利用公共摄像头与机场气象指标表征俄勒冈海岸白天雾发生的局地时空变异性

《Agricultural and Forest Meteorology》:A characterization of local spatio-temporal variability in daytime occurrence of fog along the Oregon coast using public cameras and airport weather metrics

【字体: 大 中 小 】 时间:2026年06月25日 来源:Agricultural and Forest Meteorology 6.6

编辑推荐:

  摘要:雾是全球许多地区水文循环的关键组成部分。沿海雾尤其影响海岸生物群落,并对海上活动及商业产生影响。由于与陆地形态发生复杂相互作用,沿海雾频率的空间分布难以简单表征。本研究首次分析了俄勒冈海岸夏季雾的时空异质性,该区域在温暖干燥的夏季依赖沿海雾提供遮荫及水文

  
摘要:雾是全球许多地区水文循环的关键组成部分。沿海雾尤其影响海岸生物群落,并对海上活动及商业产生影响。由于与陆地形态发生复杂相互作用,沿海雾频率的空间分布难以简单表征。本研究首次分析了俄勒冈海岸夏季雾的时空异质性,该区域在温暖干燥的夏季依赖沿海雾提供遮荫及水文输入。直接测量雾需要昂贵的透射或散射光学仪器且未广泛布设。为提高现场(in-situ)雾记录的空间覆盖率,研究人员使用公开可用的沿海影像数据集以低成本检测雾的存在。该沿海影像由位于俄勒冈州中北部海滩、跨度150 km的六个摄像头站点组成。研究人员结合纽波特市立机场(Newport Municipal Airport, ONP)的地表天气指标(含用于精确雾测量的能见度传感器)分析了该数据集的时空模式。研究发现,沿岸雾发生时间及总体雾频率在各位置间存在差异。尽管存在这种异质性,摄像头站点月平均雾频率与机场不同雾及低云(low cloud)度量指标呈中等线性相关,表明机场雾测量可作为空间平均雾频率相对变化的合理代理。研究还发现,当摄像头站点出现雾时,机场天气条件(高相对湿度、低风速及低抬升凝结高度Lifting Condensation Level, LCL)往往有利于雾的形成。然而,机场地表天气条件不足以对沿岸任意特定站点进行实时雾检测,凸显了更多现场雾测量的必要性。
论文解读:利用公共摄像头与机场气象指标表征俄勒冈海岸白天雾发生的局地时空变异性
研究背景与意义
沿海雾(coastal fog)是俄勒冈(Oregon)海岸夏季重要的水分来源,能降低蒸腾胁迫并通过冠层截留(drip)和叶部吸收直接补给沙丘与森林生态系统。现有研究多依赖地球静止卫星影像,但卫星无法区分雾(fog)与低云(low cloud/stratus);自动地面观测系统(Automated Surface Observing System, ASOS)虽提供原位雾数据,但沿太平洋1600 km海岸线仅约30个站点且多位于受城市热岛与地形影响的机场,其代表性未知。此外,昂贵的光学能见度传感器限制了高密度布设。因此,明确ASOS站点雾测量对周边沿海区域雾频率的代表性,并利用低成本手段扩大雾时空监测覆盖,是理解海岸生态系统水文过程的重要前提。本研究发表于《Agricultural and Forest Meteorology》,首次利用公共网络摄像头(public webcams)结合ASOS气象数据,解析俄勒冈中北部海岸夏季雾发生的时空异质性与机场气象指标的指示意义。
主要技术方法概要
研究人员收集俄勒冈中北部海岸6个摄像头站点(5个来自Surfline公开网络摄像头2022–2024年5–9月每30 min影像,1个来自俄勒冈州立大学海岸成像实验室Coastal Imaging Lab, CIL的Yaquina Head长期存档影像2000–2019年每小时)的白天可见光图像,统一重采样至640×360像素。从总计85,993张图中人工标注10,147张为有雾/无雾/不确定,提取图像三个水平条带的九项雾感知统计特征(Fog Aware Statistical Features, FSF:灰度MSCN系数方差、垂直乘积方差、锐度、锐度变异系数、均方根对比比、图像熵及RGB暗通道先验、色彩饱和度、色彩丰富度),采用高斯过程(Gaussian Process, GP)分类模型进行二分类雾检测,以10折蒙特卡洛交叉验证评估精度(Precision、Recall、F1分数)。同步获取最近ASOS站Newport Municipal Airport(ONP, ICAO代码KONP/ONP)地表气象要素:能见度(定义WMO fog为<1 km)、相对湿度RH、温度T与露点Tdew、风速风向(10 m)、云底高(ceilometer测Very Low Clouds, VLCs为云底<100 m),雾扩展定义mist为能见度<5 km且RH>95%,排除降水时段。计算抬升凝结高度Lifting Condensation Level, LCL:zLCL=0.125 km/°C×(T?Tdew)。通过φ系数(瞬时二元雾共存)、Kendall's tau(各时间尺度雾频率相关)分析站点间相关性随距离变化;用线性回归分析ONP雾/mist/VLCs月频率与摄像头站点(单站及空间平均)月雾频率关系;用Logistic回归检验ONP气象要素对单站点雾发生的预测能力。
研究结果
3.1. Fog classification model performance(雾分类模型性能)
高斯过程分类模型整体F1分数为0.87±0.015,各站点F1介于0.84–0.95,其中Yaquina Head最高(0.95),Cannon Beach最低(0.86)。模型倾向于保守估计(高精度Precision高于召回率Recall,即少误报但略有漏检),FSF特征在不同背景构图(海面/陆地/岬角)下具良好泛化能力,证明公共摄像头可用于可靠的海岸雾二元检测。
