基于微波散射實驗的油種識別研究*

馬 靖 過 杰

基于微波散射實驗的油種識別研究*

馬 靖1, 2, 3過 杰1, 2①

(1. 中國科學院煙臺海岸帶研究所 中國科學院海岸帶環境過程與生態修復重點實驗室 山東煙臺 264003; 2. 山東省海岸帶環境過程重點實驗室 山東煙臺 264003; 3. 中國科學院大學 北京 100049)

海上溢油來源復雜, 溢油種類多樣, 正確識別溢油類型對于溢油應急的快速反應具有重要意義。合成孔徑雷達(synthetic aperture radar, SAR)具有全天時全天候的監測優勢, 在海面溢油監測中發揮著主力軍作用, 但在油種識別方面存在不足。利用C波段全極化散射計對柴油、原油、油水混合物和棕櫚油進行外場實驗觀測, 探究微波識別油膜的敏感特征參數, 并將敏感特征參數應用于海上油膜實驗獲取的SAR圖像進行油種識別。結果表明, 在垂直(vertical transmission vertical reception, VV)極化方式下的油水差(?0)可以有效識別植物油和礦物油; 基于dB和linear units表達的后向散射系數(RCS)計算的抑制比(R)在垂直(VV)和水平(horizontal transmission horizontal reception, HH)極化方式下可以有效識別植物油和礦物油, 并且在交叉(vertical transmission horizontal reception/ horizontal transmission vertical reception, VH/HV)極化方式下linear units表達的RCS計算的抑制比可以識別原油和乳化油; 極化差(D)可用于識別原油、乳化油和植物油。

油種識別; 合成孔徑雷達(SAR); C波段全極化散射計; 敏感特征參數

石油是全球重要能源之一, 在“一帶一路”合作倡議的大背景下, 中國石油迎來了良好的發展契機, 與各國的能源合作渠道、合作模式呈多元化、多樣化發展(余曉鐘等, 2021), 而能源的進口主要通過海上運輸與管道運輸(于偉娜, 2012; 孫寧寧, 2019)。海上貿易的發展以及海上石油的開發、運輸導致海上溢油污染風險增大, 及時準確地監測溢油對保護海洋環境和生態資源具有重要意義(劉朋, 2012)。衛星遙感技術以其大范圍、高頻次、同步、快速、長時序等觀測優勢, 為溢油的監測、識別及清理工作提供了極大的輔助(鄭本昌, 2018; 蔣興偉等, 2019; 沈亞峰等, 2020)。

海上油膜可分為天然來源和人為來源(吳傳雯, 2014), 天然來源如浮游植物或魚類產生的生物油膜等(Gade, 1998)18851, 人為來源主要有(Yang, 2020)7163: (1) 石油平臺溢油, 如2010年4月美國墨西哥灣“深水地平線”鉆井平臺發生爆炸, 造成約2 300萬加侖原油泄漏(張明亮, 2015); (2) 輸油管道的損壞事故造成的溢油, 如2010年7月大連新港發生輸油管線爆炸事故, 原油泄露量1 500 t, 污染海域430 km2(溫艷萍等, 2013); (3) 大型油輪的碰撞事故等造成的溢油, 如2018年1月巴拿馬籍油船“桑吉輪”與中國香港籍散貨船在長江口以東發生碰撞, “桑吉輪”發生燃燒及爆炸, 造成136 000 t凝析油泄露(金戈等, 2019); (4) 游輪或貨船非法排放燃油, 溢油類型主要為重柴油和輕柴油。溢油進入海洋環境, 會發生蒸發、光氧化、溶解、乳化、顆粒物質的吸附沉降以及微生物降解等風化過程(趙云英等, 1997)。乳化是重要的風化過程, 石油產品中的瀝青質、膠質和蠟對乳化物的形成起作用, 乳化使油膜形成不同濃度油包水乳化物, 顯著改變油的物理化學性質(嚴志宇等, 20022; Guo, 2019)。

為了最大程度降低溢油災害帶來的環境影響, 需要采取快速應急反應處置溢油, 正確識別溢油種類對于應急處理策略的制定具有重要意義(陸應誠等, 2019)。在光學遙感方面, 油膜的光譜吸收特性是區分并識別不同油膜的重要依據(Lu, 2019), 高光譜因具有豐富的光譜信息而在油種識別方面發揮著重要作用(Yang, 2020)7164, 許多學者基于油膜光譜特性提取進行了油膜類型的識別研究(Wettle, 2009; 談愛玲等, 2011; Shi, 2018)。雖然光學傳感器尤其是高光譜可以提供豐富的光譜信息, 但溢油事故通常發生在天氣惡劣的環境, 限制了光學遙感在溢油事故中監測作用的發揮。

