CN102997856B - 一种基于参数查找表的海洋溢油油膜厚度高光谱遥感估算方法 - Google Patents
一种基于参数查找表的海洋溢油油膜厚度高光谱遥感估算方法 Download PDFInfo
- Publication number
- CN102997856B CN102997856B CN201210531836.5A CN201210531836A CN102997856B CN 102997856 B CN102997856 B CN 102997856B CN 201210531836 A CN201210531836 A CN 201210531836A CN 102997856 B CN102997856 B CN 102997856B
- Authority
- CN
- China
- Prior art keywords
- oil film
- oil
- reflectance
- film thickness
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Abstract
本发明涉及一种基于参数查找表的海洋溢油油膜厚度高光谱遥感估算方法，属于海洋环境监测的研究领域。其具体步骤为：通过设计模拟实验，获取标准油膜厚度连续变化高光谱数据并进行预处理；海洋溢油卫星遥感数据的获取与预处理；基于卫星传感器性能指标的标准油膜光谱重采样；光谱反射率归一化；油膜厚度光学计算模型；衰减系数参数查找表；卫星数据的反射率归一化与掩膜处理；卫星数据的最优波段及其相关参数查询建立；利用参数查找表及光学模型计算卫星数据中的油膜厚度。本发明与传统观测手段相比，野外工作量小，能量化溢油油膜的厚度，无需直接进入海洋溢油污染区就能计算溢油区油膜的厚度，能满足海洋溢油应急监测与评估的需求。
Description
一、技术领域
本发明涉及一种基于参数查找表的海洋溢油油膜厚度高光谱遥感估算方法，具体地说，基于溢油模拟实验(如附图1所示)，获取溢油油膜厚度变化标准光谱反射率曲线，利用一种改进的油膜厚度估算模型并结合基于溢油模拟实验构建的参数查找表，来计算卫星高光谱影像数据中溢油油膜厚度的方法(流程如附图2所示)。
二、背景技术
海洋石油开采、加工、运输等诸多过程中产生的溢油污染，在风、浪、流等因素的影响下，对海水、海表大气、海底、海岸带等都产生诸多不良影响，严重损害了海洋生态环境，并产生了巨大的经济损失。如2010年美国墨西哥湾的深海油井溢油事件、2010年中国大连新港溢油事件、2011年蓬莱19-3油田溢油事件，都产生了巨大的环境、经济损失。
海洋溢油污染事故发生后，有效的、及时的空间监测与评估技术，能确定海洋溢油污染的位置、圈定污染的面积、查明溢油污染形成的类型，将有助于海洋溢油污染后续清理工作的开展；于此同时，也将有助于海洋溢油污染造成的损失评估，为海洋生态环境损失索赔提供依据。遥感技术因其大面积同步观测、时效性、数据的综合性、可比性及经济性等特点，成为海洋溢油污染监测与评估的有效支撑。多光谱、热红外、微波雷达、激光荧光等诸多技术手段在海洋溢油污染遥感研究中具有不同的技术特点。目前，海面溢油面积监测尚不能完全满足应用部门的需求，还需要深入开展溢油量估算研究，准确评估溢油量是溢油污染遥感应用研究需关注的重点。海面油膜是海洋溢油污染的最直接形式，也是海洋溢油污染转化的重要承载体之一。海洋溢油油膜随着厚度的不同，其光学特性也发生了显著的变化，同时海水背景影响逐渐增强，因此海面油膜探测的难度也逐渐增大，成为海洋溢油污染监测中的一个难点。
高光谱遥感技术是20世纪90年代后期才趋于成熟的新型光学遥感前沿技术，该技术可提取出相应像元(像素)大小地表物质的、精度如同实验室光谱仪测量得到的精细光谱曲线，从而进行直接识别地物类型，并对其组成成分含量进行定量计算、分析与空间分布制图。在准确探测油膜污染面积的基础上，开展油膜厚度的定量遥感估算，得出对溢油量的估算将具有重要的现实意义。
三、发明内容
本发明的目的是：
提供一套利用地物光谱仪测量的标准油膜厚度变化的高光谱数据，根据星载传感器的性能指标，建立油膜厚度估算模型及其参数查找表，并以此计算卫星高光谱遥感影像中海洋溢油油膜厚度及分布的方法。
本发明的原理如下：
利用较新的高光谱遥感技术手段，针对海洋溢油污染油膜，获取溢油油品与海水样品，模拟并测量标准油膜厚度连续变化的高光谱反射率数据，获取该次溢油海域的高光谱卫星数据，根据卫星传感器的参数指标，将标准实验数据转换成卫星传感器的模拟数据，利用模拟数据结合油膜厚度计算模型去建立计算模型的参数查找表，卫星影像数据预处理后，通过归一化处理，消除不同水色背景差异的影响，利用掩膜技术，识别溢油污染区，再结合计算模型与参数查找表，计算海洋溢油污染区油膜厚度。
本发明的技术方案主要包括以下步骤：
(1)首先利用地物光谱仪，设计油膜厚度连续变化模拟实验，获取标准油膜厚度变化的光谱反射率数据(图3)，其中包含了油膜厚度指标、反射率大小和光谱响应范围。根据标准油膜厚度变化光谱，分析溢油油膜厚度估算的可用波段和油膜厚度的有效探测范围；海面溢油油膜厚度估计依靠背景反射率的大小，考虑水体的光学辐射特性，因此选定油膜厚度参数表与计算模型的可用光谱区间为380nm-760nm，油膜的最大探测厚度为54μm。
