輔以紋理特征的HJ-CCD海上溢油信息提取——以PL19-3溢油為例

李 穎,蘭國新,劉丙新 (大連海事大學環境信息研究所,遼寧 大連 116026)

相較于微觀溢油檢測方法[1],衛星遙感雖然受限于大氣環境的影響,但是可連續提供溢油污染的宏觀信息,更適于溢油監測與跟蹤[2].光學衛星遙感以多光譜、高光譜傳感器為主,可提供地物目標的光譜信息,進行污染監測[3].在溢油監測中,光學衛星遙感可提供油膜和海水特有的光譜信息,多類型數據產品提供油膜厚度、走勢、海表面粗糙度信息,能有效區分大型海藻等造成的假目標[4].目前利用NASA提供的MODIS數據以及NOAA數據,對NW Gulf of Mexico[5]、Lake Maracaibo, Venezuela[6]、波斯灣戰爭期間的原油溢出[7-8]等自然溢油和人為溢油進行了成功的監測;在大連新港溢油事故中,國家環境減災衛星(簡稱HJ衛星,下同)發揮了重要作用.現有的研究集中于挖掘溢油目標的光譜特征信息,采取通道組合、計算等方法以期獲得良好結果[5-6,8-9].對于多光譜影像而言,其通道設置較少,通道寬度大,加之海上溢油目標與周圍背景海水對比度較低,僅僅依賴溢油目標的光譜特征進行溢油信息提取,往往面臨困境.

目前,研究高分辨率衛星影像的紋理特征分析方法,探討基于紋理的信息發掘技術,已經成為遙感研究的一個重要內容[10].已有研究表明,采用光譜特征與紋理分析相結合的方法,能夠提高遙感分類的精度[10-12].大多數紋理特征分析算法都是針對灰度影像或者單波段影像進行分析,很少涉及多光譜或高光譜影像.而從理論上說,多光譜影像中包含豐富和精確細致的光譜信息,以光譜特性變化表達紋理,能夠更加準確、真實反映地物的位置、形狀,為地物目標的解譯準備完善的資料[10,13].Hu等[5],Guillem等[14]指出在可見光近紅外圖像中,太陽耀光的存在有利于探測海面和浮油.其探測原理為基于類似于SAR的后向散射原理,即基于海面浮油對波譜的調制,且這種調制只有在太陽耀光存在下才能被觀測到.這樣,輔以紋理特征探測算法可用于光學遙感監測中,將有效改善其監測能力.

本研究從以上問題出發,選擇位于渤海的蓬萊19-3油田溢油事故為研究對象,基于HJ1A/1B的30m分辨率多光譜數據,嘗試在溢油目標提取過程中,引入方向性紋理特征分析,將主成分光譜降維、方向性紋理邊緣檢測等技術相結合,發展基于光譜與紋理特征的溢油信息提取技術.

1 數據與方法

1.1 數據收集

2011年6月4日,位于渤海的由中國海洋石油總公司和美國康菲石油公司的全資子公司康菲石油中國有限公司合作開發的蓬萊 19－3油田發生溢油事故.經國家海洋局認定該起事故屬于責任事故,油田B平臺和C平臺至今已溢出超過2500桶(400m3)的原油.事故發生后,本研究通過中國資源衛星應用中心(www.cresda.com)下載了多景HJ1A/1B的30m分辨率多光譜數據,選擇目標區域無云/少云數據(表1),對事故初期的大量溢油分布進行了提取(圖1).在多光譜遙感圖像中,相對于背景海水,油膜具有高折射率和吸收特征.這些特征受到油種、油厚、光照和觀測角度、水體特質及海況影響,因此光學遙感具備分辨溢油位置、油厚、油種(輕質油、重質油)等潛力[14-18].圖 1表明了油厚、乳化狀態對光學表征的影響.圖1(a)獲取時間為2011年6月13日,溢油發生初始時間為2011年6月4日,圖像表征了光學遙感具備監測分散于水體中薄油膜的能力,且乳化油灰度值一定高于背景海水的特征[19],圖1(b)說明同一種油因厚度和乳化狀態改變圖像目標對比度.圖中①為薄油膜,且可能為乳化油.②為厚油膜.同時圖 1亦表明光學遙感中云層會阻隔溢油目標信號,影響油膜監測能力.

