劉丙新，李 穎，高 超

(大連海事大學環(huán)境信息研究所，大連 116026)

0 引言

海上溢油是當今海洋污染物的重要來源之一，無論是事故性溢油還是人為非法排放物都會對海洋環(huán)境造成巨大威脅[1]。近些年，隨著深海石油開采業(yè)的興起和沿海石油儲運基地的建設，加之由于管道老化和操作失誤等造成的海洋石油污染均呈現(xiàn)增加的趨勢，而且該類型事故造成的溢油往往會形成較大規(guī)模的污染:2010年墨西哥灣的深水地平線采油平臺爆炸導致的溢油、2010年大連新港油罐爆炸造成的溢油以及2011年康菲石油蓬萊19－3石油平臺的溢油，均造成了嚴重的海洋污染[2]。

溢油遙感監(jiān)測是溢油污染管理工作的重要部分。在較大的溢油事故中，遙感是進行宏觀觀測的最有效方法。在利用航空、衛(wèi)星遙感監(jiān)測油膜方面，國內(nèi)外研究者已開展了較廣泛的研究，集成紫外光、可見光、紅外、微波、激光熒光和側(cè)視雷達等幾類傳感器數(shù)據(jù)，開展油膜監(jiān)測[3－8]。在油膜厚度監(jiān)測方面研究較多，尤其是利用可見光－近紅外數(shù)據(jù)反演溢油厚度方面，有研究者建立了油厚和油膜表觀現(xiàn)象的關系[9－10]。最早的報道是1930年提交給美國國會的報告，將 0.4～2.0 μm 油膜厚度進行了分類[11];1972年Hornstein建立了一個基于實驗的標準[10]，該標準目前還在廣泛應用;歐洲應急委員會也設置了自己的計算標準[12]。但通過人的觀察進行油膜厚度判定受到諸多因素的制約，如個人經(jīng)驗、觀察角度以及假目標等[13]。Ocean Imaging 公司[11]在2010年墨西哥灣溢油事故中利用可見光－近紅外多光譜設備對溢油范圍和相對厚度進行了識別與監(jiān)測;Clark等[14]也對該次溢油事故進行了研究，通過AVIRIS航空數(shù)據(jù)與實測反射率光譜數(shù)據(jù)反演了油膜厚度的分布情況，同時提出對溢油中的油厚進行精確反演必要性不大，主要是能夠區(qū)分薄油膜和可回收的厚油膜即可。

本文利用機載多光譜遙感數(shù)據(jù)對油膜相對厚度進行識別，通過分析目標的光譜特征，利用決策樹分類法較好地區(qū)分可回收的厚油膜、不可回收的薄油膜和甚薄油膜，以及海水等，為利用可見光－近紅外－熱紅外多光譜遙感數(shù)據(jù)進行油膜相對厚度分布制圖提供了一種思路和參考。

1 研究區(qū)概況

研究區(qū)位于浙江省舟山市岙山油碼頭附近。該海域處于杭州灣東部，是長江、錢塘江及甬江等江河的入海口區(qū)，往來油船密集，存在一定的溢油風險。該海域海水深度一般不超過10 m，海底沉積物以泥沙為主。泥沙在洋流攪動下易被卷帶至海面，懸浮在海水中，顆粒較大，由于其減弱了海水對紅光、橙光、黃光的吸收，致使該處海水呈現(xiàn)黃色。2008年10月16日，大連海事大學“水上溢油遙感識別與監(jiān)測技術”課題組在岙山油碼頭附近海域進行了機載遙感監(jiān)測溢油實驗，驗證溢油監(jiān)測算法和航空遙感監(jiān)測溢油系統(tǒng)的功能。

2 數(shù)據(jù)與結(jié)果分析

2.1 數(shù)據(jù)獲取

實驗工作由航空和海上2部分組成。航空平臺是哈爾濱飛機工業(yè)集團生產(chǎn)的運－12固定翼飛機，其傳感器為機載多波段溢油探測傳感器，探測波段包括紫外至紅外共11個波段(表1)，瞬時視場(IFOV)為5 mrad，總視場(FOV)角為73°。海上實驗部分由1艘海巡船和4艘清污船組成:海巡船負責布油，并利用ASD FieldSpec3地物光譜儀與機載傳感器同步獲取油膜與海水的反射光譜曲線;清污船負責及時清除海巡船所布下的油污。

表1 傳感器波段配置[15]Tab.1 Band configuration of the sensor[15]

航拍時間為2008－10－16T13∶00—13∶30，天氣晴朗，風速2～3級，水平能見度20 km，垂直能見度優(yōu)，潮流流速 0.5 ～0.8 m/s，波高 0.5 m，水溫 25℃左右。為保證較好的成像分辨率，同時避免隔帶掃描，飛機的飛行高度大約為500 m，航向相對太陽為0°或 180°。

