沉底油的高频声探测方法与水池模拟试验

杜伟东，吴明星，徐超，李建伟，温国义

(1.哈尔滨工程大学 水声工程学院，哈尔滨 150001；2.中海油能源发展股份有限公司 安全环保分公司，天津 300450；3.国家海洋局北海环境监测中心，山东 青岛 266033)

近年来，人类对海洋中石油探测、开采、运输和储存等活动日益增多，随之而来的原油、燃料油等泄漏事故也频繁发生。海上溢油随着风浪潮流逐步扩散，其中一部分在经过风化和海洋动力作用沉入海底或者悬浮在海洋中形成了沉潜油。沉潜油常指重油，包括半潜油和沉底油，具有挥发性低，呈现半固态等特性。其主要成分包括沥青质、炭黑油、煤焦油、船用c级锅炉燃料油及5号、6号燃油[1]。因为沉潜油长期存在于水下，不易发现，物理化学性质稳定，不易消散，会对海洋生态环境造成长期的影响，极大危害海洋生态系统，如，海龟等海洋生物大量死亡，发电厂及水处理设备的进口处被迫关闭，损害渔具对人们造成巨大经济损失[2]。沉潜油并不是固定不动，其受到水流及其他海洋物质作用，难以对沉潜油进行跟踪监测而无法进行清理操作，一旦再次上浮会对海岸线生态环境造成二次危害。沉潜油在海面上难以观测，与海面溢油相比更难探测与回收。不同于海面溢油监测的方法(激光荧光法、高光谱技术、微波辐射遥感、红外吸收光谱技术等)[3]，沉潜油探测技术手段主要包括原位监测及物理吸附[4](如V-SORS)、光学探测[5-6](如激光荧光、激光成像、荧光偏振等)及高频声探测[7-10]。高频声探测具有探测距离远、探测效率高等特点，常用的水下高频声探测系统包括多波束声呐、侧扫声呐及成像声呐等。虽然上述声呐设备在海洋调查、水下目标成像等方面得到广泛应用，但在沉潜油探测方面的研究相对较少，可工程应用的成熟性较弱。为此，本文以水池为试验平台对上述声呐设备沉底油探测能力进行检验与分析，并以此为工程应用提供技术支撑。

1 试验场景

试验水池长×宽×高约为10 m×3 m×2 m。首先在该水池内平铺约10 cm厚沙子，其后以其为底布放模拟物。在沙底铺放不同形状大小和厚度的沉底油模拟物作为目标，布放钢管、贝壳、石头、螃蟹、淤泥、草等作为干扰目标。其中，沉底油的模拟采用油品为1种原油、1种燃料油，通过与重晶石和高岭土混合，并将混合后的油布放于沙底以形成模拟沉底油目标。见图1、2。

试验现场见图3，分别采用多波束测深声呐、侧扫声呐、成像声呐对沉底油进行探测，主要设备型号包括：①Kongsberg EM2040P多波束声呐；②Klein 3900侧扫声呐；③BlueView M900-2250成像声呐。

图1 模拟物布放示意

图2 模拟物水池布放实物

表1 试验用高频声呐设备主要技术指标

图3 试验现场

2 试验结果与分析

2.1 沉底油声学成像

对目标区域采用BlueView M900成像声呐进行沉底油成像处理，得到含有沉底油的声学图像，见图4。图4中面积0.5 m×0.5 m，厚度3 cm的正方形沉底油区域和直径0.6 m厚度5 cm的圆形沉底油区域清晰可见。但同时也能看出在更远距离处，由于图像背景不均衡导致出现较暗背景图像，且与沉底油区域的强度分布较为相近，因此，沉底油在更远处时不易被观察出来。

图4 BlueView M900的沉底油成像结果

对目标区域采用EM2040P多波束声呐进行成像处理，得到沉底油声学成像结果，见图5。通过对比图1，在图5中可清晰看到试验预设的5处较大尺度的沉底油目标，此外还包括有水草、铁管和铁管的阴影也清晰可见。贝壳、石头、砾石都与沙底背景图像相近。而由于受波束宽度和脉冲宽度限制，2个小尺寸(0.1 m×0.1 m与0.2 m×0.2 m)的沉底油图像的可辨识性相对较弱，但在回波强度上不同于沙底。随机摊开到沙底的沉底油是8处沉底油预设区域唯一难以判别的区域。

