吴晓京，李三妹，廖蜜，曹治强，王璐，朱江

（1.中国科学院大气物理研究所，北京100029；2.中国科学院大学，北京100049；3.国家卫星气象中心，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年卫星遥感资料的黄海、渤海海雾分布季节特征分析

吴晓京1，2，3，李三妹4，廖蜜3，曹治强3，王璐5，朱江1

（1.中国科学院大气物理研究所，北京100029；2.中国科学院大学，北京100049；3.国家卫星气象中心，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）

目前对海上雾分布的认识多基于沿岸测站和海上船舶、浮标观测，但这些数据非常稀少，且存在代表性和数据质量方面的问题，因此一直缺乏对海雾分布更全面、清晰的了解。卫星遥感数据空间均一、覆盖范围广、质量一致，具有对无云条件下大范围、离岸海雾监测的优势。本文通过分析算法检测出的1989-2008年黄渤海海雾及云的频数、分布百分率信息，得到了黄渤海海雾季节变化的较全面特征。除印证其他资料或研究的结论外，还发现：（1）黄海海雾频数随季节变化的幅度较渤海明显；（2）黄海、渤海海域存在冬季海雾多发时段；（3）海雾生消过程中有覆盖区变化的东传特征；（4）春夏雾季中存在黄海中部和西朝鲜湾两处海雾多发区，其中西朝鲜湾也是全年海雾最多的海域。另外，在样本充足的情况下，通过对检测出的低云、中高云覆盖百分率和海雾频数的分析统计，还能估算出黄海、渤海部分季节20年海雾发生的平均概率。

黄渤海；海雾；频数；季节特征；NOAA/AVHRR

吴晓京，李三妹，廖蜜，等.基于20年卫星遥感资料的黄海、渤海海雾分布季节特征分析［J］.海洋学报，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

黄海、渤海紧邻西北太平洋沿岸多海雾区［1］，部分沿海测站观测到的年平均雾日达50～80 d［2］。航运、渔业、生产、维权等海上活动的日益频繁，更放大了海雾的影响。这种形势迫切需要对我国周边海域雾的气候分布状况有更进一步清晰、全面的了解。陆地上常规测站的空间密度和观测频数使其能较客观地反映陆上雾的分布和气候变化［3］特征。但海上有质量保证的观测数据缺乏，岸基站位于海岸带，正是海雾容易产生变化的区域［4］，单个站点的观测很难用来代表临近区外的海雾分布［5］。海雾研究上，使用整编、统计船舶得来的ICOADS等数据集资料成为现实的选择［6］。

卫星遥感具有对大范围、离岸海雾监测的优势，能够宏观、定时监测目标海区的海雾分布状况。受限于卫星的天基视角和分辨率，卫星仪器对有中高云系遮挡、垂直厚度很薄和零散小范围的海雾还不能有效监测。对雾的卫星遥感辐射特性研究始于20世纪70年代［7—8］，并不断有新的研究进展，近年主要集中在使用新型光学、红外谱段仪器数据进行雾的判识和定量反演方面［9—12］。海雾检测与陆地雾检测相比有其特殊性，国内外在解决海雾遥感的特殊技术问题方面也做了很多探索性工作［4，13—16］，还有如提取通道亮温和图像特征等形成的各种海雾遥感监测系统［17］使用卫星遥感数据说明陆地雾气候分布的工作［18］。这些工作对卫星遥感海雾技术的进步和海雾研究起到了推动作用。

本文采用已业务化5年的卫星海雾检测算法处理NOAA/AVHRR数据，产生了20年海雾检测数据集。经分析，得到了黄渤海海雾的季节特征。这些卫星遥感到的海雾分布气候特征较其他观测资料更为详细，作为背景资料，可对黄海、渤海海雾的预警预报、风险评估和相关科研有积极作用。

2　数据介绍

在对目标物进行长时间的自动检测时，所需要的是遥感仪器探测波段设计的连续性、通道数据的高质量和观测时间的稳定性。NOAA系列卫星自1970年12月发射第一颗星到目前的NOAA-19，其搭载的改进的甚高分辨率扫描辐射计（AVHRR）的观测波段和仪器指标基本未变，过境地方时相对稳定，在国际气候变化评估研究中，AVHRR数据常作为数据源之一。NOAA系列卫星采用双星运行体制，分为上午星和下午星，本工作使用的是升交点下午过境的卫星数据。数据经过了投影、定位的精校正处理。时间跨度为1989年1月1日-2008年12月31日，涉及到1986年发射的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，由于卫星接收调度、业务切换等原因，缺失1991年6月、2001年3月、2002年5 -10月中旬和其他零星的单日数据。总样本量达6 990个。除2002年10月15日-2003年5月2日将近7个月NOAA16采用3A通道（1.58～1.64μm）观测外，其他时间均为3B通道（3.55～3.95μm）。使用3A通道的算法与3B通道略有不同。最终形成的海雾检测数据集的分辨率为1 km。

