基于FY-2E卫星数据的福建沿海海雾遥感监测

张春桂， 林炳青

(福建省气象科学研究所，福州 350001)

0 引言

狭义上来讲，海雾是指在海洋和海面气流特定环境条件影响下发生在海上、岸滨和岛屿上空低层大气中的一种水汽凝结现象。海雾以暖湿空气平流到较冷海面上产生的平流雾最为常见，具有浓度大、厚度厚、范围广、持续时间长，以及季节性、区域性特点强而生消时间规律性差的特点。从广义上来看，海雾就是“海上的雾”，但必须指出的是那些在陆地上生成并随天气系统移动或者扩展到海上的雾一般不列入海雾的范畴。海雾对海上交通运输、船舶进出港、海洋养殖、渔业捕捞生产等的危害非常大，会对沿海地区的交通、农业、电力、空气质量等产生一定影响，如每年雾季沿海机场经常出现飞机返航、迫降现象，正常的公路交通运输活动会受到严重影响； 持续的大雾还会使沿海地区的农作物受害，造成农作物减产； 海雾中各种化学成分的积累还可能导致电网跳闸而中断电力输送； 大气污染物与海雾雾滴相互作用不仅污染大气，还能转化成酸雾，对人体健康造成严重危害。

随着福建省沿海对外开放政策的实施以及海上交通运输和海洋捕捞业的发展，人们对海雾造成的灾害也倍加关注。然而，在沿海地区布设海雾观测站点的方法显然受到站点密度及观测时间的限制，且耗费大量人力、物力，特别是对大范围海雾及其生消动态监测方面采用常规方法困难更大。而卫星遥感技术具有覆盖范围广、重复监测频率高、客观真实性强、信息源更新快、时效性强、技术成本低等诸多优势，能从宏观上对海雾的分布范围，特别是海雾的生消动态方面实施连续的监测，是其他各种常规监测方法无法替代的，正在成为海雾监测的重要途径。

雾的卫星遥感监测研究始于20世纪70年代，直至20世纪80年代后期海雾的遥感监测研究才逐步发展起来，但相关的报道并不多见。郑新江[1]利用NOAA-10/AVHRR资料分析黄海海雾特征，并结合地球静止气象卫星(Geostationary Meteorological Satellite，GMS，位置140°E)资料分析海雾的生成和演变情况，虽然只是利用卫星资料对海雾进行定性分析，但却具有十分重要的意义。国外在海雾卫星遥感定量监测方面的研究开展得早些，如Ellrod[2]认为双通道红外图像在辨别夜间海雾和低云方面有较好的应用前景，并采用美国静止业务气象卫星(Geostationary Operational Environmental Satellite，GOES，位置75°W)的双通道红外资料对近海岸夜间海雾和低云开展试验研究； 而Ahn等[3]提出基于GMS-5红外通道，采用一种晴空辐射合成图与红外辐射图相比较的新算法来检测海雾和层云。国内的鲍献文等[4]利用GMS-5静止卫星和NOAA极轨卫星资料，综合运用光谱分析法、结构分析法等技术分析海雾在卫星资料中所反映的光谱特征和辐射特征的差异，进行云雾自动检测和分离技术的定量应用研究。随着新一代极轨卫星遥感资料的广泛应用，张纪伟等[5-7]基于MODIS卫星数据开展雾的监测研究，在海雾与晴空海面、海雾与低云等分离检测算法方面，以及雾的光学厚度、雾顶高度和能见度等特征量的定量研究方面取得了比较理想的效果； 吴晓京等[8]利用1989—2008年长序列的NOAA/AVHRR数据，生成黄渤海20 a海雾的分布状况，并在此基础上得到黄渤海海雾的季节特征； 在静止气象卫星资料应用方面，何月等[9]利用日本多功能交通卫星(Multi-functional Transport Satellite，MTSAT，位置140°E)静止气象卫星资料，采用分级判识太阳高度角阈值和大雾指数的方法，反演了近5 a浙江海雾的逐时分布，取得了较好的监测结果。

尽管目前NOAA和MODIS极轨卫星资料的光谱信息丰富，但是其过境时间不多，特别对海雾的消长动态监测能力较差，实践证明仅利用这些极轨卫星资料进行海雾监测尚不能很好地满足日常业务化的需求。静止卫星可得到1次/h的影像资料，能有效地弥补极轨卫星在监测时间上的不足，因此近年来才逐步采用静止卫星资料建立海雾监测模型，并以采用GOES，GMS，MTSAT等卫星的数据居多。针对台湾海峡利用风云静止气象卫星开展逐时海雾遥感监测的研究文献迄今为止尚未见报道。本研究将利用我国自主研制的风云系列FY-2E静止卫星资料，在分析FY-2E卫星探测通道的光谱和辐射特征的基础上构建海雾监测模型，并利用地面能见度观测资料对海雾的监测精度进行验证。

