輔以紋理特征的HJ-CCD海上溢油信息提取——以PL19-3溢油為例

李 穎,蘭國新,劉丙新 (大連海事大學(xué)環(huán)境信息研究所,遼寧 大連 116026)

相較于微觀溢油檢測方法[1],衛(wèi)星遙感雖然受限于大氣環(huán)境的影響,但是可連續(xù)提供溢油污染的宏觀信息,更適于溢油監(jiān)測與跟蹤[2].光學(xué)衛(wèi)星遙感以多光譜、高光譜傳感器為主,可提供地物目標(biāo)的光譜信息,進(jìn)行污染監(jiān)測[3].在溢油監(jiān)測中,光學(xué)衛(wèi)星遙感可提供油膜和海水特有的光譜信息,多類型數(shù)據(jù)產(chǎn)品提供油膜厚度、走勢、海表面粗糙度信息,能有效區(qū)分大型海藻等造成的假目標(biāo)[4].目前利用NASA提供的MODIS數(shù)據(jù)以及NOAA數(shù)據(jù),對NW Gulf of Mexico[5]、Lake Maracaibo, Venezuela[6]、波斯灣戰(zhàn)爭期間的原油溢出[7-8]等自然溢油和人為溢油進(jìn)行了成功的監(jiān)測;在大連新港溢油事故中,國家環(huán)境減災(zāi)衛(wèi)星(簡稱HJ衛(wèi)星,下同)發(fā)揮了重要作用.現(xiàn)有的研究集中于挖掘溢油目標(biāo)的光譜特征信息,采取通道組合、計算等方法以期獲得良好結(jié)果[5-6,8-9].對于多光譜影像而言,其通道設(shè)置較少,通道寬度大,加之海上溢油目標(biāo)與周圍背景海水對比度較低,僅僅依賴溢油目標(biāo)的光譜特征進(jìn)行溢油信息提取,往往面臨困境.

目前,研究高分辨率衛(wèi)星影像的紋理特征分析方法,探討基于紋理的信息發(fā)掘技術(shù),已經(jīng)成為遙感研究的一個重要內(nèi)容[10].已有研究表明,采用光譜特征與紋理分析相結(jié)合的方法,能夠提高遙感分類的精度[10-12].大多數(shù)紋理特征分析算法都是針對灰度影像或者單波段影像進(jìn)行分析,很少涉及多光譜或高光譜影像.而從理論上說,多光譜影像中包含豐富和精確細(xì)致的光譜信息,以光譜特性變化表達(dá)紋理,能夠更加準(zhǔn)確、真實反映地物的位置、形狀,為地物目標(biāo)的解譯準(zhǔn)備完善的資料[10,13].Hu等[5],Guillem等[14]指出在可見光近紅外圖像中,太陽耀光的存在有利于探測海面和浮油.其探測原理為基于類似于SAR的后向散射原理,即基于海面浮油對波譜的調(diào)制,且這種調(diào)制只有在太陽耀光存在下才能被觀測到.這樣,輔以紋理特征探測算法可用于光學(xué)遙感監(jiān)測中,將有效改善其監(jiān)測能力.

本研究從以上問題出發(fā),選擇位于渤海的蓬萊19-3油田溢油事故為研究對象,基于HJ1A/1B的30m分辨率多光譜數(shù)據(jù),嘗試在溢油目標(biāo)提取過程中,引入方向性紋理特征分析,將主成分光譜降維、方向性紋理邊緣檢測等技術(shù)相結(jié)合,發(fā)展基于光譜與紋理特征的溢油信息提取技術(shù).

