辅以纹理特征的HJ-CCD海上溢油信息提取——以PL19-3溢油为例

李 颖,兰国新,刘丙新 (大连海事大学环境信息研究所,辽宁 大连 116026)

相较于微观溢油检测方法[1],卫星遥感虽然受限于大气环境的影响,但是可连续提供溢油污染的宏观信息,更适于溢油监测与跟踪[2].光学卫星遥感以多光谱、高光谱传感器为主,可提供地物目标的光谱信息,进行污染监测[3].在溢油监测中,光学卫星遥感可提供油膜和海水特有的光谱信息,多类型数据产品提供油膜厚度、走势、海表面粗糙度信息,能有效区分大型海藻等造成的假目标[4].目前利用NASA提供的MODIS数据以及NOAA数据,对NW Gulf of Mexico[5]、Lake Maracaibo, Venezuela[6]、波斯湾战争期间的原油溢出[7-8]等自然溢油和人为溢油进行了成功的监测;在大连新港溢油事故中,国家环境减灾卫星(简称HJ卫星,下同)发挥了重要作用.现有的研究集中于挖掘溢油目标的光谱特征信息,采取通道组合、计算等方法以期获得良好结果[5-6,8-9].对于多光谱影像而言,其通道设置较少,通道宽度大,加之海上溢油目标与周围背景海水对比度较低,仅仅依赖溢油目标的光谱特征进行溢油信息提取,往往面临困境.

目前,研究高分辨率卫星影像的纹理特征分析方法,探讨基于纹理的信息发掘技术,已经成为遥感研究的一个重要内容[10].已有研究表明,采用光谱特征与纹理分析相结合的方法,能够提高遥感分类的精度[10-12].大多数纹理特征分析算法都是针对灰度影像或者单波段影像进行分析,很少涉及多光谱或高光谱影像.而从理论上说,多光谱影像中包含丰富和精确细致的光谱信息,以光谱特性变化表达纹理,能够更加准确、真实反映地物的位置、形状,为地物目标的解译准备完善的资料[10,13].Hu等[5],Guillem等[14]指出在可见光近红外图像中,太阳耀光的存在有利于探测海面和浮油.其探测原理为基于类似于SAR的后向散射原理,即基于海面浮油对波谱的调制,且这种调制只有在太阳耀光存在下才能被观测到.这样,辅以纹理特征探测算法可用于光学遥感监测中,将有效改善其监测能力.

本研究从以上问题出发,选择位于渤海的蓬莱19-3油田溢油事故为研究对象,基于HJ1A/1B的30m分辨率多光谱数据,尝试在溢油目标提取过程中,引入方向性纹理特征分析,将主成分光谱降维、方向性纹理边缘检测等技术相结合,发展基于光谱与纹理特征的溢油信息提取技术.

1 数据与方法

1.1 数据收集

2011年6月4日,位于渤海的由中国海洋石油总公司和美国康菲石油公司的全资子公司康菲石油中国有限公司合作开发的蓬莱 19－3油田发生溢油事故.经国家海洋局认定该起事故属于责任事故,油田B平台和C平台至今已溢出超过2500桶(400m³)的原油.事故发生后,本研究通过中国资源卫星应用中心(www.cresda.com)下载了多景HJ1A/1B的30m分辨率多光谱数据,选择目标区域无云/少云数据(表1),对事故初期的大量溢油分布进行了提取(图1).在多光谱遥感图像中,相对于背景海水,油膜具有高折射率和吸收特征.这些特征受到油种、油厚、光照和观测角度、水体特质及海况影响,因此光学遥感具备分辨溢油位置、油厚、油种(轻质油、重质油)等潜力[14-18].图 1表明了油厚、乳化状态对光学表征的影响.图1(a)获取时间为2011年6月13日,溢油发生初始时间为2011年6月4日,图像表征了光学遥感具备监测分散于水体中薄油膜的能力,且乳化油灰度值一定高于背景海水的特征[19],图1(b)说明同一种油因厚度和乳化状态改变图像目标对比度.图中①为薄油膜,且可能为乳化油.②为厚油膜.同时图 1亦表明光学遥感中云层会阻隔溢油目标信号,影响油膜监测能力.