表1 覆蓋事故區的HJ-CCD數據Table 1 Statistics of HJ-CCD satellites images

圖1 蓬萊19-3溢油事故區及光學衛星遙感監測能力示例Fig.1 Optical image samples of oil slicks detected in Penglai 19-3 oil field

1.2 研究方案

在光學影像中,圖像紋理代表地物目標分布在波譜空間中的表現形式,紋理信息表現為圖像灰度在空間上的變化或重復,或圖像中反復出現的局部模式(紋理單元)及其排列規則[20].其特征可用對比度(contrast)、粗細度(coarseness)、規則性(regularity)、粗糙度(roughness)、方向性(directionality)、凹凸性(indention)等指標描述[21].本文首先采用主成分分析,實現光譜降維,用第一主成分來代替相關性較大的多個原始波段,在進行紋理處理前充分保留光譜信息.引入方向性紋理特征分析,采用方向梯度算子(0°,45°,90°,135°)進行紋理刻畫,結果圖像為邊緣強度圖像.對于圖像函數f(x,y),在象元點(x,y)處的梯度定義為:

以0°與90°方向梯度為例,梯度算子表達如下:

本文采用的4個方向3×3算子如下[22]:

圖2 4方向梯度算子Fig.2 Four-directional filter

圖3 輔以紋理特征的光學遙感溢油信息提取方案Fig.3 Proposal of oil spill information extraction

上述3×3算子檢測的邊緣過于細致,故這里采用大一些尺度算子與基礎算子結合起來對圖像進行邊緣提取.將3×3算子的模板擴大,使用5×5算子,這樣檢測的邊緣較寬,以突出一些漸變邊緣與輪廓.

鑒于本研究重點針對HJ衛星數據在溢油信息的提取,研究目標為油膜分布區,不對其他目標進行提取,僅關注輔以方向性紋理特征分析對目標提取的有效性.本研究采用如下方案(圖3):首先對獲取的HJ1A/1B-CCD進行數據篩選,經過輻射校正、區域裁剪等預處理后,基于多光譜分析確定溢油目標,實現溢油信息初步提取后,對結果圖像進行主成分分析,獲取第一主成分圖像.然后利用方向算子進行方向紋理分析,獲取溢油目標邊緣信息,為了保持圖像的空間連續性,將原始圖像中的一部分“加回”到方向紋理分析結果圖像上,生成最終的疊加圖像,實現溢油目標的提取,最后利用類間分歧度(Jeffries-Matusita separability index,簡稱 J系數(下同))對基于光譜信息與輔以紋理特征兩種方法進行對比分析.上述操作均在遙感圖像處理軟件ENVI中進行.

2 溢油信息提取結果與討論

2.1 溢油信息提取結果

依據上述溢油提取方案,對獲取的HJ衛星遙感數據進行了溢油信息提取.

圖4 2011年溢油事故階段時間線Fig.4 Timeline of PL19-3 oil spill incident

由圖4可見,HJ衛星遙感數據基本覆蓋了溢油事故的重要時間節點(其中事故階段劃分依據為國家海洋局網站所公布數據),從時間維度上保證了數據應用的有效性和及時性.在 7～8月多云時段,仍有數據保證.

首先通過事故前背景圖片(圖5)確定6月2日之前 PL19-3油田附近無油溢出,這樣可確定溢油初始點在此之后.6月4日事故發生后,6月5日獲取了第一景數據[圖 6(a)],結合多光譜假彩色圖像、主成分+方向紋理圖像分析可知(圖中假彩色圖像為第一主成分假彩色合成圖像),以19-3平臺為溢油源,在風、流作用下,形成一條向東南方向延伸的條帶.其中溢油源位置可確定為:38°22′42.32″N,120°05′02.32″E.6 月 8 日B平臺又出現大量油膜,故6月11日、6月13日圖像 [圖6(b)和圖6(c)]中在19-3油田B平臺附近發現大量油膜,結合紋理分析后的圖像可以確定油膜的厚度分區.圖6(b)中油帶中間為厚區,灰度值較低,邊緣亮條帶代表較薄油膜,且從圖中可以看出6月8日溢出的原油已經遷移到西北向,同時仍有原油溢出.經過方向紋理處理后的邊緣強度圖像,準確表達因油膜覆蓋導致反射信號的漸變,據此可準確計算溢油區直接覆蓋面積達到25.8km2(下同).至6月13日,油膜在清理后厚度較薄,在光學圖像中呈高灰度值,但圖 6(b)中兩處溢油區面積隨之擴大,達到75km2,區域影響面積達到360km2,這給徹底清污帶來了難度.

