渤海海域多源遙感溢油風(fēng)險(xiǎn)評價(jià)與長序監(jiān)測

柯麗娜，李云昊, ，張 帥，范劍超

渤海海域多源遙感溢油風(fēng)險(xiǎn)評價(jià)與長序監(jiān)測

柯麗娜1，李云昊1, 2，張 帥2, 3，范劍超2

(1. 遼寧師范大學(xué) 地理科學(xué)學(xué)院, 大連 116029; 2.國家海洋環(huán)境監(jiān)測中心 海洋遙感技術(shù)室, 大連 116023; 3.大連工業(yè)大學(xué) 信息科學(xué)與工程學(xué)院, 大連 116034)

渤海海域溢油事件頻發(fā)，所以進(jìn)行海洋溢油風(fēng)險(xiǎn)時(shí)空特征分析，對于開展衛(wèi)星遙感溢油精確監(jiān)測具有重要意義。作者采用多源高分辨率衛(wèi)星遙感數(shù)據(jù)，提取渤海海域船舶及石油平臺兩類主要溢油風(fēng)險(xiǎn)源分布狀況，結(jié)合2015—2020年間渤海海域海上溢油衛(wèi)星遙感監(jiān)測結(jié)果，分析多種傳感器下不同類型溢油的成像特征，通過溢油風(fēng)險(xiǎn)源核密度分析方法，獲得海洋溢油事件發(fā)生的時(shí)空分布，實(shí)現(xiàn)渤海海域溢油風(fēng)險(xiǎn)程度綜合評價(jià)。以2020年大連近岸海域溢油遙感監(jiān)測為例，開展溢油擴(kuò)散范圍長序列應(yīng)急監(jiān)測，結(jié)合事故發(fā)生海域船舶航行風(fēng)險(xiǎn)源信息，對溢油事件發(fā)生過程進(jìn)行回溯，實(shí)現(xiàn)對溢油發(fā)生源和分布面積的長序列準(zhǔn)確監(jiān)測。

海洋溢油；海上石油平臺；風(fēng)險(xiǎn)源；多源遙感

隨著世界經(jīng)濟(jì)的發(fā)展、各國對石油的需求日益增長, 海洋石油以其豐富的儲量成為重要的石油資源。由于海上石油平臺的開發(fā)和海洋運(yùn)輸業(yè)的不斷發(fā)展, 海上溢油事故時(shí)有發(fā)生[1]。意外事故、蓄意傾倒或自然原因等造成的海上石油泄漏會對海洋生態(tài)系統(tǒng)、海水養(yǎng)殖業(yè)、旅游業(yè)等造成極大的危害, 因此能否及時(shí)準(zhǔn)確地對溢油狀況進(jìn)行監(jiān)測評估對于保護(hù)海洋環(huán)境具有重要的意義[2]。船舶和石油平臺作為海洋溢油事故的兩大主要來源, 其潛在影響程度因溢油事故發(fā)生的位置及其分布而不同, 尤其是海上石油平臺, 一旦發(fā)生事故, 會帶來難以估計(jì)的生態(tài)和經(jīng)濟(jì)損失[3-4]。2010 年英國石油公司在美國墨西哥灣租用的鉆井平臺“深水地平線”發(fā)生爆炸, 導(dǎo)致大約490 萬桶原油從油井中泄漏, 造成難以估量的經(jīng)濟(jì)與生態(tài)損失。海上溢油事故具有突發(fā)性強(qiáng)、影響范圍大、易擴(kuò)散漂移等特點(diǎn), 對海上石油平臺的分布情況進(jìn)行監(jiān)測以及對海面浮油進(jìn)行準(zhǔn)確檢測、對溢油范圍進(jìn)行精確估算、對溢油分布狀況進(jìn)行實(shí)時(shí)跟蹤, 對于海洋溢油災(zāi)害的有效治理具有重要的現(xiàn)實(shí)意義[5]。

目前國內(nèi)外對海洋溢油風(fēng)險(xiǎn)評價(jià)做了大量的研究, GOERLANDT等[6]將貝葉斯網(wǎng)絡(luò)建模應(yīng)用于芬蘭海灣地區(qū)溢油概率風(fēng)險(xiǎn)的量化, 并通過對風(fēng)險(xiǎn)模型的評價(jià)標(biāo)準(zhǔn)、試驗(yàn)和風(fēng)險(xiǎn)分析, 驗(yàn)證了該模型的合理性; 肖景坤等[7]應(yīng)用概率與數(shù)理統(tǒng)計(jì)、灰色系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)等方法, 對中國海域內(nèi)船舶溢油風(fēng)險(xiǎn)概率、船舶溢油因素、船舶危害預(yù)報(bào)等進(jìn)行了全面的理論分析和應(yīng)用研究, 建立了船舶溢油風(fēng)險(xiǎn)評價(jià)模型, 為船舶溢油事故響應(yīng)決策提供了較好的方案; SCHWEGMANN等[8]對多種溢油風(fēng)險(xiǎn)源、溢油發(fā)生概率及危害程度等進(jìn)行了總結(jié)和分析; 劉保占等[9]采用層次分析法, 篩選并分析了渤海海上石油平臺溢油風(fēng)險(xiǎn)程度, 建立海上石油平臺溢油風(fēng)險(xiǎn)評價(jià)指標(biāo)體系, 并運(yùn)用多級模糊綜合評價(jià)方法對平臺溢油風(fēng)險(xiǎn)進(jìn)行綜合評價(jià), 為海上石油平臺溢油事故應(yīng)急響應(yīng)提供了技術(shù)支持。上述研究在海洋溢油風(fēng)險(xiǎn)評價(jià)方面取得了一定成果, 但由于溢油事件的發(fā)生屬于小概率事件, 且缺乏足夠的歷史統(tǒng)計(jì)數(shù)據(jù), 為溢油概率的分析驗(yàn)證帶來了困難。

