海洋溢油多传感器油种识别与智能探测

摘要

近年来海洋溢油事件频发，海洋溢油已成为当今全球海洋污染最严重的问题之一，海洋溢油发生后，一系列的问题等待回答：是什么时间发生了溢油？在哪个地方溢了油？溢了什么油？溢了多少油？是谁溢的油？溢油发生后，时间地点已经确定，但是接下来的三个问题较难回答。本文尝试使用多种传感器和智能识别算法来回答上述三个问题。论文的具体研究工作如下： 溢油种类的鉴别是海洋溢油探测的重要工作之一。利用地物光谱仪进行了模拟溢油实验，采集了3种紫外光源（254、302、365 nm）和2种可见光源（日光灯和太阳光）下的5个油种（汽油、柴油、煤油、机油、花生油）的高光谱数据（200-1160nm），通过 PCA 进行特征优化，并构建了支持向量机的油种识别模型，实验发现油种鉴别过程中光源的类型、照射方式、光强都会影响到油种识别的效果；通过自制的紫外高光谱相机，采集了上述3种紫外光源下上述5个油品及原油在8个滤波片（365、404、410、420、435、450、546、577）情况下的多光谱图像。以图像光斑24个颜色分量均值为特征，提出了一种通过联合熵最大化的ICA方法特征优化方法，K-均值聚类和SVM识别效果显示，该方法可有效提高识别率。 为利用不同油种的发光特性来探测海洋溢油。通过高光谱成像仪，在两种照明模式下采集了上述 6 种溢油油种的高光谱图像。基于 33 个波段构建了波段均值、波段差、波段比和归一化波段比4个辐射指数，提出了基于Fisher和PCA的模型共识溢油高光谱特征选择方法，SVM 识别结果显示，比较发现，光源混合、波段运算和模型共识的多模式融合方法从不同侧面提高了模型的溢油识别能力。针对溢油乳化问题和夜间探测需要，提出了通过大功率紫外 LED 诱导和基于高光谱波段差的溢油及乳化探测方法。基于同步采集的原油、乳化油和本底海水的高光谱图像，多种方法进行了特征优化结果发现：紫外LED光源更适合夜间溢油及乳化的准确探测。通过Fisher提取的有效波长（400-420nm），更适合于实际在线溢油探测。 受航空遥感高光谱影像空间分辨率的限制，准确探测溢油覆盖度较为困难，本文首先以NMF非负矩阵分解算法为基础，提出了一种分区端元子集的N-FINDR端元提取和负熵最大ICA二次端元提取方法，并给出了太阳耀斑区溢油估算方法，仿真实验显示丰度估计误差低于3%，对2011年山东长岛溢油机载高光谱成像数据运算结果，与现场人工估测面积偏差为2.15%。另外对独立分量分析算法增加了非负约束和和为1约束，并且利用高阶统计量权值排序和光谱角匹配克服了光谱顺序不确定性。实现了端元提取和丰度量化一次完成。仿真实验和真实数据实验显示，该方法可准确计算真实溢油覆盖度和覆盖面积，效果好于二次端元提取方法，该方法可有效应用于海洋溢油的监测中。 溢油组分的精确解析是溢油源追溯的重要内容。以辛烷值为例，基于红外光谱仪（900-1700nm）采集的60组汽油数据，研究汽油辛烷值预测过程中的模型优化问题，优化得到的组合模型：PCA-GA-SVM，表现优秀。进一步提出了一种基于核独立分量分析（K-ICA）和支持向量机回归（SVR）的汽油组分的预测方法，通过非线性映射核，使得ICA能够快速进行光谱信号的盲分解，进而解析汽油组分的独立分量（ICs），然后基于这些分量构建非线性 SVR 模型，对汽油的辛烷值进行预测，该方法已基本上满足工业级辛烷值预测的需要，对石油组分精确解析具有借鉴意义。 基于遥感手段，对海洋溢油的精确化探测和解析，是溢油探测的重要工作内容，本文提出的工作方法与工作模式，对溢油遥感探测的业务化应用具有积极意义。本文虽然是针对海洋溢油探测方面的研究，但形成的相关方法可有效移植到石油工业、食品工业等其他行业的探测与识别中。

目录

第一个书签之前