引言

雾是能见度低于1 km的天气现象，是比较常见的灾害性天气之一，具有出现几率高、发生范围广、危害大等特点，经常造成高速公路封闭、航运中断。雾对人体健康、供电线路、农业生产等也有严重影响。

雾的预报时效主要分为短期和短时两种，雾的短期预报方法主要有天气学方法、模式数值预报方法等^[1-6], 这些预报方法对1~2 d内雾发生的大致时间和区域具有一定预报能力, 但仍不能满足小时预报和明确的雾区空间分布预报。雾的短时临近预报主要依赖于对雾的实时监测, 包括常规气象站能见度观测、地面自动气象站能见度观测和卫星遥感观测等, 其中卫星遥感具有快速、大范围、分辨率高等特点，可达到动态、连续对大雾进行监测和预警的目的，特别是对于缺少海面观测条件的海雾监测更加重要。卫星遥感动态监测雾的主要难点是云雾的检测与分离技术^[7-10]，如Bendix等^[10]利用MODIS通道1~通道7的反射率来进行白天雾的监测, 通过辐射传输方程 (RTC) 分别计算了典型的浓雾 (能见度小于50 m, 雾厚为400 m) 和雾 (能见度小于950 m, 雾厚为30 m) 等，并确定了区分雾区与低云的阈值。国内利用卫星遥感资料进行雾的监测研究于20世纪90年代后逐步发展起来，居为民等^[11]利用GMS卫星资料监测沪宁高速公路大雾获得初步成果。刘健等^[12]用NOAA/AVHRR的通道3资料分析了云雾粒子的大小分布状况, 得到了通道3的反射率大值区与大雾覆盖区之间具有良好的对应性。张树誉^[13]通过对MODIS资料通道光谱特性的分析, 探索了适用于大雾监测的通道组合和量化判识指标, 并对几次大雾天气进行了实时动态监测。李亚春等^[14]的个例研究表明，雾持续时间与雾地亮度差有关，即雾越浓, 持续时间越长, 反之则持续时间越短。周红妹等^[15]采用光谱和结构分析相结合的方法, 研制了气象卫星云雾自动检测和修复模型, 取得了较好的效果。

综上所述, 目前对雾的短时临近预报的研究和业务工作主要在雾的实时监测方面, 但成雾的气象条件通常变化较快，1~2 h短时间内可能从有利于成雾条件向不利于成雾的条件转化，或者相反。因此，仅依据观测到的雾的状况和当时的气象条件推测未来几小时内雾的变化趋势仍比较困难。本文尝试从卫星云图提取雾区为基础，结合中尺度数值天气预报模式输出的地面气象要素预报产品, 制作大雾短时临近预报。

1 雾区卫星遥感检测方法

本文主要采用针对我国FY-2系列气象卫星遥感图像, 在云雾光谱特征和结构特征分析基础上进行雾区动态检测和提取。

① 利用大雾云雾光谱特征分析, 确定中等灰度区域。大雾在遥感图像灰度值上表现为片状、分布较均匀、波动较小，具有反射率高于下垫面、低于云区，亮温低于下垫面、高于云区等光学特征，通过对卫星不同波段资料预设不同的阈值范围，可从卫星图像上提取各雾区的像元区域，实现雾与中、高云的自动分离，屏蔽了大量雾区之外的像元。例如，FY-2系列气象卫星准雾区反射率动态变化上、下门限分别为F₁和F₂，

(1)

(2)

其中，

(3)

(4)

h (t)为雾区随时间t变化的反射率平均值函数；w (t)为雾区反射率随时间t变化的相对波动范围函数；p (x,y)为下垫面受云区反射率影响参数，x为遥感图像中下垫面最小反射率，y为云区最大反射率，由大量遥感资料实验分析得出。据此可以实现准雾区与下垫面、云区的初步分离。

