吳曉京，李三妹，廖蜜，曹治強，王璐，朱江

（1.中國科學院大氣物理研究所，北京100029；2.中國科學院大學，北京100049；3.國家衛(wèi)星氣象中心，北京100081；4.Department of Geography and Geoinformation Science，George Mason University，Fairfax VA22030，USA；5.International Pacific Research Center，University of Hawai i at Manoa，Honolulu HI96822，USA）

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

吳曉京1，2，3，李三妹4，廖蜜3，曹治強3，王璐5，朱江1

（1.中國科學院大氣物理研究所，北京100029；2.中國科學院大學，北京100049；3.國家衛(wèi)星氣象中心，北京100081；4.Department of Geography and Geoinformation Science，George Mason University，Fairfax VA22030，USA；5.International Pacific Research Center，University of Hawai i at Manoa，Honolulu HI96822，USA）

目前對海上霧分布的認識多基于沿岸測站和海上船舶、浮標觀測，但這些數據非常稀少，且存在代表性和數據質量方面的問題，因此一直缺乏對海霧分布更全面、清晰的了解。衛(wèi)星遙感數據空間均一、覆蓋范圍廣、質量一致，具有對無云條件下大范圍、離岸海霧監(jiān)測的優(yōu)勢。本文通過分析算法檢測出的1989-2008年黃渤海海霧及云的頻數、分布百分率信息，得到了黃渤海海霧季節(jié)變化的較全面特征。除印證其他資料或研究的結論外，還發(fā)現：（1）黃海海霧頻數隨季節(jié)變化的幅度較渤海明顯；（2）黃海、渤海海域存在冬季海霧多發(fā)時段；（3）海霧生消過程中有覆蓋區(qū)變化的東傳特征；（4）春夏霧季中存在黃海中部和西朝鮮灣兩處海霧多發(fā)區(qū)，其中西朝鮮灣也是全年海霧最多的海域。另外，在樣本充足的情況下，通過對檢測出的低云、中高云覆蓋百分率和海霧頻數的分析統(tǒng)計，還能估算出黃海、渤海部分季節(jié)20年海霧發(fā)生的平均概率。

黃渤海；海霧；頻數；季節(jié)特征；NOAA/AVHRR

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，doi：10.3969/j.issn.0253-4193.2015.01.007

Wu Xiaoj ing，Li Sanmei，Liao Mi，et al.Analyses of seasonalfeature of sea fog overthe Yellow Sea and Bohai Sea based on the recent 20 years of satell ite remote sensing data［J］.Haiyang Xuebao，2015，37（1）：63—72，doi：10.3969/j.issn.0253-4193.2015.01.007

1　引言

黃海、渤海緊鄰西北太平洋沿岸多海霧區(qū)［1］，部分沿海測站觀測到的年平均霧日達50～80 d［2］。航運、漁業(yè)、生產、維權等海上活動的日益頻繁，更放大了海霧的影響。這種形勢迫切需要對我國周邊海域霧的氣候分布狀況有更進一步清晰、全面的了解。陸地上常規(guī)測站的空間密度和觀測頻數使其能較客觀地反映陸上霧的分布和氣候變化［3］特征。但海上有質量保證的觀測數據缺乏，岸基站位于海岸帶，正是海霧容易產生變化的區(qū)域［4］，單個站點的觀測很難用來代表臨近區(qū)外的海霧分布［5］。海霧研究上，使用整編、統(tǒng)計船舶得來的ICOADS等數據集資料成為現實的選擇［6］。

衛(wèi)星遙感具有對大范圍、離岸海霧監(jiān)測的優(yōu)勢，能夠宏觀、定時監(jiān)測目標海區(qū)的海霧分布狀況。受限于衛(wèi)星的天基視角和分辨率，衛(wèi)星儀器對有中高云系遮擋、垂直厚度很薄和零散小范圍的海霧還不能有效監(jiān)測。對霧的衛(wèi)星遙感輻射特性研究始于20世紀70年代［7—8］，并不斷有新的研究進展，近年主要集中在使用新型光學、紅外譜段儀器數據進行霧的判識和定量反演方面［9—12］。海霧檢測與陸地霧檢測相比有其特殊性，國內外在解決海霧遙感的特殊技術問題方面也做了很多探索性工作［4，13—16］，還有如提取通道亮溫和圖像特征等形成的各種海霧遙感監(jiān)測系統(tǒng)［17］使用衛(wèi)星遙感數據說明陸地霧氣候分布的工作［18］。這些工作對衛(wèi)星遙感海霧技術的進步和海霧研究起到了推動作用。

