临近空间大气环境是地球中高层大气的重要组成部分，既受对流层活动的影响，又受太阳辐射和宇宙射线的影响，各种影响因素相互作用，使得临近空间大气环境要素复杂多变.临近空间大气环境要素除了随高度、地理纬度、经度和季节变化的气候特性以外，还存在其他多种时间、空间尺度上的复杂变化，这些变化主要来自于几天~一月内的行星波、24 h周期及其高次谐波的潮汐波、几分钟~10多个小时的大气重力波、更短时间尺度的大气湍流等大气扰动.Offermann等(2006)指出，大气扰动振幅很大，温度扰动幅度可达25%，即约57 K.

对临近空间大气扰动的研究主要基于地基探测、气球与火箭等原位探测、以及卫星探测等.搭载于TIMED(Thermosphere Ionosphere Mesosphere Energetics and Dynamics)卫星上SABER(Sounding of the Atmosphere using Broadband Emission Radiometry)探测器能够探测从平流层到低热层的中性大气温度、密度和压强(Mertens et al.，2001; Remsberg et al.，2008)，已被广泛用于大气行星波、潮汐波和重力波等波动的研究.例如，利用TIMED/SABER温度数据，Xiao等(2009)分析得到了全球20~120 km大气定常行星波在不同季节的活动规律；Pancheva等(2010)分析得到了5～6天行星波的全球分布和气候特征；Huang等(2013)分析得到了准2天波的全球气候变化特性；Zhang等(2006)分析了120天平均的温度潮汐；Xu等(2009)分析了迁移性周日潮汐的季节和准两年变化； Chen和Lü(2009)分析了周日潮DE3的全球结构；Pancheva等(2013)分析了迁移性8 h潮汐(TW3)的气候特性；Preusse等(2009)以及张云等(2011)基于多年的SABER温度数据得到了大气重力波的分布特性.

综合这些研究结果，我们可以得到关于临近空间大气扰动某类或者是某些波模在一定范围内的定性变化规律，然而，大气扰动整体的全球定量特性仍然知道得很少.而且，在这些研究过程中，由于数据的分布并不完美，大气各波动之间的分解、波模的提取技术要求非常高，信号常有混淆的情况出现(Wu et al.，1995; Xiao et al.，2009)，各种周期的波动或波模之间还可能发生非线性相互作用(Babu et al.，2011; Forbes and Moudden，2012).因此，在模式中表征这些扰动的影响具有很大的挑战性.当前常用的大气模式，如，美国标准大气未包含任何大气扰动项，MSIS模式系列和CIRA模式系列等只包含了定常行星波扰动而不包含其他的大气扰动.此外，大气扰动也是影响模式预报及可靠性等问题的最主要的不确定因素之一(Fritts and Alexander，2003)，至今临近空间全球大气扰动的定量描述仍然是个难题.Offermann等(2006，2009)曾把偏离纬圈平均温度的标准差用作波活动的标志，并分析了波活动的特性及中层大气波动的相对强度.但仍未解决MSIS和CIRA等模式在全球大气扰动的表征问题.

本文创新性地提出基于大量卫星实测数据通过全球网格化及在网格内作数学统计的方法以实现定量刻画全球大气扰动的目的.该方法不立足于某类波动或者是某些波模，而是把这些波动作为扰动的一部分，以整体考虑，从统计的角度对全球大气扰动进行表征.本文数据来源于TIMED/SABER 2002年1月至2013年1月共11年的卫星温度探测资料，定量地给出了20~100 km高度范围内临近空间大气扰动的全球分布特性，并讨论了与这些分布规律相关的物理过程.统计结果可用于填补MSIS模式和CIRA模式对温度大气扰动的描述，并且对临近空间大气扰动的建模研究以及临近空间大气环境的预报研究具有非常重要的价值.文章第2节给出了数据来源和数据网格化与统计处理方法；第3节描述了温度标准差的分布特性；第4节讨论了温度标准差的精度问题，温度标准差随高度变化的分界层问题，以及温度标准差分布特性的解释；第5节是结论.

