田永杰，鄧玉嬌，陳武喝，王捷純

(1.華南理工大學電信學院，廣東　廣州　510640；2.廣東省生態(tài)氣象中心，廣東　廣州　510640)

?

基于FY-2E數(shù)據(jù)白天海霧檢測算法的改進

田永杰1，鄧玉嬌2，陳武喝1，王捷純2

(1.華南理工大學電信學院，廣東廣州510640；2.廣東省生態(tài)氣象中心，廣東廣州510640)

根據(jù)各類云層、霧和下墊面的光譜輻射特性和云霧的空間紋理，在前人研究基礎上，采用面向對象的方法，構建一系列判別指數(shù)，建立一套有效的海霧檢測算法進行FY-2E數(shù)據(jù)白天海霧的判識，并將該方法應用到2014年4月8日黃海中北部一次海霧的動態(tài)變化過程。2014年4月8日高時間分辨率的海霧檢測個例應用表明，本文提出的白天海霧檢測算法可較好地實現(xiàn)海霧過程的動態(tài)監(jiān)測。另外，結合FY-3B霧產(chǎn)品數(shù)據(jù)進行算法的精度檢驗，11次海霧個例的精度檢驗結果顯示，命中率(POD)為90.9%，誤報率(FAR)為33.2%，臨界成功指數(shù)(CSI)為62.6%，表明該方法有效、可行。

FY-2E；海霧；動態(tài)閾值；云霧分離

引　言

海霧是海上一種常見的災害性天氣，它使能見度降低，嚴重影響海上交通、海洋作業(yè)等，對國民經(jīng)濟、人民生命財產(chǎn)安全造成影響，因此對于海霧的監(jiān)測和預警十分必要。常規(guī)的海霧監(jiān)測手段是依靠沿海城市和部分島嶼上設置的地面氣象觀測站點進行監(jiān)測。由于受地理因素的影響，設置的氣象站點十分有限，且分布不均，難以對海霧進行全面的觀測。衛(wèi)星遙感技術具有實時、動態(tài)、覆蓋范圍廣、信息源可靠等優(yōu)勢，能夠客觀地對海霧進行識別監(jiān)測，特別是靜止衛(wèi)星具有時間分辨率較高的優(yōu)點，能夠對海霧事件進行連續(xù)動態(tài)性觀測，可用于海霧的形成和消散規(guī)律的研究，進而可以更加準確地進行海霧預報。

衛(wèi)星遙感技術對大霧的自動檢測，按時間可分為夜間霧檢測和白天霧檢測。夜間霧的檢測，主要是根椐下墊面、云和霧在3.7 μm和10.7 μm波段的不同輻射特性，利用這2個波段的亮溫差來實現(xiàn)霧區(qū)提取[1-3]，并已成功實現(xiàn)了業(yè)務化。而白天霧的檢測，由于3.7 μm通道的輻射既包含目標物自身的長波輻射，又包含反射的太陽短波輻射，亮溫差法在識別白天大霧時判識精度將大大降低。在白天霧檢測中，由于云霧區(qū)和下墊面在可見光波段的反射率存在較大差異，人們常采用固定反射率閾值方法來分離下墊面和云霧區(qū)[4-6]。然而，可見光波段的反射率隨不同季節(jié)和時次變化而有所偏差，使用固定反射率閾值的方法可能會造成較大誤差。Alan等[7]2002年提出了自動判識云區(qū)與地面的基于直方圖統(tǒng)計的動態(tài)閾值法，且劉希[8]、郝增周[9]等都使用此方法成功進行了下墊面和云區(qū)的分離，但此方法是運用差分方法來求解閾值點，當數(shù)據(jù)異常時，往往會造成閾值點存在一定的偏差。因此，針對上述不足，在前人研究基礎上[10-17]，根據(jù)下墊面、云和霧的光譜輻射特性和云霧的空間紋理特性[18-21]，采用面向對象的方法，建立一套有效的基于直方圖曲線擬合的動態(tài)閾值法來進行白天海霧判識，并將該方法應用到高時間分辨率的FY-2E衛(wèi)星黃海中北部一次海霧動態(tài)變化過程的監(jiān)測研究。