2.2 特征分析

2.2.1 溢油污染光譜響應特征分析

利用ASD地物波譜儀獲取的水體和較厚油膜的反射光譜曲線如圖1所示。

圖1 油膜和海水反射光譜曲線Fig.1 Reflectance spectrum of oil film and water

研究區(qū)海水中所含黃色物質(zhì)較多，在可見光－近紅外波段反射率較高，在583 nm處形成反射峰，相對于清水，該反射峰明顯向長波方向移動，并且在近紅外波段的806 nm處也表現(xiàn)為明顯的反射峰。厚油膜的存在使得水面的反射光衰減，所以在該區(qū)域的反射率相對無油覆蓋的海水反射率要低。

從機載多光譜遙感圖像中提取水體、船只、厚油膜、薄油膜和甚薄油膜的DN值曲線發(fā)現(xiàn)，水體和油膜在B3，B4，B5以及B9波段具有較高的反射率，但厚油膜相對于水體的反射率總體較低。在B11波段，即熱紅外波段，只有船的 DN＞0，其余目標的DN值均為負值(圖2)。

圖2 機載多光譜圖像的DN值曲線Fig.2 DN spectral curve of the aerial image

2.2.2 溢油污染影像特征分析油膜的存在會改變海面對太陽光的吸收與反射，從而在遙感圖像上體現(xiàn)出與無油膜覆蓋海面的差異。由于原油、重柴油等的薄油膜與厚油膜的反射光譜有差異，導致不同厚度下油膜在遙感圖像上的表現(xiàn)特征也有所差異。

分別獲取油膜覆蓋區(qū)域的紫外、可見光及紅外波段遙感圖像如圖3所示。油膜即使在厚度很薄的情況下也表現(xiàn)出對紫外光的高反射，因此常用紫外波段對薄油膜進行探測。

圖3 油膜影像特征Fig.3 Image features of oil film

從圖3(a)上可以明顯地發(fā)現(xiàn)薄油膜的存在，并能較好地區(qū)分油膜邊緣的甚薄油膜與其內(nèi)側(cè)的薄油膜。圖3(b)為綠光范圍內(nèi)B5灰度圖像，厚油膜的存在阻礙了水體對該波段太陽光的反射，形成了灰度值較低的厚油膜覆蓋區(qū)。薄油膜對該波長光線的反射影響較弱，因此在圖像上表現(xiàn)不明顯，但仍表現(xiàn)出厚油膜與無油覆蓋水體之間存在過渡區(qū)域。圖3(c)B9為近紅外波段圖像，該圖像不僅能夠區(qū)分油膜與水體，而且對不同厚度的油膜區(qū)分也較為明顯，油膜越薄灰度值越大。圖3(d)B11為熱紅外波段圖像，由于本次所觀測的油膜是由儲存設備直接撒至水面，且油膜存在時間較短，因此油的溫度低于海水溫度，厚油膜在該波段的DN值明顯低于水體和薄油膜，而薄油膜在圖像上無法識別，因此可利用該波段進行厚油膜的識別。另外，在該波段圖像上船只表現(xiàn)為“熱”區(qū)域，且與其他物體區(qū)別較大，因此可利用該波段數(shù)據(jù)識別船只。圖3(e)的波段比值圖像上油水邊界相對B5和B9單波段圖像更加明顯，因此可用于區(qū)分水體和油膜覆蓋區(qū)域。圖3(f)假彩色合成圖像兼具有紅外波段圖像的厚油膜信息和紫外圖像的薄油膜信息，同時能夠很好地識別實驗船只和清污船只，能夠為溢油的識別和相關信息提取提供很好的數(shù)據(jù)源。

3 溢油信息提取與分析

根據(jù)不同目標在遙感圖像上的光譜響應差異，利用決策樹分類方法對其進行提取(圖4)。

圖4 基于機載多光譜數(shù)據(jù)的分類決策樹Fig.4 Classification decision tree based on airborne multi－spectral data

提取的主要地物類型包括船只、水體、厚油膜、薄油膜和甚薄油膜。在溢油事故中，通常溢油的相對厚度對溢油是否利于撇油器收集或是否能夠使用消油劑具有更重要的參考價值。在此次研究中，油膜存在有3種情況:厚油膜擴散緩慢，厚度較大，適合撇油器進行油污的回收，或利用吸油氈進行吸附;薄油膜擴散較為充分，形成的油膜無法回收，但仍可以利用消油劑進行清除或吸油氈進行吸附;甚薄油膜位于油膜的最邊緣，擴散最充分，利用吸油氈進行吸附效果不理想，可用消油劑進行去除。

根據(jù)各波段DN值對溢油油膜相對厚度進行提取，以Bn形式表示第n波段的DN值。首先對B11進行分割，用B11＞0將圖像中船只目標提取出來;然后用(B9/B5)＜1.71區(qū)分水體和油膜;在識別為油膜的區(qū)域內(nèi)，由于厚油膜在熱紅外波段圖像上的DN值相對薄油膜更低，因此可用B11＜－0.03來提取厚油膜分布情況;B1和B2對薄油膜比較敏感，甚薄油膜在這2個波段圖像上的DN值均大于較薄油膜的，但差異并不大，但通過將這2個波段相加，擴大了較薄油膜和甚薄油膜的差異，據(jù)此可將二者進行區(qū)分。

