基于多指標(biāo)的海面溢油范圍在軌提取方法研究

董書莉 袁立男 賀強(qiáng)民 武文波 李陽 張斐然

基于多指標(biāo)的海面溢油范圍在軌提取方法研究

董書莉 袁立男 賀強(qiáng)民 武文波 李陽 張斐然

（北京空間機(jī)電研究所，北京 100094）

隨著海洋石油勘探開發(fā)和海洋運(yùn)輸活動(dòng)日益頻繁，海洋溢油污染已成為海洋環(huán)境的最主要威脅之一?，F(xiàn)有的海面溢油遙感監(jiān)測(cè)均基于下傳到地面的遙感數(shù)據(jù)進(jìn)行，很少做到在軌實(shí)時(shí)監(jiān)測(cè)溢油事故的發(fā)生以及變化，由于衛(wèi)星下傳數(shù)據(jù)帶寬有限，而遙感監(jiān)測(cè)具有高時(shí)效性要求，迫切需要提高星載在軌數(shù)據(jù)處理能力，實(shí)現(xiàn)溢油監(jiān)測(cè)。文章采用Landsat數(shù)據(jù)建立一種基于多指標(biāo)的海面溢油范圍提取方法，分為溢油光譜分析、基于自適應(yīng)參數(shù)的溢油提取指標(biāo)構(gòu)建、基于歸一化植被指數(shù)的溢油提取指標(biāo)構(gòu)建和單一指標(biāo)提取結(jié)果的加權(quán)融合四部分，最終獲取海面溢油范圍提取結(jié)果。通過對(duì)比不同方法下海面溢油的提取結(jié)果，文章提出的海面溢油提取方法可以快速去除陸表、云區(qū)和無油海面的影響，較準(zhǔn)確地提取出溢油區(qū)域。該算法復(fù)雜度較低、運(yùn)算過程無需占用大量的存儲(chǔ)資源，因此適用于在軌應(yīng)用。

海面溢油 自適應(yīng)參數(shù) 光譜分析 在軌提取 光學(xué)遙感

0 引言

隨著衛(wèi)星傳感器和遙感技術(shù)的發(fā)展，采用遙感數(shù)據(jù)進(jìn)行河流、湖泊和海洋等監(jiān)測(cè)愈來愈被重視。世界范圍內(nèi)每年都會(huì)有大量溢油事故發(fā)生，導(dǎo)致大量石油、原油等進(jìn)入海洋和陸地生態(tài)系統(tǒng)，通常會(huì)對(duì)海洋、陸地及大氣環(huán)境造成惡劣的影響。溢油事故來源有以下幾種：自然礦物溢油、石油管道泄漏溢油、輪船運(yùn)輸中溢油和石油開采平臺(tái)事故溢油等[1]。相較于傳統(tǒng)實(shí)地測(cè)量的方式，遙感海面溢油監(jiān)測(cè)不但可以節(jié)省大量人力和物力，還可以快速、準(zhǔn)確監(jiān)測(cè)大范圍溢油發(fā)生后海面油膜覆蓋范圍變化。

具有海面溢油監(jiān)測(cè)功能的傳感器有多種，如中分辨率成像光譜儀（Moderate-resolution Imaging Spectroradiometer，MODIS）、改進(jìn)的甚高分辨率輻射計(jì)（Advanced Very High Resolution Radiometer，AVHRR）、中分辨率光譜成像儀（Medium Resolution Spectral Imager，MERISI），以及陸地衛(wèi)星系列（Landsat）、“高分一號(hào)”衛(wèi)星（GF-1）、“海洋一號(hào)”衛(wèi)星、“風(fēng)云三號(hào)”衛(wèi)星等搭載的光學(xué)傳感器均可以監(jiān)測(cè)海面大區(qū)域內(nèi)溢油范圍[2]，紅外、紫外傳感器可以識(shí)別海上溢油位置和估算溢油面積[3]，微波輻射計(jì)[4]、高光譜儀和激光熒光傳感器可以監(jiān)測(cè)并模擬溢油相對(duì)厚度[5]。光學(xué)傳感器數(shù)據(jù)具有易于獲取、光譜信息豐富和分辨率較高的特點(diǎn)，大部分海面溢油監(jiān)測(cè)的研究工作主要基于光學(xué)遙感數(shù)據(jù)開展[6]。文獻(xiàn)[7]利用MODIS單通道數(shù)據(jù)進(jìn)行了多個(gè)海上溢油事件觀測(cè)分析，獲取了探測(cè)溢油信息的最佳波段，即405～420 nm波段；文獻(xiàn)[8]以海浪坡度統(tǒng)計(jì)模型（Cox-MunkCox-Munk）太陽耀斑模型為基礎(chǔ)，分析了海面油膜在太陽耀斑遙感圖像上的明暗變化特性，為采用光學(xué)遙感數(shù)據(jù)進(jìn)行溢油提取提供了方法；文獻(xiàn)[9]基于“環(huán)境一號(hào)”衛(wèi)星CCD數(shù)據(jù)，提出了光譜和紋理特征相結(jié)合的海上溢油提取模型，結(jié)果表明該方法較傳統(tǒng)方法精度提高了4.28%；文獻(xiàn)[10]以青島溢油事故為例，開展了基于GF-1衛(wèi)星的海上溢油定量監(jiān)測(cè)，并利用單波段數(shù)據(jù)模擬了油膜厚度數(shù)值。