本文采用已業(yè)務化5年的衛(wèi)星海霧檢測算法處理NOAA/AVHRR數據，產生了20年海霧檢測數據集。經分析，得到了黃渤海海霧的季節(jié)特征。這些衛(wèi)星遙感到的海霧分布氣候特征較其他觀測資料更為詳細，作為背景資料，可對黃海、渤海海霧的預警預報、風險評估和相關科研有積極作用。

2　數據介紹

在對目標物進行長時間的自動檢測時，所需要的是遙感儀器探測波段設計的連續(xù)性、通道數據的高質量和觀測時間的穩(wěn)定性。NOAA系列衛(wèi)星自1970年12月發(fā)射第一顆星到目前的NOAA-19，其搭載的改進的甚高分辨率掃描輻射計（AVHRR）的觀測波段和儀器指標基本未變，過境地方時相對穩(wěn)定，在國際氣候變化評估研究中，AVHRR數據常作為數據源之一。NOAA系列衛(wèi)星采用雙星運行體制，分為上午星和下午星，本工作使用的是升交點下午過境的衛(wèi)星數據。數據經過了投影、定位的精校正處理。時間跨度為1989年1月1日-2008年12月31日，涉及到1986年發(fā)射的NOAA-10、1991年的NOAA-12、1994年的NOAA-14、2001年3月投入使用的NOAA-16以及2006年的NOAA-18。其中，由于衛(wèi)星接收調度、業(yè)務切換等原因，缺失1991年6月、2001年3月、2002年5 -10月中旬和其他零星的單日數據?？倶颖玖窟_6 990個。除2002年10月15日-2003年5月2日將近7個月NOAA16采用3A通道（1.58～1.64μm）觀測外，其他時間均為3B通道（3.55～3.95μm）。使用3A通道的算法與3B通道略有不同。最終形成的海霧檢測數據集的分辨率為1 km。

NOAA下午星過境時間在13-14時（地方時）。此時對霧進行檢測有兩點優(yōu)勢，一是處于白天日照最好的時段，可用的觀測通道最多，也避免遭遇夜間區(qū)分低云與霧的技術難題［9］，二是檢測結果代表了海霧分布的主特征。原因是海洋熱容量遠大于陸地導致海霧和陸地霧消散原因不同，陸地霧消散或抬升主要是受太陽短波輻射對霧區(qū)和晴空區(qū)的不均勻加熱引的結果，沒有放入統(tǒng)計范圍。KSS定義為判識準確起的內向蝕損效應［19］影響，而海霧消散多與天氣尺度大氣運動和洋流有關。所以陸地霧日變化特征較海霧明顯。沿岸測站中午前后測到的霧頻數最低［20］，說明海岸帶霧有更明顯的陸地霧日變化特征，而在衛(wèi)星影像上極少見到離岸海霧有隨著日照時數增加而產生的自邊緣向內部消散的特征。所以中午衛(wèi)星檢測到的應是海上霧的主要分布特征。

3　算法和檢驗

3.1算法簡介

目前對霧在衛(wèi)星光學、紅外儀器觀測數據中的輻射特征已有較深入的認識［10，21—22］，還曾針對當時靜止氣象衛(wèi)星僅有的長波紅外通道而專門研制的黃海海霧檢測算法［14］。本文使用的算法吸收了國外相關研究和已有算法的優(yōu)點，采用了閾值為基礎的多重判據，算法流程見圖1，重點解決了半透明云、海冰、積雪和各類云的檢測濾除問題。對太陽耀斑區(qū)有專門檢測算法［22］并有特定海霧檢測流程。靜態(tài)閾值在定標穩(wěn)定，數據質量好的情況下，使算法簡單，處理細節(jié)能力強。AVHRR用3B通道觀測時使用的是3.9μm假發(fā)射率，3 A通道觀測時算法使用歸一化積雪指數（NDSI）來粗分云、霧和晴空海表。

本算法已經過長期業(yè)務實踐檢驗并取得專利［24］。限于篇幅僅簡述有利于理解文章結果的算法重點：（1）提取真實的絕對晴空像元，用晴空像元的海表溫度濾除云，因云系有一定高度時，云頂亮溫一定會低于海表；（2）針對海霧，設計了計算紋理的低云（層狀云、積狀云）濾出算法，效果明顯；（3）針對海溫相對穩(wěn)定的特征，使用了海溫氣候背景數據，作為很少發(fā)生的提取絕對晴空難點的補充。

