王明 ，劉文婷，陳英英，賈文茜，何明瓊，章翠紅，宋明明

(1.湖北省氣象服務(wù)中心，武漢430200；2.中國氣象局武漢暴雨研究所，武漢430200；3.武漢中心氣象臺，武漢430070；4.湖北省宜昌市氣象局，宜昌443000)

引言

霧是懸浮在大氣中的微小液滴構(gòu)成的氣溶膠，大霧天氣嚴(yán)重影響航海、航空以及公路運(yùn)輸安全，還會(huì)引發(fā)交通事故，甚至給人民生命財(cái)產(chǎn)帶來巨大損失。大霧還可能降低空氣質(zhì)量，影響人們的身體健康。因此，對大霧的有效監(jiān)測和識別不僅方便公眾出行，還能防止或減少因霧造成的事故和損失。常規(guī)大霧監(jiān)測手段主要是在陸、海面布設(shè)站點(diǎn)進(jìn)行人工或自動(dòng)觀測，該方法的缺陷是站點(diǎn)密度不夠，難以滿足社會(huì)相關(guān)行業(yè)的服務(wù)需求。氣象衛(wèi)星觀測資料因其具有覆蓋范圍廣、時(shí)空分辨率高的特點(diǎn)，已成為當(dāng)前氣象業(yè)務(wù)、服務(wù)與科研中十分重要的氣象資料(侯小剛等，2017；劉煉燁等，2017；于曉晶等，2018；楊磊等，2020)，并在監(jiān)測霧的生消變化方面優(yōu)勢明顯。自20世紀(jì)70年代以來，國內(nèi)外已涌現(xiàn)出大量利用衛(wèi)星資料識別大霧的研究成果(Gurka，1978；Eyre et al.，1984；Ellrod，1995；Lee et al.，1997；劉健等，1999；Bendix，2002；Bendix et al.，2005；吳兌等，2007)。Gurka(1978)利用美國SMS-1 衛(wèi)星成像儀可見光通道圖像分析了霧的消散過程，指出霧的消散與可見光通道反射率關(guān)系密切；Eyre 等(1984)利用美國NOAA 氣象衛(wèi)星搭載的高分辨率輻射計(jì)中的近紅外與紅外通道差值的方法識別大霧；Lee 等(1997)利用美國地球靜止軌道環(huán)境衛(wèi)星GOES-8/9 衛(wèi)星成像儀近紅外和紅外通道反射率的方法分別識別白天、夜晚和太陽初升階段的霧；Bendix(2002)同時(shí)運(yùn)用極軌和靜止氣象衛(wèi)星成像儀AVHRR、MODIS、SEVIRI 研究了大霧的判識流程；Gultepe 等(2007)提出利用GOES衛(wèi)星通道2和通道4的亮溫差以及數(shù)值模式氣溫和通道4 的亮溫差識別夜間大霧，結(jié)果表明，除去中高云的影響后，夜間大霧的識別率顯著提高。國內(nèi)，通過衛(wèi)星數(shù)據(jù)對大霧遙感監(jiān)測識別起步于20 世紀(jì)90 年代，取得的成果也較多。居為民等(1997)根據(jù)NOAA/GMS衛(wèi)星可見光和紅外遙感圖像資料，探討了滬寧高速公路大霧的監(jiān)測方法。李亞春等(2001)利用GMS-5 靜止氣象衛(wèi)星資料，在分析霧消散原理的基礎(chǔ)上，研究了衛(wèi)星遙感圖上大霧消散的一般特點(diǎn)和規(guī)律。梁益同等(2007)利用風(fēng)云一號D 星(FY-1D)探討了大霧在FY-1D 不同通道的特征，認(rèn)為可見光和紅外通道是該衛(wèi)星監(jiān)測大霧的代表通道。張文剛和魏鳴(2011)根據(jù)云、霧與下墊面在可見光、中紅外和熱紅外波段反射與輻射特性方面存在的差異，利用FY-2靜止衛(wèi)星通道數(shù)據(jù)研究了大霧識別的閾值和流程，其方法在華東、華北的一次監(jiān)測結(jié)果表明，識別準(zhǔn)確率可達(dá)76.6%。蔣璐璐和魏鳴(2011)利用FY-3A 衛(wèi)星VIRR 數(shù)據(jù)，依據(jù)多通道閾值法分析了大霧的監(jiān)測方法。吳曉京等(2015)分析了FY-2C成像儀紅外通道和近紅外通道亮溫差方法判識霧的有效范圍，并用AVHRR數(shù)據(jù)結(jié)合數(shù)字高程數(shù)據(jù)(DEM)提取了新疆北部地區(qū)大霧的垂直厚度，還用FY-2B衛(wèi)星和日本氣象衛(wèi)星(GMS)資料進(jìn)行了中國陸地大霧消散臨近預(yù)報(bào)。王宏斌等(2018)基于葵花8號靜止衛(wèi)星，通過亮溫差值法和3.9 μm 輻射率法分析了夜間和重污染條件下的大霧識別效果，認(rèn)為兩種方法均能較準(zhǔn)確地識別不同等級的大霧。