(2)根据卫星传感器的性能指标与参数，进行模拟数据的光谱重采样，地物光谱仪所测量的可用光谱数据范围为380nm-760nm，光谱分辨率为1nm；根据星载Hyperion高光谱传感器的性能指标(表1)，确定可用探测范围为426.8nm-762.6nm，光谱分辨率约为10nm，将实验模拟数据转换成星载传感器的模拟光谱数据(图4)。
(3)模拟光谱数据的归一化处理，消除水色背景差异，得到归一化反射率值NR，NR＝(Roil-Rmin)/(Rseawater-Rmin)，其中Roil为某一个波段油膜反射率值、Rmin为该波段最小油膜反射率值、Rseawater为该波段海水背景反射率值，归一化反射率值(NR)的变化区间为[0，1](图5)。
(4)油膜厚度估算模型，根据Beer定律，光强随着穿透介质长度的增加而逐步的衰减，因此油膜厚度光谱反射率与油膜的厚度具有负指数变化的关系，根据这一理论基础，可以建立油膜厚度与油膜归一化反射率的关系为：NR＝e(-a*d)，则根据步骤3中的归一化反射率公式，可以将该模型描述为(Roil-Rmin)/(Rseawater-Rmin)＝e(-a*d)，d为油膜厚度，Roil为所测量的标准油膜反射光谱，则可以根据这些参数估算各波段衰减系数a。
(5)海洋溢油高光谱卫星数据获取与处理，获取海洋溢油事故发生地的卫星高光谱影像数据，该数据经过辐射校正、大气校正等预处理后，得到卫星遥感反射率数据；对该数据进行取样分析，此过程为人工过程，需要均匀选择背景海水样点、海洋溢油样点与海面其它目标样点(图6(a))，分析这些样点的光谱特征(图6(b))，可以发现反射率的大小排列为海水反射率＞溢油油膜反射率，对这些目标取平均，并结合影像统计，获取平均海水背景反射率值、油膜最低反射率值(图6(c))；平均反射率曲线也有助于最优波段的选择，根据海水背景的反射率大小，选择背景海水反射率最高值所在波段为最优监测波段。
(6)对该影像反射率数据进行归一化处理，处理方法为NR＝(Roil-Rmin)/(Rseawater-Rmin)，考虑到卫星数据量较大，且只需要一个波段进行计算即可，因此选取其中一个最佳波段，其中心波长为548.9nm，进行影像数据反射率归一化处理，其中Roil为该波段油膜反射率值、Rmin为最小油膜反射率值、Rseawater为该波段海水背景反射率值，这些数据可采用图像统计的方法获得，计算得到该波段的归一化反射率影像(图7)。
(7)溢油区掩膜处理与油膜厚度计算，经过归一化处理后的反射率影像，其归一化值的范围为[0，D]，其中D＞1为非溢油区，因此先对该区做掩膜处理，保留溢油区信息，利用d＝(-1/a548.9)*LN(NR548.9)公式计算溢油区油膜厚度，其中NR548.9为掩膜处理后的卫星影像数据548.9nm波段的归一化反射率，a548.9为步骤4中计算得到的548.9nm波段衰减系数，可以计算得到该次溢油事故中溢油油膜厚度及其分布情况(图8)。
与现有技术相比，本发明优势体现在：高光谱遥感技术为海面溢油油膜厚度估算提供了有效的技术手段，与传统监测手段相比，该技术方法无需进入溢油污染现场，只需要在室内模拟测量溢油油膜厚度连续变化光谱，根据获取溢油信息的遥感传感器性能参数进行转换，建立相应的参数查找表，基于准确辐射校正和大气校正的卫星遥感反射率影像，能客观高效地估算由相同原油产生的海洋溢油油膜厚度及范围分布，该方法能满足海洋溢油应急监测的需求，提高溢油量应急监测与估算的准确度。
具体有益效果如下：
本发明利用地物光谱仪，模拟并获取了标准油膜厚度连续变化过程中的精细光谱反射率数据，基于溢油油膜厚度计算模型建立了相应的参数查找表，明确了利用该方法进行卫星影像中溢油油膜厚度估算的计算流程，利用该方法成功计算了海面溢油的油膜厚度。这种基于参数查找表计算卫星影像中油膜厚度的方法，能为今后海洋卫星溢油污染应急监测提供应用基础与相关信息，能降低溢油区监测的时间、人力和物力成本，保证监测精度，提高实时监测效率。
实际应用也表明，本发明提供了一套有效的方法，对今后的溢油污染监测与评估，只需要通过该方法建立一定的参数数据库，针对不同的卫星遥感影像的性能指标，均可以同过该发明进行参数的转换，基于准确辐射校正和大气校正得到的遥感反射率影像，能进一步用于海洋溢油油膜厚度的定量估算。该方法克服了传统方法需花费大量时间和大量人力物力，且降低了对溢油污染区的难进入的实际困难。该方法也能进一步增强高光谱遥感技术在海洋溢油油膜污染监测应用的普及性和有效性，可以更好地服务于海洋环境监测、海洋溢油污染评估、海洋溢油量估算与溢油污染定损索赔等海洋应用行业。
四、附图说明
图1为本发明的模拟实验图
图2为本发明的流程示意图；
图3为实验室测量的标准油膜厚度变化光谱反射率曲线；
图4为模拟卫星传感器获取的油膜厚度变化光谱反射率曲线；
图5为归一化反射率模拟光谱曲线；
图6为溢油区典型目标及其影像光谱
