高光谱特征波段在海洋典型溢油油种识别中的精度评估

一、引言

近年来，海上溢油事件频发，石油及其制品进入海洋，对世界海洋环境、人类健康和经济发展造成严重危害。海面溢油类型涉及溯源处罚和清理方案的制定，溢油种类精准识别对快速有效地治理污染有重要的意义。油膜的光谱特性与它们的化学成分、基本分子振动及其组合有关，不同种类油品的光谱吸收特征是区分油品种类的重要依据，确定油种的特征波段对油种识别具有重要指导意义。

近年来，光谱分析技术成为溢油油种识别的新兴手段。高光谱数据光谱分辨率高，细节信息突出，可有效区分油膜和海水背景，还能根据油膜的光谱特征差异来识别油品的种类。然而，波段数众多使相邻波段间存在较强的相关性，产生信息冗余，若将全部波段用于地物分类过程，计算量大且耗时，且易造成“Hughes”效应。已有研究表明，相对于宽波段，位于光谱特定位置的窄带可以显著提高地物的分辨能力和分类精度。

本文设计了室外模拟溢油实验，使用地物光谱仪采集5种典型油品在350~2500nm范围内的反射率光谱数据，分别运用因子分析和光谱标准偏差分析方法对数百个光谱波段进行综合评估，以选择提供有效信息的特征波段。在此基础上，利用支持向量机模型开展基于光谱特征波段的油种识别精度评价，确定海面典型溢油油种相互区分的最佳高光谱波段。

材料和数据

2.1 实验油品材料

根据海面溢油来源及以往发生的溢油事件，选取了5种典型海面溢油油品（图1）开展实验，油品的性质及描述如表1所示。

图1实验油品

2.2 光谱数据获取及预处理

选择天气晴朗、风力小于4级的环境条件下，在聚氯乙烯水池（图2a）中摆放亚克力管，注入青岛近岸海水。将预先盛于5个烧杯中的等体积原油、燃料油、柴油、汽油和棕榈油，缓缓倾倒于已编号的直径为15cm的亚克力管中，使其铺满水面。应用地物光谱仪依次测量朗伯体标准板、5种油品、海水和天空光的光谱辐亮度，每隔0.5或1h测量一组光谱。

测量期间应尽量保证光线照射稳定，无阴影和强反射体的影响，并利用水温计测量海水温度，利用风速仪测量风速，做好记录。对采集到的光谱开展质量控制，剔除无效和异常光谱，并根据公式1-4将测量的各油种的辐亮度转化为遥感反射率。在忽略太阳耀斑和白帽等外界影响情况下，光谱仪测量的海面辐亮度LSurface可以表示

LSurface=LWater+r·LSky.（1）

由此可得离水辐亮度为：

LWater=LSurface–r·LSky，(2)

式中，r表示气-油界面反射率， 宜采用1.0%。LSky表示天空光辐亮度。

遥感反射率R可用离水辐亮度LWater和海面入射辐照度E(λ)的比值表示， 即

R =LWater/E(λ)(3)

其中，E(λ)可由测量标准板得出:

E(λ)=L(λ)π /r(λ)(4)

式中， λ表示波长，r(λ)表示标准板的反射率， 要求10%~35%，L(λ)表示测得标准板辐亮度。

表1油品的性质及描述

（a）测量油品

（b）油品分布

图2外场光谱测量过程

结果与分析

3.1 油种反射率光谱

实验采集了标准板、原油、燃料油、柴油、棕榈油、汽油、海水和天空光等的反射率光谱，共18组，获得5种典型油品和海水的均值遥感反射率（图3a）。此外，考虑到光谱仪感知光谱的末端存在系统的测量误差，本文剔除了受大气吸收严重影响的波段（1341~1459nm和1801~1979nm）和水气强吸收影响的波段（1.4μm，1.9μm）区间，保留360~1340nm、1460~1800nm和1980~2400nm的光谱范围（图3b）来研究海面典型溢油油种相互区分的最佳高光谱波段。

图3典型油品和海水的均值光谱反射率

如图3b所示，柴油、汽油和棕榈油等轻质油的反射率光谱曲线与海水大体一致，而原油和燃料油等重质油的反射率光谱曲线与海水存在明显差异，表现为在390~730nm的可见光范围内，低于海水反射率;在730~2500nm的近红外和短波红外范围内，高于海水反射率。在光谱的近红外和短波红外范围，5种油品的反射率均高于海水反射率，其中原油的反射率明显高于其他油种的反射率，这是因为纯净的自然水体在近红外波段近似于一个黑体，几乎吸收了全部的能量;原油的近红外和短波红外波段吸收大量太阳辐射能量，并以热能的形式向外辐射。因此在780~2500nm范围内，较纯净的自然水体的反射率很低，趋近于0，而原油的反射率却很高。

3.2 基于光谱标准偏差特征可分性的油种识别

由图4a可知，3种轻质油的反射率光谱曲线极其相似，仅在可见光蓝光波段480nm处的反射峰和550~620nm的绿光波段存在微小的差异，因此，开展轻质油间的可分性分析是非常必要的;而对于图4b所示的包络线去除处理后的轻质油光谱，可以发现在紫光波段、绿光波段和红光波段出现了明显的光谱区别，且在同一光谱波段处最大值和最小值之间的差异超过了原始数据。分析图4c-h，柴油、汽油和棕榈油的原始反射率光谱两两可分性波段较窄，而经过包络线去除变换后，可分性波段均被扩大。表2给出了包络线去除变换前后3种轻质油类型两两区分特征光谱的查找表。表中未加粗的右上部分是3种轻质油类型原始光谱曲线中的两两可分波段（380~490nm），加粗的左下部分是包络线去除变换后光谱曲线中两两可分波段（375~455nm，485~630nm）。

