引用本文
刘丙新, 李颖, 高超. 基于机载多光谱遥感数据的溢油信息提取方法[J]. 国土资源遥感, 2014,26(1): 42-46
LIU Bingxin, LI Ying, GAO Chao. Method for oil spill information extraction from airborne multispectral imagery[J]. REMOTE SENSING FOR LAND & RESOURCES,2014,26(1): 42-46  
Permissions
Copyright©2014, 《国土资源遥感》编辑部
《国土资源遥感》编辑部
基于机载多光谱遥感数据的溢油信息提取方法
刘丙新, 李颖, 高超
大连海事大学环境信息研究所,大连 116026
李 颖(1968-),女,教授,主要从事遥感信息获取与识别研究。Email:yldmu@126.com。

第一作者简介: 刘丙新(1984-),男,博士研究生,主要从事遥感溢油识别与监测研究。Email:gisbingxin@gmail.com。

收稿日期: 2013-03-03
基金: 国家自然科学基金项目“船舶溢油目标光谱重建和识别研究”(编号: 41071260)、国家海洋公益项目“海洋溢油污染风险评估及应急响应关键技术集成和示范应用”(编号: 2012418012-02)及中国石油天然气股份有限公司科学研究与技术开发项目“遥感物化探油气直接检测和评价技术研究”(编号: 2011A-0209-01)共同资助
摘要

为研究应用紫外-可见光-近红外-热红外遥感数据识别海上溢油的方法,利用机载多光谱溢油监测设备获取了舟山海域多光谱遥感数据,并利用野外地物光谱仪获取了水体和油膜的反射光谱。通过提取并分析机载多光谱遥感图像上多目标的影像特征和光谱响应特征,利用决策树分类法对海上油膜相对厚度的分布进行分类和制图。研究表明,基于机载多光谱遥感数据的溢油信息提取方法总体分类精度达93.7%,能够准确区分薄油膜和厚油膜,可有效提取海洋溢油污染信息,完全能够满足海洋溢油污染遥感监测需求。

关键词: 机载多光谱数据; 光谱特征; 溢油
中图分类号:TP75 文献标志码:A 文章编号:1001-070X(2014)01-0042-05 doi: 10.6046/gtzyyg.2014.01.08
Method for oil spill information extraction from airborne multispectral imagery
LIU Bingxin, LI Ying, GAO Chao
Environmental Information Institute, Dalian Maritime University, Dalian 116026, China
Abstract

In order to study the method for identifying the oil film using the multispectral data, the authors obtained the imagery of Zhoushan waters by using the marine aircraft-borne multi-spectral oil spill detector, and also acquired the reflectance spectra of the water and oil film by means of FieldSpec spectroradiometer.The image characteristics and spectral response characteristics were analyzed so as to detect the distribution of the relative thickness using the decision tree classifier. The overall accuracy is 93.7%, which shows that the classification method based on the spectral characteristics could effectively recognize the thick thin sheen oil film and extract the information of marine oil pollution, thus sufficiently satisfying the requirements for monitoring marine oil spill.

Keyword: airborne multispectral data; spectral characteristics; oil spill
0 引言

海上溢油是当今海洋污染物的重要来源之一, 无论是事故性溢油还是人为非法排放物都会对海洋环境造成巨大威胁[1]。近些年, 随着深海石油开采业的兴起和沿海石油储运基地的建设, 加之由于管道老化和操作失误等造成的海洋石油污染均呈现增加的趋势, 而且该类型事故造成的溢油往往会形成较大规模的污染: 2010年墨西哥湾的深水地平线采油平台爆炸导致的溢油、2010年大连新港油罐爆炸造成的溢油以及2011年康菲石油蓬莱19-3石油平台的溢油, 均造成了严重的海洋污染[2]。