由于可見光波段觀測(cè)特性限制，大氣中云層、霧、雨等均會(huì)干擾溢油信息提取結(jié)果，因此現(xiàn)有海上溢油研究多基于無云影像或云量較少的影像數(shù)據(jù)。此外，由于衛(wèi)星遙感圖像數(shù)據(jù)處理方案是將獲取到的遙感圖像進(jìn)行壓縮，然后下傳到地面站處理。當(dāng)前遙感衛(wèi)星采集的圖像分辨率越來越高，而下傳數(shù)據(jù)的帶寬有限，迫切需要提高星載計(jì)算機(jī)的數(shù)據(jù)處理能力[11-14]，提升現(xiàn)有遙感衛(wèi)星的自主性與靈活性，減少地面站對(duì)衛(wèi)星任務(wù)的干預(yù)，滿足未來遙感衛(wèi)星對(duì)高機(jī)動(dòng)性、高應(yīng)急性、高時(shí)效的要求，在海面溢油監(jiān)測(cè)領(lǐng)域發(fā)揮更大作用。

本文采用Landsat衛(wèi)星數(shù)據(jù)建立一種基于多指標(biāo)的海面溢油范圍提取方法，其具有遙感影像云量要求低、實(shí)時(shí)處理、自適應(yīng)調(diào)整提取閾值和算法運(yùn)算時(shí)間短的優(yōu)勢(shì)。該方法針對(duì)海上溢油區(qū)在遙感成像上亮度值小于周圍未發(fā)生溢油海面亮度值的特性，首先分析Landsat衛(wèi)星數(shù)據(jù)可見光和近紅外波段對(duì)油膜的敏感性；然后采用溢油敏感波段分別建立兩個(gè)溢油范圍提取指標(biāo)，其中單一指標(biāo)均可獲取海面溢油初步提取結(jié)果；最后，將多個(gè)指標(biāo)的初步結(jié)果進(jìn)行加權(quán)融合，以獲取海面溢油范圍最終結(jié)果。該方法包含四個(gè)步驟，分別為溢油區(qū)域光譜分析、構(gòu)建自適應(yīng)參數(shù)溢油提取指標(biāo)、構(gòu)建歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）的溢油提取指標(biāo)和單一指標(biāo)提取結(jié)果的加權(quán)融合，最終獲取海面溢油范圍提取結(jié)果，為海上溢油預(yù)警及后續(xù)溢油面積估計(jì)、溢油量估算提供數(shù)據(jù)支持。

1 數(shù)據(jù)與研究方法

1.1 研究區(qū)與數(shù)據(jù)概況

2006年7月13日—15日，由于黎巴嫩與以色列的軍事沖突，黎巴嫩首都貝魯特南部的熱能中心（發(fā)電廠）先后兩次遭到轟炸。爆炸使得用于發(fā)電的重油發(fā)生泄漏，漏油量約為30 000 t，污染了周邊幾百公里海域，嚴(yán)重危害了自然環(huán)境、海洋生物多樣性以及人類健康。

為充分觀測(cè)溢油發(fā)生前后海表變化情況，本文選取2006年7月10日—30日的Landsat 5 TM和Landsat 7 ETM+數(shù)據(jù)進(jìn)行海面溢油范圍提取。Landsat數(shù)據(jù)可從美國地質(zhì)調(diào)查局（The U.S. Geological Survey，USGS）官方網(wǎng)站下載，且下載的遙感影像已經(jīng)過幾何校正和輻射校正，云覆蓋范圍小于30%，分辨率為30 m，波段為藍(lán)（0.45～0.52 μm）、綠（0.52～0.60 μm）、紅（0.63～0.69 μm）和近紅外（0.76～0.90 μm），記為B1～B4。研究區(qū)域范圍為東經(jīng)35°10′～35°50′，北緯33°30′～34°15′。