1 研究区概况与数据

1.1 研究区概况

台湾海峡地处中国东南沿海，是中外船只的重要航道，船只繁多。台湾海峡天气复杂，处于华南沿海水汽丰沛之处，春季冷空气与海上暖湿气流形成对峙形势，再加上海洋的作用，常形成大雾天气，且大多由于暖湿气流平流造成，所以海雾强大而且一次会持续几天，给海上交通带来很大危害。其中海峡西部是我国近海6个多海雾区域之一。

台湾海峡海雾有明显季节变化和日变化特征，在季节上主要集中在冬春季，夏秋季较少。在这一时期又恰好是阴雨季节，所以常有雾与阵雨、雷雨同时出现的现象。海雾在日变化上主要表现为下半夜至次日上午前段明显，尤其清晨最多，中午至傍晚前后出雾的机会最少； 雾的持续时间以1～2 d为主。总之，台湾海峡的雾季为每年的3—5月，各月多年平均雾日为3～8 d。

1.2 数据及其预处理

本研究用到的数据包括FY-2E静止气象卫星数据、台湾海峡西部地面气象站逐时能见度观测数据。

FY-2E卫星定位于E105°的赤道上空，星上搭载一台可见光红外自旋扫描辐射仪，星下点空间分辨率约为5 km，卫星数据的时间分辨率为60 min，VISSR有5个通道，各通道参数特征见表1。

表1 FY-2E卫星探测通道参数Tab.1 The observation channels parameterof FY-2E satellite

FY-2E卫星数据必须经过预处理后才能进一步应用，主要包括： ①辐射定标，将原始灰度图像根据对照表转换为具有实际物理意义的数据，将反射通道转换为反射率，辐射通道转换为亮温值； ②研究区域提取，卫星原始覆盖范围较大，对台湾海峡区域(E114°～123°、N20°～29°)内的云图数据进行了子区提取。

考虑到FY-2E通道IR3是水汽强吸收带，其最大辐射贡献大致在400 hPa高度处，水汽通道信息对云雾识别的作用不大，另外通道IR2特性与IR1类似，因此本研究选择FY-2E的通道IR1、通道IR4和通道VIS作为海雾监测的主要探测通道。

至2015年底，福建省能见度自动观测站约为150个，其中海峡西部能见度观测站共有67个(包括17个含有人工雾观测的常规气象站)。一天24次的自动观测相对于—天4次的人工观测来说，能更客观反映海雾造成的能见度演变情况。

2 原理与方法

要从卫星上监测海雾，涉及到的研究对象包括海岸带、海洋以及海洋上空的云，其中人们更关注的是水体和云的特性。图1是台湾海峡上空典型云雾的FY-2E卫星可见光通道灰度图，图中红色框区域为海雾及低云，绿色框区域为中高云，蓝色框区域为晴空海表。

图1 典型云雾的FY-2E卫星可见光影像Fig.1 The FY-2E satellite visible light image of typical clouds and sea fog

2.1 白天海雾遥感监测原理

在可见光通道的影像上，暗黑色的晴空海表与云雾的区别最为明显； 而中高云呈现为较亮的白色调，其白亮程度与太阳高度角和云体的密实程度相关。由于台湾海峡海雾大多为平流雾，因此海雾雾顶高度相对一致，雾顶亮度变化也比较平缓，纹理均匀，海雾的边界非常光滑清晰，尤其是海雾的东南边界呈明显的弧状弯曲，这种边界形状与偏南风的范围有密切关系； 海雾的西北边界由于受陆地和云的影响，形状不规则，但雾界仍然分明。

以2015年台湾海峡西岸5次典型海雾过程(2月22—26日、3月15—19日、4月2—5日、5月15—16日、5月28—29日)为样本，采用目视解译并结合地面观测资料来区分海雾区、低云区、中高云区以及晴空海洋区，然后根据遥感理论分析选区样本的可见光、远红外以及中红外通道的光谱特征和辐射特征，最后得到白天的波谱特征曲线见图2。

(a) 通道VIS (b) 通道IR1(c) 通道IR4

图2台湾海峡海洋及云雾等下垫面FY-2E卫星资料波谱特征曲线

Fig.2FY-2Esatellitespectrumcharacteristiccurveofocean,cloudsandseafoginTaiwanStrait