a.溢油区典型目标及其空间位置；
b.典型目标的采样光谱曲线；
c.典型目标的平均光谱曲线；
图7为548.9nm波段的归一化反射率影像；
图8为海洋溢油油膜厚度估算；
五、具体实施方式
以下通过实例对本发明作进一步解释：
以2007年中国辽东湾海域一次典型溢油污染监测为例，发生溢油事件后，获取了溢油发生区域的海水与原油样品。使用ASD地物光谱仪(具体参数如表1所示)，利用2盏50瓦卤素灯作为入射光源，入射光角度与上午10时的太阳高度角相近，在实验室内获取海水背景下不同油膜厚度的高光谱反射率数据(如图1)，该数据的光谱范围为350-2500nm，光谱分辨率为1nm，选取可见光波段380-760nm作为原始数据(如图3)。
表1ASD光谱仪的技术参数
获取了该溢油区的美国EO-1卫星的Hyperion高光谱影像，从该卫星数据的头文件中获取了传感器的指标参数，主要指标为中心波长与半波高宽(具体参数如表2)。
表2获取影像的传感器指标参数
利用该传感器的指标参数对原始数据进行光谱重采样，得到了模拟卫星传感器性能的油膜新反射率光谱数据，该数据的波长范围是426nm-762nm，光谱分辨率约为10nm(如图4)。利用NR＝(Roil-Rmin)/(Rseawater-Rmin)公式对模拟卫星数据进行光谱反射率归一化处理，消除水体背景的影响，得到反射率变化区间为[0，1]的光谱归一化反射率数据(NR)(如图5)，d为标准油膜厚度，-ln(NR)为光谱归一化反射率的负自然对数，计算每一个波段的衰减系数(a)，建立参数查找表(如表3)。
表3参数查找表
| 波段 | 衰减系数 | 波段 | 衰减系数 | 波段 | 衰减系数 |
| 426.8 | 0.305314 | 548.9 | 0.17393 | 671.0 | 0.139248 |
| 437.0 | 0.285706 | 559.1 | 0.169626 | 681.2 | 0.141208 |
| 447.2 | 0.270108 | 569.3 | 0.165695 | 691.4 | 0.143241 |
| 457.3 | 0.256464 | 579.4 | 0.161155 | 701.5 | 0.145742 |
| 467.5 | 0.244292 | 589.6 | 0.155855 | 711.7 | 0.148397 |
| 477.7 | 0.229676 | 599.8 | 0.152283 | 721.9 | 0.151876 |
| 487.9 | 0.216978 | 610.0 | 0.150945 | 732.1 | 0.155906 |
| 498.0 | 0.208976 | 620.1 | 0.14943 | 742.4 | 0.158393 |
| 508.2 | 0.202512 | 630.3 | 0.146741 | 752.4 | 0.159346 |
| 518.4 | 0.194176 | 640.5 | 0.142678 | 762.6 | 0.161446 |
| 528.6 | 0.185174 | 650.7 | 0.140031 | ||
| 538.8 | 0.179337 | 660.8 | 0.138799 |
最优波段选择，分析溢油区影像典型目标的影像特征，该区影像的典型目标为溢油油膜、背景海水和航迹线水体等三种类型，对每一种类型都选取若干个均匀分布点(图6a)，并获取这些点的Hyperion数据反射光谱曲线(图6b)，发现其反射率大小有规律的排布，其中航迹线反射率＞背景海水反射率＞溢油油膜反射率。背景海水的最大反射峰位于黄光波段550nm左右，是典型的二类水体光谱，考虑到高背景值更有利于油膜厚度的估算，因此选择548.9nm波段作为Hyperion影像中海洋溢油油膜厚度遥感估算的最优波段。
对Hyperion影像548.9nm波段做影像数据反射率归一化处理，计算公式为NR548.9nm＝(Roil-Rmin)/(Rseawater-Rmin)，该计算公式中，参数Rseawater为海水平均背景反射率，根据图6c统计平均得来；Rmin为溢油油膜的最低反射率值，可由548.9nm波段的图像统计得来。计算548.9nm波段的归一化反射率影像，如图7所示，归一化反射率影像值大于1的区域，为浑浊海水，航迹线所在水体、船等目标产生。利用掩膜技术剔除图7中归一化反射率值大于1的区域，并结合表3中548.9nm波段处的衰减系数，给定Hyperion厚度估算模型d＝-ln(NR548.9nm)/a，计算海面溢油油膜厚度及其分布，结果如图8所示。
从以上结果可以看出，本发明不仅能监测油膜厚度，基于不同厚度的油膜分布区域还能进一步用于溢油量的估算，这能为溢油污染评估与索赔提供依据，能满足海洋环境监测、海洋环境评价等相关行业的需求。
Claims (8)
1.一种基于参数查找表的海洋溢油油膜厚度高光谱遥感估算方法，开展实验模拟的设备包括：基于美国ASD公司生产的FieldSpec3Hr便携式地物光谱仪1台、50瓦卤素灯2盏和25°视场的探测镜头1个，其特征在于包括以下步骤：