表1 覆盖事故区的HJ-CCD数据Table 1 Statistics of HJ-CCD satellites images

图1 蓬莱19-3溢油事故区及光学卫星遥感监测能力示例Fig.1 Optical image samples of oil slicks detected in Penglai 19-3 oil field

1.2 研究方案

在光学影像中,图像纹理代表地物目标分布在波谱空间中的表现形式,纹理信息表现为图像灰度在空间上的变化或重复,或图像中反复出现的局部模式(纹理单元)及其排列规则[20].其特征可用对比度(contrast)、粗细度(coarseness)、规则性(regularity)、粗糙度(roughness)、方向性(directionality)、凹凸性(indention)等指标描述[21].本文首先采用主成分分析,实现光谱降维,用第一主成分来代替相关性较大的多个原始波段,在进行纹理处理前充分保留光谱信息.引入方向性纹理特征分析,采用方向梯度算子(0°,45°,90°,135°)进行纹理刻画,结果图像为边缘强度图像.对于图像函数f(x,y),在象元点(x,y)处的梯度定义为:

以0°与90°方向梯度为例,梯度算子表达如下:

本文采用的4个方向3×3算子如下[22]:

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

图3 辅以纹理特征的光学遥感溢油信息提取方案Fig.3 Proposal of oil spill information extraction

上述3×3算子检测的边缘过于细致,故这里采用大一些尺度算子与基础算子结合起来对图像进行边缘提取.将3×3算子的模板扩大,使用5×5算子,这样检测的边缘较宽,以突出一些渐变边缘与轮廓.

鉴于本研究重点针对HJ卫星数据在溢油信息的提取,研究目标为油膜分布区,不对其他目标进行提取,仅关注辅以方向性纹理特征分析对目标提取的有效性.本研究采用如下方案(图3):首先对获取的HJ1A/1B-CCD进行数据筛选,经过辐射校正、区域裁剪等预处理后,基于多光谱分析确定溢油目标,实现溢油信息初步提取后,对结果图像进行主成分分析,获取第一主成分图像.然后利用方向算子进行方向纹理分析,获取溢油目标边缘信息,为了保持图像的空间连续性,将原始图像中的一部分“加回”到方向纹理分析结果图像上,生成最终的叠加图像,实现溢油目标的提取,最后利用类间分歧度(Jeffries-Matusita separability index,简称 J系数(下同))对基于光谱信息与辅以纹理特征两种方法进行对比分析.上述操作均在遥感图像处理软件ENVI中进行.

2 溢油信息提取结果与讨论

2.1 溢油信息提取结果

依据上述溢油提取方案,对获取的HJ卫星遥感数据进行了溢油信息提取.

图4 2011年溢油事故阶段时间线Fig.4 Timeline of PL19-3 oil spill incident

由图4可见,HJ卫星遥感数据基本覆盖了溢油事故的重要时间节点(其中事故阶段划分依据为国家海洋局网站所公布数据),从时间维度上保证了数据应用的有效性和及时性.在 7～8月多云时段,仍有数据保证.

首先通过事故前背景图片(图5)确定6月2日之前 PL19-3油田附近无油溢出,这样可确定溢油初始点在此之后.6月4日事故发生后,6月5日获取了第一景数据[图 6(a)],结合多光谱假彩色图像、主成分+方向纹理图像分析可知(图中假彩色图像为第一主成分假彩色合成图像),以19-3平台为溢油源,在风、流作用下,形成一条向东南方向延伸的条带.其中溢油源位置可确定为:38°22′42.32″N,120°05′02.32″E.6 月 8 日B平台又出现大量油膜,故6月11日、6月13日图像 [图6(b)和图6(c)]中在19-3油田B平台附近发现大量油膜,结合纹理分析后的图像可以确定油膜的厚度分区.图6(b)中油带中间为厚区,灰度值较低,边缘亮条带代表较薄油膜,且从图中可以看出6月8日溢出的原油已经迁移到西北向,同时仍有原油溢出.经过方向纹理处理后的边缘强度图像,准确表达因油膜覆盖导致反射信号的渐变,据此可准确计算溢油区直接覆盖面积达到25.8km²(下同).至6月13日,油膜在清理后厚度较薄,在光学图像中呈高灰度值,但图 6(b)中两处溢油区面积随之扩大,达到75km²,区域影响面积达到360km²,这给彻底清污带来了难度.

6月19日监测结果[图6(d)]证明6月17日在C20井处发生过大量油溢出事件,且大部分油带漂往西北方向,这说明清理工作仍将继续.尽管受到云层的影响,监测效果仍然理想,从视场中可计算出可视油膜直接覆盖面积达到101km²,区域影响面积达到304km².通过多时相序列分析可知:可确定蓬莱19-3平台为溢油源,大量溢油时期分两个阶段,假设以获取的6月19日图像为时间节点,可确定6月19日之前为第一阶段,6月19日之后为第二阶段.

