郝姝馨，郝增周，黃海清，牛瑞，潘德爐，顧吉星

( 1. 南京大學 地理與海洋科學學院，江蘇 南京 210023；2. 自然資源部第二海洋研究所 衛(wèi)星海洋環(huán)境動力學國家重點實驗室，浙江 杭州 310012；3. 南方海洋科學與工程廣東省實驗室（廣州），廣東 廣州 511458；4. 國家海洋局煙臺海洋環(huán)境監(jiān)測中心站，山東 煙臺 264006)

1 引言

微小水滴或冰晶懸浮于近地表大氣，使大氣水平能見度低于1 km的天氣現(xiàn)象稱為霧，在海洋的影響下，出現(xiàn)在海上的霧稱之為海霧[1]。海霧的發(fā)生，給海上交通運輸、工程作業(yè)、漁業(yè)捕撈等活動帶來了極大的威脅[2]，因此，監(jiān)測或跟蹤海霧的生消變化，能為有關部門實施科學調控和管理應對提供依據(jù)，對海上防災減災具有重要現(xiàn)實意義。然而，海霧事件發(fā)生的時間和空間變化具有很大的不確定性，在海洋氣象災害事件中監(jiān)測的困難較大[3]。當前，海霧的監(jiān)測手段主要包括常規(guī)氣象觀測站點觀測和衛(wèi)星平臺遙感監(jiān)測[4]。常規(guī)氣象觀測站獲得的往往是單點的、連續(xù)的、較為高精度的能見度要素觀測資料，但有限而零星的沿海、島嶼或海上浮標等站點觀測，無法滿足空間上大范圍發(fā)生的海霧監(jiān)測需求；幸運地，衛(wèi)星平臺遙感監(jiān)測具有近實時、大范圍覆蓋、連續(xù)觀測等優(yōu)勢，已成為海霧監(jiān)測中不可或缺的技術手段[5]。

利用衛(wèi)星遙感技術監(jiān)測大霧始于20世紀70年代，Eyre等[6]根據(jù)Hunt[7]提出的小粒徑云在中紅外3.7 μm波段的比輻射率要明顯低于熱紅外11 μm波段這一特性，運用極軌衛(wèi)星NOAA衛(wèi)星上攜帶的高級甚高分辨率輻射儀（Advanced Very High Resolution Radiometer，AVHRR）的中紅外波段和熱紅外波段觀測亮溫差，首次提出紅外雙通道亮溫差值法，實現(xiàn)了夜間大霧的個例識別。紅外雙通道亮溫差值法雖能有效地去除大粒徑的云，但不能徹底地分離小粒徑的低云和大霧[8-9]，結合地形數(shù)據(jù)[10]或其他多通道的光譜信息[11-12]，能在一定程度上提高大霧監(jiān)測的準確性。20世紀90年代和21世紀初，Bendix等[10,13-15]使用AVHRR/NOAA衛(wèi)星、Terra衛(wèi)星和Aqua衛(wèi)星上攜帶的中分辨率成像光譜儀(MODerate Resolution Imaging Spectroradiometer，MODIS)和MSG衛(wèi)星上攜帶的旋轉增強型可見光紅外成像儀（Spinning Enhanced Visible and Infrared Imager，SEVIRI）觀測數(shù)據(jù)，在紅外雙通道亮溫差值法的基礎上疊加數(shù)字高程模型數(shù)據(jù)，形成并發(fā)展了山區(qū)夜間大霧監(jiān)測的業(yè)務化算法，但該方法難以用于海上大霧的監(jiān)測。近十幾年以來，隨著衛(wèi)星觀測通道數(shù)的增多，越來越多的研究開始分析多通道光譜信息如何用于大霧的監(jiān)測。例如，Ahmed等[16]結合Terra衛(wèi)星和Aqua衛(wèi)星搭載的MODIS觀測的多通道亮溫，實現(xiàn)了印度恒河盆地夜間大霧的監(jiān)測。Hu等[17]使用NPP衛(wèi)星上搭載的可見光紅外成像輻射儀（Visible Infrared Imaging Radiometer，VIIRS）觀測的多光譜數(shù)據(jù)，結合輻射傳輸模型提出了一種多通道閾值算法，實現(xiàn)了中國區(qū)域大霧和低層云的識別。張春桂等[18-19]利用可見光、近紅外、短波紅外、中紅外和熱紅外等多波段觀測的反射率和亮溫信息，分析了晴空海洋、中高云、低云和海霧等不同下墊面的反射和發(fā)射輻射特性的差異，建立多種海霧遙感識別指數(shù)，發(fā)展了白天和夜間海霧監(jiān)測模型。馬慧云等[20-21]和張偉康等[22]使用Terra衛(wèi)星和Aqua衛(wèi)星星載MODIS多光譜數(shù)據(jù)，對霧與目標物（水、云、雪、地物）光譜分析，提出了有利于白天和夜間平流霧監(jiān)測的波段，對這些波段設置閾值，實現(xiàn)了平流霧的監(jiān)測。盡管MODIS/Terra衛(wèi)星、Aqua衛(wèi)星和VIIRS/NPP衛(wèi)星等極軌衛(wèi)星觀測的光譜信息豐富，能有效提高大霧的監(jiān)測精度，但其時間分辨率無法滿足高動態(tài)的大霧在空間變化的監(jiān)測需求。

