Envisat ASAR溢油檢測影響因素分析

蘇騰飛

（國家海洋局第一海洋研究所，山東 青島 266061）

目前，衛星遙感技術是海洋溢油監測的重要手段。合成孔徑雷達（SAR），因其全天時、全天候的工作特點，已經成為最有效的溢油遙感監測傳感器（Brekke et al，2005）。Envisat 是歐空局（ESA） 于2002年發射的地球環境監測衛星，其上共搭載了10 個先進的遙感傳感器，改進型合成孔徑 雷 達 （Advanced Synthetic Aperture Radar，ASAR） 是其中之一。在近十年的運行過程中，ASAR 為溢油、海冰、海面風場等海洋現象的科學研究與業務化監測提供了寶貴的數據。

近年來在SAR 溢油檢測方面，國內外學者利用ASAR 影像進行了大量的研究工作。Solberg 等（2007） 發展了一種溢油自動檢測算法，用來區分Radarsat 和Envisat SAR 影像中的油膜和類油膜現象。他們的算法包含三部分，分別是暗斑檢測、特征提取和溢油分類。在構建溢油分類的條件概率密度函數時，他們考慮了中低風速和高風速的情況。Brekke 等（2008） 提出了一個改進的ASAR溢油自動檢測算法，并發展了一種溢油分類的置信度分析方法。石立堅等（2008） 利用ASAR 數據，結合地理信息系統，統計和分析了中國近海的溢油事件。他們指出，ASAR 數據是溢油監測的有效途徑。劉朋等（2010） 發展了一種基于模糊邏輯的SAR 溢油檢測算法，在算法驗證時利用了11 景ASAR 影像。Akar 等（2010） 將面向對象的分類方法應用到ASAR 溢油檢測中，試圖發現黑海的海底石油滲漏現象。眾多的研究表明，Envisat ASAR 是溢油檢測的有效工具，因此，對其開展溢油檢測的影響因素分析是非常必要的。

在SAR 溢油檢測中，入射角和海面風速是重要的影響因素。隨著入射角的增大，地物的后向散射強度減小。因此在SAR 影像中，小入射角的區域偏亮，大入射角的區域偏暗，這可能會給溢油檢測帶來困難。Dokken 等（1995） 指出，入射角在20°～45°的范圍內，VV 極化，SAR 溢油檢測是可行的。本文討論了入射角為20°～42°時，油膜和海水的后向散射特征。另外，海面風速影響溢油在SAR 影像中的特征。Alpers 等（2004） 認為，適合SAR 溢油檢測的風速上界為10～14 m/s。在風速低于3 m/s 時，海面的后向散射強度偏低，溢油和海水難以區分。本文分析了2.0～9.7 m/s 時兩者的后向散射特征。

1 數據

Envisat ASAR 是目前重要的星載SAR 數據源，工作在C 波段，入射角范圍是15°～45°，軌道重訪周期為35 天。ASAR 具有5 種工作模式，分別為標準成像（IM）、交替極化（AP）、寬幅（WS）、全球監測（GM） 和波模式（WV）。WS 模式影像的刈幅寬度可達400 多公里，空間分辨率為150 m，非常適合大范圍的溢油監測。通常情況下，即便是少量的溢油也會覆蓋大面積的海域。

ASAR 在監測墨西哥灣溢油的動態變化中也扮演了重要的角色，本文以該溢油事件為例進行了ASAR 溢油檢測的影響因素分析（圖1）。在入射角和風場的分析中，分別利用了三景和六景ASAR中等分辨率寬幅模式（WSM） 影像，均為VV 極化。海面風場數據由墨西哥灣近岸的浮標42 040提供。該浮標記錄了連續風場數據，通過美國國家數據中心（NDBC） 的網站可以下載。

圖1 浮標42 040 的位置與墨西哥灣溢油區域

在溢油檢測前，需要對ASAR 數據進行輻射標定，這可通過開源軟件NEST 實現。NEST 是ESA 提供的SAR 數據專業處理軟件，它適用于Envisat、Radarsat-2 等目前主流星載SAR 的數據處理。輻射標定的目的是獲取SAR 影像的后向散射系數圖像。為了便于溢油檢測，需要將后向散射系數圖像轉換為dB 的形式。