3.2. Spatiotemporal variability of fog frequency(雾频率的时空变异性)
3.2.1. Overall fog frequency(总体雾频率)
各摄像头站点夏季白天雾频率显著不同:Lincoln City最高(16%),Cannon Beach最低(7%),Yaquina Head(2001–2019)达19%(因其位于海拔~109 m岬头可能捕获极低云)。ONP按WMO定义雾仅占白天2%。雾频率空间差异不能完全用海拔解释,而与局地地形遮蔽有关——Lincoln City无海角岬角(headland)阻挡主导北风海洋层入侵故雾频高,其余站点受岬角背风侧屏蔽效应影响雾频较低。
3.2.2. Diurnal and seasonal fog frequency(日变化与季节变化)
所有站点及ONP的VLCs呈典型日周期:清晨雾频率最高,白昼递减,部分站点傍晚略回升;季节上多数站点8月达峰值(Lincoln City与Pacific City为7月),与卫星反演低云覆盖峰期略有偏移,暗示雾与层云季节模态可能存在差异。
3.2.3. Asynchrony of fog occurrence(雾发生的异步性)
瞬时(半小时)雾共存φ相关系数大多<0.4,最高为相距仅8 km的Agate Beach与Otter Rock。63%的雾事件只出现在1–2个站点,同时5个或全部站点共现极罕见。但同一天内多个站点出现雾的概率升高,超50%雾日有≥3个站点记录到雾,说明雾在小时尺度具强空间斑块性而在日尺度具一定区域同步性。
3.2.4. Correlations of fog frequency across timescales(跨时间尺度的雾频率相关)
在瞬时及日尺度,站点间雾频率相关强度与欧氏距离呈显著负相关(近距站点更同步);周、月、季节及日循环(diel cycle)尺度则无此距离–相关关系,表明短时段雾受局地地形湍流与微环流控制,长时段平均抹除了局地差异。
3.3. Relation of airport surface weather metrics to fog frequency along the coast(机场地表天气指标与沿岸雾频率的关系)
3.3.1. Airport fog frequency as predictor of the average coastal fog frequency(机场雾频率作为沿海平均雾频率的预测因子)
ONP的VLCs(云底<100 m)月频率与摄像头站点空间平均月雾频率线性相关最强(R2=0.75,距机场<20 km;R2=0.59,较远站点),mist次之,WMO fog较弱(R2=0.50)。说明机场VLCs与mist可作为沿岸150 km范围平均雾频率相对变化的合理代理,但WMO fog定义因严苛且机场受陆面影响代表性不足。
3.3.2. Long-term fog frequency at Newport Municipal Airport and Yaquina Head(纽波特机场与Yaquina Head长期雾频率)
Yaquina Head 2001–2019年夏季白天雾频率及雾日占比无显著线性趋势;ONP WMO fog频率呈微弱显著下降趋势(?0.05%/年),但雾日占比及mist、VLCs无显著趋势。
3.3.3. Distribution of fog-associated surface weather metrics(雾关联地表天气指标的分布)
当任一摄像头站点有雾时,ONP呈现显著更高的RH、更低云底高与LCL、偏低风速及偏SW风向,与ONP自身记录WMO fog/mist/VLC时的天气分布相似,且在各摄像头站点间一致。说明虽然雾发生具强空间异质性,但利于雾形成的天气背景(高湿、弱风、低LCL)在区域尺度具一定均一性。
3.3.4. Predicting fog on the coast with airport weather metrics(利用机场天气指标预测沿岸雾发生)
以ONP气象变量建立Logistic回归预测单站点雾发生,仅距机场最近的Yaquina Head、Agate Beach及雾频最高的Lincoln City达中等F1(0.41–0.58),其余站点F1≈0.25,模型总体易过预报(高Recall≈75%、低Precision≈30%)。表明仅靠单点基本地表天气要素不足以实时判定特定沿岸点位雾发生,因利于雾的天气出现远频繁于雾实际形成。
讨论与结论总结
研究人员指出公共摄像头虽引入主观标注不确定性,但与船舶观测员主观判识具可比性,经多人标注一致性检验不影响时空分析结论;若能布设与摄像头共址的前向散射能见度传感器,可建立FSF特征与光学厚度/能见度的定量标定关系。研究证实:(1)公共沿海网络摄像头结合FSF特征的GP分类可低成本获取可靠雾时间序列以比较时空格局;(2)俄勒冈海岸雾在小时尺度呈高度空间斑块分布,日尺度具区域同步倾向;(3)日及以下尺度站点雾相关随距离衰减,月及以上尺度无关;(4)机场ASOS站的VLCs与mist月频率是周边海岸空间平均雾频率变化的良好代理;(5)雾发生时机场呈现典型雾形成天气场,但该天气场出现概率远高于实际雾发生,故单点地表气象不足以实时预测具体位置雾发生,凸显摄像头网络对近实时雾检测的价值。本研究为利用既有公共影像基础设施拓展海岸雾监测及校验ASOS网络代表性提供了实证依据。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号