基于CALIOP数据的海雾检测方法研究*

赵经聪， 吴 东，2**， 赵耀天

(1.中国海洋大学信息科学与工程学院，山东 青岛 266100；2.青岛海洋科学与技术国家实验区域海洋动力学与数值模拟功能实验室，山东 青岛 266200)

基于CALIOP数据的海雾检测方法研究*

赵经聪1， 吴 东1，2**， 赵耀天1

(1.中国海洋大学信息科学与工程学院，山东 青岛 266100；2.青岛海洋科学与技术国家实验区域海洋动力学与数值模拟功能实验室，山东 青岛 266200)

提出了一种基于星载激光雷达CALIOP数据检测海雾的方法。通过对比分析不同条件下低云和低空气溶胶的衰减后向散射特性,以及研究CALIOP海表误判区的衰减后向散射特性，发现了海表误判区其实是一种与海表相接的云，即海雾。继而，通过反演海表误判区的消光系数和能见度，发现98%以上海表误判区的消光系数低于1 km，对该方法进行了检验验证。本文所提出的海雾检测方法丰富了海雾案例选取途径，拓展了海雾样本点来源，对研究海雾特性具有积极意义。

CALIOP； 海雾； 云； 气溶胶； 衰减后向散射

海雾作为一种灾害性天气现象长久以来影响着人类的海上活动，因此在20世纪初就已经有学者对海雾开展了研究。1924年，Koschmieder提出的Koschmieder定律是大气能见度研究历史进程中一个重要的里程碑, 该定律将能见度与大气消光系数联系起来, 成为后来计算大气能见度的物理基础[1]。随着技术的创新与发展，1960年美国发射了第一颗气象卫星“泰勒斯”号，自此之后卫星遥感逐步成为了人类观测研究大气和海洋的重要手段。可是，各国利用卫星数据对海雾的研究却没有随着气象卫星的成功发射而立刻开展，直至1970年代，才开始有国外学者利用遥感方法进行雾的研究和预报。1973年，Hunt等从理论上计算了像雾、低云这类的不透明水云在远红外波段和中红外波段的比辐射率，得出云雾这类目标物亮温的差异[2]。1984年，Eyre等根据Hunt的理论，尝试使用NOAA/AVHRR第3和第4通道的亮温差检测夜间大雾[3]，之后又有许多学者[4-5]对此方法进行了研究，最终使得该方法发展为目前唯一用于业务化夜间雾检测的双通道差值法。1995年，Bendix利用了AVHRR中通道3和4的数据对发生在1993年2月德国科隆和亚琛两地之间的两次大雾进行了数据反演，根据光学厚度和几何厚度推算出了大气能见度，这为之后的卫星数据反演海雾能见度提供了重要的理论依据[6]。2005年，Bendix等提出了一种应用MODIS日间数据探测地面雾的可能性的研究[7]。2005年，吴晓京等研究表明，当假设一个视力正常的观察员在绿光(0.55 μm) 照射下,以天空为背景观察足够大的黑体目标时，ε=0.02 ，提出了能见度与消光系数的简化公式[8]。2009年，张纪伟等人在区域增长法的基础上研究了黄海海雾的检测机制，并根据检测结果对海雾的诸多特征量如光学厚度、雾顶高度、能见度等进行了反演[9]。