1　資料及預處理

所用資料為國家衛(wèi)星氣象中心提供的FY-2E數(shù)據(jù)和FY-3B霧產(chǎn)品數(shù)據(jù)，可從國家衛(wèi)星氣象中心風云衛(wèi)星遙感數(shù)據(jù)服務網(wǎng)(http://satellite.cma.gov.cn/portalsite/default.aspx)下載。FY-2E數(shù)據(jù)包括5個通道，分別為2個長波紅外通道(IR1，10.3～11.3 μm；IR2，11.5～12.5 μm)、水汽通道(IR3，6.3～7.6 μm)、中波紅外通道(IR4，3.5～4.0 μm)、可見光通道(VIS，0.55～0.90 μm)，中心經(jīng)緯度為0°、104.5°E，星下點空間分辨率為5 km。資料的預處理包括輻射定標、投影轉換和陸地掩膜。輻射定標，是把原始數(shù)據(jù)的DN值定標為各通道的亮溫或反射率；投影轉換，是把研究區(qū)域的衛(wèi)星數(shù)據(jù)投影轉換成UTM投影數(shù)據(jù)；陸地掩膜，是利用海陸模板把陸地區(qū)域剔除。

2　海霧判識算法

根據(jù)云、霧和下墊面的光譜輻射特性可知：在可見光波段，云霧的反射率較高，且云的反射率通常高于霧的反射率，而各類地表和水體反射率一般較低；在長波紅外波段，中高云亮溫明顯低于低層云霧，而下墊面的亮溫最高；在中紅外波段，霧的亮溫通常最高，低云次之，下墊面介于低云和中高云之間。另外，霧的紋理較云區(qū)更加均勻平滑，且霧貼近地面，霧頂高度較低。本文的海霧判識算法以霧的光譜特性為基礎，結合其空間紋理特性，構建一系列的判識指數(shù)，逐步實現(xiàn)云霧與海面分離、中高云與低層云霧分離、低云與霧區(qū)分離。圖1為白天海霧判識流程，其中，RVIS表示可見光波段的反射率，H為云頂高度，F(xiàn)DI[10]和PCDI為海霧判識指數(shù)，Q為平滑穩(wěn)定度，T1、T2、T3、T4、T5分別為5個步驟的判識閾值。

2.1動態(tài)閾值區(qū)分海面與云霧區(qū)

目前云地分離技術主要有3類：閾值法、聚類分析、人工神經(jīng)網(wǎng)絡，其中閾值法是相對成熟、易于實現(xiàn)的一種方法。本文基于Alan[7]、劉希[8]等方法的基礎上做進一步改進，即對可見光波段反射率的統(tǒng)計直方圖進行最小二乘法曲線擬合，使數(shù)據(jù)更加平滑，避免一些異常數(shù)據(jù)造成的誤差。大量試驗得出，當直方圖的統(tǒng)計間距取0.6、最小二乘法擬合階數(shù)取10時，能得到較好的擬合結果。然后對直方圖擬合曲線進行二階求導。由于海面的可見光反射率≤25%，可求算0～25%反射率區(qū)間范圍內(nèi)二階導數(shù)的最大值點，該最大值點所對應的反射率即為區(qū)分下墊面與云區(qū)的反射率閾值。考慮全云覆蓋的影響，若求得的反射率大于海洋晴空像元上限18%，閾值設為默認值12%。反射率大于該閾值的設為云區(qū)像元，反之為晴空像元。

圖1　白天海霧檢測算法流程

圖2為利用上述改進的動態(tài)閾值法對2014年2月26日11:00(北京時，下同)中國附近海域海霧的求解過程，求得的動態(tài)閾值點為圖2d中的b點，其閾值對應b點的可見光反射率。而采用差分方法求算的閾值點為圖2a中的a點，但實際斜率變化最大的點應該在b點附近，這是因為在a點附近出現(xiàn)了異常值。因此，根據(jù)直方圖曲線擬合的動態(tài)閾值法，可減小由于數(shù)據(jù)異常而引起的誤差，但同時會造成運算量增大，處理時間增加。