合成孔徑雷達(synthetic aperture radar, SAR)以其全天時全天候的優勢在海面溢油遙感監測過程中發揮著主力軍的作用(許晨琪等, 2021)13。SAR依賴于海面粗糙度所形成的后向散射對海面進行成像, 海面油膜抑制海面的毛細重力波, 使海面粗糙度降低, 從而減弱后向散射, 在SAR圖像上形成暗斑(李煜等, 2019; 陳韓, 2020)。油膜的抑制效應與油膜厚度、表面彈性及風速風向等因素相關(Zhang, 201571; Zheng, 202112)。基于此理論基礎, Wismann等(1998)在北海的受控溢油實驗中, 分別釋放了重質燃料油和輕質燃料油, 發現在S、C、X和Ku波段重質燃料油的抑制作用大于輕質燃料油, L波段兩者抑制比差異不大, 且重質燃料油抑制比隨油膜厚度增加而增加。Gade等(1998)利用星載SIR-C/X-SAR圖像對生物油膜和礦物油膜進行區分研究, 結果發現同一油膜的抑制比強烈依賴于風速, 相對于C波段和X波段, L波段下生物油膜的抑制作用更大。Jones等(2016)基于2015年挪威海岸溢油實驗獲取了L波段無人機載合成孔徑雷達 (uninhabited aerial vehicle synthetic aperture radar, UAVSAR)圖像, 分析可知在釋放后的較短時間內, 礦物油膜在不同極化方式下的抑制比均表現出明顯的分帶, 而植物油在釋放后分區并不明顯。此外, 基于極化分解和特征參數的油種區分也有研究, Tian等(2010)基于中國海南海上溢油實驗獲取了RADARSAT-2圖像, 利用非相干目標分解結果對礦物油、生物油和似然物進行區分與識別研究。段冰等(2013)在分析生物油和礦物油極化比的基礎上, 提出基于交叉極化比的生物油和礦物油的區分方法。Skrunes等(2014)獲取了海上礦物油和生物油觀測實驗的全極化C波段合成孔徑雷達(synthetic aperture radar, SAR)數據, 發現幾何強度和同極化向量積的實部可以用于區別生物油膜和礦物油。

綜上所述, 隨著微波技術的快速發展, SAR在油種識別方面已存在極大的潛能。本文基于海面溢油來源的主要類型, 選取柴油(石油衍生品代表)、原油、油水混合物(乳化油代表)和棕櫚油(生物油代表)四種油品, 開展C波段全極化散射計溢油觀測實驗, 探究微波識別油膜的敏感特征參數, 并將其應用于海上油膜實驗獲取的SAR圖像進行油種識別。

1 實驗與方法

1.1 外場實驗

1.1.1 實驗油品及實驗儀器 基于海上溢油類型, 選擇了四種油品進行實驗, 分別為: (1) 柴油; (2) 原油, 其瀝青含量為0.73%, 密度為0.92 g/mL; (3) 油水混合物; (4) 棕櫚油, 其密度為0.85 g/mL。本次實驗位于青島市嶗山區南姜碼頭陸基海水池(45 m× 40 m×2 m)設置的圍油欄內(為防止油膜溢出, 實驗設置雙層圍油欄), 圍油欄區域大小為6.8 m×3.2 m, 美國ProSensing公司生產的C波段全極化散射計設置在池邊鋼板平臺上, 極化方式為垂直(vertical transmission vertical reception, VV)極化、水平(horizontal transmission horizontal reception, HH)極化和交叉(vertical transmission horizontal reception/ horizontal transmission vertical reception, VH/HV)極化, 其在25°～60°入射角范圍內以5°為間隔進行掃描, 掃描足印直徑0.8 m, C波段全極化散射計參數如表1所示, 實驗設置如圖1所示, 不同入射角下的掃描中心與池邊距離如表2所示。

表1 C波段散射計參數

注: 極化方式VV, VH, HV, HH分別代表垂直(vertical transmission vertical reception, VV)極化、交叉(vertical transmission horizontal reception, VH)極化、交叉(horizontal transmission vertical reception, HV)極化、水平(horizontal transmission horizontal reception, HH)極化

圖1 外場實驗設置

表2 C波段散射計不同入射角掃描中心距池邊距離

1.2 油種識別特征參數選擇

1.2.1 極化差 海面RCS表示為鏡面散射、布拉格散射以及非布拉格散射三者之和, 中等入射角下, 鏡面散射在總散射中占比小, 可以忽略不計, 因此, 可以將中等入射角下海面RCS表示為布拉格散射與非布拉格散射之和(Zheng, 2021)2。極化差(polarization difference,D)定義為VV極化的RCS與HH極化之差,計算公式如式(1)所示, 其去除了非布拉格散射的影響, 主要包含接近布拉格波數的短波分量的貢獻。D在清潔海面時值最大, 隨著溢油影響增大而慢慢降低(Angelliaume, 2017)。

