综述：气象光电技术：从大气观测到天气改性

《Opto-Electronics Plus》：Meteorological optoelectronic technology: from atmospheric observation to weather modification

　　1 引言
大气观测和天气改良越来越需要高分辨率、多维度且具有物理解释能力的信息，这些信息涉及大气成分、气溶胶、云层、风场、热力学结构以及降水过程。传统的地面观测站和被动卫星产品提供了不可或缺的背景信息，但它们往往不足以解析垂直结构、短期演变以及决定边界层交换、污染物传输、云层形成、降水起始和种子效应评估的云尺度过程。在这种背景下，光学和光电技术已成为重要的观测工具，因为它们能够提供非接触式、距离分辨的、光谱选择性强的以及快速更新的数据，覆盖不同的空间和时间尺度。气象光电检测并不是一种单一的技术，而是一个广泛的技术框架，包括激光雷达、光谱传感、红外检测、多普勒测量、激光测云仪、机载主动光学载荷以及新兴的太赫兹系统。差分吸收激光雷达、拉曼激光雷达、可调谐二极管激光吸收光谱和傅里叶变换红外光谱为获取水蒸气、臭氧、二氧化碳、氨等微量气体提供了互补的方法。米氏散射激光雷达、偏振敏感激光雷达和高光谱分辨率激光雷达（HSRL）将光学检测的范围扩展到了气溶胶负荷、云相、边界层高度、消光、后向散射、激光雷达比和粒子形态的测量。多普勒激光雷达和风廓线雷达支持风场、湍流、风切变和边界层动力学的诊断，而瑞利-拉曼激光雷达和旋转拉曼激光雷达则提供了对热力学解释至关重要的温度和湿度剖面。基于地面的激光雷达网络和机载系统将这些测量从局部实验扩展到了区域性和全球性的大气监测。这些技术在天气改良中的相关性尤为明显，因为操作决策依赖于适宜云条件的识别、种子轨迹的跟踪以及微物理和降水响应的评估。过冷水、云层厚度、液态水含量、上升气流强度、湍流和降水颗粒的演变无法仅通过单一来源的观测可靠地推断出来。因此，雷达-激光雷达-辐射计-卫星-现场测量的集成对于区分自然云变异性和可能的种子效应响应变得越来越重要。本文总结了从大气观测到天气改良应用中气象光电技术的最新进展，重点介绍了测量原理、检索参数、代表性应用和操作限制。本文不是将每种仪器视为孤立的平台，而是关注不同的光学、微波和新兴传感技术如何共同构建一个更完整的观测链。同时讨论了当前面临的挑战，包括硬件限制、检索不确定性、标准化和多源融合问题，以明确智能、网络化和物理约束大气观测系统的未来发展方向。

2 大气观测中的光电技术
2.1 大气成分和微量气体检测
差分吸收激光雷达（DIAL）是一种重要的技术，用于检索大气气体分布，因为它结合了光谱选择性吸收和距离分辨的激光雷达后向散射。其原理基于在线和离线激光脉冲的交替发射，通过分析沿几乎相同的 optical 路径的差分衰减来推导气体浓度剖面。对于水蒸气，ATMONSYS 水蒸气 DIAL 证明了高分辨率测量可以解析行星边界层和低自由对流层的短期湿度变化。如图 1(a) 所示，绝对湿度和颗粒后向散射的时间-高度结构为分析边界层水分传输、湍流变化和地表-大气交换提供了观测支持。
(a) ATMONSYS 水蒸气 DIAL 观测到的水蒸气和颗粒后向散射的时间-高度分布。
(b) 对流层顶区域 H2O 和 O3 的机载 DIAL 观测。
(c) 城市区域下的低对流层臭氧测绘。
(d) 使用相干 DIAL 进行的三维 CO2 和风速检索。图表经参考文献 (a) Copernicus Publications；(b) Optica Publishing Group；(c) John Wiley and Sons；(d) Optica Publishing Group 许可复制。
对于臭氧，紫外 DIAL 利用 O3 的强波长依赖性吸收截面实现敏感的剖面测量。机载系统通过结合 O3 和 H2O 的检索，进一步扩展了这一能力，能够获得上层对流层和下层平流层的互补示踪物的二维剖面。图 1(b) 展示了对流层侵入期间对比鲜明的 H2O 和 O3 分布如何支持示踪物传输和混合的解释。最近在休斯顿进行的机载激光雷达观测还表明，DIAL 检测到的低对流层臭氧产品可以刻画城市规模的空间和时间变化。因此，图 1(c) 代表了从单剖面臭氧监测向以过程为导向的城市空气质量测绘的转变。然而，臭氧反演仍受到气溶胶消光、分子消光、后向散射项和信噪比限制的影响；因此应根据气溶胶负荷和信号质量选择校正策略。同样的差分吸收机制可以扩展到 SO2 和 NO2 等微量气体，尽管现有研究主要在概念上支持这一扩展，而非通过成熟的三维操作实例。对于 CO2，1.57 μm 的相干 DIAL 结合了外差检测、光束扫描和多普勒信息，同时检索 CO2 和风场。如图 1(d) 所示，这种能力将浓度不均匀性与大气传输路径联系起来，尽管在波长稳定性、气溶胶校正和多气体检索方面仍需进一步改进。
拉曼激光雷达是一种重要的技术，用于检索水蒸气和与气溶胶相关的信息，因为它同时检测波长位移的分子散射和弹性后向散射。对于湿度观测，水蒸气混合比是通过相对于 N2 等分子参考物的 H2O 拉曼信号来推导的，从而实现与边界层演变、云层形成和降水相关的垂直分辨率监测。图 2(a) 展示了拉曼激光雷达检索到的温度和温度扰动的时间-高度结构，表明其能够监测低层大气的热力学变化。结合侧向和后向观测的系统减少了近距重叠的限制；如图 2(b) 所示，校正前后的水蒸气混合比剖面比较表明，当 N2 和 H2O 的拉曼波长不同时，需要进行气溶胶依赖的透射率校正。
(a) 拉曼激光雷达检索到的温度和温度扰动的时间-高度结构。
(b) 来自联合拉曼激光雷达观测的校正后和未校正的水蒸气混合比剖面。
(c) 拉曼激光雷达衍生的气溶胶消光剖面，显示了垂直气溶胶负荷。图表经参考文献 (a) John Wiley and Sons；(b, c) Optica Publishing Group 许可复制。
对于气溶胶，拉曼激光雷达可以检索消光系数、后向散射系数、激光雷达比和与 ?ngstr?m 相关的信息，这些信息与粒子负荷、尺寸依赖性和气溶胶类型相关。图 2(c) 展示了拉曼激光雷达检索到的气溶胶消光剖面，显示了气溶胶负荷的垂直分布。结合退极化和激光雷达比信息，这些检索结果可以进一步支持气溶胶类型的识别。然而，微弱的拉曼信号、校准稳定性、?ngstr?m-指数假设以及气溶胶引起的传输误差仍然存在不确定性。
TDLAS 是一种重要的现场和开放式大气气体测量方法，因为它结合了物种选择性的激光调谐和紧凑的光学硬件。其原理遵循 Beer-Lambert 吸收：二极管激光扫描分子跃迁，传输的强度在考虑了线强度、路径长度、压力和温度后转换为浓度、柱浓度或通量。在开放式配置中，路径积分的 NH3 测量可以与风速信息结合，以估计挥发性排放通量；图 3(a) 展示了这种 OP-TDLAS/VRPM 应用，尽管化学覆盖范围仍不如 OP-FTIR 广。对于大气 CO2，开放式 TDLAS 提供的路径平均 CO2 浓度在空间上比单独的点传感器更具代表性，如图 3(b) 中的 110 米对比所示。灵敏度的提高取决于吸收线选择、激光稳定性、光学路径设计、解调和背景抑制。对于现场涡度协方差测量，基于 WMS 的开放式多路腔室支持快速 H2O 和 CO2 通量检索，同时减少了采样延迟问题；图 3(c) 中的实地对比进一步证明了它们相对于 LI-7500 测量的适用性。未来的系统应平衡灵敏度、稳定性、几何形状和鲁棒性，而不仅仅是优先考虑检测限。
(b) 110 米路径上开放式 TDLAS/VRPM 的 CO2 浓度比较。
(c) 基于 WMS 的开放式多路腔室测量与 LI-7500 观测的 H2O 和 CO2 通量检索的实地对比。
(d) FTIR 微窗光谱拟合和残差评估用于柱气体检索。图表经参考文献 (a) Taylor & Francis；(b) MDPI；(c) Optica Publishing Group；(d) University of Science and Technology 许可复制。
傅里叶变换红外光谱（FTIR）是一种重要的多组分大气气体监测方法，因为许多分子具有独特的红外吸收特征。其原理基于使用干涉仪记录干涉图，并通过傅里叶变换将其转换为波数域光谱。这种宽带光谱能力使得可以在一次测量中检测多种气体，而无需通过单独的单一物种观测。在大气应用中，太阳 FTIR 光谱与计算光谱结合，以推导柱浓度或柱平均干空气摩尔分数。NCAR 移动高分辨率 FTS 测量了 2–14 μm 的大气传输，并使用 SFIT2 和最优估计方法检索了 H2O、CO2、CH4、CO、O3、NO2、HNO3、HCl 和 ClONO2 的柱浓度。基于 COCCON 的移动 FTIR 研究进一步展示了在校准和质量控制后从选定微窗口检索 XCO2、XCH4、XCO 和 XH2O。如图 3(d) 所示，微窗拟合结果直接证明了 CO2 柱浓度的检索依赖于准确的光谱拟合和残差评估。然而，FTIR 的准确性仍然取决于光谱参数、仪器线形、压力-温度信息、水蒸气干扰和校准稳定性。
总体而言，DIAL 和拉曼激光雷达占据不同的但互补的应用领域。DIAL 更适合于 H2O 和 O3 等气体的物种选择性、距离分辨监测，并通常为定量气体浓度检索提供更坚实的基础，因为反演直接与在精心选择的在线和离线波长下的差分吸收相关。然而，其准确性强烈依赖于波长稳定性、吸收截面准确性、光谱干扰和差分气溶胶及分子效应的校正。拉曼激光雷达更适合于同时表征水蒸气、气溶胶及相关热力学结构，但其微弱的非弹性散射信号使得白天测量特别容易受到太阳背景辐射的影响，并限制了有效检测范围。在我们的评估中，主要限制不在于激光功率本身，而在于光谱、校准、气溶胶校正和背景噪声不确定性在检索气体产品中的不完全传播。未来的进展应优先考虑多波长物理约束反演、自适应背景噪声校正、显式不确定性传播和物理约束的机器学习方法，而不仅仅是数据驱动的检索。

