海霧衛(wèi)星遙感監(jiān)測研究進展

肖艷芳, 張 杰, 崔廷偉, 秦 平

?

海霧衛(wèi)星遙感監(jiān)測研究進展

肖艷芳1, 張 杰1, 崔廷偉1, 秦 平2

(1. 國家海洋局第一海洋研究所, 山東 青島 266061; 2. 中國海洋大學 信息科學與工程學院, 山東 青島 266100)

海霧導致能見度降低, 給海上交通和海上作業(yè)造成極大威脅。衛(wèi)星遙感是海霧監(jiān)測不可或缺的重要技術(shù)手段。本文從海霧遙感監(jiān)測的原理出發(fā), 首先介紹海霧的輻射特征和紋理特征, 進而對近年來海霧遙感監(jiān)測方面的研究進行回顧, 包括海霧的識別探測研究和海霧物理特征量的反演研究, 最后對海霧遙感監(jiān)測中存在的一些問題進行了討論。

海霧; 低云; 綜述; 遙感

霧是由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的大氣現(xiàn)象。與陸地上的霧相比, 海霧具有其獨特性, 如海霧主要以平流霧的形式出現(xiàn); 海霧一旦出現(xiàn), 其濃度、厚度和范圍都比較大, 給海上交通、漁業(yè)生產(chǎn)、石油開發(fā)、海上軍事活動等帶來極大的威脅[1-3]。中國近海尤其是渤、黃、東海, 每年有超過80 d的霧天, 據(jù)不完全統(tǒng)計, 黃海超過50%的事故都與海霧有關(guān)[4]。

陸地霧的常規(guī)監(jiān)測主要是依靠地面氣象觀測站, 但海洋上只有極少甚至沒有地面觀測站, 常規(guī)監(jiān)測手段和基于船載的觀測都無法實現(xiàn)對海霧的大范圍長時間連續(xù)監(jiān)測。衛(wèi)星遙感數(shù)據(jù)具有快速、覆蓋范圍廣、可連續(xù)觀測等優(yōu)勢, 能夠?qū)ｌF的發(fā)生、發(fā)展、消亡進行實時觀測, 成為海霧監(jiān)測中不可或缺的重要技術(shù)手段。隨著遙感技術(shù)的發(fā)展, 尤其是衛(wèi)星激光雷達的出現(xiàn), 使海霧的探測精度得到了極大的提升[5-7]。本文從海霧遙感監(jiān)測的原理出發(fā), 對海霧遙感監(jiān)測研究領(lǐng)域的進展進行簡要綜述, 并討論海霧遙感監(jiān)測中所存在的主要問題。

1 海霧遙感監(jiān)測原理

1.1 海霧的輻射特性

海霧的遙感輻射特性分析是衛(wèi)星監(jiān)測海霧的基礎。在可見光-近紅外波段, 衛(wèi)星接收到的信號來自物體反射的太陽輻射, 由入射到目標物的太陽輻射及目標物的反射率決定。與海洋下墊面相比, 云霧具有較高的反射率, 且光學厚度越大, 其可見光-近紅外波段的反射率越高[8]。通常, 中高云的反射率要明顯高于低云和海霧, 但是對于相同厚度的低云和海霧, 海霧的反射率小于低云, 這是由于海霧更貼近海表, 來自地面或其他方向上的漫反射少, 另外衛(wèi)星接收到的霧頂反射在大氣中傳播距離也更長。

中紅外波段位于太陽輻射光譜和地球大氣輻射光譜的重疊區(qū), 因此白天衛(wèi)星在這一通道的測量輻射既有下墊面發(fā)射的長波輻射, 也有下墊面反射的太陽輻射, 兩者都不能忽略。白天云霧在中紅外通道反射的太陽輻射強烈依賴于云霧粒子的大小, 粒子越小其反射強度越大[9]。由于大部分霧粒子的尺度小于低云和中高云, 因此霧在中紅外通道反射的太陽輻射要比低云反射的太陽輻射大[10]。夜間無太陽輻射, 衛(wèi)星在這一通道接收到的輻射以發(fā)射輻射為主。云霧在中紅外波段的發(fā)射率小于1, 在遠紅外波段的發(fā)射率近似為1, 使得云霧在中外通道的亮溫明顯低于遠紅外通道亮溫; 而海洋、中高云等在中外和遠紅外的發(fā)射率均近似為1, 兩個通道上的亮溫基本相同, 這是夜間判別低層云霧的主要科學依據(jù)。

遠紅外波段, 衛(wèi)星接收到輻射信號主要來自地球自身發(fā)射的紅外輻射, 由發(fā)射輻射物體本身的溫度和比輻射率決定。溫度越低, 比輻射率越低, 衛(wèi)星接收到的輻射值也越低。中高云高度高, 溫度低, 輻射亮溫明顯低于其他下墊面; 而低云和海霧頂部溫度與海面相近。雖然霧比低云更靠近洋面, 霧頂亮溫略高于低云, 但總的來看, 海洋、低云和海霧在遠紅外通道的亮溫差異并不顯著。