3.2結果檢驗

在衛(wèi)星海霧檢測結果檢驗中，難以取得對應時刻的海上實測數據時，一般選擇沿海測站臨近時刻的觀測。這樣做的缺點是站點位置不在海霧檢測區(qū)域內，且測站與衛(wèi)星觀測時間完全相同的數據很少。在沒有海上實測數據的條件下，為整體評價算法，我們選用國家氣象信息中心《全球地面天氣資料定時值數據集2.0》中最靠近黃渤海幾何中心且觀測到霧最多的成山頭站的數據。按與衛(wèi)星觀測時間差小于1 h為標準，共篩選出1 122個觀測數據用于檢驗。檢驗評價采用遙感霧檢驗最常用的Hanssen-Kuiper ski ll score（KSS）評分指數［21—22］標準，算法檢測為中高云率（POD）和錯誤識別率（FAR）的差，值的范圍-1.0～1.0，0代表無貢獻，負代表負相關，越接近1，正貢獻越大。

圖1　海霧檢測算法流程圖Fig.1 The flowchart of the detection algorith m for sea fog

各類結果數據和對應式（1）中的字母見表1。其中，H為有霧判識正確率，F為誤判率，M為漏判率。

表1　檢測結果表Tab.1 Test results

此類數據檢驗本算法的KSS值為0.875。此準確率優(yōu)于目前美國新一代靜止衛(wèi)星算法的結果。國外最新GOESABI衛(wèi)星檢測霧/低云算法的KSS評分為白天0.733-0.759，夜間0.45-0.63［22］。需要說明的是在衛(wèi)星遙感上低云/霧是一類，上述衛(wèi)星檢測出的海霧中，有一半左右地面觀測是低云，地面觀測有霧時，衛(wèi)星判斷為云的比率在80%。

因晴空與云霧區(qū)的反射率相差很遠，不應出現二者之間的誤判，所以誤判中多為將云判為霧。岸上是云，并不代表海上就不是霧，因為海霧很多情況下不登陸，或者登陸后抬升為低云，特別是下午陸地氣溫比較高的時候［4］。漏判就是出現岸上觀測有霧，衛(wèi)星觀測為晴空或云的情況。除真實的漏判外，也有其他可能。前者有可能是淺薄霧，衛(wèi)星可以直接透過霧層接收地面反射信息，對這種霧，衛(wèi)星遙感無能為力；后者還存在沿岸站觀測有霧，衛(wèi)星觀測海上是云，而海上確實是云的其他可能。這是因為岸基觀測站點觀測位置海拔高，海上云底高度比較低的低云到了岸上而影響站點高度的能見度。

4　結果分析

根據以上算法和樣本數據，分析黃渤海海霧發(fā)生頻數的空間分布及其月、季變化特征。本文討論的黃渤海區(qū)域范圍如圖2所示。

圖2　黃海、渤海區(qū)域劃分示意圖Fig.2 Schematic diagram of the Rregional division in the Yellow Sea and Bohai Sea

4.1黃渤海衛(wèi)星遙感海霧季節(jié)分布特征分析

本部分使用的海霧月頻數分布數據是在每個經緯度點上的海霧月平均分布概率，由以下公式計算得到：

式（2）中，k=1，2，3，…，12月，Nfogk為第k月中20年累計的算法檢測到海霧天數，Ndayk是第k月中20年里存在有效樣本數據的天數。

圖3中每個像元點（色標）表示此點第k個月衛(wèi)星觀測到的海霧頻數（Psfk）。

黃海氣候平均海霧季節(jié)開始于第20候［25］，衛(wèi)星檢測（見圖3）到3月黃海西部及中北部海霧開始增多，4月黃海大部海霧大部頻數超過8%，進入全年海霧旺季，一直持續(xù)到6月，其中4月為最多，7—8月海霧頻數快速減少。一般將霧季的結束時段稱為終霧期，黃海臨海各站通過觀測確定的終霧期略有差別［26］，但都在7—8月間，如青島在8月中后期［20］。衛(wèi)星遙感結果顯示，7月頻數較6月已經明顯減少，8—11月則進入全年海霧最少的時段，其中10月達到極少值，與秋冬季黃東海發(fā)生頻數很低的結論［6］一致。值得一提的是衛(wèi)星檢測資料表明，8月在山東半島東部成山頭近海有小范圍多海霧中心，而山東半島南部沿海海霧已經明顯減少（見圖3），與前人用岸基觀測的數據統(tǒng)計結果十分吻合［27］，該海霧中心與成山頭近海上升流有關［28］，說明高分辨率衛(wèi)星資料檢測結果有較高精度。

