云是天气、气候系统中重要的组成部分，其通过自身物理特性的影响，在全球能量平衡、水分循环中起着决定性作用。然而，由于云物理特性的观测和表征还存在较为明显的问题，云也成为造成气候预测不确定性的最大来源。兰州大学黄建平院士团队针对云物理辐射特性，利用半干旱气候与环境观测站（SACOL）地基遥感设备，开展长期连续的观测研究，结合计算机视觉原理，在云信号识别、近地面杂波滤除、云分类等方面提出了一系列改进算法，在地面和卫星遥感上得到有效应用。近期发表在遥感与地球科学领域国际期刊 IEEE Transactions on Geoscience and Remote Sensing。

近年来，该团队基于微波云雷达开展了云水含量这一关键参数新的反演研究。以往传统方法反演云水含量主要从雷达反射率因子和含水量的数学表达出发，通过假设云滴粒子谱建立二者关系，并依赖飞机探测或模式模拟确定关系式中的经验系数得到最终结果。然而，自然界中云滴粒子谱变化复杂，使得云水含量的反演一直存在较大误差。鉴于该方面研究长期存在的问题，团队从雷达探测物理过程出发，考虑瑞利散射范畴内，物质对雷达电磁辐射传输的吸收衰减远大于散射衰减，且衰减程度与物质的质量相关，即可以得到雷达探测衰减与云水含量之间的正比关系，避开了算法对粒子谱分布的假设需求。团队成员通过理论分析和数值模型构建，完成了一套云水含量、衰减前后雷达反射率因子和整层云内质量吸收衰减相互协调的物理方案。经各参量自适应调整，团队使数值模拟值与雷达观测值之间的损失函数达到最小，成功实现了利用质量吸收衰减优势准确反演云水含量的前沿研究。

相关论文链接：https://doi.org/10.1109/TGRS.2023.3278735

云水含量、衰减前后雷达反射率因子和整层云内质量吸收衰减协调示意图与理论分析。兰州大学供图。