，谱宽随高度降低而变宽（图8b），从湿度场条件（图8a）来看，液水含量的均值从0.16 g/m3上升到了0.4 g/m3，从粒子图像（图9来看），板状粒子和辐枝状粒子不断增多，而且在3 400 m高度层出现了辐枝状粒子攀附粘连的现象，因此可以判定4 000～3 400 m谱宽的拓宽是水汽的凝华增长和粒子间的攀附粘连所致。但是到了3 100 m谱宽又变窄，这可能和当时的湿度场条件变差有关，因为该高度处液水含量均值又降为0.16g/m3。
4 结论与讨论
利用LabVIEW图像编程语言编写了可用于处理CIP和PIP所测数据的处理软件，为国内云微物理飞机观测资料的分析应用提供必要的支撑。利用2010年4月20日山西春季一次降水性层状云发展前期的飞机探测资料为例阐述了本软件在云微物理分析过程中的应用。从分析来看，本次降水性层云冰水含量最小值位于云顶位置，最大值位于云层中下部位。而云顶处粒子数浓度值比较大，但CIP所测的粒子数浓度最大值位于云层中下部。云粒子谱的发展变化过程主要是以水汽扩散为主，但是上层粒子的跌落、淞附和粒子间的碰并聚合作用也对粒子谱的发展演变起到了作用。 本軟件是应国内云微物理飞机观测数据的质量控制需求所开发，可以满足以Y-12飞机为飞机测量平台的CIP和PIP仪器所测数据的质量要求。但随着我国人工影响天气和云微物理飞机观测平台队伍逐渐增多，如新舟60和国王飞机的加入，软件中一些数据处理的阈值可能需要进行改进，以适应不同测量平台下的数据质量控制要求。
参考文献（References）
Baker B，Mo Q X，Paul Lawson R，et al.，2009.Drop size distributions and the lack of small drops in RICO rain shafts[J].J Appl Meteorol Climatol，48（3）：616-623.
Field P R，1999.Aircraft observations of ice crystal evolution in an altostratus cloud[J].J Atmos Sci，56：1925-1941.
Field P R，Heymsfield A J，Bansemer A，2006.Shattering and particle interarrival times measured by optical array probes in ice clouds[J].J Atmos Ocean Technol，23（10）：1357-1371.
Guo X L，Zheng G G，2009.Advances in weather modification from 1997 to 2007 in China[J].Adv Atmos Sci，26（2）：240-252.doi：10.1007/s00376-009-0240-8.
郭学良，付丹红，胡朝霞，2013.降水物理与人工影响天气研究进展（2008—2012）[J].大气科学，37（2）：351-363. Guo X L，Fu D H，Hu Z X，2013.Progress in cloud physics，precipitation，and weather modification during 2008—2012[J].Chin J Atmos Sci，37（2）：351-363.（in Chinese）.
Heymsfield A J，Parrish J L，1978.A computational technique for increasing the effective sampling volume of the PMS two-dimensional particle size spectrometer[J].J Appl Meteorol，17：1566-1572.
Heymsfield A J，Schmitt C，Bansemer A，et al.，2010.Improved representation of ice particle masses based on observations in natural clouds[J].J Atmos Sci，67（10）：3303-3318.
Horn S，Asselin M，Barmgardner D，2007.Observations of ice ridge formation on the SJ30-2 leading edge slat in freezing drizzle conditions[C]//SAE Aircraft and Engine Icing International Conference.
Hou T J，Lei H C，Hu Z X，et al.，2014.Aircraft observations of ice particle properties in stratiform precipitating clouds[J].Adv Meteorol：1-2.
黄敏松，雷恒池，陈家田，等，2016.机载光阵探头探测期间云粒子的破碎[J].大气科学，40（3）：647-656. Huang M S，Lei H C，Chen J T，et al.，2016.Cloud particle shattering during sampling by airborne optical array probes[J].Chin J Atmos Sci，40（3）：647-656.doi：10.3878/j.issn.1006-9895.1505.15106.（in Chinese）.
黄敏松，雷恒池，金玲，2017.机载云降水粒子成像仪所测数据中伪粒子的识别[J].大气科学，41（5）：1113-1124. Huang M S，Lei H C，Jin L，2017.Pseudo particle identification in the image data from the airborne cloud and precipitation particle image probe[J].Chin J Atmos Sci，41（5）：1113-1124.doi：10.3878/j.issn.1006-9895.1703.16259.（in Chinese）.
黄兴友，芦荀，黄勇，等，2019.层状云微物理参数反演及其辐射效应的个例研究[J].大气科学学报，42 （5）：769-777. Huang X Y，Lu X，Huang Y，et al.，2019.A case study on the microphysical parameter retrieval and radiative effects of stratus clouds[J].Trans Atmos Sci，42（5）：769-777.（in Chinese）. 黄兴友，陆琳，洪滔，等，2020.利用毫米波云雷达数据反演层云微物理参数和云内湍流耗散率[J].大气科学学报，43 （5）：908-916. Huang X Y，Lu L，Hong T，et al.，2020.A case study on the retrieval of microphysical parameter retrieval and in-cloud stratus turbulent dissipation rate by millimeter-wave cloud radar measuremen[J].Trans Atmos Sci，432（5）：908-916.（in Chinese）.
Korolev A V，Isaac G A，2005.Shattering during sampling by OAPs and HVPS.Part I：snow particles[J].J Atmos Oceanic Technol，22：528-542.
Korolev A V，Emery E F，Strapp J W，et al.，2011.Small ice particles in tropospheric clouds：fact or artifact？ Airborne icing instrumentation evaluation experiment[J].Bull Amer Meteor Soc，92：967-973.