图5 事故前背景图Fig.5 Background image

图6 辅以纹理特征的HJ-CCD溢油信息提取结果序列(溢油源坐标:38°22′42.32″N,120°05′02.32″E)Fig.6 Results of information identification by proposed method

虽然康菲石油中国有限公司于7月6日宣布溢油已经达到全面控制,清污工作基本结束,但是7月5日[图6(e)]的监测结果说明,蓬莱19-3平台附近仍集中一定量的油膜,在平台东北方向和西南方面都发现油带,需进一步布置清污力量.另外从7月9日[图6(f)]的监测结果可以看出,油污远离溢油源——蓬莱19-3平台,油带出现在平台西南和东南向,平台附近无明显油带.这说明此时段开始平台无大量油溢出,且西南、东南向油带系此时段之前未彻底清理的油污扩散漂移形成.但不排除平台仍有少量油溢出,这从国家海洋局的系列报道可知.综合7月5日和7月9日的监测结果,油污的进一步扩散、迁移系由清污力量的不足造成,根据油污的迁移方向判断,烟台、蓬莱、威海等地区将受到油污侵害.

综合上述分析得出,大量溢油已经于7月6日得到控制,尽管后续又出现渗油点,但未发生大量溢油,这从7月28日的图像中可以得出[图6(g)].

2.2 讨论

为了更直观表达本案方法在提高溢油信息识别能力上的作用,利用J指数对基于光谱信息与辅以纹理特征两种方案进行对比分析(表2).从表2可以看出,采用本案方法可有效提高油膜和海水的可区分度:2011年6月5日的J指数从1.9471提高到1.9999;6月13日的J指数从1.7947提高到1.9438;6月19日的J指数从1.8634提高到1.9847.只有6月11日的J指数从1.8379下降到1.6637,这可能是因为油膜较厚且当时海面风速较低,这样浮油对波谱的调制作用不明显.

表2 油膜-海水J指数Table2 J index between Oil and Seawater

在油膜的多光谱特征分析基础上,引入方向纹理分析,可有效区分油膜影响边界,有助于油膜面积提取.由于油膜覆盖海面引起表面反射率差异,反映在遥感图像中就形成了灰度值/光谱的渐变,而方向性纹理恰好可以检测这种渐变,且通过调整算子尺度检测不明显的渐变和边缘.另外,经过方向纹理分析后的图像同样可以感知油层厚度变化,反映为强度的变化,形成明暗区带[图 6(b)和图 6(d)].但需要注意的是,光学图像获取时,传感器观测角位于镜面反射区,一方面有助于溢油监测[2,15],另一方面却也过多反映海表面纹理,形成杂乱无章的条带,这时不宜应用本案方法[图6(e)];同时海面浮油对波谱的调制亦受海况和油膜厚度影响.本文选择方向梯度算子,是经过前期反复实验比较之后的结论,由于篇幅所限,文中并未就方向纹理分析与其他经典边缘检测方法如Prewitt,Sobel和Roberts等进行对比.

3 结语

HJ-CCD具有较高的时间分辨率和空间分辨率,通过光谱变化表达纹理信息,采用主成分分析与方向纹理分析方法可以综合利用影像中的光谱信息与纹理信息,较好地识别溢油目标.经过方向纹理处理后的边缘强度图像,可以准确表达因油膜覆盖导致反射信号的渐变,刻画油膜影响区域及油层厚度分区,进行面积提取,是应用HJ-CCD数据进行溢油信息提取的快速、有效的方法.本文也进一步证明了国家 HJ卫星具备承担包括溢油污染在内的众多灾害类监测任务的能力.相信在整个星座组网后,HJ卫星在时间分辨率、空间分辨率、光谱分辨率上将更具优势,实现全天候的监测任务覆盖.

[1]徐恒振,周传光,尚龙生,等.溢油多环芳烃模糊指数的研究 [J].中国环境科学, 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 铭,刘湘南,李铁瑛.基于冠层多维光谱的水稻镉污染胁迫诊断模型研究 [J]. 中国环境科学, 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]张永宁,丁 倩,李栖筠.海上溢油污染遥感监测的研究 [J]. 大连海事大学学报, 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]李金莲,刘晓玫,李恒鹏.SPOT5影像纹理特征提取与土地利用信息识别方法 [J]. 遥感学报, 2006,10(6):926-931.

[11]付 军,谷东起.基于光谱与纹理特征融合的滩涂信息提取方法[J]. 海洋环境科学, 2008,27(5):405-408.

[12]张 砾.辅以纹理特征的洪泽湖湿地信息提取 [J]. 遥感信息,2010,3:30-34.

[13]吕书强,田巨慧,杜 磊,等.加权纹理特征在高分辨率遥感影像耕地再分类中的应用 [J]. 测绘科学, 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,张桂林,陈朝阳.基于纹理谱的纹理分割方法 [J]. 中国图象图形学报, 1998,3(12):983-986.

[21]沈焕锋,李平湘,张良培.一种顾及影像纹理特性的自适应分辨率增强算法 [J]. 遥感学报, 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.

致谢：本研究工作依托辽宁省船舶污染监测与检测信息化技术重点实验室,论文中涉及的HJ卫星数据来自中国资源卫星应用中心(www.cresda.com),在此表示衷心的感谢！