1.2 海霧的紋理特征

云霧的類型不同或厚度差異, 都會使云(霧)頂表現(xiàn)出不同的紋理特征, 根據(jù)紋理特征能夠識別不同類型的云。通常云頂高度和厚度相差較小的云霧, 表面較為光滑和均勻, 大多數(shù)的低層云霧是在穩(wěn)定大氣條件下由暖濕空氣平流到冷的表面上形成的, 因此低層云霧的云頂高度較為均一, 在圖像特征上表現(xiàn)為頂部光滑且質(zhì)地均勻。低層云霧的邊界整齊清晰, 受地表的影響大, 常常沿著山脈、河流、海岸線或一條低空切變線突然結(jié)束。中高云的云頂表面高低起伏, 紋理多呈現(xiàn)凹凸不平和不均勻特征[11-12]。

2 海霧遙感監(jiān)測進展

20世紀70年代, 衛(wèi)星遙感數(shù)據(jù)開始被用于海霧探測。下面從海霧遙感監(jiān)測中常用的衛(wèi)星數(shù)據(jù)、海霧識別探測、海霧特征量遙感反演三個方面對海霧遙感監(jiān)測的研究進展進行評述。

2.1 常用的衛(wèi)星數(shù)據(jù)

海霧遙感監(jiān)測中常用的衛(wèi)星遙感數(shù)據(jù)包括靜止/極軌氣象衛(wèi)星(GMS-5、NOAA/AVHRR系列、MTSAT系列、FY-2系列、葵花8等)、陸地/水色衛(wèi)星(MODIS、GOCI)等, 主動的星載激光雷達數(shù)據(jù)在海霧遙感監(jiān)測中也有較為廣泛的應用。表1給出了已有海霧遙感探測研究中常用的和近期計劃發(fā)射的可用于海霧遙感探測的衛(wèi)星數(shù)據(jù)。

表1 海霧遙感探測中可用的衛(wèi)星數(shù)據(jù)

2.2 海霧探測遙感研究進展

2.2.1 基于被動衛(wèi)星遙感器的海霧識別探測

20世紀70年代開始, 國內(nèi)外學者嘗試利用云霧在輻射特性上的差異進行云霧檢測研究[13-19], 閾值法是最常用的檢測方法。1973年Hunt[20]發(fā)現(xiàn)3.7 μm通道的散射信號能夠反映出小粒子云(如低云和霧)的特性?；谶@一發(fā)現(xiàn), Eyre等[21]提出了利用NOAA/ AVHRR通道3(3.7 μm中紅外通道)和通道4(11 μm熱紅外通道)的亮溫差閾值, 即雙通道差值法, 來識別大霧。該方法提出后得到了廣泛討論和實驗[22-30], 是目前夜間低層云霧監(jiān)測的業(yè)務化方法。

由于中紅外通道在白天還會受到反射輻射的影響, 因此雙通道差值法并不適用于白天的海霧遙感探測。針對白天云霧的識別探測, 國內(nèi)外研究者也開展了大量的相關(guān)研究, 閾值法仍然是最常用的方法。Anthis等[31]利用NOAA/AVHRR的3個紅外通道數(shù)據(jù)和METEOSAT數(shù)據(jù)統(tǒng)計了白天大霧和夜間大霧的光譜特性, 并根據(jù)統(tǒng)計得到的閾值范圍開展了大霧檢測; 張春桂等[32-33]利用MODIS數(shù)據(jù), 在分析海洋、中高云、低云和海霧等不同下墊面的可見光和紅外輻射特征基礎上, 確定海霧監(jiān)測閾值, 建立了白天海霧遙感監(jiān)測模型, 模型準確率可達80%以上; 周紅妹等[34]基于云、霧、下墊面的可見光和紅外光譜特征及輻射性質(zhì)提出了準霧區(qū)自動提取方法; 蔣璐璐等[35]利用國產(chǎn)的FY-3A風云衛(wèi)星的VIRR數(shù)據(jù), 采用多波段閾值法對2010年中國沿海地區(qū)的海霧進行了檢測; Yuan等[36]分析海霧/層云、晴空海表和云的光譜特性, 構(gòu)建了基于GOCI的黃海海霧白天探測算法。

除上述輻射特征外, 紋理特征也是大霧檢測的重要判據(jù)。Karlsson等[37]利用紅外通道, 分析了不同云類型的圖像紋理。李亞春等[38-39]利用氣象衛(wèi)星闡述了遙感檢測霧的基本原理和霧的紋理特點; 張順謙等[40]以地物光譜信息和圖像紋理信息作為分類標識, 將分形理論和BP神經(jīng)網(wǎng)絡應用于夜間濃霧的遙感監(jiān)測, 提高了夜間濃霧的監(jiān)測精度。金寶剛等[41]利用NOAA/AVHRR-3數(shù)據(jù), 結(jié)合白天大霧的紋理特性, 提出了識別白天大霧的BP神經(jīng)網(wǎng)絡方法。

在海霧的遙感探測中, 利用單一通道或特征的閾值很難實現(xiàn)海霧的識別, 需要綜合運用多個通道或特征。劉希等[42]綜合運用可見光反射率閾值法、3×3像元空間一致性檢測法、紅外亮溫閾值法及雙通道差值法, 建立了全天時海霧遙感探測算法; 鄧玉嬌等[43]采用多通道閾值判識法, 利用MODIS數(shù)據(jù)開展了南海白天海霧監(jiān)測; 黃子革等[44]分析了太陽高度角正弦和日地距離對MODIS海霧探測閾值的影響, 以此得到了收斂的閾值; 何月等[45]基于MTSAT衛(wèi)星觀測數(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, 構(gòu)建了陸地和海上遙感大霧監(jiān)測模型; 衣立[5]和Zhang等[46]利用MODIS對低云和海霧進行區(qū)分, 提出了黃海海霧動態(tài)閾值遙感反演算法。