溢油遥感监测是溢油污染管理工作的重要部分。在较大的溢油事故中, 遥感是进行宏观观测的最有效方法。在利用航空、卫星遥感监测油膜方面, 国内外研究者已开展了较广泛的研究, 集成紫外光、可见光、红外、微波、激光荧光和侧视雷达等几类传感器数据, 开展油膜监测[3, 4, 5, 6, 7, 8]。在油膜厚度监测方面研究较多, 尤其是利用可见光-近红外数据反演溢油厚度方面, 有研究者建立了油厚和油膜表观现象的关系[9, 10]。最早的报道是1930年提交给美国国会的报告, 将0.4~2.0 μ m油膜厚度进行了分类[11]; 1972年Hornstein建立了一个基于实验的标准[10], 该标准目前还在广泛应用; 欧洲应急委员会也设置了自己的计算标准[12]。但通过人的观察进行油膜厚度判定受到诸多因素的制约, 如个人经验、观察角度以及假目标等[13]。Ocean Imaging公司[11]在2010年墨西哥湾溢油事故中利用可见光-近红外多光谱设备对溢油范围和相对厚度进行了识别与监测; Clark等[14]也对该次溢油事故进行了研究, 通过AVIRIS航空数据与实测反射率光谱数据反演了油膜厚度的分布情况, 同时提出对溢油中的油厚进行精确反演必要性不大, 主要是能够区分薄油膜和可回收的厚油膜即可。

本文利用机载多光谱遥感数据对油膜相对厚度进行识别, 通过分析目标的光谱特征, 利用决策树分类法较好地区分可回收的厚油膜、不可回收的薄油膜和甚薄油膜, 以及海水等, 为利用可见光-近红外-热红外多光谱遥感数据进行油膜相对厚度分布制图提供了一种思路和参考。

1 研究区概况

研究区位于浙江省舟山市岙山油码头附近。该海域处于杭州湾东部, 是长江、钱塘江及甬江等江河的入海口区, 往来油船密集, 存在一定的溢油风险。该海域海水深度一般不超过10 m, 海底沉积物以泥沙为主。泥沙在洋流搅动下易被卷带至海面, 悬浮在海水中, 颗粒较大, 由于其减弱了海水对红光、橙光、黄光的吸收, 致使该处海水呈现黄色。2008年10月16日, 大连海事大学“ 水上溢油遥感识别与监测技术” 课题组在岙山油码头附近海域进行了机载遥感监测溢油实验, 验证溢油监测算法和航空遥感监测溢油系统的功能。

2 数据与结果分析
2.1 数据获取

实验工作由航空和海上2部分组成。航空平台是哈尔滨飞机工业集团生产的运-12固定翼飞机, 其传感器为机载多波段溢油探测传感器, 探测波段包括紫外至红外共11个波段(表 1), 瞬时视场(IFOV)为5 mrad, 总视场(FOV)角为73° 。海上实验部分由1艘海巡船和4艘清污船组成: 海巡船负责布油, 并利用ASD FieldSpec3地物光谱仪与机载传感器同步获取油膜与海水的反射光谱曲线; 清污船负责及时清除海巡船所布下的油污。

表1 传感器波段配置[15] Tab.1 Band configuration of the sensor[15]

航拍时间为2008-10-16T13∶ 00— 13∶ 30, 天气晴朗, 风速2~3级, 水平能见度20 km, 垂直能见度优, 潮流流速0.5~0.8 m/s, 波高0.5 m, 水温25℃左右。为保证较好的成像分辨率, 同时避免隔带扫描, 飞机的飞行高度大约为500 m, 航向相对太阳为0° 或180° 。

2.2 特征分析

2.2.1 溢油污染光谱响应特征分析

利用ASD地物波谱仪获取的水体和较厚油膜的反射光谱曲线如图1所示。

图1 油膜和海水反射光谱曲线Fig.1 Reflectance spectrum of oil film and water

研究区海水中所含黄色物质较多, 在可见光-近红外波段反射率较高, 在583 nm处形成反射峰, 相对于清水, 该反射峰明显向长波方向移动, 并且在近红外波段的806 nm处也表现为明显的反射峰。厚油膜的存在使得水面的反射光衰减, 所以在该区域的反射率相对无油覆盖的海水反射率要低。

从机载多光谱遥感图像中提取水体、船只、厚油膜、薄油膜和甚薄油膜的DN值曲线发现, 水体和油膜在B3, B4, B5以及B9波段具有较高的反射率, 但厚油膜相对于水体的反射率总体较低。在B11波段, 即热红外波段, 只有船的DN> 0, 其余目标的DN值均为负值(图2)。

图2 机载多光谱图像的DN值曲线Fig.2 DN spectral curve of the aerial image

2.2.2 溢油污染影像特征分析

油膜的存在会改变海面对太阳光的吸收与反射, 从而在遥感图像上体现出与无油膜覆盖海面的差异。由于原油、重柴油等的薄油膜与厚油膜的反射光谱有差异, 导致不同厚度下油膜在遥感图像上的表现特征也有所差异。

