基于FY-2E衛星數據的福建沿海海霧遙感監測

張春桂， 林炳青

(福建省氣象科學研究所，福州 350001)

0 引言

狹義上來講，海霧是指在海洋和海面氣流特定環境條件影響下發生在海上、岸濱和島嶼上空低層大氣中的一種水汽凝結現象。海霧以暖濕空氣平流到較冷海面上產生的平流霧最為常見，具有濃度大、厚度厚、范圍廣、持續時間長，以及季節性、區域性特點強而生消時間規律性差的特點。從廣義上來看，海霧就是“海上的霧”，但必須指出的是那些在陸地上生成并隨天氣系統移動或者擴展到海上的霧一般不列入海霧的范疇。海霧對海上交通運輸、船舶進出港、海洋養殖、漁業捕撈生產等的危害非常大，會對沿海地區的交通、農業、電力、空氣質量等產生一定影響，如每年霧季沿海機場經常出現飛機返航、迫降現象，正常的公路交通運輸活動會受到嚴重影響； 持續的大霧還會使沿海地區的農作物受害，造成農作物減產； 海霧中各種化學成分的積累還可能導致電網跳閘而中斷電力輸送； 大氣污染物與海霧霧滴相互作用不僅污染大氣，還能轉化成酸霧，對人體健康造成嚴重危害。

隨著福建省沿海對外開放政策的實施以及海上交通運輸和海洋捕撈業的發展，人們對海霧造成的災害也倍加關注。然而，在沿海地區布設海霧觀測站點的方法顯然受到站點密度及觀測時間的限制，且耗費大量人力、物力，特別是對大范圍海霧及其生消動態監測方面采用常規方法困難更大。而衛星遙感技術具有覆蓋范圍廣、重復監測頻率高、客觀真實性強、信息源更新快、時效性強、技術成本低等諸多優勢，能從宏觀上對海霧的分布范圍，特別是海霧的生消動態方面實施連續的監測，是其他各種常規監測方法無法替代的，正在成為海霧監測的重要途徑。

霧的衛星遙感監測研究始于20世紀70年代，直至20世紀80年代后期海霧的遙感監測研究才逐步發展起來，但相關的報道并不多見。鄭新江[1]利用NOAA-10/AVHRR資料分析黃海海霧特征，并結合地球靜止氣象衛星(Geostationary Meteorological Satellite，GMS，位置140°E)資料分析海霧的生成和演變情況，雖然只是利用衛星資料對海霧進行定性分析，但卻具有十分重要的意義。國外在海霧衛星遙感定量監測方面的研究開展得早些，如Ellrod[2]認為雙通道紅外圖像在辨別夜間海霧和低云方面有較好的應用前景，并采用美國靜止業務氣象衛星(Geostationary Operational Environmental Satellite，GOES，位置75°W)的雙通道紅外資料對近海岸夜間海霧和低云開展試驗研究； 而Ahn等[3]提出基于GMS-5紅外通道，采用一種晴空輻射合成圖與紅外輻射圖相比較的新算法來檢測海霧和層云。國內的鮑獻文等[4]利用GMS-5靜止衛星和NOAA極軌衛星資料，綜合運用光譜分析法、結構分析法等技術分析海霧在衛星資料中所反映的光譜特征和輻射特征的差異，進行云霧自動檢測和分離技術的定量應用研究。隨著新一代極軌衛星遙感資料的廣泛應用，張紀偉等[5-7]基于MODIS衛星數據開展霧的監測研究，在海霧與晴空海面、海霧與低云等分離檢測算法方面，以及霧的光學厚度、霧頂高度和能見度等特征量的定量研究方面取得了比較理想的效果； 吳曉京等[8]利用1989—2008年長序列的NOAA/AVHRR數據，生成黃渤海20 a海霧的分布狀況，并在此基礎上得到黃渤海海霧的季節特征； 在靜止氣象衛星資料應用方面，何月等[9]利用日本多功能交通衛星(Multi-functional Transport Satellite，MTSAT，位置140°E)靜止氣象衛星資料，采用分級判識太陽高度角閾值和大霧指數的方法，反演了近5 a浙江海霧的逐時分布，取得了較好的監測結果。