2.2.2 基于主動衛(wèi)星遙感器的海霧探測

層云與海霧類似, 兩者在光學特性和物理性質(zhì)上沒有本質(zhì)的區(qū)別, 導致衛(wèi)星上被動探測器接收到的海霧和層云信號相似, 難以將層云與海霧區(qū)分開。海霧和層云最主要的區(qū)別在于層云云底不與海面相接, 而海霧緊貼海面, 因此區(qū)分層云和海霧最直接也是最可靠的方法就是獲取云/霧底高度。主動的激光雷達, 如CALIOP(Cloud-AerosolLidarwith Orthogonal Pola-ri-zation, CALIPSO)和毫米波雷達CPR (Cloud Profiling Radar, CloudSat)等, 可穿透云層或者氣溶膠, 能夠獲取大氣的垂直剖面結(jié)構(gòu)信息。尤其是CALIOP, 它的垂向分辨率達到30 m, 可準確區(qū)分海面、海霧、低云、中高云、氣溶膠等。

許多研究者將CALIOP得到的云層信息與其他傳感器的結(jié)果進行比對。總的來說, CALIOP判別有云的概率大于MODIS的判別結(jié)果, 原因是CALIOP對薄云更為敏感[6-7]。Badarinath等[47]將CALIOP數(shù)據(jù)應用于印度恒河平原的大霧研究, 證明了CALIOP數(shù)據(jù)用于霧研究的可行性。魏書曉[48]利用CALIOP后向散射系數(shù)數(shù)據(jù)檢測海霧區(qū)域, 并基于CALIOP判定的海霧區(qū)域?qū)崿F(xiàn)了MODIS海霧的初步識別。盧博[49]和Wu等[50]提出了結(jié)合CALIOP二級VFM產(chǎn)品和一級后向散射系數(shù)數(shù)據(jù)檢測海霧的方法, 提取了大量的海霧、低云、中高云和晴空海表樣本點, 應用于MODIS日間海霧檢測研究中。

2.3 海霧特征量遙感反演進展

與海霧的遙感識別探測相比, 海霧的物理特性遙感反演研究相對滯后。所反演的特征量以能見度為主, 還包括光學厚度、有效粒子半徑、液態(tài)水路徑(云霧中垂直積分的液態(tài)水含量)、霧頂高度(海霧厚度)等[51-61]。總的來看, 目前有關(guān)海霧物理特性的遙感反演研究主要針對白天霧, 夜間霧屬性反演的研究甚少。由于云、霧特征量的反演具有共性, 海霧特征量的反演往往借鑒云特征量的反演方法。

海霧特征量的遙感反演以被動傳感器為主, 依據(jù)海霧的反射和發(fā)射輻射特性獲取。1973年Hunt發(fā)現(xiàn)10.8 μm和3.9 μm通道的亮溫差與云的光學厚度存在關(guān)系。Ellrod[62-63]基于Hunt的結(jié)論, 利用靜止衛(wèi)星GOES估算了霧的厚度和層云云底高度(小于300 m)。Stephens等[64]發(fā)現(xiàn), 在波長小于0.7 μm的非吸收波長上, 霧的光譜反照率能夠反演出霧的光學厚度和微物理性質(zhì)。Platnick等[65]利用NOAA/AVHRR通道1(0.6 μm)和通道3(3.7 μm)反演了海上層云的光學厚度。Bendix[66]基于輻射傳輸理論, 利用AVHRR通道1的霧頂反射率數(shù)據(jù), 反演了白天霧的能見度, 與地面能見度儀的偏差為56 m; 吳曉京等[67]應用MODIS數(shù)據(jù)定量反演了新疆北部大霧的能見度、垂直總水汽含量和有效粒子半徑; 蔣璐璐等[35]利用FY-3A/ VIRR數(shù)據(jù)反演了白天霧的光學厚度、垂直厚度和能見度,證明了FY-3A監(jiān)測霧的可行性。張偉康等[68]基于SBDART輻射傳輸模型和BP神經(jīng)網(wǎng)絡開展了夜間霧的檢測, 同時反演了霧區(qū)能見度, 誤差約為20%。

許多研究表明海霧特征量之間存在直接或間接的關(guān)系, 通過某一特征量可間接反演得到其他參量[69-70]。Minnis等[71]和Heidinger等[72]發(fā)現(xiàn)了光學厚度與層云厚度的關(guān)系, 并依據(jù)光學厚度反演得到了云的厚度[71-72]; Brenguier等[73]利用Brenguier[74]分析的凝結(jié)過程, 發(fā)現(xiàn)液態(tài)水路徑與云層厚度的平方存在關(guān)系; Bendix[26]提出了液態(tài)水路徑與光學厚度之間存在的函數(shù)關(guān)系; Greenwald和Christopher[75]基于霧層的液態(tài)水路徑和光學厚度估算了霧的有效粒子半徑。