風(fēng)云四號A 星(FY-4A)是中國繼FY-2 衛(wèi)星之后發(fā)展的新一代靜止氣象衛(wèi)星。自FY-4A于2016年12月11日成功發(fā)射以來，已有一些相關(guān)的研究報(bào)道。如對大霧的監(jiān)測識別，劉清華(2018)根據(jù)大霧在氣象衛(wèi)星成像儀不同光譜通道上獨(dú)特的光譜、結(jié)構(gòu)特性，開展了大霧遙感監(jiān)測技術(shù)研究，通過選取成像儀不同通道的合成圖像反映大霧區(qū)域。目前，利用FY-4A衛(wèi)星對夜間大霧識別的研究還不多見。林建等(2008)研究我國大霧的時(shí)空分布指出，60%的霧生成于夜間或凌晨，而高速公路巡邏人員覆蓋面小，無法及時(shí)發(fā)現(xiàn)大霧。另外，夜間光照條件有限，相比白天，大霧對交通運(yùn)輸安全影響更大。FY-4A衛(wèi)星兼具高頻次、高分辨探測能力，對監(jiān)測、追蹤夜間大霧發(fā)生、發(fā)展、消散和演變過程有較大幫助。因此，本文基于FY-4A 衛(wèi)星AGRI 資料10.8 μm 波段和3.72 μm 波段數(shù)據(jù)，根據(jù)多通道閾值分析法，分析了夜間大霧識別方法及其在湖北省高速公路服務(wù)應(yīng)用中的潛力，期望為了解大霧發(fā)生發(fā)展規(guī)律并為高速公路交通安全服務(wù)提供參考依據(jù)。

1 資料與方法

1.1 資料說明

本文利用湖北省2018 年3 月至2020 年2 月夜間大霧個(gè)例，選取FY-4A衛(wèi)星通道數(shù)據(jù)對上述夜間大霧進(jìn)行識別，通過最小能見度觀測數(shù)據(jù)與識別結(jié)果進(jìn)行對比分析，再選取湖北省高速公路封路數(shù)據(jù)與識別結(jié)果對比，分析其應(yīng)用潛力。對相關(guān)數(shù)據(jù)說明如下：

(1) FY-4A 衛(wèi)星數(shù)據(jù)。相比現(xiàn)有的FY-2 靜止衛(wèi)星，F(xiàn)Y-4A 裝載的多通道掃描成像輻射計(jì)和空間天氣載荷使其觀測性能明顯增強(qiáng)，其中多通道掃描成像輻射計(jì)AGRI 的成像觀測通道從5 個(gè)擴(kuò)展到14 個(gè)，觀測時(shí)效從0.5 h提高到15 min，最高空間分辨率從1.25 km提高到0.5 km。本研究中成像儀多通道數(shù)據(jù)包括中紅外通道和長波紅外通道，其中，中紅外通道包含3個(gè)波段，長波紅外包含4個(gè)波段。由于夜間AGRI成像儀數(shù)據(jù)中只有中紅外通道的3.72 μm波段和長波紅外通道的10.8 μm波段對大霧比較敏感，所以，夜間能有效監(jiān)測大霧的主要是這兩個(gè)通道的數(shù)據(jù)(劉清華等，2018)。選 取的AGRI 數(shù)據(jù)時(shí)段為2018 年3 月12 日至2020 年2 月20 日。數(shù)據(jù)來源于國家氣象衛(wèi)星中心風(fēng)云遙感數(shù)據(jù)服務(wù)網(wǎng)(http：//satellite.nsmc.org.cn/portalsite/default.aspx)。

(2)能見度實(shí)況數(shù)據(jù)。湖北省三面環(huán)山，中南部為江漢平原，鄂西北、鄂西南、鄂東南東部多山地，全省自動(dòng)氣象站點(diǎn)分布東西較少、中部密集，其中有能見度觀測的站點(diǎn)共269個(gè)。本文選取的269站最小能見度觀測數(shù)據(jù)，其空間范圍(108°—117°E、28°—34°N)與時(shí)段均與衛(wèi)星數(shù)據(jù)選取的一致。考慮到能見度等級不同對道路交通安全的影響不同，根據(jù)湖北省高速公路管理部門反映，能見度在750 m 以下的霧最容易引發(fā)交通事故，因此本文中的大霧識別只針對能見度≤750 m的霧。

(3)高速公路封路數(shù)據(jù)。為了檢驗(yàn)大霧識別結(jié)果在高速公路中的應(yīng)用效果，本文收集了湖北省公安廳高速公路管理部門發(fā)布的封路信息，其中包含封閉的路段和對應(yīng)的收費(fèi)站經(jīng)緯度以及全省高速公路362個(gè)收費(fèi)站的經(jīng)緯度，每條封路信息均包括高速公路名稱、方向、起止時(shí)間、關(guān)閉路段等信息。此數(shù)據(jù)由湖北省公安廳高速公路管理部門提供。

(4)大霧個(gè)例?；谛l(wèi)星資料選定時(shí)間范圍，統(tǒng)計(jì)該時(shí)段湖北地區(qū)夜間大霧次數(shù)。2018 年3 月12 日至2020年2月12日共出現(xiàn)大霧過程(個(gè)例)116次(個(gè))。考慮到云覆蓋對大霧識別的影響，對所有個(gè)例夜間各時(shí)次狀況進(jìn)行逐一檢驗(yàn)，對116個(gè)大霧個(gè)例，剔除有大量云覆蓋的大霧個(gè)例31 個(gè)，最后得到少云(或無云)覆蓋大霧個(gè)例85 個(gè)，將其用于大霧識別閾值確定和檢驗(yàn)，其中2018—2019 年80 個(gè)個(gè)例用于確定閾值，2020 年5個(gè)個(gè)例用作閾值檢驗(yàn)。