1)可见光通道的反射特征。在可见光波段，FY-2E卫星接收的能量主要来自下垫面反射的太阳辐射。从图2(a)可以看出，晴空海表反射率在5%以下，并且变化不大，云雾反射率明显大于晴空海表，据此可较好地区分云雾区与海表区； 低层云和海雾的反射率都在30%以下，明显低于中高云的反射率。理论上雾滴比云中水滴小得多且其滴谱更均匀，相比于同等厚度的低云，海雾来自地面或其他方向上的漫反射和透射少，海雾反射率应该低于相同厚度的低云，但是在FY-2E的可见光通道上海雾与低云的反射特性却表现为十分相似，因此据此难以对海雾与低云进行区分。

2)热红外通道的辐射特征。在热红外波段，FY-2E卫星接收到的能量主要来自下垫面自身发射的长波辐射，如果将海表和云雾近似看做黑体，则热红外波段的辐射量仅与云雾顶部或海表的亮度温度有关，卫星接收到的辐射量越多，下垫面的亮温越高。从图2(b)可以看出，中高云区的亮温最低，一般都在270 K以下，与海雾区、低云区和海表区的亮温有着明显的区别，可以据此有效区别中高云和其他下垫面。而海雾的亮温介于海表和低云之间，由于海雾比低云更接近于海表，与海表的亮温也更为接近，雾顶高度不及低云顶高，海雾亮温也比低云温度高。

3)中红外通道的反射和辐射特征。中红外波段位于太阳短波辐射和地球长波辐射的重叠区域，白天卫星在这一波段获得的能量既有下垫面反射的太阳辐射又有其自身发射的红外辐射，并且二者都不能忽略，如果将中红外波段的能量全部转化为亮温值，则从图2(c)可以看出，除了中高云外，海表、海雾和低云在这一波段没有特别明显的波谱特征，但可以通过各下垫面在热红外与中红外通道亮温差的不同建立辅助判别指标，比如海表在热红外和中波红外通道的亮温差相对较小，而云的亮温差值起伏变化很大，海雾的亮温差介于海表和云之间。

2.2 夜间海雾遥感监测原理

卫星在夜间仅可获得红外探测资料，因此夜间海雾遥感识别比白天更加困难。在夜间，中红外通道同其他热红外通道一样，主要反映下垫面本身的热辐射，但是不同特性的下垫面也存在着一定的差异，中红外通道对于海洋发射辐射仍相当于黑体，因此海洋中红外和热红外通道的有效温度大致相同，然而海雾和低云在中红外通道不是黑体辐射，其比辐射率明显小于1，因此海雾和低云在中红外和热红外通道的有效温度存在较为明显的差异。本研究实验发现，夜间台湾海峡海雾中红外和热红外的亮温差在0～-3 K，海表的亮温差在0～1 K，而中高云的亮温差变化较大并且大都在10 K以上，因此夜间海雾判识主要采用中红外和热红外的双通道差值法进行。何月等[9]研究发现，利用中红外和热红外通道的归一化指标比单纯的双通道差值法效果更好，故本研究采用归一化指标计算方法。

在太阳初升(凌晨)和始落(傍晚)阶段，由于可见光通道探测值随太阳高度角的变化较为复杂，中红外通道内包含的反射太阳辐射和自身辐射信息也十分繁杂，两通道数据难以得到真正利用，因此本研究对于凌晨和傍晚时段的海雾识别目前仍采用经验阈值加以判别。

2.3 海雾遥感自动监测业务系统

在海雾监测中，由于日出前后的监测方法存在一定的差别，为此根据时间初步划分白天、夜间、凌晨及傍晚4个时段，不同时段采用卫星的不同探测通道以及通道的不同阈值。海雾特征通道阈值的选取是关键步骤，本研究从台湾海峡监测站点中分别选取具有代表性的晴空站点、有雾站点和有云站点，然后分时段进行统计分析并求取阈值。

在上述研究分析的基础上，利用FY-2E静止卫星的可见光、热红外和中红外3个通道数据，运用可见光反射率阈值法实现云雾与下垫面背景的自动分离； 运用热红外亮温阈值实现海雾和低云与中高云的自动分离； 同时运用中红外和热红外通道差值的归一化指标实现夜间海雾的监测； 最后采用Delphi计算机语言建立了一个台湾海峡海雾自动判识监测的业务系统。该系统具有阈值调整、业务时间表安排、自动运行和手动运行转换等功能，同时在业务产品中叠加了自动站能见度观测数据，便于用户直接快速对系统生成的海雾产品的准确度进行初步评估。

