对流云对地气系统的能量和水分循环有重要影响。卷入和卷出率是对流参数化中的两个关键物理量，有必要改进卷入和卷出率参数化方案以适应气候模式的发展需要。本研究发展了基于观测的卷入卷出率同步计算方法，解决了长期以来无法使用观测资料估算卷出率的难题。利用高分辨率数值模拟对该方法进行了全面评估，证实了该方法的可靠性。随后，该方法被应用到飞机观测数据中，揭示了气溶胶浓度和卷入卷出率之间的负相关关系及其物理机理。该方法也被应用于Suomi NPP卫星观测数据中，构建了卷入卷出的全球数据集。通过与飞机观测结果的对比验证，确认了卫星观测计算的卷入卷出率的可靠性。结果表明，全球范围内的卷入卷出率存在显著的纬向变化和海陆差异，但在南北半球之间没有显著差异。在赤道附近，卷入卷出率相对较低，随着纬度增加而增大。海洋上的卷入卷出率明显高于陆地，主要是由于陆地上的对流云比海洋上的对流云更深厚且半径较大。基于全球卷入卷出率数据集，本研究建立和评估了新的参数化方案。对于利用物理建模方法发展的参数化，推荐采用由环境相对湿度和垂直速度构建的卷入率方案，以及由卷入率和环境相对湿度构建的卷出率方案。利用机器学习方法，把环境相对湿度、垂直速度等热力、动力和云微物理信息作为输入场训练的模型能够准确地预测卷入和卷出率。对比分析表明机器学习在预测卷入卷出率方面比物理建模方法更具优势。研究结果解决了卷入卷出率全球观测数据缺乏的问题，这将促进对流参数化方案的改进，提升气候模式对云降水相关过程的模拟性能。
 

对流云,卷入卷出率,对流参数化,观测