1.2 數(shù)據(jù)處理

為了驗(yàn)證霧的識別結(jié)果，將有大霧觀測的國家氣象站和區(qū)域站最小能見度數(shù)據(jù)插值形成0.05°×0.05°格點(diǎn)數(shù)據(jù)，據(jù)此對比分析識別結(jié)果與站點(diǎn)觀測能見度的落區(qū)。利用FY-4A衛(wèi)星通道數(shù)據(jù)識別大霧前，對數(shù)據(jù)進(jìn)行了預(yù)處理，主要包含輻射定標(biāo)、經(jīng)緯度轉(zhuǎn)換、數(shù)據(jù)剪裁和閾值確定四個(gè)步驟。

(1) 輻射定標(biāo)。FY-4A 衛(wèi)星通道數(shù)據(jù)以灰度值(DN)形式存在，輻射定標(biāo)的意義在于將遙感影像的灰度值轉(zhuǎn)化為具有物理意義的數(shù)值。本文將10.8 μm波段和3.72 μm 波段的灰度值轉(zhuǎn)化為亮溫值，具體轉(zhuǎn)化對照表見國家氣象衛(wèi)星中心風(fēng)云遙感數(shù)據(jù)服務(wù)網(wǎng)（http：//satellite.nsmc.org.cn/PortalSite/StaticContent/DocumentDownload.aspx？TypeID=15）。

(2) 經(jīng)緯度轉(zhuǎn)換。FY-4A 衛(wèi)星采用CGMS LRIT/HRIT 全球規(guī)范定義的靜止軌道標(biāo)稱投影，地理坐標(biāo)基于WGS84參考橢球計(jì)算得到，其灰度值的存放是按照標(biāo)稱上行(X)列(Y)號來存放的。在實(shí)際計(jì)算過程中，需要根據(jù)行列號與經(jīng)緯度的轉(zhuǎn)換表進(jìn)行轉(zhuǎn)換。轉(zhuǎn)換表及相應(yīng)的計(jì)算方法見國家氣象衛(wèi)星中心風(fēng)云遙感數(shù)據(jù)服務(wù)網(wǎng)(http：//satellite.nsmc.org.cn/PortalSite/StaticContent/DocumentDownload.aspx？TypeID=15)。

(3)數(shù)據(jù)剪裁。FY-4A衛(wèi)星通道數(shù)據(jù)覆蓋范圍廣，分辨率最高可達(dá)500 m。實(shí)際計(jì)算過程如果以全圓盤或中國區(qū)域的數(shù)據(jù)進(jìn)行計(jì)算，會(huì)消耗計(jì)算資源、降低識別效率。因本文只針對湖北地區(qū)進(jìn)行大霧識別，所以只將包含湖北省的衛(wèi)星通道數(shù)據(jù)裁剪出來，選取范圍為108°—117°E、28°—34°N。

1.3 研究方法

1.3.1 識別原理

霧滴一般比云滴小，兩者輻射特性存在明顯差異，其差異能清晰地反映在衛(wèi)星圖像上，為衛(wèi)星遙感技術(shù)識別大霧提供有力依據(jù)(陳林等，2006)。夜間，霧一般比中高云更接近地表，其在10.8 μm 波段的亮溫一般高于中高云，與地表較為接近，但略低于地表。因此采用10.8 μm 波段的閾值作為區(qū)分霧、中高云和地表的參數(shù)。霧和低云的區(qū)分是整個(gè)霧監(jiān)測過程中的重點(diǎn)和難點(diǎn)，因兩者各方面特性均極為相似，且低云高度較低，不易對兩者進(jìn)行區(qū)分。蔣璐璐和魏鳴(2011)的研究表明，10.8 μm 波段無法區(qū)分低云和霧，但霧在3.72 μm波段的反射輻射比更大粒子的水云或冰相云大，10.8 μm波段和3.72 μm波段亮溫差是本文采用的另一個(gè)參數(shù)。根據(jù)FY-4A/AGRI(多通道掃描成像輻射計(jì))衛(wèi)星通道數(shù)據(jù)的特點(diǎn)，利用10.8 μm波段及其與3.72 μm 波段亮溫差的組合，采用閾值判別方法對霧進(jìn)行識別。

1.3.2 夜間大霧FY-4A識別閾值的確定

以2019年12月22 日湖北省大霧為例，在FY-4A衛(wèi)星10.8 μm 波段上(圖1a)，夜間霧區(qū)成灰黑色，紋理均勻，其亮溫比中高云要高，一般大于271 K，低于下墊面。因此以該波段亮溫閾值作為區(qū)別中高云和大霧的指標(biāo)。在3.72 μm 波段上(圖1b)，霧區(qū)成灰白或白色，顏色與云區(qū)相近，單獨(dú)識別霧的效果不佳。

圖1 2019年12月22日06時(shí)FY-4A衛(wèi)星10.8 μm波段(a)和3.72 μm波段(b)湖北大霧監(jiān)測圖(方框區(qū)域A、B、C和D分別為選取的霧區(qū)、云霧混合區(qū)、云區(qū)以及霧與地表混合區(qū))Fig.1 Monitoring map of the heavy fog over Hubei from(a)10.8 μm band and(b)3.72 μm band of FY-4A satellite at 06∶00 BT on 22 December 2019.Rectangles A,B,C and D mark fog area,the mixing area of cloud and fog,cloud area and the mixing area of fog and surface,respectively.

