黄、渤海海域是我国海上交通、海上开发最重要的海域之一,但同时也是海雾多发区域。海雾的发生对海上航行及沿岸居民生活带来了严重的影响,甚至威胁人们的生命财产安全,因此,开展海雾探测方法的研究对海域安全及人类生产活动具有重要的意义。与传统海雾探测手段相比,遥感技术能够实现大范围、全天候、动态的监测。本文结合星载激光雷达数据和高光谱遥感数据,开展基于主被动的海雾遥感探测方法研究,实现两种遥感技术的优势互补,为实现海雾探测提供了一种切实有效的解决途径。论文所做的主要工作及结论如下:（1）建立了基于MODIS的样本数据库。首先分析了2008年至2018年十年的CALIOP数据,利用CALIOP的L1和L2数据,根据高度信息和衰减后向散射系数,获取基于CALIOP的海雾、低云、中高云、海表样本点。将CALIOP数据与MODIS数据进行匹配,共得到36幅匹配的影像,建立了基于MODIS的样本数据库,其中海雾样本点共21606个,低云样本点共10542个,高云样本点共8649个,海表样本点共12534个,为建立基于MODIS的海雾探测算法提供了样本数据基础。（2）建立了基于MODIS的海雾探测算法。根据样本数据库,分析海雾与其他地物的光谱特征及在反射率和辐射率各波段的分布情况,得到结论:第1、2波段的差值能够有效剔除影像中的辐射沙洲,第3、5波段能够较好的识别海雾和低云,第17波段可以在尽可能不影响海雾判别的情况下剔除海表,第26、32波段对区分海雾和中高云具有较好的效果,因此建立了基于MODIS的1、2、3、5、17、26、32波段的海雾提取算法,该算法的海雾识别率为88.24%。新建立的算法与支持向量机、CART决策树、BP神经网络进行对比,得到结论:新建立算法的总体精度为89.56%,Kappa系数为0.91;支持向量机的总体精度为86.27%,Kappa系数为0.82;CART决策树总体精度为88.93%,Kappa系数为0.89;BP神经网络总体精度为78.95%,Kappa系数为0.76。因此新建立的算法精度最高,对海雾的识别效果最好。（3）黄、渤海海域海雾时空特征分析。利用所建立的海雾探测的算法,对2016年、2017年和2018年的黄、渤海每日的MODIS影像数据做海雾范围识别,并对这三年的海雾分布情况做时空特征分析,得出结论:渤海海域少有海雾发生,只有在七月份进入海雾多发月;黄海海雾发生高峰期为6—9月和10—11月份,并且在空间上表现出自东向西、自南向北扩散,自西向东、自北向南消散的特点。