在春夏海霧旺季，黃海上有兩片多霧區(qū)，一片位于黃海中部，另一片位于黃海北部靠近西朝鮮灣的海域，西朝鮮灣是黃海全年檢測到海霧發(fā)生頻數最高的海域，黃海中部次之，這與岸基觀測到的兩個多霧區(qū)——青島潮連島和成山頭附近海域［26］存在明顯關聯(lián)。與統(tǒng)計ICOADS資料得到的近30年春夏季海霧發(fā)生時間和頻數［6］也基本一致。

檢測結果還揭示出冬季黃海、渤海的海霧并不少見。在11月-翌年1月存在一個海霧多發(fā)時段，分布、發(fā)展規(guī)律和春夏季有所不同。海霧發(fā)生的時間與冬季華北維持的陸地霧過程相符。此時華北地區(qū)霧的主成因是海上暖濕空氣平流到冷的下墊面（如雪）凝結而成。因此，海霧也應與低海溫區(qū)有明顯對應關系，與楊偉波等［29］的分析結果一致。冬季海霧表現為自北向南的推進過程，該過程12—翌年1月頻數較多。2月自南向北有所消退。2—3月黃海中北部的海霧頻數整體多于南部，4月黃海中南部增多后與北部頻數接近，在海霧季節(jié)的開始階段再次表現出先北后南的特征。

黃海海霧分布除月頻數南北變化外，還存在自西向東的推移變化特征。全年4—6月和11—翌年1月的兩次海霧發(fā)展過程中都有這種現象。類似特征，在6—8月的減退過程中也存在，表現為黃海西部海霧減少速度快于東部，可認為是減弱趨勢東傳，這與黃海東部較冷的海表面溫度有關［30］。作為對終霧期南向北延遲表述［26］的補充，衛(wèi)星觀測表明黃海海霧自北向南消退地程在8—9月較為明顯，6—8月在整體同步減弱的同時，更多地表現出先西后東的減弱特征。

渤海海霧大體可以分為兩季，8—10月為少發(fā)季，其他月份海霧發(fā)生頻數起伏明顯小于黃海，全年最多的是12月，4月次之。

圖3　1989-2008年衛(wèi)星遙感黃渤海海霧月頻數分布圖Fig.3 Monthly frequency distribution of the sea fog over the Yellow Sea and Bohai Sea through satell ite remote sensing mode between 1989 and 2008

總之，海霧在黃海大部有明顯的季節(jié)分布特點，渤海和渤海海峽相對不明顯。

4.2區(qū)域海霧、云分布頻數分析

由于衛(wèi)星遙感的天基視角，目前的衛(wèi)星遙感儀器還無法對云下的海霧進行有效觀測。因此，云是衛(wèi)星海霧檢測中最大的影響因素。本部分按圖2中劃分的5個區(qū)域對海霧以及云的分布頻數按低云和中高云進行月季分布統(tǒng)計分析。目的是評估云對分析海霧的季節(jié)分布特征的影響。

圖4上縱軸的含義是1989-2008年目標物（海霧、中高云、低云）按月統(tǒng)計的日平均分布百分率?？捎上率接嬎悖?/p>

式（3）中，i=海霧，中高云，低云，j=渤海、渤海海峽、黃海北部、黃海中部、黃海南部。k和Ndayk含義同公式（2），Cp表示覆蓋百分比，Aobj為區(qū)域內目標物k月內所有樣本總覆蓋面積，Asf為區(qū)域面積。

圖4　1989-2008年衛(wèi)星遙感黃渤海海霧、中高云、低云統(tǒng)計圖Fig.4 Statistics charts of the sea fog，mid-high clouds and low clouds over the Yellow Sea and Bohai Sea between 1989 and 2008

從圖4中可以分析出中高云、低云和海霧在1989-2008年中分區(qū)域逐月的分布規(guī)律。各區(qū)域中高云、低云的分布百分率曲線呈反位相震蕩，表現出夏半年中高云多、冬半年低云多的特征。黃渤海所有區(qū)域的中高云峰值都在6—7月，這與夏季大陸東移氣旋、鋒面云系頻繁活動和梅雨鋒云系滯留的時間相符合。8月因副熱帶高壓控制，中高云量變少，10—11月高云量最少，進入秋季的低谷期。同時，低云量在秋季開始增多，這或與秋季冷空氣頻繁與洋面熱交換過程有關，11、12月和1月是低云最多的時段。秋冬季干冷空氣經過相對較暖的洋面會形成大范圍的低云，在衛(wèi)星云圖上?？梢姷嚼淇諝馊牒Ｄ舷潞?，黃海北部到琉球群島海域有大片細胞狀積云，越向南積云量越多。圖4中可以看到低云分布百分率增長特征表現為黃海最快，渤海和渤海海峽相對緩慢。