由于夜間大霧在3.72 μm波段上的比輻射率明顯小于其在10.8 μm 波段的比輻射率，因此這兩個(gè)通道亮溫不同。一般而言，3.72 μm波段亮溫比10.8 μm波段亮溫低，兩者亮溫差能較好地分離霧區(qū)和低云區(qū)，因此利用10.8 μm 波段和3.72 μm 波段通道亮溫差判識夜間大霧。本文閾值確定，首先，選取大量10.8 μm波段的亮溫及其與3.72 μm 波段亮溫差的像元樣本，并根據(jù)地面觀測站最小能見度實(shí)況數(shù)據(jù)和衛(wèi)星圖像確定霧區(qū)、云霧混合區(qū)、云區(qū)(中高云和低云)以及霧與地表混合區(qū)四個(gè)區(qū)域，從而分析10.8 μm 波段的亮溫及其與3.72 μm波段亮溫差在以上四個(gè)區(qū)域的像元比例，以此初步確定亮溫差識別夜間大霧的閾值范圍。然后，根據(jù)選取的大霧個(gè)例樣本，對比分析大霧個(gè)例對應(yīng)的能見度實(shí)況與基于初步確定閾值的大霧識別結(jié)果，不斷調(diào)整和優(yōu)化閾值范圍，再通過其它大霧個(gè)例樣本進(jìn)行閾值檢驗(yàn)，最后確定大霧識別閾值。

將提取的上述區(qū)域A、B、C、D 的像元樣本繪制成亮溫與亮溫差分布見圖2(其中，像元百分比為所選范圍各亮溫像元數(shù)與總像元數(shù)之比)。從中可見，霧區(qū)10.8 μm波段亮溫主要分布在271～275 K之間(圖2a)；云霧混合區(qū)存在267～272 K的均勻分布區(qū)和272～275 K的峰值區(qū)(圖2b)；云區(qū)亮溫主要分布在265～272 K 之間(圖2c)；而在霧、地混合區(qū)亮溫主要分布在271～276 K范圍，相比單獨(dú)的霧區(qū)，亮溫高于274 K的像元更多(圖2d)。基于云、霧和地表的光譜特性，10.8 μm波段霧區(qū)亮溫高于中高云，與地表接近又略低于地表。因此，可初步判定夜間大霧在10.8 μm波段的亮溫閾值范圍介于271～275 K 之間，該閾值能較好地區(qū)分霧與中高云、地表。

圖2 2019年12月22日06時(shí)湖北省霧區(qū)(a,e)、云霧混合區(qū)(b,f)、云區(qū)(c,g)和霧與地表混合區(qū)(d,h)像元百分比在FY-4A衛(wèi)星10.8 μm波段亮溫(a—d)及其與3.72 μm波段亮溫差(e—h)分布(單位:K)Fig.2 Distribution of pixel percentages in(a,e)fog area,(b,f)the mixing area of cloud and fog,(c,g)cloud area and(d,h)the mixing area of fog and surface in Hubei with(a-d)the brightness temperature(T10.8,unit:K)in the band of 10.8 μm and(e-h)the difference between T10.8 and the brightness temperature in the band of 3.72 μm from FY-4A satellite at 06∶00 BT on 22 December 2019.

進(jìn)一步分析圖2 可知，云區(qū)與地表亮溫差大多不超過10 K，云區(qū)以低云為主。由于低云與霧在單一波段的亮溫差異不明顯，而在10.8 μm波段與3.72 μm波段亮溫差上差異明顯，因此以這兩波段亮溫差來區(qū)分霧區(qū)和低云。從各區(qū)像元在10.8 μm 波段與3.72 μm波段亮溫差分布看，霧區(qū)像元的亮溫差普遍大于1 K，但存在較明顯的3～5 K 峰值(圖2e)；云區(qū)較為明顯的峰值出現(xiàn)在-1～1 K附近，-3～5 K之間像元比例較小(圖2f)；云霧和地霧混合區(qū)亮溫差普遍大于0，而云霧混合區(qū)2～6 K 出現(xiàn)的像元比例較大(圖2g)，地霧混合區(qū)則0～2 K 出現(xiàn)的像元比例較大(圖2h)。由此可知，霧區(qū)像元主要分布在2～6 K 范圍，低云區(qū)像元分布在-4～4 K 范圍，而在2～4 K 范圍低云區(qū)像元占比較小。可見，霧的像元主要集中在2～6 K 閾值范圍，而低云像元主要集中在-2～4 K 閾值范圍，所以通過10.8 μm 波段與3.72 μm 波段亮溫差能較好地區(qū)分低云與霧。對本文所選取的85 個(gè)大霧個(gè)例的統(tǒng)計(jì)分析表明，10.8 μm波段與3.72 μm波段亮溫差在霧區(qū)的閾值范圍為2～6 K，較好地區(qū)分了低云和霧。