利用決策樹算法的分類結(jié)果如圖5所示。

圖5 基于光譜信息的分類結(jié)果Fig.5 Result of classification based on spectral information

從圖5可以看出，各種目標物已經(jīng)被正確地識別出來，但由于“同物異譜”、“同譜異物”現(xiàn)象的影響，加之油膜厚度并非離散而是接近連續(xù)變化的，因此部分厚油膜被識別為薄油膜，而薄油膜與甚薄油膜之間也有部分像元被錯誤地歸類。

分別選取不同數(shù)量的水體、船只、厚油膜、薄油膜和甚薄油膜等樣本，建立混淆矩陣對決策樹分類算法結(jié)果進行精度評價，如表2所示，總體分類精度達到了93.7%，說明本文方法完全能夠滿足溢油應急監(jiān)測的精度需求。

表2 分類精度Tab.2 Classification accuracy (像元)

4 結(jié)論

本文結(jié)合舟山海域的溢油實驗，驗證了機載多光譜溢油探測裝置對海上油膜的識別能力，并通過對多光譜數(shù)據(jù)的分析提出了利用該數(shù)據(jù)進行溢油識別的有利波段，進而通過決策樹分類法對多光譜遙感數(shù)據(jù)進行分類。研究結(jié)果表明，本文所采用的影像與光譜響應特征能夠有效地區(qū)分水體、油膜(相對厚度)以及船只信息，總體分類精度較高。該研究結(jié)果可為溢油事故監(jiān)測的數(shù)據(jù)和方法選擇提供重要參考。

[1]Solberg A H S.Remote sensing of ocean oil－ spill pollution[J].Proceedings of the IEEE，2012，100(10，SI):2931－2945.

[2]劉丙新.基于高光譜特征的水上油膜提取與分析研究[D].大連:大連海事大學，2013.Liu B X.Extraction and analysis of oil film on water using hyperspectral characteristics[D].Dalian:Dalian Maritime University，2013.

[3]Bern T I，Wahl T，Andersen T，et al.Oil spill detection using satellite based SAR:Experience from a field experimen[J].Photogrammetric Engineering and Remote Sensing，2007，59(3):423－428.

[4]Keramitsoglou I，Cartalis C K，Iranoudis C T.Automatic identification of oil spills on satellite images[J].Environmental Modelling and Software，2006，21(5):640－652.

[5]Derrode S，Mercier G.Unsupervised multiscale oil slick segmentation from SAR images using a vector HMC model[J].Pattern Recognition，2007，40(3):1135－1147.

[6]Marghany M，Cracknell A P，Hashim M.Modification of fractal algorithm for oil spill detection from Radarsat－ 1 SAR data[J].International Journal of Applied Earth Observation and Geoinformation，2008，11(2):96－102.

[7]Chang L，Tang Z S，Chang S H.A region－ based GLRT detection of oil spills in SAR images[J].Pattern Recognition Letters，2008，29(14):1915－1923.

[8]Trieschmann O.A multiple remote sensor system for the aerial sur-veillance of the North Sea and Baltic Sea[C]//Proceedings of the Fifth International Airborne Remote Sensing Conference.San Francisco，California:2001.

[9]Lehr W J.Visual observations and the bonn agreement[C]//Proceedings of the Thirty－third Arctic and Marine Oilspill Program(AMOP)Technical Seminar，Emergencies Science Division Ottawa，Ontario，Canada:Environment Canada，2010.

[10]Horstein.The application and visibility of thin oil films on water[R].Cincinnati，OH:U S Environmental Protection Agency，1972.

[11]Svejkovsky J，Lehr W，Muskat J，et al.Operational utilization of aerial multispectral remote sensing during oil spill response:Lessons learned during the deepwater horizon(MC－ 252)spill[J].Photogrammetric Engineering and Remote Sensing，2012，78(10):1089－1102.

[12]The North Sea State，European Community.Bonn agreement/text of the bonn agreement[EB/OL].(2001－9－21)[2013－9－260].http://www.bonnagreement.org/eng/html/welcome.html.

[13]Leifer I，Lehr W J，Simecek－ Beatty D，et al.State of the art satellite and airborne marine oil spill remote sensing:Application to the BP deepwater horizon oil spill[J].Remote Sensing of Environment，2012，124:185－209.

[14]Clark R N，Swayze G A，Leifer I，et al.A method for quantitative mapping of thick oil spills using imaging spectroscopy[R].Geological Survey Open－ File Report，2010.

[15]Yang Y D，Xue Y Q，Yu L.The airborne remote sensor for ocean environmental monitoring[C]//Stockholm，Sweden:Spie－ int Soc Optical Engineering，2006.

[16]趙英時.遙感應用分析原理與方法[M].北京:科學出版社，2003:421－422.Zhao Y S.Theory and method of remote sensing application and analysis[M].Beijing:Science Press，2003:421－422.