基于LIF的海面溢油狀態(tài)識(shí)別研究

袁 麗，謝貝貝，崔永強(qiáng)，張曉丹，焦慧慧

1. 成都信息工程大學(xué)計(jì)算機(jī)學(xué)院，四川 成都 610225 2. 燕山大學(xué)信息科學(xué)與工程學(xué)院，河北 秦皇島 066004

引 言

近年來(lái)隨著航海事業(yè)、 海洋石油開(kāi)發(fā)和沿海經(jīng)濟(jì)的發(fā)展，突發(fā)性海洋溢油事故隱患大大增加[1]。 溢油事故一旦發(fā)生，受風(fēng)力、 浪潮和海洋漂流等的影響，會(huì)在海面上迅速擴(kuò)散，給海洋環(huán)境、 海洋生物、 人類(lèi)經(jīng)濟(jì)生活等帶來(lái)極大的危害，造成不可估量的海洋生態(tài)環(huán)境損害和社會(huì)經(jīng)濟(jì)損失[2]。 例如美國(guó)墨西哥灣和我國(guó)渤海灣的溢油事故無(wú)疑是其中最具代表性的事件，一度成為媒體關(guān)注的焦點(diǎn)。 因此海洋溢油污染的治理、 改善，成為海洋環(huán)境保護(hù)工程中刻不容緩的重要工作，而對(duì)溢油污染區(qū)域準(zhǔn)確識(shí)別并監(jiān)測(cè)其動(dòng)態(tài)發(fā)展變化是控制溢油污染加劇、 制定溢油清理方案的關(guān)鍵。

其次溢油進(jìn)入海域，由于自身性質(zhì)和海面環(huán)境的不斷作用和影響，會(huì)經(jīng)歷擴(kuò)散、 蒸發(fā)、 溶解、 分散、 乳化、 光氧化、 微生物降解、 對(duì)懸浮物的吸附和沉積到海底等復(fù)雜的風(fēng)化過(guò)程[3]。 我們將其簡(jiǎn)單區(qū)分為未乳化、 乳化、 降解等三個(gè)主要的階段。 而對(duì)海面上的溢油而言，主要包括未乳化與乳化兩個(gè)不同階段。 不同的海面溢油污染類(lèi)型，需要采用不同的應(yīng)急處理策略，如圍隔圍擋、 燃燒消除等[4]。

另外從溢油探測(cè)技術(shù)來(lái)看，激光誘導(dǎo)熒光(LIF)技術(shù)指依靠激光源發(fā)射激光到海面，海水及各種溢油成分受激發(fā)射含各種成分信息的熒光。 它是一種基于光致發(fā)光的物質(zhì)成分和含量分析技術(shù)，因其能夠探測(cè)到石油最主要特性，即獨(dú)特的石油熒光光譜特征，被認(rèn)為是目前海面溢油遙感探測(cè)的最有效手段之一。 本文基于LIF探測(cè)系統(tǒng)獲取的未乳化與乳化溢油熒光光譜信息，分析比較得出兩者光譜的差異性，并根據(jù)光譜差異對(duì)溢油狀態(tài)進(jìn)行分類(lèi)，可為海面溢油狀態(tài)的快速識(shí)別提供一種新的方法。

1 實(shí)驗(yàn)部分

1.1 實(shí)驗(yàn)系統(tǒng)

LIF光譜實(shí)驗(yàn)裝置原理圖如圖1所示。 實(shí)驗(yàn)采用NDV4542激光二極管，以405 nm激光作為激發(fā)光源。 光譜儀為AvaSpec-ULS204，依據(jù)溢油熒光光譜信號(hào)的響應(yīng)波段，將波段接收范圍設(shè)定為420～600 nm。 光譜儀獲得的熒光光譜通過(guò)計(jì)算機(jī)進(jìn)行分析和處理。 電子顯微鏡用來(lái)觀察乳化液中液滴的存在方式。

圖1 LIF系統(tǒng)測(cè)量溢油熒光示意圖Fig.1 Schematic diagram of LIF system measuringoil spill fluorescence

1.2 材料與數(shù)據(jù)采集

選取市售柴油、 煤油兩種常見(jiàn)成品油作為實(shí)驗(yàn)用油，其中，采用加入乳化劑的方式配備溢油乳化物，在玻璃容器中先加入適量比例的混合乳化劑，再加入定量的成品油和水，用攪拌機(jī)進(jìn)行攪拌，即可制備出一定油水比的溢油乳化物； 采用平鋪擴(kuò)散的方法來(lái)制備油膜，用滴管將不同量的油滴到玻璃容器水面上，靜置一段時(shí)間，待油膜均勻擴(kuò)散后，即可獲得不同厚度的油膜。