云系的時空分布直接影響到衛(wèi)星監(jiān)測海霧的能力。從圖4中可以評估云系對海霧檢測結果的影響。黃海、渤海各區(qū)域全年中高云、低云分布百分率的總和，即云覆蓋率，整體呈現夏季多，冬季少，南方多，北方少的特征。在3—6月海霧旺季，黃海和渤海云覆蓋率與全年平均值基本持平，渤海略偏少（表2）。因此在這段時間，衛(wèi)星直接觀測到渤海海霧的條件好于黃海。7—8月的消退期，渤海、渤海海峽、黃海中部和北部的云系比區(qū)域內其他時間偏多約5%～8%，因此這些區(qū)域的海霧在這兩個月有相對低估的可能。因此，受云覆蓋率變化的影響，對不同區(qū)域衛(wèi)星海霧檢測的起點并不相同，要估算同樣條件下海霧的分布，需要考慮排除云覆蓋對海霧檢測率的影響因素。

已知海上云覆蓋率，可以統(tǒng)計分析估算出海霧的實際發(fā)生頻數。海上云系移動快，對邊界層輻射冷卻作用及海霧生消的影響有限；從表2的統(tǒng)計看，黃海、渤海各區(qū)域20年數據中無云影響的數據占2/5～2/3，無云總樣本量有2 800～5 000個，已能對海霧特征有較好的代表性。所以從統(tǒng)計角度應可假設未知的云覆蓋海域與已知的晴空海域發(fā)生海霧的概率相同。由此估算出3～6月每日下午黃海中南部發(fā)生海霧的平均（發(fā)生海霧面積平均到區(qū)域所有像元點）概率在13%～19%，黃海北部11%～13%，渤海海峽則為5%～9%，渤海在5%左右。

表2　黃渤海上空全年和重點月份總云量平均覆蓋率變化表（單位：%）Tab.2 The changes of averaged cloud cover in the whole year and important months over the Yellow Sea and Bohai Sea（unit：%）

圖5　1989-2008年衛(wèi)星遙感渤黃海海霧發(fā)生次數統(tǒng)計圖Fig.5 Statistical charts of fog oc-currences over the Yellow Sea and Bohai Sea between 1989 and 2008

4.3區(qū)域海霧平均和最大次數統(tǒng)計分析

本部分對黃渤海區(qū)域月海霧分布次數的平均值、極端值和差異進行簡要分析，以期揭示區(qū)域內局地性特征的規(guī)律。

區(qū)域內的平均次數定義為：式（4）中，j如式（3），k如式（2）中含義。

Afjk為第k個月j區(qū)域內20年累計海霧像元面積累加值，Asf為區(qū)域面積。Avjk為第k個月j區(qū)域20年內海霧總次數次數的區(qū)域面積平均，同一像元累計最大值為區(qū)域內分布次數極大值，定義為第k月第j區(qū)域內20年累積檢測出海霧的最大次數。

圖5中給出1989-2008年黃海中部和北部的海霧區(qū)域平均值（藍柱）和區(qū)域內最大值（紅柱），其他區(qū)域（圖略）有相似特征。兩組值之間的差值反映出該區(qū)域內各月海霧分布的不均勻性強弱?？傮w來看，最大值比平均值高5成到2倍不等，海霧多發(fā)的月份二者相差較小，說明旺季海霧廣泛發(fā)生，分布較平均，局地性最??；海霧少發(fā)月份差距大，說明淡季海霧反復發(fā)生在同一局部地區(qū)的可能性大，多數海域比平均次數偏少，甚至無霧。趨勢上存在的這種越是非主海霧季節(jié)，局地性越強的特點。

5　結論

傳統(tǒng)上對黃海、渤海海霧分布規(guī)律的認識多基于沿岸測站的觀測，資料的代表性導致對其分布規(guī)律認識模糊，有很大數據分析處理和研究的空間。本文使用20年NOAA衛(wèi)星資料和比較成熟的業(yè)務檢測方法，對黃渤海海霧進行檢測，并統(tǒng)計其發(fā)生頻數。除了部分印證前人的結論或估計之外，首次比較全面、細致地揭示出海霧、中高云、低云在黃海、渤海各區(qū)域的分布頻數及其月尺度變化特征。主要結果如下：