2.2 气溶胶和云微物理性质检测
米氏散射激光雷达是一种基本的技术，用于观测气溶胶和云层的垂直结构，因为它利用与激光波长相当大小的颗粒的弹性后向散射。检索到的后向散射、消光系数、退极化比和激光雷达比提供了关于气溶胶负荷、云层和颗粒光学特性的距离分辨信息。如图 4(a) 所示，最近的微脉冲激光雷达研究进一步表明，当弹性后向散射剖面与无线电探空湿度测量和基于地面的气溶胶测量结合时，可以提供估算气溶胶、CCN 和 INP 垂直剖面所需的光学和湿度约束，从而将光学观测与气溶胶-云相互作用过程联系起来。如图 4(b) 所示，对于城市雾霾，北京地区的拉曼-米氏激光雷达观测表明，气溶胶垂直参数（包括气溶胶消光结构、雾霾层厚度和边界层演变）与上层空气能见度和污染物传输密切相关。边界层检索是另一个主要应用。如图 4(c) 所示，基于簇的梯度分析在多层污染条件下改善了夜间边界层高度的检测，通过分离云层、抬升的气溶胶层和噪声。图 4(d) 进一步表明，系绳气球比较表明，小波协方差变换和理想剖面拟合方法可以以可接受的准确性捕获冬季 BLH 的演变。如图 4(e) 所示，在云层研究中，三波长拉曼-米氏激光雷达显示了卷云层的时间和垂直演变；结合多波长和退极化信息可以进一步支持光学和相位相关分析。然而，米氏激光雷达的检索结果仍然依赖于假设的激光雷达比、湿度增长、重叠校正和多层干扰。
(a) 基于微脉冲激光雷达的气溶胶垂直检索，受湿度和基于地面的气溶胶测量限制。
(b) 雾霾条件下气溶胶消光结构的拉曼-米氏激光雷达观测。
(c) 基于簇的梯度分析用于夜间边界层高度检测。
(d) 激光雷达衍生的边界层高度与系绳气球观测的比较。
(e) 三波长拉曼-米氏激光雷达对卷云层的时间和垂直演变观测。图表经参考文献 (a–c) Copernicus Publications；(d) MDPI；(e) Torrential Rain Disasters Editorial Office 许可复制。
偏振激光雷达广泛用于识别气溶胶形状和云相，因为它将后向散射光中的偏振变化与颗粒形态联系起来。通过将接收到的米氏-瑞利信号分解为平行和垂直分量，可以得出粒子的退极化比率。球形液滴通常保持发射的偏振状态，而非球形的尘埃颗粒和冰晶则会产生更强的退极化现象。如图5(a)所示，这种对比为区分液云和冰云提供了物理基础，并且当存在气溶胶层时，也有助于识别非球形气溶胶颗粒23。图5. 完整尺寸图片 PowerPoint (a) 液滴、冰颗粒和不规则气溶胶之间的偏振对比。(b) 用于区分尘埃、污染、水云和冰云的双波长退极化比率分类空间。(c) 从双偏振激光雷达分类中得出的时间-高度气溶胶和云特征掩膜。图5(a)经MDPI许可复制；(b, c)经Optica Publishing Group许可复制。最近的研究将这种方法从单波长诊断扩展到双波长偏振分类。在355纳米和532纳米处的观测表明，以尘埃为主的气溶胶和人为污染物表现出不同的光谱退极化行为，从而提高了对尘埃、污染和混合气溶胶层的分离能力24。齐等学者提出的一种分类框架首先使用颜色比率和衰减后向散射来分离云和气溶胶，然后通过532/355纳米的退极化比率关系来识别冰云、水云、尘埃气溶胶和空气污染物25。图5(b)展示了双波长退极化空间中的分类基础，而图5(c)则演示了其在时间-高度气溶胶和云特征掩膜中的应用。这一能力对气象学非常重要，因为气溶胶类型和云相会影响辐射传输、边界层稳定性、降水以及气溶胶-云相互作用。偏振激光雷达结合太阳光度计约束和机器学习方法时，还可以支持距离分辨的气溶胶微观物理参数的反演26。然而，校准精度、信噪比、多次散射、波长依赖性以及在混合相或混合气溶胶条件下的重叠特征仍然是主要限制因素。高光谱分辨率激光雷达（HSRL）已成为气溶胶和云层分析的重要工具，因为它减少了对假设激光雷达比率的需求。其核心原理在于区分窄带气溶胶米氏散射和多普勒展宽的分子瑞利散射的光谱差异，从而可以直接反演气溶胶后向散射、消光和与激光雷达比率相关的参数；通过偏振通道，还可以获得退极化比率27,28。如图6(a)所示，这种分离为区分接收信号中的气溶胶和分子贡献提供了物理基础27。图6. 完整尺寸图片 PowerPoint (a) HSRL反演中的气溶胶米氏散射和分子瑞利散射的光谱分离。(b) 利用退极化和后向散射信息进行的气溶胶和云层的星载HSRL观测。(c) 多波长机载HSRL对气溶胶光学特性和退极化特性的反演。(d) 用于近地表气溶胶感测的短程或Scheimpflug HSRL验证。(e) 后向散射数据的垂直剖面。(f) 毫米波云雷达对云边界和垂直云几何结构的反演。图6(a)经MDPI许可复制；(b)经Chinese Laser Press许可复制；(c)经Frontiers Media许可复制；(d)经John Wiley and Sons许可复制；(e)经EGU许可复制；(f)经Remote Sensing Technology and Application Editorial Office许可复制。星载和机载研究表明，这一机制不仅适用于云层检测，还支持更广泛的气象应用。中国基于碘滤波的ACDL/HSRL观测反演了尘埃和烟雾的光学参数，图6(b)展示了退极化比率观测如何帮助在大空间尺度和大规模环境监测中区分气溶胶和云层29。NASA的HSRL-2进一步显示了多波长HSRL的优势：它在355纳米和532纳米处独立反演消光和后向散射，而退极化和波长依赖性参数则有助于解释非球形海洋气溶胶，如图6(c)所示30。在海洋边界层研究中，通过衰减分辨的HSRL产品还减少了对外部气溶胶约束的依赖，从而改进了海面风速的反演31。最近的短程和Scheimpflug HSRL系统利用紧凑型发射器和碘或铷滤光片将这一原理扩展到近地表气溶胶感测；图6(d)代表了这一发展方向的一个验证示例27,28。然而，部署仍受到光谱分辨能力、重叠/盲区设计、激光线宽以及长波长下瑞利信号较弱等因素的限制。激光测云仪和云雷达提供了互补的主动遥感信息，用于云底检测和云结构分析。测云仪通过发射近红外短脉冲并接收来自云层的后向散射来确定云底高度。图6(e)展示了一个代表性的垂直后向散射剖面，其中明显的回波峰标记了云底位置，为自动化云底检测提供了测量基础32。图6(f)展示了雷达得出的云边界和垂直云几何结构32,33。弹性或米氏激光雷达的定量能力本质上受到气溶胶消光和后向散射之间不确定性关系的限制。尽管弹性激光雷达在连续检测气溶胶层、云边界和边界层结构方面非常有效，但消光反演通常需要一个预设的激光雷达比率，因此强烈依赖于气溶胶类型假设、重叠校正、湿度增长和多层干扰。拉曼激光雷达通过从不弹性分子返回中反演消光来减少这种不确定性，而HSRL则分离分子和颗粒的光谱贡献，可以在较少依赖假设激光雷达比率的情况下反演消光和后向散射27,28。这些优势伴随着不同的局限性：拉曼反演受到弱信号的限制，而HSRL则需要稳定的激光线宽、光谱分辨器和通道校准。偏振测量可以提高颗粒形态和云相的区分能力，但由于多次散射、校准误差和重叠的混合相特征，无法独立保证可靠的相识别。在光学厚度大的云层、雾和降水中，强烈的光学衰减会阻止激光雷达分辨出完整的垂直结构。因此，未来的云微观物理反演应强调激光雷达-雷达-辐射计的联合正则化，包括对重叠盲区、衰减、多次散射和反演不确定性的显式处理。