在實(shí)驗(yàn)數(shù)據(jù)收集過(guò)程中，受背景噪聲、 激發(fā)光能量波動(dòng)、 熒光收集效率變化的影響，會(huì)造成光譜信號(hào)不穩(wěn)定從而影響后續(xù)的分析結(jié)果，對(duì)于信噪比過(guò)低的光譜信號(hào)可以采用Savitzky-Golay濾波器[5]平滑處理。 另對(duì)于獲取的光譜，將不同位置多次采集的信號(hào)求平均值，并去除背景光信號(hào)。 采集柴油油膜和煤油油膜光譜時(shí)，為了使實(shí)驗(yàn)更貼近實(shí)際情況，每組油膜厚度的選取均不相同。 由于乳化因水油比例的不同所呈現(xiàn)的熒光光譜會(huì)有差異，采集乳化柴油光譜時(shí)，制備了33種，水占比范圍為1%～98%的不同油水比例的乳濁液，每個(gè)油水比例采集2組數(shù)據(jù)； 采集乳化煤油光譜時(shí)，選用與柴油相同的方法。 實(shí)驗(yàn)中采集乳化柴油光譜66組，乳化煤油光譜42組，柴油油膜光譜25組，煤油油膜光譜27組，共計(jì)光譜數(shù)據(jù)160組。

2 結(jié)果與討論

2.1 熒光光譜變化規(guī)律

不同厚度的油膜為純油分子，乳化溢油為油水混合結(jié)構(gòu)，不同油水比的乳化溢油又具有不同的液滴存在方式。 通過(guò)顯微鏡觀察配置的乳化液液滴分布，以及根據(jù)油與水在乳液中角色的不同，乳化溢油存在油包水、 油包水包油、 水包油包水、 水包油四種方式。 由于油包水包油和水包油包水沒(méi)有明確的油水比例界限，將兩者合稱(chēng)為多重狀態(tài)。 所以按液滴存在方式將乳化溢油狀態(tài)分為油包水、 多重、 水包油三種。 加上未乳化時(shí)的油膜，海面溢油可看作包含四種狀態(tài)。 不同狀態(tài)溢油由于熒光團(tuán)的不同表現(xiàn)，在激光作用下激發(fā)出的熒光信息也會(huì)不同。 因此同一實(shí)驗(yàn)條件下，不同狀態(tài)的海面溢油呈現(xiàn)出不同的熒光光譜曲線形狀。

分別選取柴油、 煤油不同狀態(tài)的部分?jǐn)?shù)據(jù)，對(duì)其波形進(jìn)行展示。 如圖2、 圖3所示。 其中，兩圖中的分圖(a)中圖例代表的不同厚度對(duì)應(yīng)不同油滴數(shù)目，分圖(b)，(c)和(d)中圖例均為不同含水率。

在之前的研究工作中[6]，我們已經(jīng)總結(jié)過(guò)溢油乳化物熒光特性變化規(guī)律，詳細(xì)論述了含水與不含水以及不同含水下的光譜區(qū)別和產(chǎn)生的原因。 分析不同狀態(tài)溢油光譜曲線圖，也可看出，不管是柴油油膜與乳化柴油的對(duì)比，還是煤油油膜與乳化煤油的對(duì)比，曲線形狀的不同均表現(xiàn)為： 熒光峰個(gè)數(shù)、 強(qiáng)度以及峰位的不同。 這種差異有利于運(yùn)用特征參量化+聚類(lèi)分析法進(jìn)行區(qū)分識(shí)別。

圖2 柴油不同狀態(tài)光譜曲線圖(a): 柴油油膜; (b): 油包水型乳化柴油; (c): 多重型乳化柴油; (d): 水包油型乳化柴油Fig.2 Spectrum curves of diesel oil in different states(a): Diesel oil film; (b): Water in oil emulsified diesel oil;(c): Multi heavy emulsified diesel; (d): Oil in water emulsified diesel oil

圖3 煤油不同狀態(tài)光譜曲線圖(a): 煤油油膜; (b): 油包水型乳化煤油; (c): 多重型乳化煤油; (d): 水包油型乳化煤油Fig.3 Spectrum curves of kerosene in different states(a): Kerosene film; (b): Water in oil emulsified kerosene;(c): Multi heavy emulsified kerosene; (d): Oil in water emulsified kerosene