多源遙感監(jiān)測在溢油事故分析中展現(xiàn)其獨(dú)特的優(yōu)勢, 綜合利用光學(xué)遙感及微波雷達(dá)可以充分發(fā)揮微波雷達(dá)全天候工作、受天氣影響較小的優(yōu)勢, 再結(jié)合不同溢油狀況的光學(xué)影像特征, 從而對不同溢油污染類型進(jìn)行定性與定量監(jiān)測, 實(shí)現(xiàn)大范圍、全天候的溢油動態(tài)監(jiān)測, 有效提升海洋溢油的遙感監(jiān)測的準(zhǔn)確度[10]。楊紅等[11]利用MODIS和HJ-1衛(wèi)星數(shù)據(jù), 對2012年上海海域溢油事件進(jìn)行溢油信息提取, 并分析溢油光譜特征, 結(jié)果顯示多源遙感數(shù)據(jù)比單源遙感數(shù)據(jù)進(jìn)行溢油監(jiān)測效果更佳。陸應(yīng)誠等[12]針對2018年1月中國東?！吧＜陛喴缬褪录? 利用GF-3合成孔徑雷達(dá)(Synthetic Aperture Radar, SAR)數(shù)據(jù)并結(jié)合光學(xué)遙感數(shù)據(jù), 實(shí)現(xiàn)“桑吉”輪疑似溢油范圍的圈定, 闡明了典型海洋溢油的多光譜特征。

以上研究多從溢油遙感監(jiān)測技術(shù)出發(fā), 分析多源遙感溢油信息以及雷達(dá)、光學(xué)圖像下的溢油影像特征, 但針對某一海域進(jìn)行長時(shí)間序列多源遙感溢油監(jiān)測的分析并不多見, 尤其渤海灣區(qū)域缺少長時(shí)間序列的海洋溢油時(shí)空分布特征分析。因此, 以渤海海域?yàn)檠芯繉ο? 使用多源高分辨率遙感影像提取渤海海域船舶、石油平臺分布信息, 描述不同光學(xué)與微波雷達(dá)影像的溢油判別方法與解譯特征, 并結(jié)合溢油遙感監(jiān)測獲得的溢油統(tǒng)計(jì)數(shù)據(jù)對溢油風(fēng)險(xiǎn)等級區(qū)劃進(jìn)行驗(yàn)證, 再采用核密度分析法對渤海海域海上溢油風(fēng)險(xiǎn)程度進(jìn)行分析, 從而生成渤海海域溢油風(fēng)險(xiǎn)等級區(qū)劃圖, 開展渤海海域2015—2020年海洋溢油時(shí)空分布特征分析, 旨在提高渤海海域溢油風(fēng)險(xiǎn)防控水平以及為相應(yīng)海洋溢油事故應(yīng)急處理提供一定的技術(shù)支撐和方法借鑒。

1 研究區(qū)域與數(shù)據(jù)

1.1 研究區(qū)域介紹

本研究的目標(biāo)海域選為渤海海域。渤海是一個(gè)近乎封閉的內(nèi)海, 東面以遼東半島的南端老鐵山西角與山東半島北岸蓬萊頭的連線為界, 另外3面則是環(huán)陸。根據(jù)地形地貌, 渤海海域由遼東灣、渤海灣、萊州灣、中央淺海盆地和渤海海峽這5部分組成。渤海海域具有豐富的漁業(yè)、港口、石油、海鹽等資源, 對該區(qū)域海洋資源的開發(fā)是環(huán)渤海地區(qū)經(jīng)濟(jì)發(fā)展的重要領(lǐng)域之一。海洋溢油是最嚴(yán)重的海洋污染之一, 因此, 對渤海海域進(jìn)行多源遙感溢油風(fēng)險(xiǎn)評價(jià)與長序監(jiān)測具有重要的現(xiàn)實(shí)意義。具體研究區(qū)域如圖1所示。

圖1 渤海海域研究范圍

1.2 船舶風(fēng)險(xiǎn)源

船舶是渤海海域的主要溢油風(fēng)險(xiǎn)源之一, 尤其是近年來大型油船往來頻繁, 船舶流量增多, 使渤海海域發(fā)生溢油事故的風(fēng)險(xiǎn)越來越高[13], 目前基于遙感影像的海洋船舶目標(biāo)檢測技術(shù)迅速發(fā)展。為了能夠提取整個(gè)研究海域的船舶空間分布情況, 進(jìn)而分析該海域內(nèi)船舶溢油風(fēng)險(xiǎn)狀況, 選取成像時(shí)間為2019年的能夠覆蓋整個(gè)研究區(qū)域的GF-1 WFV影像進(jìn)行信息處理。

1.3 石油平臺風(fēng)險(xiǎn)源

是否具有時(shí)空一致性是區(qū)分船舶與石油平臺數(shù)據(jù)的基礎(chǔ), 絕大多數(shù)海上船舶的位置時(shí)刻在發(fā)生變化, 即使船舶在某處短暫靜止, 也不會持續(xù)數(shù)月甚至數(shù)年, 而固定式石油平臺的位置一般不會發(fā)生改變, 石油平臺具有時(shí)空一致性, 因此將連續(xù)年份的船舶與石油平臺數(shù)據(jù)進(jìn)行疊加分析及變化檢測, 篩選出位置未發(fā)生變化的目標(biāo), 即認(rèn)為是石油平臺。為有效識別渤海海域海上石油平臺的位置信息, 選取2017年8月、2018年7月、2019年7月的研究區(qū)GF-1 WFV影像。