幸運地，地球靜止衛(wèi)星具有對固定區(qū)域單日高頻次重復觀測的特點，能夠跟蹤監(jiān)測大霧的動態(tài)變化[23]。何月等[24]使用日本靜止氣象衛(wèi)星—多用途運輸衛(wèi)星（Multi-functional Transport Satellite，MTSAT）觀測數(shù)據(jù)，采用分級判識太陽高度角閾值和歸一化大霧指數(shù)的方法實現(xiàn)了浙江海霧的逐時監(jiān)測識別。Yi等[25]基于MTSAT數(shù)據(jù)的可見光波段、中紅外波段和熱紅外波段的觀測數(shù)據(jù)，反演了海霧的光學厚度和有效粒子半徑，實現(xiàn)了黃海的海霧監(jiān)測。Heo等[26]使用MTSAT觀測的中紅外和熱紅外波段數(shù)據(jù)，利用紅外雙通道亮溫差值法結合紋理監(jiān)測的方法實現(xiàn)了對海霧的動態(tài)監(jiān)測。田永杰等[27]結合風云二號衛(wèi)星（FY-2）的紅外亮溫和可見光反射率數(shù)據(jù)，根據(jù)各類云層、霧和下墊面的多光譜輻射和空間紋理特性，構建判別指數(shù)，建立白天海霧識別算法，完成了對黃海區(qū)域海霧的動態(tài)監(jiān)測。Yuan等[28]使用韓國靜止海洋水色儀（Geostationary Ocean Color Imager，GOCI）的 觀 測 數(shù)據(jù)，對比分析陸地、海洋、中/高層云、層云和海霧的光譜特性及其差異，通過設置海陸區(qū)分指數(shù)、中高云去除指數(shù)和波段斜率指數(shù)來識別陸地/海洋、中/高水平云和霧/層云，完成了對黃、渤海域海霧的跟蹤分析。王崢等[29]研究了海水、海霧和云等下墊面的光譜反射特性，在此基礎上建立了結合波段比較和波段運算的海霧提取方法。但MTSAT、FY2和GOCI/COMS這些靜止衛(wèi)星的觀測波段有限，空間分辨率也較低，海霧識別精度還有待提高[30]。

自2014年以來，具有更多觀測通道、更高時空分辨率的新一代靜止氣象衛(wèi)星得到了發(fā)展，但針對新一代靜止氣象衛(wèi)星的海霧監(jiān)測研究較少且集中在白天。例如張培等[31]使用日本新一代靜止氣象衛(wèi)星 Himawari-8（H-8）的觀測數(shù)據(jù)，分析了不同目標物的可見光/近紅外反射率和紅外亮溫等輻射特征，建立了白天海霧監(jiān)測算法，對黃海東部的海霧進行了樣例監(jiān)測。為此，針對海霧發(fā)生發(fā)展演變的監(jiān)測需求，本文以H-8每10 min一次觀測頻率的多通道紅外觀測為基礎，研究夜間海霧監(jiān)測算法，開展海霧跟蹤分析。

本文根據(jù)2018-2019年已知的海霧事件，選擇不同時次的H-8衛(wèi)星夜間觀測的紅外輻射，對海霧的中紅外和熱紅外輻射亮溫、不同通道亮溫差和亮溫比進行特征分析，據(jù)此，定義出海霧和晴空水體分離指數(shù)、海霧和一般云系分離指數(shù)、多通道亮溫差斜率指數(shù)以及中紅外亮溫紋理指數(shù)，建立基于多指數(shù)概率分布的夜間海霧監(jiān)測算法，將算法應用于兩顆不同靜止衛(wèi)星2020年的同時次觀測數(shù)據(jù)，通過監(jiān)測結果的比對和互驗證，探討了算法的適用性和結果的準確性，并跟蹤分析了一次典型平流海霧事件發(fā)生發(fā)展的演變過程。

2 研究區(qū)域與數(shù)據(jù)

2.1 研究區(qū)域

研究區(qū)域集中在中國近海及鄰近海域，其中黃、渤海海域作為海霧樣本選擇的主要海區(qū)（圖1a），黃、渤海海域受東海東北部濟州島以南沿西北方向進入黃海的暖流與黃海沿岸冷水流相遇的影響[32]（圖1b），再加上適宜的氣象條件，使得該區(qū)域海霧發(fā)生的頻率較高[29]，是我國近海海霧出現(xiàn)最頻繁的海區(qū)。據(jù)不完全統(tǒng)計，2018-2020年黃、渤海海域共發(fā)生了80多次海上大霧天氣，同時，該海域海霧的發(fā)生具有明顯的季節(jié)和日變化特征：黃、渤海海霧多發(fā)生于春季[33]，海霧常常在夜間生成并發(fā)展，白天逐漸消散[34]。

2.2 研究數(shù)據(jù)

研究使用新一代靜止氣象衛(wèi)星遙感資料，主要包括H-8和GK-2A的多通道紅外亮溫數(shù)據(jù)。H-8和GK-2A分別是日本和韓國的新一代靜止氣象衛(wèi)星，均采用三軸姿態(tài)穩(wěn)定，衛(wèi)星分別位于140.7°E和128.2°E赤道上空，能夠覆蓋觀測我國近海及鄰近海域（圖1a），星上分別搭載的多光譜成像儀（Advanced Himawari Imager，AHI）和先進氣象成像儀（Advanced Meteorology Imager，AMI）都設有6個可見光/近紅外通道，1個中紅外通道，3個水汽通道和6個熱紅外通道（表1），其觀測頻率可達每10 min一次，為更準確地監(jiān)測和跟蹤中國近海及鄰近海域海霧發(fā)生?發(fā)展?消亡等演變過程提供可能。

圖1 2020年4月29日 15:30 (UTC) 研究區(qū)域H-8衛(wèi)星影像（a）和研究區(qū)域主要環(huán)流路徑 （b）[32]Fig. 1 H-8 satellite image of study area at 15:30 (UTC) on April 29, 2020 (a) and distribution of main flow fields in the study area (b)[32]