TIMED卫星于2001年12月7日发射升空，从2002年1月22日开始获取SABER探测器的观测数据.SABER是一个10通道宽带辐射计，在TIMED卫星沿轨道飞行过程中采用临边测量CO₂的红外辐射信号，在此基础上反演生成低平流层到低热层包括各种大气参量(温度、气压和密度等)的垂直廓线.TIMED卫星轨道高度是625 km，倾角是74.1°，轨道周期为1.6 h.TIMED卫星的轨道沿纬圈缓慢进动，其地方时每天迁移~12 min.每天的观测集中在2个地方时上，由卫星相位(上升/下降)划分，在经圈方向基本均匀分布.其纬度覆盖从一个半球的52°到另个半球的83°，大约每60天变换一次.

本文选用SABER版本V1.07温度数据.该数据在UMLT(Upper Mesosphere and Lower Thermosphere)区域采用非局部热动平衡(non-LTE)算法，其温度数据已经得到验证(Remsberg et al.，2008; García-Comas et al.，2008).Remsberg等(2008)指出，与Envisat卫星上的MIPAS(Michelson Interferometer for Passive Atmospheric Sounding)温度测量、英国气象局的分析资料、地基Rayleigh雷达相比，SABER温度资料在低平流层高1~3 K，在平流层顶附近低~1 K，在中间层的中部低~2 K；在上中间层，SABER温度大体比Rayleigh雷达的观测温度低，其差异是变化的，但与UARS卫星上HALOE(Halogen Occultation Experiment)温度探测的平均差异接近于0；在UMLT，SABER温度剖面与从地基测量的OH和O₂辐射反演的温度及Na雷达的测量结果一致；SABER数据可用于研究中层，尤其是UMLT区域，大气的日—年尺度的变化.100 km以下的数据已经广泛应用于大气科学研究中(Xiao et al.，2009; Xu et al.，2009; Chen and Lü，2009; Pancheva et al.，2010)，是可靠的.因此，本文选用SABER 20~100 km高度范围内的大气温度数据作统计来定量地刻画大气温度扰动，并分析其变化规律.

TIMED/SABER 2002年1月—2013年1月共11年大气温度数据在时间上具有非常好的连续性.根据该数据的特性，数据处理包括数据预处理、数据质量控制、网格化、以及月统计计算.其中，TIMED/SABER观测资料预处理包括资料检索、资料格式检查与错情订正、数据读取与环境要素抽取、资料规格化存储等内容.数据的质量控制主要采用信息范围检查、极值检查、垂直一致性检查和统计学检查进行野值的剔除.

(1)数据网格化处理

数据网格化包括时间上的划分、垂直方向以及水平方向网格的划分.在时间上，以月为单位进行划分.在垂直方向，对于每个探测剖面，在20~100 km高度范围，温度参量采用线性插值，纬度、经度和地方时采用最近点插值的方法，插值间隔为1 km.在水平方向，通过分析数据源在各个月份随经度和纬度的分布特性，为保证每个格点在各个月份都有相对较多统计数(大于100个)，本研究中统计区域纬度限定在50°S—50°N，格距为4°，查找半径为2°，经度范围为0°—360°，格距为5°，查找半径为2.5°.

(2)数学统计

在SABER探测数据的预处理、质量控制和野值剔除以及数据网格化之后，在网格内对数据不计年份，按月份做月统计，计算月平均温度和标准差.在某一纬度φ、经度θ、高度h、月份t，温度平均值和标准差σ的计算如公式(1)和公式(2)所示：

由此，可以得到基于11年卫星观测数值的随纬度、经度、高度和月份变化的大气温度月平均和标准差统计值，纬度范围为50°S—50°N，分辨率为4°；经度范围为0°—360°，分辨率为5°；高度限定在20~100 km，分辨率为1 km；时间是1—12月，分辨率为1月.

网格内平均值表征大气温度的静态缓变气候值，与NRLMSISE-00经验模式的比较结果表明，文中统计得到的平均温度场与模式的总体变化趋势和规律一致，但在具体数值和细节上有些差别，其主要原因是统计数据源的不同，本文的数据来自于近十来年的探测，而且探测精度较高，所得数据可用于统计建模.网格内标准差表征动态瞬变大气扰动量(不含大气定常行星波)，是临近空间复杂多种波动来源和过程的综合作用，包括扰动的年际变化等.本文主要分析和讨论大气温度标准差的全球分布特性.