1.2.2 抑制比 油膜在SAR圖像上形成暗斑, 原因之一為油膜抑制海面的毛細重力波, 使海面粗糙度降低, 從而減弱海面的后向散射。抑制比(damping ratio,R)可以定量描述油膜對海浪譜的抑制效應, 定義為無油海水與油膜覆蓋海表RCS的比值(Wismann, 19983615;許晨琪, 202134), 其計算公式如式(2)所示。

1.2.3 極化比 海水的介電常數大于油膜, 油膜的存在使得有效介電常數變小, 同樣也會導致后向散射減小。極化比(polarization ratio,R)定義為HH極化與VV極化的RCS之比, 計算公式如式(3)所示, 在布拉格散射理論下, 極化比與海面粗糙度無關, 僅取決于入射角和海面的介電特性。當油膜厚度較小時(如生物油膜和薄礦物油膜), 微波會穿透油膜而返回海水的特征, 因此介電常數的變化可以忽略, 其極化比與無油海水的極化比基本相同; 當海面覆蓋厚油(對C波段而言油膜厚度大于1 mm)或乳化油膜, 介電常數將影響極化比, 在同一入射角下, 隨著含油率的增加(即含水率的減小), 極化比呈現增加趨勢(Angelliaume, 2018); 同時通過觀測極化比值與理論值的對比, 發現非布拉格散射對RCS產生重要影響(Skrunes, 2015)。

圖2 實驗過程布油量

2 結果與分析

2.1 南姜碼頭微波實驗數據特征分析

為30°和55°入射角在不同實驗序列下油膜的RCS與風速的對應變化圖, 分析可知, 風速的變化對部分實驗序列的RCS產生了明顯的影響, 風速的增大或減小改變了水面油膜厚度的分布, 進而使RCS增大或減小, 如序列2～4對應油膜RCS隨風速增大而增大, 序列16～18和25～27對應油膜RCS隨風速增大而增大, 序列21～24對應油膜RCS與風速的變化一致性較高, 其他序列下的油膜RCS與風速的變化一致性并不顯著; 當風速大于3 m/s時, 油膜RCS并未隨風速的增大而增大到最大值, 當風速小于1 m/s時油膜RCS同樣未出現最低值, 且在風速小于1 m/s時, 油膜RCS在VV極化方式下的降低更為明顯。根據油膜RCS隨溫度變化圖4b和4d可知, 在序列18～22和序列26～30即原油和油水混合物實驗中, 水溫與對應RCS的變化趨勢較為一致(風速整體呈下降趨勢), 此時實驗時間均處于每日溫度較高的中午, 溫度的升高加快乳化進程(嚴志宇等, 2002)3, 因此,RCS呈現增加趨勢(Guo, 2020)48。

油水差(RCSdifferences between oil-water, ?0)可以反映油膜相對于周圍海水的變化(許晨琪, 2021)33, 其計算公式為

圖3 海水NRCS (a)和柴油NRCS (b)隨入射角的變化

注: VV表示垂直(vertical transmission vertical reception, VV)極化, HH代表水平(horizontal transmission horizontal reception, HH)極化, VH/HV表示交叉(vertical transmission horizontal reception/horizontal transmission vertical reception, VH/HV)極化

圖4 油膜NRCS在不同入射角隨風速(a, c)和水溫(b, d)變化

注: 分割線為不同種油膜的實驗序列

柴油、原油、油水混合物和棕櫚油VV極化方式下的油水差如圖5所示, 在30°和55°入射角下對VV極化的數據進行分析發現: 油水混合物、原油和柴油均出現了油膜RCS大于海水即?0>0的現象, 這與油膜抑制作用增強使得?0<0的結論并不一致。在不同極化方式下對30°和55°入射角的?0>0的數據進行統計如表3所示, 可以發現油水混合物作為油膜乳化物在不同極化方式下均出現了油膜RCS增大的現象, 且其比例均大于50%, 說明一定程度乳化能夠增大油膜的RCS, 從而使得?0>0, 印證了Guo等(2020)42的結論; 原油在三種極化方式下出現油膜RCS增大, 這是由于油膜出現部分乳化的現象(原油和油水混合物由于黏度大, 為保證掃描區域有油膜分布, 試驗過程進行了人工攪拌); 柴油和棕櫚油(實驗過程沒有進行人工攪拌)不含瀝青, 不易發生油包水的乳化(嚴志宇等, 2002)2, 但柴油在不同極化方式下存在大于50%的?0>0且不同序列下?0的值比較接近, 這是由于柴油進水后擴散較快, 黏度較小的柴油在風場的作用下向圍油欄左長邊聚集(面向水池), 散射計掃描軌跡中油膜分布不均勻且油量少, 致使?0>0且差值大小比較接近。棕櫚油在實驗過程中風速在逐漸減小(圖4), 油膜在掃描軌跡上分布較均勻, 隨著油量的增加RCS不斷減小, 因此棕櫚油?0<0。由實驗數據分析可知, 棕櫚油?0均小于0, 柴油的?0變化小, 因此, 基于?0可以將二者與原油和油水混合物區分, 原油和油水混合物由于乳化使得?0均呈現增大趨勢, 在VV極化方式下比較容易識別(表3)(許晨琪等, 2021)16, 而在HH和VH/HV極化方式下較難將兩者區分。如果在相同條件下比較, 油水混合物?0>0的比例應遠遠高于原油。