1981年，Klett等提出了应用激光雷达数据反演消光系数的方法[10]。1984年，Fernald等在计算中引入激光雷达比，提出了应用激光雷达反演消光系数的方法[11]。1995年，StuartA.Young等应用激光雷达分析了光学薄云的后向散射剖面，提出了光学厚云以及光学薄云消光系数的计算方法[12]。1999年，Stoelinga和Warner提出了目前海雾数值研究工作中普遍采用的根据消光系数计算大气水平能见度的公式[13]。相比于常规卫星遥感，应用星载激光雷达研究海雾起步要晚一些。2006年，CALIPSO卫星成功发射，其星载激光雷达CALIOP至今已成功运行10年，积累了大量全球云和气溶胶的探测数据[14]。2007年，胡永祥等应用MODIS数据和CALIPSO二级数据，提出了反演低云云顶平均消光系数、液态水路径、液滴数密度的方法[15]。2010年，Li等提出了一种基于CALIOP拖尾信号反演水云消光系数的新方法，并与胡永祥提出的方法做了对比[16]。2011年，吴东等人在一年CALIOP数据的基础上，对全球范围的云体出现概率进行了统计分析，并与MODIS的计算结果对比，发现使用CALIOP检测到的云体出现概率相较MODIS更大[17]。2012年，Cermak等人使用METEOSAT SEVIRI卫星数据分析了非洲西南沿岸附近海域的海雾和低云时空分布，并采用CALIOP云层产品资料进行对比验证，这是首次将星载激光雷达资料配合传统卫星遥感资料应用于海雾研究[18]。2013年魏书晓等人使用CALIOP后向散射系数数据筛选了海雾区域，并将CALIOP判定的海雾区域应用于MODIS海雾遥感研究，通过改进阈值和区域增长的方法的进行了海雾的识别[19]。2015年，卢博使用阈值法筛选CALIOP海表误判区中的海雾，并将其作为海雾样本点应用于MODIS遥感海雾检测[20]。2015年，吴东等使用CALIPSO一级和二级数据利用阈值法筛选海雾区域，并将其应用于提高以MODIS为基础的海雾探测上[21]，然而其方法却失去了低于阈值的海雾区域，忽视了海雾样本点的整体特性。

本文对比分析研究1 km以下不同条件下低云和低空气溶胶的衰减后向散射特性,研究CALIOP海表误判区的衰减后向散射特性、消光系数和能见度, 期望改进基于星载激光雷达数据的海雾检测方法。

1 理论方法

2006年，由美国航空航天局NASA和法国国家航天中心CNES联合研制的云-气溶胶激光雷达和红外探测观测卫星CALIPSO成功发射。CALIPSO轨道高度705 km，每绕地球一圈96 min，每16天覆盖探测一遍全球大气的三维信息。云和气溶胶探测激光雷达CALIOP搭载于CALIPSO卫星上。Level 1数据产品可提供532 nm通道和1 064 nm通道的一系列衰减后向散射剖面，并且在海拔8.2 km以下具有30 m的垂直分辨率。Level 2 数据产品Vertical feature mask(VFM)描绘了云、气溶胶的水平分布和垂直分布，然而CALIOP至今没有海雾的产品。

雾是指由于微小的水滴(或冰晶)悬浮在接近地面的大气中，使大气水平能见度小于1 km 的一种天气现象[22]。海雾则是指在海洋影响下出现在海上(包括岸滨和岛屿)的雾[23]。本文所说的海雾是指所有出现在海面上的雾。雾和云都是水汽凝结的产物，可以说雾升高离开地面或者海面后就成为了云，而云降低到地面或者海面后就成为了雾。

然而对于海雾这种与海表相接、无法计算其层底边界高度的大气目标物，CALIOP会把它和下层相邻的目标物归为一类，即CALIOP会把海雾归类为海表，从而造成了海表的误判现象[20-21]。

以2012年3月28日MODIS监测到的一次海雾事件为例[24]，对海表误判现象加以说明。图1是MODIS 1，4，3通道数据RGB三色组合图，图2为CALIPSO卫星沿该黄线轨迹的VFM图像。从图2中可以看出在33°N～40°N区间内CALIOP判断的海表面超出海平面50 m以上，存在海表误判现象。

(图中黄线表示CALIPSO卫星划过的轨迹。The yellow line represents the ground-track of collocated CALIPSO orbit.)