2.3 风场和湍流检测
多普勒激光雷达是一种观测三维风场、低层风切变和边界层湍流的方法，因为气溶胶或云的后向散射会提供多普勒位移的径向速度。通过适当的扫描，视线速度可以转换为风场剖面、水平流场或体积结构。在海上风能区域，已经使用2微米的机载相干多普勒激光雷达对海洋边界层进行栅格扫描，并绘制涡轮机相关高度的风速矢量图。如图7(a)所示，50米和150米高度的风速分布显示出空间异质性和高度依赖性的风切变34。在航空气象学中，香港国际机场的下滑路径扫描可以获取进近和离场走廊上的逆风剖面；图7(b)展示了其对晴空风切变预警的相关性35。图7. 完整尺寸图片 PowerPoint (a) 机载相干多普勒激光雷达在涡轮机相关高度的风速分布。(b) 通过脉冲相干多普勒激光雷达获取的逆风剖面，用于检测低层风切变。(c) 通过扫描多普勒激光雷达观测得到的高分辨率三维风场。(d) 用于评估高原机场湍流和风切变风险的稳定性相关剖面。(e) 从相干多普勒激光雷达光谱中得到的云、降水、风切变和湍流的时间-高度分类。(f) 湍流功率律指数和动能的直接估计。(g) 下层大气水平风速的连续相干多普勒激光雷达观测。(h) 上层大气的经向风的直接检测瑞利多普勒激光雷达观测。图7(a)经SPIE许可复制；(b, c)经Atmosphere许可复制；(c)经Atmos Meas Tech许可复制；(d)经MDPI许可复制；(e)经Optica Publishing Group许可复制；(f)经Copernicus Publications许可复制；(g)经Optica Publishing Group许可复制；(h)经MDPI许可复制。最近的工作表明，从孤立径向速度产品向集成三维诊断的转变。双扫描激光雷达反演在晴空边界层中产生了高分辨率的三维风场，支持了对陆海风演变、低层风速最大值和机场切变区域的分析。图7(c)展示了多仪器布局和反演出的三维风矢量，为机场规模的风场分析提供了观测支持36。在高原机场，激光雷达风场剖面结合无线电探空仪稳定性诊断，阐明了逆温、湍流混合和垂直风梯度如何调节航空风险。图7(d)展示了Brunt–V?is?l?频率和Richardson数剖面，这些用于评估大气稳定性和湍流或切变相关风险37。湍流反演受到更多限制，因为激光雷达测量的是空间平均的径向速度，而不是完整的三个分量湍流。圆锥扫描相干多普勒激光雷达在明确处理感测体积平均和湍流模型假设的情况下，可以估计湍流动能、耗散率和动量通量38。比较研究表明，六波束扫描在湍流动能和湍流强度方面的表现优于VAD或RHI方法，而切变速度估计仍然不确定39。除了传统的反演方法外，功率谱分析还可以同时识别云、降水、风切变和湍流，利用载波噪声比、光谱偏度、耗散率和切变强度；图7(e)提供了一个代表性的时间-高度分类示例40。边界层分类方案进一步结合后向散射、垂直速度偏度、耗散率和风切变来区分浮力驱动和剪切驱动的混合过程41。体积概念也被应用于动态风力涡轮机尾流重建42和机场对微暴、阵风前沿、涡旋和切变坡度的操作性检测43。如图7(f)所示，湍流功率律指数和动能的直接估计减少了对固定?5/3惯性子范围假设的依赖44。尽管如此，性能仍受光谱分辨器性能、重叠/盲区设计、激光线宽以及长波长下瑞利信号较弱的限制。激光测云仪和云雷达提供了互补的主动遥感信息，用于云底检测和云结构分析。测云仪通过发射近红外短脉冲并接收来自云层的光学后向散射来确定云底高度。图6(e)展示了一个代表性的垂直后向散射剖面，其中明显的回波峰标记了云底位置，为自动化云底检测提供了测量基础32。图6(f)展示了雷达得出的云边界和垂直云几何结构32,33。

2.4 大气温度和湿度剖面
瑞利-拉曼激光雷达是一种用于垂直分辨大气温度的有效方法，因为它结合了受气溶胶污染影响较小的强分子弹性信号和拉曼返回。在高层平流层和中间层，瑞利反演通过弹性后向散射获得分子密度，并通过静力平衡和理想气体定律得出温度；然而，在大约30公里以下，气溶胶和云的后向散射弱化了这一假设。如图8(a)所示，GSFC的联合瑞利-米氏/拉曼系统提供了广泛高度范围内的温度剖面，与NIWA和NCEP数据的比较证明了基于激光雷达的温度反演的可靠性51。在对流层，纯旋转拉曼反演依赖于对温度敏感的分子旋转光谱的重新分布，而不是弹性散射。图8.**全尺寸图片** | **PowerPoint**

(a) 结合了瑞利-米氏散射/拉曼散射的激光雷达温度剖面与参考数据集的对比。(b) 旋转拉曼激光雷达对水汽混合比和温度梯度变化的观测。(c) 旋转拉曼激光雷达与无线电探空仪温度剖面的比较。(d) 利用协同激光雷达测量获取的显热和潜热通量的垂直分布。(e) 冰面上相对湿度的随时间变化。(f) MicroPulse DIAL时间-高度绝对湿度观测与拉曼激光雷达测量结果的对比。图像经授权转载自：(a) 参考文献51，Optica Publishing Group；(b, c) 参考文献52，Copernicus Publications；(d) 参考文献53，AMT；(e) 参考文献56，ACP；(f) 参考文献57，Copernicus Publications。旋转拉曼激光雷达对于边界层温度剖面的研究非常重要，因为它将分子旋转光谱与距离分辨的热力学结构联系起来。温度主要通过氮气和氧气的旋转拉曼散射信号获取，这两种信号对温度的依赖性相反。由于这些信号与弹性后向散射分离，该方法能够提供 aerosol 层中的日间和夜间温度剖面。在 HOPE 项目中，UHOH 系统使用了 355 nm 激光、扫描仪、望远镜和干涉滤光片多色仪来捕捉边界层的变化。图 8(b) 显示了水汽混合比和温度梯度的随时间变化，揭示了边界层热力学结构的发展。图 8(c) 比较了旋转拉曼激光雷达与无线电探空仪的温度剖面，展示了其在垂直重叠有限的情况下解析近地表温度梯度的能力。在气象应用中，其价值在于能够解析与卷吸、稳定性和通量交换相关的位温梯度。如图 8(d) 所示，通过旋转拉曼激光雷达、多普勒激光雷达和水汽 DIAL 的协同测量，可以获取显热和潜热通量的垂直分布。旋转拉曼梯度信息有助于边界层高度的确定，并补充了受平流或分层影响的气溶胶后向散射方法。然而，精度取决于信噪比、背景辐射、滤光片选择、平滑处理和校准；校准比较强调了系统特定的优化。水汽激光雷达剖面用于解析控制云形成、边界层交换和对流启动的对流层低层湿度结构。拉曼激光雷达通过非弹性 H2O 和 N2 的拉曼散射信号比值来获取水汽信息，在有温度剖面的情况下还可以得到相对湿度。图 8(e) 展示了相对于水和冰的垂直分辨相对湿度剖面，证明了紫外拉曼激光雷达在表征卷云相关湿度结构方面的能力。DIAL 通过在水汽吸收线附近比较在线和离线弹性后向散射信号，提供了一种替代方法，使得窄带系统能够在较少的外部校准要求下获取湿度数据。MicroPulse DIAL 提供了与拉曼激光雷达测量结果广泛可比的连续时间-高度绝对湿度观测。机载 HALO 通过使用接近 935 nm 的四个波长和 HSRL 气溶胶/云层测量，进一步扩展了 DIAL 的剖面能力，覆盖了较大的湿度动态范围。同化研究表明，MPD 湿度剖面可以纠正对流预测中的低至中层湿度误差。相干 2-μm DIAL 添加了联合湿度测量和径向风速探测功能，而近场几何校正对于城市冠层湿度 retrieval 仍然是操作上必要的。旋转拉曼激光雷达和水汽拉曼激光雷达提供了互补的温度和湿度剖面测量，特别有助于解析边界层的热力学演变。然而，它们的定量性能受到分子拉曼散射信号弱和强日间太阳背景辐射的限制。在这种条件下，要获得可接受的信噪比通常需要时间和垂直平均处理，这提高了统计稳定性，但代价是对快速变化和细微垂直结构的感知能力降低。水汽 DIAL 通常比拉曼激光雷达更少依赖于外部校准，因为浓度是通过差分吸收获得的，但它对在线-离线波长稳定性、吸收线参数和差分传输效应更为敏感。近场重叠和几何校正误差是这两种方法的共同限制，可能在最低边界层和云底附近影响观测结果。无线电探空仪提供准确但时间上稀疏的参考剖面，而微波辐射计提供连续的、尽管经过垂直平滑处理的热力学约束。在我们的评估中，未来的温度-湿度剖面测量应从独立仪器产品转向物理上一致的激光雷达-辐射计-无线电探空仪联合反演，不确定性需要根据高度、信号条件、平均尺度以及天气状况明确报告。

2.5 **集成主动光学遥感系统**

基于地面的激光雷达网络已成为表征气溶胶和云层垂直结构的重要观测框架，因为它们提供了仅凭被动卫星传感器无法获得的连续、距离分辨的测量数据。MPLNET 主要基于与 AERONET 日光光度计共位的肉眼安全型微脉冲激光雷达，从而可以将气溶胶光学深度的柱积分用于约束垂直分辨的后向散射和消光反演。如图 9(a) 所示，中国台湾的 MPLNET 气候学研究展示了每月消光剖面如何揭示近地表气溶胶负荷和抬升的尘埃层，从而支持区域气溶胶分析和 CALIPSO 验证。在东南亚，MPLNET 和 AERONET 的观测进一步表明，气溶胶的垂直尺度高度改善了 AOD 与地表 PM2.5 之间的关系。图 9(b) 展示了 AERONET AOD 与地表 PM2.5 之间的关系，表明柱状气溶胶负荷与近地表空气质量相关，但也受到垂直气溶胶分布的影响，这强调了垂直气溶胶分布对空气质量解释的重要性。MPLNET 3.0 版本的气云检测还将网络功能扩展到云层出现和卷云特征分析。