為更進(jìn)一步驗(yàn)證上述方法確定的大霧識別閾值范圍的合理性，以2019年12月21日湖北大霧為例，結(jié)合大霧生消演變，對比分析大霧區(qū)域10.8 μm 波段及其與3.72 μm波段亮溫差的閾值范圍。圖3給出2019年12 月21 日23 時(shí)—22 日07 時(shí)湖北省逐時(shí)最小氣象能見度分布圖。氣象上，霧是指大氣中因懸浮的水汽凝結(jié)造成能見度低于1 km 的天氣現(xiàn)象。對比分析地面觀測資料發(fā)現(xiàn)，12月21日湖北大霧是造成低能見度的主要原因，因此本文以最小能見度來分析霧的生消。21日23時(shí)(圖3a)，恩施、宜昌、神農(nóng)架、黃岡、咸寧局部出現(xiàn)局地性霧；22 日00—01 時(shí)(圖3b、c)，宜昌地區(qū)霧的濃度增大，其他區(qū)域不變；02—03 時(shí)(圖3d、e)，宜昌地區(qū)霧的范圍開始擴(kuò)大，襄陽和十堰開始出現(xiàn)局地性霧；04—05 時(shí)(圖3f、g)，十堰、襄陽、宜昌、荊門地區(qū)大霧范圍擴(kuò)大，天門、潛江和仙桃也開始出現(xiàn)大霧；06—07時(shí)(圖3h、i)，湖北中部出現(xiàn)大霧，其范圍擴(kuò)大到隨州、武漢、孝感、荊州、黃岡部分地區(qū)。

圖3 湖北省2019年12月21日23時(shí)(a)—22日07時(shí)(i)逐小時(shí)最小氣象能見度分布(單位:m)Fig.3 Distribution of minimum meteorological visibility(unit:m)in Hubei at(a)23∶00 BT 21 and(b)00∶00 BT,(c)01∶00 BT,(d)02∶00 BT,(e)03∶00 BT,(f)04∶00 BT,(g)05:00 BT,(h)06∶00 BT,and(i)07∶00 BT 22 December 2019.

對比分析上述個(gè)例大霧演變和10.8 μm波段亮溫及其與3.72 μm 波段亮溫之差隨時(shí)間變化可見(圖4)，21日23時(shí)，宜昌局地大霧產(chǎn)生時(shí)(圖3a)，10.8 μm波段亮溫值為271～276 K(圖4a1)，其與3.72 μm 波段亮溫差為1～7 K(圖4a2)；隨著大霧范圍逐漸擴(kuò)大(圖3b—h)，10.8 μm 波段271～276 K 亮溫范圍也逐漸增大(圖4b1—h1)，相應(yīng)的長波紅外與中波紅外亮溫差分布也與大霧分布匹配較好(圖4b2—h2)。到22日07時(shí)，湖北中部出現(xiàn)大范圍霧(圖3i)，此時(shí)湖北中東部10.8 μm波段亮溫在271～276 K之間(圖4i1)，而兩者亮溫差在湖北中部以南區(qū)域小于1 K，中東部以北為2～7 K，其與10.8 μm波段結(jié)合，能較好地反映大霧落區(qū)。因此，通過FY-4A衛(wèi)星10.8 μm 波段271～275 K 亮溫及其與3.72 μm 波段2～6 K亮溫差，能較好地識別大霧落區(qū)。

圖4 湖北省2019年12月21日23時(shí)(a1,a2)—22日07時(shí)(i1,i2)FY-4A衛(wèi)星10.8 μm波段逐小時(shí)亮溫(a1—i1)及其與3.72 μm波段亮溫差(a2—i2)分布(單位:K)Fig.4 Distribution of(a1-i1)the brightness temperature(T10.8,unit:K)in the band of 10.8 μm and(a2-i2)the difference between T10.8 and the brightness temperature in the band of 3.72 μm in Hubei from FY-4A satellite at(a1,a2)23∶00 BT 21 and(b1,b2)00∶00 BT,(c1,c2)01∶00 BT,(d1,d2)02∶00 BT,(e1,e2)03∶00 BT,(f1,f2)04∶00 BT,(g1,g2)05:00 BT,(h1,h2)06∶00 BT,(i1,i2)07∶00 BT 22 December 2019.

根據(jù)上述分析結(jié)果，可以確定FY-4A衛(wèi)星識別大霧的閾值見表1。

1.3.3 結(jié)果檢驗(yàn)與分析方法

為了分析上述識別結(jié)果的精度，分別用國家氣象站觀測數(shù)據(jù)與高速公路收費(fèi)站封路數(shù)據(jù)進(jìn)行比對。比對主要采用Bendix 等(2004)提出的誤警率(αFAR)、命中率(αPOD)、成功指數(shù)(ICSI)三個(gè)指標(biāo)，其計(jì)算式如下

表1 基于FY-4A衛(wèi)星10.8 μm波段(L10.8)亮溫及其與3.72 μm波段的亮溫差(ΔL)確定的大霧識別閉值Table 1 Heavy fog identification threshold based on the brightness temperature(T10.8)in the band(L10.8)of 10.8 μm and the difference(ΔL)between T10.8 and the brightness temperature in the band of 3.72 μm from FY-4A satellite.