统计分析结果表明，大气温度标准差的全球分布随高度变化，并且依赖于季节，还具有两半球不对称等特性.图 1给出了115°E大气温度标准差在1月份(代表北半球冬季)、4月份(代表北半球春季)、7月份(代表北半球夏季)、10月份(代表北半球秋季)随纬度和高度的分布，在其他经度上，温度标准差的特性相似.从图 1中可以看到，较低高度上的温度标准差比较高高度上的温度标准差小：20~70 km高度范围的温度标准差一般为1~10 K，70~100 km高度范围的温度标准差一般为10~30 K.等值线在70 km以下较稀疏，表示温度标准差随高度缓慢增加；在70~100 km，尤其是94 km以上，等值线非常密集，表示温度标准差随高度迅速增加；两区域间有个显著的分界层，在第4.1节中将给出更详细的讨论.

图 1

Fig. 1

图 1 温度标准差在115°E随纬度-高度分布(单位：K)，等值线间隔为2 K Fig. 1 Latitude-altitude distribution of temperature standard deviations on 115°E longitude (unit: K). Isoline spacing is 2 K

在20~70 km的较低高度上，冬季半球的温度标准差特征与夏季半球的温度标准差特征有显著的差异，冬季半球的温度标准差比夏季半球大，并且南半球冬季比北半球冬季的温度标准差相对大些.南、北半球在其冬季中高纬地区温度标准差都有2个极值，大约位于40 km以及70 km，北半球对应的数值为10 K和12 K，南半球对应的数值为12 K和15 K，在其他纬度上的温度标准差较小，处于2~6 K的范围.在春秋两季，两半球温度标准差关于赤道对称，随高度逐渐增强，变化范围为2~6 K.

在70~100 km的较高高度上，温度标准差常年较强，冬季/夏季的差异很小.在70~90 km高度范围，1月份和7月份各纬度上的温度标准差相差不大，通常在10~16 K的范围；但在4月份和10月份，赤道附近的温度标准差相对比较大，在4月份可高达20 K.在90 km以上，温度标准差变得很大，普遍在16 K以上，并且赤道附近的温度标准差在各季节都比两半球的温度标准差大.

为了更好地展示温度标准差随经度、纬度的全球分布特性，根据图 1显示的特性，图 2和图 3分别给出了30 km和100 km高度上温度标准差在1月份、4月份、7月份和10月份随经度-纬度的等值线分布图，用于代表较低层和较高层的分布特性.

图 2

Fig. 2

图 2 温度标准差在30 km高度上随经度-纬度的分布(单位：K)，等值线间隔为1 K Fig. 2 Longitude-latitude distribution of temperature standard deviations on 30 km altitude (unit: K). Isoline spacing is 1 K

图 3

Fig. 3

图 3 温度标准差在100 km高度上随经度-纬度的分布(单位：K)，等值线间隔为4 K Fig. 3 Longitude-latitude distribution of temperature standard deviations on 100 km altitude (unit: K). Isoline spacing is 4 K

图 2显示，30 km高度上，温度标准差随纬度的变化比较突出，随经度有一定的变化，主要集中在40°S—50°S和/或40°N—50°N，沿经度方向可看到1个或2个峰值结构.

在1月份，温度标准差的变化范围为1.3～12.8 K；在50°S—30°N区域，温度标准差为4 K以内，随经度基本不变化；在30°N—50°N区域，温度标准差为4 K以上，随经度有变化，出现2个峰值，分别位于50°N上的65°E和265°E，数值分别为12.8 K和11.0 K.在4月份，温度标准差的变化范围为1.5～5.1 K；相对而言，温度标准差在赤道带以及两半球中高纬地区数值较大；在赤道带，温度标准差一般为2～3 K；两半球中高纬地区，温度标准差为2～5 K；温度标准差随经度的变化较小.在7月份，温度标准差的变化范围为1.1～11.7 K；在30°S—50°N区域，温度标准差为4 K以内，随经度变化很小，其中在20°N—50°N区域，温度标准差在经度方向有2个峰值；在30°S—40°S区域，温度标准差为4～8 K，随经度基本不变化；在40°S—50°S区域，温度标准差为5～11.7 K以上，随经度有变化，有1个峰值；50°S带上极小值位于275°E，数值为5.2 K，极大值位于110°E，数值为11.7 K.在10月份，温度标准差的变化范围为1.5～7.4 K；与4月份的分布特征相似，温度标准差在赤道带以及两半球中高纬地区数值相对较大；在40°S—50°S和40°N—50°N区域，温度标准差随经度的变化较显著，有1个峰值结构；50°N上的极小值位于175°E，数值为2.2 K，极大值位于300°E，数值为5.1 K；50°S上的极小值位于120°E，数值为3.4 K，极大值位于340°E，数值为7.4 K.