分别获取油膜覆盖区域的紫外、可见光及红外波段遥感图像如图 3所示。油膜即使在厚度很薄的情况下也表现出对紫外光的高反射, 因此常用紫外波段对薄油膜进行探测。

图3 油膜影像特征Fig.3 Image features of oil film

从图3(a)上可以明显地发现薄油膜的存在, 并能较好地区分油膜边缘的甚薄油膜与其内侧的薄油膜。图3(b)为绿光范围内B5灰度图像, 厚油膜的存在阻碍了水体对该波段太阳光的反射, 形成了灰度值较低的厚油膜覆盖区。薄油膜对该波长光线的反射影响较弱, 因此在图像上表现不明显, 但仍表现出厚油膜与无油覆盖水体之间存在过渡区域。图3(c)B9为近红外波段图像, 该图像不仅能够区分油膜与水体, 而且对不同厚度的油膜区分也较为明显, 油膜越薄灰度值越大。图3(d)B11为热红外波段图像, 由于本次所观测的油膜是由储存设备直接撒至水面, 且油膜存在时间较短, 因此油的温度低于海水温度, 厚油膜在该波段的DN值明显低于水体和薄油膜, 而薄油膜在图像上无法识别, 因此可利用该波段进行厚油膜的识别。另外, 在该波段图像上船只表现为“ 热” 区域, 且与其他物体区别较大, 因此可利用该波段数据识别船只。图3(e)的波段比值图像上油水边界相对B5和B9单波段图像更加明显, 因此可用于区分水体和油膜覆盖区域。图3(f)假彩色合成图像兼具有红外波段图像的厚油膜信息和紫外图像的薄油膜信息, 同时能够很好地识别实验船只和清污船只, 能够为溢油的识别和相关信息提取提供很好的数据源。

3 溢油信息提取与分析

根据不同目标在遥感图像上的光谱响应差异, 利用决策树分类方法对其进行提取(图 4)。

图4 基于机载多光谱数据的分类决策树Fig.4 Classification decision tree based on airborne multi-spectral data

提取的主要地物类型包括船只、水体、厚油膜、薄油膜和甚薄油膜。在溢油事故中, 通常溢油的相对厚度对溢油是否利于撇油器收集或是否能够使用消油剂具有更重要的参考价值。在此次研究中, 油膜存在有3种情况: 厚油膜扩散缓慢, 厚度较大, 适合撇油器进行油污的回收, 或利用吸油毡进行吸附; 薄油膜扩散较为充分, 形成的油膜无法回收, 但仍可以利用消油剂进行清除或吸油毡进行吸附; 甚薄油膜位于油膜的最边缘, 扩散最充分, 利用吸油毡进行吸附效果不理想, 可用消油剂进行去除。

根据各波段DN值对溢油油膜相对厚度进行提取, 以Bn形式表示第n波段的DN值。首先对B11进行分割, 用B11> 0将图像中船只目标提取出来; 然后用(B9/B5)< 1.71区分水体和油膜; 在识别为油膜的区域内, 由于厚油膜在热红外波段图像上的DN值相对薄油膜更低, 因此可用B11< -0.03来提取厚油膜分布情况; B1和B2对薄油膜比较敏感, 甚薄油膜在这2个波段图像上的DN值均大于较薄油膜的, 但差异并不大, 但通过将这2个波段相加, 扩大了较薄油膜和甚薄油膜的差异, 据此可将二者进行区分。

利用决策树算法的分类结果如图5所示。

图5 基于光谱信息的分类结果Fig.5 Result of classification basedon spectral information

从图5可以看出, 各种目标物已经被正确地识别出来, 但由于“ 同物异谱” 、“ 同谱异物” 现象的影响, 加之油膜厚度并非离散而是接近连续变化的, 因此部分厚油膜被识别为薄油膜, 而薄油膜与甚薄油膜之间也有部分像元被错误地归类。

分别选取不同数量的水体、船只、厚油膜、薄油膜和甚薄油膜等样本, 建立混淆矩阵对决策树分类算法结果进行精度评价, 如表 2所示, 总体分类精度达到了93.7%, 说明本文方法完全能够满足溢油应急监测的精度需求。

表2 分类精度 Tab.2 Classification accuracy(像元)
4 结论

本文结合舟山海域的溢油实验, 验证了机载多光谱溢油探测装置对海上油膜的识别能力, 并通过对多光谱数据的分析提出了利用该数据进行溢油识别的有利波段, 进而通过决策树分类法对多光谱遥感数据进行分类。研究结果表明, 本文所采用的影像与光谱响应特征能够有效地区分水体、油膜(相对厚度)以及船只信息, 总体分类精度较高。该研究结果可为溢油事故监测的数据和方法选择提供重要参考。

The authors have declared that no competing interests exist.