② 利用分形纹理分析再次分离云雾。在气象卫星遥感图像中，云、雾灰度表面纹理粗细不一样，即对应着不同的分形维数，具有很好的分形特性。云的纹理粗糙、杂乱，对应的分形维数较大；雾的纹理较细，对应的分形维数较小。因此可利用分形维数进行云雾识别。本文采用了计盒维数纹理分析法对雾进行检测和分析^[7]。

③ 利用形态分形分析排除非雾区等噪声地带。由于雾区 (不包括峡谷雾区) 在可见光通道具有清晰而规则的边界，因此，通过分析该波段雾区边缘的规则度来判别是否非雾，即可排除非雾区等噪声地带。

形态分形维数D计算公式如下^[16]：

(5)

式 (5) 中，p是某一连通域的周长，A是该连通域的面积。试验计算表明，当D>1.1时，可以认为是非雾区，即噪声区域。

④ 采用平滑度分析剔除非雾区。平滑度分析是衡量卫星值域波动程度的一个度量指标。鉴于雾区域分布较均匀，灰度值域波动较小，利用平滑度检验分析可达到对卫星可见光通道数据进行雾检测目的。即如某一连通域不够平滑，则判为雾区的可能性比较小。平滑度

(6)

式 (6) 中, ，x_i为像元值，n为像元个数。

2 雾区变化与地面气象要素的关系

雾区变化一方面与局地气象条件有关, 特别是辐射和平流冷却降温可使空气趋向饱和，产生水汽凝结而形成雾，反之则不利于雾的形成或使已经存在的雾区浓度减弱甚至消散；另一方面空气的流动作用也能使雾区在水平方向产生移动。

2.1 雾与相对湿度的关系

尽管雾的生消条件非常复杂，但有雾存在的基本条件是空气必须接近或达到饱和状态。图 1为2009年多雾季节的1—4月上海地区南汇、金山、崇明3个自动气象站的能见度与相对湿度关系的散点分布图。

由图 1可知, 虽然大气的相对湿度偏大时大气的能见度值域较宽, 即相对湿度偏大时，能见度既可能较小也可能较大，但当出现能见度小于1 km的雾时, 大气的相对湿度基本上不低于91%, 即有雾时大气都接近于饱和状态。因此，91%的相对湿度指标可以作为雾的排空条件，即如果能够判断预报时段内相对湿度低于91%，则可以预报无雾。据统计，只有7.8%的雾样本其相对湿度低于91%，但均不低于88%。统计数据还表明，当观测点某一时刻已有雾存在，如果下一时刻该地的相对湿度仍不低于91%，通常该站还将继续有雾存在，89%的样本符合这种情况。由此说明，如果能够预见雾区的大气维持近饱和状态，则可以判断原有的雾区还将持续。另外, 分析显示雾区的范围变化与周围大气相对湿度随时间变化密切相关, 当雾区周围相对湿度场趋向于饱和状态时, 通常雾区范围也随之扩大。因此，虽然大气接近饱和状态不能单独作为雾是否存在的判断依据, 但如果某空间区域已有雾出现，则其周围的相对湿度分布变化趋势对于确定原雾区周围较大空间范围内是否产生雾有指示作用。

2.2 雾区移动与地面风场的关系

目前上海地区已建立起比较密集的自动气象站，本文选用了其中有能见度要素观测的13个自动气象站资料，各站之间的平均间距约10 km。

根据对2008年和2009年多雾季节的1—4月每6 min 1次的自动气象站风向、风速和能见度资料的分析，可以建立雾区移动速度和地面风的关系。

对每一次大雾过程，首先根据平均风向确定计算的上游点B₀和下游点B₁，两点间隔距离S一般取为13~17 km，当上游点B₀出现能见度小于1 km的雾，而下游点B₁能见度大于1 km时，记下该时刻t₀，如果在以后1 h时段内某时刻B₁点出现能见度小于1 km的雾，则记下该时刻t₁，如果t₁-t₀小于18 min，则样本被舍弃(因为两站之间距离是固定的，时间越短，移动速度越快)。时间限定是将计算的雾区移动速度控制在一个比较合理的范围内，因为雾区移动速度主要考虑受空气平流的作用，在实际过程中，新雾区的形成可能还受局地成雾条件的影响，而非附近雾区的移动所致。由此可以估算出雾区的移动速度：

