高光谱特征波段在海洋典型溢油油种识别中的精度评估

溢油种类精准识别对快速有效地治理污染具有重要的意义,高光谱遥感在海面溢油油种识别中至关重要。为探讨海洋典型溢油油种识别的高光谱特征波段范围,通过设计室外模拟溢油实验,在获取原油、燃料油、柴油、汽油和棕榈油等5种油种的实测高光谱数据基础上,运用因子分析和光谱标准偏差分析法遴选溢油油种的光谱特征波段,并利用支持向量机模型开展基于光谱特征波段的油种识别精度评价。结果表明,基于光谱标准偏差分析和因子分析获得的特征波段的油种识别精度分别是83.33%和90.74%,与基于全波段的识别精度相比,整体精度分别提高了3.7%和11.11%。选取的特征波段(360～540 nm, 560～600 nm, 610～630 nm, 640～660 nm)可作为5种油种相互区分的最佳高光谱波段。     

基于纹理分析和人工神经网络的SAR图像中海面溢油识别方法

基于纹理分析和人工神经网络建立了用于区别SAR图像中溢油现象和疑似溢油现象的模型.引入图像处理中的纹理分析作为识别溢油现象的特征参量,并利用方差分析对计算的31个特征参量进行筛选作为神经网络的输入.结果表明,模型能够较好的识别溢油现象,测试样本集的总体精度为0.83;纹理特征作为特征参量以及基于方差分析的特征参量筛选提高了溢油现象的识别精度.     

近红外光谱识别模拟海面溢油

对模拟溢油的石油类样品进行近红外光谱检测并进行了主成分分析,以主成分得分作为聚类的特征变量进行模糊聚类,采用近红外光谱测量结合主成分分析和模糊聚类法快速识别模拟溢油种类,并建立了样品聚类与识别模型。采用此模型对柴油、汽油和润滑油等334个与海水体积分数≥4∶10 000的模拟溢油样品进行了准确快速的分类和识别,为近红外光谱技术判别实际溢油样品提供了科学依据。     

水下溢油数值模拟研究

基于Lagrange积分法和Lagrange粒子追踪法建立了一个水下溢油数值模型。该溢油模型由两个子模型组成:羽流动力模型和对流扩散模型,其中羽流动力模型用以模拟溢油的喷发阶段和浮力羽流阶段;对流扩散模型用以模拟溢油的对流扩散阶段。通过数值实验,结合实验室水槽实验和水下溢油现场实验的观测资料进行模型验证。实验结果表明,模拟结果与观测资料一致性较好,从而验证了本文溢油模型的合理性和准确性;羽流动力模型为对流扩散模型提供源,海流、海水的垂向密度结构和油滴的直径分布是影响溢油在对流扩散阶段运动和分布的主要因素。     

基于微波散射实验的油种识别研究

海上溢油来源复杂,溢油种类多样,正确识别溢油类型对于溢油应急的快速反应具有重要意义。合成孔径雷达(synthetic aperture radar,SAR)具有全天时全天候的监测优势,在海面溢油监测中发挥着主力军作用,但在油种识别方面存在不足。利用C波段全极化散射计对柴油、原油、油水混合物和棕榈油进行外场实验观测,探究微波识别油膜的敏感特征参数,并将敏感特征参数应用于海上油膜实验获取的SAR图像进行油种识别。结果表明,在垂直(vertical transmission vertical reception,VV)极化方式下的油水差(?σ⁰)可以有效识别植物油和矿物油;基于d B和linear units表达的后向散射系数(NRCS)计算的抑制比(DR)在垂直(VV)和水平(horizontal transmission horizontal reception,HH)极化方式下可以有效识别植物油和矿物油,并且在交叉(vertical transmission horizontal reception/horizontal transmission vertical...     