NOAA下午星过境时间在13-14时（地方时）。此时对雾进行检测有两点优势，一是处于白天日照最好的时段，可用的观测通道最多，也避免遭遇夜间区分低云与雾的技术难题［9］，二是检测结果代表了海雾分布的主特征。原因是海洋热容量远大于陆地导致海雾和陆地雾消散原因不同，陆地雾消散或抬升主要是受太阳短波辐射对雾区和晴空区的不均匀加热引的结果，没有放入统计范围。KSS定义为判识准确起的内向蚀损效应［19］影响，而海雾消散多与天气尺度大气运动和洋流有关。所以陆地雾日变化特征较海雾明显。沿岸测站中午前后测到的雾频数最低［20］，说明海岸带雾有更明显的陆地雾日变化特征，而在卫星影像上极少见到离岸海雾有随着日照时数增加而产生的自边缘向内部消散的特征。所以中午卫星检测到的应是海上雾的主要分布特征。

3　算法和检验

3.1算法简介

目前对雾在卫星光学、红外仪器观测数据中的辐射特征已有较深入的认识［10，21—22］，还曾针对当时静止气象卫星仅有的长波红外通道而专门研制的黄海海雾检测算法［14］。本文使用的算法吸收了国外相关研究和已有算法的优点，采用了阈值为基础的多重判据，算法流程见图1，重点解决了半透明云、海冰、积雪和各类云的检测滤除问题。对太阳耀斑区有专门检测算法［22］并有特定海雾检测流程。静态阈值在定标稳定，数据质量好的情况下，使算法简单，处理细节能力强。AVHRR用3B通道观测时使用的是3.9μm假发射率，3 A通道观测时算法使用归一化积雪指数（NDSI）来粗分云、雾和晴空海表。

本算法已经过长期业务实践检验并取得专利［24］。限于篇幅仅简述有利于理解文章结果的算法重点：（1）提取真实的绝对晴空像元，用晴空像元的海表温度滤除云，因云系有一定高度时，云顶亮温一定会低于海表；（2）针对海雾，设计了计算纹理的低云（层状云、积状云）滤出算法，效果明显；（3）针对海温相对稳定的特征，使用了海温气候背景数据，作为很少发生的提取绝对晴空难点的补充。

3.2结果检验

在卫星海雾检测结果检验中，难以取得对应时刻的海上实测数据时，一般选择沿海测站临近时刻的观测。这样做的缺点是站点位置不在海雾检测区域内，且测站与卫星观测时间完全相同的数据很少。在没有海上实测数据的条件下，为整体评价算法，我们选用国家气象信息中心《全球地面天气资料定时值数据集2.0》中最靠近黄渤海几何中心且观测到雾最多的成山头站的数据。按与卫星观测时间差小于1 h为标准，共筛选出1 122个观测数据用于检验。检验评价采用遥感雾检验最常用的Hanssen-Kuiper ski ll score（KSS）评分指数［21—22］标准，算法检测为中高云率（POD）和错误识别率（FAR）的差，值的范围-1.0～1.0，0代表无贡献，负代表负相关，越接近1，正贡献越大。

图1　海雾检测算法流程图Fig.1 The flowchart of the detection algorith m for sea fog

各类结果数据和对应式（1）中的字母见表1。其中，H为有雾判识正确率，F为误判率，M为漏判率。

表1　检测结果表Tab.1 Test results

此类数据检验本算法的KSS值为0.875。此准确率优于目前美国新一代静止卫星算法的结果。国外最新GOESABI卫星检测雾/低云算法的KSS评分为白天0.733-0.759，夜间0.45-0.63［22］。需要说明的是在卫星遥感上低云/雾是一类，上述卫星检测出的海雾中，有一半左右地面观测是低云，地面观测有雾时，卫星判断为云的比率在80%。