主動的星載激光雷達數(shù)據(jù)也被用于反演云霧的物理特征量。Weisz等[76]和Holz等[77]利用CALIOP反演得到了云頂高度, 并將結(jié)果與MODIS的反演結(jié)果對比, 發(fā)現(xiàn)CALIOP得到的云頂高度更高, 高空云的差別最大。Yu等[78]基于CALIOP數(shù)據(jù), 根據(jù)氣溶膠粒徑分布服從對數(shù)正太分布的特點, 利用神經(jīng)網(wǎng)絡等方法擬合獲得了海霧粒徑分布函數(shù)。

3 海霧遙感監(jiān)測中存在的問題及解決思路

3.1 低云和大霧的高精度區(qū)分

低云和海霧之間能夠相互轉(zhuǎn)化, 低云下沉會成為海霧, 海霧抬升會成為低云。海霧是一種典型的自然災害, 對海上交通運輸和海上活動等有嚴重影響, 而低云主要影響飛機起降, 對海上船只航行的影響較小, 因此區(qū)分低云和大霧具有重要的實際意義。

由于低云和大霧在物理性質(zhì)上沒有本質(zhì)的區(qū)別, 其光學特性極為相似, 利用被動遙感器實現(xiàn)低云和大霧的區(qū)分仍然是一個難題。從海霧識別遙感研究現(xiàn)狀看, 在使用被動遙感器進行海霧檢測時, 普遍存在海霧衛(wèi)星遙感準確性不高的問題。并且在最為常用的閾值法, 中閾值的確定受太陽高度角、日地距離、海面粗糙度等多種因素的影響, 算法可移植性差, 自動化程度低, 至今沒有相對成熟的業(yè)務化算法。主動的遙感器, 如CALIOP激光雷達等, 雖然能夠獲取30 m垂向分辨率的大氣垂直剖面信息, 可以準確區(qū)分低云和大霧, 但目前的衛(wèi)星激光雷達只能對星下點進行單點探測, 且重訪周期較長(CALIOP為16 d), 無法實現(xiàn)對海霧高時間分辨率和大空間范圍的連續(xù)探測。另外, 由于CALIOP的探測波長短, 經(jīng)過云層時造成的衰減強, 僅能探測相對較薄的云層, 無法穿透相對較厚的云層, 因此無法探測厚云下方的海霧。

從目前來看, 低云和大霧的區(qū)分仍然要依靠兩者之間輻射和紋理特征的差異, 而首先要解決的問題是如何準確獲取海霧、低云樣本點。由于海霧和低云在光學遙感影像上的表現(xiàn)極為相似, 肉眼難以判斷, 依靠目視解譯的樣本選取方式顯然保證不了樣本點的準確性。主動的星載激光雷達雖然只能進行單點探測, 但可以獲取大氣的垂直剖面信息, 進而得到準確的海霧和低云位置。因此, 主、被動光學衛(wèi)星數(shù)據(jù)結(jié)合是準確獲取海霧、低云樣本點的有效途徑。

在探測方法上, 深度學習是機器學習研究中的一個新的領(lǐng)域, 通過多層人工神經(jīng)網(wǎng)絡, 從大量訓練數(shù)據(jù)集中不斷地歸納總結(jié), 從而實現(xiàn)對新數(shù)據(jù)樣本的智能識別和準確預測, 已在語音識別、圖像識別等方面取得了突破性進展。星載激光雷達和被動光學衛(wèi)星已在軌運行十余年, 利用所積累的衛(wèi)星數(shù)據(jù)可以獲取海量的海霧、低云樣本, 能夠滿足深度學習對訓練樣本數(shù)據(jù)量的要求, 深度學習在圖像識別領(lǐng)域的能力可能會為低云和大霧的區(qū)分提供新的思路。

3.2 海霧能見度高精度反演

能見度是衡量海霧等級大小的重要物理量, 因此, 能見度的遙感反演具有重要的實際應用價值。目前海霧能見度遙感反演的研究較少, 反演精度相對較低。一方面是遙感反演算法沒有充分考慮海霧的機理, 算法中的近似假定條件增加了反演結(jié)果的不確定性。另一方面, 缺乏足量的現(xiàn)場觀測數(shù)據(jù)用于云霧能見度遙感反演模型的驗證, 現(xiàn)場觀測數(shù)據(jù)的缺乏也是導致海霧機理研究不深入的重要原因。目前覆蓋范圍最廣、最全面、觀測數(shù)據(jù)量最大的海霧觀測數(shù)據(jù)來自國際綜合海洋-大氣數(shù)據(jù)集(International Comprehensive Ocean-Atmosphere Data Set, ICOADS),它收集了1784年至今的來自多個國家的船舶、錨系浮標和漂浮浮標、沿海觀測站以及海上平臺設備的觀測資料, 原始觀測報告超過2千萬次。但該數(shù)據(jù)集的觀測主要集中在航線附近, 空間和時間上分布不均勻; 此外, 由于每次觀測報告都是獨立獲取, 因觀測方法、觀測設備、觀測條件和通訊條件不同, 資料具有一定的差異性, 尤其是能見度, 主要依靠人工觀測, 不同觀測資料之間的數(shù)值是否具有可比性本身就是一個值得探討的問題。

如何增加與海霧相關(guān)物理量的觀測是提高海霧能見度反演精度的關(guān)鍵。在由商船、交通船、漁船等組成的志愿船上安裝氣象、水文等自動觀測設備, 在航行和作業(yè)過程中自動獲取大氣和海洋物理參數(shù), 能夠在很大程度上彌補海霧現(xiàn)場觀測數(shù)據(jù)不足和觀測資料可比性差的現(xiàn)狀。