(7)

根据大量的样本统计，可以建立雾区移动速度V_fog与风速V_wind的线性关系：

(8)

两者拟合的相关系数为0.61，表明雾区移动速度与风速密切相关。由式 (8) 可知，通常情况下，雾区的移动速度要大于地面风速。

统计数据还表明：雾的维持与风速的大小也有一定关系，陆地上的雾发生时，风速小于4 m/s占91%，小于6 m/s占96%；海面上的雾发生时，风速小于6 m/s占85%，小于11 m/s占95%。即大于6 m/s和大于11 m/s的风速可分别作为陆地雾和海上雾是否存在的排空条件。

2.3 雾与地气温差的关系

成雾的另一个排空条件是地气温差，虽然雾的种类较多，但绝大多数大范围的雾主要有辐射雾和平流雾两类，辐射雾与地表的辐射冷却有关，平流雾通常与较暖空气移至较冷下垫面有关。两类雾的形成均要求地表或海面温度与气温接近。观测事实表明, 当气温高于海面水温1℃左右时雾出现最多^[17]，雾出现次数随着水温高于气温的差值的增大而不断减少。若气温比下垫面温度偏高幅度较大时，空气的饱和水汽压就变大，难以达到饱和，从而不利于海雾的生成。因此地气温差也是衡量成雾的重要条件之一。观测表明：地表温度高于气温3.1℃可以作为雾的排空条件。即当地表温度高于气温超过3.1℃时，可以预报无雾，只有6.1%的雾样本不符合该标准。

3 数值天气预报产品的应用

分析可知，对于某一时刻的卫星遥感雾的图像，可根据下一时刻大气的风向、风速和相对湿度，预测下一时刻的雾区分布。本文根据中国气象局上海台风研究所中尺度大气模式业务预报提供的预报信息制作雾区0~2 h的短时临近预报。

上海台风研究所采用WRF中尺度大气模式制作72 h以内的区域数值天气预报，模式水平分辨率为9 km×9 km，垂直为31层。模式1天制做4次预报，分别为02：00(北京时，下同)，08：00，14：00和20：00，模式初始场同化卫星资料、探空资料及华东地区地面自动气象站的观测资料。统计表明，模式对于地面气象要素具有较高的预报能力，12 h地面风速的预报平均误差为1.9 m/s, 风向误差为17°，对于大气相对湿度大于70%的预报绝对误差为8.9%, 且模式预报的相对湿度总体偏大1.8%。由模式输出可获得当前卫星遥感雾图像时刻及之后2 h内任一时刻的地面风场、地面气温场和相对湿度预报场。另外，卫星遥感雾图像的空间分辨率为1.2 km×1.2 km, 其空间格点与数值模式的空间格点不重合，为此这里采用四点双线性插值法计算获得卫星遥感雾图像空间格点上的地面风、地面气温和相对湿度等要素。

根据所用卫星遥感图像同时刻地面自动气象站的实测数据, 对数值模式预报要素的误差进行分析, 可得出误差的空间分布, 并假设随后2 h内模式预报有同样的误差, 由此对未来2 h模式预报场进行适当修正。

接着根据当前遥感图像中已标明为雾的各像素点P (t)上的矢量风V_wind，结合式 (8)，采用类似于空气污染物轨迹预报的方法^[18]确定预报时刻 (t+dt) 雾的位置P (t+dt)，即

(9)

其中，dt为预报时间。预报的第1小时图像由当前时刻的遥感图像、风场和第1小时预报时刻的相对湿度和地气温差场确定, 预报的第2小时图像由预报的第1小时卫星遥感图像、风场和第2小时预报时刻的相对湿度和地气温差场确定。