2.2高度區(qū)分中高云與低層云霧

對于中高云與低層云霧，由于FY-2E的長波紅外波段IR1(10.7 μm)位于大氣窗區(qū)，且輻射能量絕大部分是自身的熱輻射，反射太陽輻射部分可忽略不計，因此該波段的亮溫可近似模擬云霧頂溫度。根據(jù)云區(qū)和晴空區(qū)的亮溫差和大氣溫度垂直遞減率(0.65 K·(100 m)-1)，云頂高度估算公式為：

(1)

式中，H為云頂高度(m)；BTcr(IR1)為待判識像素IR1波段晴空像素的亮溫均值(K)。若該緯度區(qū)域被全云覆蓋或晴空像素少于50個，則取前5 d同一時間晴空像元的均值(下同)；BTcd(IR1)為含云像素在IR1波段的亮溫均值(K)。如果H大于閾值2 000 m[13]，判定為中高云，反之，則判定為低層云霧。

圖2　基于改進的動態(tài)閾值法的2014年2月26日11:00中國附近海域海霧檢測過程(a)直方圖統(tǒng)計；(b)曲線擬合；(c)一階導數(shù)；(d)二階導數(shù)

2.3雙指數(shù)區(qū)分低云與霧

低云與霧的判識歷來是海霧遙感自動監(jiān)測中的難點。由于在IR1和IR4波段低云和霧區(qū)的光譜特性差別較大，因此，嘗試通過均值漂移算法對低層云霧進行聚類。聚類過程采用IR1和IR4波段，設定檢測對象的像元數(shù)最小為20；然后運用海霧與低云分離指數(shù)、平滑穩(wěn)定度逐步判識，最終實現(xiàn)低云與海霧的分離。

2.3.1分離指數(shù)

李維等[10]研究表明，在VIS波段，高云、中云、低云和霧的反射率逐漸降低，而在IR4波段反射率逐漸增大。利用霧判識指數(shù)FDI可較好地區(qū)分低云和霧，F(xiàn)DI計算公式：

(2)

其中，RVIS為VIS波段的反射率，RIR4為IR4 波段的反射率。由于薄低云在VIS波段反射率也較小，所求得的FDI指數(shù)較大，容易被誤判為霧，故該方法對薄低云的檢測效果較差。因此，在此基礎上構建薄低云的檢測指數(shù)PCDI，以提高霧的檢測精度。

相對于霧，薄低云在長波紅外波段IR1與晴空區(qū)的亮溫差較大，而在中波紅外波段IR4與晴空區(qū)的亮溫差較小，且IR4與IR1的亮溫差也較小。據(jù)此構建的薄云檢測指數(shù)PCDI：

(3)

式(3)中，BTcd(IR1)、BTcd(IR4)分別表示IR1、IR4波段含云像素的亮溫均值(K)，BTcr(IR1)、BTcr(IR4)分別表示IR1、IR4波段晴空像素的亮溫均值(K)。大量試驗得出，若PCDI的均值>2.5，則判定為是薄低云。

2.3.2平滑穩(wěn)定度指數(shù)

周紅妹等[17]研究表明，與低云相比，霧有清晰光滑的邊界、內(nèi)部分布均勻、灰度值域波動穩(wěn)定，紋理平滑，因此可利用平滑穩(wěn)定度分析來達到區(qū)分霧和低云的目的。平滑穩(wěn)定度Q的計算公式為：

(4)

式(4)中：Q為平滑穩(wěn)定度，xi為IR1波段的像元亮溫值(K)，n為像元數(shù)。當Q>2.5時，檢測對象為低云；Q<2.5時，則檢測對象為霧[13]。

3　海霧檢測精度檢驗

由于海上監(jiān)測站點稀少，缺乏實測數(shù)據(jù)對海霧檢測精度進行驗證。極軌衛(wèi)星FY-3B擁有10個可見光、紅外通道，星下點空間分辨率均為1 km，通道數(shù)的增加和分辨率的提高，使得FY-3B數(shù)據(jù)進行的霧檢測結果更加準確，因此，采用國家衛(wèi)星氣象中心發(fā)布的FY-3B霧產(chǎn)品數(shù)據(jù)對本文海霧檢測結果進行精度驗證。評定指標包括命中率(POD，Probability of Detection)、誤報率(FAR，F(xiàn)alse Alarm Ratio)和臨界成功指數(shù)(CSI，Critical Success Index)[13]，公式如下：