1.4 溢油數(shù)據(jù)介紹

通過排查研究區(qū)高分系列、HJ系列及哨兵系列等多源衛(wèi)星遙感影像共計(jì)1 961景, 對研究區(qū)2015—2020年間的海洋溢油信息進(jìn)行提取, 在研究期內(nèi)共發(fā)現(xiàn)44處疑似溢油區(qū)域, 總計(jì)71景溢油數(shù)據(jù), 溢油數(shù)據(jù)具體獲取情況如表1所示, 表2為2020年5月5日溢油事件所用數(shù)據(jù)。

表1 溢油數(shù)據(jù)獲取情況

表2 2020年5月5日溢油事件數(shù)據(jù)

2 研究方法

2.1 光學(xué)影像上海洋溢油特征

海上溢油事故發(fā)生之后, 溢油首先以入射光線難以透過的黑色浮油(海面上較厚的原油溢油, 易于被光學(xué)傳感器所探測)形式存在, 隨著時(shí)間的推移, 溢油開始擴(kuò)散, 并在風(fēng)、浪、流等海洋動力的作用下, 與海水形成具有透光性的、不同濃度的、不同厚度的油水混合物油膜[14]。因此, 在光學(xué)遙感影像中, 不同溢油污染類型因其結(jié)構(gòu)特征的差異, 對入射光的反射、吸收、透射作用亦不同, 致使其呈現(xiàn)的影像特征也并不相同。并且, 在不同的波段, 油膜和水的差異也有所不同。如圖2所示, 油膜和水在Sentinel-2光學(xué)遙感影像中, 隨著波長的增加, 油膜與水的差異逐漸變得明顯。目前使用光學(xué)遙感影像來識別溢油主要是在可見光波段到紅外波段之間進(jìn)行。

圖2 Sentinel-2影像中溢油光譜反射率曲線

根據(jù)海上油膜的光譜響應(yīng)差異, 可以將海洋溢油目標(biāo)確定為黑色浮油、薄油膜及油水混合物等3種主要類型[12, 15], 圖3展示了這3種主要海洋溢油類型。圖3a為光學(xué)遙感影像中典型的黑色浮油, 黑色浮油在海洋動力作用下, 常常會與海水形成如圖3b所示的油水乳化物, 并乳化后形成棕色、桔黃色或黃色等不同顏色的油水乳化物, 其狀態(tài)也被稱為“巧克力凍”或“慕斯?fàn)睢? 在光學(xué)真彩色影像上常表現(xiàn)為斑塊狀。圖3c和圖3d為光學(xué)遙感影像上的薄油膜, 海面溢油的薄油膜和烴微滲漏形成的滲漏油膜, 其目視影像特征常表現(xiàn)為彩虹色或銀色等顏色。

圖3 不同光學(xué)傳感器下的海面疑似溢油及影像特征

WFV. 高分可見光系列衛(wèi)星的寬幅相機(jī); PMS. 高分可見光系列衛(wèi)星的高分相機(jī); CCD. 環(huán)境衛(wèi)星搭載的多光譜相機(jī)

WFV. The wide format camera of Gaofen optical series satellites; PMS. The high-resolution camera of Gaofen optical series satellites; CCD. Tthe multi-spectral camera of HJ satellites

2.2 SAR影像上海洋溢油特征

由于成像機(jī)理的原因, SAR遙感影像進(jìn)行海洋溢油監(jiān)測時(shí), 溢油常常會呈現(xiàn)為黑色的暗斑狀, 但同時(shí)許多其他海洋目標(biāo)也會表現(xiàn)出與海洋溢油類似的特征, 從而在SAR影像上形成溢油相似物[16-17], 這需要根據(jù)綜合SAR圖像上目標(biāo)幾何特征、灰度、紋理等信息, 并結(jié)合風(fēng)場信息、其他衛(wèi)星數(shù)據(jù)等多源信息做出綜合分析和判斷海洋溢油目標(biāo)。

目標(biāo)的幾何特征主要包括目標(biāo)的大小、形狀等特征, 不同海洋現(xiàn)象和觀測目標(biāo)在SAR影像上會表現(xiàn)出獨(dú)特的幾何特征。例如內(nèi)波在SAR影像上呈現(xiàn)為具有一定弧度的弧線, 船舶尾跡在SAR影像上則表現(xiàn)為一條直線, 而船舶排污產(chǎn)生的溢油通常表現(xiàn)為具有一定寬度的線形暗斑。溢油與海面低風(fēng)速區(qū)都表現(xiàn)為塊狀低亮度區(qū)域, 但是低風(fēng)速區(qū)經(jīng)常位于島嶼的背風(fēng)面, 且溢油區(qū)域的面積常常比低風(fēng)速區(qū)要小得多; 生物油膜與海洋溢油污染相比呈現(xiàn)出更多的不規(guī)則性[18]。

目標(biāo)的灰度、紋理特征主要包括邊緣梯度、后向散射系數(shù)、紋理特征等, 例如海洋溢油在SAR影像上的邊緣部分通常呈現(xiàn)出躍遷式的變化, 即目標(biāo)邊緣處兩邊的像素值具有明顯的差異, 而部分疑似溢油現(xiàn)象(如海面低風(fēng)速區(qū))的邊緣變化則一般較為緩慢。此外, 不同目標(biāo)的后向散射系數(shù)值也不同, 從而導(dǎo)致在SAR圖像上表現(xiàn)出不同的灰度值。紋理特征在人工解譯SAR圖像時(shí)也起著重要的作用, 紋理特征主要表現(xiàn)了目標(biāo)表面的結(jié)構(gòu)組織排列屬性。

