多环芳烃油指纹应用于船舶溢油鉴别研究

溢油种类主要包括船舶燃料油和原油,二者性质的差异决定了鉴别方法也相应不同,寻求适合于船舶溢油的鉴别方法具有重要意义。在使用柱色谱层析方法对样品进行分离前处理的基础上,以气相色谱/质谱方法(GC-MS)为主要分析手段,对溢油样品和可疑船舶溢油源样品的多环芳烃油指纹特征进行对比,并在多环芳烃油指纹参数的基础上进一步进行多环芳烃内组成三角图分布特征与聚类分析研究,成功为珠江口水域某船舶溢油事故追踪到肇事溢油源。结果表明:取自丁船的油样和现场溢油样芳烃油指纹特征最为相近,是此次溢油事故的溢油源。受风化作用后的船舶燃料油中饱和烃类化合物数量稀少,且含量极低,不适合用于溢油鉴别,而多环芳烃类化合物较饱和烃类化合物而言具有含量高、种类丰富的特点,是该类溢油鉴别的主要油指纹依据。使用油指纹参数进行可疑溢油源识别时,充分考虑油品中有机分子所受风化影响程度的不同是风化条件下溢油鉴定的关键。因此,多环芳烃油指纹可以有效应用于船舶燃料油溢油的鉴别。     

溢油“指纹”的判别方法

近30年中,人们尝试着用不同的数学模式对溢油的“指纹”进行数字化识别。目前国外应用较多的有峰比值法、对数比值法、相关系数法、矢量模型法、类比模拟法和K最近领域法等,其中被认为最有效的方法是对数比值法和矢量模型法。我国在溢油鉴别方法的研究中,逐步开展了油品“指纹”的数字化识别,已见报道的如峰比值法、荧光相似指数法、荧光双比值联用分类法、核磁共振1H谱5参数识别法、反相高效液相色谱矢量角距法、色谱-光谱联用多线性指数法等。而且,聚类分析和模糊相关分析[1](另见徐学仁《海洋与湖沼》1992年第5期)等也被用于油品“指纹…     

油指纹鉴定报告生成系统设计与实现

近年来,油指纹鉴别技术对溢油事故的处置和后续损失评估发挥了重要的作用。作为油指纹鉴别系统中重要的一部分,油指纹鉴定报告被视为溢油事故的重要法庭证据。目前在油指纹鉴别过程中,鉴定报告需要工作人员人工编写,降低了工作效率。本文的油指纹鉴定报告生成系统利用WORD提供的强大的编程接口技术,按照文档规范要求设计模板,实现了文字、图表并茂的油指纹鉴定文档的自动生成,较好地解决了人工编辑报告带来的一系列问题,实现了报告生成的标准化、规范化,提高了工作效率,从而为处理溢油事故、事故追责等提供了实时高效的资料数据支撑。     

海洋溢油源鉴别研究现状及进展

海上溢油事故时有发生,严重威胁着海洋及陆域的生态环境.溢油鉴别通常采取主动标识和被动标识的策略:尽管有很多因素限制其使用,但采取溢油指纹分析和油源比较的被动标识策略仍是最实用的方法.许多国家已经建立了比较完善溢油鉴别系统,我国油指纹库建设势在必行.     

提高突发性海洋溢油事故应急水平对策浅析

突发性海洋油污染事故发生后,能否迅速有效做出溢油事故应急反应,对保护海洋环境,维护海洋资源的可持续利用起到重要作用.文章从溢油应急技术和应急管理层面上指出我国存在的不足,并有针对性地从溢油应急响应体系关键技术研究、油指纹库建设、溢油应急管理组织机构完善等五个方面提出了相应的对策,以期提高我国溢油应急的管理能力和技术水平.     

海洋溢油鉴别前处理技术比较研究

针对目前海洋溢油样品的吸附色谱柱预分离前处理技术，比较了不同前处理方法得到的溢油样品中烃类化合物、生物标志物、金刚烷类化合物和多环芳烃类化合物的气相色谱／气相色谱质谱指纹图谱。就溢油样品吸附色谱柱预分离技术的优缺点进行了详细总结和讨论，并为溢油来源的快速、准确鉴别提出了建议。     

基于无人机紫外与SAR的溢油遥感监测方法研究

溢油污染不仅会造成巨大的经济损失,而且给生态环境带来难以修复的破坏。准确、高效地监测海面溢油仍是当前亟需解决的问题。紫外传感器对油膜非常敏感,可快速发现,但存在误判;而SAR(SyntheticApertureRadar)溢油探测的精度较高,两者相结合可准确探测溢油。无人机平台可低成本地实现溢油快速应急响应,无人机载SAR和紫外传感器的载荷重量小,可同时集成于无人机上开展联合溢油探测,以满足业务化监测需求,此方面的研究尚未见有相关报道。本文拟研究溢油不同种类、厚度、在不同海洋环境条件下的紫外图像特征和SAR纹理特征、形状特征、散射特征,构建溢油特征数据库,并建立一种基于特征组合的溢油SAR与紫外联合探测方法;在此基础上研究对无人机数据获取模式和控制单元等的改造方案,进而实现溢油SAR和紫外图像的高效获取。     

