高光譜特征波段在海洋典型溢油油種識別中的精度評估

一、引言

近年來，海上溢油事件頻發(fā)，石油及其制品進入海洋，對世界海洋環(huán)境、人類健康和經(jīng)濟發(fā)展造成嚴(yán)重危害。海面溢油類型涉及溯源處罰和清理方案的制定，溢油種類精準(zhǔn)識別對快速有效地治理污染有重要的意義。油膜的光譜特性與它們的化學(xué)成分、基本分子振動及其組合有關(guān)，不同種類油品的光譜吸收特征是區(qū)分油品種類的重要依據(jù)，確定油種的特征波段對油種識別具有重要指導(dǎo)意義。

近年來，光譜分析技術(shù)成為溢油油種識別的新興手段。高光譜數(shù)據(jù)光譜分辨率高，細(xì)節(jié)信息突出，可有效區(qū)分油膜和海水背景，還能根據(jù)油膜的光譜特征差異來識別油品的種類。然而，波段數(shù)眾多使相鄰波段間存在較強的相關(guān)性，產(chǎn)生信息冗余，若將全部波段用于地物分類過程，計算量大且耗時，且易造成“Hughes”效應(yīng)。已有研究表明，相對于寬波段，位于光譜特定位置的窄帶可以顯著提高地物的分辨能力和分類精度。

本文設(shè)計了室外模擬溢油實驗，使用地物光譜儀采集5種典型油品在350~2500nm范圍內(nèi)的反射率光譜數(shù)據(jù)，分別運用因子分析和光譜標(biāo)準(zhǔn)偏差分析方法對數(shù)百個光譜波段進行綜合評估，以選擇提供有效信息的特征波段。在此基礎(chǔ)上，利用支持向量機模型開展基于光譜特征波段的油種識別精度評價，確定海面典型溢油油種相互區(qū)分的最佳高光譜波段。

材料和數(shù)據(jù)

2.1 實驗油品材料

根據(jù)海面溢油來源及以往發(fā)生的溢油事件，選取了5種典型海面溢油油品（圖1）開展實驗，油品的性質(zhì)及描述如表1所示。

圖1實驗油品

2.2 光譜數(shù)據(jù)獲取及預(yù)處理

選擇天氣晴朗、風(fēng)力小于4級的環(huán)境條件下，在聚氯乙烯水池（圖2a）中擺放亞克力管，注入青島近岸海水。將預(yù)先盛于5個燒杯中的等體積原油、燃料油、柴油、汽油和棕櫚油，緩緩傾倒于已編號的直徑為15cm的亞克力管中，使其鋪滿水面。應(yīng)用地物光譜儀依次測量朗伯體標(biāo)準(zhǔn)板、5種油品、海水和天空光的光譜輻亮度，每隔0.5或1h測量一組光譜。

測量期間應(yīng)盡量保證光線照射穩(wěn)定，無陰影和強反射體的影響，并利用水溫計測量海水溫度，利用風(fēng)速儀測量風(fēng)速，做好記錄。對采集到的光譜開展質(zhì)量控制，剔除無效和異常光譜，并根據(jù)公式1-4將測量的各油種的輻亮度轉(zhuǎn)化為遙感反射率。在忽略太陽耀斑和白帽等外界影響情況下，光譜儀測量的海面輻亮度LSurface可以表示

LSurface=LWater+r·LSky.（1）

由此可得離水輻亮度為：

LWater=LSurface–r·LSky，(2)

式中，r表示氣-油界面反射率， 宜采用1.0%。LSky表示天空光輻亮度。

遙感反射率R可用離水輻亮度LWater和海面入射輻照度E(λ)的比值表示， 即

R =LWater/E(λ)(3)

其中，E(λ)可由測量標(biāo)準(zhǔn)板得出:

E(λ)=L(λ)π /r(λ)(4)

式中， λ表示波長，r(λ)表示標(biāo)準(zhǔn)板的反射率， 要求10%~35%，L(λ)表示測得標(biāo)準(zhǔn)板輻亮度。

表1油品的性質(zhì)及描述

（a）測量油品

（b）油品分布

圖2外場光譜測量過程

結(jié)果與分析

3.1 油種反射率光譜

實驗采集了標(biāo)準(zhǔn)板、原油、燃料油、柴油、棕櫚油、汽油、海水和天空光等的反射率光譜，共18組，獲得5種典型油品和海水的均值遙感反射率（圖3a）。此外，考慮到光譜儀感知光譜的末端存在系統(tǒng)的測量誤差，本文剔除了受大氣吸收嚴(yán)重影響的波段（1341~1459nm和1801~1979nm）和水氣強吸收影響的波段（1.4μm，1.9μm）區(qū)間，保留360~1340nm、1460~1800nm和1980~2400nm的光譜范圍（圖3b）來研究海面典型溢油油種相互區(qū)分的最佳高光譜波段。