图1 2012年3月28日(世界时间)的MODIS 1，4，3 通道 RGB 云图
Fig.1 The RGB image is a combination of Aqua-MODIS bands 1,4,3 on March 28,2012

图2 2012年3月28日VFM剖面图Fig.2 Feature types on March 28,2012 from CALIOP level 2 VFM data

吴东等认为，CALIOP海表误判区除了海雾也有可能是气溶胶[21]。为了区分海雾和气溶胶，吴东等统计分析了低云以及低空气溶胶在532 nm通道的衰减后向散射特性，判定采样点衰减后向散射系数大于阈值(0.03 km-1·sr-1)的即为海雾。采用阈值法仅选择衰减后向散射系数大于阈值的样本点，一方面丢失了低于阈值的海雾区域，减少了海雾样本点；另一方面忽视了对海雾整体特性的把握，所选样本点并不能真实反映海雾整体特性。

CALIOP在探测云和气溶胶时，有效光学厚度(ητ)的极限为3[25]。有效光学厚度大于这个极值的云和气溶胶层对于CALIOP是不可透的。然而，边界层云的有效光学厚度往往大于该极限值。显然，不可透部分的衰减后向散射数据是不准确的，不适合用于研究云和气溶胶的特性。一般而言，不可透水云有效光学厚度小于该极值(ητ<3)的探测范围与云顶下100 m的探测深度相符合[16]。

本文在分析研究1 km以下不同条件下低云和低空气溶胶的衰减后向散射特性时,着重统计分析层顶下 90 m 3个采样单元(bin)的数据。研究CALIOP海表误判区的衰减后向散射特性以及反演海表误判区的消光系数和能见度, 开展基于星载激光雷达数据的海雾检测方法的研究。所用数据为Level 1数据和VFM数据。

2 实验结果

选取了和卢博相同的黄海2007—2012年35次海表误判案例[20]，分别统计分析了海表误判区附近1 km以下整层云和气溶胶的衰减后向散射特性，得到了云和气溶胶在532 nm通道和1 064 nm通道衰减后向散射统计分布，色比统计分布以及532 nm通道退偏比统计分布，结果与卢博的相同，如图3所示。

((a) 532 nm通道衰减后向散射系数概率分布。The statistical distributions of 532 nm layer-integrated attenuated backscatters；(b) 1 064 nm通道衰减后向散射系数概率分布。The statistical distributions of 1 064 nm layer-integrated attenuated backscatters；(c) 色比概率分布。The statistical distributions of layer-integrated color ratio；(d) 532 nm通道退偏比概率分布。The statistical distributions of 532 nm layer-integrated depolarization ratio.)

图3 整层云和气溶胶衰减后向散射特性
Fig.3 The statistical distributions of layer-integrated attenuated backscatter

从图3可以看出，不论是在532 nm通道还是1 064 nm通道，或是色比、退偏比，云和气溶胶的统计分布都存在较大差异：在532和1 064 nm通道云和气溶胶衰减后向散射系数的分布范围、极值点位置、极值点大小都不相同；就色比统计分布而言，云和气溶胶极值点位置和极值点大小也不尽相同；虽然云和气溶胶退偏比统计分布的分布范围、极值点位置都很相似，但是极值点大小却存在明显不同。

考虑到CALIOP能探测的云和气溶胶有效光学厚度极限问题，进一步统计了上述区域云和气溶胶层顶下3个bin(90 m)范围内衰减后向散射特性，以及海表误判区的衰减后向散射统计特性(见图4)。

从图4可以看出，海表误判区与低云在532 nm通道和1 064 nm通道衰减后向散射系数统计分布、色比统计分布、退偏比统计分布的分布范围、极值点位置、极值点大小以及分布曲线的形状都十分接近，而与低空气溶胶的有明显区别。因此，本文认为海表误判区可以看作是海雾。

((a) 532 nm通道衰减后向散射系数概率分布。The statistical distributions of 532 nm attenuated backscatters;(b) 1064 nm通道衰减后向散射系数概率分布。The statistical distributions of 1064 nm attenuated backscatters;(c) 色比概率分布。The statistical distributions of color ratio;(d) 532 nm通道退偏比概率分布。The statistical distributions of 532 nm depolarization ratio.)

