近日，遥感领域国际主流期刊RemoteSensingof Environment 在线发表了海洋与大气学院的最新科研成果“Detection of dawn sea fog/low stratus using geostationary satellite imagery”（基于静止卫星数据的黎明时段海雾/低云识别方法）。该成果第一作者和通讯作者为海洋与大气学院衣立副教授。
利用卫星对黎明时段的海雾进行监测一直是海雾识别的难点。虽然黎明是一天中海雾频率最大的时段，但该时段太阳高度角很低，以致常用的日间海雾卫星识别方法存在较大偏差。基于多年沿海浮标、岛屿的观测数据研究发现，海雾在时间上具有高连续性，历史黎明时段的海雾可根据其前后雾区后报得到。本工作基于上述发现提出了一种新的黎明时段海上雾区标签的提取方法（图1），并结合机器学习模型（FCN）和条件随机场模型（CRF），开展黎明时段海雾的卫星检测试验，结果显示基于FCN+CRF的组合，可以识别出部分低太阳高度角时的连续雾区，相较传统方法大幅提高了黎明时段海雾检测的能力。该研究通过获取黎明时段海雾雾区，将机器学习模型应用于黎明时段雾区识别，提高了黎明时段海雾的识别能力，为解决黎明时段海雾卫星识别的难题提供了有效手段。
图1提取黎明时段海雾雾区标签示意图
发表文章列表：
Li Yi, Mengya Li, Shuxiao Liu, Xiaomeng Shi, King-Fai Li, Jörg Bendix,2023: Detection of dawn sea fog/low stratus using geostationary satellite imagery. Remote Sensing of Environment, 294: 113622.