2 入射角對溢油檢測的影響

為了研究入射角對SAR 溢油檢測的影響，本文利用墨西哥灣溢油事故的Envisat ASAR 影像，分析在相同波段、極化和中低風速的情況下，不同入射角條件時溢油在SAR 圖像上的后向散射特征。海面風場數據由浮標42 040 提供。

本論文共選取了三景墨西哥灣溢油事故的Envisat ASAR 影像。其時間分別是：2010年6月9號、2010年7月5 號和2010年7月11 號，均為WSM 模式。WS 模式的ASAR 影像具有很大的刈幅寬度，入射角一般為18°～42°。而Envisat ASAR成像的入射角范圍是15°～45°，可見這種模式的影像基本包括了ASAR 的入射角范圍。基于以上原因，本文分析選用的入射角情況為：三景圖像中，2010年7月5 號、7月11 號和6月9 號SAR 影像中溢油區域的入射角范圍分別是20°～30°、31°～36°和37°～42°。

圖2 2010年7月5 號ASAR 影像采樣區域示意圖

圖3 2010年7月5 號ASAR 原影像采樣區域

圖4 圖2 中采樣區域中油膜和海水的后向散射隨入射角的變化

對于2010年7月5 號的ASAR 影像，以2°為間隔，分析在入射角為20°～30°的范圍內，溢油和海水在SAR 影像上的后向散射特征（圖2、3、4）。根據浮標的記錄，當時的海面風速為4.8 m/s，屬中低風速。圖2 是2010年7月5 號ASAR 影像中的研究區域。圖3 顯示了圖2 的SAR 影像，并對其進行了輻射標定。圖3 中黑色虛線為同一入射角的位置，白線部分為采樣區域，白線的寬度為3個像素，計算海水和油膜樣本的后向散射強度。由圖4 可見，隨著入射角的增加，油膜和海水的后向散射強度均有減小的趨勢，海水從-5 dB 左右減小到-10 dB 左右，油膜從-7 dB 左右減小到-18 dB 左右，因此可見，隨入射角的增加，油膜的后向散射強度比海水衰減快，兩者的對比度增加。入射角在20°～24°的范圍內，油膜和海水的后向散射強度均較大，兩者的差值在4 dB 以內，這時油膜和海水是較難區分的，溢油檢測也是較為困難的。當入射角大于28°時，油膜和海水的后向散射強度差值增大，為5 dB 左右，油膜和海水區分地比較明顯，因此油膜檢測也是比較容易的。值得一提的是，28°入射角所對應的油膜后向散射強度比30°的低，這可能是由于28°的區域油膜較厚，或是局部地區海面風速偏低，亦或是由于SAR 的系統噪聲導致的。

對于ASAR WSM 影像，其系統噪聲范圍的是-21～-26 dB。SAR 的系統噪聲可能來源于熱力學因素的噪聲、數模轉換器量化噪聲以及處數據時理產生的噪聲。噪聲會給溢油檢測帶來不確定性，因此應當避免使用系統噪聲較大的SAR 影像進行溢油檢測（Duk-jin et al，2010）。

在2010年7月11 號的ASAR 影像中，溢油區域的入射角跨度范圍是31°～36°，屬中等入射角。浮標觀測的海面風速為6.4 m/s。雖然該天油膜與浮標的位置相差較遠，但WindSat 微波輻射計和OSCAT 微波散射計均提供了當天研究區域的海面風速，表明當天的海面風場屬中低風速的情況。WindSat 和OSCAT 數據由NOAA 官網提供（http：//manati.star.nesdis.noaa.gov/datasets/）。經過與之前相同的處理步驟，得到分析結果圖（圖5、6、7）。可以看出，在31°～36°的范圍內，油膜和海水的后向散射強度變化不大，前者的值大概在-15～-17 dB的范圍內波動，后者的值基本在-20～-22 dB 范圍內，兩者差值在5 dB 以上。在入射角為31°～33°時，油膜和海水的后向散射強度有較明顯的下降趨勢；在入射角大于33°時，兩者的值變化趨于平穩。因此在這種情況下，油膜和海水區分明顯，很適合溢油檢測。