研究選擇2018年和2019年6次海霧事件共計160幅不同時次的H-8衛(wèi)星遙感影像數(shù)據(jù)（表2），用于分析海霧的紅外輻射特性，研究海霧監(jiān)測算法。選擇2020年的6次海霧事件共計28幅H-8衛(wèi)星遙感影像數(shù)據(jù)和同時次的28幅GK-2A衛(wèi)星遙感影像數(shù)據(jù)（表3），用于算法監(jiān)測結果的比對和互驗證。其中2020年4月29日開始發(fā)生的海霧持續(xù)時間長達2 d以上（表3），是一次典型的平流霧，因此選擇此次海霧事件為例，利用H-8和GK-2A每間隔10 min監(jiān)測一次的結果，跟蹤分析了此次海霧事件的發(fā)生發(fā)展過程。

表2 用于海霧紅外輻射特性分析的衛(wèi)星遙感影像數(shù)據(jù)Table 2 Satellite remote sensing image data used for infrared radiation characteristics determination of sea fog

表3 用于算法驗證和結果分析的衛(wèi)星遙感影像數(shù)據(jù)Table 3 Satellite remote sensing image data used for algorithm validation and result analysis

3 海霧紅外輻射特性

3.1 海霧的多通道紅外亮溫特征

夜間遙感主要通過探測紅外波段的輻射實現(xiàn)地物識別。在H-8的10個紅外波段中有3個水汽通道，中心波長分別為6.24 μm、6.94 μm、7.35 μm（表1），考慮到水汽通道對低層云霧的識別作用不大，因此本文重點分析了1個中紅外通道3.89 μm和6個熱紅外通道8.59 μm、9.64 μm、10.41 μm、11.24 μm、12.38 μm和13.28 μm的輻射特征。夜間衛(wèi)星接收到的輻射主要來自于下墊面、云體、大氣等不同地物自身發(fā)射、散射的熱輻射，不同地物的輻射特性差異體現(xiàn)在衛(wèi)星觀測等效輻射亮溫的不同。圖2給出了晴空水體、低云、中高云和海霧4種不同地物樣本在7個紅外通道的等效輻射亮溫分布，其中均值代表該地物樣本的亮溫，標準差代表該地物樣本的亮溫的離散度。

表1 H-8及GK-2A波段特征Table 1 Band characteristics of H-8 and GK-2A

由圖2可知，在8.59 μm、10.41 μm、11.24 μm和12.38 μm 4個熱紅外窗口波段處，海霧、低云和晴空水體的亮溫接近，相較于中高云而言，有較高的亮溫；在中紅外3.89 μm波段，海霧的亮溫要低于這4個熱紅外窗口波段，晴空水體和低云的亮溫與4個熱紅外窗口波段相當；紅外9.64 μm波段附近有臭氧的吸收帶，紅外13.28 μm波段附近有二氧化碳和水汽的弱吸收帶，相較于4個熱紅外窗口波段，海霧、晴空水體和低云在9.64 μm波段和13.28 μm波段的亮溫均有下降，其中在9.64 μm波段，海霧和晴空水體亮溫下降的程度要明顯大于低云。

圖2 不同地物類型在7個通道的亮溫分布Fig. 2 Distribution of brightness temperature of different types of feature in 7 channels

3.2 海霧的通道亮溫差特征研究

海霧的多通道紅外亮溫特征分析表明，海霧在3.89 μm波段的亮溫與8.59 μm、10.41 μm、11.24 μm和12.38 μm波段的亮溫的差值會低于晴空水體和低云的亮溫差，同時海霧在9.64 μm波段的亮溫與8.59 μm、10.41 μm、11.24 μm和12.38 μm波段的亮溫的差值會低于低云的亮溫差。為此我們重點分析了海霧、晴空水體和低云在3.89 μm波段與8.59 μm波段的亮溫差（BT3.89?BT8.59）和9.64 μm波段與10.41 μm波段的亮溫差（BT9.64?BT10.41），從而說明海霧與晴空水體和低云等其他地物的區(qū)別。

以2018年3月25日的海霧事件為例，圖3a給出了H-8衛(wèi)星11時20分（UTC）觀測的3.89 μm波段遙感影像及選取的海霧、晴空水體和低云等不同典型地物樣本分布區(qū)域圖，圖3b給出了海霧在亮溫差（BT3.89?BT8.59） 和（BT9.64?BT10.41）上的散點圖?？梢姡ｌF樣本、晴空水體樣本和區(qū)域3的低云樣本在散點圖上分成三簇，海霧區(qū)集中分布于散點圖的左下角，相較于研究區(qū)內晴空水體和低云等其他類型的地物，海霧的亮溫差（BT3.89?BT8.59） 和（BT9.64?BT10.41）均較小。大量的統(tǒng)計結果表明，海霧的亮溫差（BT3.89?BT8.59）集中分布在?5～0 K之間，晴空水體的亮溫差（BT3.89?BT8.59） 則大于0 K，亮溫差（BT3.89?BT8.59）可用于分離海霧和晴空水體；海霧的亮溫差（BT9.64?BT10.41）集中分布在?35～?20 K之間，一般云系的亮溫差（BT9.64?BT10.41） 大于?20 K，亮溫差（BT9.64?BT10.41）可用于分離海霧和一般云系。