1.2 海面溢油提取方法

本文建立了一種基于多指標(biāo)的海面溢油范圍提取方法，該方法通過溢油光譜數(shù)據(jù)分析、不同波段間光譜特性的區(qū)別，分別建立了兩類溢油提取指標(biāo)：自適應(yīng)參數(shù)指標(biāo)和NDVI指標(biāo)。最終通過對(duì)兩類指標(biāo)的加權(quán)融合，實(shí)現(xiàn)海面溢油范圍的提取。圖1為本文的技術(shù)路線，輸入數(shù)據(jù)為Landsat B1～B4波段數(shù)據(jù)，由于衛(wèi)星觀測(cè)幅寬通常遠(yuǎn)大于溢油區(qū)域面積，為節(jié)約星上計(jì)算力、時(shí)間資源，首先需在地面預(yù)先通過光譜分析手段判別溢油識(shí)別最佳波段為B2～B4，并篩選溢油區(qū)域；接下來分別構(gòu)建兩類判別指標(biāo)進(jìn)行溢油范圍提取，得到初步提取結(jié)果；然后，將兩者加權(quán)融合以獲取海上溢油范圍提取最終結(jié)果。加權(quán)融合采用兩類單一指標(biāo)提取初步結(jié)果，按2︰1的比例進(jìn)行融合以獲取海面溢油最終提取結(jié)果。這里的權(quán)重設(shè)置是基于多次實(shí)驗(yàn)統(tǒng)計(jì)分析結(jié)果得出，權(quán)重值相對(duì)簡單且能取得準(zhǔn)確的海面溢油提取范圍。

圖1 基于多指標(biāo)的海面溢油提取技術(shù)路線

（1）基于自適應(yīng)參數(shù)的溢油范圍提取指標(biāo)構(gòu)建

基于自適應(yīng)參數(shù)的溢油范圍提取主要包含四個(gè)部分，分別為根據(jù)圖像量化數(shù)值（Digital Number，DN）計(jì)算B1～B4波段輻射亮度、圖像梯度估算、判別云層影響及去除和溢油范圍提取。各波段輻射亮度可根據(jù)理論公式計(jì)算如下

圖像梯度可以表示圖像每一像素點(diǎn)向不同方向上的灰度變化速度，同一窗口區(qū)域內(nèi)性質(zhì)越穩(wěn)定的圖像，它的灰度變化率越小[15-19]。對(duì)于平坦的大尺度海面區(qū)域，其灰度梯度參數(shù)的值較小。而當(dāng)海面存在溢油區(qū)域時(shí)，溢油區(qū)域亮度值低于周圍海表亮度值，圖像的灰度變化率將產(chǎn)生一定變化，理論上保持一種先減小再增加的趨勢(shì)，這種變化規(guī)律有助于判斷海面溢油范圍。文章根據(jù)梯度向量模理論公式計(jì)算各波段輻射亮度的梯度模，驗(yàn)證了上述溢油區(qū)的低亮度性質(zhì)。

此外，大氣中云層較厚的區(qū)域在光學(xué)遙感影像中一般表現(xiàn)為高亮度，甚至存在過曝光。由于云區(qū)的影像輻射亮度值較大，在海面溢油提取時(shí)需去除云區(qū)影響，以提高溢油提取的準(zhǔn)確度。類似地，相對(duì)平坦的海表區(qū)域，沿海陸表區(qū)域性質(zhì)復(fù)雜，在溢油提取前應(yīng)進(jìn)行陸表區(qū)域判別并加以去除。在上述提取云區(qū)和陸表的基礎(chǔ)上，進(jìn)行海上溢油范圍提取。由于本文算法針對(duì)運(yùn)行環(huán)境構(gòu)建，考慮到星上計(jì)算力、時(shí)間以及內(nèi)存資源有限，無法存儲(chǔ)大量或大面積影像，故建立一種基于行判斷的海上溢油提取算法。同時(shí)對(duì)于閾值的設(shè)置，大部分海上溢油提取采用固定閾值，這種方法需要人工處理大量數(shù)據(jù)獲取數(shù)值，不但浪費(fèi)人力資源、時(shí)間資源，還需要及時(shí)上注參數(shù)，增加星上資源需求。此外，固定閾值通常僅適用于某一類溢油事件，閾值可能面臨依賴溢油性質(zhì)經(jīng)常調(diào)整的缺陷。因此，本文在設(shè)置提取算法時(shí)，盡量選擇自適應(yīng)參數(shù)。該算法每次存儲(chǔ)3行數(shù)據(jù)，首先是針對(duì)每行進(jìn)行中位數(shù)以及均值的計(jì)算，并根據(jù)此數(shù)值構(gòu)建判別算子，提取一定范圍內(nèi)輻射亮度作為溢油區(qū)域。判別算子如下

（2）基于NDVI的溢油范圍提取指標(biāo)構(gòu)建

與上述基于行的溢油提取算法不同，基于NDVI的溢油范圍提取方法是針對(duì)反射率結(jié)果開展的，包含根據(jù)圖像DN值計(jì)算B1～ B4波段反射率、NDVI估算、判別云層影響及去除和溢油范圍提取四部分。每個(gè)波段反射率根據(jù)式（5）計(jì)算