(5)

式中，NH表示FY-2E檢測結果和FY-3B霧產(chǎn)品都為霧的像素點頻數(shù)，NM表示FY-2E檢測結果無霧而FY-3B霧產(chǎn)品有霧的像素點頻數(shù)，NF表示FY-2E檢測結果有霧而FY-3B霧產(chǎn)品中無霧的像素點頻數(shù)。

4　實例和結果分析

圖3為FY-2E衛(wèi)星數(shù)據(jù)2014年4月8日08:00—15:00黃海中北部一次大霧事件的逐時檢測結果。從圖3可知，4月8日08:00，黃海中北部出現(xiàn)大范圍連片的海霧天氣，面積約為18.0×104km2；

隨后海霧一直呈持續(xù)穩(wěn)定發(fā)展狀態(tài)，至10:00，霧區(qū)面積約增至為20.0×104km2；之后霧區(qū)邊緣開始慢慢消散，僅有西北邊緣有所發(fā)展，至12:00覆蓋面積約減為19.7×104km2；隨著邊緣的逐漸消散，至14:00黃海中北部霧區(qū)已分裂成2塊；15:00，黃海中北部的霧區(qū)范圍明顯縮小，但在東海北部區(qū)域又有小塊新的霧區(qū)形成。

基于FY-3B霧產(chǎn)品，對選取的FY-2E衛(wèi)星數(shù)據(jù)11次海霧個例進行精度評定(表1)，發(fā)現(xiàn)命中率(POD)為90.9%，誤報率(FAR)較高為33.2%，原因是有一部分海面或低云被誤判識為霧區(qū)；臨界成功指數(shù)(CSI)為62.6%。說明本文提出的FY-2E白天海霧檢測方法是有效、可行的。

表1　FY-2E海霧檢測結果檢驗

圖3　2014年4月8日08:00—15:00 FY-2E衛(wèi)星數(shù)據(jù)海霧檢測逐小時演變

5　結論與討論

(1)根據(jù)下墊面、霧和各類云層在FY-2E的長波紅外波段IR1、中紅外波段IR4、可見光波段VIS的光譜特性差異以及云、霧的紋理特征，提出白天海霧檢測算法。對Alan等的動態(tài)閾值法[7]的改進，避免因數(shù)據(jù)異常造成的誤差，使檢測結果更加準確；通過高度分析實現(xiàn)了中高云和低層云霧的分離；通過引入薄低云檢測指數(shù)，彌補了FDI指數(shù)對于薄低云檢測效果較差的缺點，并結合平滑穩(wěn)定度分析，可較好地分離低云和海霧。

(2)利用FY-3B霧產(chǎn)品數(shù)據(jù)對FY-2E海霧檢測結果進行精度檢驗，命中率(POD)為90.9%，誤報率(FAR)為33.2%，臨界成功指數(shù)(CSI)為62.6%。說明本文提出的FY-2E白天海霧監(jiān)測方法有效、可行。

由于FY-2E資料不具備云層穿透性，本文提出的白天海霧檢測方法只適用于單層云霧，若出現(xiàn)云層覆蓋于霧區(qū)之上的情況，則檢測結果是上層云區(qū)。因此，該方法無法檢測出被云層覆蓋的海霧。此外，未考慮耀斑影響，若存在耀斑區(qū)，檢測結果較差。

[1] 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.

[2] 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.

[3] 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.

[4] 居為民,孫涵,張忠義,等. 衛(wèi)星遙感資料在滬寧高速公路大霧監(jiān)測中的初步應用[J]. 遙感信息, 1997,(3):25-27.

[5] 李亞春,孫涵. 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.

[6] 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.

[7] Alan V D V, William J E. An automated, dynamic threshold cloud-masking algorithm for daytime AVHRR images over land[J]. Geoscience and Remote Sensing, 2002,40(8):1682-1694.

