當一望無垠的海洋上發生溢油事故，遠在千里之外的我們如何得知？
當平靜無瀾的海平面上是否會發生溢油事故，又該如何預判風險？
4月18日，在由中國海洋學會海洋環境科學分會和國家海洋環境監測中心（以下簡稱海洋中心）聯合舉辦的海洋生態環境保護與治理研討會上，海洋中心遙感室研究員范劍超博士對多源衛星遙感的海洋溢油影像進行了智能解譯及大數據分析，給出了這些問題的答案。會后，中國環境報記者采訪了他。
SAR：海洋溢油溯源“先鋒”
“圖中黑色的斑塊就是溢油區域。”范劍超分享的研究成果就是將這些溢油圖斑準確地篩選出來。
而這些圖像又是如何捕捉到的？
“SAR，合成孔徑雷達，一種微波成像雷達。”范劍超告訴記者，“SAR憑借其全天時、全天候、探測能力強、覆蓋范圍廣、高分辨率的特性，能夠快速準確地監測到海洋溢油事故的發生，已成現階段進行溢油探測最重要和最有效的手段之一。”
海上突發環境事件造成的石油泄漏會對海洋生態系統等造成危害, 可能在很長時間內都難以修復。因此，“如何快速有效地監測溢油的規模、影響范圍對防治溢油的進一步擴散起著至關重要的作用。”
范劍超表示，利用衛星遙感對海洋溢油進行監測，能及時發現海上溢油情況，結合動力模擬預測，可以對油污處置提供精準研判，盡量減輕海洋污染。
“我們隨時保持對海洋溢油情況開展衛星遙感監測，包括常規監測和應急監測。”范劍超介紹，常規監測是指對海平面進行日常巡查，當衛星過境時捕獲圖像，可以觀測海面是否有異常情況發生。而應急監測是指海洋中心建立了一套完整的應急體系，當船舶或石油平臺發生溢油事故時，第一時間接到信號，即刻開啟應急響應機制。
“如今衛星觀測頻率很高，最高可每半天過境一次。”范劍超告訴記者，當溢油事故發生時，若沒有第一時間捕捉到影像，衛星遙感可進行影像回溯，追蹤第一事故現場，確定溢油發生的準確位置。
據介紹，2018年1月中國東海“桑吉”輪的溢油事件，便是利用SAR遙感監測數據，從而實現了“桑吉”輪疑似溢油范圍的圈定。
如何解譯溢油SAR遙感影像？
由于成像機理，SAR遙感影像進行海洋溢油監測時，溢油常常會呈現為灰度較低的斑狀。
“捕捉到的SAR遙感影像上會出現多種黑色圖斑，但不一定都是溢油，有很多干擾在其中，如低風速區、背風區、上升流、生物油膜等，產生的圖斑較為相似。”范劍超介紹其智能解譯技術的最大創新點就在于，可以把干擾圖斑祛除，識別出溢油圖斑。
圖為背風區圖斑
他用一些影像圖片舉例，如船舶尾跡在SAR影像上則表現為一條直線, 而船舶排污產生的溢油通常表現為具有一定寬度的線形暗斑，生物油膜與海洋溢油污染相比則呈現出更多的不規則性。
眾多相似的暗色圖斑中，該如何準確識別出海洋溢油？
“這就需要結合海洋環境要素，如風速、海面溫度等干擾因素的實時數據，再根據SAR圖像上的圖斑成像特征、灰度、紋理等信息，將溢油相似物數據劃分為低風速區、背風區、上升流、生物油膜等，做出綜合分析和判斷，從而找到真實的溢油位置。”范劍超向記者詳細介紹。
據了解，海洋中心遙感室開展了多年的海上溢油監測。對SAR圖像提取數據信息進行解譯時，范劍超進一步補充，“有時在影像上看是黑色圖斑，在可見光譜下看，就類似油膜區域，我們都會提取出來，結合環境要素判斷。若無法識別，則連續跟蹤監測，回溯5天數據，若連續存在油膜，則跟蹤判斷是否為真實溢油圖斑。”長序列的遙感監測對于溢油智能解譯有很大幫助。
海洋面積廣闊，而SAR的廣域偵察效率非常高，覆蓋一圈，SAR圖像的數據量龐大，僅依靠人眼識別溢油工作量較大，“且一旦發生溢油，對水體的危害非常大，這就對溢油檢測的時效性提出了更高要求。”因此，需要自動檢測算法來進行快速識別。
“利用大數據分析可實現溢油SAR影像快速定位、溢油和疑似溢油的精準分類，溢油范圍智能提取精度可達到90%以上。”可以說，“對SAR遙感影像的溢油智能解譯，大幅提高了遙感大圖像海洋溢油的檢測效率和檢測精度。”
為溢油風險防控提供數據支持
范劍超介紹，SAR遙感影像提供溢油位置和范圍后，“中國環監001”號載著應急人員趕赴現場對溢油區域及外圍海域進行走航采樣，監測對水質和生態環境造成的影響。根據監測結果評估溢油狀況，并開展跟蹤監測，結合風場預測溢油污染擴散趨勢。遙感室工作人員根據現場實時傳回的數據，結合衛星影像分析處理后，反饋給生態環境管理部門。
“在進行溢油監測時，首要任務是監測海上溢油風險源密集的區域。”記者了解到，溢油風險源是指海洋環境中可能會發生溢油的目標，通常包括船舶、石油平臺等。
“當從遙感影像中提取到渤海海域船舶航道軌跡與石油平臺等溢油風險源后，我們又將監測到的渤海近10年水色異常常見區域疊加，對渤海溢油風險進行分級，如哪些區域更易發生溢油，需重點關注。”范劍超說，在分析渤海遙感影像時，會對重點區域進行加密監測。
根據構建的2015—2020年間渤海海域溢油發生時空分布圖，范劍超介紹，“我們發現，溢油事件的分布狀況與溢油風險源時空分布圖具有高度的一致性, 海上溢油事件多發生于溢油風險源高密度區域。所以，獲取溢油風險源可為渤海海域溢油風險分區管理及溢油風險防控提供理論依據。”
范劍超補充，通過將溢油風險源與多源衛星遙感監測相結合, 并對目標海域開展遙感溢油長序監測，也可實現海洋溢油來源及類型的準確判斷和追溯。
此外，基于真實溢油事件，范劍超及團隊通過人工智能方法提取溢油面積，結合金屬毛細管熒光光譜儀，使用油膜厚度反演模型計算油膜厚度，可實現溢油泄漏量的估算。
“未來我們會繼續對管轄海域進行衛星遙感監測，結合溢油風險源分析結果，提高遙感影像溢油信息人工智能解譯的準確性。”采訪最后，范劍超表示。
（圖文均來自網絡）
魯公網安備 37021102000487號