2.2 溢油狀態(tài)識(shí)別

2.2.1 特征參量化

前面研究得出的光譜變化規(guī)律可以構(gòu)成溢油狀態(tài)的識(shí)別依據(jù)。 但由于這些特征屬于光譜總體直觀形狀的描述，需要先進(jìn)行參數(shù)化，將描述性特征用具體數(shù)據(jù)表示出來(lái)，即實(shí)現(xiàn)形態(tài)空間到數(shù)據(jù)空間的轉(zhuǎn)換。

將乳化溢油熒光光譜外觀形態(tài)進(jìn)行參數(shù)化的過(guò)程，主要包括熒光峰數(shù)，熒光峰值，熒光峰位等幾個(gè)相關(guān)特征進(jìn)行數(shù)據(jù)化表示的過(guò)程。

首先，選擇光譜的平均值和標(biāo)準(zhǔn)差來(lái)表示光譜曲線的一般形狀，其中

平均值： 表示了熒光光譜的平均能量強(qiáng)度，反映數(shù)據(jù)的集中趨勢(shì)。 計(jì)算公式為

(1)

標(biāo)準(zhǔn)差： 代表譜值的離散化程度，計(jì)算公式為

(2)

選擇峰度系數(shù)來(lái)表示光譜曲線上熒光峰的形態(tài)特點(diǎn)，正態(tài)分布的峰度為0，其他分布的峰度是以正態(tài)分布為標(biāo)準(zhǔn)描述該分布密度形狀為陡峭或平坦的數(shù)字特征。 計(jì)算公式為

(3)

其次，熒光峰數(shù)用光譜的曲線斜率來(lái)表示，即通過(guò)相鄰波長(zhǎng)差范圍內(nèi)斜率的乘積為負(fù)數(shù)，且兩個(gè)斜率是正負(fù)次序來(lái)確定。

熒光峰位用譜線寬度來(lái)表示，譜線寬度指的是光譜曲線最大強(qiáng)度的一半處所對(duì)應(yīng)的兩個(gè)波長(zhǎng)之差，也稱(chēng)為半寬度，此處選用的參數(shù)為最大峰高度的半寬度。

熒光峰強(qiáng)： 確定好熒光峰位后，對(duì)應(yīng)的熒光強(qiáng)度值。 此處涉及的參量記為最高峰高度。

最后借助matlab工具，對(duì)光譜進(jìn)行特征參數(shù)化，其中，平均值所用函數(shù)為M=mean(A, dim)，標(biāo)準(zhǔn)差也就是方差的算術(shù)平方根，這里計(jì)算方差所用函數(shù)為V=var(A,w, dim) ； 峰度系數(shù)計(jì)算函數(shù)為k=kurtosis(X, flag)； 最高峰高度、 最大峰高度的半寬度幾個(gè)參數(shù)計(jì)算所用函數(shù)為 [PKS, LOCS, W, P]=findpeaks(Y)； 求曲線斜率采用插值后差分代微分的方法，根據(jù)斜率值判斷熒光峰數(shù)。

2.2.2 聚類(lèi)分析

聚類(lèi)分析是以樣品或指標(biāo)之間的相近程度為依據(jù)對(duì)研究對(duì)象進(jìn)行分類(lèi)的統(tǒng)計(jì)分析技術(shù)，可對(duì)各種類(lèi)型的數(shù)據(jù)進(jìn)行分類(lèi)分析。 聚類(lèi)分析不需要進(jìn)行樣本訓(xùn)練，是一種無(wú)指導(dǎo)學(xué)習(xí)的分類(lèi)方法[7-8]。

其基本原理為： 根據(jù)研究對(duì)象指標(biāo)(變量)或者研究的樣本(網(wǎng)點(diǎn))之間存在的不同程度的相似性(相似程度-用樣品或者變量之間的距離度量)，對(duì)于一批分析樣品的多個(gè)具體觀測(cè)指標(biāo)或者樣品本身，通過(guò)研究找出一些可以用來(lái)衡量指標(biāo)或者樣本之間親疏關(guān)系的統(tǒng)計(jì)量，將這些統(tǒng)計(jì)量作為組劃分或類(lèi)劃分的輸入依據(jù)。 在一定的閾值指標(biāo)下，將相似程度較大的一部分變量(或樣本)聚合為一類(lèi)，而將另外一部分變量(或樣本)根據(jù)相似程度聚合成另一類(lèi)。 逐步進(jìn)行下去，直到最后，所有的變量(或樣本)都處于某一類(lèi)中。

對(duì)描述性特征進(jìn)行參數(shù)化后，將轉(zhuǎn)換后的數(shù)據(jù)再次進(jìn)行標(biāo)準(zhǔn)化處理，即可作為聚類(lèi)分析的輸入?yún)⒘俊?/p>