**图 9. 全尺寸图片** | **PowerPoint**

(a) MPLNET 长期观测的月平均气溶胶消光剖面，显示了气溶胶垂直分布的季节性变化。(b) 气溶胶光学深度与地表 PM2.5 之间的关系。(c) EARLINET 对北地中海地区撒哈拉尘埃传输的观测。(d) 不同算法得到的 CALIPSO 云-气溶胶层检测结果。(e) 从海表后向散射反演得到的 CALIPSO 海洋来源柱状气溶胶光学深度的季节性分布。(f) 欧洲卷云颗粒线性偏振比的月变化和长期趋势。(g) Aeolus 水平视线风同化实验用于台风预报。图像经授权转载自：(a) 参考文献62，Remote Sens；(b) 参考文献63，Taiwan Association for Aerosol Research；(c) 参考文献65，Copernicus Publications；(d) 参考文献68，National Remote Sensing Bulletin Editorial Office；(e) 参考文献69，AMT；(f) 参考文献70，AMP；(g) 参考文献72，Chinese Journal of Atmospheric Sciences Editorial Office。EARLINET 通过拉曼、多波长和偏振激光雷达系统提供了一个互补的欧洲框架，这些系统可以获取后向散射、消光、激光雷达比值、奥恩斯特罗姆相关参数和颗粒线性偏振比等光学参数，支持气溶胶分类、来源归因和混合识别。图 9(c) 总结了 EARLINET 对北地中海撒哈拉尘埃的观测，利用尘埃层的几何形状和光学特性来评估区域传输和辐射效应。除了气候学分析外，EARLINET 的近实时处理還应用于火山尘埃和沙漠尘埃层的航空危险预警。最近的分类研究表明，标准化的 EARLINET 观测可以支持自动气溶胶分类，尽管反演准确性仍然取决于信号质量、重叠校正、假设的激光雷达比值和区域代表性。机载光电探测技术，以 CALIPSO/CALIOP 和 Aeolus/ALADIN 为代表，已成为大气观测的重要组成部分，因为它提供了仅凭被动卫星传感器难以获得的垂直分辨信息。CALIPOS 通过发射偏振激光脉冲并分析衰减后的后向散射，可以反演云层和气溶胶层的高度、光学深度、与消光相关的量以及垂直结构。如图 9(d) 所示，不同的层检测算法会产生不同的云-气溶胶层面积，这表明在 CALIPSO 反演中稳健的层识别非常重要。这一改进在气象学上具有相关性，因为遗漏的层可能导致气溶胶光学深度的低估，进而降低下游气候和空气质量应用的可靠性。对于海洋场景，图 9(e) 显示了从海表后向散射反演得到的 CALIPSO 海洋来源柱状气溶胶光学深度的季节性分布，展示了其在提供独立海洋气溶胶负荷约束方面的能力。图 9(f) 展示了欧洲卷云颗粒线性偏振比的月变化和长期趋势，说明了长期卫星激光雷达观测在分析卷云季节性和趋势中的应用。Aeolus 将机载光电探测技术从气溶胶-云层剖面扩展到风速观测，其 ALADIN 有效载荷使用紫外直接探测多普勒激光雷达，通过瑞利和米氏散射通道将分子和颗粒后向散射的频率变化转换为水平视线风速剖面。这种能力解决了海洋和仪器稀疏区域的观测空白问题，其 HLOS 风速产品在数值天气预报和台风预测中得到了测试。如图 9(g) 所示，对 Hagupit 和 Lekima 的同化实验表明，经过偏差校正的 Aeolus 风速可以改善模拟循环并减少轨迹误差。然而，Aeolus 数据的应用仍然受到单线视线几何限制、垂直分辨率限制、云层污染、校准漂移和通道依赖误差的影响。因此，未来的系统需要更强的交叉验证、改进的质量控制和多传感器同化策略。MPLNET、EARLINET 和 CALIOP 大幅扩展了垂直分辨气溶胶和云层观测的空间和时间覆盖范围，但它们的产品不应被视为完全可互换的。这些系统在操作波长、观测几何形状、垂直和水平采样、校准程序、信噪特性、重叠行为和反演假设方面存在差异。基于地面的激光雷达通过相对较短的下层大气路径向上观测大气，而机载系统在信号穿过上层后向下观测，导致不同的衰减、层检测和多次散射效应。此外，规定的激光雷达比值、气溶胶分类、消光算法、产品定义和质量控制标志在各网络和处理链中有所不同。因此，同一大气层可能会被不同平台赋予不同的边界、消光系数、光学深度或置信度。在我们的评估中，网络化激光雷达观测的主要挑战已从能否检测大气结构转变为产品是否可追溯、可比较以及是否适合联合使用。未来的工作应建立共同的参考目标、统一的质量标志、标准化的不确定性描述和跨平台基准数据集，然后再进行大规模的产品互比或融合。

**2.6 准太赫兹和毫米波光电探测**

毫米波和亚太赫兹偏振雷达已成为观测云、雪和植被的重要方法，因为短波长增强了对小型水成物和含水生物目标的敏感性。对于云和降水的观测，其物理基础在于结合频率依赖的衰减、非瑞利散射、多普勒光谱和偏振变量来推断颗粒大小、相位、浓度和形态。包括 G 波段雷达在内的多频观测表明，Ka–G 配对可以产生比传统 Ka–W 配置更大的差分反射信号，从而提高了对小冰晶、液滴和轻质降水的敏感性。X 波段、Ka 波段、W 波段和 G 波段的反射结构直接比较了高频雷达对云层、融化颗粒和弱降水的响应。此外，G波段多普勒光谱在比W波段更小的雨滴尺寸处揭示了米氏散射特征（Mie notches），这表明在轻雨条件下有潜力进行垂直风速校正和雨滴尺寸分布的反演74。对于雪和冰的微观物理过程，偏振多普勒云雷达通过差分反射率和特定差分相位等变量提供了关于粒子形状和浓度的信息。三频X-Ka-W波段观测结合W波段偏振光谱已被用于诊断聚合现象、树枝状生长以及树枝状生长层中的二次冰特征75。DWR（散射测量雷达）、多普勒速度、sZDRmax（扫描链差分反射率最大值）和KDP（ karima多普勒相位）的联合使用有助于限制对雪生长过程的解释。植被应用虽然不够成熟，但展示了类似的处理逻辑，其中60 GHz脉冲相干雷达通过将接收到的信号幅度与水含量变化联系起来来监测叶片枯萎情况，这一过程基于比尔-朗伯特（Beer-Lambert）模型76。然而，衰减、气体吸收、散射模型的不确定性以及有限的植被验证仍然是广泛实际应用的重要限制因素。电可调太赫兹金属透镜和可编程超表面（metasurfaces）通过将外部电刺激转换为空间可编程的幅度、相位或偏振响应，提供了紧凑的束流控制和成像方法。其工作原理依赖于将可调介质（特别是液晶或相变材料）嵌入亚波长共振器中，从而动态重构共振频率、折射率和反射相位。如图10(a)所示的液晶太赫兹空间光超表面能够实现双色单像素压缩成像，而自动校准的重建则抑制了由非均匀照明和像素调制引起的误差77。这一结果表明，当探测器阵列仍然昂贵或技术上存在限制时，主动太赫兹调制可以支持计算成像。在束流操控方面，液晶Pancharatnam-Berry超设备利用几何相位和可调各向异性延迟来实现旋转依赖的宽带偏转78；而基于 VO2 的电可寻址超表面则将太赫兹感测与一位相编码相结合，实现自适应的束流导向79。腔辅助液晶相位梯度超表面通过偏振转换进一步增强了动态衍射调制80。图10(b)展示了一个代表性的二维束流操控结果，交叉寻址可编程阵列使得电可调超表面朝着高分辨率二维束流操控发展，同时降低了布线复杂性81。尽管如此，实际部署仍受到驱动电压、响应速度、热干扰或光学串扰、像素均匀性以及可扩展寻址能力的限制。主动和被动太赫兹（THz）遥感技术为大气观测提供了互补的方法，特别是在可见光和红外观测因烟雾、气溶胶、云层不透明度或光照不足而受到削弱的情况下。被动太赫兹感测依赖于自然热辐射和频率依赖的亮度-温度对比度。对于冰云而言，太赫兹波长与典型的冰粒子尺寸相当，因此多通道辐射度可以编码云底高度、有效粒子直径和冰水路径。如图10(c)所示，刘等人结合了基于ARTS（自适应辐射传输系统）的前向模拟和遗传算法反演，在明确定义的观测链下将辐射特征与微观物理参数反演联系起来82。对于气体而言，太赫兹光谱学利用极性分子的旋转和旋转振动跃迁；综述证据和便携式连续波实验表明，可以在环境空气中选择性地区分VOCs（挥发性有机化合物）和温室气体相关污染物83,84。相比之下，主动太赫兹感测利用受控照明、带宽和相干或类雷达测距来恢复空间信息。图10(d)展示了亚太赫兹非视距成像，其中镜面折叠重建技术在烟雾、黑暗或强环境光条件下支持厘米级场景的恢复85。这些技术共同阐明了被动反演和主动成像在复杂大气场景中的互补作用。然而，实际应用仍然受到水蒸气吸收、传播损耗、校准稳定性、通道选择以及现场验证不足的限制86。

图10. 全尺寸图片
(a) 用于双色单像素压缩成像的液晶太赫兹空间光超表面。
(b) 用于高分辨率二维束流操控的电可调 programmable 太赫兹超表面。
(c) 用于冰云微观物理参数反演的被动太赫兹遥感框架。
(d) 在烟雾、黑暗或强环境光条件下的亚太赫兹非视距成像。
图表经许可重制自：(a) 参考文献77, Springer Nature；(b) 参考文献81, 美国科学促进协会；(c) 参考文献82, MDPI；(d) 参考文献85, IEEE。