基于改进Faster R-CNN模型的SAR图像溢油检测方法

SAR（synthetic aperture radar）图像溢油暗斑准确识别对海上溢油应急工作具有重要的意义。为减少SAR图像特征提取、特征选择过程中人为因素对溢油检测精度的影响,本文将Faster R-CNN卷积神经网络模型引入SAR图像溢油检测并进行了改进。针对溢油暗斑形状多样及SAR图像背景复杂的特点,选用结构一致且实用性强的VGG16卷积网络获取图像特征,并使用软化非极大值抑制算法（Soft-NMS）进行优化。同时基于相同的数据集,提取常用的SAR图像几何特征、灰度特征和纹理特征,构建反向传播（backpropagation,BP）人工神经网络溢油检测方法并与Faster R-CNN方法进行对比。实验结果表明,基于改进Faster-RCNN模型的溢油检测方法溢油检测率达到0.78,且溢油检测虚警率低于0.25,相比BP人工神经网络溢油检测方法样本识别率、溢油检测率分别提高了4%和5%,溢油虚警率降低了5%。     

基于合成孔径雷达回波信号的海洋溢油监测方法研究

海洋油污染是各类海洋污染中最常见、分布面积最广且危害程度最大的污染之一。近年来,海洋特别是近海人类活动频繁,且随着海上运输和石油加工业的发展,油田井喷、钻井平台爆炸、船舶碰撞等所造成的溢油事故增多,因而,监测海洋溢油具有重要的经济和社会现实意义。研究采用MatLAB工具,通过图像预处理(图像校正和增强)、特征提取和神经网络识别等方法,对合成孔径雷达(SAR)海洋溢油图像进行处理,最终期望实现半自动区分SAR图像上各类目标,并进行多种神经网络方法效果比较。研究首先对SAR海洋溢油图像进行初步人工识别;然后进行图像预处理(几何校正、滤波处理等)和基于灰度共生矩阵的特征值计算;最后,借助神经网络方法对溢油区域和疑似溢油区域进行分类,输出分类处理后的图像。通过输出图像分析发现,神经网络能对SAR海洋溢油图像中溢油、海水、土地3类目标进行明确分类,且RBF神经网络模型精度高于BP神经网络。本文提出的半自动分类方法不仅能提高SAR图像处理效率,将分类目标扩充有溢油和非溢油扩充到溢油、海水、土地3类,提高图像处理的全面性,同时通过比较RBF和BP神经网络在SAR溢油图像分类上的具体优劣,有着较好实际意义。     

海水中沉底油的风化特性及鉴别方法研究

通过对具有代表性的两种原油和两种船用燃油进行340 d的室外模拟风化模拟实验,运用GC-FID法和同步荧光光谱法对海水中风化的漂浮油和沉底油的特性进行分析,为沉底油溯源提供相关依据,以此完善海上溢油事故的监管工作。结果表明:4种实验油品的漂浮油和沉底油荧光光谱差别不大,因此可以用荧光光谱法初步测定沉底油的风化时间;沉底油受蒸发、光解等影响弱于漂浮油,其GC可保持低碳组分峰形,并且由于生物降解,沉底油的气相谱图中均出现不可分辨的复杂混合物(UCM)的特征图谱,可以作为判断是否沉底的判据;两种方法相结合,可以建立一种确定溢油时间、风化经历及方法,以便对溢油进行更准确的溯源。     

海上溢油油膜运动不同数值模拟方法的比较研究

为能够迅速响应突发的海上溢油事故,本文利用油粒子法建立了溢油应急模型,以预测油膜漂移轨迹和形状。为弥补油粒子法无法模拟溢油初期油膜扩展过程和无法响应溢油量变化的缺陷,本文设计实验,使用将油膜扩展与油粒子法结合的两阶段法,发现能够较好地模拟溢油扩展过程;并用分数布朗运动代替传统布朗运动模拟油粒子扩散过程,模拟结果能够响应溢油量变化,更好地模拟油膜分散破碎的过程。模型中还考虑了蒸发过程使油粒子数量减少。     

多环芳烃油指纹应用于船舶溢油鉴别研究

溢油种类主要包括船舶燃料油和原油,二者性质的差异决定了鉴别方法也相应不同,寻求适合于船舶溢油的鉴别方法具有重要意义。在使用柱色谱层析方法对样品进行分离前处理的基础上,以气相色谱/质谱方法(GC-MS)为主要分析手段,对溢油样品和可疑船舶溢油源样品的多环芳烃油指纹特征进行对比,并在多环芳烃油指纹参数的基础上进一步进行多环芳烃内组成三角图分布特征与聚类分析研究,成功为珠江口水域某船舶溢油事故追踪到肇事溢油源。结果表明:取自丁船的油样和现场溢油样芳烃油指纹特征最为相近,是此次溢油事故的溢油源。受风化作用后的船舶燃料油中饱和烃类化合物数量稀少,且含量极低,不适合用于溢油鉴别,而多环芳烃类化合物较饱和烃类化合物而言具有含量高、种类丰富的特点,是该类溢油鉴别的主要油指纹依据。使用油指纹参数进行可疑溢油源识别时,充分考虑油品中有机分子所受风化影响程度的不同是风化条件下溢油鉴定的关键。因此,多环芳烃油指纹可以有效应用于船舶燃料油溢油的鉴别。     