在衛(wèi)星遙感影像上，溢油區(qū)域的油膜反射率和海表植被反射率通常較為接近，而僅采用單一指標(biāo)無法準(zhǔn)確判別油膜和海表植被。而NDVI是植被遙感方面成熟的植被指數(shù)，其采用紅色通道和近紅外通道輻射率或反射率表征植被特性[20-21]。紅色通道是葉綠素強(qiáng)吸收波段，近紅外通道在植被區(qū)域具有較高反射率，故NDVI在識(shí)別植被的研究中使用較廣泛。本文基于NDVI指數(shù)進(jìn)行溢油范圍判別，以提高海上溢油判別的準(zhǔn)確性和精度。NDVI計(jì)算公式[22-23]如下

針對(duì)計(jì)算的NDVI數(shù)據(jù)，首先進(jìn)行歸一化處理，保證數(shù)據(jù)處于0～1值域內(nèi)?；谳椛鋫鬏斃碚?，陸表、云或未溢油海面在B3和B4波段的反射率相差較大，而溢油區(qū)域在這兩個(gè)波段的反射率相差較小，因此油膜區(qū)域NDVI值較小。本文中將判別閾值設(shè)置為0.15，即認(rèn)為NDVI大于0.15的地物為陸表、云或未溢油海面，詳細(xì)分類這里不再贅述，而NDVI小于0.15為海上溢油區(qū)。

2 溢油光譜分析與提取結(jié)果

2.1 溢油區(qū)光譜分析

光譜特征是海面溢油目視解譯的基礎(chǔ)，對(duì)于經(jīng)過大氣輻射校正的遙感影像，影像中單一像元的亮度值、反射率等均可以反映海面各物質(zhì)的輻射特性。海面發(fā)生溢油事故情況下，油膜常常依附于海水之上存在，油膜與海水的反射率差值越大，則成像后遙感影像中溢油區(qū)域越明顯。圖2為Landsat B1～B4共四個(gè)波段，經(jīng)過灰度增強(qiáng)后反射率圖像對(duì)比?？梢钥闯?，B1波段溢油區(qū)域與海水區(qū)域差異不明顯，油膜反射率稍小于海水反射率；B2波段的油膜反射率與海水反射率之間差異增大，可在圖像中區(qū)分溢油區(qū)；B3和B4波段油膜反射率遠(yuǎn)小于海水反射率，兩者比值小于1，同時(shí)在圖像中油膜區(qū)域顏色較海水區(qū)域暗。通過查閱相關(guān)資料可知[24]，2006年發(fā)生在黎巴嫩的海面溢油事故所泄漏的石油種類為重油，包含蠟質(zhì)較多，故遙感反射率圖像上呈現(xiàn)出油膜區(qū)域比無油膜處海水區(qū)域顏色深的結(jié)果。圖3為Landsat B1～B4四個(gè)波段的經(jīng)過灰度增強(qiáng)后輻射亮度圖像對(duì)比，與圖2中四個(gè)波段變化趨勢(shì)基本保持一致。

圖2 不同波段反射率對(duì)比

圖3 不同波段輻射亮度對(duì)比

為定量化海水與油膜在遙感影像中顯示差異，并確定溢油提取的最佳波段，本文分別選取特定研究區(qū)域在溢油事故發(fā)生前后的采集樣本點(diǎn)，并計(jì)算樣本區(qū)域反射率均值，做出如圖4所示溢油區(qū)油膜與無油區(qū)域海表反射率的對(duì)比結(jié)果。圖4（a）～（d）分別為B1、B2、B3和B4波段，橫軸表示49個(gè)樣本區(qū)域，每個(gè)樣本區(qū)域尺寸為7像元×7像元。針對(duì)圖4（a）可以發(fā)現(xiàn)，前30個(gè)采樣區(qū)域的無油海面反射率大于油膜反射率，且兩者差異逐漸減小；第30～35個(gè)采樣區(qū)，無油海面反射率稍小于油膜反射率；而第35～49個(gè)采樣區(qū)，無油海面反射率稍大于油膜反射率，兩者差值基本保持穩(wěn)定，表明B1藍(lán)波段與油膜之間無固定變化關(guān)系。針對(duì)圖4（b）可以發(fā)現(xiàn)，前35個(gè)和第40～49個(gè)樣本區(qū)域的無油海面反射率大于油膜反射率，第35～40個(gè)樣本區(qū)域的油膜反射率大于無油海面；此外，與B1相比，海面與油膜的差異變得明顯。針對(duì)圖4（c），49個(gè)樣本區(qū)域的無油海面反射率均大于油膜反射率，且除了前10個(gè)樣本區(qū)域，兩者反射率數(shù)值差異基本保持一致。針對(duì)圖4（d），49個(gè)樣本區(qū)域的無油海面反射率均大于油膜反射率，且兩者差值幾乎保持穩(wěn)定。經(jīng)過分析油膜與無油海面在藍(lán)、綠、紅和近紅外四個(gè)波段的反射率可以看出，油膜與無油海面在藍(lán)波段變化較大，無明顯規(guī)律；油膜與無油海面在綠波段反射率逐漸開始穩(wěn)定，保持一定差距；油膜與無油海面在紅波段和近紅外的反射率差異較明顯，有明顯變化規(guī)律，可以明確識(shí)別油膜與無油海面的特征。因此，本文選擇綠、紅和近紅外波段構(gòu)建海面溢油范圍識(shí)別算法。