6月19日監測結果[圖6(d)]證明6月17日在C20井處發生過大量油溢出事件,且大部分油帶漂往西北方向,這說明清理工作仍將繼續.盡管受到云層的影響,監測效果仍然理想,從視場中可計算出可視油膜直接覆蓋面積達到101km2,區域影響面積達到304km2.通過多時相序列分析可知:可確定蓬萊19-3平臺為溢油源,大量溢油時期分兩個階段,假設以獲取的6月19日圖像為時間節點,可確定6月19日之前為第一階段,6月19日之后為第二階段.

圖5 事故前背景圖Fig.5 Background image

圖6 輔以紋理特征的HJ-CCD溢油信息提取結果序列(溢油源坐標:38°22′42.32″N,120°05′02.32″E)Fig.6 Results of information identification by proposed method

雖然康菲石油中國有限公司于7月6日宣布溢油已經達到全面控制,清污工作基本結束,但是7月5日[圖6(e)]的監測結果說明,蓬萊19-3平臺附近仍集中一定量的油膜,在平臺東北方向和西南方面都發現油帶,需進一步布置清污力量.另外從7月9日[圖6(f)]的監測結果可以看出,油污遠離溢油源——蓬萊19-3平臺,油帶出現在平臺西南和東南向,平臺附近無明顯油帶.這說明此時段開始平臺無大量油溢出,且西南、東南向油帶系此時段之前未徹底清理的油污擴散漂移形成.但不排除平臺仍有少量油溢出,這從國家海洋局的系列報道可知.綜合7月5日和7月9日的監測結果,油污的進一步擴散、遷移系由清污力量的不足造成,根據油污的遷移方向判斷,煙臺、蓬萊、威海等地區將受到油污侵害.

綜合上述分析得出,大量溢油已經于7月6日得到控制,盡管后續又出現滲油點,但未發生大量溢油,這從7月28日的圖像中可以得出[圖6(g)].

2.2 討論

為了更直觀表達本案方法在提高溢油信息識別能力上的作用,利用J指數對基于光譜信息與輔以紋理特征兩種方案進行對比分析(表2).從表2可以看出,采用本案方法可有效提高油膜和海水的可區分度:2011年6月5日的J指數從1.9471提高到1.9999;6月13日的J指數從1.7947提高到1.9438;6月19日的J指數從1.8634提高到1.9847.只有6月11日的J指數從1.8379下降到1.6637,這可能是因為油膜較厚且當時海面風速較低,這樣浮油對波譜的調制作用不明顯.

表2 油膜-海水J指數Table2 J index between Oil and Seawater

在油膜的多光譜特征分析基礎上,引入方向紋理分析,可有效區分油膜影響邊界,有助于油膜面積提取.由于油膜覆蓋海面引起表面反射率差異,反映在遙感圖像中就形成了灰度值/光譜的漸變,而方向性紋理恰好可以檢測這種漸變,且通過調整算子尺度檢測不明顯的漸變和邊緣.另外,經過方向紋理分析后的圖像同樣可以感知油層厚度變化,反映為強度的變化,形成明暗區帶[圖 6(b)和圖 6(d)].但需要注意的是,光學圖像獲取時,傳感器觀測角位于鏡面反射區,一方面有助于溢油監測[2,15],另一方面卻也過多反映海表面紋理,形成雜亂無章的條帶,這時不宜應用本案方法[圖6(e)];同時海面浮油對波譜的調制亦受海況和油膜厚度影響.本文選擇方向梯度算子,是經過前期反復實驗比較之后的結論,由于篇幅所限,文中并未就方向紋理分析與其他經典邊緣檢測方法如Prewitt,Sobel和Roberts等進行對比.

3 結語

HJ-CCD具有較高的時間分辨率和空間分辨率,通過光譜變化表達紋理信息,采用主成分分析與方向紋理分析方法可以綜合利用影像中的光譜信息與紋理信息,較好地識別溢油目標.經過方向紋理處理后的邊緣強度圖像,可以準確表達因油膜覆蓋導致反射信號的漸變,刻畫油膜影響區域及油層厚度分區,進行面積提取,是應用HJ-CCD數據進行溢油信息提取的快速、有效的方法.本文也進一步證明了國家 HJ衛星具備承擔包括溢油污染在內的眾多災害類監測任務的能力.相信在整個星座組網后,HJ衛星在時間分辨率、空間分辨率、光譜分辨率上將更具優勢,實現全天候的監測任務覆蓋.