图 3显示，100 km高度上，温度标准差在各季节都大于16 K，在纬度和经度方向都有显著的变化，低纬地区的温度标准差高于中高纬度地区，冬/夏季较大温度标准差的分布较散，春/秋季较大温度标准差的分布较集中，主要分布在低纬度区域，图中结果显示温度标准差随经度-纬度的分布有许多局地化的小结构.

在1月份，温度标准差的变化范围为17.5～29.3 K；大于22 K的温度标准差主要分布在35°S—40°N区域，随经度有细小结构的变化；赤道附近温度标准差较大，纬圈平均极值位于2°S，大小为25.2 K；两半球分布不对称.在4月份，温度标准差的变化范围为15.6～32.2 K；大于22 K的温度标准差分布较集中，主要分布在15°S—10°N区域，在其他区域，温度标准差普遍为18～22 K；低纬地区随经度可明显地看到4个峰值结构；纬圈平均温度标准差关于2°S南北半球基本对称分布，极值为27.1 K，位于2°S.在7月份，温度标准差的变化范围为16.8～35.5 K；大于22 K的温度标准差主要分布在30°S—50°N区域，在50°S—30°S区域，温度标准差普遍为20～22 K；温度标准差随经度变化复杂，主要呈现细小结构的变化；纬圈平均温度标准差(图形未给出)在26°S—22°N关于2°S呈双峰对称分布，极值位于10°S和6°N，大小分别为26.0 K和26.2 K，2°S的纬圈平均温度标准差为25.5 K.在10月份，温度标准差的变化范围为15.2～35.2 K；大于22 K的温度标准差主要分布在15°S—30°N区域，在其他区域，温度标准差普遍为18～22 K；南北半球随经度分布显著不对称，局部变化明显；在位置(2°N，20°E)和(2°S，300°E)可看到两个极大值，温度标准差分别为32.2 K和35.2K；纬圈平均极值为25.3 K，位于2°S.

(1)仪器引起的测量误差

假设SABER仪器观测所得大气温度的系统误差(accuracy)为ΔT₁，仪器噪声引起的随机误差(precision)为ΔT₂，符合平均值为0，标准差假设为ε的高斯随机分布，则某次观测记为i的温度值与实际大气温度值T_i的关系可表示为：

定义尖括号表示平均，为SABER测量数据的统计标准差，σ为实际大气温度的标准差，则有

因此，

由公式(4)可知，实际大气扰动总量与测量变化量以及仪器噪声有关，与仪器系统误差无关.根据Remsberg等(2008)对ε的估计，由公式(4)可计算“真实”的大气扰动.表 1给出了夏季中纬度的计算结果，其中SABER仪器噪声误差数据来自于文献(Remsberg et al.，2008)中的表 1和表 2，以38°N，115°E，8月份为例，计算得到了真实大气的扰动σ.与SABER数据的统计值相比，在80 km高度以下，差异非常小，在80~100 km高度范围略有差异，偏差百分比的绝对数值范围为1.891%~5.439%.因此，本研究中，仪器噪声引起的误差相对很小，可以忽略，计算所得的测量变化量与实际大气扰动差别不大.

