大雾是影响陆、海、空交通安全的主要灾害性天气之一。针对大雾突发性、局地性、变化快导致的监测和预报难题，本研究综合利用卫星监测时空全覆盖、地基观测精准定量的优势，发展自适应深度学习大雾卫星遥感识别技术和星地监测融合应用技术，开发全国4km、逐15分钟大雾灾害动态监测产品，为获取我国复杂地理环境下大雾公里尺度精细时空变化规律、开展短临预报提供高分辨率格点实况产品支撑。结合大雾生消物理机制和人工神经网络机器学习算法，构建了适应我国复杂地形和下垫面条件的大雾/能见度精细网格预报模型，研制全国1km网格大雾/能见度精细预报产品。短临时段充分发挥实况资料对预报的订正作用，发展多源监测融合应用、快速循环检验、机器自适应偏差滚动订正技术，研制全国1km网格、0-36小时逐小时、0-3小时逐10分钟滚动更新的大雾强度等级和低能见度定量预报产品。长时间序列检验结果表明，全国1km网格大雾短临预报相比08、20时定常业务产品，有效减少了大雾灾害的空、漏报率，显著提升了大雾预报TS评分，尤其对致灾性强的浓雾和强浓雾预报TS评分提升达50%以上。大雾精细网格监测、预报产品的应用显著提升了对大雾灾害生/消时段、持续时间和强度等级变化的动态精细监测预报能力，可为国省市县大雾灾害预报预警提供精细时、空靶向数据支持。

大雾 低能见度 机器深度学习 卫星反演 1km网格预报 短临滚动订正