盡管目前NOAA和MODIS極軌衛星資料的光譜信息豐富，但是其過境時間不多，特別對海霧的消長動態監測能力較差，實踐證明僅利用這些極軌衛星資料進行海霧監測尚不能很好地滿足日常業務化的需求。靜止衛星可得到1次/h的影像資料，能有效地彌補極軌衛星在監測時間上的不足，因此近年來才逐步采用靜止衛星資料建立海霧監測模型，并以采用GOES，GMS，MTSAT等衛星的數據居多。針對臺灣海峽利用風云靜止氣象衛星開展逐時海霧遙感監測的研究文獻迄今為止尚未見報道。本研究將利用我國自主研制的風云系列FY-2E靜止衛星資料，在分析FY-2E衛星探測通道的光譜和輻射特征的基礎上構建海霧監測模型，并利用地面能見度觀測資料對海霧的監測精度進行驗證。

1 研究區概況與數據

1.1 研究區概況

臺灣海峽地處中國東南沿海，是中外船只的重要航道，船只繁多。臺灣海峽天氣復雜，處于華南沿海水汽豐沛之處，春季冷空氣與海上暖濕氣流形成對峙形勢，再加上海洋的作用，常形成大霧天氣，且大多由于暖濕氣流平流造成，所以海霧強大而且一次會持續幾天，給海上交通帶來很大危害。其中海峽西部是我國近海6個多海霧區域之一。

臺灣海峽海霧有明顯季節變化和日變化特征，在季節上主要集中在冬春季，夏秋季較少。在這一時期又恰好是陰雨季節，所以常有霧與陣雨、雷雨同時出現的現象。海霧在日變化上主要表現為下半夜至次日上午前段明顯，尤其清晨最多，中午至傍晚前后出霧的機會最少； 霧的持續時間以1～2 d為主。總之，臺灣海峽的霧季為每年的3—5月，各月多年平均霧日為3～8 d。

1.2 數據及其預處理

本研究用到的數據包括FY-2E靜止氣象衛星數據、臺灣海峽西部地面氣象站逐時能見度觀測數據。

FY-2E衛星定位于E105°的赤道上空，星上搭載一臺可見光紅外自旋掃描輻射儀，星下點空間分辨率約為5 km，衛星數據的時間分辨率為60 min，VISSR有5個通道，各通道參數特征見表1。

表1 FY-2E衛星探測通道參數Tab.1 The observation channels parameterof FY-2E satellite

FY-2E衛星數據必須經過預處理后才能進一步應用，主要包括： ①輻射定標，將原始灰度圖像根據對照表轉換為具有實際物理意義的數據，將反射通道轉換為反射率，輻射通道轉換為亮溫值； ②研究區域提取，衛星原始覆蓋范圍較大，對臺灣海峽區域(E114°～123°、N20°～29°)內的云圖數據進行了子區提取。

考慮到FY-2E通道IR3是水汽強吸收帶，其最大輻射貢獻大致在400 hPa高度處，水汽通道信息對云霧識別的作用不大，另外通道IR2特性與IR1類似，因此本研究選擇FY-2E的通道IR1、通道IR4和通道VIS作為海霧監測的主要探測通道。

至2015年底，福建省能見度自動觀測站約為150個，其中海峽西部能見度觀測站共有67個(包括17個含有人工霧觀測的常規氣象站)。一天24次的自動觀測相對于—天4次的人工觀測來說，能更客觀反映海霧造成的能見度演變情況。

2 原理與方法

要從衛星上監測海霧，涉及到的研究對象包括海岸帶、海洋以及海洋上空的云，其中人們更關注的是水體和云的特性。圖1是臺灣海峽上空典型云霧的FY-2E衛星可見光通道灰度圖，圖中紅色框區域為海霧及低云，綠色框區域為中高云，藍色框區域為晴空海表。

圖1 典型云霧的FY-2E衛星可見光影像Fig.1 The FY-2E satellite visible light image of typical clouds and sea fog

2.1 白天海霧遙感監測原理

在可見光通道的影像上，暗黑色的晴空海表與云霧的區別最為明顯； 而中高云呈現為較亮的白色調，其白亮程度與太陽高度角和云體的密實程度相關。由于臺灣海峽海霧大多為平流霧，因此海霧霧頂高度相對一致，霧頂亮度變化也比較平緩，紋理均勻，海霧的邊界非常光滑清晰，尤其是海霧的東南邊界呈明顯的弧狀彎曲，這種邊界形狀與偏南風的范圍有密切關系； 海霧的西北邊界由于受陸地和云的影響，形狀不規則，但霧界仍然分明。

