编辑推荐：
为解决云属性夜间观测难题，研究人员基于 Himawari-8/9 卫星数据开展研究，构建 CldNetV2 模型，助力气象研究。
在全球气候变化的大背景下，极端天气事件频发，如极端降雨和干旱，给人类的生命和财产安全带来了巨大威胁。云，作为地球气候系统的重要组成部分，在全球气候变化中扮演着极为关键的角色。它能够在区域范围内削弱或增强热力学效应，还会对极端降水和干旱的发展产生影响。例如，极端降雨可能在短时间内引发洪水，进而导致山体滑坡和泥石流，冲毁村庄房屋；城市内涝也是困扰全球城市的一大自然灾害，且近年来发生频率不断增加。而干旱不仅会加剧粮食短缺，还可能引发武装冲突。因此，深入了解云的分布特征对于评估降雨、台风、热浪、水资源、洪涝干旱、粮食安全以及植被覆盖和土地利用变化等方面都具有重要意义，而获取云属性则是探索云分布特征的前提条件。
以往，利用卫星遥感数据进行云属性反演的研究中，传统的基于物理模型的算法存在诸多局限性，需要借助微观物理和光学模型，有时甚至要基于经验设定阈值。近年来，基于机器学习的云属性反演算法虽有所发展，但仍存在不足。日本宇宙航空研究开发机构（JAXA）利用物理算法生成的 Himawari 云产品，只能提供白天区域的云属性，无法满足夜间云微物理特征观测和深入研究的需求，且该产品仅能统计白天的云出现概率，无法获取夜间和全天的相关数据。
为了解决这些问题，来自鹏城实验室、南方科技大学环境科学与工程学院、宁波工程学院宁波数字孪生研究院以及浙江工业智能与数字孪生重点实验室的研究人员开展了相关研究。他们基于具有全天云类型识别能力的 CldNet 模型，提出并开发了 CldNet Version 2.0（CldNetV2）模型，相关研究成果发表在《Scientific Data》上。
在研究中，研究人员使用了 Himawari-8/9 卫星的遥感数据，其覆盖范围为 80°E 至 160°W，60°N 至 60°S，光谱通道包含从 B01 到 B06 的反照率以及从 B07 到 B16 的亮温（BT）信息。这些数据通过 JAXA Himawari Monitor P-Tree System 下载，其中 Himawari L2 网格化数据云属性（仅白天）空间分辨率为 0.05°×0.05°。研究人员以 2020 年 1 月 1 日至 2022 年 12 月 31 日期间，每 3 天 03:00（UTC+0）的 Himawari L1 网格化数据和 Himawari 云产品（仅白天）为样本，将 2020 年和 2021 年的数据用于模型训练，2022 年的数据用于模型性能评估。
CldNetV2 模型主要由 KnowledgeModule、辅助信息添加模块、MaskModule、Block-<云属性> 和 Head-< 云属性 > 组成。KnowledgeModule 用于获取卫星光谱通道及其组合信息；通过添加卫星天顶角（SAZ）、卫星方位角（SAA）、太阳天顶角（SOZ）和太阳方位角（SOA）等辅助信息，提高了模型的准确性；MaskModule 用于根据昼夜差异选择性输入卫星光谱通道，在夜间排除可见和近红外通道（B01 - B06），以实现准确的夜间云属性预测；Block-< 云属性 > 和 Head-< 云属性 > 协同工作，用于挖掘模型输入与云属性之间的内在关系并预测相应的云属性。
研究结果表明，CldNetV2 在云属性反演方面表现出色。在九种云类型和晴空的识别上，CldNetV2-W 和 CldNetV2-O 的准确率分别达到 0.823 和 0.729，在区分云覆盖和晴空方面，准确率分别为 0.947 和 0.939。对于云光学厚度（COT）、云顶温度（CTT）和云顶高度（CTH）等云属性，CldNetV2-W 的相关系数 r 均在 0.96 以上，CldNetV2-O 的 r 也大多在 0.81 以上（COT）和 0.95 以上（CTT、CTH）。在推理时间方面，研究人员提出的方案 03（对 COT、CTT 和 CTH 采用方案 02 推理，对云有效半径（CER）采用方案 01 推理）具有明显优势，能有效平衡计算效率和模型性能。
通过与 Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observation（CALIPSO）产品和欧洲中期天气预报中心（ECMWF）再分析 v5（ERA5）数据对比验证，发现 CldNetV2 在云类型识别和云属性反演上与其他产品具有较高的一致性，且在夜间也能保持良好的性能，弥补了 Himawari 云产品在夜间观测的不足。此外，研究人员还对台风的云属性进行了分析，发现 CldNetV2 能很好地预测台风云属性的分布，为台风观测提供了有益补充。
综上所述，CldNetV2 模型的建立，实现了全天云属性的反演，提供了高分辨率的全天时空云属性数据库和不同类型云出现概率数据集，为气象灾害评估和气候研究提供了有力支持。不过，研究也存在一定的局限性，如 CER 未经过独立验证，且当前云属性反演采用单一均匀云假设，对于重叠或非均匀云可能存在问题。但这也为后续研究指明了方向，未来研究人员可进一步探索解决这些问题的方法，推动气象研究的发展。