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)收集

2011年6月4日,位于渤海的由中國海洋石油總公司和美國康菲石油公司的全資子公司康菲石油中國有限公司合作開發(fā)的蓬萊 19－3油田發(fā)生溢油事故.經(jīng)國家海洋局認(rèn)定該起事故屬于責(zé)任事故,油田B平臺和C平臺至今已溢出超過2500桶(400m3)的原油.事故發(fā)生后,本研究通過中國資源衛(wèi)星應(yīng)用中心(www.cresda.com)下載了多景HJ1A/1B的30m分辨率多光譜數(shù)據(jù),選擇目標(biāo)區(qū)域無云/少云數(shù)據(jù)(表1),對事故初期的大量溢油分布進(jìn)行了提取(圖1).在多光譜遙感圖像中,相對于背景海水,油膜具有高折射率和吸收特征.這些特征受到油種、油厚、光照和觀測角度、水體特質(zhì)及海況影響,因此光學(xué)遙感具備分辨溢油位置、油厚、油種(輕質(zhì)油、重質(zhì)油)等潛力[14-18].圖 1表明了油厚、乳化狀態(tài)對光學(xué)表征的影響.圖1(a)獲取時間為2011年6月13日,溢油發(fā)生初始時間為2011年6月4日,圖像表征了光學(xué)遙感具備監(jiān)測分散于水體中薄油膜的能力,且乳化油灰度值一定高于背景海水的特征[19],圖1(b)說明同一種油因厚度和乳化狀態(tài)改變圖像目標(biāo)對比度.圖中①為薄油膜,且可能為乳化油.②為厚油膜.同時圖 1亦表明光學(xué)遙感中云層會阻隔溢油目標(biāo)信號,影響油膜監(jiān)測能力.

表1 覆蓋事故區(qū)的HJ-CCD數(shù)據(jù)Table 1 Statistics of HJ-CCD satellites images

圖1 蓬萊19-3溢油事故區(qū)及光學(xué)衛(wèi)星遙感監(jiān)測能力示例Fig.1 Optical image samples of oil slicks detected in Penglai 19-3 oil field

1.2 研究方案

在光學(xué)影像中,圖像紋理代表地物目標(biāo)分布在波譜空間中的表現(xiàn)形式,紋理信息表現(xiàn)為圖像灰度在空間上的變化或重復(fù),或圖像中反復(fù)出現(xiàn)的局部模式(紋理單元)及其排列規(guī)則[20].其特征可用對比度(contrast)、粗細(xì)度(coarseness)、規(guī)則性(regularity)、粗糙度(roughness)、方向性(directionality)、凹凸性(indention)等指標(biāo)描述[21].本文首先采用主成分分析,實現(xiàn)光譜降維,用第一主成分來代替相關(guān)性較大的多個原始波段,在進(jìn)行紋理處理前充分保留光譜信息.引入方向性紋理特征分析,采用方向梯度算子(0°,45°,90°,135°)進(jìn)行紋理刻畫,結(jié)果圖像為邊緣強(qiáng)度圖像.對于圖像函數(shù)f(x,y),在象元點(x,y)處的梯度定義為:

以0°與90°方向梯度為例,梯度算子表達(dá)如下:

本文采用的4個方向3×3算子如下[22]:

圖2 4方向梯度算子Fig.2 Four-directional filter

圖3 輔以紋理特征的光學(xué)遙感溢油信息提取方案Fig.3 Proposal of oil spill information extraction

上述3×3算子檢測的邊緣過于細(xì)致,故這里采用大一些尺度算子與基礎(chǔ)算子結(jié)合起來對圖像進(jìn)行邊緣提取.將3×3算子的模板擴(kuò)大,使用5×5算子,這樣檢測的邊緣較寬,以突出一些漸變邊緣與輪廓.

鑒于本研究重點針對HJ衛(wèi)星數(shù)據(jù)在溢油信息的提取,研究目標(biāo)為油膜分布區(qū),不對其他目標(biāo)進(jìn)行提取,僅關(guān)注輔以方向性紋理特征分析對目標(biāo)提取的有效性.本研究采用如下方案(圖3):首先對獲取的HJ1A/1B-CCD進(jìn)行數(shù)據(jù)篩選,經(jīng)過輻射校正、區(qū)域裁剪等預(yù)處理后,基于多光譜分析確定溢油目標(biāo),實現(xiàn)溢油信息初步提取后,對結(jié)果圖像進(jìn)行主成分分析,獲取第一主成分圖像.然后利用方向算子進(jìn)行方向紋理分析,獲取溢油目標(biāo)邊緣信息,為了保持圖像的空間連續(xù)性,將原始圖像中的一部分“加回”到方向紋理分析結(jié)果圖像上,生成最終的疊加圖像,實現(xiàn)溢油目標(biāo)的提取,最后利用類間分歧度(Jeffries-Matusita separability index,簡稱 J系數(shù)(下同))對基于光譜信息與輔以紋理特征兩種方法進(jìn)行對比分析.上述操作均在遙感圖像處理軟件ENVI中進(jìn)行.