此外，圖3b顯示出海霧樣本和區(qū)域4的低云樣本在散點圖上重疊，說明存在部分低云和海霧在亮溫差（BT3.89?BT8.59） 和（BT9.64?BT10.41）上的輻射特征相近，為了進一步說明海霧和部分低云的紅外通道輻射差異，對二者在3.89 μm波段與9.64 μm波段的亮溫差（BT3.89?BT9.64）和3.89 μm波段與8.59 μm波段的亮溫差（BT3.89?BT8.59）進行了分析（圖4）。由圖4可知，海霧樣本和低云樣本在散點圖上分成兩簇。但海霧和低云的亮溫差（BT3.89?BT8.59）值均集中分布在?3～0 K之間，亮溫差（BT3.89?BT9.64）值均集中分布在19～25 K之間，二者主要的差異體現(xiàn)在散點圖上點（BT3.89?BT9.64，BT3.89?BT8.59）相對于點（18，?5）的斜率大量統(tǒng)計結果表明，海霧的斜率小于0.9，而低云的斜率大于0.9。說明斜率可用于分離海霧和低云。

圖3 不同典型地物樣本分布區(qū)域（a）及其在亮溫差（BT3.89?BT8.59） 和亮溫差（ BT9.64?BT10.41）上的散點分布（b）Fig. 3 Sample distribution areas of different typical features(a) and their scatter plot distribution on ( B T3.89?BT8.59) and(BT9.64?BT10.41)(b)海霧區(qū)標識為區(qū)域1；晴空水體區(qū)標識為區(qū)域2；低云區(qū)標識為區(qū)域3和區(qū)域4The sea fog area is identified as area 1; the water area is identified as area 2; the low cloud area is identified as area 3 and area 4

圖4 海霧與區(qū)域4的低云在亮度溫度差（BT3.89?BT8.59 ） 和亮度溫度差（ BT3.89?BT9.64）上的散點分布Fig. 4 Scatter distribution of ( B T3.89?BT8.59) and(BT3.89?BT9.64) in sea fog and area 4

3.3 海霧的紋理特征

海霧與其他云系相比，霧頂紋理光滑，而云頂紋理比較粗糙，標準差作為二階統(tǒng)計型紋理特征參數(shù)可用來表征海霧和一般云系的紋理特征。從不同類型的地物在各個波段的亮溫分析（圖2）可見，一般各波段處海霧亮溫的標準差較小，且差異不大；而云系亮溫的標準差較大，隨波段變化明顯，在3.89 μm波段處最大。因此，研究利用3.89 μm波段觀測亮溫的標準差σ(BT3.89)表征海霧和一般云系的紋理特征，具體采用像元在其3×3鄰域內的標準差表征該像元的紋理。圖5給出了海霧樣本和一般低云云體樣本σ(BT3.89)頻數(shù)分布，海霧樣本的σ(BT3.89)不超過0.4 K，98.5%的樣本低于0.3 K；一般低云云體樣本的σ(BT3.89)在0～4.0 K之間基本呈均勻分布，足見σ(BT3.89)可用于區(qū)分海霧與紋理較粗糙的云系。

圖5 海霧和一般低云云體的 σ (BT3.89)頻數(shù)分布Fig. 5 σ (BT3.89) frequency distribution of sea fog and low cloud

4 基于多指數(shù)概率分布的夜間海霧監(jiān)測算法

根據(jù)海霧在熱紅外波段的亮溫高于中高云的特征，選擇10.41 μm波段的亮溫（BT10.41）用于分離海霧和中高云；根據(jù)海霧在3.89 μm波段與8.59 μm波段的亮溫差值低于晴空水體的特征，定義海霧和晴空水體分離指數(shù)BTDC（BTDc=BT3.89?BT8.59）分離海霧和晴空水體；根據(jù)海霧在9.64 μm波段與10.41 μm波段的亮溫差值低于一般云系的特征，定義海霧和一般云系分離指數(shù)BTDW（BTDw=BT9.64?BT10.41）分離海霧和一般云系；根據(jù)海霧的3.89 μm波段與8.59 μm波段的亮溫差值和3.89 μm波段與9.64 μm波段的亮溫差值在散點圖上相對于（18，?5）的斜率低于低云的特征，定義多通道亮溫差斜率指數(shù)分離海霧和低云；根據(jù)海霧的紋理光滑、一般云系的紋理粗糙的特征，定義中紅外亮溫紋理指數(shù)STD3.89（STD3.89=σ(BT3.89)）分離海霧和低云。在此基礎上，設計了基于多指數(shù)概率分布的夜間海霧監(jiān)測算法（圖6）。

圖6 基于多指數(shù)概率分布的夜間海霧監(jiān)測算法Fig. 6 Night sea fog monitoring algorithm based on multi-exponential probability distribution

4.1 基于10.41 μm通道亮溫（ BT10.41）的海霧發(fā)生概率

利用中高云在熱紅外波段亮溫較低的性質，對10.41 μm通道亮溫（BT10.41）設置閾值，可將亮溫較低的中高云去除，但由于海霧、晴空水體和低云的BT10.41接近，在此處不將三者區(qū)分。通過對樣本分析可知，海霧的BT10.41均 大于240 K，當像元的BT10.41小于或等于240 K時，該像元為非海霧區(qū)，即概率為0；當像元的BT10.41大于260 K時，該像元有非常大的可能性是海霧區(qū)，即概率為1；在240～260 K的范圍內，像元為海霧區(qū)的可能性隨BT10.41的增大而線性增大。為此，基于10.41 μm通道的BT10.41的海霧發(fā)生概率定義為

4.2 基于海霧和水體分離指數(shù) BTDc 的海霧發(fā)生概率

通過2018年及2019年2-6月的典型海霧事件，分析了海霧樣本的BTDc的頻數(shù)分布（圖7），海霧樣本的BTDc近 似服從N（?3.1, 1.12）。設定當像元的|BTDc?μ|小于或等于σ時，該像元有較大的可能性是海霧區(qū)，即概率為1；當像元的|BTDc?μ|大于3σ時，該像元有較小的可能性是海霧區(qū)，即概率為0；當像元的|BTDc?μ|為σ～3σ時，該像元是海霧區(qū)的概率隨|BTDcμ|值的增大而增大。為此，基于海霧和晴空水體分離指數(shù)BTDc的海霧發(fā)生概率定義為