SAR成像時(shí)的風(fēng)場信息主要為觀察待識別目標(biāo)所處區(qū)域的風(fēng)速情況, 在SAR遙感影像中, 風(fēng)速對海洋溢油的識別有很大的影響[19-20], 如表3所示, 在不同風(fēng)速情況下, SAR影像上海洋溢油的情況具有明顯的差異, 海面風(fēng)場狀況影響著SAR海洋溢油監(jiān)測的難度。

表3 風(fēng)速對SAR影像溢油探測的影響

此外, 目標(biāo)附近的航道、石油平臺、島嶼等信息也說明了識別目標(biāo)的空間位置的特征, 如果從SAR影像上提取得到的目標(biāo)至航道、石油平臺等溢油風(fēng)險(xiǎn)源距離較近, 那么該目標(biāo)為溢油類型的可能性較大。如果目標(biāo)位于海島背風(fēng)區(qū), 那么結(jié)合風(fēng)場情況就能初步判斷該目標(biāo)為海面低風(fēng)速區(qū)或是海洋溢油類型, 如圖4為渤海海域溢油遙感監(jiān)測的疑似溢油的SAR遙感影像。

圖4 SAR影像海洋溢油

2.3 溢油信息提取方法

本文溢油信息提取方法分為兩種, 分別是圖5a所示的基于非負(fù)矩陣分解算法(Non-negative Matrix Factorization, NMF)和支持向量機(jī)(Support Vector Machine, SVM)的光學(xué)遙感影像溢油信息提取方法[21]以及圖5b所示的SAR遙感影像的層次凝聚聚類(Hierarchical Agglomerative Clustering, HAC)溢油信息提取方法[22]。

圖5 遙感影像溢油信息提取流程圖

3 結(jié)果與分析

3.1 風(fēng)險(xiǎn)源數(shù)據(jù)分析

使用衛(wèi)星遙感手段對渤海海域溢油災(zāi)害進(jìn)行日常監(jiān)測, 對保護(hù)海洋環(huán)境、監(jiān)控預(yù)警海洋災(zāi)害具有重要的意義。在進(jìn)行溢油監(jiān)測時(shí), 首要任務(wù)是監(jiān)測海上溢油風(fēng)險(xiǎn)源密集的區(qū)域。溢油風(fēng)險(xiǎn)源是指海洋環(huán)境中可能會發(fā)生溢油的目標(biāo), 通常包括船舶、石油平臺、海底輸油管道等, 其中, 最容易發(fā)生溢油事故的是船舶和石油平臺這兩大風(fēng)險(xiǎn)源。因此, 對這兩大風(fēng)險(xiǎn)源進(jìn)行提取和分析, 可以為溢油監(jiān)測提供充足的數(shù)據(jù)支持, 便于針對性地進(jìn)行溢油監(jiān)測。

對遙感影像中的船舶目標(biāo)進(jìn)行檢測分析, 由于船舶往往在規(guī)定的航道內(nèi)行駛, 因此對同一天的衛(wèi)星遙感影像中的船舶信息進(jìn)行提取和分析就可以還原研究海域的整體船舶空間分布情況。對遙感影像進(jìn)行相關(guān)預(yù)處理之后, 使用閾值分割算法對遙感影像進(jìn)行圖像分割操作, 提取出遙感影像中的船舶目標(biāo), 再通過船舶自動識別系統(tǒng)(Automatic Identification System, AIS)對船舶分布情況進(jìn)行查詢和對比分析, 進(jìn)一步提取結(jié)果中的船舶目標(biāo), 剔除非船舶目標(biāo)。圖6為渤海海域兩類溢油風(fēng)險(xiǎn)源分布圖, 其中圖6a為根據(jù)GF-1 WFV影像得到的渤海海域船舶空間分布狀況圖, 系統(tǒng)統(tǒng)計(jì)信息顯示研究區(qū)域的船舶數(shù)量為1 478艘, 將從高分影像中提取到的船舶空間分布結(jié)果與AIS系統(tǒng)中船舶分布狀態(tài)進(jìn)行比較分析, 分析結(jié)果表明GF-1 WFV影像提取的船舶結(jié)果與AIS系統(tǒng)中的船舶分布情況具有較高的一致性, 提取結(jié)果具有較好的可信度。

海上石油平臺絕大多數(shù)都是固定式平臺, 空間位置基本不變, 因此可以基于石油平臺的位置不變性來進(jìn)行提取。由于是基于石油平臺的位置不變性來進(jìn)行提取, 因此在提取之前需要對遙感影像進(jìn)行相關(guān)的預(yù)處理操作, 如幾何校正、大氣校正等, 否則提取的結(jié)果會有所偏差。在進(jìn)行相關(guān)預(yù)處理操作之后, 對獲得的GF-1 WFV遙感影像進(jìn)行石油平臺提取操作。最終, 渤海海域共檢測到海上石油平臺200余座, 其空間分布如圖6b所示, 渤海海域中紅色標(biāo)識為海上石油平臺位置, 從圖中可以看出渤海海域石油平臺主要分布在遼東灣中部和北部, 渤海灣, 東營北部海域埕北油田區(qū), 以及渤海中部海域蓬萊19-3油田區(qū)。由于未獲取有效的研究區(qū)石油平臺的官方數(shù)據(jù), 為驗(yàn)證石油平臺提取結(jié)果的可靠性, 與公開數(shù)據(jù)及已有研究結(jié)果[23]進(jìn)行了對比, 結(jié)果表明提取結(jié)果與公開資料顯示的油氣田位置分布具有較高的一致性。