图4 云和气溶胶层顶下3个bin范围内以及海表误判区衰减后向散射特性
Fig.4 The statistical distributions of 3 bins attenuated backscatter under the top

另外，通过对比图3和4可以看出，整层气溶胶和层顶下3个bin范围内气溶胶衰减后向散射特性一致，而整层云和云顶下3个bin范围内云的衰减后向散射特性存在较大差别。根据上文中的理论分析，认为图4较准确的反应了云和气溶胶真实的衰减后向散射特性。

3 实验验证

由于雾的水平能见度小于1 km[22]，以下通过反演海表误判区的能见度来验证海表误判区是否为海雾，为此，需先求解海表误判区的消光系数。

由于CALIOP探测器瞬时响应并不理想，对于强散射信号存在明显的拖尾现象[26-28]，本文采用了Li的方法校正衰减后向散射系数和计算消光系数[16]。瞬时响应函数表示为：

(1)

然后通过去卷积求得衰减后向散射的准确值。考虑到多次散射的影响，消光系数可以表示为[16]：

(2)

其中：σ为云顶部的平均消光系数；r为云顶内的距离；η为多次散射因子；β0为水云内衰减后向散射峰值。

根据地面气象观测规范的规定，气象能见度定义为在当时的天气条件下，视力正常的人能够从天空背景中看到和辨认出目标物(黑色，大小适度)的最大水平距离。气象能见度由大气的消光系数决定[9]。对于在水平方向上均匀的大气来说，其能见度由Koschmieder公式[1]表示为：

(3)

一个视力正常的人以天空为背景观察足够大的黑体目标时，ε=0.02，则能见度可以简化为[8]：

(4)

尽管实际情况下上述条件并不能全部满足，但是一般而言，公式(4)计算的能见度误差在+10%以内[9]。

根据上述方法，计算得到黄海2007—2012年35次海表误判区域，共9 731个采样点的消光系数和能见度分布分别如图5所示。

图5 35次海表误判事件的消光系数分布和能见度分布Fig.5 The extinction coefficient and visibility statistical distributions of 35 times sea surface misjudged

在此基础上，本文选取了2011年黄海103次海表误判现象，使用上述相同方法计算得到了共7 470个采样点的消光系数和能见度分布，分别如图6所示。由于能见度大于1 km的数据点仅占全部能见度数据点的0.8%，所以予以忽略，仅展现能见度低于1 km的数据点的消光系数和能见度分布情况。

4 结语

本文对比分析研究了不同条件下低云和低空气溶胶的衰减后向散射特性,研究CALIOP海表误判区的衰减后向散射特性，发现了海表误判区与云的衰减后向散射特性相一致，得出了海表误判区是海雾的结论。本文将反演云能见度的方法应用于反演海雾能见度，通过反演海表误判区的消光系数和能见度，发现海表误判区的能见度小于1 km的区域所占比例多于99%，进一步验证了海表误判区是海雾的结论。

图6 2011年184次海表误判事件的消光系数分布和能见度分布Fig.6 The extinction coefficient and visibility statistical distributions of 184 times sea surface misjudged in 2011

本文通过对CALIOP海表误判区特性的分析提出了一种新的海雾检测方法，丰富了海雾案例选取途径，为研究海雾特性拓展了样本点来源。

致谢：感谢NASA的兰利研究中心ASDC提供的CALIOP激光雷达数据。

[1] Koschmeider H. Therie der horizontalensichtweite[J]. Beitr Phys Freien Atm, 1924(12)： 53-56.

[2] Hunt G E. Radiative properties of terrestrial clouds at visible and infra-red thermal window wavelengths[J]. Quarterly Journal of the Royal Meteorological Society, 1973, 99(420): 346-369.

[3] Eyre J R, Brownscombe J L, Allam R J. Detection of fog at night using Adavance Very High Resolution Radiometer (AVHRR) imagery[J]. Meteorological Magazine, 1984, 113(1346): 266-271.

[4] Turner J, Allam R J, Maine D R. A case-study of the detection of fog at night using channels 3 and 4 on the Advanced Very High-Resolution Radiometer (AVHRR)[J]. Meteorological Magazine, 1986, 115(1370): 285-290.