(1)首先利用地物光谱仪，通过油膜厚度连续变化模拟实验，获取标准油膜厚度变化的光谱反射率数据，其中包含了油膜厚度指标、反射率大小和光谱响应范围参数，根据标准油膜厚度变化光谱，分析溢油油膜厚度估算的可用波段和油膜厚度的有效探测范围；海面溢油油膜厚度估计依靠背景反射率的大小，考虑水体的光学辐射特性，选定油膜厚度参数表与计算模型的可用光谱区间为380nm-760nm，油膜的最大探测厚度为54μm；
(2)根据卫星传感器的性能指标与参数，进行模拟数据的光谱重采样；地物光谱仪所测量的可用光谱数据范围为380nm-760nm，光谱分辨率为1nm；根据星载高光谱传感器的性能指标，可用探测范围为426.8nm-762.6nm，光谱分辨率约为10nm，将实验模拟数据转换成星载传感器的模拟光谱数据；
(3)模拟光谱数据的归一化处理，消除水色背景差异，得到归一化反射率值NR＝(Roil-Rmin)/(Rseawater-Rmin)，其中Roil为某一个波段油膜反射率值、Rmin为可探测最厚油膜该波段最小油膜反射率值、Rseawater为该波段海水背景反射率值，归一化反射率值的变化区间为0到1；
(4)油膜厚度估算模型，根据Beer定律，光强随着穿透介质长度的增加而逐步的衰减，因此油膜厚度光谱反射率与油膜的厚度具有负指数变化的关系，根据这一理论基础，可以建立油膜厚度与油膜归一化反射率的关系为：NR＝e(-a*d)，则根据步骤3中的归一化反射率公式，可以将该模型描述为：(Roil-Rmin)/(Rseawater-Rmin)＝e(-a*d)，d为油膜厚度，Roil为所测量的标准油膜反射光谱，可以根据这些参数估算各波段衰减系数a；
(5)海洋溢油高光谱卫星数据获取与处理，获取某次海洋溢油事故发生地的卫星高光谱影像数据，该数据经过辐射校正、大气校正预处理后，得到卫星遥感反射率数据；对该数据进行取样分析，此过程为人工过程，需要均匀选择背景海水样点与海洋溢油样点，分析这些样点的光谱特征，可以发现反射率的大小排列为海水反射率＞溢油油膜反射率，对这些目标取平均，并结合影像统计，获取平均海水背景反射率值Rseawater、油膜最低反射率值Rmin；根据海水背景的反射率大小，选择背景海水反射率最高值所在波段为最优监测波段；
(6)对该影像反射率数据进行归一化处理，处理方法为NR＝(Roil-Rmin)/(Rseawater-Rmin)，考虑到卫星数据量较大，只需要一个波段进行计算即可，因此选取其中一个最佳波段进行影像数据反射率归一化处理，其中Roil为该波段油膜反射率值、Rmin为最小油膜反射率值、Rseawater为该波段海水背景反射率值，这些数据可采用图像统计的方法获得，计算得到该波段的归一化反射率影像；
(7)溢油区掩膜处理与油膜厚度计算，经过归一化处理后的反射率影像，其归一化值的范围为从0到D，其中D＞1，因此先对归一化反射率影像中归一化反射率值小于1的区域做掩膜处理，保留溢油区信息，利用d＝(-1/a548.9)*LN(NR548.9)公式计算溢油区油膜厚度，其中NR548.9为掩膜处理后的卫星影像数据548.9nm波段的归一化反射率，a548.9为步骤4中计算得到的548.9nm波段衰减系数，可以计算得到该次溢油事故中溢油油膜厚度及其分布情况。
2.根据权利要求1所述的一种基于参数查找表的海洋溢油油膜厚度高光谱遥感估算方法，其特征在步骤1，所述油膜光谱反射率数据是由地物光谱仪获取的油膜厚度连续变化过程中的光谱曲线，其中包括了油膜厚度指标，光谱分辨率指标为1nm，连续光谱指标350nm-2500nm，对获取的光谱反射率曲线进行平滑处理，作为建立参数查找表的基础信息源。
3.根据权利要求1所述的一种基于参数查找表的海洋溢油油膜厚度高光谱遥感估算方法，其特征在步骤2，对实验室获取的标准反射率数据进行光谱重采样，根据需要计算的卫星光学传感器性能指标与探测波段，选择标准油膜反射率光谱的波段范围，根据卫星传感器的波段宽度、中心波长、半波高宽将标准油膜反射率光谱进行转换，将标准油膜反射率光谱数据模拟成卫星传感器所获取的光谱数据。
4.根据权利要求3所述的一种基于参数查找表的海洋溢油油膜厚度高光谱遥感估算方法，其特征在步骤3，对于获取的基础数据，将油膜光谱反射率曲线进行归一化处理，将油膜反射率光谱大小转换到从0到1的数值区间，消除实验背景的差异，使归一化油膜反射率光谱可以应用到不同海洋环境背景、不同光学卫星影像数据中去。
5.根据权利要求1-4之一所述的一种基于参数查找表的海洋溢油油膜厚度高光谱遥感估算方法，其特征在步骤4，基于Beer定律构建的油膜厚度光学模型能用来描述透明或半透明介质的光衰减行为，通过计算衰减系数作为油膜厚度计算模型的参数查找表，查找表数据用于所模拟卫星光学传感器获取的影像中的油膜厚度计算。
6.根据权利要求5所述的一种基于参数查找表的海洋溢油油膜厚度高光谱遥感估算方法，其特征在步骤5，卫星传感器获取的海洋溢油区影像，需要经过数据预处理，将其转换为反射率影像，在影像上手动提取溢油油膜和背景海水的反射率光谱曲线，确认海水背景反射率＞油膜反射率，对海水背景反射率光谱求平均，确认背景海水最高反射峰所在位置，以此作为计算的最优波段；统计最优波段海水背景反射率值和最低油膜反射率值，作为影像数据归一化处理的基础数据。