3 结果与分析

3.1 遥感监测结果

图3为2015年4月4日发生在台湾海峡西部的一次海雾过程个例。从中可以看出，本次海雾过程福建沿海海雾从4:00—11:00(北京时，下同)都一直稳定存在，只是分布范围渐渐变小，11:00以后海雾从南向北逐步退缩，直至15:00福建沿海才基本无雾。该海雾变化过程，符合台湾海峡海雾自身的生成、维持、消亡的一般特点。

(a) 2015-04-04 04：00(b) 2015-04-04 05：00(c) 2015-04-04 06：00 (d) 2015-04-04 07：00

(e) 2015-04-04 08：00(f) 2015-04-04 09：00 (g) 2015-04-04 10：00 (h) 2015-04-04 11：00

(i) 2015-04-04 12：00(j) 2015-04-04 13：00 (k) 2015-04-04 14：00 (l) 2015-04-04 15：00

图3台湾海峡一次海雾过程的FY-2E卫星动态监测结果

Fig.3OneseafogdynamicmonitoringbyusingFY-2EsatelliteinTaiwanStrait

将海雾遥感监测结果与沿海能见度自动观测结果进行叠加显示，可以看出，在空间分布上遥感监测结果与能见度自动观测结果基本吻合。由此可见，FY-2E静止卫星资料一小时一次的高时间分辨率数据可以较好地实现对台湾海峡海雾的动态监测，这一优势是极轨卫星资料所不可比拟的。

3.2 监测精度分析

根据2015年台湾海峡海雾遥感自动监测业务系统的逐小时FY-2E海雾监测产品，收集相应时间点台湾海峡西部常规及自动气象站的能见度观测资料形成样本对。由于地面实测数据与遥感监测数据在时间上完全一致，因此作为对遥感监测结果进行精度评定的数据源是合理的。本研究共收集白天有效样本6 088对，夜间样本7 027对，然后采用Bendix等[10]提出的精度分析指标对监测结果进行精度检验，相关指标公式为

(1)

(2)

(3)

式中：POD为命中率(probability of detection,POD)；FAR为误警率(false alarm ratio,FAR)；MDR为漏检率(missed detection ratio,MDR)；yy为遥感监测结果有海雾和地面实测结果一致的站点个数；yn为遥感监测结果有海雾而地面实测结果没有海雾的站点个数；ny为遥感监测结果没有海雾而地面实测结果有海雾的站点个数。

从2015年白天的监测情况来看，遥感监测结果有海雾和地面实测结果一致的站点有2 912个，遥感监测结果有海雾而地面实测结果没有海雾的站点有579个，遥感监测结果没有海雾而地面实测结果有海雾的站点有1 185个(表2)。按Bendix的指标法可得到POD=71%，FAR=16.5%，MDR=29%。本研究用同样的方法也对夜间海雾监测结果的精度进行了评价，得出POD仅为58%。这是因为在夜间、凌晨和傍晚时段缺少可见光通道，而仅依据红外亮温尚不能较好地区分低云和海雾，故而造成监测精度低于白天。

表2 2015年台湾海峡白天海雾遥感监测站点Tab.2 Precision analysis of daytime sea fog remote sensing monitoring in Taiwan Strait in 2015 (个)

本研究建立的台湾海峡海雾卫星遥感监测模型，其云雾及海表的识别分离阈值是基于对2015年5次典型海雾过程进行科学分析与统计得到的。为了进一步证明该模型阈值的稳定性，对2016年上半年海雾监测模型的业务运行情况进行效果分析，经过普查最后共收集白天有效样本3 975个，其中遥感监测结果有海雾和地面实测结果一致的站点共有2 209个，遥感监测结果有海雾而地面实测结果没有海雾的站点有277个，遥感监测结果没有海雾而地面实测结果有海雾的站点有769个，由此得到2016年上半年该模型业务监测POD=74%，FAR=11%，MDR=26%，3个指标均与2015年的监测结果非常接近，说明模型对云雾及海表的识别分离阈值具有较好的稳定性。

研究结果表明，本监测模型对于台湾海峡长时间序列的海雾事件，平均判识精度超过70%，监测效果较为理想，基本能满足日常海雾监测的需要，静止卫星比极轨卫星具有更高的时间分辨率，可在海雾动态监测中发挥较大作用。但是监测过程出现的漏报率和误警率还比较高，究其原因可能除了FY-2E卫星的空间分辨率相对比较低，以及在定标计算中存在一定误差外，最主要的还是所建模型尚无法有效地分离低云和海雾。这种临近地面为雾，抬升到一定高度就是低云的现象，特别是低云和海雾高低层叠加在一起的时候，往往被高空遥感识别成云，而在地面则观测为海雾，是目前利用卫星遥感技术监测海雾还暂时难以解决的棘手问题。