圖4 四個(gè)波段反射率量化值對(duì)比

2.2 海面溢油范圍提取結(jié)果

圖5為兩類指標(biāo)的海面溢油范圍提取結(jié)果。經(jīng)過光譜分析，本文確定B2～B4作為海面溢油提取的最佳波段，然后基于此三個(gè)波段構(gòu)建了基于自適應(yīng)參數(shù)的溢油范圍提取結(jié)果，如圖5（a）所示。相比于圖2和圖3，通過溢油提取算法可以直接去除影像中陸表、云區(qū)和無油海面區(qū)域，直接提取含油膜的區(qū)域。油膜區(qū)域中顏色的深淺表示油膜的薄厚，一般來說，顏色深的區(qū)域?yàn)橛湍ぽ^厚的區(qū)域，顏色較淺的區(qū)域?yàn)橛湍は鄬?duì)較薄的區(qū)域。基于NDVI的溢油提取算法，結(jié)果如圖5（b）所示。由圖5（b）可以看出，基于NDVI的溢油提取范圍大于基于自適應(yīng)參數(shù)的溢油提取結(jié)果，這可能是因?yàn)镹DVI是表征植被參數(shù)的指數(shù)，其對(duì)海面各類植物比較敏感。沿海岸一般植被較多，海面水草、浮游植物等較豐富，因此溢油范圍提取結(jié)果擴(kuò)大，包含一些靠近陸表的海面區(qū)域。

為了分析NDVI對(duì)溢油提取的影響，本文對(duì)比分析了陸表、云區(qū)、溢油區(qū)和無油海面的NDVI數(shù)值，如表1所示。影像采集時(shí)間分別為2006-07-09、2006-07-17和2006-07-25，溢油事故發(fā)生于2006-07-13至2006-07-15左右，2006-07-09未發(fā)生溢油，成像品質(zhì)較好，無云層影響。由表1可以看出：陸表及陸表植被的NDVI數(shù)值大于0，溢油區(qū)、無油海表和云區(qū)的NDVI小于0，因此可以根據(jù)NDVI數(shù)值判別陸表區(qū)域。由不發(fā)生溢油的區(qū)域可以發(fā)現(xiàn)，云區(qū)NDVI數(shù)值小于無油海面，相差一個(gè)數(shù)量級(jí)，而對(duì)比發(fā)生溢油的影像，油膜的NDVI數(shù)值明顯小于無油海面，可根據(jù)此規(guī)律進(jìn)行海面區(qū)域中油膜的提取。

表1 不同地物類型的NDVI對(duì)比

Tab.1 The NDVI comparison of NDVI among different land types

為獲取較可靠的海面溢油范圍，本文將上述兩類溢油提取初步結(jié)果按2︰1的比例加權(quán)融合，得到海面溢油范圍最終提取結(jié)果，如圖6所示。通過與文獻(xiàn)資料記載的海上溢油事件發(fā)生時(shí)間、經(jīng)度、緯度和大致范圍等信息對(duì)比，本文提取的溢油范圍是真實(shí)且有效的。由圖6可知，溢油提取結(jié)果中可以看出明顯的油膜，并通過顏色深淺識(shí)別油膜的薄厚。此外，提取結(jié)果中不包含陸表、云區(qū)和無油海面等干擾區(qū)域，可以為后續(xù)估算溢油面積、油膜厚度和溢油量提供基礎(chǔ)數(shù)據(jù)。經(jīng)過溢油處理算法，可以很快確定海面任意一幅影像中是否存在溢油現(xiàn)象，以針對(duì)海面溢油事故做出快速預(yù)警及應(yīng)對(duì)措施。