圖7 海霧樣本的 BTDc 頻數(shù)分布直方圖Fig. 7 Histogram of B TDc distribution for sea fog

4.3 基于海霧和一般云系分離指數(shù) BTDw的 海霧發(fā)生概率

通過2018年及2019年2-6月的典型海霧事件，分析了海霧樣本的BTDw的頻數(shù)分布（圖8），海霧樣本的BTDw近 似 服 從N（?27.2, 2.62）。設 定 當 像 元 的|BTDw?μ|小于或等于σ時，該像元有較大的可能性是海霧區(qū)，即概率為1；當像元的|BTDw?μ|大于3σ時，該像元有較小的可能性是海霧區(qū)，即概率為0；當像元的|BTDw?μ|為σ～3σ時，該 像 元 是 海 霧 區(qū) 的 概 率 隨|BTDw?μ|值的增大而增大。為此，基于海霧和一般云系分離指數(shù)BTDw的 海霧發(fā)生概率定義為

圖8 海霧樣本的 BTDw頻 數(shù)分布直方圖Fig. 8 Histogram of B TDw distribution for sea fog

4.4 基于多通道亮溫差斜率指數(shù)RBTD的海霧發(fā)生概率

考慮到部分低云和海霧在波段間亮溫差的輻射特性較為接近，選取2018年和2019年典型海霧事件中的海霧樣本和亮溫差輻射特征與海霧接近的低云樣本，分析二者的多通道亮溫差斜率指數(shù)RBTD的頻數(shù)分布（圖9），海霧樣本的RBTD集中分布在0.5～0.9之間，低云樣本的RBTD集中分布在1.1～2.0之間。當像元的RBTD大于0.9時，認為該像元有非常小的可能性為海霧區(qū)，即概率為0；當像元的RBTD小于或等于0.5時，認為該像元有非常大的可能性為海霧區(qū)，即概率為1；當像元的RBTD在0.5～0.9之間時，像元為海霧區(qū)的概率隨RBTD的減小而增大。為此，基于多通道亮溫差斜率指數(shù)RBTD的海霧發(fā)生概率定義為

圖9 海霧和低云的RBTD頻數(shù)分布圖Fig. 9 RBTD frequency distribution of sea fog and low cloud

4.5 基于中紅外亮溫紋理指數(shù)S TD3.89的海霧發(fā)生概率

根據(jù)海霧和一般云系的紋理特征分析結果可知，當像元的STD3.89大于0.4 K時，該像元有非常小的可能性為海霧區(qū)，即概率為0，當像元的STD3.89小于或等于0.3 K時，該像元有非常大的可能性為海霧區(qū)，即概率為1，而當像元的STD3.89在0.3～0.4 K之間時，海霧的概率隨STD3.89的增大而減小。為此，基于中紅外亮溫紋理指數(shù)STD3.89的海霧發(fā)生概率定義為

4.6 海霧發(fā)生概率

綜合以上5種指數(shù)概率，我們最終定義海霧發(fā)生概率為

通過對大量樣本分析，本文取Pr大于0.8的像元標識為海霧區(qū)，能盡可能多地剔除晴空水體、中高云和大部分低云云系等非海霧區(qū)，但仍可能存在部分零星分布的區(qū)域，考慮到海霧通常發(fā)生面積較大，零星分布的結果作為誤判區(qū)也被直接剔除，最終實現(xiàn)海霧的自動識別監(jiān)測。

5 海霧監(jiān)測結果分析

5.1 同時刻不同衛(wèi)星監(jiān)測結果的比對驗證

為了分析提出的海霧監(jiān)測算法的適用性和監(jiān)測結果的準確性，本文選擇了2020年2-6月發(fā)生的6次海霧事件對算法進行驗證。將算法分別應用于同時次的28幅H-8影像和GK-2A影像，對二者監(jiān)測的海霧覆蓋面積進行了比對分析（圖10），同時刻不同衛(wèi)星監(jiān)測出的海霧覆蓋面積基本一致。

圖10 H-8衛(wèi)星與GK-2A衛(wèi)星監(jiān)測出的海霧覆蓋面積對比Fig. 10 Comparison of the coverage area of sea fog monitor results based on H-8 and GK-2A

為進一步對比監(jiān)測的海霧的位置分布，選擇海霧覆蓋面積差異最小和最大的兩個海霧事件，圖10中面積差異最小的海霧事件發(fā)生在2020年5月1日11時（UTC），監(jiān)測的海霧位置分布結果如圖11a和圖11b所示；面積差異最大的海霧事件發(fā)生在2020年4月30日11時（UTC），監(jiān)測的海霧位置分布結果如圖11c和圖11d所示，監(jiān)測出的海霧區(qū)域主要分布在黃海大部分海域，北部與遼東半島相接，東部與朝鮮半島相接，H-8衛(wèi)星與GK-2A衛(wèi)星監(jiān)測出的海霧主體區(qū)域輪廓與形態(tài)較為一致。結果表明，該算法應用于具有相似紅外通道的H-8與GK-2A兩顆衛(wèi)星，監(jiān)測結果都能準確地展現(xiàn)出海霧區(qū)域，且位置分布和覆蓋面積具有較好的一致性。算法具有較好的適用性和穩(wěn)定性。但由于H-8衛(wèi)星與GK-2A衛(wèi)星的光譜響應函數(shù)存在差異，相較于H-8衛(wèi)星的監(jiān)測結果，GK-2A衛(wèi)星的監(jiān)測結果在邊緣處和黃海東部區(qū)域存在漏判誤判的現(xiàn)象。