圖5 入射角在30°和55°條件下不同序列VV極化方式的?0

Fig.5 ?0for different sequential in VV polarization modes at incidence angles of 30° and 55°

表3 入射角30°和55°條件下不同極化方式?σ0>0的統計比例

2.1.2 油膜散射特征參數變化分析 由于棕櫚油實驗序列為6個, 因此, 基于特征參數的分析選取4種油品的前6個序列, 序列1為無油海水, 序列2～6為油膜特征參數變化, 該實驗序列下的風速、水溫如圖6所示。

圖7a, 7b為30°和55°入射角下柴油、原油、油水混合物和棕櫚油的極化差D, 圖7c～7e和圖7f～7h分別為30°和55°入射角下四類油膜不同極化方式下以dB表達的RCS計算的抑制比R, 圖7i, 7j分別為30°和55°入射角下四類油膜的極化比R。隨著油膜影響增大(油膜厚度相對增大),RCS減小,D和R均應呈現減小趨勢, 而R則應呈現增加趨勢。柴油在序列3～4下風速的增加使得油膜分散, 油膜對RCS的影響降低, 因此D和R異常增加,R減小; 而在序列4～6下隨著油膜影響的增大,D和R呈現減小趨勢,R呈現增加趨勢。原油的D、R和R變化較小, 說明在此過程中原油的油膜厚度變化小且該入射角下為薄油分布, 序列3～5下的D和R逐漸增大,R逐漸減小, 這是由于風速的增加導致掃描區域油膜較薄, 其對RCS的影響減小, 序列6不同入射角的油膜分布不同, 因此,D和R出現不同的變化趨勢。油水混合物的D和R呈現先減小后增大的趨勢,R的變化趨勢在兩個入射角下并不相同; 在30°入射角下序列2～4的D隨著油膜影響增大而減小,R隨之增大,R則在序列3～4出現了異常增大, 這與乳化增大RCS有關; 序列4～6下的風速呈現增大趨勢, 油膜分散使得其影響減小,RCS增加迅速使得D、R增加,R減小, 55°入射角下序列6的D存在較小的增加趨勢, 而R均呈現增加趨勢, 這可能與風速影響油膜分布而導致的異常有關。棕櫚油隨著油膜影響的增加,D和R呈現減小趨勢,R呈現增加趨勢, 30°入射角下的序列4和6風速減小, 油膜聚集使得油膜影響增大, 因而D和R在VV極化和VH/HV極化方式下異常減小,R異常增加; 序列5風速增加, 油膜分散使得D增加, VV極化和VH/HV極化方式下的R增加,R減小, 55°入射角下的變化正常; 實驗過程中R在HH極化方式下出現了異常增加趨勢, 且在30°入射角下的增加趨勢更大, 這可能與風速影響油膜分布導致的數據異常有關。

圖6 實驗序列對應的風速(a)和水溫(b)

綜上所述, 柴油作為原油的衍生品, 其D、R兩類散射特征參數值與原油接近; 棕櫚油在四類油膜中的D和R特征參數最小并與其他油種差距較大, 最易識別; 油水混合物在D和R特征參數下的變化趨勢為增大, 且變化趨勢大于原油和柴油; 棕櫚油的R呈現增加趨勢, 其他油種則在不同入射角下的變化趨勢不一致。對散射特征參數的均值進行統計, 其均值大小比較如圖8所示, 分析可知: (1) 不同極化方式的原油、油水混合物、柴油三類油膜的R均值均大于棕櫚油, 可以有效識別棕櫚油; VV極化和HH極化下柴油、原油和油水混合物的R均值接近, 而在VH/HV極化方式下三者R均值尤其是原油和油水混合物的差異較大, 因此VH/HV極化方式下對于原油和油水混合物的識別有效; (2) 柴油作為原油的衍生品, 其D與原油接近, 但原油、油水混合物和棕櫚油的D均值依次減小, 因此D能識別原油、油水混合物和棕櫚油; (3) 礦物油在不同入射角下的R變化趨勢不相同, 且不同入射角下的均值大小關系相反, 因此在本實驗中不適于四類油種的識別。