以2015年臺灣海峽西岸5次典型海霧過程(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)為樣本，采用目視解譯并結合地面觀測資料來區分海霧區、低云區、中高云區以及晴空海洋區，然后根據遙感理論分析選區樣本的可見光、遠紅外以及中紅外通道的光譜特征和輻射特征，最后得到白天的波譜特征曲線見圖2。

(a) 通道VIS (b) 通道IR1(c) 通道IR4

圖2臺灣海峽海洋及云霧等下墊面FY-2E衛星資料波譜特征曲線

Fig.2FY-2Esatellitespectrumcharacteristiccurveofocean,cloudsandseafoginTaiwanStrait

1)可見光通道的反射特征。在可見光波段，FY-2E衛星接收的能量主要來自下墊面反射的太陽輻射。從圖2(a)可以看出，晴空海表反射率在5%以下，并且變化不大，云霧反射率明顯大于晴空海表，據此可較好地區分云霧區與海表區； 低層云和海霧的反射率都在30%以下，明顯低于中高云的反射率。理論上霧滴比云中水滴小得多且其滴譜更均勻，相比于同等厚度的低云，海霧來自地面或其他方向上的漫反射和透射少，海霧反射率應該低于相同厚度的低云，但是在FY-2E的可見光通道上海霧與低云的反射特性卻表現為十分相似，因此據此難以對海霧與低云進行區分。

2)熱紅外通道的輻射特征。在熱紅外波段，FY-2E衛星接收到的能量主要來自下墊面自身發射的長波輻射，如果將海表和云霧近似看做黑體，則熱紅外波段的輻射量僅與云霧頂部或海表的亮度溫度有關，衛星接收到的輻射量越多，下墊面的亮溫越高。從圖2(b)可以看出，中高云區的亮溫最低，一般都在270 K以下，與海霧區、低云區和海表區的亮溫有著明顯的區別，可以據此有效區別中高云和其他下墊面。而海霧的亮溫介于海表和低云之間，由于海霧比低云更接近于海表，與海表的亮溫也更為接近，霧頂高度不及低云頂高，海霧亮溫也比低云溫度高。

3)中紅外通道的反射和輻射特征。中紅外波段位于太陽短波輻射和地球長波輻射的重疊區域，白天衛星在這一波段獲得的能量既有下墊面反射的太陽輻射又有其自身發射的紅外輻射，并且二者都不能忽略，如果將中紅外波段的能量全部轉化為亮溫值，則從圖2(c)可以看出，除了中高云外，海表、海霧和低云在這一波段沒有特別明顯的波譜特征，但可以通過各下墊面在熱紅外與中紅外通道亮溫差的不同建立輔助判別指標，比如海表在熱紅外和中波紅外通道的亮溫差相對較小，而云的亮溫差值起伏變化很大，海霧的亮溫差介于海表和云之間。

2.2 夜間海霧遙感監測原理

衛星在夜間僅可獲得紅外探測資料，因此夜間海霧遙感識別比白天更加困難。在夜間，中紅外通道同其他熱紅外通道一樣，主要反映下墊面本身的熱輻射，但是不同特性的下墊面也存在著一定的差異，中紅外通道對于海洋發射輻射仍相當于黑體，因此海洋中紅外和熱紅外通道的有效溫度大致相同，然而海霧和低云在中紅外通道不是黑體輻射，其比輻射率明顯小于1，因此海霧和低云在中紅外和熱紅外通道的有效溫度存在較為明顯的差異。本研究實驗發現，夜間臺灣海峽海霧中紅外和熱紅外的亮溫差在0～-3 K，海表的亮溫差在0～1 K，而中高云的亮溫差變化較大并且大都在10 K以上，因此夜間海霧判識主要采用中紅外和熱紅外的雙通道差值法進行。何月等[9]研究發現，利用中紅外和熱紅外通道的歸一化指標比單純的雙通道差值法效果更好，故本研究采用歸一化指標計算方法。