5.2 一次海霧發(fā)生跟蹤監(jiān)測分析

高時間分辨率的靜止衛(wèi)星觀測能夠跟蹤監(jiān)測海霧的發(fā)生?發(fā)展?消亡過程，研究將本文提出的夜間海霧監(jiān)測算法應用于2020年4月29日H-8和GK-2A衛(wèi)星每10 min監(jiān)測一次的夜間紅外數(shù)據(jù)，圖12和圖13分別給出了基于H-8和GK-2A衛(wèi)星在11-17時（UTC）觀測時間窗內幾個不同時刻的海霧監(jiān)測結果，展現(xiàn)了此次海霧事件發(fā)生發(fā)展的過程。

由監(jiān)測結果可見，此次海霧在11時40分（UTC）以圓點狀出現(xiàn)在黃海西部（圖12b，圖13b）；隨后海霧向四周擴散發(fā)展，面積逐漸變大，在12時10分（UTC）呈圓斑狀分布（圖12c，圖13c）；到了12時20分（UTC），在已有海霧的北方約120 km處又有小面積片狀海霧生成（圖12d，圖13d）；兩片海霧隨著時間逐步向四周發(fā)展擴大（圖12e，圖13e）；在13時30分（UTC）連接匯合，演變成類似“8”狀的葫蘆形，同時，在黃海北部沿著山東半島海岸線出現(xiàn)條狀霧區(qū)（圖12f，圖13f）；此后，海霧主體逐漸向南北蔓延發(fā)展，向南逐漸蔓延至東海，向北受陸地的影響，不經過陸地，繼續(xù)向黃海北部發(fā)展擴張，海霧整體近似呈現(xiàn)樹葉狀（圖12g，圖13g）；直到16時30分（UTC），海霧北部與遼東半島相接，南部海霧區(qū)域上方薄云離開，此時，海霧已經發(fā)展到成熟期，霧的主體形態(tài)穩(wěn)定，邊界清晰（圖12i，圖13i）。監(jiān)測結果清晰地展現(xiàn)了本次海霧的生成、生長、發(fā)展穩(wěn)定的過程。

此次海霧事件是一次典型的平流霧，利用歐洲中尺度天氣預報中心每小時一次的再分析數(shù)據(jù)繪制圖14。由圖14a可見，在11時（UTC）黃、渤海域存在偏南風，風速在12 m/s左右，偏南風利于將南部海上暖濕空氣輸送到較冷的黃、渤海域，為黃、渤海域提供了充沛的水汽，黃、渤海域上空空氣相對濕度已達到85%以上，0～500 m處逆溫層也已經存在（圖14d），暖濕空氣下部飽和水蒸氣遇較冷海面，容易冷卻凝結形成海霧（圖12a至圖12c，圖13a至圖13c）；11-17時（UTC）期間，偏南風持續(xù)存在，能夠不斷地為黃、渤海帶來暖濕空氣，使得空氣相對濕度一直保持在90%以上，0～500 m的逆溫層結持續(xù)加強（圖14d），使得該區(qū)域海霧不斷生長（圖12d至圖12f，圖13d至圖13f）并發(fā)展穩(wěn)定（圖12g至圖12i，圖13g至圖13i）。

圖13 2020年4月9日基于GK-2A數(shù)據(jù)的海霧監(jiān)測結果Fig. 13 Sea fog monitoring result based on data of GK-2A on April 29, 2020

6 結論與討論

本文選擇2018-2019年在黃、渤海域發(fā)生的海霧事件，利用H-8衛(wèi)星觀測影像數(shù)據(jù)，分析了海霧、晴空水體、低云和中高云等不同類型的地物在紅外波段的亮溫輻射特性，結果表明：（1）海霧在熱紅外波段的亮溫高于中高云；（2）海霧在3.89 μm波段與8.59 μm波段的亮溫差值低于晴空水體，集中分布在?5～0 K之間；海霧在9.64 μm波段與10.41 μm波段的亮溫差值低于一般云系，集中分布在?35～?20 K之間；（3）海霧的3.89 μm波段與8.59 μm波段的亮溫差值和3.89 μm波段與9.64 μm波段的亮溫差值在散點圖上相對于（18，?5）的斜率低于低云，分布在0.5～0.9之間；（4）海霧的紋理光滑而一般云系的紋理粗糙。

在此基礎上定義了海霧和晴空水體分離指數(shù)、海霧和一般云系分離指數(shù)、多通道亮溫差斜率指數(shù)和中紅外亮溫紋理指數(shù)，提出了基于多指數(shù)概率分布的夜間海霧監(jiān)測算法。將算法分別應用于H-8、GK-2A衛(wèi)星同時次觀測影像數(shù)據(jù)，監(jiān)測結果在位置分布和覆蓋面積上都具有很高的一致性，表明對具有類似紅外通道的衛(wèi)星，如H-8衛(wèi)星、GK-2A衛(wèi)星，本文提出的海霧監(jiān)測算法能夠實現(xiàn)夜間海霧識別，具有較好的適用性和穩(wěn)定性。將算法應用于2020年4月29日H-8和GK-2A衛(wèi)星每10 min一次的夜間紅外觀測影像數(shù)據(jù)，監(jiān)測結果可完整地展示出海霧的發(fā)生、發(fā)展過程。使用每10 min一次觀測頻次的H-8、GK-2A等新一代靜止氣象衛(wèi)星數(shù)據(jù)，能夠更好地跟蹤監(jiān)測海霧的動態(tài)演變，實現(xiàn)對海霧變化過程的跟蹤監(jiān)測。