7.根据权利要求6所述的一种基于参数查找表的海洋溢油油膜厚度高光谱遥感估算方法，其特征在步骤6，以步骤5中获取的最优波段背景海水反射率值和最低油膜反射率值，结合步骤3中计算归一化油膜反射率公式，计算最优卫星遥感影像数据，获得归一化影像数据，归一化遥感影像反射率值＜1，可以视为影像中油膜覆盖区；归一化遥感影像反射率值＞1，可以视为高反射率目标物，为高悬浮物海水、航迹线水体与船。
8.根据权利要求7所述的一种基于参数查找表的海洋溢油油膜厚度高光谱遥感估算方法，其特征在步骤7，对归一化卫星影像数据进行掩膜处理，保留归一化反射率值小于1的海域，结合步骤4中建立的参数查找表与步骤7中的油膜厚度计算模型，对最优波段进行计算，获取该海域溢油油膜厚度及其分布数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210531836.5A CN102997856B (zh) | 2012-12-12 | 2012-12-12 | 一种基于参数查找表的海洋溢油油膜厚度高光谱遥感估算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210531836.5A CN102997856B (zh) | 2012-12-12 | 2012-12-12 | 一种基于参数查找表的海洋溢油油膜厚度高光谱遥感估算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102997856A CN102997856A (zh) | 2013-03-27 |
| CN102997856B true CN102997856B (zh) | 2016-08-03 |
Family
ID=47926738
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210531836.5A Expired - Fee Related CN102997856B (zh) | 2012-12-12 | 2012-12-12 | 一种基于参数查找表的海洋溢油油膜厚度高光谱遥感估算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102997856B (zh) |
Families Citing this family (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103472037B (zh) * | 2013-09-10 | 2015-12-09 | 淮南矿业(集团)有限责任公司 | 沉陷积水区的水环境监测方法及装置 |
| CN104122233A (zh) * | 2014-07-29 | 2014-10-29 | 大连海事大学 | 一种海面不同厚度原油油膜高光谱探测通道选择方法 |
| CN104775498A (zh) * | 2015-04-20 | 2015-07-15 | 中国石油化工股份有限公司 | 石油石化企业水体环境风险控制方法 |
| CN105352861B (zh) * | 2015-11-25 | 2017-12-19 | 中国科学院南海海洋研究所 | 浮游植物粒级结构分析方法 |
| CN105844298A (zh) * | 2016-03-23 | 2016-08-10 | 中国石油大学(华东) | 一种基于Fuzzy ARTMAP神经网络的高光谱溢油影像分类方法 |
| CN106066210B (zh) * | 2016-06-12 | 2019-01-18 | 中国石油天然气股份有限公司 | 一种含油污染水体的识别方法及装置 |
| CN106323179A (zh) * | 2016-08-12 | 2017-01-11 | 大连海事大学 | 一种基于拉曼光谱进行油膜厚度测量的装置及方法 |
| CN106769882B (zh) * | 2016-11-01 | 2021-12-03 | 深圳先进技术研究院 | 溢油监测仪及其监测方法 |
| CN106767457A (zh) * | 2016-12-19 | 2017-05-31 | 中国科学院烟台海岸带研究所 | 一种基于拉曼光谱测量的水面油膜厚度测量方法及装置 |
| CN107356535B (zh) * | 2017-06-12 | 2020-06-05 | 湖北久之洋红外系统股份有限公司 | 一种基于光谱成像技术的海上溢油检测方法 |
| CN108732109B (zh) * | 2018-02-26 | 2022-02-01 | 中国石油天然气股份有限公司 | 油藏定位与油膜筛选的方法、装置及计算机存储介质 |
| CN108956538B (zh) * | 2018-06-28 | 2021-03-09 | 中国石油天然气股份有限公司 | 河流溢油量遥感检测方法及装置 |