本文實(shí)現(xiàn)樣本聚類(lèi)，綜合考慮各種方法的利弊后，確定采用分層聚類(lèi)[9]實(shí)現(xiàn)。 樣本之間的相似性度量，經(jīng)過(guò)反復(fù)嘗試之后采用歐幾里得距離[10]作為樣本之間相似性度量，實(shí)際分析中兩個(gè)樣本如果同屬于一類(lèi)，則其特征參量相似性越高，歐幾里得距離值應(yīng)該越小，即分類(lèi)方法采用最短距離法。

2.2.3 識(shí)別結(jié)果

利用matlab編寫(xiě)相應(yīng)的算法對(duì)熒光光譜數(shù)據(jù)進(jìn)行計(jì)算，對(duì)應(yīng)的相關(guān)特征參數(shù)如表1所示。 編號(hào)1—66為乳化柴油相關(guān)數(shù)據(jù)，67—91號(hào)為柴油油膜相關(guān)數(shù)據(jù)； 92—133號(hào)為乳化煤油相關(guān)數(shù)據(jù)，134—160號(hào)為煤油油膜相關(guān)數(shù)據(jù)。

表1 特征參數(shù)表Table 1 Characteristic parameter table

接下來(lái)利用SPSS軟件的系統(tǒng)聚類(lèi)，將均值、 標(biāo)準(zhǔn)差、 峰度系數(shù)、 最大峰高度、 熒光峰數(shù)、 最大峰高度半寬度幾個(gè)參數(shù)作為輸入?yún)⒘浚瑢?duì)柴油數(shù)據(jù)和煤油數(shù)據(jù)分別進(jìn)行分類(lèi)，實(shí)現(xiàn)數(shù)據(jù)空間到對(duì)象空間的轉(zhuǎn)換。 結(jié)果如圖4和圖5所示。

圖4橫軸為不同的柴油數(shù)據(jù)(91組)，縱軸為類(lèi)別相對(duì)距離，從上往下的豎線代表不同相對(duì)距離下柴油狀態(tài)的類(lèi)別。

圖5橫軸代表不同的煤油數(shù)據(jù)(69組)，縱軸為類(lèi)別相對(duì)距離，從上往下的豎線代表不同相對(duì)距離下煤油狀態(tài)的類(lèi)別。

根據(jù)分類(lèi)樹(shù)狀圖的結(jié)果，如果二分類(lèi)，為乳化與未乳化的區(qū)分； 如果四分類(lèi)，為油包水、 多重、 水包油、 油膜四種狀態(tài)的區(qū)分，區(qū)分具體結(jié)果如表2和表3所示。

通過(guò)表中結(jié)果的對(duì)照，可以看出，對(duì)于柴油和煤油，乳化與未乳化的分類(lèi)，該方法與實(shí)際狀態(tài)是完全一致的，即能完全識(shí)別乳化與未乳化； 劃分四個(gè)類(lèi)別時(shí)，多重狀態(tài)有個(gè)別歸為油包水或水包油，考慮原因?yàn)槎嘀貭顟B(tài)本身的界定并沒(méi)有十分準(zhǔn)確的一個(gè)油水比值，而實(shí)驗(yàn)數(shù)據(jù)是連續(xù)間隔選取的油水比，物質(zhì)成分是十分相近的，所以出現(xiàn)多重狀態(tài)里的個(gè)別劃分不準(zhǔn)，是允許存在的。 總的說(shuō)來(lái)，該方法可以很好實(shí)現(xiàn)對(duì)溢油不同狀態(tài)的劃分。

圖4 柴油狀態(tài)分類(lèi)樹(shù)狀圖Fig.4 Tree diagram of diesel status classification

表2 二分類(lèi)結(jié)果對(duì)照表Table 2 Comparison table of two classification results

表3 四分類(lèi)結(jié)果對(duì)照表Table 3 Comparison table of four classification results

3 結(jié) 論

熒光光譜的形狀取決于物質(zhì)的分子結(jié)構(gòu)，基于此，論文從光譜形狀的不同出發(fā)，利用統(tǒng)計(jì)特征和波形特征，找到描述乳化與未乳化，以及不同類(lèi)型乳化的光譜不同形狀的數(shù)據(jù)化參量，并使用聚類(lèi)分析的方法，最終實(shí)現(xiàn)已知油種前提下的海面溢油不同狀態(tài)的區(qū)分和識(shí)別。 當(dāng)前關(guān)于油種識(shí)別已見(jiàn)相關(guān)算法，后續(xù)可結(jié)合油種的識(shí)別方法，進(jìn)行更深入全面的研究，以期實(shí)現(xiàn)不同油種不同溢油狀態(tài)的識(shí)別。