图4轻质油种间两两相互区分的特征波段区间

表2典型轻质油种两两区分光谱范围/nm

在实验过程中将9组数据（54个样本）用于SVM模型训练，另外的9组数据（54个样本）用于验证模型的油种识别结果，图5中的蓝色圆圈代表实际测试集分类，红色米字代表预测测试集分类，当红色米字落入蓝色圆圈中，表明预测测试集分类与实际测试集分类一致，识别精度优;反之，表明预测测试集分类与实际测试集分类不符，如图5a柴油中存在一个空的蓝色圆圈，其对应的红色米字落在表示海水的一行中，表明该柴油样本被错误识别为海水。由图5a可知，基于全波段的总体油种识别精度为43/54=79.63%。原油、燃料油等重质油的识别精度较好，达到8/9=88.89%，轻质油种中的汽油和棕榈油识别精度一般，仅有55.56%和66.67%。基于光谱标准差特征分析方法获得的轻质油原始光谱可分特征波段（380~490nm），得到总体的油种识别精度为42/54=77.78%。虽然总体的油种识别精度并未提高，但燃料油和水的识别率得到提高。基于包络线去除后的轻质油可分特征波段范围（375~455nm，485~630nm）的总体油种识别精度为45/54=83.33%（图5b），与基于全波段的识别精度相比，精度整体提高了3.7%，其中，除柴油和汽油外，其他油种识别率均有显著提高。

图5 SVM油种识别结果图

3.3 基于因子分析可分性的油种识别

由表3可知，5种油品和海水的前4个因子就能概括97%以上的变量特征，故选择前4个因子参与特征波段选择。针对每种类型的每一因子，选择具有最高因子载荷的前200个波长，例如，柴油的因子1具有最高因子载荷的前200个波长范围是910~920nm、930~950nm、1100~1170nm和1240~1340nm。分别针对全油种和海水（6种类型）、轻质油种和海水（4种类型）及轻质油种（3种类型）3组数据集统计4个因子特征变量集合中各波长出现的频次，详见表3。

表3油品和海水具有最高因子载荷的前200波长的出现频次一览表

特征波长出现的频次决定符合限定条件的特征波长的数量，与油种识别精度密切相关，基于某一特定频次的特征波长集合可以获取最大的油种识别精度。在频次一览表（表3）的基础上，根据构建的筛选准则（公式6）进行3组数据集特征波长筛选。全油种和海水实验数据集中波长最大出现频次是11次，满足公式6条件的频次是8次（对应特征波长范围为360~520nm，560~580nm），同理可知，轻质油种和海水实验数据组与轻质油种实验数据组中选取的频次分别为5次和4次（对应特征波长范围为360~540nm，560~600nm，610~630nm，640~660nm）。在全油种和海水（6种类型）、轻质油种和海水（4种类型）和轻质油种（3种类型）等3组数据集中，分别选择频次大于等于数据集中类型数量的特征变量开展油种识别。

表4基于因子分析方法的特征波段油种识别精度

由表4可知，基于满足公式6特征波段的油种识别精度在各自数据集中的识别精度均是最高的，分别是85.18%，90.74%和90.74%（图5c），与基于全波段的识别效果相比，精度整体提高了5.55%，11.11%和11.11%。同时，可以发现油种识别精度为90.74%的两组特征波段是相同的，故可认为360~540nm，560~600nm，610~630nm和640~660nm是识别5种海洋典型溢油油种的最佳特征波段。

结论

不同的海面溢油来源可能导致海面溢油类型的不同。本文通过设计的室外模拟溢油实验，获取原油、燃料油、柴油、汽油和棕榈油等5种油种的实测光谱数据，分别运用光谱标准偏差分析和因子分析方法对特征波段进行选择，并基于特征波段利用支持向量机模型开展油种识别实验。结果表明，基于光谱标准偏差分析和因子分析的油种识别精度分别是83.33%和90.74%，与基于全波段的识别精度相比，整体精度分别提高了3.7%和11.11%。除汽油外，其它油种和海水的识别精度均得到提高，这是由于汽油极易挥发，与海水存在误分的情况。同时可以发现，获得的特征波段集中在紫外波段和蓝绿光波段，这与蓝绿光对水体的透射率高和紫外对薄油膜敏感有关。基于因子分析获取的特征波段（360~540nm，560~600nm，610~630nm，640~660nm）可作为5种油种相互区分的最佳高光谱波段。

海洋溢油发生后往往不会被立即发现并清除，在风化的过程中，油品会经历漂移、扩散、溶解、乳化和生物降解等物理和化学的变化，导致油品的光谱响应发生变化，对乳化后油品的油种识别还有待进一步的研究。卫星影像数据在轨处理是未来发展的必然趋势，特征波段的有效选择，极大的减少处理的数据量，对实现溢油影像数据在轨快速处理有较好的借鉴意义，进而可在溢油场景发生时推广应用。

推荐：

地物光谱仪iSpecField-HH/NIR/WNIR

地物光谱仪是莱森光学专门用于野外遥感测量、土壤环境、矿物地质勘探等领域的最新明星产品，独有的光路设计，噪声校准技术、可以实时自动校准暗电流，采用了固定全息光栅一次性分光，测试速度快，最短积分时间最短可达20μs，操作灵活、便携方便、光谱测试速度快、光谱数据准确，广泛应用于遥感测量、农作物监测、森林研究、海洋学研究和矿物勘察等各领域。

审核编辑 黄宇