[8] 劉希,徐建民,杜秉玉. 用雙通道動態(tài)閾值對GMS-5圖像進行自動云檢測[J]. 應用氣象學報, 2005,16(4):434-444.

[9] 郝增周. 黃、渤海海霧遙感輻射特性及衛(wèi)星監(jiān)測研究[D]. 南京:南京信息工程大學,2007.

[10] 李維,劉良明,杜娟. 針對FY-2E影像的白天霧檢測研究[J]. 計算機工程與應用, 2012,48(8):4-7.

[11] Lee T F, Turk F J, Richardson K. Stratus and fog products using GOES-8-9 3.9-μm data[J]. Weather and Forecasting, 1997,12(3):664-677.

[12] 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.

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

[14] Ishida H, Miura K, Matsuda T, et al. Scheme for detection of low clouds from geostationary weather satellite imagery[J]. Atmospheric Research, 2014,143:250-264.

[15] Yi L, Zhang S P, Thies B, et al. Spatio-temporal detection of fog and low stratus top heights over the Yellow Sea with geostationary satellite data as a precondition for ground fog detection—A feasibility study[J]. Atmospheric Research, 2015,151:212-223.

[16] 吳曉京. FY-2C靜止氣象衛(wèi)星資料大霧判識方法研究[A]. 中國氣象學會2007年年會氣象綜合探測技術分會場論文集[C], 2007.

[17] 周紅妹,葛偉強,柏樺,等. 氣象衛(wèi)星大霧遙感自動識別技術研究[J]. 熱帶氣象學報, 2011,27(2):152-160.

[18] 鄭煒,楊軍,劉端陽,等. 南京冬季輻射霧霧水沉降特征研究[J]. 干旱氣象,2014,32(1):52-59.

[19] 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.

[20] 孫涵,孫照渤,李亞春. 霧的氣象衛(wèi)星遙感光譜特征[J]. 南京氣象學院學報, 2004,27(3):289-301.

[21] 湯鵬宇,何宏讓,陽向榮. 大連海霧特征及形成機理初步分析[J]. 干旱氣象,2013,31(1):62-69.

Algorithm Improvement of Sea Fog Detection in the Daytime Based on FY-2E Data

TIAN Yongjie1, DENG Yujiao2，CHEN Wuhe1, WANG Jiechun2

(1.SchoolofElectronicandInformationEngineering,SouthChinaUniversityofTechnology,Guangzhou510640,China; 2.GuangdongEcologicalMeteorologyCenter,Guangzhou510640,China)

According to the spectral radiation characteristics of clouds, fog and underlying surface and texture features of clouds and fog, combined with the previous studies, a series of discriminant indexes were established by using object-oriented method, firstly. Then, the algorithm was constructed to detect sea fog from FY-2E data in the daytime, which was applied to a dynamic process of the sea fog in the middle and northern Yellow Sea on 8 April 2014. The applying result showed that the proposed algorithm of sea fog detection in this paper could better monitor the dynamic change of the sea fog in the middle and northern Yellow Sea on 8 April 2014. In addition, the accuracy of the algorithm was tested based on eleven times fog product from FY-3B. The test results showed that the probability of detection (POD) was 90.9%, false alarm rate (FAR) was 33.2%, and critical success index (CSI) was 62.6%, which indicated that the proposed method in the paper was effective and feasible.

FY-2E; sea fog; dynamic threshold; cloud and fog separation

10.11755/j.issn.1006-7639(2016)-04-0738

2015-10-19；改回日期：2015-12-04

廣東省氣象局科學技術研究項目(2014B08)和公益性行業(yè)(氣象)科研專項(GYHY201306042)共同資助

田永杰(1989- )，男，河南新鄉(xiāng)人，碩士研究生，主要從事衛(wèi)星氣象遙感研究. E-mail:t_yongjie@163.com

王捷純(1980- )，女，廣東澄海人，碩士，工程師，主要從事衛(wèi)星氣象研究. E-mail:wang_jc1@163.com

1006-7639(2016)-04-0738-05DOI:10.11755/j.issn.1006-7639(2016)-04-0738

P426.4

A

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, [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],