朱小波，沈亞峰，劉建強，丁靜，焦俊男，居為民，陸應誠

1.南京大學 國際地球系統(tǒng)科學研究所, 南京 210046;

2.國家衛(wèi)星海洋應用中心, 北京 100081;

3.自然資源部空間海洋遙感與應用重點實驗室, 北京 100081

1 引 言

溢油是海洋環(huán)境監(jiān)測的重要對象（Kvenvolden和Cooper，2003；Kessler 等，2011；Leifer 等，2012；Hu 等，2018），溢油污染會對海洋生物、海洋環(huán)境等造成長期的負面影響（Kessler 等，2011；Mariano 等，2011）。在溢油事故發(fā)生后，快速探測到溢油位置、范圍、面積、溢油污染類型和溢油量，從而制定不同的應急處理與管理方法，具有重要的研究意義與實用價值（牟林 等，2011；Zhong 和You，2011；沈亞峰 等，2020）。遙感技術因其大范圍同步觀測、時效性、數(shù)據(jù)具有綜合性和可比性等優(yōu)勢，是海洋環(huán)境監(jiān)測的重要手段（陸應誠 等，2016；Hu 等，2021）。不同的遙感技術具有各異的響應原理與特性，在海洋溢油遙感監(jiān)測應用中效能不盡相同（陸應誠 等，2016）。微波雷達與光學遙感是海洋溢油監(jiān)測的兩類主要技術，微波雷達具有穿云透霧的特性，使其在海洋溢油監(jiān)測方面具備特定優(yōu)勢；但目前也存在一些不足，如數(shù)據(jù)量少、監(jiān)測成本高昂、數(shù)據(jù)覆蓋范圍有限、誤判信息難以區(qū)分、難以精細識別不同溢油污染類型等（沈亞峰 等，2020；Brekke 和Solberg，2005；Hu 等，2021）。光學遙感具有數(shù)據(jù)源豐富、幅寬大、獲取成本低等優(yōu)勢，在海洋溢油監(jiān)測應用中，雖然會受制于云霧等天氣制約，但可通過高頻次觀測來彌補監(jiān)測應用的不足（Hu 等，2009；Kolokoussis 和Karathanassi，2018；沈亞峰 等，2020；Lu 等，2020）；更重要的是光學遙感能實現(xiàn)海洋溢油污染不同類型的識別分類與定量估算，是海洋溢油精細化定量監(jiān)測的有效技術支撐（Clark 等，2010；Leifer 等，2012；Hu 等，2018；Shi 等，2018；Lu 等，2013；陸應誠 等，2016和2019）。

隨著中國海洋水色業(yè)務衛(wèi)星HY-1C/D 衛(wèi)星的發(fā)射，其搭載有相同的5 個載荷，分別為海洋水色水溫掃描儀COCTS（China Ocean Color &Temperature Scanner）、海岸帶成像儀CZI（Coastal Zone Imager）、紫外成像儀UVI（Ultraviolet Imager）、星上定標光譜儀和船舶識別系統(tǒng)AIS（Automatic Identification System）；通過雙星組網(wǎng)觀測，能為中國近海環(huán)境監(jiān)測提供豐富的數(shù)據(jù)支撐（沈亞峰 等，2020）。HY-1C/D 衛(wèi)星的COCTS、CZI、UVI 載荷均具有海洋溢油監(jiān)測的能力（沈亞峰 等，2020；Suo 等，2021），特別是CZI 載荷具有較高的空間分辨率、較大的成像幅寬、優(yōu)異的信噪比和輻射分辨率，雙星組網(wǎng)能提供3 天2 次的中國近海觀測數(shù)據(jù)，為開展海洋溢油光學遙感業(yè)務化應用提供了較好的數(shù)據(jù)支撐（沈亞峰 等，2020）。