因晴空与云雾区的反射率相差很远，不应出现二者之间的误判，所以误判中多为将云判为雾。岸上是云，并不代表海上就不是雾，因为海雾很多情况下不登陆，或者登陆后抬升为低云，特别是下午陆地气温比较高的时候［4］。漏判就是出现岸上观测有雾，卫星观测为晴空或云的情况。除真实的漏判外，也有其他可能。前者有可能是浅薄雾，卫星可以直接透过雾层接收地面反射信息，对这种雾，卫星遥感无能为力；后者还存在沿岸站观测有雾，卫星观测海上是云，而海上确实是云的其他可能。这是因为岸基观测站点观测位置海拔高，海上云底高度比较低的低云到了岸上而影响站点高度的能见度。

4　结果分析

根据以上算法和样本数据，分析黄渤海海雾发生频数的空间分布及其月、季变化特征。本文讨论的黄渤海区域范围如图2所示。

图2　黄海、渤海区域划分示意图Fig.2 Schematic diagram of the Rregional division in the Yellow Sea and Bohai Sea

4.1黄渤海卫星遥感海雾季节分布特征分析

本部分使用的海雾月频数分布数据是在每个经纬度点上的海雾月平均分布概率，由以下公式计算得到：

式（2）中，k=1，2，3，…，12月，Nfogk为第k月中20年累计的算法检测到海雾天数，Ndayk是第k月中20年里存在有效样本数据的天数。

图3中每个像元点（色标）表示此点第k个月卫星观测到的海雾频数（Psfk）。

黄海气候平均海雾季节开始于第20候［25］，卫星检测（见图3）到3月黄海西部及中北部海雾开始增多，4月黄海大部海雾大部频数超过8%，进入全年海雾旺季，一直持续到6月，其中4月为最多，7—8月海雾频数快速减少。一般将雾季的结束时段称为终雾期，黄海临海各站通过观测确定的终雾期略有差别［26］，但都在7—8月间，如青岛在8月中后期［20］。卫星遥感结果显示，7月频数较6月已经明显减少，8—11月则进入全年海雾最少的时段，其中10月达到极少值，与秋冬季黄东海发生频数很低的结论［6］一致。值得一提的是卫星检测资料表明，8月在山东半岛东部成山头近海有小范围多海雾中心，而山东半岛南部沿海海雾已经明显减少（见图3），与前人用岸基观测的数据统计结果十分吻合［27］，该海雾中心与成山头近海上升流有关［28］，说明高分辨率卫星资料检测结果有较高精度。

在春夏海雾旺季，黄海上有两片多雾区，一片位于黄海中部，另一片位于黄海北部靠近西朝鲜湾的海域，西朝鲜湾是黄海全年检测到海雾发生频数最高的海域，黄海中部次之，这与岸基观测到的两个多雾区——青岛潮连岛和成山头附近海域［26］存在明显关联。与统计ICOADS资料得到的近30年春夏季海雾发生时间和频数［6］也基本一致。

检测结果还揭示出冬季黄海、渤海的海雾并不少见。在11月-翌年1月存在一个海雾多发时段，分布、发展规律和春夏季有所不同。海雾发生的时间与冬季华北维持的陆地雾过程相符。此时华北地区雾的主成因是海上暖湿空气平流到冷的下垫面（如雪）凝结而成。因此，海雾也应与低海温区有明显对应关系，与杨伟波等［29］的分析结果一致。冬季海雾表现为自北向南的推进过程，该过程12—翌年1月频数较多。2月自南向北有所消退。2—3月黄海中北部的海雾频数整体多于南部，4月黄海中南部增多后与北部频数接近，在海雾季节的开始阶段再次表现出先北后南的特征。

黄海海雾分布除月频数南北变化外，还存在自西向东的推移变化特征。全年4—6月和11—翌年1月的两次海雾发展过程中都有这种现象。类似特征，在6—8月的减退过程中也存在，表现为黄海西部海雾减少速度快于东部，可认为是减弱趋势东传，这与黄海东部较冷的海表面温度有关［30］。作为对终雾期南向北延迟表述［26］的补充，卫星观测表明黄海海雾自北向南消退地程在8—9月较为明显，6—8月在整体同步减弱的同时，更多地表现出先西后东的减弱特征。

渤海海雾大体可以分为两季，8—10月为少发季，其他月份海雾发生频数起伏明显小于黄海，全年最多的是12月，4月次之。

图3　1989-2008年卫星遥感黄渤海海雾月频数分布图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

总之，海雾在黄海大部有明显的季节分布特点，渤海和渤海海峡相对不明显。

4.2区域海雾、云分布频数分析

由于卫星遥感的天基视角，目前的卫星遥感仪器还无法对云下的海雾进行有效观测。因此，云是卫星海雾检测中最大的影响因素。本部分按图2中划分的5个区域对海雾以及云的分布频数按低云和中高云进行月季分布统计分析。目的是评估云对分析海雾的季节分布特征的影响。