2 溢油信息提取結(jié)果與討論

2.1 溢油信息提取結(jié)果

依據(jù)上述溢油提取方案,對獲取的HJ衛(wèi)星遙感數(shù)據(jù)進(jìn)行了溢油信息提取.

圖4 2011年溢油事故階段時間線Fig.4 Timeline of PL19-3 oil spill incident

由圖4可見,HJ衛(wèi)星遙感數(shù)據(jù)基本覆蓋了溢油事故的重要時間節(jié)點(其中事故階段劃分依據(jù)為國家海洋局網(wǎng)站所公布數(shù)據(jù)),從時間維度上保證了數(shù)據(jù)應(yīng)用的有效性和及時性.在 7～8月多云時段,仍有數(shù)據(jù)保證.

首先通過事故前背景圖片(圖5)確定6月2日之前 PL19-3油田附近無油溢出,這樣可確定溢油初始點在此之后.6月4日事故發(fā)生后,6月5日獲取了第一景數(shù)據(jù)[圖 6(a)],結(jié)合多光譜假彩色圖像、主成分+方向紋理圖像分析可知(圖中假彩色圖像為第一主成分假彩色合成圖像),以19-3平臺為溢油源,在風(fēng)、流作用下,形成一條向東南方向延伸的條帶.其中溢油源位置可確定為:38°22′42.32″N,120°05′02.32″E.6 月 8 日B平臺又出現(xiàn)大量油膜,故6月11日、6月13日圖像 [圖6(b)和圖6(c)]中在19-3油田B平臺附近發(fā)現(xiàn)大量油膜,結(jié)合紋理分析后的圖像可以確定油膜的厚度分區(qū).圖6(b)中油帶中間為厚區(qū),灰度值較低,邊緣亮條帶代表較薄油膜,且從圖中可以看出6月8日溢出的原油已經(jīng)遷移到西北向,同時仍有原油溢出.經(jīng)過方向紋理處理后的邊緣強(qiáng)度圖像,準(zhǔn)確表達(dá)因油膜覆蓋導(dǎo)致反射信號的漸變,據(jù)此可準(zhǔn)確計算溢油區(qū)直接覆蓋面積達(dá)到25.8km2(下同).至6月13日,油膜在清理后厚度較薄,在光學(xué)圖像中呈高灰度值,但圖 6(b)中兩處溢油區(qū)面積隨之?dāng)U大,達(dá)到75km2,區(qū)域影響面積達(dá)到360km2,這給徹底清污帶來了難度.

6月19日監(jiān)測結(jié)果[圖6(d)]證明6月17日在C20井處發(fā)生過大量油溢出事件,且大部分油帶漂往西北方向,這說明清理工作仍將繼續(xù).盡管受到云層的影響,監(jiān)測效果仍然理想,從視場中可計算出可視油膜直接覆蓋面積達(dá)到101km2,區(qū)域影響面積達(dá)到304km2.通過多時相序列分析可知:可確定蓬萊19-3平臺為溢油源,大量溢油時期分兩個階段,假設(shè)以獲取的6月19日圖像為時間節(jié)點,可確定6月19日之前為第一階段,6月19日之后為第二階段.

圖5 事故前背景圖Fig.5 Background image

圖6 輔以紋理特征的HJ-CCD溢油信息提取結(jié)果序列(溢油源坐標(biāo):38°22′42.32″N,120°05′02.32″E)Fig.6 Results of information identification by proposed method

雖然康菲石油中國有限公司于7月6日宣布溢油已經(jīng)達(dá)到全面控制,清污工作基本結(jié)束,但是7月5日[圖6(e)]的監(jiān)測結(jié)果說明,蓬萊19-3平臺附近仍集中一定量的油膜,在平臺東北方向和西南方面都發(fā)現(xiàn)油帶,需進(jìn)一步布置清污力量.另外從7月9日[圖6(f)]的監(jiān)測結(jié)果可以看出,油污遠(yuǎn)離溢油源——蓬萊19-3平臺,油帶出現(xiàn)在平臺西南和東南向,平臺附近無明顯油帶.這說明此時段開始平臺無大量油溢出,且西南、東南向油帶系此時段之前未徹底清理的油污擴(kuò)散漂移形成.但不排除平臺仍有少量油溢出,這從國家海洋局的系列報道可知.綜合7月5日和7月9日的監(jiān)測結(jié)果,油污的進(jìn)一步擴(kuò)散、遷移系由清污力量的不足造成,根據(jù)油污的遷移方向判斷,煙臺、蓬萊、威海等地區(qū)將受到油污侵害.