在海霧能見度遙感反演方法上, 目前的研究主要利用被動光學衛(wèi)星數(shù)據(jù), 缺點是被動的光學衛(wèi)星數(shù)據(jù)無法穿透海霧, 只能通過霧頂信息間接反演能見度, 算法的理論基礎和可移植性都較差; 激光雷達在大氣和云物理特性(如氣溶膠光學厚度、大氣能見度、云光學厚度等)反演方面已有較為理想的應用效果, 地基/星載激光雷達與被動的光學衛(wèi)星結(jié)合有潛力提高海霧能見度的反演精度。

4 結(jié)論

衛(wèi)星數(shù)據(jù)已經(jīng)被證明是目前海霧大范圍、高時空分辨率監(jiān)測的最有效手段。隨著遙感技術(shù)的發(fā)展, 尤其是衛(wèi)星激光雷達的出現(xiàn), 海霧的探測精度有了極大的提升。國內(nèi)外研究者利用被動和主動的衛(wèi)星遙感數(shù)據(jù), 結(jié)合海霧的輻射和紋理等特性, 開展了大量海霧識別探測和物理特征量反演研究。但總體來看, 基于衛(wèi)星遙感的海霧監(jiān)測技術(shù)還遠不成熟, 仍然存在低云和海霧難以區(qū)分、海霧物理特征量反演精度低等問題。結(jié)合主動和被動衛(wèi)星光學數(shù)據(jù), 獲取大量準確的海霧和低云樣本, 發(fā)展基于深度學習的低云和海霧識別算法; 構(gòu)建基于志愿船的海霧參數(shù)自動觀測系統(tǒng), 獲取大量高精度的現(xiàn)場觀測數(shù)據(jù), 深入分析海霧形成和消散機理, 提高海霧物理特征量反演精度是今后海洋遙感探測的重要課題。

[1] 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, 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.

[2] Kora?in D, Dorman C E, Lewis J M, et al. Marine fog: A review[J]. Atmospheric Research, 2014, 143: 142-175.

[3] 江海英, 張韌, 劉科峰. 青島海霧的自適應神經(jīng)模糊推理系統(tǒng)建模[J]. 海洋科學, 2005, 29(2): 26-31.

Jiang Haiying, Zhang Ren, Liu Kefeng. Anfis modeling on Qingdao sea fog[J]. Marine Sciences, 2005, 29(2): 26-31.

[4] Zhang S, Ren Z, Liu J. Variations in the lower level of the PBL associated with the Yellow Sea fog-New obser-vations by L-Band radar[J]. Journal of Ocean University of China (Oceanic and Coastal Sea Research), 2008. 7: 353-361.

[5] 衣立. 黃海海霧/層云的空間分布及云底高度遙感方法研究[D]. 青島: 中國海洋大學, 2015.

Yi Li. Spatio-temporal detection of sea fog/stratus and cloud base height over Yellow Sea with satellite data- a feasibility study[D]. Qingdao: Ocean University of China, 2015.

[6] Cho H M, Yang P, Kattawar G W, et al. Depolarization ratio and attenuated backscatter for nine cloud types: analyses based on collocated CALIPSO lidar and MODIS measurements.[J]. Optics Express, 2008, 16(6): 3931-3948.

[7] 吳東, 賈佳. CALIPSO星載激光在全球海洋上空的穿透性統(tǒng)計[J]. 大氣與環(huán)境光學學報, 2011, 6(4): 252- 259.

Wu Dong, Jia Jia. GLOBAL penetrability statistics of caliopso over ocean laser samples[J]. Journal of Atmospheric and Environmental Optics, 2011, 6(4): 252- 259.

[8] 衣立. 基于MODIS衛(wèi)星資料海霧反演及適用性分析[D]. 青島: 中國海洋大學, 2011.

Yi Li. Sea fog retrieval and the applicability of retrieval basing on MODIS data[D]. Qingdao: Ocean University of China, 2011.

[9] Ling X. Retrieval of fog microphysical parameters from NOAA AVHRR data[D]. Reno: University of Nevada, 1995.

[10] 劉健, 許健民, 方宗義.利用NOAA 衛(wèi)星的AVHRR 資料試分析云和霧頂部粒子的尺度特征[J]. 應用氣象學報, 1999, 10(1): 28-33.

Liu Jian, Xu Jianmin, Fang Zongyi. Analysis of the particle sizes at top of cloud and fog with NOAA/AVHRR data[J]. Quarterly Journal of Applied Meteorology, 1999, 10(1): 28-33.

[11] Fu G, Guo J, Xie S, et al. Analysis and high-resolution modeling of a dense sea fog event over the Yellow Sea[J]. Atmospheric Research, 2006, 81: 293-303.

[12] Gao S, Lin H, Shen B, et al. A heavy sea fog event over the Yellow Sea in March 2005: analysis and numerical modeling[J]. Advances in Atmospheric Sciences, 2007, 24: 65-81.

[13] Allam R. The detection of fog from satellites [C]// Meteorological Office College. Satellite and Radar Imagery Interpretation, preprints for a Workshop on Satellite and Radar Imagery Interpretation. Darmstadt Eberstadt, West Germany: EUMETSAT, 1987: 495-505.