海洋溢油合成孔径雷达图像特征提取及其关键度分析

就SAR图像溢油检测的方法论而言,用于识别溢油和疑似现象的定性或定量的统计特征量选择,通常是任意的。对于不同的分类模型,所选用的特征量也不尽相同。主要是进行海洋SAR图像特征提取及其关键度分析。其目的是将"最小距离"判别法应用于海上溢油和疑似溢油的识别研究。首先,针对海洋SAR图像溢油检测常用的特征量,进行冗余处理;然后,引入关键系数,定量地研究特征量的关键度,提取显著特征量;藉以构造一个多维的特征矢量空间,以适于最小距离判别法在特征矢量空间中进行溢油和疑似溢油的识别研究。     

正构烷烃气相色谱指纹法鉴别海面溢油源一事例研究

通过对厦门海域一个具体海面溢油事例的研究，探讨了鉴别海面溢油源的正构烷烃气相色谱指纹法及其可行性和有效性，结果令人满意。该方法包括样品的前处理、GC测定和数据分析。其整个操作流程短，且较简便易行，尤其是选择正十七烷（n－C17）、正十八烷（n－C18）、姥鲛烷（pri）、植烷（phy）和正二十烷（n-C20）等特征烷烃作为判据，可信度大，对于经历一定风化作用的海面溢油仍可进行有效的鉴别。     

分形方法在海洋溢油的气相色谱鉴别中的应用研究

将分形理论应用于溢油的气相色谱鉴别,建立了一种新的海洋溢油气相色谱鉴别方法。即首先采用小波分解将气相色谱图曲线分解至不同的尺度,计算各尺度曲线分量的分形维数,基于分形维数参量,采用欧几里得距离判断不同样品气相色谱曲线的近似程度,达到对溢油样品进行鉴别的目的。溢油事故实例数据分析表明,分形维数能较好的反映不同色谱曲线的差异,所建立的方法在筛选溢油样品时,能在一定程度上缩小鉴别范围,可作为溢油鉴别的一种有效辅助方法。     

基于多核SVM决策融合模型的海面原油多光谱遥感检测研究

海面溢油事故发生后需要进行精准的溢油检测,从而为溢油事故现场应急响应与海面污染的快速有效处理提供支持。利用哨兵二号(Sentinel-2)多光谱遥感影像,基于最佳指数因子(OIF)构建光谱特征指数提取海面溢油光谱特征,基于灰度共生矩阵(GLCM)提取海面溢油纹理特征,利用巴氏距离法进行特征选择,构建海面溢油空谱特征数据集。提出了多核决策融合支持向量机(SVM)海面原油检测模型,对黄海4.27“交响乐号”油轮溢油事故开展检测研究。实验结果表明,在复杂水色背景下,经过筛选的最佳空谱特征数据集检测结果的总体精度可以达到89.25%,Kappa系数为0.854,F₁分数可达0.889;多核SVM决策融合后的总体精度可以达到90.26%,Kappa系数为0.866,F₁可达0.898,总体精度较单核提高了1.0%~8.2%,Kappa系数提高了0.013~0.122,F₁分数提高了0.009~0.097。实验结果表明,海面溢油检测模型具有较高的溢油检测精度和模型鲁棒性,适用于海面溢油检测研究。     

基于SAR极化比和纹理特征的海面溢油识别方法

针对海洋表面SAR影像的特点，采用基于灰度共生矩阵的纹理特征方法是提取海面溢油信息的常用方法，但实际海洋表面复杂的信息使得SAR图像上产生类似溢油现象的暗斑区域，这导致在利用纹理特征方法提取溢油信息时存在虚警率，降低了溢油信息的提取精度。基于RADARSAT-2 SAR四极化影像，本文提出基于SAR极化比影像的纹理特征识别方法对海面油膜进行识别提取。结果显示，基于SAR极化比影像的纹理特征识别方法可以有效且准确地提取海面溢油信息，相比于VV极化影像的纹理特征识别方法，溢油监测过程中的虚警率降低了17.96%，溢油监测总体精度达到96.83%。     

海面溢油不同油品特征比值的一致性研究

以实际溢油案例中出现的4种油品为对象,利用GC/MS分析手段研究了不同油品之间的正构烷烃、多环芳烃和甾烷萜烷的分布特征和特征比值的一致性。结果表明:(1)不同油品指纹的正构烷烃特征比值CPI,萜烷类特征比值C31αβ(S/(S+R))、C32αβ(S/(S+R))、C33αβ(S/(S+R))、C34αβ(S/(S+R))和甾烷类特征比值C29甾ααα(S/(S+R))差异性不明显,可能会出现一致性;(2)不同油品指纹的多环芳烃特征比值存在明显差异,基本不存在一致性问题;(3)在油指纹鉴别过程中,要考虑到特征比值参数的稳定性,同时考虑不同油品指纹特征比值可能出现的一致性问题。     