近年來，海洋溢油光學遙感原理取得了較大的進展和突破，海洋溢油不同污染類型（如不同厚度油膜、不同類型與濃度的乳化油）的光譜響應特征與響應機理得到闡明（Wettle 等，2009；Clark 等，2010；Leifer 等，2012；Shi 等，2018；Lu 等，2008，2011，2012，2019，2020；陸應誠等，2009）；溢油海面耀光反射差異成因得以厘清，其計算模型與方法得到發(fā)展，溢油海面光學輻射傳輸過程清晰（Hu 等，2009；Jackson 和Alpers，2010；Sun 等，2015、2016 和2018b；Sun和Hu，2016；Lu 等，2016a）；海洋溢油定量估算模型方法不斷深入，海面溢油量估算確實可行（Clark 等，2010；Leifer 等，2012；Hu 等，2018；Shi 等，2018；Lu 等，2013，2016b，2019，2020；Sun 等，2018a；Sun 和Hu，2019）。開展國產(chǎn)自主衛(wèi)星的溢油監(jiān)測業(yè)務化應用中，還存在一個亟待加強的技術環(huán)節(jié)，即海面溢油自動檢測算法較為缺乏（Zhu 等，2022；Hu 等，2021）。發(fā)展國產(chǎn)海洋光學衛(wèi)星數(shù)據(jù)處理算法，開展溢油遙感應用，從海量數(shù)據(jù)中高效的識別并檢測出海面溢油，是國產(chǎn)海洋水色衛(wèi)星業(yè)務化應用的迫切需求。

本研究以HY-1C/D 衛(wèi)星的CZI 載荷為主要數(shù)據(jù)源，立足海洋溢油光學遙感的最新理論研究進展，分析國產(chǎn)自主海洋水色衛(wèi)星CZI載荷中不同溢油的遙感響應特征，基于不同海洋溢油污染類型的CZI波段響應特征與耀光反射差異，設計人機交互式溢油提取方法，探索圖像耀光反射信息的空間分異規(guī)律，實現(xiàn)CZI圖像上溢油的準確識別與提取。研究表明基于耀光反射差異的海面溢油光學遙感提取方法，能有效地識別提取海面溢油，并有較好的抗干擾能力，較好地剔除異常粗糙度水體、輪船尾跡等多種因素導致的干擾；還能進一步區(qū)分弱耀光反射條件下的油膜和乳化油，具備識別不同溢油污染類型的能力，為國產(chǎn)海洋光學衛(wèi)星數(shù)據(jù)開展溢油監(jiān)測業(yè)務化應用提供參考。

2 數(shù)據(jù)與方法

2.1 CZI數(shù)據(jù)及預處理

HY-1C 衛(wèi)星是海洋一號系列的第三顆衛(wèi)星，也是中國首顆海洋水色業(yè)務衛(wèi)星，于2019年6月投入業(yè)務化應用，搭載有相同載荷的HY-1D 星于2020年6月發(fā)射。HY-1C/D 星為太陽同步軌道，軌道高度782 km，其中海岸帶成像儀CZI 幅寬≥950 km，星下點地面分辨率優(yōu)于50 m，有4 個光學波段，重訪周期為3 d，雙星組網(wǎng)能提供3 天2 次的中國近海上下午觀測能力。本文所用的CZI數(shù)據(jù)均為L2A 級的瑞利校正反射率產(chǎn)品（Rrc），選用CZI 近紅外波段（0.76—0.89 μm）作為溢油檢測特征波段，Rrc數(shù)據(jù)產(chǎn)品是國家衛(wèi)星海洋應用中心為滿足海洋資源與環(huán)境遙感監(jiān)測需求所生產(chǎn)（沈亞峰 等，2020）。耀光反射差異是改變溢油與背景水體亮度對比的重要因素，需要首先對耀光反射強度進行分析，因此所有數(shù)據(jù)都需要提供詳細的太陽天頂角、太陽方位角、衛(wèi)星天頂角與衛(wèi)星方位角等信息，用于評估耀光反射強度的影響（Hu 等，2009；Lu 等，2016a；Wen 等，2018）。此外，本文使用GDAL圖像處理庫，通過地理位置查找表的方法對光學數(shù)據(jù)進行幾何校正，幾何校正精度滿足研究要求。收集了多景CZI 溢油圖像（如圖1所示），覆蓋中國近海溢油易發(fā)區(qū)域，船航跡線、云、不同粗糙度海面、海洋波浪、耀光反射等多種影響因素共存，對部分影響因素（如云和云陰影）進行了預處理剔除。對圖1中包含乳化油的6景影像進行標注，以便與后續(xù)溢油識別提取結果進行對比分析與驗證，進而評估算法對不同溢油污染類型、面積識別的精度。需要特別說明的是，由于海洋水色業(yè)務星在成像過程中的避耀光設計，圖1中的溢油都呈弱耀光反射下的暗對比特征，為展示算法對強耀光反射下溢油亮對比特征的檢測能力，本研究還使用了美國墨西哥灣典型溢油的強耀光圖像開展分析討論（見4.3節(jié)）。