[14] Lee T E, Tuik F J, Richardson K. Stratus and fog products suing GOES-8-9 3.9 μm data[J]. Weather and Fore-casting, 1997, 12: 664-677.

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

[16] 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.

[17] Cermak, J, Bendix J. A novel approach to fog /low stratus detection using Meteosat 8 data[J]. Atmospheric Research, 2008, 87: 279-292.

[18] Lee J R, Chung C Y, Ou M L. Fog detection using geos-tationary satellite data: temporally continuous algorithm[J]. Asia-Pacific Journal of the Atmospheric Sciences. 2011, 47: 113-122.

[19] 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]. Acta Oceanologica Sinica, 2015, 37(1): 63-72.

[20] Hunt G E. Radiative properties of terrestrial clouds at visible and infrared thermal window wavelengths[J]. Quarterly Journal of the Royal Meteorological Society, 1973, 99: 346-369.

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

[22] Turner J, Allama 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: 285-297.

[23] Bendix J, Bachmann M. A method for detection of fog using AVHRR imagery of NOAA satellites suitable for operational purposes (in German)[J]. Meteor Rundsch, 1991, 43: 169-178.

[24] Bachmann M, Bendix J. An improved algorithm for NOAA-AVHRR image referencing[J]. International Journal of Remote Sensing, 1992, 13(16): 3205-3215.

[25] Putsay M, Kerenyi J, Szenyan I, et al. Nighttime fog and low cloud detection in NOAA-16 AVHRR images and validation with ground observed SYNOP data and radar measurements [C]// Proceedings of the 2001 EUMETSAT Meteorological Satellite Conference, EUM P33, 365-373, EUMETSAT, Antalya, Turkey.

[26] Bendix J. A satellite-based climatology of fog and low- level sratus in Germany and adjacent areas[J]. Atmos-pheric Research, 2002, 64: 3-18.

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

[28] Underwood S J, Ellrod G P, Kuhnert A L. A muliplecase analysis of nocturnal radiation-fog development in the Central Valley of California utilizing the GOES nighttime fog product [J]. Journal of Applied Meteorology, 2004, 43: 297-311.

[29] Bendix J, Thies B, Cermak J. Fog detection with TERRA- MODIS and MSG-SEVIRI [C]// European Organisation for the exploitation of meteorological satellites. Proce-ssing of the 2003 Metheorological Satellite Data Users’ Conference. Weimar: European Organisation for the exp-loi-tation of meteorological satellites, 2004: 429-435.

[30] Gultepe I, Milbrant J A. Microphysical observations and mesoscale model simulation of a warm fog case during FRAM project[J]. Pure Applied Geophysics, 2007, 164: 1161-1178.

[31] Anthis A I, Crackell A P. Use of satellite images for fog detection (AVHRR) and forecast of fog dissipation (METEOSAT) over lowland Thessalia, Hellas[J]. Inter-national Journal of Remote Sensing, 1999, 20: 1107- 1124.

[32] 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 sening data[J]. Journal of Applied Meteorological Science, 2009, 20(1): 8-16.

[33] 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(nóng)業(yè)氣象, 2013, 34(3): 366-373.

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

[34] 周紅妹, 湯緒, 葛偉強, 等. 城市和沿海大霧遙感自動檢測和云、霧分離技術(shù)研究[J]. 高原氣象, 2011, 30(3): 675-682.

Zhou Hongmei, Tang Xu, Ge Weiqing, et al. Automatic detection of heavy fog and cloud-fog separation technology in city and coastal area of eastern china based on meteorological satellite remote sensing image [J]. Plateau Meteorology, 2011, 30(3): 675-682.

[35] 蔣璐璐, 魏鳴. FY-3A衛(wèi)星資料在霧監(jiān)測中的應用研究[J]. 遙感技術(shù)與應用, 2011, 26(4): 489-495.

Jiang Lulu, Wei Ming. Application of fog monitoring with FY-3A data[J]. Remote sensing Technology and Application, 2011, 26(4): 489-495.

[36] Yuan Y B, Qiu Z F, Sun D Y, 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.

[37] Karlsson K G. Development of an operational cloud classication model[J]. International Journal of Remote Sensing, 1989, 10: 687-693.

[38] 李亞春, 孫涵, 徐萌. 氣象衛(wèi)星在霧的遙感監(jiān)測中的應用與存在的問題[J]. 遙感技術(shù)與應用, 2000, 15(4): 223-227.

Li Yachun, Sun Han, Xu Meng. The present situation and problems on detecting fog by remote sensing with metrological satellite [J]. Remote Sensing Technology and Application, 2000, 15(4): 223-227.

[39] 李亞春, 孫涵, 李湘閣, 等. 用GMS-5氣象衛(wèi)星資料遙感監(jiān)測白天霧的研究[J]. 南京氣象學院學報, 2001, 24(3): 343-349.

Li Yachun, Sun Han, Li Xiangge, et al. Study on detection of daytime fog using GMS-5 weather satellite data[J]. Journal of Nanjing Institute of Meteorology, 2001, 24(3): 343-349.

[40] 張順謙, 楊秀蓉. 基于神經(jīng)網(wǎng)絡和分形紋理的夜間濃霧遙感監(jiān)測技術(shù)[J]. 應用氣象學報, 2005, 16(6): 804- 810.

Zhang Shunqian, Yang Xiurong. Remote sensing moni-toring technology of thick fog at night based on neural networks and fractal grain[J]. Journal of Applied Meteorological Science, 2005, 16(6): 804-810.