將從遙感影像中提取到的渤海海域船舶分布情況與石油平臺分布情況進(jìn)行疊加, 得到如圖6c所示的渤海海域溢油風(fēng)險(xiǎn)源總體分布圖, 其中綠色點(diǎn)要素為提取的船舶目標(biāo), 紅色三角形要素為提取的石油平臺目標(biāo), 該圖反映了2020年5月6日GF-1 WFV影像中渤海海域船舶和石油平臺兩類溢油風(fēng)險(xiǎn)源的總體分布情況, 為渤海海域溢油風(fēng)險(xiǎn)分區(qū)管理以及溢油風(fēng)險(xiǎn)防控提供了數(shù)據(jù)支持。

3.2 溢油風(fēng)險(xiǎn)源核密度分析

統(tǒng)計(jì)學(xué)中的密度分析是一種用來估算有限樣本概率密度函數(shù)的方法, 因此對提取到的風(fēng)險(xiǎn)源數(shù)據(jù)進(jìn)行空間密度分析, 可以判斷要素聚集程度在不同區(qū)域的高低狀況, 能夠更加直觀地體現(xiàn)出渤海海域溢油風(fēng)險(xiǎn)源的分布情況。

作者選用核密度分析方法(Kernel density)表達(dá)渤海海域溢油風(fēng)險(xiǎn)狀況程度, 核密度估計(jì)是一種用于估計(jì)概率密度函數(shù)的非參數(shù)方法, 可以用于計(jì)算船舶和海上石油平臺等點(diǎn)要素的空間分布密度。設(shè)1,2,…, x為獨(dú)立分布的個(gè)船舶或海上石油平臺樣本點(diǎn), 假設(shè)其概率密度服從函數(shù), 則其核密度可用下式表示:

其中,為核寬,為核函數(shù)。

核密度分析方法選擇空間中的風(fēng)險(xiǎn)源曲面某一像元的風(fēng)險(xiǎn)指數(shù)值等于搜索鄰域圓形半徑中該點(diǎn)要素所覆蓋的曲面與其下方平面所圍成的空間的體積, 隨著與該點(diǎn)距離的增大, 曲面上的表面值逐漸減小, 直至距離等于搜索半徑的位置處, 表面值降低為零, 表面值在相應(yīng)風(fēng)險(xiǎn)源點(diǎn)要素所處位置上為最高。

將從遙感影像中提取到的船舶和石油平臺數(shù)據(jù)作為輸入, 進(jìn)行核密度分析, 最終得到如圖7所示的渤海海域溢油風(fēng)險(xiǎn)圖。其中, 圖7a為船舶溢油風(fēng)險(xiǎn)圖, 圖7b為石油平臺溢油風(fēng)險(xiǎn)圖, 圖7c為考慮了船舶與石油平臺兩類溢油風(fēng)險(xiǎn)源的渤海海域綜合溢油風(fēng)險(xiǎn)圖, 根據(jù)該圖發(fā)現(xiàn), 航道、港口近岸海域與海上石油平臺周邊海域?yàn)椴澈：Ｓ蛞缬惋L(fēng)險(xiǎn)源主要集中地點(diǎn)。其中, 風(fēng)險(xiǎn)源較強(qiáng)的海域主要集中在天津、唐山、黃驊和東營的石油平臺、港口及近海附近, 其風(fēng)險(xiǎn)較高且相對集中, 另外秦皇島、蓬萊-長島等海域也為溢油高風(fēng)險(xiǎn)區(qū)。因此, 在對渤海海域進(jìn)行日常溢油監(jiān)測的時(shí)候, 應(yīng)當(dāng)首先排查以上風(fēng)險(xiǎn)較高和風(fēng)險(xiǎn)源較為集中的區(qū)域。

圖7 渤海海域溢油風(fēng)險(xiǎn)圖

3.3 渤海海域溢油風(fēng)險(xiǎn)程度綜合評價(jià)

將研究區(qū)高分系列、環(huán)境系列及海洋系列等多源衛(wèi)星影像相結(jié)合, 對研究區(qū)2015—2020年間的海洋溢油信息進(jìn)行排查提取, 在研究期內(nèi)共發(fā)現(xiàn)44處疑似溢油區(qū)域。通過將發(fā)生的疑似海洋溢油區(qū)域與渤海灣溢油風(fēng)險(xiǎn)等級圖進(jìn)行疊加分析得到圖8所示的2015—2020年間渤海海域溢油狀況圖, 其中越大的紅色點(diǎn)要素表明該次溢油事件的溢油面積越大, 具體信息如表4所示。據(jù)該圖發(fā)現(xiàn)研究區(qū)海上溢油的發(fā)生研究區(qū)海上溢油的發(fā)生區(qū)多集中于溢油的高風(fēng)險(xiǎn)地區(qū), 即集中在石油平臺、港口及其近海附近, 其中天津、唐山、黃驊和東營風(fēng)險(xiǎn)較高且相對集中, 此外遼東灣、蓬萊-長島等海域也是溢油發(fā)生較為集中的區(qū)域, 主要原因?yàn)椴澈：Ｓ虼傲髁看? 且渤海海域海上石油平臺多。與已有研究成果比較分析[24], 結(jié)果的一致性較高, 覆蓋范圍更加全面, 溢油高風(fēng)險(xiǎn)區(qū)域位置信息更加詳細(xì)。溢油的分布狀況與溢油風(fēng)險(xiǎn)等級具有高度的一致性。結(jié)果表明研究區(qū)海上溢油事件多發(fā)生于溢油風(fēng)險(xiǎn)源高密度區(qū)域, 可以為渤海海域溢油監(jiān)測和管理提供一定的理論依據(jù)。