2.7 气象雷达的统一物理基础和反演框架
前述小节展示了气象雷达系统使用了不同的光学相互作用机制，包括弹性散射、非弹性散射、偏振变化、光谱分离、差分吸收和多普勒位移。尽管在波长、接收器配置、检测模式和目标变量方面存在差异，但这些系统可以在一个共同的测量-反演框架内进行解释。雷达仪器首先记录直接的光学可观测量，如距离分辨的回波功率、偏振分辨的信号、波长依赖的通道强度、多普勒频率位移以及在线-离线的差分衰减。然后通过校准、物理建模和反演从这些测量数据中推导出大气参数。因此，雷达产品的解释应区分直接测量的量、反演的天气变量、反演方法所需的假设以及相关的不确定性来源。DIAL（差分吸收雷达）通过在线和离线大气衰减之间的差异来推导距离分辨的气体浓度。其反演精度取决于吸收截面、激光波长的稳定性、在线和离线光学路径的等效性，以及对差异性气溶胶消光和后向散射的校正。这些要求使得DIAL适用于H2O（水蒸气）、O3（臭氧）、CO2（二氧化碳）等吸收性气体的选择性 profiling。尽管每个系统通常针对特定物种和吸收带进行了优化1-5，但DIAL仍适用于这些气体的测量。拉曼雷达检测到波长位移的分子散射，并提供了额外的信息，用于反演气溶胶消光、后向散射、雷达比（lidar ratio）、水汽混合比和温度。然而，相对较弱的拉曼回波限制了信噪比，特别是在白天，并增加了对太阳背景、通道校准、不完全重叠和波长依赖的传输校正的敏感性6-9。弹性或米氏（Mie）雷达通过粒子和分子的后向散射有效检测气溶胶和云层。然而，单个弹性信号通常无法提供足够的独立信息来区分消光系数α和后向散射系数β。因此，定量反演需要假设雷达比S=α/β、参考边界条件或外部约束。假设的雷达比、重叠函数、湿度响应和多次散射处理中的误差可能会传递到反演的消光、光学深度和层结构中18-22。多波长弹性散射和偏振测量还可以提供反映大气后向散射波长依赖性的颜色比，但这一量也受到通道校准、差分衰减和粒子混合的影响。偏振雷达从平行和垂直返回分量中得出退偏振比，特别适用于区分液滴、冰粒子、矿物尘埃和污染气溶胶，尽管混合相云、多次散射和重叠的气溶胶特征可能会导致分类歧义23-26。HSRL（高光谱分辨率雷达）通过光谱区分分离窄范围的颗粒米氏散射和多普勒展宽的分子瑞利散射，这种分离提供了额外的独立信息，使得在假设雷达比依赖性较小的情况下能够反演气溶胶消光和后向散射。因此，HSRL非常适合定量气溶胶光学特性分析和气溶胶-云层区分。然而，其性能取决于稳定的激光频率、准确表征的光谱滤波器、通道校准、可控的串扰以及可靠的重叠校正，从而比传统的弹性雷达具有更高的仪器和处理复杂性27-31。多普勒雷达测量由移动的分子、气溶胶、云或降水散射体产生的频率或相位位移，并将其转换为视线方向的径向速度。随后利用扫描几何形状和统计假设重建水平风速剖面、三维流场、垂直速度、风切变和与湍流相关的量。这些高级产品依赖于足够的大气示踪剂、有代表性的采样、流动的均匀性或稳定性以及对感测体积平均处理的适当处理。低气溶胶负荷、降水污染、扫描间的大气演变和光谱展宽是主要的不确定性来源34-46。这些比较表明，额外的测量维度通常可以减少反演的歧义性，但会增加校准、信号质量和系统复杂性的要求。弹性雷达提供有效的结构观测，但保留了固有的α-β歧义；拉曼雷达改善了反演的约束，但受到弱信号的制约；HSRL提供更独立的光学特性反演，但需要复杂的光谱硬件；偏振雷达增强了粒子分类，但在混合条件下仍存在歧义；DIAL提供选择性的气体 profiling，但具有物种特异性；多普勒雷达解决了大气运动问题，但仅直接测量径向速度分量。表1总结了主要气象雷达技术的物理机制、主要反演内容、关键假设、主要误差来源、适用场景和固有局限性。在表中，α表示消光系数，β表示后向散射系数，S=α/β表示雷达比，CR表示颜色比，δ表示退偏振比，vr表示视线方向的径向速度，T表示温度，BLH表示边界层高度，SNR表示信噪比。

表1. 主要气象雷达技术的反演特性、应用和限制的统一比较
雷达类型 主要机制 主要反演内容 关键假设 主要误差来源 最佳应用 主要限制
DIAL 在线-离线差分吸收 气体浓度或混合比 精确的光谱学；稳定的波长；等效的光学路径 波长漂移；差异性气溶胶效应；截面和信噪比误差 H2O、O3、CO2及微量气体 profiling 物种特定的配置
拉曼 非弹性分子散射 α,β,S, H2O 和 T 通道校准；分子参考；传输校正 弱信号；太阳背景；重叠和校准误差 气溶胶、湿度和温度 profiling 低日间信噪比
弹性/米氏 弹性分子和粒子散射 β, CR, 估计的 α, 以及层结构 假设的 S；参考边界条件；单次散射 不确定性；重叠；多次散射；湿度效应 气溶胶/云层和边界层高度 α-β歧义
偏振 由粒子形状引起的偏振变化 δ 和粒子分类 偏振校准；分子校正；分类阈值 串扰；多次散射；混合粒子特征 云层相位、尘埃和气溶胶分类 混合相的歧义
HSRL 米氏和瑞利信号的光谱分离 独立的 α 和 β；S；δ 稳定的激光；校准的光谱响应；有限的串扰 串扰；多次散射；混合粒子特征 定量气溶胶光学特性 profiling 高复杂性和成本
多普勒 多普勒频率或相位位移 vr, 风速和湍流相关量 已知的几何形状；足够的示踪剂；稳定的或均匀的流动 低气溶胶；降水；扫描不匹配；体积平均 间接的三维反演

CSV显示表格

3. 光电技术在天气修改中的应用
3.1 运营条件的识别和监测
云微物理参数的检测越来越多地围绕相位识别、云边界确定和液态水量化来进行，因为仅通过云顶温度或柱积分产品无法充分描述过冷云的特性。对于被动辐射计，过冷水云的检测利用了液滴和冰粒子在短波红外通道中的不同吸收特性，其中反射率对比度在公式(1)中定义
△R=R2.25μm?R1.61μm。
当这种对比度与8.5–11 μm的亮度-温度差异和云顶温度结合使用时，就可以进行大范围的SWC（过冷水云）映射，用于云监测、航空结冰诊断和天气修改评估87。如图11(a)所示，结合BTD（亮度-温度差）分离和云顶温度，为区分液态和冰相以及识别过冷水云提供了物理基础。基于地面的云雷达和微波辐射计系统提供了更垂直的解析路径，因为可以同时解释云边界、多普勒光谱和柱状液态水限制。云厚度在公式(2)中定义

图11. 全尺寸图片
(a) 用于区分液态云和冰云的结合亮度-温度差空间，云顶温度为识别过冷水云提供了额外的约束。
(b) 与云结构和过冷水区域相关的Ka波段云雷达反射率和多普勒光谱特征。
(c) 基于地面协同观测的垂直解析过冷水反演，受微波辐射计液态水路径的限制。
(d) 云底垂直速度与云下混合层湍流动能之间的关系。
(e) 在云播种相关的相干多普勒风雷达观测期间，载波-噪声比和时间-高度的演变。
图表经许可重制自：(a) 参考文献87, GRL；(b) 参考文献88, MDPI；(c) 参考文献89, MDPI；(d) 参考文献87, GRL；(e) 参考文献89, MDPI。
Hc=ztop?zbase，
其中云顶和云底高度通过雷达、云高计或探空辅助剖面推断得出。在中国东北部的层积云中，结合Ka波段雷达功率光谱、反射率、多普勒速度和微波辐射计观测来识别过冷水区域并反演LWC（液态水含量）和液滴有效半径88。图11(b)展示了与云结构和可能的过冷水区域相关的雷达反射率和多普勒光谱特征。液态水路径通过公式(3)估算
LWP=∫zbaseztopLWC(z)dz≈∑i=1nLWCiΔzi，
从而将剖面尺度的微物理特性与柱尺度辐射计测量结果联系起来。最近在中国北方平原的协同反演表明，通过结合模糊逻辑相位分类和受微波辐射计LWC约束的LWC反演，可以生成垂直解析的SLW（液态水）产品。公式(4)中的剖面校正
LWCadj(z)=LWC(z)×LWPMWRLWPretrieved，
用于保持垂直积分的LWC与独立观测的LWC之间的一致性89。图11(c)展示了这种基于地面的协同作用如何扩展到季节性的垂直评估。基于辐射计的CLWC（云液水含量） profiling在香港也展示了其对雾、春季云、暴雨和台风雨带的操作相关性，但大雨可能会污染微波信号并降低反演的可靠性90。为了过程归因，VDPS和多普勒谱方法可以提供关于颗粒形状、边缘形成和聚集的信息，尽管它们的性能仍然取决于湍流、信噪比以及对过冷液层的清晰识别。云动力场监测对于确定云系统是否包含持续的上升运动、足够的湍流混合以及是否具有进行人工干预的物理合理窗口至关重要。多普勒激光雷达在这一任务中特别相关，因为它可以从气溶胶、云或降水后向散射的多普勒频率偏移中获取径向速度，如方程（5）所表达的：
vr=λΔfD/2

