空天協同的海上溢油監測案例分析

朱春陽,萬劍華，劉善偉，蔣莉，陳艷攏,2

(1.中國石油大學(華東),山東 青島 266580;2.國家海洋環境監測中心,遼寧 大連 116023)

近年來隨著我國海洋經濟不斷發展，海上石油開采活動的加強,由海上石油平臺違章排污、船舶碰撞、事故泄漏等造成的突發性溢油事件頻繁發生,對海洋環境和資源造成嚴重影響。頻繁發生的溢油事件加之對海洋生態資源造成的巨大損失，對海上溢油的應急處置能力提出較高要求，溢油監測是溢油應急處置中的重要環節，可以為溢油事故應急處理和溢油污染清除提供決策支持，也可為事故責任認定和賠償等提供依據憑證[1]。溢油監測能力的提高，對提高溢油應急處置能力有重要意義。目前，海上溢油監測的主要手段包括艦船現場監測和航空航天遙感監測，其中衛星遙感已成為溢油監測的重要手段之一。與傳統監測手段相比，衛星遙感具有時效性強、大面積觀測的特點，利用衛星數據可以確定溢油位置和面積，提供整個溢油污染水域宏觀圖像[2]，但是目前衛星遙感監測不能識別油膜厚度，且存在重訪周期較長的問題，難以實現準同步觀測。航空監測尤其是無人機技術發展由于其部署上的靈活機動性及遙感器的可選擇性等優點，在溢油監測中起著主導作用[3]，但是航空監測受到監測成本高、監測范圍小、航空管制等條件的限制，數據缺乏宏觀性和連續性。船只現場監測可以獲取最準確的數據，觀測手段多樣[4],但是船只現場監測效率低、危險性高，數據也缺乏宏觀性和連續性。因此，有必要結合多種監測手段協同監測，增強溢油監測效果，實現多層次、多尺度的溢油監測。

本文以渤海蓬萊19-3平臺溢油事故為例，利用同一天的環境一號衛星數據、機載AISA高光譜數據及現場照片、視頻等，對衛星數據進行處理和溢油提取，結合航空數據，實驗并分析空天協同海上溢油監測的效果。

1 數據

本文數據有覆蓋蓬萊19-3平臺的2011年8月23日12時45分的環境一號A星CCD數據[5]，同日的13時17分開始觀測的機載AISA高光譜數據及現場照片、視頻等。

1.1 衛星數據

環境一號A星屬于環境與災害監測預報小衛星星座，和同星座的B星組網后重訪周期僅為2天，衛星上配置CCD相機和高光譜成像儀，具體載荷參數見表1。

表1 環境一號A星的主要載荷參數

1.2 機載高光譜數據

航空數據為2011年8月23日在蓬萊19-3油田獲取的AISA機載高光譜數據。傳感器采集可見光和近紅外波段，波長范圍400～970 nm，光譜分辨率為3.3 nm，波段數為258，空間分辨率0.5～0.8 m，成像寬度為512像元。

2 方法

2.1 衛星數據溢油信息提取

利用環境衛星數據自帶的頭文件信息和中國資源衛星應用中心網站上的傳感器光譜響應函數，對數據進行輻射定標和大氣校正，完成數據預處理[6]。對影像進行裁剪，截取蓬萊19-3油田及附近海域，見圖1。

對所截取的圖像進行最小噪聲分離變換(minimum noise fraction rotation，MNF Rotation)，用于判定圖像數據內在的維數(即波段數)，分離數據中的噪聲，減少隨后處理中的計算需求量。MNF是基于圖像質量的線性變換，變換結果的成分按照信噪比的大小排序，本質上是2次層疊的主成分變換。第一次變換(基于估計的噪聲協方差矩陣)用于分離和重新調節數據中的噪聲，這步操作使變換后的噪聲數據只有最小的方差沒有波段間的相關。第二步是對噪聲白化數據(noise-whitened)的標準主成分變換。在變換后的輸出波段中選取海水和油膜信息差異明顯的波段即MNF1波段，并對其進行線性拉伸(linear 1%)，拉伸時去除小于1%和大于99%的值，得到包含疑似溢油信息的結果，白色區域為疑似溢油，黑色區域為平臺及船只，見圖2。

圖1 目標海域環境一號星影像

圖2 衛星數據信息提取結果

2.2 航空數據溢油信息提取

截取高光譜圖像中的目標區域，得到目標油井平臺周邊范圍的圖像，見圖3。

圖3 目標海域高光譜圖像

對目標影像進行MNF，變換后的前10個波段集中了原始數據的絕大多數信息，剩余波段噪聲信息較多，因此,首先輸出MNF 1-10波段，以降低數據的維度，通過對比分析，進一步選取溢油區域特征最明顯的MNF8波段。采用基于規則的面向對象信息提取方法，其分析單元不再是單個像素，而是影像對象，見圖4，即通過分割圖像得到圖斑，通過提取合并油膜對象獲取溢油區域。影像分割采用基于亮度(intensity)的分割算法，選用Fast Lambda邊界合并方法，經過多次實驗和對比，具體參數見表2。