在太陽初升(凌晨)和始落(傍晚)階段，由于可見光通道探測值隨太陽高度角的變化較為復雜，中紅外通道內包含的反射太陽輻射和自身輻射信息也十分繁雜，兩通道數據難以得到真正利用，因此本研究對于凌晨和傍晚時段的海霧識別目前仍采用經驗閾值加以判別。

2.3 海霧遙感自動監測業務系統

在海霧監測中，由于日出前后的監測方法存在一定的差別，為此根據時間初步劃分白天、夜間、凌晨及傍晚4個時段，不同時段采用衛星的不同探測通道以及通道的不同閾值。海霧特征通道閾值的選取是關鍵步驟，本研究從臺灣海峽監測站點中分別選取具有代表性的晴空站點、有霧站點和有云站點，然后分時段進行統計分析并求取閾值。

在上述研究分析的基礎上，利用FY-2E靜止衛星的可見光、熱紅外和中紅外3個通道數據，運用可見光反射率閾值法實現云霧與下墊面背景的自動分離； 運用熱紅外亮溫閾值實現海霧和低云與中高云的自動分離； 同時運用中紅外和熱紅外通道差值的歸一化指標實現夜間海霧的監測； 最后采用Delphi計算機語言建立了一個臺灣海峽海霧自動判識監測的業務系統。該系統具有閾值調整、業務時間表安排、自動運行和手動運行轉換等功能，同時在業務產品中疊加了自動站能見度觀測數據，便于用戶直接快速對系統生成的海霧產品的準確度進行初步評估。

3 結果與分析

3.1 遙感監測結果

圖3為2015年4月4日發生在臺灣海峽西部的一次海霧過程個例。從中可以看出，本次海霧過程福建沿海海霧從4:00—11:00(北京時，下同)都一直穩定存在，只是分布范圍漸漸變小，11:00以后海霧從南向北逐步退縮，直至15:00福建沿海才基本無霧。該海霧變化過程，符合臺灣海峽海霧自身的生成、維持、消亡的一般特點。

(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

圖3臺灣海峽一次海霧過程的FY-2E衛星動態監測結果

Fig.3OneseafogdynamicmonitoringbyusingFY-2EsatelliteinTaiwanStrait

將海霧遙感監測結果與沿海能見度自動觀測結果進行疊加顯示，可以看出，在空間分布上遙感監測結果與能見度自動觀測結果基本吻合。由此可見，FY-2E靜止衛星資料一小時一次的高時間分辨率數據可以較好地實現對臺灣海峽海霧的動態監測，這一優勢是極軌衛星資料所不可比擬的。

3.2 監測精度分析

根據2015年臺灣海峽海霧遙感自動監測業務系統的逐小時FY-2E海霧監測產品，收集相應時間點臺灣海峽西部常規及自動氣象站的能見度觀測資料形成樣本對。由于地面實測數據與遙感監測數據在時間上完全一致，因此作為對遙感監測結果進行精度評定的數據源是合理的。本研究共收集白天有效樣本6 088對，夜間樣本7 027對，然后采用Bendix等[10]提出的精度分析指標對監測結果進行精度檢驗，相關指標公式為

(1)

(2)

(3)

式中：POD為命中率(probability of detection,POD)；FAR為誤警率(false alarm ratio,FAR)；MDR為漏檢率(missed detection ratio,MDR)；yy為遙感監測結果有海霧和地面實測結果一致的站點個數；yn為遙感監測結果有海霧而地面實測結果沒有海霧的站點個數；ny為遙感監測結果沒有海霧而地面實測結果有海霧的站點個數。

從2015年白天的監測情況來看，遙感監測結果有海霧和地面實測結果一致的站點有2 912個，遙感監測結果有海霧而地面實測結果沒有海霧的站點有579個，遙感監測結果沒有海霧而地面實測結果有海霧的站點有1 185個(表2)。按Bendix的指標法可得到POD=71%，FAR=16.5%，MDR=29%。本研究用同樣的方法也對夜間海霧監測結果的精度進行了評價，得出POD僅為58%。這是因為在夜間、凌晨和傍晚時段缺少可見光通道，而僅依據紅外亮溫尚不能較好地區分低云和海霧，故而造成監測精度低于白天。