基于SAR极化比和纹理特征的海面溢油识别方法

针对海洋表面SAR影像的特点，采用基于灰度共生矩阵的纹理特征方法是提取海面溢油信息的常用方法，但实际海洋表面复杂的信息使得SAR图像上产生类似溢油现象的暗斑区域，这导致在利用纹理特征方法提取溢油信息时存在虚警率，降低了溢油信息的提取精度。基于RADARSAT-2 SAR四极化影像，本文提出基于SAR极化比影像的纹理特征识别方法对海面油膜进行识别提取。结果显示，基于SAR极化比影像的纹理特征识别方法可以有效且准确地提取海面溢油信息，相比于VV极化影像的纹理特征识别方法，溢油监测过程中的虚警率降低了17.96%，溢油监测总体精度达到96.83%。     

基于简缩极化SAR的溢油检测与分类方法

针对简缩极化SAR在海上溢油的检测与分类应用开展研究,利用欧式距离全面分析了简缩极化SAR的36种极化特征在溢油检测与油膜分类中的性能,发现简缩极化特征中的奇次散射系数的溢油检测性能最好,简缩极化熵的疑似溢油鉴别性能最好。在此基础上,提出了结合二叉树原理的简缩极化SAR溢油检测与油膜分类算法,并分析了RADARSAT-2和SIR-C全极化溢油数据模拟的简缩极化数据。结果表明,此方法对溢油的检测精度可达95.67%,对于疑似溢油的识别精度可达95.71%,证明了简缩极化SAR在溢油检测与分类中具有较好的应用前景。     

海上溢油极化特征及其探测研究

The SAR(Synthetic Aperture Radar) has the capabilities for all-weather day and night use. In the case of determining the effects of oil spill dumping, the oil spills areas are shown as dark spots in the SAR images.Therefore, using SAR data to detect oil spills is becoming progressively popular in operational monitoring, which is useful for oceanic environmental protection and hazard reduction. Research has been conducted on the polarization decomposition and scattering characteristics of oil spills from a scattering matrix using allpolarization of the SAR data, calculation of the polarization parameters, and utilization of the CPD(Co-polarized Phase Difference) of the oil and the sea, in order to extract the oil spill information. This method proves to be effective by combining polarization parameters with the characteristics of oil spill. The results show that when using Bragg, the oil spill backscattering machine with Enopy and a mean scatter α parameter. The oil spill can be successfully identified. However, the parameter mechanism of the oil spill remains unclear. The use of CPD can easily extract oil spill information from the ocean, and the polarization research provides a base for oil spill remote sensing detection.     

基于GF-3的不同极化方式SAR图像海面油膜识别的比较 ——以"桑吉"轮事故为例

基于我国自主研发的首颗分辨率达到1m的C频段多极化合成孔径雷达高分三号卫星(GF-3),通过典型溢油案例定性和定量地比较了双极化与单极化图像预处理性能,分析了不同的极化组合对海面油膜识别结果的影响。得出结论:同向极化与异向极化成像差异明显,VV极化明显比VH极化回波强度高,并且油膜识别度较高;相反,双极化VHVV方式与单极化VH方式图像效果区别不大,双极化方式并不能绝对性地提高地物识别度。     

基于极化参数的SVM海上溢油识别

溢油对海洋环境造成的危害越来越大,及早发现对于减灾防灾具有重要意义。目前,运用极化SAR进行溢油探测已成为遥感监测的一个重要方面,本文基于SIR-C数据,开展极化SAR的溢油监测,提取极化参数熵H,散射角α和反熵A,运用SVM监督分类方法,进行溢油信息提取。结果表明,基于SVM的分类精度要强于基于H-α分类的分类结果。     