图5 EM2040P多波束声呐的沉底油成像结果

对目标区域采用Klein 3900侧扫声呐进行成像处理，得到沉底油声学成像结果，见图6。与EM2040P多波束声呐成像结果相近，5处沉底油目标、水草、铁管和铁管阴影都清晰可见，螃蟹和泥并不明显。

图6 BlueView M900的沉底油成像结果

上述3种方法对预设沉底油目标都能清晰监测到，贝壳、砾石都与沙底图像效果相近无法监测到，因为水底中贝壳、砾石都与沙底反向散射声波特性相近，而与沉底油的散射特性差异较大，此结论与实验结果一致。预设的干扰项水草、铁管和铁管的阴影也可明显观察到，因为水草和铁管阴影的回波声强比沙底反射声强要小显得较暗，铁管回波声强比沙底较大显得较亮，螃蟹、海底泥和海边泥较为模糊。

2.2 基于声学图像的沉底油识别

为更加直观观测沉底油目标分布效果，采用支持向量机分类器实现沉底油的特征识别。为达到较好的识别效果，首先对侧扫图像和多波束图像分割并归一化，然后进行特征提取、参数优化、训练得到识别精度，最后进行颜色标记，得到油和非油的分布图(图7、8)。

对多波束声呐图像数据(见图5)进行统计特征提取，其中统计特征主要包括均值、峰度、标准差、偏度、分位数。样本选取像素大小为8×8共计7 140个，分别在沉底油区域和其他类区域各提取100组样本作为训练样本，经过支持向量机分类之后总体识别率为91.947%，颜色标记后的分类结果见图7。

图7 多波束声呐沉底油图像的识别结果

对侧扫声呐图像(见图6)进行统计特征提取，其中统计特征主要包括均值、峰度、标准差、偏度、分位数。样本选取像素大小为8×8共计66 256个，分别在沉底油区域和其它类区域各提取100组样本作为训练样本，经过支持向量机分类之后总体识别率为88.137%，颜色标记后的分类结果见图8。

图8 侧扫声呐沉底油图像的识别结果

从分类结果图(图7、8)和声呐图像(图4)可以看出3种声呐都不同程度探测出沉底油的位置。其中多波束声呐识别率最高，目标最清晰，侧扫声呐次之，成像声呐效果较差。这与不同型号声呐的成像特点有关，多波束声呐具有分辨率高，定位精确的特点，使得其在声呐图像的清晰度上占据优势;侧扫声呐特点是覆盖范围大、效率高，但是回波强度随着距离增加而降低造成识别率较低;成像声呐图像由于在远距离上背景不均衡导致出现了较暗背景图像，表明其对于沉底油目标探测，更适合于近距离精细观测。从图7多波束图像中可以看到，8处预设沉底油目标全部识别出来(但随机铺设沉底油区域的辨识尺寸与实际相比相对较小)，预设干扰项贝壳、砾石、石头、铁管和海边泥都与沉底油区分开来，但是水草、铁管阴影和海底泥会对沉底油探测造成干扰。因为水草以及钢管在声波倾斜照射时都会造成阴影，阴影以及海底泥的回波强度与沉底油相近，会一定程度上对沉底油识别造成影响。从侧扫声呐图中(图8)可以看出，除了探测盲区造成右侧0.5 m×0.5 m和1 m×0.2 m油区域目标缺失外，由于分辨率不够高导致没有正确识别出0.1 m×0.1 m沉底油油区域，其他5处预设沉底油目标均被识别出来。同样铁管、水草以及石头的阴影部分和海底泥会对沉底油监测造成干扰外，其他干扰项并未对沉底油的识别造成影响。

3 结论

针对沉底油的声学监测问题，开展基于高频声呐的沉底油声学探测方法与水池模拟试验验证研究，通过3种不同类别高频声呐对沉底油目标区域信息采集和成像处理，对多波束声呐、侧扫声呐获得的声呐图像进行图像统计特征提取，并采用支持向量机分类器技术对提取得到的特征量进行分类，处理结果表明，3类高频声呐都能较清晰显示出预设模拟沉底油目标，其中多波束声呐探测效果最好，识别率达到91.947%。试验中布放的大部分干扰目标通过特征提取与识别都能区分开，表明声学方法能较好用于沉底油探测。