圖5 2010年7月11 號ASAR 影像采樣區域示意圖

圖6 2010年7月11 號ASAR 原影像采樣區域

圖7 圖5 中采樣區域中油膜和海水的后向散射隨入射角的變化

對于6月9 號的ASAR 影像，其入射角的范圍是37°～42°。浮標記錄的海面風速為5.6 m/s，屬中等風速。采用之前相同的處理，得到結果圖10（圖8、9、10）?？梢杂^察到，在37°～42°的范圍內，油膜和海水的后向散射強度均有減小的趨勢，前者的后向散射強度大概在-21～-24 dB 的范圍內波動，后者的值約為-18 dB。它們相差大概5 dB，油膜和海水對比度明顯，較適合溢油檢測。可是，入射角在37°～42°時，油膜的后向散射值基本小于-21 dB，接近ASAR 的系統噪聲，這會給溢油檢測帶來不利影響。

圖8 2010年6月9 號ASAR 影像采樣區域示意圖

圖9 2010年6月9 號ASAR 原影像采樣區域

圖10 圖8 中采樣區域中油膜和海水的后向散射隨入射角的變化

綜合以上分析可得出的結論是：在中低風速情況下，油膜和海水比較容易區分的入射角范圍是28°～36°。1） 在低入射角的情況下，即24°以下，油膜和海水的后向散射強度均較強，兩者的后向散射值相差低于4dB，兩者區分不明顯，溢油檢測較為困難。2） 在中等入射角的情況下，即28°～36°，油膜和海水的后向散射強度值相差較大，約為5 dB，因此兩者在SAR 影像上對比度明顯，適合溢油檢測。3） 當入射角在37°以上時，雖然此時油膜和海水的后向散射強度值相差較大，約5 dB，但油膜的后向散射值趨近SAR 的系統噪聲，這可能會給SAR 溢油檢測帶來不利影響。

3 海面風速對溢油檢測的影響

為了研究風速對SAR 海上溢油檢測的影響，本論文利用墨西哥灣溢油事件的Envisat ASAR 影像，分析在相同波段、極化和入射角的條件下，不同風速時海上油膜對SAR 后向散射回波的衰減效應。

采用的SAR 影像均為C 波段，VV 極化。提取了SAR 影像中入射角相同的油膜區域。為了方便研究，截取了入射角為32°所對應的SAR 影像。海面風速的實測數據仍采用浮標42 040 數據。

匹配浮標數據和SAR 數據，共得到6 組結果。其中，中低風速3 組，對應的SAR 影像時間和風速分別為：2010年6月13日，2.0 m/s；2010年6月22日，3.7 m/s；2010年6月25日，4.7 m/s。高風速3 組，2010年5月2日，9.7 m/s；2010年7月21日，7.4 m/s；2010年7月11日，6.4 m/s。

圖11 中低風速時SAR 影像后向散射特征，C 波段，VV 極化，32°入射角

圖11 中白線的寬度為3 個像素，同一白線上的像素對應相等的入射角，均為32°。計算白線上3 個像素對應所后向散射值的平均值，可以觀察到3 個圖像的值均有不同程度的波動現象，這主要是由于采用的SAR 影像是單視復圖像，其本身的斑點噪聲較大。

中低風速時，對圖11 中3 組結果進行比較分析，可以發現油膜對海面的后向散射均有抑制作用（圖11）。圖11 中a、c、e 為SAR 圖像，其白線部分為采樣區域；b、d、f 為采樣區域像素的灰度。風速為2.0 m/s 時，海水和油膜的后向散射值均較低，其中前者的值在-15～-18 dB 的范圍內波動，后者的值均小于-20 dB。風速為3.7 m/s 時，海水的后向散射值約在-14 dB 左右，油膜的后向散射值大概為-20 dB。風速為4.7 m/s 時，海水的后向散射值在-14～-16 dB 的范圍內波動，其波動范圍相對較小，油膜的后向散射值基本上都小于-20 dB。以上分析表明，在中低風速條件下，油膜和海水的后向散射值差異明顯。隨著風速的增加，海水的后向散射值逐漸增大，但油膜的后向散射值基本不變。由此可以推斷，在中低風速條件下，風速越高，油膜和海面的后向散射值差異越大，它們的對比度越強，因此也更有利于油膜的檢測。