Korolev A V，Emery E F，Creelman K，2013a.Modification and tests of particle probe tips to mitigate effects of ice shattering[J].J Atmos Ocean Technol，30（4）：690-708.
Korolev A V，Emery E F，Strapp J W，et al.，2013b.Quantification of the effects of shattering on airborne ice particle measurement[J].J Atmos Oceanic Technol，30：2527-2553.
李军霞，李培仁，陶玥，等，2014.山西春季层状云系数值模拟及与飞机探测对比[J].应用气象学报，25（1）：22-32. Li J X，Li P R，Tao Y，et al.，2014.Numerical simulation and flight observation of stratiform precipitation clouds in spring of Shanxi Province[J].J Appl Meteorol，25（1）：22-32.（in Chinese）.
李占清，2020.气溶胶对中国天气、气候和环境影响综述[J].大气科学学报，43（1）：76-92. Li Z Q，2020.Impact of aerosols on the weather，climate and environment of China：an overview[J].Trans Atmos Sci，43（1）：76-92.doi：10.13878/j.cnki.dqkxxb.20200115005.（in Chinese）.
Lo K，Passarelli R E，1982.The growth of snow in winter storms：an airborne observational study[J].J Atmos Sci，39：697-706.
Locatelli J D，Hobbs P V，1974.Fall speeds and masses of solid precipitation particles[J].J Geophys Res，79：2185-2197.
Min Q，Joseph E，Lin Y，et al.，2012.Comparison of MODIS cloud microphysical properties with in-situ measurements over the Southeast Pacific[J].Atmospheric Chemistry and Physics，12：11261-11273.
Mitchell D L，Chai S K，Liu Y G，et al.，1996.Modeling cirrus clouds.Part Ⅰ：treatment of bimodal size spectra and case study analysis[J].J Atmos Sci，53（20）：2952-2966.
沙桐，馬晓燕，银燕，等，2019.石家庄地区气溶胶和CCN垂直廓线的飞机观测分析[J].大气科学学报，42（4）：521-530. Sha T，Ma X Y，Yin Y，et al.，2019.Aircraft measurements and analysis of the vertical distribution of aerosol particles and CCN over the Shijiazhuang area[J].Trans Atmos Sci，42（4）：521-530.doi：10.13878/j.cnki.dqkxxb.20170318001.（in Chinese）.
杨军，陈宝君，银燕，等，2011.云降水物理学[M].北京：气象出版社：89. Yan J，Chen B J，Yin Y，et al.，2011.Loud and precipitation physics[M].Beijing：China Meteorological Press：89 （in Chinese）. 杨文霞，胡朝霞，董晓波，等，2018.降水性层状云结构及微物理量相关性分析[J].大气科学学报，41（4）：525-532. Yang W X，Hu Z X，Dong X B，et al.，2018.A study on the microphysical structure and the correlation of microphysical parameters of the precipitation stratiform cloud[J].Trans Atmos Sci，41（4）：525-532.（in Chinese）.
Wallace J M，Hobbs P V，2006.Atmospheric science：an introductory survey[M].2nd edition.Academic Press.
王秀娟，李培仁，趙震，等，2013.一次层状云系结构和降水机制的观测与数值模拟[J].气候与环境研究，18（3）：311-328. Wang X J，Li P R，Zhao Z，et al.，2013.A case study of stratiform cloud structure and precipitation mechanism based on observation and simulation[J].Clim Environ Res，18（3）：311-328.（in Chinese）.
Zhao Y，Mace G G，Comstock J M，2010.The occurrence of particle size distribution bimodality in midlatitude cirrus as inferred from ground-based remote sensing data[J].J Atmos Sci，68：1162-1177.
Development the data processing software for the airborne cloud and precipitation imaging probe and its application on cloud microphysics research
HUANG Minsong1，2，3，LEI Hengchi1，JIAO Ruili4，Chang Xing4，JIN Ling1，WANG Xiujuan5
1Key Laboratory of Cloud-Precipitation Physics and Severe Storms，Institute of Atmospheric Physics，Chinese Academy of Sciences，Beijing 100029，China;
2Key Laboratory of Meteorological Disaster（KLME）/Ministry of Education & Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters（CIC-FEMD），Nanjing University of Information Science & Technology，Nanjing 210044，China;
3Key Laboratory for Cloud Physics of China Meteorological Administration，Beijing 100081，China;
4Information & Communication Engineering College，Beijing Information Science & Technology University，Beijing 100101，China;
5Jilin Meteorological Observatory，Changchun，130062，China
The cloud imaging probe （CIP） and precipitation imaging probe （PIP） are two important measurement instruments in cloud microphysics and weather modification research.Limited by the instrument’s measuring principles，the quality of data from CIP and PIP is degraded by the influence of the artificial particles.Therefore，a data processing software to improve the data quality is urgently needed.In this study，based on the data structure knowledge and analysis of the factors affecting the accuracy of the airborne measurement，a method to improve the data quality is proposed.Utilizing the LabVIEW graphical programming language，we developed a software program to process the CIP and PIP’s data，which realizes the function of data quality control.The software can read the imaging data from CIP and PIP，identify the artificial particles，and calculate the cloud microphysical parameters，thereby satisfying the requirements of the CIP and PIP’s data quality control.The software that we developed was then applied to process the image data measured from a precipitation stratus cloud above Shanxi on April 20，2010.The acquired results reflect the vertical structure and particle spectrum evolution of the cloud，and this suggests that the software is quite helpful toward cloud and precipitation microphysics research.
cloud and precipitation particles;airborne measurement;imaging probe;data processing software;cloud microphysics
doi：10.13878/j.cnki.dqkxxb.20191008002
（责任编辑：刘菲）