由于春季是海霧的高發(fā)期，且我國海霧事件發(fā)生在黃、渤海域頻率較高，本文的海霧事件研究樣本85%以上來自于春季的黃、渤海域。有限次的海霧樣本的選取能基本反映海霧的輻射特性，未來可結合輻射傳輸模擬得到更完整的輻射特性分析。

本文提出的基于多指數(shù)概率分布的海霧監(jiān)測算法，主要針對衛(wèi)星紅外觀測輻射亮溫波段，適用于夜間海霧監(jiān)測，未來可結合衛(wèi)星白天觀測的可見光波段光譜特征和信息，發(fā)展白天、晨昏時刻、甚至全時段的海霧監(jiān)測識別算法。

此外，一方面，由于低云和海霧的輻射特性十分接近，僅依靠輻射特性難以將低云和海霧實現(xiàn)完全的區(qū)分，今后可利用連續(xù)觀測的時相序列，結合海霧與層云在運動規(guī)律、生消規(guī)律等方面的差異對海霧和低云進行更精確地區(qū)分；另一方面，紅外輻射觀測對云霧不具備穿透性，對于云區(qū)下方發(fā)生的海霧區(qū)難以識別，結合地面或人工觀測資料、衛(wèi)星剖面觀測數(shù)據(jù)，也將是提高衛(wèi)星監(jiān)測海霧精度的重要技術。

參考文獻：[1]王彬華. 海霧[M]. 北京: 海洋出版社, 1983.

Wang Binhua. Sea Fog[M]. Beijing: China Ocean Press, 1983.

[2]黃輝軍, 黃健, 毛偉康, 等. 茂名地區(qū)海霧含水量的演變特征及其與大氣水平能見度的關系[J]. 海洋學報, 2010, 32(2): 40?53.

Huang Huijun, Huang Jian, Mao Weikang, et al. Characteristics of liquid water content of sea fog in Maoming area and its relationship with atmospheric horizontal visibility[J]. Haiyang Xuebao, 2010, 32(2): 40?53.

[3]周發(fā)琇, 王鑫, 鮑獻文. 黃海春季海霧形成的氣候特征[J]. 海洋學報, 2004, 26(3): 28?37.

Zhou Faxiu, Wang Xin, Bao Xianwen. Climatic characteristics of sea fog formation of the Huanghai Sea in spring[J]. Haiyang Xuebao,2004, 26(3): 28?37.

[4]肖艷芳, 張杰, 崔廷偉, 等. 海霧衛(wèi)星遙感監(jiān)測研究進展[J]. 海洋科學, 2017, 41(12): 146?154.

Xiao Yanfang, Zhang Jie, Cui Tingwei, et al. Review of sea fog detection from satellite remote sensing data[J]. Marine Sciences, 2017,41(12): 146?154.

[5]張?zhí)K平, 鮑獻文. 近十年中國海霧研究進展[J]. 中國海洋大學學報（自然科學版）, 2008, 38(3): 359?366.

Zhang Suping, Bao Xianwen. The main advances in sea fog research in China[J]. Periodical of Ocean University of China, 2008, 38(3):359?366.

[6]Eyre J R, Brownscombe J L, Allam R J. Detection of fog at night using advanced very high resolution radiometer (AVHRR) imagery[J].Meteorological Magazine, 1984, 113(1346): 266?271.

[7]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.

[8]Dentremont R P. Low- and midlevel cloud analysis using nighttime multispectral imagery[J]. Journal of Applied Meteorology and Climatology, 1986, 25(12): 1853?1869.

[9]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.

[10]Bendix J. A satellite-based climatology of fog and low-level stratus in Germany and adjacent areas[J]. Atmospheric Research, 2002,64(1): 3?18.

[11]Zhang Suping, Yi Li. A comprehensive dynamic threshold algorithm for daytime sea fog retrieval over the Chinese adjacent seas[J]. Pure and Applied Geophysics, 2013, 170(11): 1931?1944.

[12]鄧玉嬌, 王捷純, 曹靜. 基于MODIS遙感資料監(jiān)測南海白天霧[J]. 熱帶氣象學報, 2013, 29(6): 1046?1050.

Deng Yujiao, Wang Jiechun, Cao Jing. Detection of daytime fog in south China sea using MODIS data[J]. Journal of Tropical Meteorology, 2013, 29(6): 1046?1050.

[13]Bendix J, Bachmann M. Operational detection of fog in the Alpine region by means of AVHRR imagery of NOAA satellites[C]//Proc.5 m AVHRR Data Users’ Meeting. Troms?: European Organisation for the Exploitation of Meteorological Satellites, 1991: 307?312.

[14]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.

[15]Bendix J, Thies B, Nauss T, et al. A feasibility study of daytime fog and low stratus detection with TERRA/AQUA-MODIS over land[J].Meteorological Applications, 2006, 13(2): 111?126.

[16]Ahmed R, Dey S, Mohan M. A study to improve night time fog detection in the Indo-Gangetic Basin using satellite data and to investigate the connection to aerosols[J]. Meteorological Applications, 2015, 22(4): 689?693.

[17]Hu Shensen, Ma Shuo, Yan Wei, et al. A new multichannel threshold algorithm based on radiative transfer characteristics for detecting fog/low stratus using night-time NPP/VIIRS data[J]. International Journal of Remote Sensing, 2017, 38(21): 5919?5933.

[18]張春桂, 蔡義勇, 張加春. MODIS遙感數(shù)據(jù)在我國臺灣海峽海霧監(jiān)測中的應用[J]. 應用氣象學報, 2009, 20(1): 8?16.