（1）黃海海霧頻數隨季節(jié)變化的幅度較渤海明顯。黃海海霧的多發(fā)期和罕見期分別在4—6月和8—11月。渤海和渤海海峽海霧頻數較平均，全年最多在12月，這可能與特殊海陸分布和海冰、低海溫區(qū)等冷下墊面有關。

（2）黃海、渤海海域存在冬季海霧多發(fā)時段。北部的渤海最明顯，使冬季黃渤海海霧呈現北多南少的分布特征。與春季比較，秋冬季海霧局地性強、區(qū)域小、零散。

（3）海霧生消過程中有覆蓋區(qū)變化東傳的特征。海霧分布季節(jié)變化中除南北變化外，還存在東西變化。春、冬兩次海霧多發(fā)時段前期的2—4月和11—翌年1月都有東傳現象，類似特征在6—8月的減退過程中也存在。自北向南消退過程在8—9月較為明顯。

（4）春夏霧季黃海存在兩片海霧多發(fā)區(qū)。衛(wèi)星觀測到黃海上的兩片離岸海霧多發(fā)海域分別在潮連島以南的黃海中部和成山頭以西的西朝鮮灣，西朝鮮灣也是全年海霧最多的海域。

（5）已知云覆蓋率和海霧頻數后可估算出海霧發(fā)生概率。通過統(tǒng)計低云和中高云覆蓋百分率，在樣本充足的條件下，可以估算出黃渤海海霧實際發(fā)生的概率。如在3—6月黃海中南部發(fā)生海霧的日均概率為13%～19%，黃海北部11%～13%，渤海海峽為5%～9%，渤海在5%。

衛(wèi)星觀測角度和分辨率決定了其對數十平方千米以上、無云遮擋以及有一定垂直厚度海霧的監(jiān)測優(yōu)勢；對局地小范圍、有云系遮擋、淺薄的海霧在目前技術條件下星載儀器很難有效觀測。衛(wèi)星過境時間在下午，使日變化明顯，持續(xù)短的臨岸霧不易監(jiān)測到。以上限制和條件再加上算法設計上的可能缺陷使本文結論可能存在一定誤差。

［1］Lewis JM，Kora㊣in D，Redmond KT.Sea Fog Research in the United Kingdom and United States：AHistorical Essay Including Outlook［J］. Bulletin of the American Meteorological Society，2004，85（3）：395-408.

［2］黃彬，毛冬艷，康志明，等.黃海海霧天氣氣候特征及其成因分析［J］.熱帶氣象學報，2011，27（6）：920-931.

Huang Bin，Mao Dongyan，Kang Zhiming，et al.Synoptic and cl imatic characteristics of Yel low Seafog and causation analysis［J］.Journal of Tropical Meteorology，2011，27（6）：920-931.

［3］吳兌，吳曉京，李菲，等.中國大陸1951-2005年霧與輕霧的長期變化［J］.熱帶氣象學報，2011，27（2）：145-151.

Wu Dui，Wu Xiaoj ing，Li Fei，et al.Long-team variation of fog and mist in 1951-2005 in Mainland China［J］.Journal of Tropical Meteorology，2011，27（2）：681-688.

［4］Zhang S，Yi L.Acomprehensive dynamicthreshold algorith m for daytime seafog retrieval overthe Chinese adjacent seas［J］.Pure and Appl ied Geophysics，2013：1-14.

［5］王緒翔，邵利民，曹祥村.黃海西部2005—2007年海霧演變的氣候特征研究［J］.海洋預報，2012，29（3）：62-69.

Wang Xuxiang，Shao Limin，Chao Xiangcun.Cl imatic characteristics study of the sea fog evolution in the western Yel low Sea from 2005 to 2007［J］.Marine Forecasts，2012，29（3）：62-68.

［6］韓美，張?zhí)K平，尹躍進，等.黃東海大氣邊界層高度季節(jié)變化特征及其成因［J］.中國海洋大學學報（自然科學版），2012，42（增刊）：34-44.

Han Mei，Zhang Suping，Yin Yuej in，et al.The seasonal variation and causation of atmospheric boundary layer height at Yellow-East Sea［J］. Periodical of Ocean Unversity of China，2012，42（sup）：34-44.

［7］Hunt GE.Radiative properties ofterrestrial clouds at visible and infra-red thermal window wavelengths［J］.Quarterly Journal ofthe Royal Meteorological Society，1973，99（420）：346-369.