綜合上述分析得出,大量溢油已經(jīng)于7月6日得到控制,盡管后續(xù)又出現(xiàn)滲油點,但未發(fā)生大量溢油,這從7月28日的圖像中可以得出[圖6(g)].

2.2 討論

為了更直觀表達(dá)本案方法在提高溢油信息識別能力上的作用,利用J指數(shù)對基于光譜信息與輔以紋理特征兩種方案進(jìn)行對比分析(表2).從表2可以看出,采用本案方法可有效提高油膜和海水的可區(qū)分度:2011年6月5日的J指數(shù)從1.9471提高到1.9999;6月13日的J指數(shù)從1.7947提高到1.9438;6月19日的J指數(shù)從1.8634提高到1.9847.只有6月11日的J指數(shù)從1.8379下降到1.6637,這可能是因為油膜較厚且當(dāng)時海面風(fēng)速較低,這樣浮油對波譜的調(diào)制作用不明顯.

表2 油膜-海水J指數(shù)Table2 J index between Oil and Seawater

在油膜的多光譜特征分析基礎(chǔ)上,引入方向紋理分析,可有效區(qū)分油膜影響邊界,有助于油膜面積提取.由于油膜覆蓋海面引起表面反射率差異,反映在遙感圖像中就形成了灰度值/光譜的漸變,而方向性紋理恰好可以檢測這種漸變,且通過調(diào)整算子尺度檢測不明顯的漸變和邊緣.另外,經(jīng)過方向紋理分析后的圖像同樣可以感知油層厚度變化,反映為強(qiáng)度的變化,形成明暗區(qū)帶[圖 6(b)和圖 6(d)].但需要注意的是,光學(xué)圖像獲取時,傳感器觀測角位于鏡面反射區(qū),一方面有助于溢油監(jiān)測[2,15],另一方面卻也過多反映海表面紋理,形成雜亂無章的條帶,這時不宜應(yīng)用本案方法[圖6(e)];同時海面浮油對波譜的調(diào)制亦受海況和油膜厚度影響.本文選擇方向梯度算子,是經(jīng)過前期反復(fù)實驗比較之后的結(jié)論,由于篇幅所限,文中并未就方向紋理分析與其他經(jīng)典邊緣檢測方法如Prewitt,Sobel和Roberts等進(jìn)行對比.

3 結(jié)語

HJ-CCD具有較高的時間分辨率和空間分辨率,通過光譜變化表達(dá)紋理信息,采用主成分分析與方向紋理分析方法可以綜合利用影像中的光譜信息與紋理信息,較好地識別溢油目標(biāo).經(jīng)過方向紋理處理后的邊緣強(qiáng)度圖像,可以準(zhǔn)確表達(dá)因油膜覆蓋導(dǎo)致反射信號的漸變,刻畫油膜影響區(qū)域及油層厚度分區(qū),進(jìn)行面積提取,是應(yīng)用HJ-CCD數(shù)據(jù)進(jìn)行溢油信息提取的快速、有效的方法.本文也進(jìn)一步證明了國家 HJ衛(wèi)星具備承擔(dān)包括溢油污染在內(nèi)的眾多災(zāi)害類監(jiān)測任務(wù)的能力.相信在整個星座組網(wǎng)后,HJ衛(wèi)星在時間分辨率、空間分辨率、光譜分辨率上將更具優(yōu)勢,實現(xiàn)全天候的監(jiān)測任務(wù)覆蓋.

[1]徐恒振,周傳光,尚龍生,等.溢油多環(huán)芳烴模糊指數(shù)的研究 [J].中國環(huán)境科學(xué), 1999,6:510-513.