[41] 金寶剛, 張韌, 王曉蕾, 等. 基于BP神經(jīng)網(wǎng)絡與紋理分析優(yōu)化的霧檢測[J]. 解放軍理工大學學報(自然科學版), 2009, 10(2): 195-199.

Jin Baogang, Zhang Ren, Wang Xiaolei, et al. Optimized fog detection and classification technique BASED on BP artificial neural network and texture analysis[J]. Journal of Pla University of Science and Technology (Natural Science Edition), 2009, 10(2): 195-199.

[42] 劉希, 胡秀清. 基于MTSAT衛(wèi)星的我國東部沿海霧區(qū)的自動識別[J]. 臺灣海峽. 2008, 27(1): 112-117.

LIU Xiu, HU Xiuqing. Sea fog automatic detection over the East China Sea using MTSAT data [J]. Journal of Oceanography in Taiwan Strait, 2008, 27(1): 112-117.

[43] 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 day time fog in South China Sea using MODIS data[J]. Journal of Tropical Meteorology, 2013, 29(6): 1046- 1050.

[44] 黃子革, 潘長明, 王貴鋼, 等. MODIS衛(wèi)星海霧檢測技術(shù)研究[J]. 海洋測繪, 2010, 30(2): 70-73.

Huang Zige, Pan Changming, Wang Guigang, et al. Study on the technique of sea fog detection using MODIS data[J]. Hydrographic Surveying and Charting, 2010, 30(2): 70- 73.

[45] 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.

[46] Zhang S, Yi L. 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.

[47] Badarinath K V S, Kharol S K, Sharma A R, et al. Fog over Indo-Gangetic Plains-a study using multisatellite data and ground observations[J]. IEEE Journal of Sele-cted Topics in Applied Earth Observations & Remote Sensing, 2009, 2(3): 185-195.

[48] 魏書曉. 星載激光雷達在基于MODIS海霧檢測中的應用[D]. 青島: 中國海洋大學, 2013.

Wei Shuxiao. Application of caliop in MODIS-Based sea fog detection[D]. Qingdao: Ocean University of China, 2013.

[49] 盧博. CALIOP海霧檢測及其在MODIS日間海霧遙感中的應用[D]. 青島: 中國海洋大學, 2015.

Lu Bo. CALIOP sea fog detection and its application to daytime MODIS remote sensing of sea fog[D]. Qingdao: Ocean University of China, 2015.

[50] Wu D, Lu B, Zhang T C, 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 and Radiative Transfer, 2015, 153: 88-94.

[51] Stephens G L. Radiation profiles in extended water clouds: I Theory[J]. Journal of Atmospheric Science, 1978, 35: 2111-2123.

[52] Stephens G L. Radiation profiles in extended water clouds: II Parameterization Schemes[J]. Journal of Atmospheric Science, 1978, 35: 2123-2132.

[53] Stephens G L. A shortwave parameterization revised to improve cloud absorption[J]. Journal of Atmospheric Science, 1984, 41: 687-690.

[54] Bendix J. Determination of fog horizontal visibility by means of NOAA-AVHRR[C]// IGARSS. International Geoscience & Remote Sensing Symposium. Piscataway: IEEE, 1995, 3: 1847-1849.

[55] 王鑫. 黃海海霧形成的氣候特征及能見度分析[D]. 青島: 中國海洋大學, 2004.

Wang Xin. Climatic characters of sea fog formation of the Huanghai and analysis of visibility[D]. Qingdao: Ocean University of China, 2004.

[56] 傅剛, 王菁茜, 張美根, 等. 一次黃海海霧事件的觀測與數(shù)值模擬研究—以 2004 年 4月 11 日為例[J]. 中國海洋大學學報, 2004, 34(5): 720-726.

Fu Gang, Wang Jingqian, Zhang Meigen, et al. An observational and numerical study of a SEA FOG EVENT over the yellow sea on 11 april, 2004[J]. Periodical of Ocean University of China, 2004, 34(5): 720-726.

[57] 傅剛, 徐杰, 張樹欽. 數(shù)值模擬和衛(wèi)星反演大氣能見度對比分析[J]. 中國海洋大學學報, 2011, 41(4): 1-10.

Fu Gang, Xu Jie, Zhang Shuqin. Comparison of modeling atmospheric visibility with visible satellite imagery[J]. Periodical of Ocean University of China, 2011, 41(4): 1-10.

[58] 錢峻屏, 黃菲, 崔祖強, 等. 基于 MODIS 數(shù)據(jù)的海上氣象能見度遙感光譜分析與統(tǒng)計反演[J]. 海洋科學進展, 2004, 22(增刊): 58-64.

Qian Junping, Huang Fei, Cui Zuqiang, et al. SpectraL analysis and statistical retrieval of marine meteorological visibility using MODIS data[J]. Advances in Marine Science, 2004, 22(z1): 58-64.

[59] 錢峻屏, 黃菲, 王國復, 等. 基于 MODIS 資料反演海上能見度的經(jīng)驗模型[J]. 中國海洋大學學報, 2006, 36(3): 355-360.

Qian Junping, Huang Fei, Wang Guofu, et al. Empirical models for retrieval of atmospheric horizontal visibility over the sea based on MODIS data[J]. Periodical of Ocean University of China, 2006, 36(3): 355-360.