圖8 2015—2020年間渤海海域溢油發(fā)生時(shí)空分布

表4 溢油信息統(tǒng)計(jì)

3.4 2020年大連近岸海域溢油遙感監(jiān)測

以2020年5月5日在大連市近岸海域發(fā)現(xiàn)的一處疑似溢油為例, 具體坐標(biāo)為120°52′50.3″E、38°42′19.94″N, 對獲取的光學(xué)遙感影像中的油膜光譜特征進(jìn)行分析, 分析結(jié)果表明是與光學(xué)遙感影像中薄油膜光譜特征類似的疑似溢油條帶, 因此判定為疑似溢油區(qū)域。啟動溢油應(yīng)急監(jiān)測模式, 對該區(qū)域5月5日當(dāng)天的可見光和SAR衛(wèi)星遙感數(shù)據(jù)進(jìn)行篩查, 最終獲得事發(fā)海域2景光學(xué)遙感影像, 分別為圖9a所示的成像時(shí)間為10時(shí)44分41秒的1景GF-1 WFV遙感影像和圖9b所示的11時(shí)03分02秒的1景GF-1B PMS遙感影像, 兩景遙感影像成像時(shí)間僅相差19 min, 并且兩景遙感影像云量較少, 成像效果較好, 能夠有效應(yīng)用于溢油的監(jiān)測與識別。

對5月5日獲取的2景遙感影像進(jìn)行分析, 從遙感影像中可以發(fā)現(xiàn): 在5月5日10時(shí)44分41秒的GF-1 WFV遙感影像中并未發(fā)現(xiàn)異常水體, 而在成像時(shí)間稍晚的GF-1B PMS遙感影像中則探測到異常水體的存在, 因此可以初步判定溢油產(chǎn)生時(shí)間為5月5日10時(shí)44分41秒～5月5日11時(shí)03分02秒之間, 在該時(shí)間段內(nèi)可能存在船舶違規(guī)排放、石油平臺泄露或生物油膜的情況。根據(jù)渤海灣石油平臺分布圖及渤海灣船舶分布圖可知, 疑似溢油條帶海域附近無石油平臺存在, 但事發(fā)海域位于航道附近, 且兩景影像中均存在正在行駛的船舶, 因此該異常條帶初步判定為船舶違規(guī)排放油污或者生物油膜。AIS可以獲得船舶航跡信息, 通過船訊網(wǎng)(http://www.shipxy.com/)對事故海域AIS船舶航跡信息查詢, 對查詢結(jié)果分析可知, 研究區(qū)海域10點(diǎn)44分41秒～11點(diǎn)03分43秒, 該海域內(nèi)共有6艘船舶航行, 其具體信息如表5所示。

圖9 2020年5月5日疑似溢油影像

表5 事發(fā)海域事發(fā)時(shí)間船舶航行信息

根據(jù)事故海域AIS信息, 繪制得到事發(fā)時(shí)間段內(nèi)6艘船只的行駛軌跡圖, 如圖10所示。由于疑似溢油條帶的位置與船舶軌跡并無重疊, 因此該條帶可能為生物油膜或其他異常水體。

后續(xù)繼續(xù)通過衛(wèi)星遙感跟蹤監(jiān)測該海域, 對該海域進(jìn)行長序監(jiān)測。5月6日在該海域獲取1景GF-1 WFV影像與1景Sentinel-2A影像, 如圖11所示, 在影像中同樣發(fā)現(xiàn)異常水體, 進(jìn)一步佐證5月5日的判斷結(jié)果。5月7日-5月11日, 該海域無影像覆蓋, 5月12日, 事發(fā)海域被3景GF-2 PMS影像所覆蓋, 通過影像排查, 該海域已無異常水體。通過將溢油風(fēng)險(xiǎn)源與多源衛(wèi)星遙感監(jiān)測相結(jié)合, 并對目標(biāo)海域進(jìn)行長序監(jiān)測, 可以進(jìn)行海洋溢油來源及類型的準(zhǔn)確判斷和分析, 為渤海海域溢油風(fēng)險(xiǎn)管理和防控提供了理論依據(jù)和數(shù)據(jù)支持。

圖10 基于AIS信息的疑似溢油判定結(jié)果分析

圖11 5月6日疑似溢油影像

4 結(jié)論

以船舶和石油平臺的溢油風(fēng)險(xiǎn)源分布情況為基礎(chǔ), 結(jié)合渤海灣2015—2020年間的溢油污染分布狀況, 構(gòu)建了2015—2020年間渤海海域溢油發(fā)生時(shí)空分布, 發(fā)現(xiàn)渤海海域溢油發(fā)生區(qū)多集中于天津、唐山、黃驊和東營的石油平臺、港口及近海海域, 另外遼東灣、蓬萊-長島等海域也是溢油發(fā)生較為集中的區(qū)域, 溢油事件的分布狀況與溢油風(fēng)險(xiǎn)源時(shí)空分布圖具有高度的一致性, 所以獲取溢油風(fēng)險(xiǎn)源可為渤海海域溢油風(fēng)險(xiǎn)分區(qū)管理及溢油風(fēng)險(xiǎn)防控提供理論依據(jù), 對遙感溢油長序列監(jiān)測回溯具有重要意義。未來會繼續(xù)對渤海海域進(jìn)行衛(wèi)星遙感監(jiān)測, 提取遙感影像溢油信息, 提高溢油風(fēng)險(xiǎn)源分析結(jié)果的準(zhǔn)確性。

[1] 鄒亞榮, 鄒斌, 梁超. 應(yīng)用極化合成孔徑雷達(dá)檢測海上溢油研究進(jìn)展[J]. 海洋學(xué)報(bào)(中文版), 2014, 36(9): 1-6.