圖8 特征參數均值大小比較

2.2 SAR圖像油種識別應用

2.2.1 SAR驗證圖像獲取 2011年6月6～9日, 挪威海洋清潔運營協會公司(Norwegian Clean Seas Association for Operating Companies, NOFO)在北海(59°59′ N, 2°27′ E)開展海上溢油實驗, 實驗區域如圖9所示。實驗選取原油、乳化油和植物油三種油品, 原油是Balder油, 密度為0.914 g/mL; 乳化油由Oseberg blend原油混合5%的IFO380制成, 實驗室測得含水率為69%; 植物油為Radiagreen ebo油, 具有與天然油膜類似的雙親結構, 用于模擬天然單分子生物成因油膜; 其他油膜特性可參考Skrunes等(2014)5304和舒思京(2020)。三種油膜的釋放過程如表4所示, 釋放后對乳化油進行機械回收, 剩余1 m3以成像, 對原油進行分散處理。

本文獲取了一景6月8日的RADARSAT-2圖像進行油種識別應用, 其具體參數如表5所示, 風速數據為參加實驗的船只或附近的石油平臺提供。經過定標、濾波處理后的VV極化RCS圖像如圖10a所示, 基于VV極化圖像的RCS利用閾值法協同目視解譯的方法提取出油膜范圍如圖10b所示。圖中左上為植物油, 中間為乳化油, 右下為原油, 三類油膜清晰可見, 圖像獲取時間分別為植物油釋放后13 h, 乳化油釋放后29 h, 原油釋放后9 h。

表4 油膜釋放過程數據記錄

表5 RADARSAT-2圖像參數

2.2.2 基于敏感特征參數的識別 南姜碼頭實驗結果分析可知, 油水差?0、抑制比R和極化差D可以應用于圖10油種的識別。基于ENVI 5.3軟件對經過定標、濾波后的圖像選取溢油鄰近海水, 利用MATLAB R2018b按列計算海水樣本的RCS均值, 而后計算油膜與對應列海水均值的差值形成?0圖像, 如圖11所示; VV和HH極化方式的圖像顯示植物油的?0比原油和乳化油小, 且原油、乳化油油膜邊緣?0值大于油膜中間, 植物油不顯示此差異, 這是由于原油、乳化油邊緣油膜厚度小, 易于發生乳化, 使得邊緣?0值大, 這一結論與Guo等(2022)13一致, 植物油不發生乳化, 因此油膜邊緣與中間?0值無明顯差異; VH/HV極化方式下原油、乳化油和植物油的?0值分布并無明顯差異。

圖9 實驗位置及區域

圖10 VV極化下的NRCS[dB]圖(a)和溢油提取圖(b)

與?0計算方法類似, 基于dB表達的RCS計算不同極化方式下的R(RCS[dB])如圖12a～12c所示, 基于linear units表達的RCS計算的R(RCS[linear units])如圖12d～12f所示; VV極化和HH極化方式的R(RCS[dB])顯示原油、乳化油邊緣值大于油膜中間, 植物油不顯示此差異, 這是由于原油、乳化油邊緣油膜厚度小, 易于發生乳化, 使得邊緣R(RCS[dB])值大, 這一結論與Guo等(2022)13一致, VH/HV極化方式下原油、乳化油和植物油的R(RCS[dB])值分布并無明顯差異。VV極化和HH極化方式的R(RCS[linear units])顯示植物油小于原油、乳化油, 礦物油膜邊緣值明顯小于油膜內部, 植物油的圖像較為均勻; VH/HV極化方式下的圖像可以看出乳化油的R均值大于原油, 兩者存在差別。R(RCS[dB])和R(RCS[linear units])均可以在VV和HH極化方式下較好地識別植物油, 但R(RCS[linear units])在VV和HH極化方式下植物油和礦物油的差異更明顯, 且VH/HV極化方式下可以識別原油和乳化油, 因此,R(RCS[linear units])更有利于油種識別。

基于ENVI 5.3計算的D圖像如圖13a所示, 可以看出原油和乳化油的邊緣D值大于油膜中間, 植物油的邊緣和中間的差異不如礦物油明顯, 但在油膜左側也出現了邊緣值大的情況, 這是由于邊緣油膜厚度小, 油膜影響小, 進而導致邊緣D大; 為了進一步增大油種之間的差異, 嘗試計算油水差的極化差(polarization difference of oil-water difference,DOW), 即VV極化與HH極化油水差的差值, 其計算公式如式(5)所示, 計算結果如圖13b所示, 由圖13b可知, 基于DOW的特征圖像可以看出原油、乳化油和植物油三類油膜的差異。

3 討論

南姜碼頭散射計實驗發現VH/HV極化在區分識別礦物油膜方面有優勢。星載SAR圖像的VH/HV極化方式下受噪聲影響較大(Garcia-Pineda, 2020)4,油膜抑制毛細重力波使得RCS更小, 因此, VH/HV極化在油種識別方面不敏感, 但在對NOFO溢油實驗獲取的圖像計算特征參數時發現, VH/HV極化方式下的R(RCS[linear units])有利于原油和乳化油的識別。