圖3典型油品和海水的均值光譜反射率

如圖3b所示，柴油、汽油和棕櫚油等輕質(zhì)油的反射率光譜曲線與海水大體一致，而原油和燃料油等重質(zhì)油的反射率光譜曲線與海水存在明顯差異，表現(xiàn)為在390~730nm的可見光范圍內(nèi)，低于海水反射率;在730~2500nm的近紅外和短波紅外范圍內(nèi)，高于海水反射率。在光譜的近紅外和短波紅外范圍，5種油品的反射率均高于海水反射率，其中原油的反射率明顯高于其他油種的反射率，這是因為純凈的自然水體在近紅外波段近似于一個黑體，幾乎吸收了全部的能量;原油的近紅外和短波紅外波段吸收大量太陽輻射能量，并以熱能的形式向外輻射。因此在780~2500nm范圍內(nèi)，較純凈的自然水體的反射率很低，趨近于0，而原油的反射率卻很高。

3.2 基于光譜標(biāo)準(zhǔn)偏差特征可分性的油種識別

由圖4a可知，3種輕質(zhì)油的反射率光譜曲線極其相似，僅在可見光藍(lán)光波段480nm處的反射峰和550~620nm的綠光波段存在微小的差異，因此，開展輕質(zhì)油間的可分性分析是非常必要的;而對于圖4b所示的包絡(luò)線去除處理后的輕質(zhì)油光譜，可以發(fā)現(xiàn)在紫光波段、綠光波段和紅光波段出現(xiàn)了明顯的光譜區(qū)別，且在同一光譜波段處最大值和最小值之間的差異超過了原始數(shù)據(jù)。分析圖4c-h，柴油、汽油和棕櫚油的原始反射率光譜兩兩可分性波段較窄，而經(jīng)過包絡(luò)線去除變換后，可分性波段均被擴大。表2給出了包絡(luò)線去除變換前后3種輕質(zhì)油類型兩兩區(qū)分特征光譜的查找表。表中未加粗的右上部分是3種輕質(zhì)油類型原始光譜曲線中的兩兩可分波段（380~490nm），加粗的左下部分是包絡(luò)線去除變換后光譜曲線中兩兩可分波段（375~455nm，485~630nm）。

圖4輕質(zhì)油種間兩兩相互區(qū)分的特征波段區(qū)間

表2典型輕質(zhì)油種兩兩區(qū)分光譜范圍/nm

在實驗過程中將9組數(shù)據(jù)（54個樣本）用于SVM模型訓(xùn)練，另外的9組數(shù)據(jù)（54個樣本）用于驗證模型的油種識別結(jié)果，圖5中的藍(lán)色圓圈代表實際測試集分類，紅色米字代表預(yù)測測試集分類，當(dāng)紅色米字落入藍(lán)色圓圈中，表明預(yù)測測試集分類與實際測試集分類一致，識別精度優(yōu);反之，表明預(yù)測測試集分類與實際測試集分類不符，如圖5a柴油中存在一個空的藍(lán)色圓圈，其對應(yīng)的紅色米字落在表示海水的一行中，表明該柴油樣本被錯誤識別為海水。由圖5a可知，基于全波段的總體油種識別精度為43/54=79.63%。原油、燃料油等重質(zhì)油的識別精度較好，達(dá)到8/9=88.89%，輕質(zhì)油種中的汽油和棕櫚油識別精度一般，僅有55.56%和66.67%?；诠庾V標(biāo)準(zhǔn)差特征分析方法獲得的輕質(zhì)油原始光譜可分特征波段（380~490nm），得到總體的油種識別精度為42/54=77.78%。雖然總體的油種識別精度并未提高，但燃料油和水的識別率得到提高?；诎j(luò)線去除后的輕質(zhì)油可分特征波段范圍（375~455nm，485~630nm）的總體油種識別精度為45/54=83.33%（圖5b），與基于全波段的識別精度相比，精度整體提高了3.7%，其中，除柴油和汽油外，其他油種識別率均有顯著提高。

圖5 SVM油種識別結(jié)果圖

3.3 基于因子分析可分性的油種識別

由表3可知，5種油品和海水的前4個因子就能概括97%以上的變量特征，故選擇前4個因子參與特征波段選擇。針對每種類型的每一因子，選擇具有最高因子載荷的前200個波長，例如，柴油的因子1具有最高因子載荷的前200個波長范圍是910~920nm、930~950nm、1100~1170nm和1240~1340nm。分別針對全油種和海水（6種類型）、輕質(zhì)油種和海水（4種類型）及輕質(zhì)油種（3種類型）3組數(shù)據(jù)集統(tǒng)計4個因子特征變量集合中各波長出現(xiàn)的頻次，詳見表3。