应用极化合成孔径雷达检测海上溢油研究进展

海上溢油给海洋生态环境带来严重的影响,快速准确地探测溢油对于防灾减灾具有重要的意义。利用卫星遥感探测溢油已成为目前主要的检测手段,大多采用合成孔径雷达(SAR)数据,运用图像处理的方法,开展了多种溢油提取算法的研究,取得了较好的结果,但由于海洋的类溢油现象存在,造成提取信息的精度达不到要求。近年来,国内外运用极化SAR数据开展溢油信息提取研究,从极化分解与相位差等角度对溢油特性分析,能有效地区分一些类溢油现象,得到了较理想的结果。分析了应用SAR数据开展溢油信息提取的研究状况,总结了溢油极化SAR探测的研究,指出了目前研究中存在的不足,并提出了今后溢油极化SAR遥感监测的方向。     

基于SAR的海上溢油监测最佳探测参数分析

基于SAR数据,在后向散射系数计算的基础上,从波段、极化方式、入射角等方面开展了海上溢油监测参数分析,结果表明:基于SAR的海上溢油监测,从波段分析,X波段与C波段较L波段更适合监测海上溢油;从极化方式分析,VV极化较HH,HV极化更适合监测海上溢油;从入射角分析,在计算溢油与海水临界值时,经多次实验,位于远入射角的疑...     

结合极化分解特征的SVM溢油检测研究

Marine oil spills have caused major threats to marine environment over the past few years.The early detection of the oil spill is of great significance for the prevention and control of marine disasters.At present,remote sensing is one of the major approaches for monitoring the oil spill.Full polarization synthetic aperture radarc SAR data are employed to extract polarization decomposition parameters including entropy(H) and reflection entropy(A).The characteristic spectrum of the entropy and reflection entropy combination has analyzed and the polarization characteristic spectrum of the oil spill has developed to support remote sensing of the oil spill.The findings show that the information extracted from(1–A)×(1–H) and(1–H)×A parameters is relatively evident effects.The results of extraction of the oil spill information based on H×A parameter are relatively not good.The combination of the two has something to do with H and A values.In general,when H0.7,A value is relatively small.Here,the extraction of the oil spill information using(1–A)×(1–H) and(1–H)×A parameters obtains evident effects.Whichever combined parameter is adopted,oil well data would cause certain false alarm to the extraction of the oil spill information.In particular the false alarm of the extracted oil spill information based on(1–A)×(1–H) is relatively high,while the false alarm based on(1–A)×H and(1–H)×A parameters is relatively small,but an image noise is relatively big.The oil spill detection employing polarization characteristic spectrum support vector machine can effectively identify the oil spill information with more accuracy than that of the detection method based on single polarization feature.     

Progress in Marine Oil Spill Optical Remote Sensing: Detected Targets,Spectral Response Characteristics,and Theories

Different oil spill pollution types could be produced in oil transport and weathering processes. Investigation of these pollution types is beneficial for oil spill recovery and processing. Optical remote sensing techniques play an important role in marine oil spill monitoring and have the ability to identify different oil spill pollution types. Recently, research on oil spill optical remote sensing has made much progress in detecting targets, identifying spectral response characteristics, and formulating theories. Floating black oil, oil slicks, and oil-water mixture in marine oil spill accidents are the main targets to be investigated by optical remote sensors. The visible spectral response differences of these targets are the base of oil spill optical remote sensing research. Bi-directional reflectance distribution function, light interference, absorption, and scattering of targets produce different spectra. Therefore, oil spill optical remote sensing could be used to identify the main oil spill pollution types and estimate oil spill volume.     

基于多特征多核学习的全极化SAR溢油提取方法

全极化合成孔径雷达(Synthetic Aperture Radar,SAR)数据具有丰富的极化信息,能够提取出大量异构性特征。核学习方法在解决小样本、高维特征分类问题上具有优势,但异构特征对不同核函数具有响应差异。本文利用一种引入先验标签的多核学习方法进行全极化SAR的溢油信息提取,即基于分析结果对特征集进行遴选与组合,分别在每个特征组合中训练得到一个预备层核函数,以新获取的预备层核函数作为新的底层核函数,对全部特征进行学习分类。通过提取与分析溢油和海水的统计特征、物理散射特征和纹理特征,建立溢油全极化SAR特征谱,并利用引入先验标签的多核学习分类器进行溢油提取实验。结果表明,该方法能够利用全极化SAR多维异构特征的互补特性有效提高溢油分类提取精度。