[1]徐恒振,周傳光,尚龍生,等.溢油多環芳烴模糊指數的研究 [J].中國環境科學, 1999,6:510-513.

[2]Hu C, Weisberg R H, Liu Y, et al. Did the northeastern Gulf of Mexico become greener after the Deepwater Horizon oil spill?[J].Geophysical Research Letters, 2011,38, L09601, doi:10.1029/2011GL047184.

[3]金 銘,劉湘南,李鐵瑛.基于冠層多維光譜的水稻鎘污染脅迫診斷模型研究 [J]. 中國環境科學, 2011,31(1):137-143.

[4]Brekke C, Solberg A. Oil spill detection by satellite remote sensing [J]. Remote Sensing of Environment, 2005,95:1-13.

[5]Hu C, Li X, William G P, Frank E M. Detection of natural oil slicks in the NW Gulf of Mexico using MODIS imagery [J].Geophysical Research Letters, 2009, 36(1), CiteID L01604.

[6]Hu C, Muller-Karger F E, Taylor C J, et al. MODIS detects oil spills in Lake Maracaibo, Venezuela [J]. Eos, Transactions of the American Geophysical Union, 2003,84(33):313-319.

[7]Pantani L, Cecchi G, Bazzani M, et al. Remote sensing of marine environments with the high spectral resolution fluorosensor FLIDAR 3 [C]. //Donald W D, Preben G. Proceedings of SPIE 1995 on Global Process Monitoring and Remote Sensing of the Ocean and Sea Ice. Paris, France: SPIE Digital Library,1995,2586:56-64.

[8]張永寧,丁 倩,李棲筠.海上溢油污染遙感監測的研究 [J]. 大連海事大學學報, 1999,25(3):1-5.

[9]Jha M N, Levy J, Gao Y. Advances in remote sensing for oil spill disaster management: state-of-art sensors technology for oil spill surveillance [J]. Sensors, 2008,8(1):236-255.

[10]李金蓮,劉曉玫,李恒鵬.SPOT5影像紋理特征提取與土地利用信息識別方法 [J]. 遙感學報, 2006,10(6):926-931.

[11]付 軍,谷東起.基于光譜與紋理特征融合的灘涂信息提取方法[J]. 海洋環境科學, 2008,27(5):405-408.

[12]張 礫.輔以紋理特征的洪澤湖濕地信息提取 [J]. 遙感信息,2010,3:30-34.

[13]呂書強,田巨慧,杜 磊,等.加權紋理特征在高分辨率遙感影像耕地再分類中的應用 [J]. 測繪科學, 2009,34:67-69.

[14]Guillem C, Yolanda S. The multi-angle view of MISR detects oil slicks under sun glitter conditions [J]. Remote Sensing of Environment, 2007,(107):232-239.

[15]Brown C, Fingas M. Review of oil spill remote sensing [J]. Spill Science and Technology Bulletin, 1997,4(4):199-208.

[16]Brown C, Fingas M. Review of the development of laser fluorosensors for oil spill application [J]. Marine Pollution Bulletin, 2003,47:477-484.

[17]Goodman R. Overview and future trends in oil spill remote sensing [J]. Spill Science and Technology Bulletin, 1994,1(1):11-21.

[18]Brown C, Fingas M. Development of airborne oil thickness measurements [J]. Marine Pollution Bulletin, 2003,47:485-492.

[19]Otremba Z, Piskozub J. Modeling the bidirectional reflectance distribution function (BRDF) of sweater polluted by an oil film[J]. Optics Express, 2004,12(8):1671-1676.

[20]任仙怡,張桂林,陳朝陽.基于紋理譜的紋理分割方法 [J]. 中國圖象圖形學報, 1998,3(12):983-986.

[21]沈煥鋒,李平湘,張良培.一種顧及影像紋理特性的自適應分辨率增強算法 [J]. 遙感學報, 2005,9(3):253-259.

[22]Haralick R M, Sternberg S R, Zhuang X. Image analysis using mathematical morphology [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1987,9(4):532-550.

致謝：本研究工作依托遼寧省船舶污染監測與檢測信息化技術重點實驗室,論文中涉及的HJ衛星數據來自中國資源衛星應用中心(www.cresda.com),在此表示衷心的感謝！