一、引 言
水面溢油的种类识别和定量分析是环保领域备受关注的课题,其主要任务是在湖泊或近海区域表面发生船舶或油田事故后,监测是否有危害水体生态环境的石油类污染物溢出,监测数据对溢油灾害的动态发展和防治有着深远的意义。在水面上有溢油灾害发生时,油膜会均匀覆盖于水面,不同种类的油品或者同一油品不同厚度的油膜对射向其的光束的反射或者吸收响应特征亦有所差异,光谱技术就是对溢油目标对应的光谱响应特征定量化分析。在光谱分析常用的可见光、近红外波段内,太阳光照射在覆盖有油膜的水面时存在反射、折射和吸收三种物理现象,而光谱探测传感器所接收的数据主要来自油膜表面的反射,不同类别的石油类产品在水面形成油膜后对光线的反射率具有差异性,反映在传感器接受的数据里就是不同的油膜目标的反射率有所差异,据此可对水面油膜进行光谱维度的分析研究。
本文围绕水面溢油监测,用地物光谱仪进行了野外环境下的南湖光谱采集实验,实验过后获得了多个厚度下的水面油膜反射率数据。通过软件拟合获得了不同厚度下的油膜和反射率函数关系,通过代表拟合程度的相关系数证明了通过反射率厚度拟合判断油膜厚度的可行性。
二、光谱形成方式
当水面有诸如石油类液体污染物覆盖时,电磁波在覆盖有油膜的水面发生光学反射现象。反射的光透过大气进入地物光谱仪的采集视野,依次经过扫描镜和物镜后进入地物光谱仪的光学模块,入射狭缝的存在使得进入物镜的光能够做到有选择性的仅扫描水面的待测目标,而避免了能降低光谱数据采集精度的其它干扰目标反射光进入采集系统。油膜目标反射光经入射狭缝进入具有色散功能的棱镜模块上,将会在输出端按照光谱完成色散,之后再经会聚镜头把色散的像投在光谱形成的焦平面上。最后由焦平面处安置的线阵或者面阵探测元器件接受并完成油膜反射出的光学信号到数字信号的采集和转变过程。
数据处理与分析
3.1 辐射矫正
光谱仪在采集光谱数据时,会受像地形、大气环境、采集方法和采集位置等诸多因素影响,所以会造成获得的原始水上油膜光谱和实际的有些许差别之处,使得无法从光谱数据分析中获得符合实际的油膜厚度和反射率的数学函数规律。所以需要对原始光谱数据进行预处理,即进行油膜光谱数据的重建,这一过程体现在把光谱仪传感器测得的原始油膜辐照亮度值转化为油膜光谱的反射率值。
光谱仪光谱数据被采集之前以电磁波的形式按照图2-1中路径传播。
图2-1传播路径
油膜光谱数据重建过程如下图2-2所示。
图2-2重建过程
野外水面油膜光谱测量与数据反演
4.1 辐射矫正
水面润滑油油膜光谱测量过程中每次添加的油量以5ml为单位,利用容量为10ml注射器向水面均匀逐滴加入实验用油,每次滴完后静止10min,以保证油膜完全散开均匀覆盖于水面。油膜光谱测量之前对地物光谱仪进行参数设置为自动进行暗电流校正,测量过程之中每次向水面添加油时,再进行一次校正优化;油膜光谱测量时,保持地物光谱仪的光谱采集探头距观测水面20cm向下。地物光谱仪的光纤摆放位置如图4-1所示。
图4-1光谱仪光纤探头摆放位置
图4-1中地物光谱仪的观测平面和太阳入射平面夹角设置为90°的原因是此角度下的天空光分布最为均匀。避免了太阳光光线直射时,辐照亮度值过高的问题,保证测量的油膜光谱反射率数值与实际值基本保持一致。实验共测量9组厚度数据,分别为清水,5ml油量、10ml油量、15ml油量、20ml油量、25ml油量、30ml油量,35ml油量,40ml油量,每组重复测量5次。测量完成后,将采集的数据导入电脑中,用软件剔除异常曲线,求取每组正常光谱数据的平均值,并进行不同油量下的反射率曲线的绘制。