| RU2694096C1 (ru) * | 2018-09-11 | 2019-07-09 | Федеральное государственное бюджетное военное образовательное учреждение высшего образования "Военно-космическая академия имени А.Ф. Можайского" Министерства обороны Российской Федерации | Способ определения удельной массы нефтяных пленок на водной поверхности по гиперспектральным данным дистанционного зондирования Земли |
| CN109540007B (zh) * | 2019-01-02 | 2021-08-27 | 长江存储科技有限责任公司 | 超厚薄膜的测量方法和测量装置 |
| CN110188727B (zh) * | 2019-06-05 | 2021-11-05 | 中煤航测遥感集团有限公司 | 海洋溢油量估算方法及装置 |
| RU2714517C1 (ru) * | 2019-08-21 | 2020-02-18 | Общество с ограниченной ответственностью "Научно-исследовательский институт проблем Каспийского моря" | Способ определения источников загрязнения углеводородами открытых акваторий морей в районах разработки нефтегазовых месторождений. |
| CN110609017A (zh) * | 2019-09-12 | 2019-12-24 | 大连海事大学 | 一种基于反射率光谱的溢油风化时间分析方法及应用 |
| CN110646793A (zh) * | 2019-09-30 | 2020-01-03 | 浙江海洋大学 | 一种基于遥感的海洋溢油检测装置 |
| CN110553609B (zh) * | 2019-10-21 | 2021-07-23 | 中国人民解放军61540部队 | 一种确定深海压力仪海深测量精度的方法及系统 |
| CN111291665B (zh) * | 2020-01-22 | 2022-04-01 | 广东牵引信息科技有限公司 | 一种海洋溢油乳化预测方法、设备及存储介质 |
| CN111624164B (zh) * | 2020-03-19 | 2023-06-02 | 自然资源部第一海洋研究所 | 基于光谱标准差特征分析的海洋溢油油种高光谱识别方法 |
| CN111412844B (zh) * | 2020-04-30 | 2021-06-15 | 重庆交通大学 | 基于溢油扩展实验的油膜厚度检测方法 |
| CN111723722A (zh) * | 2020-06-15 | 2020-09-29 | 泰州市金海运船用设备有限责任公司 | 一种海洋表面油污报警观测系统 |
| CN113267132B (zh) * | 2021-07-16 | 2021-09-17 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种基于双色成像的全局油膜厚度在线测量方法 |
| CN113567352B (zh) * | 2021-08-16 | 2022-06-03 | 中国人民解放军63921部队 | 一种基于偏振半球空域辐照的海洋溢油的检测方法及装置 |
| CN115430470A (zh) * | 2022-09-13 | 2022-12-06 | 广东电网有限责任公司 | 一种电力电容器漏油监测及催化降解装置系统 |
| CN117029701B (zh) * | 2023-10-09 | 2023-12-15 | 交通运输部天津水运工程科学研究所 | 一种沿海水域非接触式溢油监测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101619961A (zh) * | 2009-07-30 | 2010-01-06 | 天津维普泰克科技发展有限公司 | 一种海测船载海域油污染容积的在线测量传感系统 |
| RU2387977C1 (ru) * | 2008-12-29 | 2010-04-27 | Государственное образовательное учреждение высшего профессионального образования "Московский государственный технический университет имени Н.Э. Баумана" (МГТУ им. Н.Э. Баумана) | Неконтактный способ обнаружения нефтяных загрязнений на поверхности воды |