表3油品和海水具有最高因子載荷的前200波長的出現(xiàn)頻次一覽表

特征波長出現(xiàn)的頻次決定符合限定條件的特征波長的數(shù)量，與油種識別精度密切相關(guān)，基于某一特定頻次的特征波長集合可以獲取最大的油種識別精度。在頻次一覽表（表3）的基礎(chǔ)上，根據(jù)構(gòu)建的篩選準(zhǔn)則（公式6）進行3組數(shù)據(jù)集特征波長篩選。全油種和海水實驗數(shù)據(jù)集中波長最大出現(xiàn)頻次是11次，滿足公式6條件的頻次是8次（對應(yīng)特征波長范圍為360~520nm，560~580nm），同理可知，輕質(zhì)油種和海水實驗數(shù)據(jù)組與輕質(zhì)油種實驗數(shù)據(jù)組中選取的頻次分別為5次和4次（對應(yīng)特征波長范圍為360~540nm，560~600nm，610~630nm，640~660nm）。在全油種和海水（6種類型）、輕質(zhì)油種和海水（4種類型）和輕質(zhì)油種（3種類型）等3組數(shù)據(jù)集中，分別選擇頻次大于等于數(shù)據(jù)集中類型數(shù)量的特征變量開展油種識別。

表4基于因子分析方法的特征波段油種識別精度

由表4可知，基于滿足公式6特征波段的油種識別精度在各自數(shù)據(jù)集中的識別精度均是最高的，分別是85.18%，90.74%和90.74%（圖5c），與基于全波段的識別效果相比，精度整體提高了5.55%，11.11%和11.11%。同時，可以發(fā)現(xiàn)油種識別精度為90.74%的兩組特征波段是相同的，故可認(rèn)為360~540nm，560~600nm，610~630nm和640~660nm是識別5種海洋典型溢油油種的最佳特征波段。

結(jié)論

不同的海面溢油來源可能導(dǎo)致海面溢油類型的不同。本文通過設(shè)計的室外模擬溢油實驗，獲取原油、燃料油、柴油、汽油和棕櫚油等5種油種的實測光譜數(shù)據(jù)，分別運用光譜標(biāo)準(zhǔn)偏差分析和因子分析方法對特征波段進行選擇，并基于特征波段利用支持向量機模型開展油種識別實驗。結(jié)果表明，基于光譜標(biāo)準(zhǔn)偏差分析和因子分析的油種識別精度分別是83.33%和90.74%，與基于全波段的識別精度相比，整體精度分別提高了3.7%和11.11%。除汽油外，其它油種和海水的識別精度均得到提高，這是由于汽油極易揮發(fā)，與海水存在誤分的情況。同時可以發(fā)現(xiàn)，獲得的特征波段集中在紫外波段和藍(lán)綠光波段，這與藍(lán)綠光對水體的透射率高和紫外對薄油膜敏感有關(guān)。基于因子分析獲取的特征波段（360~540nm，560~600nm，610~630nm，640~660nm）可作為5種油種相互區(qū)分的最佳高光譜波段。

海洋溢油發(fā)生后往往不會被立即發(fā)現(xiàn)并清除，在風(fēng)化的過程中，油品會經(jīng)歷漂移、擴散、溶解、乳化和生物降解等物理和化學(xué)的變化，導(dǎo)致油品的光譜響應(yīng)發(fā)生變化，對乳化后油品的油種識別還有待進一步的研究。衛(wèi)星影像數(shù)據(jù)在軌處理是未來發(fā)展的必然趨勢，特征波段的有效選擇，極大的減少處理的數(shù)據(jù)量，對實現(xiàn)溢油影像數(shù)據(jù)在軌快速處理有較好的借鑒意義，進而可在溢油場景發(fā)生時推廣應(yīng)用。

推薦：

地物光譜儀iSpecField-HH/NIR/WNIR

地物光譜儀是萊森光學(xué)專門用于野外遙感測量、土壤環(huán)境、礦物地質(zhì)勘探等領(lǐng)域的最新明星產(chǎn)品，獨有的光路設(shè)計，噪聲校準(zhǔn)技術(shù)、可以實時自動校準(zhǔn)暗電流，采用了固定全息光柵一次性分光，測試速度快，最短積分時間最短可達(dá)20μs，操作靈活、便攜方便、光譜測試速度快、光譜數(shù)據(jù)準(zhǔn)確，廣泛應(yīng)用于遙感測量、農(nóng)作物監(jiān)測、森林研究、海洋學(xué)研究和礦物勘察等各領(lǐng)域。

審核編輯 黃宇