[2]Hu C, Weisberg R H, Liu Y, et al. Did the northeastern Gulf of Mexico become greener after the Deepwater Horizon oil spill?[J].Geophysical Research Letters, 2011,38, L09601, doi:10.1029/2011GL047184.

[3]金 銘,劉湘南,李鐵瑛.基于冠層多維光譜的水稻鎘污染脅迫診斷模型研究 [J]. 中國環(huán)境科學(xué), 2011,31(1):137-143.

[4]Brekke C, Solberg A. Oil spill detection by satellite remote sensing [J]. Remote Sensing of Environment, 2005,95:1-13.

[5]Hu C, Li X, William G P, Frank E M. Detection of natural oil slicks in the NW Gulf of Mexico using MODIS imagery [J].Geophysical Research Letters, 2009, 36(1), CiteID L01604.

[6]Hu C, Muller-Karger F E, Taylor C J, et al. MODIS detects oil spills in Lake Maracaibo, Venezuela [J]. Eos, Transactions of the American Geophysical Union, 2003,84(33):313-319.

[7]Pantani L, Cecchi G, Bazzani M, et al. Remote sensing of marine environments with the high spectral resolution fluorosensor FLIDAR 3 [C]. //Donald W D, Preben G. Proceedings of SPIE 1995 on Global Process Monitoring and Remote Sensing of the Ocean and Sea Ice. Paris, France: SPIE Digital Library,1995,2586:56-64.

[8]張永寧,丁 倩,李棲筠.海上溢油污染遙感監(jiān)測的研究 [J]. 大連海事大學(xué)學(xué)報, 1999,25(3):1-5.

[9]Jha M N, Levy J, Gao Y. Advances in remote sensing for oil spill disaster management: state-of-art sensors technology for oil spill surveillance [J]. Sensors, 2008,8(1):236-255.

[10]李金蓮,劉曉玫,李恒鵬.SPOT5影像紋理特征提取與土地利用信息識別方法 [J]. 遙感學(xué)報, 2006,10(6):926-931.

[11]付 軍,谷東起.基于光譜與紋理特征融合的灘涂信息提取方法[J]. 海洋環(huán)境科學(xué), 2008,27(5):405-408.

[12]張 礫.輔以紋理特征的洪澤湖濕地信息提取 [J]. 遙感信息,2010,3:30-34.

[13]呂書強(qiáng),田巨慧,杜 磊,等.加權(quán)紋理特征在高分辨率遙感影像耕地再分類中的應(yīng)用 [J]. 測繪科學(xué), 2009,34:67-69.

[14]Guillem C, Yolanda S. The multi-angle view of MISR detects oil slicks under sun glitter conditions [J]. Remote Sensing of Environment, 2007,(107):232-239.

[15]Brown C, Fingas M. Review of oil spill remote sensing [J]. Spill Science and Technology Bulletin, 1997,4(4):199-208.

[16]Brown C, Fingas M. Review of the development of laser fluorosensors for oil spill application [J]. Marine Pollution Bulletin, 2003,47:477-484.

[17]Goodman R. Overview and future trends in oil spill remote sensing [J]. Spill Science and Technology Bulletin, 1994,1(1):11-21.

[18]Brown C, Fingas M. Development of airborne oil thickness measurements [J]. Marine Pollution Bulletin, 2003,47:485-492.

[19]Otremba Z, Piskozub J. Modeling the bidirectional reflectance distribution function (BRDF) of sweater polluted by an oil film[J]. Optics Express, 2004,12(8):1671-1676.

[20]任仙怡,張桂林,陳朝陽.基于紋理譜的紋理分割方法 [J]. 中國圖象圖形學(xué)報, 1998,3(12):983-986.

[21]沈煥鋒,李平湘,張良培.一種顧及影像紋理特性的自適應(yīng)分辨率增強(qiáng)算法 [J]. 遙感學(xué)報, 2005,9(3):253-259.

[22]Haralick R M, Sternberg S R, Zhuang X. Image analysis using mathematical morphology [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1987,9(4):532-550.

致謝：本研究工作依托遼寧省船舶污染監(jiān)測與檢測信息化技術(shù)重點實驗室,論文中涉及的HJ衛(wèi)星數(shù)據(jù)來自中國資源衛(wèi)星應(yīng)用中心(www.cresda.com),在此表示衷心的感謝！