| CN101923649A (zh) * | 2010-06-22 | 2010-12-22 | 中国海洋大学 | 一种基于荧光光谱的溢油种类识别方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2304759C1 (ru) * | 2005-11-10 | 2007-08-20 | Научно-Исследовательский Институт Радиоэлектроники и лазерной техники (НИИ РЛ) Московского Государственного Технического Университета им. Н.Э. Баумана | Дистанционный трехволновой способ измерения толщины тонких пленок |
| US8124931B2 (en) * | 2007-08-10 | 2012-02-28 | Schlumberger Technology Corporation | Method and apparatus for oil spill detection |
-
2012
- 2012-12-12 CN CN201210531836.5A patent/CN102997856B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2387977C1 (ru) * | 2008-12-29 | 2010-04-27 | Государственное образовательное учреждение высшего профессионального образования "Московский государственный технический университет имени Н.Э. Баумана" (МГТУ им. Н.Э. Баумана) | Неконтактный способ обнаружения нефтяных загрязнений на поверхности воды |
| CN101619961A (zh) * | 2009-07-30 | 2010-01-06 | 天津维普泰克科技发展有限公司 | 一种海测船载海域油污染容积的在线测量传感系统 |
| CN101923649A (zh) * | 2010-06-22 | 2010-12-22 | 中国海洋大学 | 一种基于荧光光谱的溢油种类识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102997856A (zh) | 2013-03-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102997856B (zh) | 一种基于参数查找表的海洋溢油油膜厚度高光谱遥感估算方法 | |
| Karlsson et al. | Comparison between manta trawl and in situ pump filtration methods, and guidance for visual identification of microplastics in surface waters | |
| CN102507474B (zh) | 一种船舶溢油目标的识别方法及系统 | |
| Duan et al. | Comparison of different semi-empirical algorithms to estimate chlorophyll-a concentration in inland lake water | |
| Zhao et al. | Assessment of satellite-derived diffuse attenuation coefficients and euphotic depths in south Florida coastal waters | |
| Sun et al. | A semi-analytical approach for detecting suspended particulate composition in complex turbid inland waters (China) | |
| CN112989692A (zh) | 基于遥感数据的湖泊富营养化反演方法 | |
| CN104122233A (zh) | 一种海面不同厚度原油油膜高光谱探测通道选择方法 | |
| CN109766909B (zh) | 基于谱图融合的海岸环境微塑料老化行为解析方法 | |