ZOU Yarong, ZOU Bin, LIANG Chao. Research on progress of oil spill detection using polarization SAR data[J]. Acta Oceanologica Sinica(Chinese version), 2014, 36(9): 1-6.

[2] XING Q, MENG R, LOU M, et al. Remote sensing of ships and offshore oil platforms and mapping the marine oil spill risk source in the Bohai Sea[J]. Aquatic Procedia, 2015, 3: 127-132.

[3] 任廣波, 過杰, 馬毅, 等. 海面溢油無人機(jī)高光譜遙感檢測與厚度估算方法[J]. 海洋學(xué)報(bào), 2019, 41(5): 146-158.

REN Guangbo, GUO Jie, MA Yi, et al. Oil spill detection and slick thickness measurement via UAV hyperspectral imaging[J]. Acta Oceanologica Sinica, 2019, 41(5): 146-158.

[4] LIU Y, HU C, SUN C, et al. Assessment of offshore oil/gas platform status in the northern Gulf of Mexico using multi-source satellite time-series images[J]. Remote Sensing of Environment, 2018, 208: 63-81.

[5] 蘭冬東, 鮑晨光, 馬明輝, 等. 海洋溢油風(fēng)險(xiǎn)分區(qū)方法及其應(yīng)用[J]. 海洋環(huán)境科學(xué), 2014, 33(2): 287-292.

LAN Dongdong, BAO Chenguang, MA Minghui, et al. Technique to marine oil spill risk zonation and its application[J]. Marine Environmental Science, 2014, 33(2): 287-292.

[6] GOERLANDT F, MONTEWKA J. A framework for risk analysis of maritime transportation systems: A case study for oil spill from tankers in a ship–ship collision[J]. Safety Science, 2015, 76: 42-66.

[7] 肖景坤. 船舶溢油風(fēng)險(xiǎn)評價(jià)模式與應(yīng)用研究[D]. 大連: 大連海事大學(xué), 2001.

XIAO Jingkun. Study on modeling of ships’ oil spill risk assessment and its application[D]. Dalian: Dalian Maritime University, 2001.

[8] SCHWEGMANN C P, KLEYNHANS W, SALMON B P. Simulated annealing CFAR threshold selection for South African ship detection in ASAR imagery[C]//Proceeding of 2014 IEEE Geoscience and Remote Sensing Symposium, Quebec City, Canada: IEEE, 2014: 561-564.

[9] 劉保占, 魏文普, 段夢蘭, 等. 渤海海上石油平臺的溢油風(fēng)險(xiǎn)概率評估[J]. 海洋環(huán)境科學(xué), 2017, 36(1): 15-20.

LIU Baozhan, WEI Wenpu, DUAN Menglan, et al. Oil spill risk assessment of offshore platform in Bohai Sea[J]. Marine Environmental Science, 2017, 36(1): 15-20.

[10] SOLBERG A, SCHISTAD H. Remote sensing of ocean oil-spill pollution[J]. Proceedings of the IEEE, 2012, 100(10): 2931-2945.

[11] 楊紅, 杭君. 基于MODIS與HJ-1多源衛(wèi)星的上海海域溢油事故診斷[J]. 海洋科學(xué), 2014, 38(10): 90-97.

YANG Hong, HANG Jun. Diagnosis of oil spills in Shang-hai coastal area based on multi-source satellite MODIS and HJ-1[J]. Marine Sciences, 2014, 38(10): 90-97.

[12] 陸應(yīng)誠, 劉建強(qiáng), 丁靜, 等. 中國東?！吧＜陛喴缬臀廴绢愋偷墓鈱W(xué)遙感識別[J].科學(xué)通報(bào), 2019, 64(31): 3213-3222.

LU Yingcheng, LIU Jianqiang, DING Jing, et al. Optical remote identification of spilled oils from the SANCHI oil tanker collision in the East China Sea[J]. Chinese Science Bulletin, 2019, 64(31): 3213-3222.

[13] 邴磊. 基于星載SAR的海上主要溢油風(fēng)險(xiǎn)源遙感識別方法[J]. 船海工程, 2018, 47(2): 64-66.

BING Lei. Detection methods of oil spill risk sources at sea based on satellite SAR images[J]. Ship & Ocean Engineering, 2018, 47(2): 64-66.

[14] 鄧睿哲, 陳啟浩, 陳奇, 等. 遙感影像船舶檢測的特征金字塔網(wǎng)絡(luò)建模方法[J].測繪學(xué)報(bào), 2020, 49(6): 787-797.

DENG Ruizhe, CHEN Qihao, CHEN Qi, et al. A defor-mable feature pyramid network for ship detection from remote sensing images[J]. Acta Geodaetica et Cartographica Sinica, 2020, 49(6): 787-797.

[15] 陸應(yīng)誠, 陳君穎, 包穎, 等. 基于HJ-1星CCD數(shù)據(jù)的溢油遙感特性分析與信息提取[J]. 中國科學(xué): 信息科學(xué), 2011, 41(S1): 193-201.

LU Yingcheng, CHEN Junying, BAO Ying, et al. Using HJ-1 satellite CCD data for remote sensing analysis and information extraction in oil spill scenarios[J]. Scientia Sinica (Informationis), 2011, 41(S1): 193-201.