表2 2015年臺灣海峽白天海霧遙感監測站點Tab.2 Precision analysis of daytime sea fog remote sensing monitoring in Taiwan Strait in 2015 (個)

本研究建立的臺灣海峽海霧衛星遙感監測模型，其云霧及海表的識別分離閾值是基于對2015年5次典型海霧過程進行科學分析與統計得到的。為了進一步證明該模型閾值的穩定性，對2016年上半年海霧監測模型的業務運行情況進行效果分析，經過普查最后共收集白天有效樣本3 975個，其中遙感監測結果有海霧和地面實測結果一致的站點共有2 209個，遙感監測結果有海霧而地面實測結果沒有海霧的站點有277個，遙感監測結果沒有海霧而地面實測結果有海霧的站點有769個，由此得到2016年上半年該模型業務監測POD=74%，FAR=11%，MDR=26%，3個指標均與2015年的監測結果非常接近，說明模型對云霧及海表的識別分離閾值具有較好的穩定性。

研究結果表明，本監測模型對于臺灣海峽長時間序列的海霧事件，平均判識精度超過70%，監測效果較為理想，基本能滿足日常海霧監測的需要，靜止衛星比極軌衛星具有更高的時間分辨率，可在海霧動態監測中發揮較大作用。但是監測過程出現的漏報率和誤警率還比較高，究其原因可能除了FY-2E衛星的空間分辨率相對比較低，以及在定標計算中存在一定誤差外，最主要的還是所建模型尚無法有效地分離低云和海霧。這種臨近地面為霧，抬升到一定高度就是低云的現象，特別是低云和海霧高低層疊加在一起的時候，往往被高空遙感識別成云，而在地面則觀測為海霧，是目前利用衛星遙感技術監測海霧還暫時難以解決的棘手問題。

4 結論與討論

1)為了適應實時監測海霧的業務需求，本文利用國產FY-2E靜止衛星數據建立了臺灣海峽海霧監測模型，得到每小時一次的海霧監測產品，有效地克服了極軌衛星監測產品時間分辨率低的缺陷，較好地實現對海霧變化過程的動態監測，通過2015年和2016年海霧的衛星監測精度分析，表明遙感監測結果平均判識精度超過70%，且空間分布上與地面觀測相吻合，對于海霧的實時監測有較好的業務應用價值。

2)由于低云的物理特性與海霧十分接近，特別是當海霧區上空存在有其他類型的中高云系覆蓋時，衛星遙感技術存在局限性。今后可考慮利用不同時間的觀測圖像序列，結合海霧與層云在運動規律、消散規律等方面存在的差異對海霧和低云加以有效區分，以提高海霧的監測精度。

3)本研究雖然對夜間、凌晨和傍晚不同時間進行了分段識別，但由于訂正后的閾值仍無法完全統一，判識準確率均低于白天，因此，對某一特定時間段的衛星通道選擇和量化判識指標等還有待進一步研究，同時在實際應用中，也需注意判斷閾值的動態性。

4)由于風云靜止衛星的空間分辨率只有5 km，對于一些范圍較小的海霧，監測效果不夠理想，今后應該融合極軌衛星資料高空間分辨率的優勢，同時結合地面自動或人工觀測資料，采用衛星和地面實時監測的點面結合方式以使海霧的監測精度得到進一步提高。

[1] 鄭新江.黃海海霧的衛星云圖特征分析[J].氣象,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] 鮑獻文,王 鑫,孫立潭,等.衛星遙感全天候監測海霧技術與應用[J].高技術通訊,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] 張紀偉,張蘇平,吳曉京,等.基于MODIS的黃海海霧研究——海霧特征量反演[J].中國海洋大學學報,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] 馬慧云,范 沖,趙向東.基于云霧與晴空地表混合像元的云霧檢測算法[J].國土資源遙感,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] 張偉康,馬慧云,鄒崢嶸,等.基于SBDART輻射傳輸模型的夜間輻射霧自動檢測及時間序列分析[J].國土資源遙感,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] 吳曉京,李三妹,廖 蜜,等.基于20年衛星遙感資料的黃海、渤海海霧分布季節特征分析[J].海洋學報,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,張小偉,杜惠良,等.利用靜止氣象衛星監測浙江海上大霧[J].遙感技術與應用,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.