4 个例分析

这里以2009年4月10日凌晨上海地区经历的一次大雾过程为例。图 2为4月10日03:00—05:00连续每小时的卫星遥感图像和经云雾分离后的雾区场。

图 2显示, 2009年4月10日03:00上海中东部和南部沿海地区被雾区覆盖, 04:00雾区移动到中西部及崇明岛, 05:00主要雾区向西南方向扩展至上海中部和西南部区域。根据这3个时刻的上海地区自动气象站能见度记录 (图略) 可证实，上述3个时刻卫星遥感图像的雾区识别结果基本准确, 即所识别雾区内能见度基本都小于1 km, 同时卫星遥感的雾区以外的自动气象站所测能见度大多超过1 km。

以4月10日03:00为起报时间, 该时刻的卫星雾区识别图像如图 2所示。从WRF中尺度数值预报模式输出的产品中可获取预报的10日03:00—05:00逐小时地面风场和相对湿度场，并经适当修正后, 其结果如图 3所示。

图 3显示，WRF中尺度模式预报的2009年4月10日03:00和04:00上海地区受弱的偏东风控制，风速普遍在2~4 m/s之间，这与当时自动站观测实况非常一致。大于90%的相对湿度高值区域位于东海北部，并从杭州湾伸向上海陆地，向西进一步深入内陆后相对湿度则明显减小，由此在上海西部和西南部形成大的相对湿度梯度。在预报的2 h内, 大于90%的相对湿度高值区略有向北向西扩展的迹象。

从WRF中尺度数值预报模式输出产品中还可获取预报的4月10日04：00—05:00地气温差场，其结果如图 4所示。

图 4显示, 在本次0~2 h预报时段内东海北部沿海、杭州湾和上海市地气和海气温度差在-3~-1℃之间, 即地表温度和海表温度要低于气温。因此，它们为雾的形成提供了比较有利的水汽冷却凝结背景条件。

根据图 3和图 4的数值天气预报信息，可以对图 2所示的卫星遥感图像雾区进行0~2 h的短时临近预报，图 5给出预报时效分别为1 h和2 h新的雾区分布。

5 预报系统和预报效果检验

本文建立了从卫星云图接收、雾区自动识别、自动气象站观测资料收集、中尺度数值预报的获取到大雾短时临近预报计算和结果输出的全自动化流程, 每次过程运算时间约为23 min。业务平台界面如图 6所示，其主要功能包括地理信息叠加、卫星图像编辑和处理、卫星大雾区识别 (包括大雾位置和面积计算等)、地面实时监测、大雾短时预警和监测预警产品发布等。

选取2009年和2010年多雾季节的1—4月11次大雾过程共53个时刻作为统计样本，对每个时刻的样本，统计2 h内雾区预报的准确率，检验所需的能见度数据来自上海及其沿海的自动气象站观测资料, 如果统计时刻自动气象站的能见度小于1 km, 同时预报的该站位置上有雾, 则认为正确, 记为1;反之，认为预报不正确, 记为0。结果表明:本方法的1 h和2 h预报正确率分别为70%和65%。由此说明, 本方法对于判断雾区短时变化趋势具有一定预报能力。

6 小结

1) 应用大雾云雾光谱特征分析、分形纹理分析、形态分形分析、平滑度分析等方法可以有效地实现对雾区的动态检测和提取。

2) 雾区的移动通常略大于地面风速，相对湿度小于91%、地气温差大于3.1℃可以作为雾的排空条件。风速不低于6 m/s和不低于11 m/s可分别作为陆地雾和海上雾是否存在的排空条件。

3) 在诊断分析基础上，利用中尺度数值天气预报模式输出的气象要素，并依据自动气象站资料经适当修正后，可以对任一时刻的卫星识别雾区进行2 h内的短时临近预报。个例试验和多样本统计结果表明：该方法对于判定雾区短时变化趋势具有一定预报能力。

雾区短时临近预报的准确性很大程度取决于数值天气模式对于近地面气象要素的预报是否准确，特别是当用于判断雾存在与否的气象要素处于临界值附近时容易造成预报失败。因此，提高数值模式大气要素的预报能力是制作雾短临预报的关键。另外，在天空云系多且复杂多变时，本方法有其局限性。