圖1 HY-1C星CZI載荷的海洋不同溢油的真彩色合成圖像（R：650 nm，G：560 nm，B：460 nm，圖像經(jīng)過拉伸處理）Fig.1 True color composite images covering various oil spills of HY-1C CZI RGB images（R： 650 nm，G： 560 nm，B： 460 nm，please note that the images have been stretched to show different spilled oils）

2.2 海面溢油檢測提取

不同類型海洋溢油污染雖然具有各異的高光譜響應特征，但因CZI數(shù)據(jù)有限的波段數(shù)量，加上水體背景差異等多種干擾，CZI僅能識別非乳化油膜和乳化油，而無法區(qū)分不同類型的乳化油（缺乏短波紅外數(shù)據(jù)）；此外，基于光譜特征的譜間關系法應用效能是有限的，且大多干擾信息難以僅依靠有限的CZI 光譜特征進行有效去除；與此同時，溢油海面的耀光反射差異雖有助于溢油的監(jiān)測，但海洋高空間分辨率光學數(shù)據(jù)中的耀光變化過大，也給其利用帶來挑戰(zhàn)。本研究基于溢油海面與清潔海面太陽耀光反射差異的空間分布，發(fā)展了一種人機交互式的海面溢油提取方法，具體思路如圖2所示。

圖2 溢油提取總流程圖Fig.2 General flow chart of oil spills extraction

算法思路主要體現(xiàn)為如下幾個方面：（1）需要對溢油污染易發(fā)海域先進行選擇，這些區(qū)域包括港口碼頭、主要航運通道、海上石油平臺區(qū)域等，同時開展水陸分離和云檢測，降低前期處理的數(shù)據(jù)量，提高后續(xù)算法效率。（2）評估海面耀光反射的空間分異，利用CZI 數(shù)據(jù)中的角度數(shù)據(jù)（太陽天頂角、衛(wèi)星天頂角、相對方位角），根據(jù)Cox-Munk 模型計算耀光反射率。特別需要指出的是，因為遙感的尺度效應，Cox-Munk 模型計算的耀光反射率在空間細節(jié)上難以與CZI數(shù)據(jù)吻合，但是可以用于評估理想海面耀光強度的空間分布趨勢（Zhu 等，2022；Lu 等，2016a；Wen 等，2018）。在后續(xù)處理上，通過計算圖像的歸一化耀光反射強度來評估其空間分異性。（3）設置L×L大小的矩形窗口，并以此窗口為掃描尺度遍歷整景影像，邊界處不足窗口大小的區(qū)域則縮減窗口面積，并根據(jù)每個像素對應的θm值大小做不同的處理；θm為傳感器探測方向與目標物對太陽光的鏡面反射方向的夾角，是溢油海面與清潔海面耀光反射對比現(xiàn)象的有效指針（Hu 等，2009；Lu 等，2016a；Wen 等，2018）。在此基礎上，評估溢油在各個窗口中的面積占比，給出適當?shù)囊缬驼急戎礟（百分比，全部窗口統(tǒng)一上限截斷閾值），目的是最大程度降低復雜背景的干擾，從而優(yōu)化后續(xù)分割效果。接著，通過最大類間方差法（OTSU算法）與P值結合實現(xiàn)自適應閾值分割，提取的耀光反射亮暗特征包含了正判和誤判兩部分。（4）實現(xiàn)溢油和其他近似信息的檢測后，對近似的干擾信息進行分析，利用其耀光反射的空間分異特征，優(yōu)化相關干擾信息的剔除策略，通過后續(xù)的誤判去除方案進一步處理，剔除這些干擾因素。