圖11 不同極化方式的油水差圖

圖12 基于dB(a～c)和linear units(d～f)表達的后向散射系數計算的不同極化方式下的抑制比

圖13 極化差(a)和油水差的極化差圖(b)

油膜的抑制效應與油膜厚度、表面張力、黏度、風速風向等有關(Zhang, 2015)71, 此外, 一定程度乳化增大RCS, 這對油膜的抑制效應也會產生影響。Guo等(2022)13提出R(RCS[dB])能夠一定程度反映原油與乳化原油混合條件下的相對油膜厚度大小, 其值越小厚度越大; 同時R(RCS[dB])能夠反映SAR圖像中同一油膜的相對乳化程度, 乳化程度越高值越大。Zhang等(2015)提出油膜厚度小于0.01 mm時,R(RCS[linear units])變化不大, 厚度大于0.01 mm時,R(RCS[linear units])總體上隨厚度增加而增加。隨著油膜影響增大(油膜厚度的增大),D呈現減小趨勢, 而R呈現增加趨勢, 因此, 結合各參數的變化特征可以有效判斷南姜碼頭實驗中的相對油膜厚度大小。由NOFO獲取的SAR圖像計算原油和乳化油的R圖像可以看出油膜邊緣油膜厚度小, 內部厚度大, 存在明顯分區,同時油膜邊緣乳化作用較強, 對R的變化也會產生影響; 植物油厚度小, 且不發生乳化, 因此R的變化較小。乳化油釋放距成像時間29 h, 且進行了回收操作, 油膜厚度較小, 原油釋放9 h, 在海水的作用下發生乳化; 因此, 原油和乳化油的特征參數圖顯示相似(Skrunes, 2014)5317。

4 結論

本文開展基于C波段全極化散射計的外場實驗, 獲取了柴油、原油、油水混合物和棕櫚油的不同實驗序列下的RCS, 探索可以有效識別不同油種的敏感特征參數, 并將外場實驗獲取的敏感特征參數運用于SAR圖像中進行不同油種的識別。結果發現: (1) VV和HH極化方式下的油水差?0有利于識別植物油和礦物油; (2) VV和HH極化方式下的抑制比R(RCS[dB])和R(RCS[linear units])均有利于識別植物油和礦物油, 但R(RCS[linear units])可以更清晰地顯示植物油和礦物油的差異, 且在VH/HV極化方式下的R(RCS[linear units])對于原油和乳化油的識別更有效, 因此, 基于linear units的R更有利于識別油種; (3) 極化差D在南姜碼頭實驗中有效識別了原油、油水混合物和棕櫚油, 在SAR圖像中發現油水差的極化差DOW可以有效識別三類油種。

未來還需要進一步控制實驗條件, 獲取其他油膜的數據, 增加其他特征參數, 探索具有普適性的油種區分識別方法, 為星載SAR油種區分與識別提供數據參考和方法支撐。

致謝 感謝加拿大國家航天局RADARSAT-2數據支持。

于偉娜, 2012. 我國海上原油運輸通道運量分配優化研究[D]. 大連: 大連海事大學: 1-2.

劉朋, 2012. SAR海面溢油檢測與識別方法研究[D]. 青島: 中國海洋大學: 1-2.

許晨琪, 2021. 原油乳化微波散射特性實驗及應用研究[D]. 煙臺: 中國科學院大學(中國科學院煙臺海岸帶研究所): 1-60.

許晨琪, 過杰, 楊啟霞, 等, 2021. 微波散射實驗識別原油及乳化原油[J]. 海洋科學, 45(4): 13-21.

孫寧寧, 2019. 我國海上石油開采溢油應急預警機制研究[D]. 上海: 上海海洋大學: 8.

嚴志宇, 許海梁, 2002. 溢油乳化過程的研究進展[J]. 交通環保(2): 1-6, 26.

李煜, 陳杰, 張淵智, 2019. 合成孔徑雷達海面溢油探測研究進展[J]. 電子與信息學報, 41(3): 751-762.

吳傳雯, 2014. 大連新港溢油事故對海洋生態環境的影響研究[D]. 上海: 上海海洋大學: 1-2.

余曉鐘, 羅霞, 2021. “一帶一路”國際能源合作創新模式實施保障機制研究[J]. 科學管理研究, 39(5): 160-168.

沈亞峰, 劉建強, 丁靜, 等, 2020. 海洋一號C星光學載荷對海面溢油的識別能力分析[J]. 遙感學報, 24(8): 933-944.

張明亮, 2015. 面向對象的SAR圖像溢油信息提取研究[D]. 北京: 中國地質大學(北京): 1-2.