式(1)—(3)中，n1為識別結(jié)果中有霧但觀測站點(diǎn)或收費(fèi)站無霧所占百分比；n2為識別結(jié)果中無霧但觀測站點(diǎn)或收費(fèi)站有霧的百分比；n3為檢測結(jié)果與觀測站點(diǎn)或收費(fèi)站均有霧的百分比。

2 結(jié)果與分析

根據(jù)上述原理和方法，利用衛(wèi)星資料對湖北省2018 年3 月12 日至2020 年2 月12 日大霧識別進(jìn)行試驗(yàn)，以2020年1月12日湖北東部和西北部夜間一次典型大霧天氣為例，對其識別效果進(jìn)行對比檢驗(yàn)。由于霧多發(fā)生在夜間或凌晨，選取04—07時(shí)作為夜間大霧識別時(shí)段。對本個(gè)例確定最優(yōu)閾值范圍為：6 K ＞FY10.8-FY3.72＞2 K，275 K ＞FY10.8＞271.5 K 。其中FY10.8為10.8 μm波段亮溫，F(xiàn)Y3.72為3.72 μm波段亮溫。

2.1 識別結(jié)果與實(shí)況對比

圖5 給出2020 年1 月12 日04—07 時(shí)(北京時(shí)，下同)地面觀測的最小能見度以及基于FY-4A衛(wèi)星通道數(shù)據(jù)識別的大霧結(jié)果。

圖5 2020年1月12日04時(shí)(a,e)、05時(shí)(b,f)、06時(shí)(c,g)、07時(shí)(d,h)地面觀測的最小能見度(a—d，單位:m)和FY-4A衛(wèi)星對湖北大霧的識別結(jié)果(e—h,綠色陰影表示霧區(qū))Fig.5 (a-d)Minimum visibility(unit:m)from the ground observation and(e-h)the heavy fog areas(green shaded)over Hubei identified by FY-4A satellite at(a,e)04∶00 BT,(b,f)05∶00 BT,(c,g)06∶00 BT and(d,h)07∶00 BT on 12 January 2020.

從圖5中可見，04時(shí)(圖5a)，實(shí)況觀測鄂東出現(xiàn)較大范圍的霧，主要集中在武漢及周邊地區(qū)，包括黃岡、黃石、咸寧和孝感等地，同時(shí)鄂西北出現(xiàn)小范圍的霧。到05 時(shí)(圖5b)，鄂東和鄂西北霧區(qū)范圍增大、強(qiáng)度增強(qiáng)，襄陽開始出現(xiàn)局地霧；06 時(shí)(圖5c)，鄂東大霧范圍向東向北持續(xù)擴(kuò)展，此時(shí)襄陽大霧強(qiáng)度增強(qiáng)，隨州開始出現(xiàn)大霧；07時(shí)(圖5d)，上述大霧強(qiáng)度和范圍變化不大，鄂東東部大霧呈西縮趨勢。對應(yīng)04—07 時(shí)FY-4A識別結(jié)果顯示(圖5e—h)，大霧總體落區(qū)與站點(diǎn)觀測的范圍較為一致，識別效果較好；但也存在差異，主要表現(xiàn)為衛(wèi)星識別出江漢平原部分地區(qū)出現(xiàn)局地霧，而實(shí)況該地區(qū)并未觀測到有霧；衛(wèi)星對黃岡、孝感北部、鄂西北等地大霧的識別能力較弱。

考慮到站點(diǎn)數(shù)據(jù)插值成格點(diǎn)數(shù)據(jù)后以及部分區(qū)域站數(shù)據(jù)本身可能存在誤差，圖6 給出上述時(shí)刻湖北省國家級氣象站觀測最小能見度與相應(yīng)時(shí)刻FY-4A衛(wèi)星識別的大霧區(qū)。從中看到，衛(wèi)星識別的大霧區(qū)與站點(diǎn)觀測的大霧區(qū)基本一致，特別是在鄂東。但衛(wèi)星對于鄂西北大霧的識別效果隨時(shí)間逐漸變差，特別在06—07時(shí)該區(qū)域大霧命中率幾乎為0。

為了定量分析衛(wèi)星對大霧識別的準(zhǔn)確率，基于上節(jié)中式(1)—(3)，分別計(jì)算湖北省2020 年1 月12 日04—07時(shí)各時(shí)衛(wèi)星對大霧識別的αFAR、αPOD和ICSI，其結(jié)果見表2。

從表2 中可見，04—07 時(shí)衛(wèi)星對大霧識別的命中率均在70%以上，平均命中率為72.9%，平均誤警率為15.9%，成功指數(shù)大于60%。各時(shí)刻的誤警率在10%～20%之間，究其原因，主要是衛(wèi)星對低云和霧較難區(qū)分，特別是在中高云、低云、霧同時(shí)出現(xiàn)時(shí)更是增加了對大霧的識別難度。

另外，按照上述方法，對其他大霧個(gè)例進(jìn)行多次試驗(yàn)的結(jié)果均表明，F(xiàn)Y-4A衛(wèi)星對大霧識別命中率均達(dá)到70%以上?？梢姡現(xiàn)Y-4A衛(wèi)星對夜間大霧的識別效果較為理想。

圖6 2020年1月12日04時(shí)(a)、05時(shí)(b)、06時(shí)(c)、07時(shí)(d)湖北省國家級氣象站(彩色實(shí)心圓點(diǎn)所示)觀測的最小能見度(單位:m，藍(lán)點(diǎn)能見度大于等于750 m，紅點(diǎn)能見度小于750 m)與FY-4A衛(wèi)星識別的大霧區(qū)(綠色陰影)Fig.6 Minimum visibility(unit:m)reported at the national meteorological stations(solid colour dots)over Hubei and the heavy fog areas(green shaded)identified by FY-4A satellite at(a)04∶00 BT,(b)05∶00 BT,(c)06∶00 BT and(d)07∶00 BT on 12 January 2020.Blue dots denote the stations where visibility is greater than or equal to 750 m,and red dots denote the stations where visibility is less than 750 m.