4.2 油膜光谱采集结果与数据反演
在340~1000nm范围内,不同油量下的光谱反射率曲线如图4-2至4-10所示
由不同油量下的光谱反射率曲线图可以看出光谱反射率特征主要集中在可见光和近红外电磁波波段范围内,在此范围内油膜厚度与反射率较强的函数关系。所以论文的油膜反射率分析主要在340~1000nm光谱范围内进行。
根据滴入油的体积计算油膜所形成的厚度,计算公式如下:
计算所得每组实验所加油量和油膜厚度对应如下表4-1所示。
表4-1不同油量对应的油膜厚度
前7组反射率曲线对比如图4-11所示。
图4-11前七组不同厚度下的油膜光谱曲线对比
从图4-11可知,在340~1000nm波段范围内油膜反射率的曲线形状大体与水体反射率曲线相似,但反射率值相比无油膜的水体在绿光波段和红光波段较高,随着油膜厚度的递增,反射率亦逐渐增大。与无油膜的水面相比,含油膜的水面在560nm附近的反射峰较大。如图4-12所示,当厚度增加到238.73μm后,再继续增加油膜厚度,反射率就开始下降,但是值仍旧高于水体反射率。
图4-12后三组不同厚度下的油膜光谱曲线对比
由图4-11可知,随着油膜厚度的增加但还没增加到238.73μm时,蓝光、绿光波段范围内的反射率值是逐渐递增的,为了获得递增的规律,选择蓝光波段的480nm和绿光波段的550nm两处反射率数值作为着重研究分析的对象。提取的相关反射率数据如下表4-2所示:
表4-2反射率数值
用软件进行拟合过程,最后得到的480nm和550nm处的反射率‐厚度拟合曲线如图4-13和图4-14所示。
图4-13 480nm处油膜厚度-反射率拟合曲线
图4-14 550nm处油膜厚度-反射率拟合曲线
由图中的曲线可知在480nm和550nm的两个典型波长处,实验中油膜的反射率与其厚度有较强的指数函数关系,通过拟合得知指数函数关系分别为:
480nm处:
550nm处:
表明拟合相符程度的复相关系数R2分别为:0.9802(480nm处)和0.9921(550nm处)。反射率—厚度曲线拟合表明:在以480nm为中心的蓝光波段内具有较高的曲线拟合精度,在以550nm为中心的绿光波段内具有非常高的曲线拟合精度。拟合结果证明了在蓝光波段和绿光波段内,由水面润滑油油膜的厚度造成的反射率数值差异性表现明显。由于在可见光波段内,水面上油膜对入射光线的反射能力较强,结合本章函数拟合的结果,蓝光波段和绿光波段可选做为水面较薄溢油油膜的厚度研究分析的特征波段,并且可以得出用光谱反射率数据反演分析水面溢油油膜厚度的方法是可行的。
五、结论
本文主要研究了水面溢油监测中水面油膜厚度识别的问题。
本文围绕水面溢油监测,用地物光谱仪在野外环境下的南湖光谱做采集实验,实验过后获得了多个厚度下的水面油膜反射率数据。
设计了野外水面油膜光谱测量实验,获得了反射率变化趋势的“分水岭”,即反射率从增加趋势改变为降低趋势的油膜厚度值,在油膜小于238.73μm时,反射率数值随厚度增加而增大,在此厚度之后,反射率朝相反的趋势变化,用软件拟合后,获得了符合实验数据的油膜厚度-反射率函数关系。
把函数数值拟合的方法引入光谱数据反演分析之中,构成了新的水面溢油油膜的监测方法,该方法克服了传统监测方法中受光谱分辨率影响较大、需事先了解测量地点的气象参数、易受假目标干扰,大大节省了水面溢油油膜光谱分析的处理步骤,有效提高了水面溢油监测的精度和效率。