［8］Gurka JJ.Using satell ite data for forecasting fog and stratus dissipation［C］//Proceedings ofthe Conference on Weather Forecasting and Analysis，5 th，St Louis，Mo，1974.

［9］Eyre J，Brownscombe J，Allam R.Detection offog at night using Advanced Very High Resolution Radiometer（AVHRR）imagery［J］.Meteorological Magazine，1984，113（1346）：266-271.

［10］Bendix J，Thies B，Cermak J，et al.Ground fog detection from space based on MODISdaytime data——a feasibi l ity study［J］.Weather and forecasting，2005，20（6）：989-1005.

［11］Ma Huiyun，Wu Xiaoj ing，Zou Bin，et al.Algorith m for daytime radiation fog detection based on MODIS/TERRAdata overland［J］.Journal of Appl ied Remote Sensing，2012，6（1）：063589.

［12］吳曉京，陳云浩，李三妹.應用MODIS數據對新疆北部大霧地面能見度和微物理參數的反演［J］.遙感學報，2005，9（6）：688-696.

Wu Xiaoj ing Cheng Yunhao，Li San mei.Uti l izing MODISdata to retrieve the visibi l ity and microphysical properties of fog happens in the northwest China［J］.Journal of Remote Sensing，2005，9（6）：688-696.

［13］郝增周，潘德爐，龔芳，等.海霧的遙感光學輻射特性［J］.光學學報，2008，28（12）：2420-2426.

Hao Zengzhou，Pan Delu，Gong Fang，et al.Optical radiance characteristics of sea fog based on remote sensing［J］.Acta Optica Sinica，2008，28（12）：2420-2426.

［14］Ahn MH，Sohn EH，Hwang BJ.Anew algorith m for sea fog/stratus detection using GMS-5 IRdata［J］.Advancesin Atmospheric Sciences，2003，20（6）：899-913.

［15］Gao Shanhong，Wu Wei，Zhu Lei lei，et al.Detection of nighttime sea fog/stratus over the Huanghai Sea using MTSAT-1RIRdata.Acta Oceanologica Sinica，2009.28（2）：23-35.

［16］Wu Xiaoj ing，Li San mei.Automatic sea fog detection over Chinese adjacent oceans using Terra/MODISdata［J］.International Journal of Remote Sensing，2014，35（21）：7430-7457.

［17］鮑獻文，王鑫，孫立潭，等.衛(wèi)星遙感全天候監(jiān)測海霧技術與應用［J］.高技術通訊，2005，15（1）：101-106.

Bao Xianwen，Wang Xin，Sun Litan，et al.The weather proof detection system of sea fog by remote sensing andits appl ications［J］.Chinese High Technology Letters，2005，15（1）：101-106.

［18］Bendix J.Asatell ite-based cl imatology offog and low-level stratusin Germany and adjacent areas［J］.Atmospheric Research，2002，64（1）：3-18.

［19］吳曉京，張?zhí)K平.大霧消散衛(wèi)星遙感臨近預報及消散型分類——我國中東部案例研究［J］.自然災害學報，2008，17（6）：135-139.

Wu Xiaoj ing，Zhang Supin.Im minentforecast offog dissipation using satel l ite remote sensing andits dissipation type∶a case study of middle-east China［J］.Journal of Natural Disasters，2008，17（6）：135-139.

［20］江敦雙，張?zhí)K平，陸惟松.青島海霧的氣候特征和預測研究［J］.海洋湖沼通報，2008（3）：7-12.

Jiang Dunshuang，Zhang Suping，Lu Weisong.The cl imatic characteristics and forecast study ofthe sea fog in Qingdao［J］.Transactions of Oceanology and Limnology，2008（3）：7-12.

［21］Cermak J，Bendix J.Anovel approach to fog/low stratus detection using Meteosat 8 data［J］.Atmospheric Research，2008，87（3/4）：279-292.

［22］Calvert C，Pavolonis M.GOES-RAdvanced Basel ine Imager（ABI）Algorithm Theoretical Basis Docu ment For Low Cloud and Fog［S］.NOAANESDISSTAR，2010：69-70.

［23］Heidinger A.CLAVR-x Cloud Mask Algorith m Theoretical Basis Document（ATBD）［M］.Washington DC∶NOAA/NESDIS/Office of Research and Appl ications，2004.