圖12 高風速時SAR 影像后向散射特征，C 波段，VV 極化，32°入射角

高風速時，對比圖12 中3 組結果可以發現，在不同的海面風速下，油膜對海面的后向散射強度具有不同程度的抑制（圖12）。圖12 中a、c、e 為SAR 圖像，其白線部分為采樣區域；b、d、f為采樣區域像素的灰度。風速為6.4 m/s 時，海水的后向散射值大概在-14～-16 dB 的范圍內波動，溢油的后向散射值約為-19 dB。風速為7.4 m/s 時，海水的后向散射值在-14～-11 dB 范圍內波動，溢油的后向散射值約為-19 dB。風速為9.7 m/s 時，海水的后向散射值大概為-13 dB，而溢油的后向散射值存在較大的波動，波動范圍是-17～-14 dB。綜上，當海面風速超過9 m/s 時，海上溢油對海水的阻尼作用減弱，在SAR 影像上溢油的后向散射強度較風速較低時增大，這使得溢油和海水的對比度降低，不便于提取溢油。海面風速為6.4和7.4 m/s 是，海水和溢油的后向散射值相差較大，對比度明顯；因此可以推斷，對于這一風速范圍，SAR 影像檢測溢油是較為容易的。

對于上述6 組結果，可以發現風速為3.7 m/s、4.7 m/s、6.4 m/s、7.4 m/s 時，油膜和海面的后向散射差異較大，可達6 dB 以上，適合SAR 影像進行海上溢油檢測。風速為2.0 m/s 時，油膜和海水的后向散射差異僅為4 dB 左右，不便于SAR 影像的溢油識別。風速為9.7 m/s 時，海水和油膜的后向散射值均存在較大的波動，這使得油膜和海水的后向散射差異變小，給SAR 溢油檢測帶來困難；這可能是由于在高海況條件下，油膜對海水的后向散射抑制作用降低，因此在SAR 影像上油膜的灰度變高。綜上所述，對于SAR 溢油檢測，適合的風速范圍大概為3.0～7.0 m/s。

4 結論

本文以2010年墨西哥灣溢油事故為例，開展了Envisat ASAR 的溢油檢測影響因素分析。討論了入射角和海面風速對ASAR 溢油檢測的影響。利用的WSM 數據具有400 多km 的刈幅寬度，適合大面積的溢油檢測；其空間分辨率為150 m，可以滿足海上溢油的監測。

入射角分析的結論表明，中等入射角適合ASAR 溢油檢測。低入射角的ASAR 影像里，油膜與海水的后向散射強度相差小于4 dB；高入射角的情況下，溢油的后向散射值接近ASAR 系統噪聲，因而不利于進行溢油檢測。

海面風速的分析結果顯示，3.0～7.0 m/s 是適合ASAR 溢油檢測的風速范圍。風速過低或過高，油膜和海水都難以區分。

Brekke C，Solberg A H S，2008.Classifiers and Confidence Estimation for Oil Spill Detection in ENVISAT ASAR Images. IEEE Geoscience and Remote Sensing Letters，5（1）：65-69.

Brekke C，Solberg A H S，2005.Oil Spill Detection by Satellite Remote Sensing.Remote Sensing of Environment，95（1）：1-13.

Dokken S T，1995.Optimal bruk av avanserte radarsatellitter.Oslo：Institutt for Tekniske Fag，Norges Landbrukshbgskole.

Duk-jin Kim，Wooil M Moon，Youn-Soo Kim， 2010. Application of TerraSAR-X Data for Emergent Oil-Spill Monitoring. IEEE Transactions on Geoscience and Remote Sensing，48（2）：852-863.

Girard Ardhuin F，Mercier G，Garello R，2003.Oil Slick Detection by SAR Imagery：Potential and Limitation//OCEANS Proceedings.San Diego：Scripps Institution of Oceanography，164-169.

Shi L，Yu A Ivanov，He M，et al，2008. Oil Spill Mapping in the Western Part of the East China Sea Using Synthetic Aperture Radar Imagery. International Journal of Remote Sensing， 29（21）：6315-6329.

Liu P，Zhao C，Li X，et al，2010.Identification of Ocean Oil Spills in SAR Imagery Based on Fuzzy Logic Algorithm. International Journal of Remote Sensing，31（17）：4819-4833.

Sertac Akar，Mehmet Lutfi Süzen，Nuretdin Kaymakci，2011. Detection and Object-based Classification of Offshore Oil Slicks Using Envisat ASAR Images. Environmental Monitoring and Assessment，186（4）：409-423.

Solberg A H S，Brekke C，Husoy P，2007. Oil spill detection in Radarsat and Envisat SAR images. IEEE Transactions on Geoscience and Remote Sensing，45（3）：746-755.

Werner A，Heidi A E，2004. Synthetic Aperture Radar Marine User′s Manual：Chapter11.Oils and Surfactants.NOAA，263-275.