图4上纵轴的含义是1989-2008年目标物（海雾、中高云、低云）按月统计的日平均分布百分率。可由下式计算：

式（3）中，i=海雾，中高云，低云，j=渤海、渤海海峡、黄海北部、黄海中部、黄海南部。k和Ndayk含义同公式（2），Cp表示覆盖百分比，Aobj为区域内目标物k月内所有样本总覆盖面积，Asf为区域面积。

图4　1989-2008年卫星遥感黄渤海海雾、中高云、低云统计图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

从图4中可以分析出中高云、低云和海雾在1989-2008年中分区域逐月的分布规律。各区域中高云、低云的分布百分率曲线呈反位相震荡，表现出夏半年中高云多、冬半年低云多的特征。黄渤海所有区域的中高云峰值都在6—7月，这与夏季大陆东移气旋、锋面云系频繁活动和梅雨锋云系滞留的时间相符合。8月因副热带高压控制，中高云量变少，10—11月高云量最少，进入秋季的低谷期。同时，低云量在秋季开始增多，这或与秋季冷空气频繁与洋面热交换过程有关，11、12月和1月是低云最多的时段。秋冬季干冷空气经过相对较暖的洋面会形成大范围的低云，在卫星云图上常可见到冷空气入海南下后，黄海北部到琉球群岛海域有大片细胞状积云，越向南积云量越多。图4中可以看到低云分布百分率增长特征表现为黄海最快，渤海和渤海海峡相对缓慢。

云系的时空分布直接影响到卫星监测海雾的能力。从图4中可以评估云系对海雾检测结果的影响。黄海、渤海各区域全年中高云、低云分布百分率的总和，即云覆盖率，整体呈现夏季多，冬季少，南方多，北方少的特征。在3—6月海雾旺季，黄海和渤海云覆盖率与全年平均值基本持平，渤海略偏少（表2）。因此在这段时间，卫星直接观测到渤海海雾的条件好于黄海。7—8月的消退期，渤海、渤海海峡、黄海中部和北部的云系比区域内其他时间偏多约5%～8%，因此这些区域的海雾在这两个月有相对低估的可能。因此，受云覆盖率变化的影响，对不同区域卫星海雾检测的起点并不相同，要估算同样条件下海雾的分布，需要考虑排除云覆盖对海雾检测率的影响因素。

已知海上云覆盖率，可以统计分析估算出海雾的实际发生频数。海上云系移动快，对边界层辐射冷却作用及海雾生消的影响有限；从表2的统计看，黄海、渤海各区域20年数据中无云影响的数据占2/5～2/3，无云总样本量有2 800～5 000个，已能对海雾特征有较好的代表性。所以从统计角度应可假设未知的云覆盖海域与已知的晴空海域发生海雾的概率相同。由此估算出3～6月每日下午黄海中南部发生海雾的平均（发生海雾面积平均到区域所有像元点）概率在13%～19%，黄海北部11%～13%，渤海海峡则为5%～9%，渤海在5%左右。

表2　黄渤海上空全年和重点月份总云量平均覆盖率变化表（单位：%）Tab.2 The changes of averaged cloud cover in the whole year and important months over the Yellow Sea and Bohai Sea（unit：%）

图5　1989-2008年卫星遥感渤黄海海雾发生次数统计图Fig.5 Statistical charts of fog oc-currences over the Yellow Sea and Bohai Sea between 1989 and 2008

4.3区域海雾平均和最大次数统计分析

本部分对黄渤海区域月海雾分布次数的平均值、极端值和差异进行简要分析，以期揭示区域内局地性特征的规律。

区域内的平均次数定义为：式（4）中，j如式（3），k如式（2）中含义。

Afjk为第k个月j区域内20年累计海雾像元面积累加值，Asf为区域面积。Avjk为第k个月j区域20年内海雾总次数次数的区域面积平均，同一像元累计最大值为区域内分布次数极大值，定义为第k月第j区域内20年累积检测出海雾的最大次数。

图5中给出1989-2008年黄海中部和北部的海雾区域平均值（蓝柱）和区域内最大值（红柱），其他区域（图略）有相似特征。两组值之间的差值反映出该区域内各月海雾分布的不均匀性强弱。总体来看，最大值比平均值高5成到2倍不等，海雾多发的月份二者相差较小，说明旺季海雾广泛发生，分布较平均，局地性最小；海雾少发月份差距大，说明淡季海雾反复发生在同一局部地区的可能性大，多数海域比平均次数偏少，甚至无雾。趋势上存在的这种越是非主海雾季节，局地性越强的特点。