圖6 海面溢油范圍提取結(jié)果

2.3 溢油提取結(jié)果評(píng)估

為驗(yàn)證本文提取海面溢油范圍的有效性，選取光譜特征與紋理特征結(jié)合的決策樹方法[9]、基于光譜信息的溢油提取方法[10]與基于多指標(biāo)的海面溢油提取方法對(duì)比分析。結(jié)果表明，本文的溢油提取算法復(fù)雜度低、簡單快捷且提取效果較好，模型中輸入一幅圖像，可自動(dòng)提取溢油區(qū)域。通過對(duì)比三類海上溢油提取算法，可以發(fā)現(xiàn)基于光譜信息的溢油提取方法程序較小，運(yùn)算時(shí)間較短，而本文建立方法和光譜特征與紋理特征結(jié)合的決策樹方法運(yùn)算時(shí)間相差無幾。而光譜特征與紋理特征結(jié)合的決策樹方法和基于光譜信息的溢油提取方法，需根據(jù)溢油種類、光照條件、場(chǎng)景特征等參數(shù)，不斷調(diào)整閾值以獲取較好的結(jié)果，提取過程中耗費(fèi)一定人力、時(shí)間成本。此外，光譜特征與紋理特征結(jié)合的決策樹方法和基于光譜信息的溢油區(qū)域提取，由于采用一定閾值判別像元是否為溢油像元，存在較大偶然性，通常會(huì)把近海岸亮度值較低的陸表區(qū)域判別為溢油區(qū)，造成提取誤差。圖7為三種海面溢油提取方法誤檢情況對(duì)比。通過參考海面溢油事件發(fā)生經(jīng)緯度等信息，統(tǒng)計(jì)出錯(cuò)誤檢測(cè)溢油像元數(shù)據(jù)，計(jì)算了溢油提取算法的誤檢率?；诠庾V信息的溢油提取方法在近海岸陸表的誤檢率約為0.06%，而本文基于多指標(biāo)的海面溢油提取方法和光譜特征與紋理特征結(jié)合的決策樹方法不存在這個(gè)問題。

圖7 三種海面溢油提取方法誤檢情況對(duì)比

3 結(jié)束語

本文研究了Landsat可見光和近紅外波段的光譜特征，確定溢油提取的最佳波段為B2～B4，并建立一種基于多指標(biāo)的海面溢油提取方法。通過對(duì)比幾種經(jīng)典的溢油提取方法，基于光譜特征與紋理特征結(jié)合的決策樹方法和基于光譜信息的方法存在把近海岸亮度值較低的陸表區(qū)域判別為溢油區(qū)的現(xiàn)象。本文提出的海面溢油提取方法可以快速準(zhǔn)確地提取海面溢油范圍，算法復(fù)雜度低、且無需大量的先驗(yàn)參數(shù)，為海面溢油監(jiān)測(cè)和面積估算等相關(guān)研究提供了參考。同時(shí)，由于本文關(guān)注的溢油種類為重油，符合此類溢油事件的遙感數(shù)據(jù)資源有限，因此文章僅以1個(gè)事件為例分析海上溢油提取，后續(xù)在軌實(shí)施與應(yīng)用將對(duì)其他溢油種類提取算法開展深入的研究。

[1] ZHANG M, WU J, LIN X, et al. A Multi-stage Oil-water-separating Process Design for the Sea Oil Spill Recovery Robot[J]. IOP Conference Series: Earth and Environmental Science, 2018, 128: 012135.

[2] 吳曉丹, 宋金明, 李學(xué)剛, 等. 海上溢油量獲取的技術(shù)方法[J]. 海洋技術(shù), 2011, 30(2): 50-58. WU Xiaodan, SONG Jinming, LI Xuegang, et al. Technical Methods for Marine Oil Spill Quality Capture[J]. Ocean technology, 2011, 30(2): 50-58. (in Chinese)

[3] 葉舟, 劉力, 魏傳新, 等. 多種薄油膜光譜反射率特性外場(chǎng)測(cè)試方法及結(jié)果分析[J]. 光譜學(xué)與光譜分析, 2015, 35(5): 1695-1699. YE Zhou, LIU Li, WEI Chuanxin, et al. Experimental Methods and Result Analysis of a Variety of Spectral Reflectance Properties of the Thin Oil Film[J]. Spectroscopy and Spectral Analysis, 2015, 35(5): 1695-1699. (in Chinese)

[4] 王少波, 嚴(yán)衛(wèi), 艾未華, 等. 基于微波輻射計(jì)的海面溢油監(jiān)測(cè)研究[J]. 遙感技術(shù)與應(yīng)用, 2014, 29(1): 94-99. WANG Shaobo, YAN Wei, AI Weihua, et al. Oil Spill Detection with Brightness Temperature of the AMSR-E[J]. Remote Sensing Technology and Application, 2014, 29(1): 94-99. (in Chinese)

[5] 劉德慶, 欒曉寧, 郭金家, 等. 一種面向港口溢油監(jiān)測(cè)的小型激光熒光遙測(cè)系統(tǒng)[J]. 海洋科學(xué), 2018, 42(2): 65-69. LIU Deqing, LUAN Xiaoning, GUO Jinjia, et al. A Small LIF Remote Detection System for Port Oil Spill Monitoring[J]. Marine Sciences, 2018, 42(2): 65-69. (in Chinese)

[6] 陳輝, 趙朝方. MODIS多光譜信息在海上溢油檢測(cè)中的研究[J]. 海洋湖沼通報(bào), 2009, 3: 46-52. CHEN Hui, ZHAO Chaofang. Research on MODIS Multispectral Information in Offshore Oil Spill Detection[J]. Transactions of Oceanology and Limnology, 2009, 3: 46-52. (in Chinese)