表1(Table 1)

表 1 8月份，38°N，115°E的ε、及σ Table 1 ε， and σ on 38°N, 115°E in August Altitude (km) 21 (50 hPa) 32 (10 hPa) 41 (3 hPa) 48 (1 hPa) 55 (0.4 hPa) 64 (0.1 hPa) 80 85 90 95 100 ε (K) 0.1 0.1 0.1 0.2 0.3 0.5 1.8 2.2 3.6 5.4 6.7 (K) 1.8 1.7 2.9 3.7 4.7 5.2 9.3 10.9 16.5 16.6 23.3 σ(K) 1.797 1.697 2.898 3.695 4.690 5.176 9.124 10.676 16.103 15.697 22.316 偏差(%) -0.154 -0.173 -0.060 -0.146 -0.204 -0.463 -1.891 -2.058 -2.409 -5.439 -4.224

表 1 8月份，38°N，115°E的ε、及σ Table 1 ε， and σ on 38°N, 115°E in August

表2(Table 2)

表 2 70 km高度，38°N，115°E的N、及 Table 2 N， and on 70 km altitude, 38°N, 115°E Month 1 2 3 4 5 6 7 8 9 10 11 12 N 183 161 176 207 205 153 204 228 173 162 167 226 (K) 10.5 10.8 8.5 5.9 6.9 6.1 8.8 8.2 5.6 7.3 12.0 13.7 (K) 0.55 0.60 0.45 0.29 0.34 0.35 0.44 0.38 0.30 0.41 0.66 0.65

表 2 70 km高度，38°N，115°E的N、及 Table 2 N， and on 70 km altitude, 38°N, 115°E

(2)有限观测点数引起的抽样误差

由于用于统计格点上的观测点数是有限的，其统计所得的量，即格点上的平均值和标准差指的是基于该观测样本数上的统计量，是样本平均值与样本标准差，是总体均值的无偏估计，存在抽样误差，称作标准误差.样本平均值、样本标准差的标准误差分别可由公式(5)和(6)作估计(Evans et al.，1993; Lehmann and Casella，1998; Ahn and Fessler，2003).

其中，N是网格内统计的数据点数.

文中数据统计采用了11年的观测数据，网格内数据量相对较多，最大的统计数为664，最小的统计数为98，因此由公式(6)计算得到的格点上样本标准差的标准误差不大，在绝大多数情况下是可以忽略的.统计数据点在高度方向基本不变，在经度方向全部覆盖且分布较均匀，随纬度和月份变化较大.表 2作为个例给出了70 km，38°N，115°E处N、及在各个月份的数值.从表 2可以看到，的变化范围为0.29~0.66 K，相对于值可忽略.

综合误差的分析可见，SABER仪器引起的测量误差比统计标准差小很多，有限观测点数引起的抽样误差也可忽略不计，因此，文中用网格内的温度统计标准差来表征大气总扰动是可行的，所得到的统计数据和结果是可靠的.

从图 1上我们看到，温度标准差在70 km以下较小，随高度的增加增大的较缓慢，在90 km以上，温度标准差随高度迅速增加.图 4更直观地给出了4月份，38°N，115°E温度标准差随高度的增加趋势，随高度标准差增加的速度可用分段线性拟合表示，采用的数据分别为20~70 km和94~100 km.两条拟合线的交点在85 km附近.

图 4

Fig. 4

图 4 温度标准差在4月份，38°N，115°E的垂直廓线(黑实线) 黑虚线是拟合线. 灰色虚点线是波动线性理论下振幅随高度的变化. Fig. 4 Temperature standard deviations in April, at 38°N, 115°E (black solid line) Black dash lines are the fitted line. Grey dash-dot lines give the vertical profiles of amplitude under linear wave theory.

根据波动线性理论，大气波(例如，行星波、重力波等)垂直向上传播，振幅呈指数增加，如公式(7)所示(Holton and Alexander，2000)：

其中A为振幅，z为高度，z₀为参考高度，A₀为参考高度上的振幅，H为标高.由于温度标准差σ可用于表征波动活动，因此在线性理论下σ随高度的变化形式也如公式(7)所示，图 4中灰色虚点线条给出了几个示例.与图中黑色实线相比较，在较低高度范围(20~70 km)变化趋势符合得不好，理论情况下较实际σ扁平；但在较高高度范围(94~100 km)变化趋势几乎一致，σ近乎呈指数增加，两高度的分界层大约位于85 km(图 4中的正方形框).Offermann等(2006，2009)把该分界面称作“wave-turbopause”.其中可能的机制是，大气波包在上下两个高度范围内的传播/耗散过程不同，还可能具有不同波动参数(频率、波长、相位、振幅等)的波模.有观测和模拟研究表明，对于低层大气向上传播的重力波，在80~90 km达到最大值会饱和破碎衰减，即所谓的临界层吸收(Yi et al.，1991)，在临界层之上仍有部分重力波继续上传，同时波包破碎后可能会激发次级波，由中间层向低热层传播的重力波，衰变过程和传播过程可以同步完成(易帆，1998；刘晓等，2007).