| CN103017668B (zh) | 基于高光谱遥感反射率的海冰厚度计算方法 | |
| Tian et al. | Differentiating aquatic plant communities in a eutrophic river using hyperspectral and multispectral remote sensing | |
| CN109540845A (zh) | 一种利用无人机搭载光谱仪的水质监测方法 | |
| Chen et al. | An improved three-band semi-analytical algorithm for estimating chlorophyll-a concentration in highly turbid coastal waters: a case study of the Yellow River estuary, China | |
| Salyuk et al. | Determination of the chlorophyll a concentration by MODIS-Aqua and VIIRS satellite radiometers in Eastern Arctic and Bering Sea | |
| Zheng et al. | A semi-analytical model to estimate Chlorophyll-a spatial-temporal patterns from Orbita Hyperspectral image in inland eutrophic waters | |
| Kisevic et al. | The use of hyperspectral data for evaluation of water quality parameters in the River Sava | |
| Tarasov et al. | Estimating the water turbidity in the Selenga River and adjacent waters of Lake Baikal using remote sensing data | |
| Aitken et al. | Prelude to CZMIL: seafloor imaging and classification results achieved with CHARTS and the Rapid Environmental Assessment (REA) Processor | |
| Chen et al. | Scale correction of two-band ratio of red to near-infrared using imagery histogram approach: A case study on Indian remote sensing satellite in Yellow River estuary | |
| Liu et al. | Estimation of total suspended matter in the Zhujiang (Pearl) River estuary from Hyperion imagery | |
| Tu et al. | Rapid diagnosis of corrosion beneath epoxy protective coating using non-contact THz-TDS technique | |
| Wang et al. | Estimation of total suspended solids concentration by hyperspectral remote sensing in Liaodong Bay | |
| Khondoker et al. | The challenges of river bathymetry survey using Space borne remote sensing in Bangladesh | |
| Wang et al. | Monitoring phycocyanin concentrations in high-latitude inland lakes using Sentinel-3 OLCI data: The case of Lake Hulun, China | |
| Liu et al. | Spectral characteristics of weathered oil films on water surface and selection of potential sensitive bands in hyper-spectral images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160803 Termination date: 20161212 |