当使用垂直指向或速度-方位角显示扫描时，径向风速信息可以转换为垂直速度、风切变、谱宽度和与湍流相关的量，从而在人工干预之前评估云发展的动态前提条件。使用多普勒激光雷达进行上升气流诊断的一个关键物理基础是云下湍流与云底垂直速度之间的耦合。郑等人使用多普勒激光雷达观测了128个浅层积云团，证明了云下湍流几乎解释了云底上升气流变化的一半，支持了方程（6）中显示的经验关系：
wb=0.28TKEML^(1/2)+0.64，
其中wb表示云底上升气流速度，TKEML表示云下混合层中平均的湍流动能。如图11(d)所示，云底垂直速度与云下湍流动能之间的对应关系为解释上升气流强度提供了机制基础，因为上升气流强度控制着气溶胶和播种颗粒被抬升到云活跃层的过程，同时也影响过饱和度、液滴激活和卷入。然而，单云采样仍然存在噪声；因此，多普勒激光雷达产品最好是在云团或准静态采样窗口上解释，而不是孤立瞬时羽流。对于人工播撒时机而言，激光雷达衍生的湍流和切变参数比仅通过视觉云跟踪提供了更基于过程的基础。江等人展示了相干多普勒风激光雷达结合微波辐射计数据可以获得高时间和空间分辨率的湍流剖面，包括湍流动能耗散率和与风切变相关的量。用于描述垂直风速变化的切变强度可以表示为方程（7）：
S2=(?u/?z)^2+(?v/?z)^2，
其中u和v是水平风分量。这样的信息有助于判断目标云是否具有足够的动态活性以进行播种颗粒抬升，同时不会受到过度切变或湍流扩散的影响，后者可能会降低操作可控性。最近的云播撒观测进一步表明，相干多普勒风激光雷达可以提供干预过程中云运动的直接证据。袁等人使用1548纳米相干多普勒风激光雷达在实地播撒操作期间检测了云运动、风切变、湍流、载噪比、谱宽度和分离的光谱组分。图11(e)显示了云播撒相关观测期间CNR和风向的时间-高度演变，为解释云和降水变化提供了动态背景。播撒后，CNR和风向结构的变化被用作解释云运动和颗粒传输的支持证据。黄等人进一步强调，在污染条件下，上升气流成为CCN激活和暖雨抑制的控制因素，这意味着播撒时机应考虑气溶胶的可用性和动态抬升能力。尽管如此，基于多普勒激光雷达的播撒诊断仍受到光学衰减、云穿透不完全、自然变异性与播撒响应之间的模糊性以及区分气溶胶、液滴、冰、冰雹和降水的需求的限制。吴等人指出，谱宽度、偏度和多普勒速度有助于识别雷暴颗粒的组成和运动，但也指出了强上升气流和下降气流结构的复杂性。因此，多普勒激光雷达最好被视为支持播撒窗口识别的高分辨率动力场监测器，而稳健的操作决策仍需要结合雷达、微波辐射计、卫星和现场观测。

3.2 在天气改良操作期间的监测和指导
在天气改良操作期间，追踪示踪剂和轨迹至关重要，因为不确定性不仅限于播撒材料是否释放，还涉及释放的颗粒是否进入预定云体积、是否沿着有利的风驱动路径移动，以及是否产生相对于自然云演变的可检测的微物理响应。在冰核生成播撒中，冰核颗粒被注入过冷云区域，之后播撒羽流由周围风场运输，同时发生冰核形成、蒸汽沉积、边缘形成、聚集和沉降。激光雷达主要通过解析云和气溶胶边界、支持云层定位以及与雷达、风廓线和现场颗粒观测结合提供羽流运输的垂直背景来参与这一过程。如图12(a)所示，CLOUDLAB观测布局说明了播撒实验需要协调的UAV操作、基于地面的遥感、云雷达、与激光雷达相关的云底检测以及下游微物理采样，而不仅仅是单一传感器的判断。图12(b)进一步明确了基于UAV的播撒操作几何结构，其中播撒羽流被风移动并在下游由测量平台采样。该图直接支持了轨迹解释必须连接释放位置、云结构、风向和颗粒演变的观点。然而，基于激光雷达的示踪剂解释不应被视为播撒效果的直接证明，因为光学厚液层可能会衰减激光雷达信号，自然冰生成可能与播撒响应相似，而且轨迹重建对风场不确定性敏感。因此，当激光雷达引导的示踪剂追踪嵌入到雷达-激光雷达-现场观测框架中时最为可靠。

图12. 完整尺寸图像
(a) CLOUDLAB观测布局，整合了UAV播撒、基于地面的遥感、云雷达、与激光雷达相关的云底检测和下游微物理采样。
(b) 基于UAV的播撒几何结构，显示风驱动的羽流运输和下游采样。
(c) 基于机器学习的机载激光雷达检测云和气溶胶层边界。
(d) 自主小型无人飞行器决策支持架构，整合了天气雷达、关注区域、地面控制和飞行路径规划。
图像经许可复制自：(a) 参考文献92，美国气象学会；(b) 参考文献93，Copernicus Publications；(c) 参考文献94，Frontiers Media；(d) 参考文献96，Field Robotics。机载光电系统为天气改良指导提供了灵活的观测途径，因为它们可以在比许多固定地面或卫星平台更接近操作决策的时间和空间尺度上采样云场。其技术价值在于结合了主动和被动光学传感、机载计算和自适应飞行控制：摄像头可以识别云的出现或飞机上空的云污染，激光雷达可以获取云和气溶胶层边界，光学颗粒仪器可以直接测量气溶胶或播撒颗粒浓度。如图12(c)所示，基于机器学习的机载激光雷达可以低延迟地识别云和气溶胶层边界，这对于实时同化、飞行调整和云场监测非常重要。机载相机研究还表明，卷积神经网络可以从天顶和前视图像提供可靠的飞机上空云掩模，这表明在专用向上观察仪器不可用时，低成本光学成像可以增强飞行级别的云意识。对于天气改良操作，自主小型无人飞行器系统进一步将传感与指导相结合。图12(d)显示了一个决策支持架构，其中天气雷达、关注区域、地面控制和飞行路径被链接起来，以识别潜在的可播撒区域。这种架构代表了从被动观测向半闭环操作的转变，其中云场识别、任务规划、羽流监测和效果评估是耦合的。然而，操作的稳健性仍受到有效载荷耐久性、结冰风险、通信延迟、航空规则以及区分播撒引起的微物理演变与背景变异性困难的限制。未来的进展可能会依赖于将机载激光雷达、光学相机、雷达、现场探针和数值临近预报整合到物理可解释的决策支持系统中。

3.3 操作效果的评估
在天气改良中评估操作效果本质上是一个归因问题，因为播撒后的云和降水变化同时受到人工扰动和自然大气变异性的共同控制。与传统的目标-对照降雨统计相比，最近的研究越来越强调一个物理上受限的证据链，该链条连接了播撒剂释放、云相变换、水成物增长、雷达或激光雷达特征以及地面降水响应。因此，相干多普勒风激光雷达、天气雷达、多光谱卫星观测、激光雨滴计、现场探针和数值模拟应被视为互补工具，而不是有效性的独立证明。可以使用一个基本响应指数来比较播撒前后状态，如方程（8）所示：
EX(t,r)=Xseed(t,r)?Xbg(t,r)/Xbg(t,r)+ε×100%。
其中Xmay代表雷达反射率、回波顶部高度、降雨强度、颗粒浓度或卫星衍生的云相指标；Xseed(t,r)和Xbg(t,r)分别表示时间t和位置r的播撒值和背景值，ε是一个小常数，用于避免背景值接近零时的数值不稳定。这个方程本身并不证明因果关系，但它为评估播撒前、播撒中和播撒后的差异提供了一个统一的定量框架。在陕西的飞机冷云降水增强案例中，物理评估将播撒轨迹与增强的雷达回波、增加的降雨强度、更大的雨滴直径和更高的雨滴数浓度联系起来。同样， Gutian随机人工降雨增强实验使用了雷达宏观参数和双极化变量来比较播撒和未播撒样本，表明即使降雨归因在统计上不确定，物理检查也可以提供过程级别的证据。雷达反射率对于操作效果评估至关重要，因为冰增长、聚集、边缘形成和融化直接改变水成物的大小分布。等效的雷达反射率因子可以表示为方程（9）：
Ze=∫0∞D^6N(D)/dD。
其中D是颗粒直径，N(D)是颗粒大小分布。六次方依赖性使雷达对大水成物非常敏感，这有利于检测播撒引起的降水颗粒，但也可能导致少数大颗粒主导信号。在中国中部的AgI播撒轨迹研究中，播撒后18分钟出现雷达特征，水平扩展，在大约40分钟后下降到地面，并伴随着卫星观测到的云 glaciation 和雨滴计观测到的变化。这个案例具有代表性，因为它追踪了从AgI释放到云顶 glaciation、雷达回波发展和地面降水响应的连续物理序列。地面降水观测是必要的，因为雷达特征并不自动指示具有水文意义的降雨增强。从雨滴大小分布推导出的降雨率可以表示为方程（10）：
R=π^6×10^-3∫0∞v(D)D^3N(D)。
这种表述将雨滴计测量与降水微物理联系起来，有助于判断播撒是否仅修改云回波还是也修改了近地面的雨滴光谱。DSDnet研究虽然不是直接的播撒实验，但它表明激光雨滴计观测和Gamma分布参数可以描述短期雨滴光谱演变，这对操作效果评估是相关的。然而，由于风漂移和落下时间可能会使降水偏离播撒线，因此应结合雷达横截面、轨迹分析和云运动观测来解释雨滴计证据。相干多普勒风激光雷达通过解析云运动、湍流、风切变和操作区域附近的激光光谱特征提供了额外的约束。垂直风切变可以表示为方程（11）：
S2=(?u/?z)^2+(?v/?z)^2。
这样的信息有助于判断目标云是否具有足够的动态活性以进行播种颗粒抬升，同时不会受到过度切变或湍流扩散的影响。在1548纳米相干多普勒风激光雷达研究中，谱宽度和偏度被用来区分气溶胶、湍流、云滴和降水组分，而激光雷达衍生的风切变和湍流信息既支持操作安全性也支持播撒云演变的解释。这种能力增强了评估，因为播撒响应可以与实际气流相关联，而不仅仅是与名义上的飞机或火箭轨迹相关。对于冰雹抑制操作，评估应包括风暴规模结构和水成物类别。使用X波段双极化雷达的多细胞冰雹风暴案例显示，播撒区域经历了反射率结构、回波顶部高度和水成物组成的变化，包括低密度冰雹和过冷水减少以及冰晶和聚集物增加。这些响应与云水 glaciation、有益的竞争和早期降雨机制一致。然而，冰雹风暴涉及强烈的内部动力学和细胞间相互作用，因此单个案例的结论应基于风暴类型、上升气流结构、播撒时机和过冷水可用性。最近的受控实验使操作评估更加基于过程。CLOUDLAB项目使用UAV将冰核颗粒注入持续的过冷低层云中，并使用现场和基于地面的遥感仪器在下游3-15分钟内测量诱导的微物理响应。这种设计减少了不确定性，因为播云粒子是局部化的，而且背景云态相对稳定。相关研究进一步表明，自然云中冰晶的生长会随着冰数浓度和过饱和度的变化而变化，这表明对于给定量的播云材料，不应假设一个固定的响应。基于模型的评估对于将观测到的特征与微观物理机制联系起来变得越来越重要。杨等人估计了雷达可探测到的冰晶簇（AgI）浓度，并指出可探测性取决于温度、云层深度、过冷液态水和AgI的数量，大约-15°C的温度有利于雷达探测到响应。经过观测验证的集合模拟进一步表明，播云可以增强冰的沉积、冰向雪的转化、雪的沉积、结冰现象以及雪的融化，从而将云层尺度的微观物理变化与地表降水联系起来。总体而言，可靠地评估操作效果需要多传感器的一致性、物理上可解释的响应指标、适当的背景估计以及考虑不确定性的模型支持。