4 结论与讨论

1)为了适应实时监测海雾的业务需求，本文利用国产FY-2E静止卫星数据建立了台湾海峡海雾监测模型，得到每小时一次的海雾监测产品，有效地克服了极轨卫星监测产品时间分辨率低的缺陷，较好地实现对海雾变化过程的动态监测，通过2015年和2016年海雾的卫星监测精度分析，表明遥感监测结果平均判识精度超过70%，且空间分布上与地面观测相吻合，对于海雾的实时监测有较好的业务应用价值。

2)由于低云的物理特性与海雾十分接近，特别是当海雾区上空存在有其他类型的中高云系覆盖时，卫星遥感技术存在局限性。今后可考虑利用不同时间的观测图像序列，结合海雾与层云在运动规律、消散规律等方面存在的差异对海雾和低云加以有效区分，以提高海雾的监测精度。

3)本研究虽然对夜间、凌晨和傍晚不同时间进行了分段识别，但由于订正后的阈值仍无法完全统一，判识准确率均低于白天，因此，对某一特定时间段的卫星通道选择和量化判识指标等还有待进一步研究，同时在实际应用中，也需注意判断阈值的动态性。

4)由于风云静止卫星的空间分辨率只有5 km，对于一些范围较小的海雾，监测效果不够理想，今后应该融合极轨卫星资料高空间分辨率的优势，同时结合地面自动或人工观测资料，采用卫星和地面实时监测的点面结合方式以使海雾的监测精度得到进一步提高。

[1] 郑新江.黄海海雾的卫星云图特征分析[J].气象,1988,14(6):7-9.

Zheng X J.On satellite imagery features of sea fogs over the Yellow Sea[J].Meteorological Monthly,1988,14(6):7-9.

[2] Ellrod G P.Advances in the detection and analysis of fog at night using GOES multispectral infrared imagery[J].Weather and Forecasting,1995,10(3):606-619.

[3] Ahn M H,Sohn E H,Hwang B J.A new algorithm for sea fog/stratus detection using GMS-5 IR data[J].Advances in Atmospheric Sciences,2003,20(6):899-913.

[4] 鲍献文,王 鑫,孙立潭,等.卫星遥感全天候监测海雾技术与应用[J].高技术通讯,2005,15(1):101-106.

Bao X W,Wang X,Sun L T,et al.The weatherproof detection system of sea fog by remote sensing and its applications[J].High Technology Letters,2005,15(1):101-106.

[5] 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,2009,39(S1):311-318.

Zhang J W,Zhang S P,Wu X J,et al.The research on Yellow Sea sea fog based on MODIS data:Sea fog properties retrieval and spatial-temporal distribution[J].Periodical of Ocean University of China,2009,39(S1):311-318.

[6] 马慧云,范 冲,赵向东.基于云雾与晴空地表混合像元的云雾检测算法[J].国土资源遥感,2010,22(1):55-59.doi:10.6046/gtzyyg/2010.01.09.

Ma H Y,Fan C,Zhao X D.An algorithm for separating cloud-fog from surface features based on mixed pixels[J].Remote Sensing for Land and Resources,2010,22(1):55-59.doi:10.6046/gtzyyg/2010.01.09.

[7] 张伟康,马慧云,邹峥嵘,等.基于SBDART辐射传输模型的夜间辐射雾自动检测及时间序列分析[J].国土资源遥感,2014,26(2):80-86.doi:10.6046/gtzyyg/2014.02.14.

Zhang W K,Ma H Y,Zou Z R,et al.Automatic detection of night time radiation fog based on SBDART radiative transfer model and the analysis of time series[J].Remote Sensing for Land and Resources,2014,26(2):80-86.doi:10.6046/gtzyyg/2014.02.14.

[8] 吴晓京,李三妹,廖 蜜,等.基于20年卫星遥感资料的黄海、渤海海雾分布季节特征分析[J].海洋学报,2015,37(1):63-72.

Wu X J,Li S M,Liao M,et al.Analyses of seasonal feature of sea fog over the Yellow Sea and Bohai Sea based on the recent 20 years of satellite remote sensing data[J].Acta Oceanologica Sinica,2015,37(1):63-72.

[9] 何 月,张小伟,杜惠良,等.利用静止气象卫星监测浙江海上大雾[J].遥感技术与应用,2015,30(3):599-606.

He Y,Zhang X W,Du H L,et al.Monitoring sea fog of Zhejiang from geostationary meteorological satellite data[J].Remote Sensing Technology and Application,2015,30(3):599-606.

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