临近空间大气中主要的波动过程包括大气重力波、定常行星波、传播性行星波、以及大气潮汐.本文的全球网格化统计的平均温度中包含了随经度变化的定常行星波特性(Xiao et al.，2009)，网格内温度标准差σ主要由大气重力波、传播性行星波、以及大气潮汐引起的波扰动.SABER仪器采用的是临边扫描，沿视线方向积分的方式，可观测的最小水平波长受限，其受限程度随垂直波长以及水平波矢量与视线方向的相对情况而变化.Preusse等(2008)分析了临边探测仪器的观测范围，典型可观测到的波动的水平尺度是大于100~200 km.因而，小尺度重力波以及湍流等其他小尺度过程对网格内标准差的贡献非常小.

本文结果显示，在70 km以下，温度标准差相对高层较小，主要出现在冬季半球的中高纬地区，且南半球冬季的标准差比北半球冬季的标准差大(图 1)，春秋季中高纬及赤道区域的标准差较大，介于冬季与夏季之间(图 2)；在70~100 km高度范围，温度标准差的分布特性与70 km以下有很大的不同，在全球的各个季节都比较大，尤其是在赤道区域，特别是春秋季节，温度标准差可高达35 K(图 1和图 3).Preusse等(2009)基于SABER 2002—2006年共4年的温度数据利用卡尔曼滤波的方法得到了20~100 km高度范围内垂直波长为5~50 km大气重力波的变化特性(需要注意的是，文献中图形采用的是重力波振幅(A)平方的分贝值(dB)，即dB=20lgA)；张云等(2011)也曾基于8年SABER的温度数据分析得到了20~70 km垂直波长为2~10 km重力波的全球分布特性；Xiao和Hu(2010)基于COSMIC数据分析和讨论了20~35 km高度上垂直波长为2~10 km重力波的全球分布和来源.他们的结果显示，大气重力波随季节、高度、纬度、经度的变化特性与文中统计的大气总扰动量的分布规律主要特征相似，由此表明，大气重力波是引起大气总扰动量的主要波动来源.然而，文献中大气重力波可引起的扰动量比图 1—3的数值小.例如，从Preusse等(2009)图 5、图 7和图 9的结果可以得到，在7月份，(50°S，115°E)，28 km、40 km、50 km、70 km，以及赤道95 km高度上对应的大气重力波的幅度约为5.6 K、8 K、12.6 K、15.8 K、31.6 K，其可引起的标准差扰动量约为(振幅除以2)4 K、5.6 K、8.9 K、11.2 K、22.4 K，而图 1显示对应的大气总扰动量分别为8.9 K、12.1 K、10.2 K、15.9 K、25.9 K.总扰动量与大气重力波可引起的差异量分别为4.9 K、6.5 K、1.3 K、4.7 K、3.5 K.因此，图 1—3中大气总的扰动量中除了垂直波长为5~50 km的大气重力波外，必然还有其他重要的来源.

由于临边观测仪器的局限而不能够测量的较短波长的扰动不是这个差异的来源，因为本文统计所用的数据与Preusse等(2009)采用的是相同的数据，受到相同的观测限制.张云等(2011)给出的平流层垂直波长为2~10 km的大气重力波也可引起几开尔文量级的标准差扰动量，这说明垂直波长5 km以下的大气重力波可能是引起平流层差异量的一个原因.此外，传播性行星波也可能是引起平流层扰动的一个重要来源.Chen和Lü(2009)利用SABER/TIMED温度数据考察了20~70 km高度范围传播性行星波活动特性，结果显示无论在热带外地区或以赤道为中心的热带地区，全年传播性行星波活动都是相当显著的，在热带外地区，传播性波动和定常波动表现出相近的季节活动性.图 2中看到的在冬季以及春秋季中高纬地区温度标准差随经度变化的1个或者2个峰值结构可能与大气传播性行星波有关.