参考文献
[1] Solberg A H S. Remote sensing of ocean oil-spill pollution[J]. Proceedings of the IEEE, 2012, 100(10SI): 2931-2945. [本文引用:1] [JCR: 6.911]
[2] 刘丙新. 基于高光谱特征的水上油膜提取与分析研究[D]. 大连: 大连海事大学, 2013.
Liu B X. Extraction and analysis of oil film on water using hyperspectral characteristics[D]. Dalian: Dalian Maritime University, 2013. [本文引用:1] [CJCR: 0.3688]
[3] Bern T I, Wahl T, Andersen T, et al. Oil spill detection using satellite based SAR: Experience from a field experimen[J]. Photogrammetric Engineering and Remote Sensing, 2007, 59(3): 423-428. [本文引用:1] [JCR: 1.802]
[4] Keramitsoglou I, Cartalis C K, Iranoudis C T. Automatic identification of oil spills on satellite images[J]. Environmental Modelling and Software, 2006, 21(5): 640-652. [本文引用:1] [JCR: 3.476]
[5] Derrode S, Mercier G. Unsupervised multiscale oil slick segmentation from SAR images using a vector HMC model[J]. Pattern Recognition, 2007, 40(3): 1135-1147. [本文引用:1] [JCR: 2.632]
[6] Marghany M, Cracknell A P, Hashim M. Modification of fractal algorithm for oil spill detection from Radarsat-1 SAR data[J]. International Journal of Applied Earth Observation and Geoinformation, 2008, 11(2): 96-102. [本文引用:1] [JCR: 2.176]
[7] Chang L, Tang Z S, Chang S H. A region-based GLRT detection of oil spills in SAR images[J]. Pattern Recognition Letters, 2008, 29(14): 1915-1923. [本文引用:1] [JCR: 1.266]
[8] Trieschmann O. A multiple remote sensor system for the aerial surveillance of the North Sea and Baltic Sea[C]//Proceedings of the Fifth International Airborne Remote Sensing Conference. San Francisco, California: 2001. [本文引用:1]
[9] Lehr W J. Visual observations and the bonn agreement[C]//Proceedings of the Thirty-third Arctic and Marine Oilspill Program(AMOP) Technical Seminar, Emergencies Science Division Ottawa, Ontario, Canada: Environment Canada, 2010. [本文引用:1]
[10] Horstein. The application and visibility of thin oil films on water[R]. Cincinnati, OH: U S Environmental Protection Agency, 1972. [本文引用:2]
[11] Svejkovsky J, Lehr W, Muskat J, et al. Operational utilization of aerial multispectral remote sensing during oil spill response: Lessons learned during the deepwater horizon(MC-252) spill[J]. Photogrammetric Engineering and Remote Sensing, 2012, 78(10): 1089-1102. [本文引用:2] [JCR: 1.802]
[12] The North Sea State, European Community. Bonn agreement/text of the bonn agreement[EB/OL]. (2001-9-21)[2013-9-260]. http://www.bonnagreement.org/eng/html/welcome.html. [本文引用:1]
[13] Leifer I, Lehr W J, Simecek-Beatty D, et al. State of the art satellite and airborne marine oil spill remote sensing: Application to the BP deepwater horizon oil spill[J]. Remote Sensing of Environment, 2012, 124: 185-209. [本文引用:1] [JCR: 5.103]
[14] Clark R N, Swayze G A, Leifer I, et al. A method for quantitative mapping of thick oil spills using imaging spectroscopy[R]. Geological Survey Open-File Report, 2010. [本文引用:1]
[15] Yang Y D, Xue Y Q, Yu L. The airborne remote sensor for ocean environmental monitoring[C]//Stockholm, Sweden: Spie-int Soc Optical Engineering, 2006. [本文引用:1]
[16] 赵英时. 遥感应用分析原理与方法[M]. 北京: 科学出版社, 2003: 421-422.
Zhao Y S. Theory and method of remote sensing application and analysis[M]. Beijing: Science Press, 2003: 421-422. [本文引用:1]