3 主要干擾因素分析

3.1 耀光反射的空間分布差異

以2019年4月12日HY-1C 星CZI 數(shù)據(jù)為例（圖3），該圖像不僅有溢油信息，還有多種干擾因素的存在，既有全局影像中耀光反射的空間分布差異，還有低粗糙度水面、船舶航跡線等影響（圖3（a）），均會對溢油信息識別提取產(chǎn)生干擾。需要特別說明的是，海面耀光反射的空間分布差異所產(chǎn)生的干擾，常常屬于非實體要素誤判；由此（航跡線、漂浮藻類等）所產(chǎn)生的干擾，會導致對實體要素的誤判。選擇CZI 數(shù)據(jù)825 nm 近紅外波段，可以忽略背景水色差異所帶來的影響，對其進行區(qū)域分割并遍歷提取圖像的亮/暗對比特征。如果某個矩形窗口內(nèi)存在溢油，因耀光反射差異和溢油自身的光學特征等共同影響，溢油與背景水體呈現(xiàn)亮暗對比特征，因而能被本算法正確檢測并提取。識別結果也會因為算法參數(shù)設置的不同，而略有差異（圖3（b）—3（d））。P值的作用是最大程度地降低復雜背景干擾，提高分割算法的效果，過高或過低的P值會帶來高估或低估。當P取30 以下時，會導致提取的溢油暗對比特征不夠完整（圖3（b）），當P取值低于局部窗口的溢油占比時，會導致部分溢油信息被當作背景，從而造成溢油面積的低估；當P取50以上時，結果中增加了許多誤判信息（圖3（c））。此外，代表掃描窗口大小的參數(shù)L設置，需要顧及溢油在整幅影像中的面積占比、空間分布與形態(tài)分異，確保遍歷窗口處于適中的油-水面積占比。相比之下，耀光反射空間分布差異導致的誤判圖斑，與參數(shù)L和P的設置具有密切關系。換句話說，溢油等對算法參數(shù)的變化不敏感，但該參數(shù)變化對耀光空間分布差異所產(chǎn)生的干擾較為敏感。

耀光反射空間分布差異所產(chǎn)生的干擾，具有一定的分布特征，如相鄰分割窗口內(nèi)的耀光強度的變化方向相近，且變化趨勢單調(diào)一致（如圖3所示）。若將影像分割為多個較小的子區(qū)域（圖3（b）—3（d）），在某一個子區(qū)域內(nèi)，耀光反射的空間變化規(guī)律通常表現(xiàn)為沿某個主要方向漸變，較弱或較強的耀光往往都分布在掃描窗口邊界。耀光反射空間分布差異產(chǎn)生的干擾在于：（1）誤判信息大多在矩形掃描窗口邊界處，且與鄰近窗口存在無連接邊界像元；（2）窗口邊界聚集的誤判信息往往包含一條規(guī)整的直線邊緣；（3）相鄰窗口的誤判信息分布總體一致；（4）不同分割尺度（L）下，誤判信息的聚集位置會發(fā)生相應的變化。對于溢油，因為含油窗口內(nèi)的溢油目標都被準確地提取，且對參數(shù)不敏感（具有一定的抗干擾能力），位于兩個相鄰窗口的溢油會在邊界處有較好地銜接。