5　结论

传统上对黄海、渤海海雾分布规律的认识多基于沿岸测站的观测，资料的代表性导致对其分布规律认识模糊，有很大数据分析处理和研究的空间。本文使用20年NOAA卫星资料和比较成熟的业务检测方法，对黄渤海海雾进行检测，并统计其发生频数。除了部分印证前人的结论或估计之外，首次比较全面、细致地揭示出海雾、中高云、低云在黄海、渤海各区域的分布频数及其月尺度变化特征。主要结果如下：

（1）黄海海雾频数随季节变化的幅度较渤海明显。黄海海雾的多发期和罕见期分别在4—6月和8—11月。渤海和渤海海峡海雾频数较平均，全年最多在12月，这可能与特殊海陆分布和海冰、低海温区等冷下垫面有关。

（2）黄海、渤海海域存在冬季海雾多发时段。北部的渤海最明显，使冬季黄渤海海雾呈现北多南少的分布特征。与春季比较，秋冬季海雾局地性强、区域小、零散。

（3）海雾生消过程中有覆盖区变化东传的特征。海雾分布季节变化中除南北变化外，还存在东西变化。春、冬两次海雾多发时段前期的2—4月和11—翌年1月都有东传现象，类似特征在6—8月的减退过程中也存在。自北向南消退过程在8—9月较为明显。

（4）春夏雾季黄海存在两片海雾多发区。卫星观测到黄海上的两片离岸海雾多发海域分别在潮连岛以南的黄海中部和成山头以西的西朝鲜湾，西朝鲜湾也是全年海雾最多的海域。

（5）已知云覆盖率和海雾频数后可估算出海雾发生概率。通过统计低云和中高云覆盖百分率，在样本充足的条件下，可以估算出黄渤海海雾实际发生的概率。如在3—6月黄海中南部发生海雾的日均概率为13%～19%，黄海北部11%～13%，渤海海峡为5%～9%，渤海在5%。

卫星观测角度和分辨率决定了其对数十平方千米以上、无云遮挡以及有一定垂直厚度海雾的监测优势；对局地小范围、有云系遮挡、浅薄的海雾在目前技术条件下星载仪器很难有效观测。卫星过境时间在下午，使日变化明显，持续短的临岸雾不易监测到。以上限制和条件再加上算法设计上的可能缺陷使本文结论可能存在一定误差。

［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］黄彬，毛冬艳，康志明，等.黄海海雾天气气候特征及其成因分析［J］.热带气象学报，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］吴兑，吴晓京，李菲，等.中国大陆1951-2005年雾与轻雾的长期变化［J］.热带气象学报，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］王绪翔，邵利民，曹祥村.黄海西部2005—2007年海雾演变的气候特征研究［J］.海洋预报，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］韩美，张苏平，尹跃进，等.黄东海大气边界层高度季节变化特征及其成因［J］.中国海洋大学学报（自然科学版），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］吴晓京，陈云浩，李三妹.应用MODIS数据对新疆北部大雾地面能见度和微物理参数的反演［J］.遥感学报，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，潘德炉，龚芳，等.海雾的遥感光学辐射特性［J］.光学学报，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］鲍献文，王鑫，孙立潭，等.卫星遥感全天候监测海雾技术与应用［J］.高技术通讯，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］吴晓京，张苏平.大雾消散卫星遥感临近预报及消散型分类——我国中东部案例研究［J］.自然灾害学报，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］江敦双，张苏平，陆惟松.青岛海雾的气候特征和预测研究［J］.海洋湖沼通报，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］吴晓京，张苏平，李三妹，等.极轨气象卫星遥感白天和夜间海雾的检测方法，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，张苏平，白慧，等.黄海雾季开始日期的确定及其年际变化［J］.中国海洋大学学报（自然科学版），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］张苏平，鲍献文.近十年中国海雾研究进展［J］.中国海洋大学学报（自然科学版），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］王彬华.海雾［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］杨伟波，张苏平，薛德强.2010年2月一次冬季黄海海雾的成因分析［J］.中国海洋大学学报（自然科学版），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。

气象行业专项（GYHY200906001）；国家高技术研究发展计划（2006 AA09Z149）；中国气象局小型基建项目。

吴晓京（1968—），男，江苏省常州市人，正研高工，从事气象卫星资料应用研究。E-mai l：wuxj8@cma.gov.cn