［24］吳曉京，張?zhí)K平，李三妹，等.極軌氣象衛(wèi)星遙感白天和夜間海霧的檢測方法，CN101452078［OL］.［2008-12-30］.http：//d.g.wan

fangdata.com.cn/Patent_CN200810249748.X.aspx. Wu Xiaoj ing，Zhang Suping，Li San mei，et al.The method of sea fog detection using polar-orbiting meteorological satel l ite data，CN101452078［OL］.［2008-12-30］.http：//d.g.wanfangdata.com.cn/Patent_CN200810249748.X.aspx.

［25］丁做尉，張?zhí)K平，白慧，等.黃海霧季開始日期的確定及其年際變化［J］.中國海洋大學學報（自然科學版），2011，41（4）：11-18.

Ding Zuowei，Zhang Suping，Bai Hui，et al.Identification ofthe beginning ofthe sea fog season over Yel low Sea and its annual variation［J］.Periodical of Ocean Unversity of China，2011，41（4）：11-18.

［26］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 advancesin sea fog research in China［J］.Periodical of Ocean Unversity of China，2008，38（3）：359-366.

［27］王彬華.海霧［M］.北京：海洋出版社，1983.

Wang Binhua.Sea Fog［M］.Bei j ing：China Ocean Press，1983.

［28］Zhang SP，Xie SP，Liu QY，et al.Seasonal variations of Yel low Sea fog：observations and mechanisms［J］.Journal of Cl imate，2009，22（24）：6758-6772.

［29］楊偉波，張?zhí)K平，薛德強.2010年2月一次冬季黃海海霧的成因分析［J］.中國海洋大學學報（自然科學版），2012，42（4）：1-10.

Yang Weibo，Zhang Suping，Xue Deqiang.The mechanism of winter sea fog over Yel low Seain February，2010［J］.Periodical of Ocean Unversity of China，2012，42（4）：1-10.

［30］Cho YK，Kim MO，Kim BC.Sea fog around the Korean Peninsula［J］.Journal of Appl ied Meteorology，2000，39（12）：2473-2479.

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

Wu Xiaoj ing1，2，3，Li San mei3，4，Liao Mi3，Cao Zhiqiang3，Wang Lu5，Zhu Jiang1

（1.Institute of Atmospheric Physics，Chinese Academy of Sciences，Beijing100029，China；2.University of Chinese Academy of Sciences，Beijing100049，China；3.National Satellite Meteorological Center，Beijing100081，China；4.Department of Geography and Geoinformation Science，George Mason University，Fairfax VA22030，USA；5.International Pacific Research Center，University of Hawaii at Manoa，Honolulu HI96822，USA）

Our current knowledge of the sea fog distribution are mostly obtained from the coastal weather stations，ships，and buoys observational data.However these data arel imited in spatial distribution，qual ity controland representativeness.Thus we are lack of a comprehensive understanding ofthe distribution of sea fog.Satell ite data are known as uniform spacial distribution，wide coverage and relatively consistent qual ity.Under cloudless conditions，satell ite data have the advantages of monitoring large-scale，offshore sea fog.Base on the frequency offog and cloud together with the percentage distribution，we obtained comprehensive seasonal variation characteristics ofthe fog in the Yellow Sea and Bohai Sea from 1989 to 2008.Besides the conclusions confirms those found in the l iterature，this work also revealed the following facts：（1）The seasonal variation in fog frequency of the Yellow Sea is more significant than thatin the Bohaisea.（2）The fog in the Bohai Sea and the Yellow Sea occur more frequently than expected in winter.（3）In the course of sea fog formation and dissipation，there are the phenomena of eastward propagation of sea fog coverage.（4）In the spring and su m mer fog season，there are two sea fog-prone areas，located in the middle of Yellow Sea and the West Korea Bay respectively.And the annual maximu m fog occurrence is in the West Korea Bay.Furthermore，in the case of sufficient sample population，based on the statistical analysis of the frequency of clouds and sea fog，the datasets generated by the algorith m can be used to estimate the average probabi l ity of the fog occurrence in the Yellow Sea and Bohai Sea for the next 20 years.

Yellow Sea；sea fog；frequency；seasonal characteristics；NOAA/AVHRR

P732.1

A

0253-4193（2014）06-0063-10

2013-09-06；

2013-10-31。

氣象行業(yè)專項（GYHY200906001）；國家高技術研究發(fā)展計劃（2006 AA09Z149）；中國氣象局小型基建項目。

吳曉京（1968—），男，江蘇省常州市人，正研高工，從事氣象衛(wèi)星資料應用研究。E-mai l：wuxj8@cma.gov.cn