[5] d'Entremont R P. Low-and midlevel cloud analysis using nighttime multispectral imagery[J]. Journal of Climate and Applied Meteorology, 1986, 25(12): 1853-1869.

[6] Bendix J. Determination of Fog Horizontal Visibility by Means of NOAA-AVHRR[C]. [s. l]: Geoscience and Remote Sensing Symposium, 1995, 3: 1847-1849.

[7] Bendix J, Thies B, Cermak J, et al. Ground fog detection from space based on MODIS daytime data—A feasibility study[J]. Weather & Forecasting, 2005, 20(6): 989-1005.

[8] 吴晓京, 陈云浩, 李三妹. 应用MODIS数据对新疆北部大雾地面能见度和微物理参数的反演[J]. 遥感学报, 2005, 9(6): 688-696.

Wu X J, Chen Y H, Li S M. Utilizing MODIS data to retrieve the visibility and microphysical properties of fog happens in the Northwest China[J]. Journal of Remote Sensing, 2005, 9(6): 688-696.

[9] 张纪伟, 张苏平, 吴晓京, 等. 基于MODIS的黄海海雾研究——海雾特征量反演[J]. 中国海洋大学学报: 自然科学版, 2009(S1): 311-318.

Zhang J W, Zhang S P, Wu X J, et al. The research on Yellow Sea seafog based on MODIS data: sea fog properties retrieval and spatial-temporal distribution[J]. Periodical of Ocean University of China, 2009(S1): 311-318.

[10] Klett J D. Stable analytical inversion solution for processing lidar returns. [J]. Applied Optics, 1981, 20(2): 211-20.

[11] Fernald F G. Analysis of atmospheric lidar observations: some comments[J]. Applied Optics, 1984, 23(5): 652-653.

[12] Young S A. Analysis of lidar backscatter profiles in optically thin clouds[J]. Applied Optics, 1995, 34(30): 7019-7031.

[13] Stoelinga M T, Warner T T. Nonhydrostatic, mesobeta-scale model simulations of cloud ceiling and visibility for an east coast winter precipitation event[J]. Journal of Applied Meteorology, 1999, 38(38): 385-404.

[14] Winker D M, Pelon J, Coakley J A J, et al. The CALIPSO mission: A global 3D view of aerosols and clouds[J]. Bulletin of the American Meteorological Society, 2010, 91(9): 1211-1229.

[15] Hu Y, Vaughan M, Mcclain C, et al. Global statistics of liquid water content and effective number density of water clouds over ocean derived from combined CALIPSO and MODIS measurements[J]. Atmospheric Chemistry & Physics, 2007, 7(12): 3353-3359.

[16] Li J, Hu Y, Huang J, et al. A new method for retrieval of the extinction coefficient of water clouds by using the tail of the CALIOP signal[J]. Atmospheric Chemistry & Physics, 2010, 11(6): 2903-2916.

[17] Dong W, Hu Y, McCormick M P, et al. Global cloud-layer distribution statistics from 1 year CALIPSO lidar observations[J]. International Journal of Remote Sensing, 2011, 32(5): 1269-1288.

[18] Cermak J. Low clouds and fog along the South-Western African coast—Satellite-based retrieval and spatial patterns[J]. Atmospheric Research, 2012, 116(8): 15-21.

[19] 魏书晓. 星载激光雷达在基于MODIS海雾检测中的应用[D]. 青岛： 中国海洋大学, 2013.

Wei S X. Application of CALIOP in MODIS-Based Sea Fog Detection[D]. Qingdao： Ocean University of China, 2013.

[20] 卢博. CALIOP海雾检测及其在MODIS日间海雾遥感中的应用[D]. 青岛： 中国海洋大学, 2015.

Lu B. CALIOP Sea Fog Detection and Its Application to the Daytime MODIS Remote Sensing of Sea Fog[D]. Qingdao： Ocean University of China, 2015.

[21] Wu D, Lu B, Zhang T, et al. A method of detecting sea fogs using CALIOP data and its application to improve MODIS-based sea fog detection[J]. Journal of Quantitative Spectroscopy & Radiative Transfer, 2015, 153: 88-94.