陸應誠, 劉建強, 丁靜, 等, 2019. 中國東海“桑吉”輪溢油污染類型的光學遙感識別[J]. 科學通報, 64(31): 3213-3222.

陳韓, 2020. 海面溢油電磁遙感探測識別技術研究[D]. 南京: 南京信息工程大學: 13-14.

金戈, 董仁杰, 蔡睿, 等, 2019. “桑吉輪”碰撞事故溢油模擬研究[J]. 水利規劃與設計(9): 64-67, 122.

鄭本昌, 2018. 倚天觀海, 助力海洋發展戰略——中國海洋衛星應用面面觀[J]. 太空探索(11): 13-15.

趙云英, 楊慶霄, 1997. 溢油在海洋環境中的風化過程[J]. 海洋環境科學, 16(1): 49-56.

段冰, 種勁松, 2013. 基于交叉極化比的SAR圖像礦物油膜與生物油膜的區分方法[J]. 遙感技術與應用, 28(1): 103-107.

談愛玲, 畢衛紅, 趙勇, 2011. 基于稀疏非負矩陣分解和支持向量機的海洋溢油近紅外光譜鑒別分析[J]. 光譜學與光譜分析, 31(5): 1250-1253.

蔣興偉, 何賢強, 林明森, 等, 2019. 中國海洋衛星遙感應用進展[J]. 海洋學報, 41(10): 113-124.

舒思京, 2020. 極化雷達溢油探測實驗研究[D]. 青島: 自然資源部第一海洋研究所: 16.

溫艷萍, 吳傳雯, 2013. 大連新港“7.16溢油事故”直接經濟損失評估[J]. 中國漁業經濟, 31(4): 91-96.

ANGELLIAUME S, DUBOIS-FERNANDEZ P C, JONES C E,, 2018. SAR imagery for detecting sea surface slicks: performance assessment of polarization-dependent parameters [J]. IEEE Transactions on Geoscience and Remote Sensing, 56(8): 4237-4257, https://doi.org/10.1109/ TGRS.2018.2803216.

ANGELLIAUME S, MINCHEW B, CHATAING S,, 2017. Multifrequency radar imagery and characterization of hazardous and noxious substances at sea [J]. IEEE Transactions on Geoscience and Remote Sensing, 55(5): 3051-3066, https://doi.org/10.1109/TGRS.2017.2661325.

GADE M, ALPERS W, HüHNERFUSS H,, 1998. Imaging of biogenic and anthropogenic ocean surface films by the multifrequency/multipolarization SIR-C/X-SAR [J]. Journal of Geophysical Research: Oceans, 103(C9): 18851-18866, https://doi.org/10.1029/97JC01915.

GARCIA-PINEDA O, STAPLES G, JONES C E,, 2020. Classification of oil spill by thicknesses using multiple remote sensors [J]. Remote Sensing of Environment, 236: 111421, https://doi.org/10.1016/j.rse.2019.111421.

GUO J, LUO Y M, GE F,, 2019. Study on crude oil and its emulsification characteristics [C] // IGARSS 2019 - 2019 IEEE International Geoscience and Remote Sensing Symposium. Yokohama, Japan: IEEE: 8257-8259, https://doi.org/10.1109/IGARSS.2019.8898844.

GUO J, XU C Q, LIU G W,, 2022. Experimental research on oil film thickness and its microwave scattering during emulsification [J]. Journal of Oceanology and Limnology, 40(4): 1361-1376, https://doi.org/10.1007/s00343-021-1183-x.

GUO J, ZHANG T L, ZHANG X,, 2020. Impact of emulsification of crude oil on normalized radar cross section [J]. Journal of Oceanology and Limnology, 38(1): 42-54, https://doi.org/10.1007/s00343-019-8298-3.

JONES C E, ESPESETH M M, HOLT B,, 2016. Characterization and discrimination of evolving mineral and plant oil slicks based on L-band synthetic aperture radar (SAR) [C] // Proc. SPIE 10003, SAR Image Analysis, Modeling, and Techniques XVI, 100030K. Edinburgh, Scotland: SPIE: 4-13, https://doi.org/10.1117/12.2241266.

JONES C E, HOLT B, 2018. Experimental L-band airborne SAR for oil spill response at sea and in coastal waters [J]. Sensors, 18(2): 641, https://doi.org/10.3390/s18020641.

LU Y C, SHI J, WEN Y S,, 2019. Optical interpretation of oil emulsions in the ocean - Part I: Laboratory measurements and proof-of-concept with AVIRIS observations [J]. Remote Sensing of Environment, 230: 111183, https://doi.org/10. 1016/j.rse.2019.05.002.