圖4 背風區及油膜區域

表2 影像分割參數

背風區在圖像上顏色較暗，而油膜因反射陽光呈現亮藍色，將非油膜區域刪除后得到油膜信息提取結果，見圖5。

圖5 航空影像溢油提取結果

2.3 信息提取結果

將基于衛星和航空數據的溢油信息提取結果根據平臺的位置進行匹配，結果見圖6。

現場照片見圖7。

圖6 航天與航空影像匹配結果

圖7 現場照片

由于現場照片與高光譜數據都是基于機載平臺同步拍攝，照片顯示的溢油信息與高光譜溢油提取結果一致。基于環境衛星的溢油提取結果與機載高光譜的溢油提取結果在位置上具有較好的一致性，但機載高光譜數據的監測時間要晚于衛星數據約30 min，兩者形狀的差異可能因為兩種影像獲取的時間差導致。

3 分析與討論

3.1 溢油信息提取方法分析

衛星影像和機載高光譜影像均采用MNF變換進行特征提取，MNF變換后得到的各元素之間互不相關，第一分量即第一波段集中大量的圖像信息，噪聲集中于其他維數較高波段，克服了噪聲對影像質量的影響，增強了溢油與海水的差異信息；同時影響溢油提取的因素主要為背風區，在圖像上，背風區由于水面平靜僅有浪影響，反射方向各異，亮度較低，溢油區受油膜影響，反射較強，亮度較高，經過變換后的兩者顏色對比差異明顯，使得容易剔除背風區，保留溢油區域，提高溢油區域提取的精度。

面向對象的圖像分割只基于圖像特征，并未添加規則，若能將溢油的光譜及紋理特征進行分析并作為圖像分割的規則，則可以進一步提高特征提取精度。當前基于深度學習的溢油提取方法逐漸興起，使得溢油提取向著更高精度和智能化方向發展。

3.2 溢油監測手段對比分析

在衛星結果中，蓬萊19-3油田C平臺附近仍有大片油膜，且有成對出現的清油船，航空監測結果和現場照片等驗證了C平臺附近確實有大片油帶，說明C平臺仍有滲漏點，航天、航空協同監測溢油具有必要性。

衛星監測有宏觀、快速的特點，衛星監測結果比航空監測結果更為宏觀，但是光學衛星監測存在分辨率較低，波段較少的問題；海面包含背風區、太陽耀斑等各種干擾因素且受天氣影響較大，導致單一手段監測結果的準確率較低。如果采用星載合成孔徑雷達(SAR)數據[7]或更高分辨率的多源衛星數據輔助[8]，可以進行更有效的溢油提取。

機載多光譜影像空間分辨率高且波段數量較多，對于海上油膜的細節表現更加豐富，能夠進而判斷不同厚度油膜的區域范圍。機載監測的范圍相對狹窄，難以進行整體評估。

船只監測耗費時間較長且具有一定的危險性，如果沒有衛星或航空的數據獲取溢油的大致區域作為指導，則船只監測將會非常艱難且工作效率非常低，但可以采集油膜厚度、油膜種類等屬性信息，也可以對以上2種遙感監測方式的提取結果進行準確驗證。由于缺少現場船測數據，本文并未使用船只監測數據。

如果將3種監測手段結合，能夠獲取不同層次、不同尺度的油膜信息。既可以獲取宏觀油膜的范圍特征，也能夠進一步獲取油膜的細節和屬性信息等，在溢油事故應急處理的前期尤為重要，可為溢油應急處置決策提供數據支持；在事故追責、環境影響評估等溢油事故處理后期提供證據。多手段協同監測在實施上也存在一定不足，由于云、風、浪等海洋環境條件限制，多云條件下光學衛星手段失效，風浪太大會增加飛機和船只的安全風險，在實際工作中3種手段嚴格實現準同步監測的難度較大。

4 結論

針對航天、航空和船只監測溢油的優缺點，本文應用光學衛星和機載高光譜兩種方式協同監測海上溢油，監測的結果具有較高的一致性，達到優勢互補的效果，既有衛星宏觀快速觀測的特點，也體現了航空手段機動靈活、光譜信息豐富的優勢，并利用現場照片等信息進行驗證。通過蓬萊19-3溢油監測實驗，證明多手段協同方式應用在海洋溢油監測上具有必要性和可行性，為溢油應急處置多個環節提供數據支撐。目前實際工作中3種手段準同步監測較難規劃，隨著智能化溢油提取方法、更高時間分辨率衛星技術及無人機技術的發展，多手段協同在未來海洋環境應急監測中具有廣闊應用前景。