[7] 陳輝. MODIS數(shù)據(jù)對(duì)海上溢油事件的觀測(cè)[D]. 青島: 中國海洋大學(xué), 2008. CHEN Hui. Detection of Several Marine Oil Spill Cases by MODIS Data[D]. Qiangdao: Ocean University of China, 2008. (in Chinese)

[8] 安超. 光學(xué)遙感溢油檢測(cè)機(jī)理及實(shí)例分析[D]. 青島: 中國海洋大學(xué), 2013. AN Chao. The Mechanism of Optical Remote Sensing in Oil Spill Detection and Case Studies[D]. Qingdao: Ocean University of China, 2013. (in Chinese)

[9] 蓋穎穎, 周斌, 孫元芳, 等. 基于HJ-CCD數(shù)據(jù)的海面溢油提取方法研究[J]. 國土資源遙感, 2014, 26(2): 99-104. GAI Yingying, ZHOU Bin, SUN Yuanfang, et al. Study of Extraction Methods for Ocean Surface Oil Spill Using HJ-CCD Data[J]. Remote Sensing for Land and Resources, 2014, 26(2): 99-104. (in Chinese)

[10] 黃可, 潘琦, 張靜蕓, 等. 基于GF-1衛(wèi)星的海上溢油定量監(jiān)測(cè)——以青島溢油事故為例[J]. 海洋通報(bào), 2020, 39(2): 265-271. HUANG Ke, PAN Qi, ZHANG Jingyun, et al. Quantitative Monitoring in Oil Spill Incidents Based on GF-1 Satellite: Qingdao Oil Spill Accident Case[J]. Marine Science Bulletin, 2020, 39(2): 265-271. (in Chinese)

[11] 徐偉偉, 張超, 陳卓, 等. 基于反射點(diǎn)源陣列的光學(xué)遙感衛(wèi)星在軌輻射定標(biāo)方法[J]. 航天返回與遙感, 2022, 43(1): 98-107. XU Weiwei, ZHANG Chao, CHEN Zhuo, et al. On-orbit Radiometric Calibration of Optical Remote Sensing Satellite Using an Array of Reflected Point Sources[J]. Spacecraft Recovery & Remote Sensing, 2022, 43(1): 98-107. (in Chinese)

[12] 薛武, 趙玲, 王鵬. 星地協(xié)同光學(xué)遙感影像目標(biāo)識(shí)別技術(shù)驗(yàn)證研究[J]. 航天返回與遙感, 2021, 42(3): 128-137. XUE Wu, ZHAO Ling, WANG Peng. Satellite-earth Coordinated On-orbit Intelligent Target Recognition of Optical Remote Sensing Images[J]. Spacecraft Recovery & Remote Sensing, 2021, 42(3): 128-137. (in Chinese)

[13] 韓璐瑤, 譚嬋, 劉云猛, 等. 在軌實(shí)時(shí)空間目標(biāo)檢測(cè)算法研究[J]. 航天返回與遙感, 2021, 42(6): 122-131. HAN Luyao, TAN Chan, LIU Yunmeng, et al. Research on the On-orbit Real-time Space Target Detection Algorithm[J]. Spacecraft Recovery & Remote Sensing, 2021, 42(6): 122-131. (in Chinese)

[14] ZHANG T L, GUO J, CHI Y L, et al. Dynamic Threshold Oil Spill Detection Algorithm for Landsat ETM+[C]//IGARSS 2019—2019 IEEE International Geoscience and Remote Sensing, July 28-Augest 2. 2019, Yokohama, Japan.IEEE, 2019: 1486-1489.

[15] PETROVIC′ V S, XYDEAS C S. Gradient-Based Multiresolution Image Fusion[J]. IEEE Transactions on Image Processing, 2004, 13(2): 228-237.

[16] KOU F, CHEN W, WEN C, et al. Gradient Domain Guided Image Filtering[J]. IEEE Transactions on Image Processing, 2015, 24(11): 4528-4539.

[17] 丁暢, 董麗麗, 許文海. 圖像梯度場(chǎng)雙區(qū)間均衡化的細(xì)節(jié)增強(qiáng)[J]. 電子學(xué)報(bào), 2017, 45(5): 1165-1174. DING Chang, DONG Lili, XU Wenhai. Image Detail Enhancement by Gradient Field Bi-interval Equalization[J]. Acta Electronic Sinica, 2017, 45(5): 1165-1174. (in Chinese)

[18] 李穎, 蘭國新, 劉丙新. 輔以紋理特征的HJ-CCD海上溢油信息提取——以PL19-3溢油為例[J]. 中國環(huán)境科學(xué), 2012, 32(8): 1514-1520. LI Ying, LAN Guoxin, LIU Bingxin. Oil Spill Information Extraction Combined with Texture Features from HJ-CCD Sensors—A Case Study in PL19-3 Oil Spill Incident[J]. China Environmental Science, 2012, 32(8): 1514-1520. (in Chinese)

[19] 毛冰晶, 陳小梅, 薛博, 等. 基于遙感圖像梯度特征的運(yùn)動(dòng)模糊檢測(cè)方法[J]. 北京理工大學(xué)學(xué)報(bào), 2013, 33(10): 1083-1092. MAO Bingjing, CHEN Xiaomei, XUE Bo, et al. Detection Method of Motion Blur Based on Remote Sensing Image Gradient Characteristic[J]. Transactions of Beijing Institute of Technology, 2013, 33(10): 1083-1092. (in Chinese)

[20] ZHAO D Z. Application of NDVI to Detecting Algal Bloom in the Bohai Sea of China from AVHRR[C]//Ocean Remote Sensing and Applications, October 24-26, 2002, Hangzhou, China. PSISDG, 2003: 241-246.

