无码精品一区二区三区在线,欲性游乐场(高H),日日橹狠狠爱欧美视频,欧美日韩精品

近年來，海上溢油事件頻發，石油及其制品進入海洋，對世界海洋環境、人類健康和經濟發展造成嚴重危害。海面溢油類型涉及溯源處罰和清理方案的制定，溢油種類精準識別對快速有效地治理污染有重要的意義。

一、引言

近年來，海上溢油事件頻發，石油及其制品進入海洋，對世界海洋環境、人類健康和經濟發展造成嚴重危害。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成分、基本分子振動及其組合有關，不同種類油品的光譜吸收特征是區分油品種類的重要依據，確定油種的特征波段對油種識別具有重要指導意義。

近年來，光譜分析技術成為溢油油種識別的新興手段。高光譜數據光譜分辨率高，細節信息突出，可有效區分油膜和海水背景，還能根據油膜的光譜特征差異來識別油品的種類。然而，波段數眾多使相鄰波段間存在較強的相關性，產生信息冗余，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。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范圍內的反射率光譜數據，分別運用因子分析和光譜標準偏差分析方法對數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分的最佳高光譜波段。

材料和數據

2.1 實驗油品材料

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

圖1實驗油品

2.2 光譜數據獲取及預處理

選擇天氣晴朗、風力小于4級的環境條件下，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。應用地物光譜儀依次測量朗伯體標準板、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。

測量期間應盡量保證光線照射穩定，無陰影和強反射體的影響，并利用水溫計測量海水溫度，利用風速儀測量風速，做好記錄。對采集到的光譜開展質量控制，剔除無效和異常光譜，并根據公式1-4將測量的各油種的輻亮度轉化為遙感反射率。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)可由測量標準板得出:

E(λ)= L(λ)π / r(λ)           (4)

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

表1油品的性質及描述

（a）測量油品

（b）油品分布

圖2外場光譜測量過程

結果與分析

3.1 油種反射率光譜

實驗采集了標準板、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的測量誤差，本文剔除了受大氣吸收嚴重影響的波段（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油的反射率光譜曲線與海水存在明顯差異，表現為在390~730nm的可見光范圍內，低于海水反射率;在730~2500nm的近紅外和短波紅外范圍內，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，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 基于光譜標準偏差特征可分性的油種識別

由圖4a可知，3種輕質油的反射率光譜曲線極其相似，僅在可見光藍光波段480nm處的反射峰和550~620nm的綠光波段存在微小的差異，因此，開展輕質油間的可分性分析是非常必要的;而對于圖4b所示的包絡線去除處理后的輕質油光譜，可以發現在紫光波段、綠光波段和紅光波段出現了明顯的光譜區別，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據。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，而經過包絡線去除變換后，可分性波段均被擴大。表2給出了包絡線去除變換前后3種輕質油類型兩兩區分特征光譜的查找表。表中未加粗的右上部分是3種輕質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輕質油種間兩兩相互區分的特征波段區間

表2典型輕質油種兩兩區分光譜范圍/nm

在實驗過程中將9組數據（54個樣本）用于SVM模型訓練，另外的9組數據（54個樣本）用于驗證模型的油種識別結果，圖5中的藍色圓圈代表實際測試集分類，紅色米字代表預測測試集分類，當紅色米字落入藍色圓圈中，表明預測測試集分類與實際測試集分類一致，識別精度優;反之，表明預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色圓圈，其對應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、燃料油等重質油的識別精度較好，達到8/9=88.89%，輕質油種中的汽油和棕櫚油識別精度一般，僅有55.56%和66.67%。基于光譜標準差特征分析方法獲得的輕質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。基于包絡線去除后的輕質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）、輕質油種和海水（4種類型）及輕質油種（3種類型）3組數據集統計4個因子特征變量集合中各波長出現的頻次，詳見表3。

表3油品和海水具有最高因子載荷的前200波長的出現頻次一覽表

特征波長出現的頻次決定符合限定條件的特征波長的數量，與油種識別精度密切相關，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）的基礎上，根據構建的篩選準則（公式6）進行3組數據集特征波長篩選。全油種和海水實驗數據集中波長最大出現頻次是11次，滿足公式6條件的頻次是8次（對應特征波長范圍為360~520nm，560~580nm），同理可知，輕質油種和海水實驗數據組與輕質油種實驗數據組中選取的頻次分別為5次和4次（對應特征波長范圍為360~540nm，560~600nm，610~630nm，640~660nm）。在全油種和海水（6種類型）、輕質油種和海水（4種類型）和輕質油種（3種類型）等3組數據集中，分別選擇頻次大于等于數據集中類型數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據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，可以發現油種識別精度為90.74%的兩組特征波段是相同的，故可認為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。

結論

不同的海面溢油來源可能導致海面溢油類型的不同。本文通過設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據，分別運用光譜標準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。結果表明，基于光譜標準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，與海水存在誤分的情況。同時可以發現，獲得的特征波段集中在紫外波段和藍綠光波段，這與藍綠光對水體的透射率高和紫外對薄油膜敏感有關。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種油種相互區分的最佳高光譜波段。

海洋溢油發生后往往不會被立即發現并清除，在風化的過程中，油品會經歷漂移、擴散、溶解、乳化和生物降解等物理和化學的變化，導致油品的光譜響應發生變化，對乳化后油品的油種識別還有待進一步的研究。衛星影像數據在軌處理是未來發展的必然趨勢，特征波段的有效選擇，極大的減少處理的數據量，對實現溢油影像數據在軌快速處理有較好的借鑒意義，進而可在溢油場景發生時推廣應用。

推薦：

地物光譜儀iSpecField-HH/NIR/WNIR

地物光譜儀是萊森光學專門用于野外遙感測量、土壤環境、礦物地質勘探等領域的最新明星產品，獨有的光路設計，噪聲校準技術、可以實時自動校準暗電流，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20μs，操作靈活、便攜方便、光譜測試速度快、光譜數據準確，廣泛應用于遙感測量、農作物監測、森林研究、海洋學研究和礦物勘察等各領域。