基于星載SAR的海上主要溢油風險源遙感識別方法

(1.中國科學院煙臺海岸帶研究所，山東 煙臺 264000；2.煙臺海事局，山東 煙臺 264000)

目前，對于海上船舶監管主要依靠船舶自動識別系統(automatic identification system，AIS)[1]和船舶交通監管系統(vessel traffic services，VTS)[2]，但二者均有一定的局限性，例如，AIS系統對未安裝或者關閉AIS服務的船舶，無法開展跟蹤和監視，而VTS雷達站只能覆蓋近岸一定范圍以內的海域，其作用距離受限。對于海上石油平臺而言，由于關于海上石油平臺的位置、數量等公開數據很有限，且公開數據的準確性不高，難以運用這些數據進行深入的風險分析。而星載合成孔徑雷達(synthetic aperture radar, SAR)[3]遙感技術具有覆蓋面廣、客觀性強、全天候的優勢，可以提供更為直觀、準確的分布數據，因此，考慮將基于星載SAR遙感技術，研究海面船舶和石油平臺的快速識別技術，并以渤海海域為例進行試驗分析，為溢油風險防控和管理提供基礎數據支撐。

1 海上船舶遙感識別方法

目前對于SAR衛星影像中的船舶監測技術主要分為兩大類：一類是直接利用船舶目標在SAR影像中的成像機理對船舶進行監測，其實質是在影像暗背景下對于亮點目標的檢測；另一類是對運動船舶的尾跡進行監測，通過船舶的尾跡來監測船舶目標。由于靜止的船舶并無尾跡，及部分SAR影像無法觀測到尾跡，目前對于船舶目標本身的檢測研究較多，如船舶檢測算法主要有CFAR檢測算法[4]、PNN概率神經網絡算法、基于小波分析的檢測算法[5]等。其中CFAR檢測算法比較典型，該算法是一種基于多分布自適應選擇的全局閾值CFAR檢測器對船只目標的檢測，根據實際情況不同，可選擇不同的海面雜波模型。

遙感監測的效果與衛星數據的分辨率密切相關。一般而言，分辨率越高，識別效果越好，但高分辨率影像的幅寬小，費用高，考慮到實際監測目的和經濟效益，采用30 m分辨率的雷達影像進行風險源識別，針對船舶目標在中分辨率SAR影像船舶成像特征，采用文獻[6]提出的方法進行船舶檢測。該方法主要分為5個步驟：SAR影像預處理、亮斑目標生成、潛在船舶目標初選、方位向模糊去除和GIS輔助分析。

2 海上石油平臺遙感識別方法

由于目前可獲取的海上石油平臺分布數據較少，公開數據的準確性和精度非常有限，難以進行進一步分析應用。因此，本文利用遙感分析方法進行海上石油平臺識別。該方法的基本識別原理為，首先假設海上石油平臺的空間位置在檢測周期內(如一個月、半年或一年等)保持固定不變，那么利用多時相SAR數據對同一海域進行變化檢測，如果同一位置的某地物在不同時相的影像中都被檢測到，則認為該地物為固定物。由于海面上的地物主要由移動的船舶和固定的石油平臺組成，因此，可以通過變化檢測實現船舶和石油平臺的分離。

該方法的基本過程為：①首先對多景多時相SAR影像進行校正和配準，確保多景影像空間參考和位置信息的一致性；②對每景SAR影像，運用目標識別技術分別提取出海上亮斑目標(包括船舶和石油平臺)；③由于海上船舶是移動目標，而石油平臺是相對靜止目標，根據二者的不同運動特征，通過不同時相疊加分析，可以剔除移動目標，篩選出靜止目標，進而實現對船舶和石油平臺的辨別。

SAR影像提取海上石油平臺的算法流程見圖1。

圖1 SAR影像提取海上石油平臺的算法流程

3 實驗分析

3.1 區域選擇

選取渤海及黃海北部海域為例進行試驗分析。渤海平均水深約18 m，是一個近封閉的內海。渤海油氣田主要分布在遼東灣、渤海灣及渤海中部海域，截至2008年12月，渤海共有海上油氣田20個，石油類與無機氮、活性磷酸鹽一起成為其海水污染的主要因子[7]。同時，船舶也是海上溢油的重要風險源之一，特別是近年來渤海海域大型油船往來日益頻繁，船舶流量日趨增多，使海上溢油風險越來越高。試驗范圍為37°05′～41°15′N，117°25′～122°50′E，見圖2，采用GCS_WGS_1984坐標系統。