3.4 技术演进朝向闭环天气修改决策支持
一个综合的气象观测框架的贡献不仅仅在于并行使用各种传感技术。在天气修改的背景下，关键问题不在于激光雷达、雷达、辐射计、卫星观测、现场仪器和数值模型是否能够提供有用的大气测量数据，而在于这些异构观测数据是否能够逐步转化为物理上一致、操作上可解释且与决策相关的信息。因此，技术演进遵循从特定参数的传感到多维大气状态重建、操作条件评估、干预指导、响应监测以及考虑不确定性的效果归因的路径。这些阶段紧密相连：单个仪器决定了可用的观测约束，多源集成决定了大气状态估计的完整性，而状态估计的可靠性最终决定了观测数据是否能够支持操作决策。在初始阶段，单个光电和遥感系统提供了关于大气成分、湿度、气溶胶、云属性、风场、湍流和水文气象结构的特定参数信息。DIAL和拉曼激光雷达可以探测痕量气体和湿度，偏振和HSRL系统可以表征气溶胶和云相，多普勒激光雷达可以提供垂直分辨的风速和湍流信息。雷达和微波辐射计通过将观测范围扩展到光学上较厚的云层，并限制水文气象结构、热力学条件和液态水含量，来补充光学测量。然而，没有单一仪器能够充分描述天气修改操作所需的大气完整状态。因此，下一阶段依赖于协调的多平台观测，其中激光雷达、雷达、辐射计、卫星和现场测量数据共同提供关于云微观物理、动力学和降水演变的互补约束。当这些多源测量数据与检索算法、数据融合方法、数值模型和智能分析相结合时，这些观测数据的操作价值就显现出来了。这种集成使得直接测量数据可以转化为更高级的信息，包括云状态重建、可播云性评估、目标云识别、播云窗口确定以及传输或轨迹预测。在操作之前，激光雷达、云雷达和微波辐射计可以共同限制云边界、气溶胶结构、过冷液态水、风场、垂直运动、湍流和风切变，以评估是否存在有利的微观物理和动力学条件。在播云过程中，快速更新的风速和湍流观测数据为播云物质的传输和扩散提供了约束，而羽流解释则需要释放位置、激光雷达推导的风向轨迹、云几何形状、雷达观测和下游现场测量数据之间的一致性。进一步的发展需要从操作监测过渡到闭环决策支持。播云之后，云运动、垂直速度、湍流、后向散射、多普勒光谱、云相、水文气象生长、雷达回波和地表降水的变化不能仅基于时间上的巧合来解释。可靠的评估需要与播云前的条件、环境背景、对照云或观测约束的数值模拟进行比较。因此，效果归因必须考虑观测不确定性、自然云的变异性、模型误差，以及区分干预引起的响应和自然大气演变的难度。从这个意义上说，操作后的评估不是观测链的终点，而是一个必要的反馈组成部分，它可以修改后续的观测策略和操作决策。因此，技术路径可以表示为一个迭代序列，包括背景大气特性描述、可播云条件的识别、操作窗口的确定、播云实施、实时传输跟踪、云微观物理响应的检测、降水量发展的验证、与背景或对照条件的比较，以及考虑不确定性的归因。当归因结果反馈到后续的传感和干预策略中时，一个线性的观测过程就变成了一个闭环决策支持系统。在这个框架内，气象光电技术从大气变量检测的工具演变为综合观测-分析-决策系统的组成部分。它们的未来发展将不仅取决于提高传感能力，还取决于加强跨平台一致性、多源融合、不确定性量化、模型-观测集成以及基于反馈的操作决策制定。

4 技术挑战和未来发展方向
4.1 当前挑战
尽管气象光电技术通过实现非接触式、高分辨率和多维的大气成分、气溶胶、云、风场和热力学结构的测量，极大地扩展了大气科学的观测能力，但其操作发展仍然面临一些仅靠提高仪器灵敏度无法解决的约束。在大气观测和天气修改的背景下，关键问题不在于激光雷达、雷达、辐射计或光谱系统是否能够观测到有用的变量，而在于这些观测数据是否能够以足够的稳定性、连续性、物理可解释性和跨平台一致性获得。当前的挑战与先进载荷的工程限制、在复杂大气条件下的检索算法的不确定性，以及缺乏标准化的多源融合框架有关。这些问题是相互关联的：硬件性能决定了可用信号的质量，信号质量影响检索的可靠性，而检索的可靠性决定了异构观测数据是否能够转化为具有气象意义和操作可用性信息。硬件限制仍然是航天器和高性能光电检测系统的基本约束。航天激光雷达尤为重要，因为它可以提供大范围空间尺度上的气溶胶、云和大气结构的垂直分辨信息；然而，其能力受到激光功率、光学效率、热稳定性、探测器灵敏度、平台质量和任务寿命的强烈限制。CALIPSO上的CALIOP展示了长期双波长偏振激光雷达在全球云和气溶胶探测中的价值，但该系统也说明了航天激光雷达对稳定激光发射、接收器对准、校准连续性和昂贵卫星运行的工程依赖性。与被动成像仪相比，主动光学系统必须携带自己的能源，而且返回的信号随着距离的增加而迅速减弱。Aeolus进一步表明，紫外多普勒激光雷达可以提供全球风速信息，而其ALADIN发射器突显了在多年轨道运行期间维持激光脉冲能量、光学清洁度和发射器稳定性的难度。穿透能力是另一个持续的挑战。短波长激光雷达对气溶胶、薄云和分子后向散射非常敏感，但它容易受到光学厚云、雾、灰尘和降水的衰减影响。因此，单独使用激光雷达无法完全解析许多复杂云和降水系统的垂直结构。未来的发展将需要更高效固态激光源、抗辐射的光学组件、改进的热控制、长寿命的探测器以及在整个任务时间内保持稳定的校准策略。EarthCARE的多仪器设计结合了激光雷达、雷达、辐射计和成像观测，表明未来的载荷发展可能不那么依赖于单一的高功率传感器，而是更多依赖于协调的主动-被动配置。尽管如此，这样的集成也增加了系统的复杂性、成本和数据处理要求，这意味着必须同时评估硬件改进和任务可靠性以及检索的鲁棒性。在复杂大气条件下，检索不确定性仍然难以降低，因为大多数光电反演方法依赖于关于散射、吸收、颗粒形状、气溶胶类型、云相、重叠校正、背景噪声和垂直均匀性的假设。原则上，激光雷达反演是从传输的光学能量与距离分辨的后向散射之间的关系中推导出大气信息，而光谱或差分吸收方法则利用波长依赖的衰减来推断气体浓度或消光。然而，大气柱通常不是一个简单的单层介质。混合相云、冰粒子、过冷液滴、气溶胶、湿度梯度、湍流和降水可以在同一观测路径中共存，这可能导致信号衰减、多次散射、低信噪比和层分类的模糊。CALIPSO的消光反演研究表明，气溶胶和云的光学产品对激光雷达比率选择、校准误差、噪声以及不确定性通过剖面的向下传播敏感。气溶胶亚型分类进一步影响消光反演，因为不同的气溶胶模型被赋予不同的激光雷达比率，错误的分类可能会偏倚气溶胶的光学深度和垂直分布。类似的不确定性也出现在云和湿度反演中，其中相位区分、多次散射、不完整重叠和云边缘的异质性可能会影响反演出来的微观物理或热力学参数。这些不确定性对于气象应用尤为重要，因为云相、消光、湿度结构或风相关的解释中的小错误可能会影响大气过程的诊断。因此，未来的反演发展应该从单一传感器的确定性产品转向考虑不确定性的反演、物理约束的算法和概率质量评估。数据同化、机器学习和多传感器校正策略可能有助于减少不确定性，但它们不应取代物理约束；相反，它们应该用于量化不确定性、测试反演的一致性，并识别产品可靠或仅具有定性指示的条件。标准化和多源数据融合对于将多样化的光电观测数据转化为连贯的气象信息仍然是必不可少的。现代大气观测系统包括航天激光雷达、地面激光雷达网络、云雷达、微波辐射计、卫星成像仪、飞机探针和数值模型输出。这些系统在波长、垂直和时间分辨率、观测几何形状、校准程序、反演变量、不确定性定义和数据格式方面各不相同。没有标准化的元数据、校准记录、质量控制标志和反演定义，同一大气场景可能会被不同的平台以不同的方式表示，使得跨比较和联合解释变得困难。MPLNET和EARLINET已经证明，网络化的激光雷达观测需要共同的仪器检查、集中处理和长期的质量保证，以产生可比较的气溶胶和云产品。然而，更广泛的气象融合比单纯的网络标准化更为复杂。激光雷达对薄气溶胶和云层敏感，雷达可以更有效地穿透光学厚云，辐射计提供柱积分的热力学约束，数值模型提供动力学连续性；每个来源提供不同的信息，但每个来源也有自己的尺度不匹配和不确定性结构。因此，未来的发展应该关注可追溯的数据标准、互操作的产品格式、共享的基准数据集以及保持传感器间物理一致性的融合算法。一个有前途的路径是建立观测-模型融合框架，在这种框架中，光电测量不是作为孤立的产品，而是作为大气状态估计的互补约束。这样的系统将提高高分辨率观测的科学价值，同时明确其操作限制。综上所述，气象激光雷达系统的限制是紧密相互关联的，而不是独立的。硬件性能决定了是否可以获得可测量的信号，反演假设决定了该信号是否可以转化为定量的大气参数，校准和产品标准决定了所得观测数据是否可以比较或用于操作。近场重叠误差控制了最低大气层的可观测性，而厚云、雾、灰尘和降水中的衰减决定了光密层内和以下的信息是否可以恢复。背景辐射和探测器噪声决定了弱信号反演的稳定性，而多次散射、激光雷达比率假设、相位模糊和校准漂移影响了它们的物理解释。然而，在我们的评估中，最根本的限制不再是简单的信号强度不足或硬件能力不足。操作应用的主要障碍是缺乏一个从原始信号和校准参数通过校正程序和反演先验到最终气象产品的可追溯不确定性链。没有这样的可追溯性，就难以确定一个产品在定量上是否可靠、在定性上是否有指示性，或者不适合用于决策。