全极化SAR图像中溢油极化特征研究

相比于单极化SAR图像,全极化SAR图像不仅能体现海面目标的几何特征、后向散射特征,还能体现目标的极化特征。因此,在溢油检测方面,极化SAR更具优势。特征提取作为溢油检测的关键步骤,直接影响到溢油检测的精度。在本文中,我们分析了全极化SAR图像中海面溢油的极化特征,如极化散射熵、平均散射角等。并提出了新的极化特征P,该特征参数能够反映海面目标电磁散射过程中布拉格散射机制和镜面散射机制的比例。为了研究极化特征溢油检测的能力,本文基于SIR-C/X-SAR和Radarsat-2全极化SAR图像开展了相关实验,并对比分析了溢油的多种极化特征。实验结果显示,在中低风速情况下,C波段溢油探测效果优于L波段;本文提出的极化特征P对海面散射机制敏感;基准高度和特征参数P在C波段比其他极化特征更适于溢油检测。     

基于纹理分析和人工神经网络的SAR图像中海面溢油识别方法

基于纹理分析和人工神经网络建立了用于区别SAR图像中溢油现象和疑似溢油现象的模型.引入图像处理中的纹理分析作为识别溢油现象的特征参量,并利用方差分析对计算的31个特征参量进行筛选作为神经网络的输入.结果表明,模型能够较好的识别溢油现象,测试样本集的总体精度为0.83;纹理特征作为特征参量以及基于方差分析的特征参量筛选提高了溢油现象的识别精度.     

基于改进Faster R-CNN模型的SAR图像溢油检测方法

SAR（synthetic aperture radar）图像溢油暗斑准确识别对海上溢油应急工作具有重要的意义。为减少SAR图像特征提取、特征选择过程中人为因素对溢油检测精度的影响,本文将Faster R-CNN卷积神经网络模型引入SAR图像溢油检测并进行了改进。针对溢油暗斑形状多样及SAR图像背景复杂的特点,选用结构一致且实用性强的VGG16卷积网络获取图像特征,并使用软化非极大值抑制算法（Soft-NMS）进行优化。同时基于相同的数据集,提取常用的SAR图像几何特征、灰度特征和纹理特征,构建反向传播（backpropagation,BP）人工神经网络溢油检测方法并与Faster R-CNN方法进行对比。实验结果表明,基于改进Faster-RCNN模型的溢油检测方法溢油检测率达到0.78,且溢油检测虚警率低于0.25,相比BP人工神经网络溢油检测方法样本识别率、溢油检测率分别提高了4%和5%,溢油虚警率降低了5%。     

红外光谱法鉴别溢油的初步研究

溢油样品在35—40℃以5000r/min作离心处理除去油中的水,测定样品在指纹区(1720—650cm~(-1)中的红外光谱,取得所选定的谱带的光谱数据,通过计算和比较皮尔逊相关系数来研究溢油样品光谱和可疑油源光谱之间的相似性以作溢油源鉴别。整个过程在计算机控制下进行,利用一个专用的计算机程序来作溢油检索,它可以从众多的可疑油源中找出三个最相似的油源并将它们按其相似程度进行排列,大大简化了鉴别过程,提高了准确度。     

珠江口溢油数值模拟

对珠江口海域流场进行了数值模拟。考虑风场对海面溢油物理和化学过程的影响,建立了考虑油膜扩展的溢油漂移轨迹数学模型,并对珠江口海域“12.7”溢油事故进行了数值模拟,为较全面了解溢油事故给珠海海域环境带来污染的过程提供了科学依据。     

荧光技术在溢油鉴别中的应用

荧光光谱具有灵敏度高、选择性好、分析速度快等特点被广泛应用于溢油鉴别。通过结合同步荧光光谱法、导数荧光光谱法和三维荧光光谱法对某码头一次溢油事故的溢油样进行分析鉴别,快速准确地鉴别出溢油源,进一步说明了荧光光谱法是溢油鉴别中一种有效的技术方法。研究结果表明:(1)同步荧光光谱对油源较为相近的油样区分能力较差,但可初步判断其相似性;(2)三维荧光光谱图油样荧光强度会受风化等因素的影响,但谱图的整体轮廓受干扰因素影响较小,芳烃的测定结果能比较准确地反映出溢油源的特征信息;(3)一阶导数荧光光谱中峰的比值能增强光谱特征,提高溢油鉴别的分辨能力。     

基于GA-WNN的极化SAR海洋溢油检测方法研究

海洋溢油对海洋生态和人类生活带来严重的影响。由于合成孔径雷达(Synthetic Aperture Radar,SAR)具有全天时全天候的工作能力,在海洋溢油检测中发挥重要作用。目前,极化SAR是SAR探测技术的先进手段。本文利用6个极化特征进行溢油检测,通过对比分析这些特征对不同溢油的检测能力,得出单一极化特征在溢油检测中存在不足。通过J-M特征优选方法,提取出溢油检测识别度较高的特征影像,并利用遗传算法优化的小波神经网络(Genetic Algorithm-Wavelet Neural Network,GA-WNN)进行溢油检测。利用2套Radarsat-2全极化数据进行了方法验证,结果表明,该方法优于其他检测方法,溢油检测精度分别达到90.31%和95.42%。