表2 2020年1月12日04—07時(shí)FY-4A衛(wèi)星對湖北省國家站大霧的識別效果檢驗(yàn)Table 2 Verification of heavy fog occurred at the national meteorological stations over Hubei identified by FY-4A satellite from 04∶00 BT to 07∶00 BT on 12 January 2020.

2.2 地形和云對識別結(jié)果的影響

從上文圖5和圖6中FY-4A衛(wèi)星對大霧的識別結(jié)果可知，F(xiàn)Y-4A 對鄂西北、鄂東北大霧識別的命中率不高。這可能與地形和云的影響有關(guān)。

湖北省地勢西高東低，東、西、北三面環(huán)山，中南部為江漢平原，除湖北西部外，隨州、孝感、黃岡北部、咸寧南部也分布有山地。圖7給出2020年1月12日04—07 時(shí)FY-4A 衛(wèi)星10.8 μm 波段湖北省亮溫分布。從中可見，湖北省東、西、北山區(qū)亮溫值均在271 K以下，低于周邊平原地區(qū)，因此，地形差異能影響10.8 μm波段亮溫分布。

安妮等(2019)基于葵花衛(wèi)星研究中國地區(qū)夜間云識別時(shí)發(fā)現(xiàn)，地形高度的差異使得地表輻射能量分布不同，在長波紅外波段，不同高度的地形其亮溫分布存在較大差異。因此，地形對衛(wèi)星大霧識別中的閾值與精度存在較大影響，需要根據(jù)不同地形單獨(dú)研究。如果將地形的影響去掉，即不考慮受地形影響的5 個(gè)觀測站(紅安、麻城、大悟、金沙、建始)的結(jié)果，04—07時(shí)FY-4A 的大霧識別命中率分別為79.9%、79.3%、79.4%和82.9%(表3)，分別提高了5.8%、7.4%、8.0%、8.6%。

進(jìn)一步分析圖7 可知，鄂西亮溫相對鄂東地區(qū)較低，且部分地區(qū)亮溫低于267 K，鄂西南亮溫低值區(qū)相對穩(wěn)定，而鄂西北亮溫低值區(qū)隨時(shí)間存在東移趨勢。

趙曉利(2014)通過對大量樣本進(jìn)行統(tǒng)計(jì)和試驗(yàn)發(fā)現(xiàn)，當(dāng)被檢測像元的長波紅外通道亮溫小于267 K時(shí)，可判別為云。因此1 月12 日04—07 時(shí)鄂西北亮溫低值區(qū)的生成和東移可判定為云的東移，并對06—07時(shí)衛(wèi)星對大霧識別結(jié)果產(chǎn)生了干擾。如果去除該過程中云的影響，06—07時(shí)衛(wèi)星對大霧的識別命中率分別為75.0%和78.4%，分別提高3.6%、4.1%(表3)。因此，在大霧識別過程中，地形及云的產(chǎn)生和移動(dòng)對大霧識別結(jié)果影響較大。

圖7 2020年1月12日04時(shí)(a)、05時(shí)(b)、06時(shí)(c)、07時(shí)(d)FY-4A衛(wèi)星10.8 μm波段湖北省亮溫分布（單位：K）Fig.7 Distribution of brightness temperature(unit:K)in Hubei at the band of 10.8 μm from FY-4A satellite at(a)04∶00 BT,(b)05:00 BT,(c)06∶00 BT and(d)07∶00 BT on 12 January 2020

表3 不考慮地形或云影響FY-4A衛(wèi)星對2020年1月12日04—07時(shí)湖北省國家站大霧識別命中率(單位：%)Table 3 Hit rate(unit：%)of heavy fog occurred at the national meteorological stations over Hubei identified by FY-4A satellite from 04∶00 BT to 07∶00 BT on 12 January 2020 excluding the effect of terrain or cloud.

2.3 衛(wèi)星大霧識別在高速公路氣象服務(wù)中的應(yīng)用

截至2018 年底，湖北省高速公路通車?yán)锍踢_(dá)6 096 km，規(guī)模位居全國前列(陳立佳等，2020)，2020年預(yù)計(jì)將超過8 000 km。大霧是影響高速公路交通運(yùn)輸安全的主要天氣災(zāi)害之一(周建平等，2014)。對高速公路正常運(yùn)營而言，氣象能見度低于500 m 才對其安全有影響(袁成松等，2003)，當(dāng)能見度低于50 m時(shí)高速公路才會(huì)封閉。據(jù)湖北省公安廳高速公路警察總隊(duì)及高速公路應(yīng)急管理處管理者反映，為了最大限度避免安全事故，巡路人員在提供封路信息時(shí)存在一定的主觀性。對比湖北省高速公路封閉信息與衛(wèi)星對大霧的識別結(jié)果表明，大多數(shù)高速公路收費(fèi)站在能見度低于750 m 時(shí)即采取封路措施?；诖?，本文以衛(wèi)星對能見度低于750 m大霧的識別結(jié)果與封路信息進(jìn)行驗(yàn)證，并以2020年1月12日大霧識別個(gè)例與高速公路因霧造成收費(fèi)站封路的站點(diǎn)進(jìn)行分析。