[60] 張紀偉, 張?zhí)K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(增刊): 311-318.

Zhang Jiwei, Zhang Suping, Wu Xiaojing, 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.

[61] Rausch J, Heidinger A, Bennartz R. Regional assess-ment of microphysical properties of marine boundary layer cloud using the PATMOS-x dataset[J]. Journal of Geophysical Research Atmospheres, 2010, 115(D23): 6696-6705.

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

[63] Ellrod G P. Estimation of low cloud base heights at night from satellite infrared and surface temperature data[J]. National Weather Digest, 2002, 26: 39-44.

[64] Stephens G L, Smith E A. A short wave parameterization revised to improve cloud absorption[J]. Journal of Atmospheric Science, 1984, 41: 687-690.

[65] Platnick S, Valero S F P J. A validation study of a satellite cloud retrieval duringASTEX[J]. Journal of Atmospheric Science, 1995, 52: 2985-3001.

[66] Bendix J. A case study on the determination of fog optical depth and liquid waterpath using AVHRR data and relations to fog liquid water content and horizontal visibility[J]. Remote Sensing, 1995, 16(3): 515-530.

[67] 吳曉京. 應用MODIS數(shù)據(jù)對新疆北部大霧地面能見度和微物理參數(shù)的反演[J]. 遙感學報, 2005, 9(6): 688- 696.

Wu Xiaojing. 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.

[68] 張偉康. 基于MODIS衛(wèi)星數(shù)據(jù)的夜間輻射霧檢測和屬性反演[D]. 長沙: 中南大學, 2013.

Zhang Weikang. Nighttime radiation fog detection and properties retrieval based on EOS/MODIS data[D]. Changsha: Central South University, 2013.

[69] Eldridge R G. The Relationship between visibility and liquid water content in Fog[J]. Journal of the atmos-pheric sciences, 1971, 28: 1173-1186.

[70] Ippolito L J. Propagation Effects Handbook for Satellite System Design: A summary of propogation impairments on 10 to 100 GHz[M]. Baltimore, Maryland: NAS, 1989.

[71] Minnis P. Stratocumulus cloud propreties derived from simultaneous satellite and island-based instrumentation during FIRE[J]. Journal of Applied Mteorology, 1992, 31: 317-339.

[72] Heidinger A K, SETPHENS G L. Molecular Line absorption in a scattering atmosphere. Part Ⅱ: application to remote sensing in the O2 A band[J]. Journal of the Atmospheric Sciences, 2000, 57: 1615-1634.

[73] Brenguier J L, PawlowskA H, Schtiller L, et al. Radiative properties of boundary layer clouds: Droplet effective radius versus number concentration[J]. Journal of the atmospheric sciences, 2000, 57(6): 803-821.

[74] Brenguier J L. Parameterization of the condensation process: A theoretical approach[J]. Journal of the atmospheric sciences, 1991, 48(2): 264-282.

[75] Greenwald T J, Christopher S A, Chou J. Cloud liquid water path comparisons from passive microwave and solar reflectance satellite measurements: Assessment of sub-field-of-view cloud effects in microwave retrievals[J]. Journal of Geophysical Research, 1997, 102(D16): 19585- 19596.

[76] Weisz E, Li J, Menzel W P, et al. Comparison of AIRS, MODIS. CloudSat and CALIPSO cloud top height retrievals[J]. Geophysical Research Letters, 2007, 34(17): 251-270.

[77] Holz R E, Ackerman S A, Nagle F W, et al. Global moderate resolution imaging spectroradiometer (MODIS) cloud detection and height evaluation using CALIOP[J]. Journal of Geophysical Research: Atmospheres, 2008, 113(8): D00A19.

[78] Yu H, Chin M, Winker D M, et al. Global view of aerosolvertical distributions from CALIPSO lidar measurements and GOCART simulations: Regional and seasonal varia-tions[J]. Journal of Geophysical Research, 2010, 115(D4): 1307-1314.

Review of sea fog detection from satellite remote sensing data

XIAO Yan-fang1, ZHANG Jie1, CUI Ting-wei1, QIN Ping2

(1. The First Institute of Oceanography. SOA, Qingdao 266061, China; 2.College of Information Science & Engineering, Ocean University of China, Qingdao 266100, China)

Sea fog can produce low visibility and create a great threat to maritime traffic and offshore operations. In addition, satellite remote sensing is a very important technical means for sea fog monitoring. This report begins with presenting the principle of remote sensing and monitoring of sea fog. The radiative characteristics and texture features of sea fog were first introduced. Then, this research reviews the main achievements in sea fog monitoring by remote sensing during the past decade, including the researches of sea fog detection and sea fog physical parameters inversion. Lastly, several problems in sea fog remote sensing monitoring are discussed.

E-mail: xiaoyanfang@fio.org.cn

sea fog; stratus clouds; summary; remote sensing

(本文編輯: 李曉燕)

[National Key R & D Program of China under contract No. 2016YFC1402703]

May 23, 2017

肖艷芳(1985-), 女, 漢族, 山東諸城人, 助理研究員, 博士, 主要從事海洋光學遙感方面研究, 電話: 0532-88967269,

P407

A

1000-3096(2017)12-0146-09

10.11759/hykx20170523001

2017-05-23;

2017-08-11

國家重點研發(fā)計劃(2016YFC1402703)