圖3 CZI 825 nm圖像中溢油區(qū)域的自適應閾值分割結果Fig.3 Adaptive threshold segmentation of oil spills in CZI 825 nm image

厘清上述誤判與溢油之間的空間分布差異與規(guī)律，是算法精度提高的關鍵。圖4中紅色窗口代表掃描窗口邊界，每個小方塊表示一個像元，白色方塊是被判為水體的像元，黑色與青色方塊都為閾值分割后得到的暗特征，紫色方塊是溢油在矩形窗口邊界處的像元。溢油可以被正確地提取到，因而在矩形窗口邊界處可以正常聯(lián)通，青色方塊雖然也處于邊界，但其與鄰近窗口的暗特征像元幾乎沒有連接。圖4中紫色方塊的類別為“與鄰近窗口有連接的邊界像元”，青色方塊為“與鄰近窗口無連接的邊界像元”，進而基于圖斑空間密度，對上述目標進行靈活聚類。采用DBSCAN（Density-Based Spatial Clustering of Applications with Noise）聚類算法（Ester 等，1996），利用上述現(xiàn)象的歸納分析，準確消除由耀光反射空間分布差異導致的系統(tǒng)性干擾誤判。

圖4 耀光空間分布差異影響下的溢油正判、誤判信息邊界差異（紫色方塊為與鄰近窗口有連接的邊界像元，如溢油在矩形窗口邊界處的像元；青色方塊為與鄰近窗口無連接的邊界像元，如耀光影響的誤判信息在邊界處的像元）Fig.4 Boundary difference of correct or misjudgment pixels caused by oil spill and sunglint.The purple squares are boundary pixels that are connected to the adjacent window（pixels of oil spills at the boundary），and the blue squares are boundary pixels that are disconnected to the adjacent window（misjudgment pixels at the boundary caused by sunglint）

3.2 海面其他要素的干擾

其他海面要素的干擾也會導致誤判，如低粗糙度水面、船尾跡線、漂浮藻類等，圖5展示了溢油與這些干擾因素的圖像與光譜特征。在CZI載荷圖像上，這些不同目標的光譜特征即使有差異，但這種差異難以獨自支持溢油的判別區(qū)分。相比其他干擾因素，溢油與周圍水體具有更清晰的對比和邊界（圖5（a）），因此可以利用這種目標邊界像元的差異性，進一步區(qū)分溢油與誤判信息；如圖5（b）的低粗糙度水面，雖然也會表現(xiàn)為亮暗對比特征，但是與溢油海面（圖5（a））的差異在于：圖5（b）中表面粗糙度不同的水體，在圖像中難以觀察到清晰的邊界，這表明CZI耀光圖像中，水體表面粗糙度的變化是一個漸變過程；此外，對于船尾跡線而言（圖5（c）），耀光反射對比的明暗特征共同存在，在其相接處的邊界像元亮度差異，往往明顯大于其余干擾因素的邊界像元與周圍水體間差異。因此，可以計算相鄰目標間邊界像元的“近鄰差”，通過評估相鄰目標間的邊界差異度，剔除實體目標造成的誤判，從而提高溢油的檢測精度。

圖5 CZI 825 nm圖像上不同海面目標的目視特征、邊界差異與Rrc光譜Fig.5 Visual characteristics，boundary differences and Rrc spectra of different sea surface targets

4 海面溢油的遙感識別提取與評價

4.1 基于耀光反射差異的溢油識別提取

基于耀光反射差異的計算，通過圖像分割算法，有效檢測出溢油信息和干擾因素；基于空間分析剔除耀光空間分布差異所帶來的干擾，也剔除了不同粗糙度水體、船尾跡線、漂浮藻類等帶來的誤判影響。其中，最為關鍵的過程在于：基于耀光反射的空間分布規(guī)律與形態(tài)特征，剔除耀光反射空間差異所帶來的誤判影響；基于圖像形態(tài)學特征與鄰近像元關系，通過聚類處理，有效消除低粗糙度水體、船尾跡線、漂浮藻類等的影響，分步驟去除誤判結果如圖6所示。需要指出的是，像元的鄰近差可以在一定程度上消除耀光分布差異所引入的不確定性，因此該統(tǒng)計特征可以應用于不同溢油區(qū)域，具有一定普適性，從而優(yōu)化了溢油誤判信息的消除策略。