SHI J, JIAO J N, LU Y C,, 2018. Determining spectral groups to distinguish oil emulsions fromover the Gulf of Mexico using an airborne imaging spectrometer [J]. ISPRS Journal of Photogrammetry and Remote Sensing, 146: 251-259, https://doi.org/10.1016/j.isprsjprs.2018.09.017.

SKRUNES S, BREKKE C, ELTOFT T, 2014. Characterization of marine surface slicks by Radarsat-2 multipolarization features [J]. IEEE Transactions on Geoscience and Remote Sensing, 52(9): 5302-5319, https://doi.org/10.1109/TGRS. 2013.2287916.

SKRUNES S, BREKKE C, ELTOFT T,, 2015. Comparing near-coincident C- and X-Band SAR acquisitions of marine oil spills [J]. IEEE Transactions on Geoscience and Remote Sensing, 53(4): 1958-1975, https://doi.org/10.1109/TGRS. 2014.2351417.

TIAN W, SHAO Y, YUAN J N,, 2010. An experiment for oil spill recognition using RADARSAT-2 image [C] // 2010 IEEE International Geoscience and Remote Sensing Symposium. Honolulu, HI, USA: IEEE: 2761-2764, https:// doi.org/10.1109/IGARSS.2010.5652898.

WETTLE M, DANIEL P J, LOGAN G A,, 2009. Assessing the effect of hydrocarbon oil type and thickness on a remote sensing signal: A sensitivity study based on the optical properties of two different oil types and the HYMAP and Quickbird sensors [J]. Remote Sensing of Environment, 113(9): 2000-2010, https://doi.org/10.1016/j.rse.2009.05.010.

WISMANN V, GADE M, ALPERS W,, 1998. Radar signatures of marine mineral oil spills measured by an airborne multi-frequency radar [J]. International Journal of Remote Sensing, 19(18): 3607-3623, https://doi.org/10. 1080/014311698213849.

YANG J F, WAN J H, MA Y,, 2020. Characterization analysis and identification of common marine oil spill types using hyperspectral remote sensing [J]. International Journal of Remote Sensing, 41(18): 7163-7185, https://doi.org/10. 1080/01431161.2020.1754496.

ZHANG Y M, ZHANG J, WANG Y H,, 2015. The damping model for sea waves covered by oil films of a finite thickness [J]. Acta Oceanologica Sinica, 34(9): 71-77, https://doi.org/10.1007/s13131-015-0729-1.

ZHENG H L, ZHANG J, KHENCHAF A,, 2021. Study on non-Bragg microwave backscattering from sea surface covered with and without oil film at moderate incidence angles [J]. Remote Sensing, 13(13): 2443, https://doi.org/10. 3390/rs13132443.

OIL TYPES IDENTIFICATION BASED ON MICROWAVE SCATTERING EXPERIMENT

MA Jing1, 2, 3, GUO Jie1, 2

(1. Yantai Institute of Coastal Zone Research, Chinese Academy of Sciences (CAS), CAS Key Laboratory of Coastal Environmental Processes and Ecological Remediation, Yantai 264003, China; 2. Shandong Key Laboratory of Coastal Environmental Processes, Yantai 264003, China; 3. University of Chinese Academy of Sciences, Beijing 100049, China)

With complex sources and various types of oil spills at sea, correct identification of oil spill types is of great significance for the rapid response to oil spill incidents. Synthetic aperture radar (SAR) can perform all-day all-weather monitoring at sea surface for oil spill; however, there has been a deficiency in oil type identification. We applied the C-band full-polarization scatterometer in field experimental observations on diesel oil, crude oil, oil-water mixture, and palm oil to screen sensitive feature parameters for microwave identification of an oil film at sea, and the sensitive feature parameters were applied to the SAR images obtained from the offshore oil film experiments for oil-type identification. Results show that the oil-water difference (?0) in VV (vertical transmission vertical reception) polarization mode can effectively identify plant oil and mineral oil. The damping ratio (R) calculated based on the normalized radar cross section (RCS) expressed by dB and linear units, respectively, could effectively discriminate plant oil and mineral oil in VV and HH (horizontal transmission horizontal reception) polarization modes. In addition, in VH/HV (vertical transmission horizontal reception/ horizontal transmission vertical reception) polarization mode, the damping ratio calculated byRCSexpressed by linear units could identify crude oil and emulsified oil, and using the polarization difference(D), crude oil, emulsified oil, and plant oil could also be discriminated.

oil type identification; synthetic aperture radar (SAR); C-band full-polarization scatterometer; sensitive feature parameters

P76

10.11693/hyhz20220500146

*國家自然科學基金, 42076197號; 山東聯合重點基金, U1906217號; NSFC-山東聯合基金, U2106211號。馬 靖, 碩士研究生, E-mail: jma@yic.ac.cn

過 杰, 研究員, E-mail: jguo@yic.ac.cn, https://orcid.org/0000-0001-8767-8874

2022-05-31,

2022-07-15