Zhang Chungui, Cai Yiyong, Zhang Jiachun. The application of monitoring sea fog in Taiwan strait using MODIS remote sensing data[J].Journal of Applied Meteorological Science, 2009, 20(1): 8?16.

[19]張春桂, 何金德, 馬治國. 福建沿海海霧的衛(wèi)星遙感監(jiān)測[J]. 中國農業(yè)氣象, 2013, 34(3): 366?373.

Zhang Chungui, He Jinde, Ma Zhiguo. Remote sensing monitor of sea fog in Fujian coastal region[J]. Chinese Journal of Agrometeorology, 2013, 34(3): 366?373.

[20]馬慧云, 李德仁, 劉良明, 等. 基于MODIS衛(wèi)星數(shù)據(jù)的平流霧檢測研究[J]. 武漢大學學報: 信息科學版, 2005, 30(2): 143?145.

Ma Huiyun, Li Deren, Liu Liangming, et al. Fog detection based on EOS MODIS data[J]. Geomatics and Information Science of Wuhan University, 2005, 30(2): 143?145.

[21]馬慧云, 李德仁, 劉良明, 等. 基于AVHRR、MODIS和MVRIS數(shù)據(jù)的輻射霧變化檢測與分析[J]. 武漢大學學報: 信息科學版, 2007,32(4): 297?300.

Ma Huiyun, Li Deren, Liu Liangming, et al. Fog dynamic change detection based on AVHRR, MODIS and MVIRS data[J]. Geomatics and Information Science of Wuhan University, 2007, 32(4): 297?300.

[22]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.

Zhang Weikang, Ma Huiyun, Zou Zhengrong, 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 & Resources, 2014, 26(2): 80?86.

[23]何月, 張小偉, 蔡菊珍, 等. 基于MTSAT衛(wèi)星遙感監(jiān)測的浙江省及周邊海區(qū)大霧分布特征[J]. 氣象學報, 2015, 73(1): 200?210.

He Yue, Zhang Xiaowei, Cai Juzhen, et al. Distribution characteristics of the fog derived from the MTSAT satellite data in Zhejiang Province and its adjacent sea area[J]. Acta Meteorologica Sinica, 2015, 73(1): 200?210.

[24]何月, 張小偉, 杜惠良, 等. 利用靜止氣象衛(wèi)星監(jiān)測浙江海上大霧[J]. 遙感技術與應用, 2015, 30(3): 599?606.

He Yue, Zhang Xiaowei, Du Huiliang, et al. Monitoring sea fog of Zhejiang from geostationary meteorological satellite data[J]. Remote Sensing Technology and Application, 2015, 30(3): 599?606.

[25]Li Yi, Thies B, Zhang Suping, et al. Optical thickness and effective radius retrievals of low stratus and fog from MTSAT daytime data as a prerequisite for Yellow Sea fog detection[J]. Remote Sensing, 2016, 8(1): 8.

[26]Heo K Y, Park S, Ha K J, et al. Algorithm for sea fog monitoring with the use of information technologies[J]. Meteorological Applications, 2014, 21(2): 350?359.

[27]田永杰, 鄧玉嬌, 陳武喝, 等. 基于FY-2E數(shù)據(jù)白天海霧檢測算法的改進[J]. 干旱氣象, 2016, 34(4): 738?742, 751.Tian Yongjie, Deng Yujiao, Chen Wuhe, et al. Algorithm improvement of sea fog detection in the daytime based on FY-2E data[J].Journal of Arid Meteorology, 2016, 34(4): 738?742, 751.

[28]Yuan Yibo, Qiu Zhongfeng, Sun Deyong, et al. Daytime sea fog retrieval based on GOCI data: a case study over the Yellow Sea[J]. Optics Express, 2016, 24(2): 787?801.

[29]王崢, 滕駿華, 蔡文博, 等. 基于GOCI影像的黃海海霧提取方法研究[J]. 海洋環(huán)境科學, 2018, 37(6): 941?946.

Wang Zheng, Teng Junhua, Cai Wenbo, et al. Yellow Sea fog extraction method based on GOCI image[J]. Marine Environmental Science, 2018, 37(6): 941?946.

[30]Gao Shanhong, Wu Wei, Zhu Leilei, et al. Detection of nighttime sea fog/stratus over the Huanghai Sea using MTSAT-1R IR data[J].Acta Oceanologica Sinica, 2009, 28(2): 23?35.

[31]張培, 吳東. 基于Himawari-8數(shù)據(jù)的日間海霧檢測方法[J]. 大氣與環(huán)境光學學報, 2019, 14(3): 211?220.

Zhang Pei, Wu Dong. Daytime sea fog detection method using Himawari-8 data[J]. Journal of Atmospheric and Environmental Optics,2019, 14(3): 211?220.

[32]蘇紀蘭. 中國近海的環(huán)流動力機制研究[J]. 海洋學報, 2001, 23(4): 1?16.

Su Jilan. A review of circulation dynamics of the coastal oceans near China[J]. Haiyang Xuebao, 2001, 23(4): 1?16.

[33]吳曉京, 李三妹, 廖蜜, 等. 基于20年衛(wèi)星遙感資料的黃海、渤海海霧分布季節(jié)特征分析[J]. 海洋學報, 2015, 37(1): 63?72.Wu Xiaojing, Li Sanmei, Liao Mi, 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]. Haiyang Xuebao, 2015, 37(1): 63?72.

[34]金巍, 曲巖, 卞韜, 等. 渤海北部沿海近岸霧的特征分析[J]. 氣象與環(huán)境學報, 2012, 28(2): 40?43.

Jin Wei, Qu Yan, Bian Tao, et al. Characteristics of sea fog along the north coast of the Bohai Sea in China[J]. Journal of Meteorology and Environment, 2012, 28(2): 40?43.