圖6 基于CZI 825 nm圖像的溢油識別提取與誤判剔除Fig.6 Optical identification and extraction of oil spills and elimination of misjudgment in CZI 825 nm image

所有HY-1C 星CZI溢油圖像（圖1）使用上述溢油提取方法統(tǒng)一進行測試，最終識別結果如圖7所示，其中黑色是油膜，黃色是反射率較高的乳化油。需要注意的是，不同溢油區(qū)域溢油形態(tài)特征、水體狀況等存在差異，溢油識別算法對應參數(shù)配置也不盡相同。通過對比圖1 與圖7 可以發(fā)現(xiàn)，最終提取結果目視匹配度較高，各個溢油事件的主體部分均實現(xiàn)了較好的識別提取。圖1 中有6 景圖像中包含乳化油，其中溢油面積較大的4景圖像中，乳化油也實現(xiàn)了令人滿意的提?。ㄈ鐖D7Ⅳ、Ⅶ、Ⅷ和Ⅸ）；面積較小的2 景乳化油圖像則未能實現(xiàn)識別提取（圖7Ⅰ和7Ⅲ）。非乳化油膜的提取效果優(yōu)于乳化油，主要原因在于大部分影像中乳化油面積較小，且與背景差異不顯著，雖然能為目視識別所判定，但在分步驟剔除時易被誤判為細碎的背景水體圖斑。

4.2 精度評價

對所有CZI影像中的溢油進行目視解譯，對其進行數(shù)字化處理后作為驗證數(shù)據(jù)，評估本研究算法的識別提取精度，從而評價溢油提取質量的好壞。此處提取精度定義為從真實類別中任意選擇一個隨機樣本，并與溢油提取結果類別相符的條件概率，本文整理了CZI數(shù)據(jù)溢油感興趣區(qū)提取結果對應的混淆矩陣，并進一步計算得到溢油提取精度（表1）。表1 直觀定量地反映提取精度，其中油膜提取的平均精度為90.24%、乳化油的平均精度為80.55%。乳化油比非乳化油膜的識別提取精度低的主要原因在于，部分影像中溢油乳化物面積過小，難以被成功提取，因此會對精度造成較大的影響，溢油提取總體精度較好。

表1 CZI載荷數(shù)據(jù)中不同溢油污染類型的識別提取精度Table 1 Identification and extraction accuracy of oil spills

此外，油膜識別精度最高圖像中（圖7Ⅶ），溢油圖斑的形態(tài)特征規(guī)整，與周圍背景水體的輻射差異顯著；而油膜識別精度最低圖像中（圖7Ⅰ），溢油圖斑分布細碎，且與周圍大片粗糙度異常水體的輻亮度值接近，導致單波段影像上難以區(qū)分。乳化油識別精度最高的圖像（圖7Ⅶ和7Ⅷ），乳化油面積較大，與非乳化油膜同步出現(xiàn)，對比顯著。乳化油識別精度較低的圖像（圖7Ⅰ），也是油膜識別精度最低的。這說明，本研究方法對溢油處于不同風化過程時的探測效能具有差異，當溢油風化過程中達到擴散面積最大（但尚未破碎）、污染類型差異（非乳化油膜、乳化油等）最為顯著時，算法效能最佳。

圖7 基于CZI載荷數(shù)據(jù)的海洋溢油提取結果圖（Ⅰ—Ⅸ）（依次對應圖1Ⅰ—Ⅸ）Fig.7 Oil spill extraction results（Ⅰ—Ⅸ）（corresponding to Fig.1Ⅰ—Ⅸ）of various spilled oils using CZI images