4.2 未来发展方向
气象光电技术正从以仪器为中心的大气观测朝着能够支持预测、环境监测和在复杂大气条件下的天气修改评估的集成观测系统发展。因此，未来的进步不仅取决于提高激光源、探测器、扫描策略和检索算法，还取决于在异构传感器、智能处理方法和操作决策链之间建立物理上一致的链接。核心要求是以足够的空间分辨率、时间连续性和不确定性可追溯性获得大气成分、云微观物理、热力学结构和动态场的信息。从这个角度来看，未来的发展可以总结为三个相关的方向：多技术融合、智能网络观测和闭环精准天气修改。光电、微波、量子传感和太赫兹技术的整合可能会成为克服单波段大气观测局限性的主要途径。激光雷达系统可以提供距离分辨的反散射、退极化、多普勒速度和差分吸收信息，使其适合检测气溶胶、云层、水蒸气、微量气体和风场。然而，光学测量通常会受到光学厚重云层、降水、雾和大量气溶胶的影响而受到严重衰减。微波雷达和辐射计可以在一定程度上弥补这些局限性，因为它们在多云和降水条件下更为可靠，并且能够获取仅凭光学仪器难以获得的湿气团结构和热力学信息。多传感器整合的实质价值在于散射、吸收、发射和多普勒机制之间的互补性，而不仅仅是观测设备的简单累加。例如，基于多普勒激光雷达、红外光谱仪和微波辐射计测量的多仪器边界层反演表明，通过物理可解释的算法可以将异构观测数据结合起来，提高大气结构产品的连续性和可靠性。太赫兹光谱学可能会进一步扩展气体传感能力，因为许多极性分子在这个光谱范围内具有特征性的转动跃迁，尽管大气衰减、源功率弱、探测器灵敏度和校准稳定性仍然限制了现场应用。量子传感方法，特别是瑞德堡原子微波电场传感，为高灵敏度和可追溯的电磁测量提供了一条可能的途径，但其在气象环境中的使用仍需要在鲁棒性、便携性和工程简化方面取得实质性进展。因此，未来的研究应该强调交叉校准、不确定性传播和与同化兼容的反演产品。智能和网络观测将为将密集的光电测量转换为操作性气象信息提供方法论和硬件基础。随着分布式激光雷达、云高计、雷达、辐射计、卫星和无人观测平台的发展，主要难点不再仅仅是数据获取，还包括数据解释、质量控制、特征提取和自适应采样。人工智能/机器学习方法非常有用，因为它们可以识别多源信号之间的非线性关系，检测噪声谱中的微弱结构，并支持快速分类云层、气溶胶、边界层结构和风场变化。基于机器学习的激光雷达处理已经在实时检测云层和气溶胶层方面展示了价值，这种特征高度信息与数据同化、边界层诊断和短期气象决策直接相关。更广泛的地球观测研究也表明，未来的AI模型不应仅依赖黑箱预测；相反，可解释的、基于物理的、以用户为导向的模型更适合需要控制不确定性和泛化的科学监测任务。在这种背景下，微型化和商业化的低成本激光雷达系统应被视为网络观测的硬件基础，而不仅仅是大型研究级仪器的简化替代品。紧凑型红外激光雷达系统可以改善空间覆盖范围和观测连续性，尤其是在密集部署比单一仪器的最大能力更重要的情况下。然而，低成本部署并不自动保证操作可靠性。重叠校正、自动校准、眼安全、温度稳定性、降水污染以及与参考仪器的互比较仍然需要确保长期可比性。因此，未来的网络应结合紧凑型硬件、标准化元数据、基于云的质量控制和物理约束的AI反演，以便低成本观测能够提供科学上可追溯的产品，而不仅仅是定性监测。在这个智能和网络观测框架内，人工智能越来越多地被整合到操作性和预操作性工作流程中，作为质量控制、反演加速、校准和数据同化的辅助层。例如，在观测质量控制中，欧洲中期天气预报中心（ECMWF）开发了基于机器学习的自动检查方法，其中循环神经网络识别卫星和现场观测统计中的突变异常和渐进式偏差，而随机森林分类器评估其严重性和可能的原因。这样的方法可以减少对手动调整阈值的依赖，并改善对日益密集和异构观测网络的监测。人工智能还可以加速反演和观测处理。神经网络温度和湿度反演已在NASA AIRS反演系统中用于提供初步信息，而神经网络的辐射传输模型模拟器（如CRTM）在计算成本大幅降低的情况下显示出再现卫星亮温的潜力，这对于大量反演和同化应用特别有价值。机器学习也被探索用于传感器校准和偏差校正，通过学习仪器响应、观测几何形状、环境条件和参考观测之间的非线性关系。在数据同化中，混合方法可以模拟计算成本高昂的观测操作，估计非线性偏差校正，支持观测选择，并在保持传统同化系统的动态和统计约束的同时表示情况依赖的模型误差。这些应用说明了人工智能如何帮助将日益密集的多平台观测转换为质量控制和操作上可用的信息，但其可靠性仍然强烈依赖于训练数据集的代表性和质量。为特定仪器、地区、季节或天气状况开发的模型在传感器特性变化或观测超出训练分布时可能会失去鲁棒性，而高预测精度本身并不能保证物理一致性和可解释性。因此，操作系统应保留独立的参考观测、明确的不确定性估计、持续监控和重新校准，以及物理约束或混合AI架构。在这些条件下，人工智能可以作为网络化大气观测和更高级别气象决策之间的接口，为下面讨论的观测约束和不确定性意识的天气修改框架提供方法论基础。精准天气修改代表了另一个面向应用的发展方向，其中光电检测应嵌入到监测、决策、操作和评估的闭环链中。核心问题不仅仅是在某些条件下云播撒是否能增加降水量，而是从云状态识别到播撒响应的物理过程是否可以以足够的信心进行观察、解释和评估。闭环系统应首先使用光电和微波观测来表征云层厚度、过冷水、垂直运动、气溶胶背景、相变和降水粒子演变。然后，这些观测产品应与数值预报和AI辅助决策系统结合，以确定目标云是否适合播撒、应在何处进行干预，以及环境不确定性可能如何影响预期响应。在操作过程中，实时激光雷达、雷达、辐射计和紧凑型网络观测可以通过提供关于云结构和动态演变的反馈来约束飞机、火箭、地面发生器或无人平台的部署。操作后，评估不应仅依赖于地面降雨变化，因为降水量变化受到自然大气波动的强烈影响。相反，应结合来自云微物理、粒子演变和大气动力学的物理证据与统计分析和基于模型的归因。现有关于多仪器反演、机器学习检测、地球观测AI和紧凑型激光雷达系统的研究为从经验性干预向基于证据的操作的转变提供了方法论支持。然而，这样的框架的操作实施仍然具有挑战性，因为观测误差、云的自然变异性、模型不确定性和不完整的控制实验都可能削弱归因的信心。因此，未来的精准天气修改应该被视为一种条件性的、具有不确定性意识和观测约束的气象光电技术应用，而不是确定的天气控制。新兴方法的成熟度应根据它们是否改善了定量反演、物理可解释性、不确定性表征和跨平台可重复性来评估。传统的机器学习分类器已在快速层检测、特征提取和质量控制方面展示了实际价值，但仅仅更高的分类准确性并不构成激光雷达反演的根本突破。黑箱模型仍然容易受到有偏训练样本、区域依赖性、领域转移和物理不一致输出的影响。相比之下，物理约束的机器学习和多传感器规范化在定量和操作应用中具有更大的潜力，因为激光雷达方程、光谱关系、质量或能量守恒、雷达观测、辐射计约束和数值模型信息可以直接整合到反演框架中。因此，多传感器整合应超越简单的数据连接，朝着联合状态估计发展，在这种估计中明确表示每个仪器的互补敏感性和不确定性。在我们的评估中，最有前途的方向不仅仅是增加传感器数量或模型规模，而是开发物理约束的、联合规范化的、具有不确定性意识的反演系统，这些系统得到开放基准数据集和跨平台验证的支持。这样的系统为可转移的网络产品、同化就绪的观测和闭环气象决策支持提供了更可信的途径。从更广泛的历史和方法论角度来看，大气激光雷达已经从早期的弹性反散射实验发展为专门的拉曼、差分吸收、高光谱分辨率、偏振、多波长系统，反映了大气遥感技术的长期技术进步。这种发展逐步将激光雷达观测从定性层检测扩展到气溶胶光学属性、大气成分、热力学变量和风场的定量反演，这得益于反演理论和多通道测量策略的进步。在网络层面，集中处理链和仪器互比较协议的发展，以EARLINET为代表，标志着从特定仪器和短期观测向标准化、质量保证和可追溯的大气产品的进一步转变。这些系统开发表明，未来大气激光雷达的进步将不仅取决于单个仪器的进步，还取决于协调的反演算法、跨平台校准、明确的不确定性传播和长期网络协调。