对于中间层，有研究表明，垂直波长5 km以下的大气重力波的贡献很小(Smith et al.，1987; Ern et al.，2006)，表明垂直波长5 km以下的大气重力波不是引起中间层差异量的主要因素.在各种传播性行星波成分中，准2天波和准6.5天波是其中最强的成分.强的准2天波通常出现在夏季半球的中高纬地区，主要位于70 km以上，在温度扰动中的最大振幅可达16.8 K，70 km以下冬季中高纬度地区也有幅度为几开尔文的波动(Huang et al.，2013).6.5天波的波振幅随着高度的增加而增大，最大的波振幅可能出现在80~90 km和105~110 km，最大增幅可达约15 K(Pancheva et al.，2010).对大气潮汐波的研究结果表明，在70 km以下振幅很小，对总扰动量的贡献小；在UMLT振幅比较大，尤其是在赤道附近，典型的数值是10~15 K(Zhang et al.，2006).这些结果表明，在UMLT(70~100 km)区域，除了大气重力波以外，大气准2天波和准6.5天的传播性行星波、大气潮汐波是引起大气总扰动量的重要来源.假设各波动是随机的，则网格内σ_cal可以表达成：

其中，下标表示不同的波动: gw表示重力波，tide表示潮汐波，tpw-2表示准2天传播性行星波，tpw-6.5表示准6.5天传播性行星波.按照30 K、15 K、15 K、15 K的振幅计算(σ相当于波动振幅除以√2)，则σ_cal=28.1 K，与图 3中100 km高度上的温度标准差相当.因此，可以推断，大气重力波是引起该区域大气总扰动量的主要扰动来源，大气潮汐波、传播性行星波(准2天、准6.5天)也有重要贡献.图 3中看到的温度标准差随经度变化的结构特征可能是受大气传播性行星波以及非迁移性潮汐的影响.春季100 km热带的4个峰值结构可能主要与非迁移性潮汐DE3有关(Chen and Lü，2009).

针对临近空间全球大气扰动的定量描述这一难题，本文创新性地提出基于大量卫星实测数据通过全球网格化及在网格内作数学统计的方法，并把该方法应用于TIMED/SABER 2002年1月至2013年1月共11年的卫星温度探测数据，得到了：纬度50°S—50°N，分辨率为4°；经度0°—360°，分辨率为5°；高度20~100 km，分辨率为1 km；时间1—12月，分辨率为1月网格内的温度平均值和标准差.网格内平均值表征大气温度的静态缓变气候值，标准差表征动态瞬变大气扰动量(不含大气定常行星波).这些统计结果可用于填补MSIS和CIRA等模式对温度大气总扰动的描述，对临近空间大气扰动的建模研究以及临近空间大气环境的预报研究具有非常重要的价值.

通过定量分析和讨论温度标准差的分布规律，结果表明：

(1)SABER仪器引起的测量误差比统计标准差小很多，有限观测点数引起的抽样误差也可忽略不计，文中用网格内的温度统计标准差来表征大气总扰动是可行的，所得到的统计数据和结果是可靠的.

(2)温度标准差随高度变化有个显著的分界层，通常位于70~90 km的高度上.大气波动在上下两个高度层的传播/耗散机制可能不同，大气总扰动在分界层以下高度呈线性增加，在分界层以上近乎呈指数增加.

(3)在20~70 km的较低高度上，温度标准差一般为1~10 K，有显著的冬季/夏季的差异，冬季的温度标准差比夏季大，并且南半球的冬季比北半球的冬季稍大，春秋两季南北半球温度标准差关于赤道对称，随高度逐渐增强，变化范围为2~6 K.温度标准差随经度有一定的变化，主要集中在40°S—50°S和/或40°N—50°N，呈现1个或者2个峰值结构.大气重力波是该高度范围温度标准差的主要扰动来源，同时大气传播性行星波也有一定的贡献.

(4)在UMLT(70~100 km)高度上，温度标准差常年较强，一般为10~30 K，冬季/夏季的差异小，低纬地区的温度标准差高于中高纬地区，温度标准差随经度的分布较复杂，呈现许多局地化的小结构.这个特性主要是由大气重力波扰动引起的，同时，大气潮汐波、传播性行星波(准2天、准6.5天)也是引起UMLT区域大气总扰动量的重要扰动来源.