4.3 強耀光反射下的算法應用

本研究理論上適用于不同耀光對比條件下的溢油識別提取，由于HY-1C/D 星CZI 數(shù)據(jù)的成像基本上避免了強耀光反射，為驗證該算法在強耀光對比下的應用效能，選用2010年美國墨西哥灣溢油的MODIS 強耀光反射影像用于進一步驗證（Hu 等，2018）。選用4 景250 m 空間分辨率的美國墨西哥灣溢油MODIS 近紅外859 nm 波段數(shù)據(jù)，利用Seadas 軟件對其做數(shù)據(jù)預處理，生產(chǎn)Rrc反射率產(chǎn)品，可根據(jù)成像角度（太陽天頂角、衛(wèi)星天頂角、相對方位角）評估耀光反射角度差異（圖8）。所有溢油圖像均處于強耀光反射背景條件下（θm≤12°），所有類型的溢油污染都與背景無油海水呈現(xiàn)強耀光反射下的亮對比特征，符合現(xiàn)有理論認知（圖8（a））。利用本研究算法，對MODIS 強耀光反射條件下的溢油信息進行識別提取，所有溢油信息都得到了有效的識別，且每個掃描窗口中的耀光反射空間分布差異也具有和CZI 圖像（圖6（b））一樣的特征（圖8（b））。利用本研究算法可有效消除這種干擾信息，從而實現(xiàn)強耀光反射對比條件下的溢油識別提取（圖8（c））。需要說明的是，在該研究區(qū)的粗空間分辨率圖像中，船舶航跡線、低粗糙度水體、漂浮藻類等的影響可以忽略，識別提取難度要小于CZI 圖像。此外，還需要特別指出的是，MODIS 圖像中的溢油面積，比HY-1C 的空間尺度要大很多，在算法應用過程中，還要把握好影像與溢油的圖幅范圍、比例以及算法參數(shù)的選擇（尤其是掃描窗口大小的設置）。上述分析表明，本方法在不同空間分辨率，不同溢油污染范圍、分異性與類型，不同耀光背景條件下，通過適當?shù)膮?shù)調(diào)整，能取得較好的識別提取效果。

圖8 基于2010年美國墨西哥灣MODIS強耀光數(shù)據(jù)中的溢油提取結果Fig.8 Optical extraction of oils spilled in the Gulf of Mexico in 2010 using MODIS 859 nm Rrc images with sunglint reflections

5 結 論

本文基于HY-1C 星CZI 載荷數(shù)據(jù)，針對中國近海與周邊海域的溢油事件開展了溢油識別提取算法研究。根據(jù)HY-1C 星CZI 載荷對溢油污染的響應特征，并對干擾因素的產(chǎn)生機理與規(guī)律進行詳細的分析，提出了一種基于耀光反射差異的海面溢油遙感識別提取算法，剔除了不同的干擾誤判信息，實現(xiàn)了海面溢油的有效提取。研究表明，基于耀光反射差異的溢油光學遙感識別提取方法，適用于較為復雜的水體環(huán)境，可以較好地去除油水反射率混淆、海面粗糙度異常、耀光反射空間分布差異明顯、漂浮藻類和船舶尾跡等多種干擾。本算法對弱耀光條件下的溢油具備識別分類的能力，能區(qū)分非乳化油膜和溢油乳化物等不同溢油污染類型，識別提取與分類精度較高。其中，弱耀光條件下油膜提取的平均精度為90.24%、乳化油的平均精度為80.55%。該算法還可用于空間分辨率較粗的MODIS 圖像，并可以實現(xiàn)強耀光對比下的溢油識別提取。HY-1C/D 雙星組網(wǎng)觀測能為中國近海提供3 天2 次的高頻次、大覆蓋、高空間分辨率光學遙感數(shù)據(jù)。隨著海洋溢油光學遙感機理與應用研究的成熟，國產(chǎn)自主海洋光學衛(wèi)星資料，必將在中國近海溢油污染業(yè)務化監(jiān)測應用中發(fā)揮越來越大的作用。