[21] 黃君, 周新志. 二維散點(diǎn)一分類NDVI法的邛海湖面積估算研究[J]. 計(jì)算機(jī)工程與應(yīng)用, 2009, 45(35): 240-242. HUANG Jun, ZHOU Xinzhi. Area Estimation of Qionghai by Using 2-D Scattered Points-classification NDVI Method[J]. Computer Engineering and Applications, 2009, 45(35): 240-242. (in Chinese)

[22] 欒海軍, 田慶久, 余濤, 等. 基于分形理論的NDVI連續(xù)空間尺度轉(zhuǎn)換模型研究[J]. 光譜學(xué)與光譜分析, 2013, 33(7): 1857-1862. LUAN Haijun, TIAN Qingjiu, YU Tao, et al. Modeling Continuous Scaling of NDVI Based on Fractal Theory[J]. Spectroscopy and Spectral Analysis, 2013, 33(7): 1857-1862. (in Chinese)

[23] 涂又, 姜亮亮, 劉睿, 等.1982—2015年中國植被NDVI時(shí)空變化特征及其驅(qū)動(dòng)分析[J].農(nóng)業(yè)工程學(xué)報(bào), 2021, 37(22): 75-84. TU You, JIANG Liangliang, LIU Rui, et al. Spatiotemporal Changes of Vegetation NDVI and Its Driving Forces in China During 1982—2015[J].Transactions of the Chinese Society of Agricultural Engineering, 2021, 37(22): 75-84. (in Chinese)

[24] 韓坤. MODIS溢油監(jiān)測(cè)研究[D].大連: 大連海事大學(xué), 2008. HAN Kun. Research on Oil Spills Monitoring Using MODIS[D].Dalian: Dalian Maritime University, 2008. (in Chinese)

Study on the On-Orbit Extraction Method of Sea Oil Spill Coverage Based on Multiple Indexes

DONG Shuli YUAN Linan HE Qiangmin WU Wenbo LI Yang ZHANG Feiran

(Beijing Institute of Space Mechanics & Electricity, Beijing 100094, China)

With the increasing frequency of offshore oil exploration and development and marine transportation activities, the sea oil spill pollution has become one of the most important threats to marine environment. The existing remote sensing monitoring of sea oil spill is mostly based on remote sensing data downloaded to ground, but it is seldom able to monitor the occurrence and change of oil spill on orbit. Due to the limited broadband of satellite down-transmission data and high timeliness need of remote sensing monitoring, it is urgent to improve the on-orbit data processing capacity to realize on-orbit oil spill monitoring. In this study, an on-orbit extraction method of sea oil spill range based on multiple indexes is developed. The method contains four parts, including oil spill spectral analysis and region clipping, oil spill extraction based on gradient, oil spill extraction based on NDVI, and weighted fusion, and the sea oil spill extraction results show that the method developed in this paper can quickly remove the influence of land surface, clouds area, and oil-free sea surface, and extract the oil spill area more accurately. The algorithm has low complexity and does not require a large amount of storage resources. Therefore, it is suitable for on-orbit applications.

sea oil spill; adaptive parameters; spectral analysis; on-orbit extraction; optical remote sensing

P71

A

1009-8518(2023)04-0103-10

10.3969/j.issn.1009-8518.2023.04.011

2022-08-17

科技部課題（2022YFF0708004）

董書莉, 袁立男, 賀強(qiáng)民, 等. 基于多指標(biāo)的海面溢油范圍在軌提取方法研究[J]. 航天返回與遙感, 2023, 44(4): 103-112.

DONG Shuli, YUAN Linan, HE Qiangmin, et al. Study on the On-Orbit Extraction Method of Sea Oil Spill Coverage Based on Multiple Indexes[J]. Spacecraft Recovery & Remote Sensing, 2023, 44(4): 103-112. (in Chinese)

董書莉，女，1985年生，2011年獲得南京航空航天大學(xué)測(cè)試計(jì)量技術(shù)與儀器專業(yè)碩士學(xué)位，高級(jí)工程師。研究方向?yàn)檫b感器在軌圖像預(yù)處理技術(shù)、信息提取技術(shù)等。E-mail：331329312@qq.com。

（編輯：龐冰）