[22] Oliver, Lewellen, Williamson. The interaction between turbulent and radiative transport in the development of fog and low-level stratus[J]. Journal of Atmospheric Sciences, 1978, 35(2): 301-316.

[23] 王彬华. 海雾[M]. 北京：海洋出版社, 1983.

Wang B H. Sea Fog[M]. Beijing: Ocean Press, 1983.

[24] 徐杰, 过霁冰, 黄宁立. 2012年3月28日海雾过程分析及数值预报释用[C]. 上海: 长三角气象科技论坛, 2012.

Xu J, Guo J B, Huang N L. The Sea Fog Process Analysis and Mathematical Forecast on March 28, 2012[C]. Shanghai: Yangtze River Delta Meteorological Science and Technology Forum, 2012.

[25] Hu Y, Vaughan M, Liu Z, et al. Retrieving optical depths and lidarratios for transparent layers above opaque water clouds from CALIPSO lidarmeasurements[J]. IEEE Geoscience & Remote Sensing Letters, 2007, 4(4): 523-526.

[26] Hu Y, Powell K, Vaughan M, et al. Elevation information in tail (EIT) technique for lidar altimetry[J]. Optics Express, 2007, 15(22): 14504-14515.

[27] Mcgill M J, Vaughan M A, Trepte C R, et al. Airborne validation of spatial properties measured by the CALIPSO lidar[J]. Journal of Geophysical Research Atmospheres, 2007, 112(D20): 365-371.

[28] Hunt W H, Winker D M, Vaughan M A, et al. CALIPSO lidar description and performance assessment[J]. Journal of Atmospheric & Oceanic Technology, 2009, 26(7): 1214-1228.

AMethodforSeaFogDetectionUsingCALIOPData

ZHAO Jing-Cong1， WU Dong1,2, ZHAO Yao-Tian1

(1.College of Information Scienceand Engineering, Ocean University of China, Qingdao 266100, China; 2.Laboratory for Regional Oceanography and Numerical Modeling,Qingdao National Laboratory for Marine Science and Technology,Qingdao 266200,China)

A method for sea fog detection using the measurement data acquired by the Cloud-Aerosol Lidar with Orthogonal Polarization (CALIOP) aboard the Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observation (CALIPSO) satellite is proposed in this paper.The characteristics of the backscattersoflow clouds and low aerosols under two different conditions were analyzed.The statistics of 3 bins below cloud top expresse the real characteristics of backscatters preferably. However, there is no difference for aerosol under the two conditions.Then the characteristic of backscatter for misjudgedsea surface is analyzed and compared with cloud and aerosol. It makes out that the misjudged sea surface is a kind of cloud whose base is attached with sea surface.Summarily the misjudged sea surface is sea fog.In order to verify this conclusion, extinction coefficient and visibility of sea surface which is misjudged were retrieved. It turned out that only 1.95 percent of visibility is greater than 1 kilometer and most of visibility is less than 0.3 kilometer. So it reachesa conclusion that the misjudged sea surface is sea fog. The method of sea fog detection proposed in this paper has enriched the way to detect sea fog and made a difference on researching characteristics of sea fog.

CALIOP; sea fog; cloud; aerosol; backscatter

P407.5

A

1672-5174(2017)12-009-07

责任编辑 庞 旻

10.16441/j.cnki.hdxh.20170002

赵经聪，吴东，赵耀天.基于CALIOP数据的海雾检测方法研究[J].中国海洋大学学报(自然科学版), 2017, 47(12): 9-15.

ZHAO Jing-Cong, WU Dong, ZHAO Yao-Tian. A method for sea fog detection using CALIOP data[J].Periodical of Ocean University of China, 2017, 47(12): 9-15.

国家自然科学基金项目(41376180)资助

Supported by the National Natural Science Foundation of China(41376180)

2017-01-03；

2017-02-27

赵经聪(1990-)，男，硕士生。

** 通讯作者： E-mail：dongwu@ouc.edu.cn