圖2 渤海研究區域范圍示意

3.2 研究數據

采用加拿大的Radarsat-2數據。Radarsat-2是一顆搭載C波段傳感器的高分辨率商用雷達衛星，該衛星的軌道類型為太陽同步軌道，軌道高度798 km，軌道傾斜角98.6°，重訪周期24 d。選取2012、2013和2014年的3景Radarsat-2影像，波束為ScanSAR Narrow模式，單景影像能夠覆蓋整個渤海海域，衛星基本數據見表1。

表1 本研究所選用的SAR數據列表

3.3 結果分析

3.3.1 船舶識別

在數據預處理過程中，SAR影像上船舶成像的形態學特征分析是關鍵，選取長度、寬度、形狀比等指標進行綜合分析，以達到逐步剔除假目標，降低虛警率的目的。經算法檢測，從該景Radarsat-2影像上提取出船舶1 550艘，海上船舶的空間分布狀況見圖3。

圖3 海上船舶遙感識別

3.3.2 石油平臺識別

時空一致性區別是船舶與石油平臺數據分離的基礎。絕大多數海上船舶的位置一直在發生變化，即使短暫靜止，也不會持續幾個月甚至幾年；而石油平臺一旦開采一般不會改變位置或消失，因此，相比船舶，石油平臺具備時空一致性。對3年船舶石油平臺數據疊加分析和變化檢測，得出位置未發生變化的目標，即認為是石油平臺，一共有141個，這些石油平臺在2012年已經開采建成，至2014年仍然存在，其空間分布見圖4。

圖4 2012—2014年海上石油平臺遙感識別

由于可獲取的驗證資料有限，利用文獻[8]資料與本文算法進行對比。將海上船舶和石油平臺的分布信息進行疊加，得到研究海域的溢油風險源總體分布(見圖5)。該圖能夠直觀、客觀地反映研究海域的海上溢油風險源分布狀況，能夠為溢油風險防控和管理提供直接的數據支持，并有助于下一步進行溢油風險評估和分析。

圖5 海域海上溢油風險源總體分布(含船舶和石油平臺)

4 結論

本方法能夠對石油平臺進行有效識別，彌補了可獲取的平臺數據缺失的問題，有利于對海上溢油風險進行綜合評估分析，為溢油風險管理提供基礎數據支撐，也能夠為海上溢油應急防備和應急力量部署提供科學依據。

[1] 王鳳祥.淺談AIS在通航管理中的作用[J].天津航海,2007(3):55-57.

[2] 李華文,呂靖.論VTS在通航安全與水域環境保護中的作用[J].航海技術,2010(6):73-74.

[3] LIAO Ming-sheng, WANG Chang-cheng, WANG Yong, et al. Using SAR images to detect ships from sea clutter[J]. IEEE Geoscience and remote sensing letters,2008,5(2):194-198.

[4] FRIEDMAN K, WACKERMAN C, FUNK F, et al. Validation of a CFAR vessel detection algorithm using known vessel locations[J]. IEEE International Conference on Geoscience and Remote Sensing,2001(4):1804-1806.

[5] 王超,張紅,吳樊,等.高分辨率SAR圖像船舶目標檢測與分類[M].北京:科學出版社，2013.

[6] 邴磊,邢前國,鄒娜娜,等.星載SAR影像上船舶方位向模糊去除算法[J].中國圖象圖形學報,2016,21(7):951-958.

[7] 國家海洋局2008年渤海海洋環境質量公報[EB/OL].http://www.soa.gov.cn/soa/hygbml/hq/eight/A01101202index_1.htm.

[8] XING Qianguo, MENG Ruolin, LOU Mingjing, et al. Remote sensing of ships and offshore oil platforms and mapping the marine oil spill risk source in the Bohai Sea[C]. International Oil Spill Response Technical Seminar, Aquatic Procedia,2015(3):127-132.