由于收費(fèi)站封路指令是由值班巡邏員外出巡邏時(shí)根據(jù)目測發(fā)現(xiàn)大霧，認(rèn)為可能對高速公路交通產(chǎn)生較大影響時(shí)即向上級部門請示封路，其封路時(shí)間不定，因此選用1月12日04—07時(shí)總的封路信息與各時(shí)間點(diǎn)大霧的識別結(jié)果進(jìn)行對比。結(jié)果表明，F(xiàn)Y-4A對大霧的識別結(jié)果與封路站點(diǎn)采取封路措施匹配較好，特別是在鄂東地區(qū)較為密集的眾多收費(fèi)站，對大霧的識別效果更好，且在一些氣象站點(diǎn)未觀測到大霧的區(qū)域，衛(wèi)星資料也能識別收費(fèi)站出現(xiàn)大霧的信息(圖8)。江漢平原部分地區(qū)觀測站點(diǎn)未觀測到大霧(圖5 和圖6)，但FY-4A 衛(wèi)星資料則顯示這些收費(fèi)站出現(xiàn)大霧，且與高速公路封閉時(shí)間吻合。由此可見，F(xiàn)Y-4A衛(wèi)星對大霧的識別信息在服務(wù)高速公路交通運(yùn)輸安全中具有明顯優(yōu)勢。

統(tǒng)計(jì)FY-4A衛(wèi)星對2020年1月12日04—07時(shí)湖北省高速公路大霧識別的三項(xiàng)指標(biāo)，其結(jié)果見表4。從中看到，4 個(gè)時(shí)刻衛(wèi)星對大霧的識別命中率均超過70%，平均73.2%，平均誤警率為20.9%，平均成功指數(shù)為62%。如果剔除地形和云的影響，該命中率將會(huì)有所提升，鑒于已在上文中作出分析，此處不再贅述。

圖8 2020年1月12日04時(shí)(a)、05時(shí)(b)、06時(shí)(c)、07時(shí)(d)FY-4A衛(wèi)星識別的湖北省大霧區(qū)(綠色陰影)分布(黃線表示高速公路,藍(lán)點(diǎn)表示未封路收費(fèi)站,紅點(diǎn)表示因霧封路收費(fèi)站)Fig.8 Distribution of heavy fog areas(green shaded)identified by FY-4A satellite at(a)04∶00 BT,(b)05∶00 BT,(c)06∶00 BT and(d)07∶00 BT on 12 January 2020.Yellow lines denote expressway,blue dots denote the road-unclosed toll stations,and red dots denote the closed toll stations due to fog.

表4 FY-4A衛(wèi)星對2020年1月12日04—07時(shí)湖北省高速公路大霧識別效果的檢驗(yàn)Table 4 Verification of heavy fog along the expressway in Hubei identified by FY-4A satellite from 04∶00 BT to 07∶00 BT on 12 January 2020.

3 結(jié)論與討論

本文基于FY-4A 衛(wèi)星AGRI 資料10.8 μm 波段和3.72 μm波段的亮溫，根據(jù)多通道閾值分析法，探討了夜間大霧識別閾值及其在湖北省高速公路交通氣象服務(wù)中的應(yīng)用潛力，主要得到以下幾點(diǎn)結(jié)論：

(1) 確定了使用FY-4A 衛(wèi)星的10.8 μm 波段及其與3.72 μm 波段的亮溫差識別夜間霧區(qū)的閾值范圍，并通過出現(xiàn)在湖北省的85 個(gè)大霧個(gè)例對其閾值范圍進(jìn)行了驗(yàn)證，所確定的閾值范圍對湖北省夜間大霧的識別命中率普遍在70%以上。

(2)FY-4A 衛(wèi)星對湖北省夜間大霧的識別結(jié)果與地面觀測的最小能見度≤750 m的區(qū)域基本一致。對夜間大霧識別命中率在71%～74%之間，平均命中率為72.9%；剔除地形影響，衛(wèi)星識別夜間大霧的命中率分別提高5%～8%；剔除云覆蓋的影響，衛(wèi)星識別夜間大霧的命中率分別提高了3%～4%。

(3) 與高速公路收費(fèi)管制信息進(jìn)行對比表明，F(xiàn)Y-4A衛(wèi)星對夜間大霧的識別命中率在71%～77%之間，平均命中率為73.2%。在部分國家站未觀測到大霧而收費(fèi)站因霧封路的區(qū)域，基于FY-4A衛(wèi)星資料可以實(shí)現(xiàn)對收費(fèi)站點(diǎn)大霧的有效識別，并在高速公路交通安全保障服務(wù)中具有較大的應(yīng)用潛力。

本文以FY-4A衛(wèi)星的10.8 μm波段及其與3.72 μm波段的亮溫差作為對夜間大霧識別的閾值，在一定程度上解決了夜間大霧識別難度大的問題。但受季節(jié)、地形與地理位置的影響，衛(wèi)星數(shù)據(jù)對夜間大霧的識別能力仍有待提高。在后續(xù)研究中，需要對大霧出現(xiàn)的季節(jié)、地形和區(qū)域進(jìn)行精細(xì)劃分，提出分類閾值指標(biāo)。另外，可以綜合運(yùn)用多種衛(wèi)星資料(GOES、葵花、NOAA/AVHRR、MTSAT、MODIS)、多種識別方法(如通道亮溫差、偽比輻射率法(王宏斌等，2018))對大霧識別結(jié)果進(jìn)行對比分析，從而建立大霧最優(yōu)識別模型。