[16] ESPESETH M M, BREKKE C, JONES C E, et al. The impact of system noise in polarimetric SAR imagery on oil spill observations[J]. IEEE Transactions on Geoscience and Remote Sensing, 2020, 58(6): 4194-4214.

[17] 周慧, 陳澎.利用曲波變換和局部線性嵌入算法的SAR圖像海面油膜特征提取[J]. 電訊技術(shù), 2019, 59(1): 27-32.

ZHOU Hui, CHEN Peng. SAR image sea surface oil spill feature extraction using curvelet transform and local linear embedding algorithm[J]. Telecommunication Engineering, 2019, 59(1): 27-32.

[18] MIEGEBIELLE V, CONCHE B, HUANG Z, et al. Use of remote sensing radar images for offshore oil slick detection in oil and gas domain: manual and automatic interpretation[C]//Proceeding of 2019 IEEE Geoscience and Remote Sensing Symposium. Yokohama, Japan: IEEE, 2019: 5871-5874.

[19] GARCIA-PINEDA O, STAPLES G, JONES C E, et al. Classification of oil spill by thicknesses using multiple remote sensors[J]. Remote Sensing of Environment, 2020, 236: 1-15.

[20] YANG J, WAN J, MA Y, et al. Research on object- oriented decision fusion for oil spill detection on sea surface[C]//Proceeding of 2019 IEEE Geoscience and Remote Sensing Symposium, Yokohama, Japan: IEEE, 2019: 9772-9775.

[21] 范劍超, 王濤. 基于非負(fù)矩陣分解和支持向量機(jī)的墨西哥灣溢油HJ-1星遙感圖像分類[J]. 海洋環(huán)境科學(xué), 2015, 34(3): 441-446.

FAN Jianchao, WANG Tao. HJ-1 satellite remote sensing image segmentation in the oil spill of Mexico Gulf base on the non-negative matrix factorization and support vector machine[J]. Marine Environmental Science, 2015, 34(3): 441-446.

[22] 蘇騰飛, 孟俊敏, 張晰. 基于HAC的溢油SAR圖像分割算法[J]. 海洋科學(xué)進(jìn)展, 2013, 31(2): 256-265.

SU Tengfei, MENG Junmin, ZHANG Xi. Segmentation algorithm for oil spill SAR images based on hierarchical AGGLomerative clustering[J]. Advances in Marine Science, 2013, 31(2): 256-265.

[23] 陸應(yīng)誠, 胡傳民, 孫紹杰, 等. 海洋溢油與烴滲漏的光學(xué)遙感研究進(jìn)展[J]. 遙感學(xué)報(bào), 2016, 20(5): 1259-1269.

LU Yingcheng, HU Chuanmin, SUN Shaojie, et al. Overview of optical remote sensing of marine oil spills and hydrocarbon seepage[J]. Journal of Remote Sensing, 2016, 20(5): 1259-1269.

[24] DING Y, CAO C, HUANG J, et al. Origins and features of oil slicks in the Bohai Sea detected from satellite SAR images[J]. Marine Pollution Bulletin, 2016, 106(1-2): 149-154.

Multisource remote sensing oil spill risk assessment and long- sequence monitoring in the Bohai Sea

KE Li-na1, LI Yun-hao1, 2, ZHANG Shuai2, 3, FAN Jian-chao2

(1. College of Geographical Sciences, Liaoning Normal University, Dalian 116029, China; 2. Department of Marine Remote Sensing Technology, National Marine Environment Monitoring Center, Dalian 116023, China; 3. Institute of Information Science and Engineering, Dalian Polytechnic University, Dalian 116034, China)

Oil spill events frequently occur in the Bohai Sea area. It is of great significance to analyze the temporal and spatial characteristics of oil spill risk for the accurate monitoring of oil spills by satellite remote sensing. The distribution of two main types of oil spill risk sources—ships and oil platforms in Bohai is extracted using multisource high-resolution satellite remote sensing data. Combined with the monitoring results of oil spill satellite remote sensing in Bohai from 2015 to 2020, the imaging characteristics of different types of oil spills under various sensors are analyzed. So, the temporal and spatial distribution of oil spill events is obtained through the core density analysis method based the above analysis results. The comprehensive evaluation of the oil spill risk degree in Bohai is realized in the end. Taking the remote sensing monitoring of the oil spill in the Dalian coastal waters in 2020 as an example, the long-sequence emergency monitoring of the oil spill spread range is conducted. Combined with the information of ship navigation risk sources in the accident area, the occurrence process of the oil spill is traced back, and the long-sequence accurate monitoring of the oil spill source and distribution area is realized.

oil spill; offshore oil platform; risk source; multisource remote sensing

Jun. 7, 2021

P227

A

1000-3096(2022)02-0017-11

10.11759/hykx20210607002

2021-06-07;

2021-07-31

國家自然科學(xué)基金資助項(xiàng)目(42076184, 41876109, 41806207, 41706195); 國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2016YFC1401007, 2017YFC1404902); 國家高分重大科研專項(xiàng)(41-Y30F07-9001-20/22)

[China National Natural Science Foundation, No. 42076184, 41876109, 41806207, 41706195; China National Key R&D Plan, No. 2016YFC1401007, 2017YFC1404902; National High-scoring Major Scientific Research Project, No. 41-Y30F07-9001-20/22]

柯麗娜(1978—), 女, 大連人, 教授, 博士生導(dǎo)師, 主要從事海洋資源開發(fā)與利用、遙感及地理信息系統(tǒng)應(yīng)用, E-mail: kekesunny@163.com; 范劍超(1985—),通信作者, 研究員, E-mail: fjchaonmemc@163.com

(本文編輯: 譚雪靜)