多源SAR遥感影像海上溢油业务化监测系统研究

曹红俊，王瑞富,2，李家贵，段雅萍，王人杰，李成鹏

(1. 山东科技大学 测绘科学与工程学院，山东 青岛 266590；2. 海岛(礁)测绘技术国家测绘与地理信息局重点实验室，山东 青岛 266590)

0 引 言

随着我国经济的快速发展，石油需求日益增加，海上交通运输业蓬勃发展，海洋石油资源不断开发，海洋溢油事故也频繁发生[1]。2010年7月16日，大连新港发生漏油事件，溢油总量达到150万千克（1500吨），致使430余平方千米海面受污染[2]。2011年6月4日，中海油和美国康菲石油公司合作开发的渤海湾油气田蓬莱19-3的B平台和C平台相继发生溢油事件，累计污染海域5500平方千米，造成劣四类海水约870平方千米，最严重时形成158平方千米油污海水面积，造成了巨大的经济损失与生态灾难[3]。溢油事故发生后，只有实时监测溢油信息，才能有效提高溢油应急响应能力，降低溢油污染风险。

SAR(Synthetic Aperture Radar)卫星具有全天候、全天时、高分辨率和大范围同步对海观测的优势，使其在海洋预报、资源勘探、灾害评估和军事侦察领域得到广泛应用，是现今公认的溢油实时监测的最有效手段之一。星载SAR探测海上溢油的研究不断深入，国内外科学家提出了大量的海上溢油信息提取的方法。Barni[4]等将模糊C-均值聚类算法与多尺度相结合，应用于SAR图像的溢油目标分割监测。Konstantinos[5]等人采用MLP神经网络对溢油分类，获得理想效果。在众多研究成果的基础上，很多发达国家研发了基于SAR影像的溢油遥感业务化监测系统，如挪威的KSAT系统[6]、法国的BOOST系统[7]和加拿大的OMW系统[8]。国内在SAR溢油监测方面起步较晚，如今也开展了一系列研究，但能够真正将研究成果应用到业务化监测中的不多。

1 系统目标

通过对目前溢油业务化监测系统的调研，结合业务化应用单位的需求，制定了本系统建设目标，实现溢油业务化监测流程一键式处理，使系统易使用、易维护和易扩展。本系统基于GIS技术和遥感图像处理技术开发了SAR影像溢油信息监测系统，系统支持ENVISAT、RadarSAT-2、TerraSAR-X和CosmoSkymed4种星载SAR数据处理，具有SAR数据处理、感兴趣区溢油信息提取、溢油专题制图和制作溢油监测快报等功能，能够提高溢油监测效率，满足业务化需求。

2 系统设计

2.1 系统框架设计

按照SAR影像溢油信息提取业务化处理流程，对系统框架进行设计，如图1所示。

图1 海上溢油监测系统框架图Fig. 1 Framework of marine oil spill monitoring system

系统框架分为三层：数据层、业务逻辑层和表现层。

数据层是系统框架的底层，存储和管理系统数据，数据包括基础地理空间数据、影像数据、AIS数据和海洋环境场数据。

业务逻辑层是系统框架的核心层，通过接受客户端用户请求，调用数据层数据，对数据进行解析处理，并将结果反馈到客户端。

表现层通过桌面客户端显示表达GIS数据，并为用户提供数据查询、地图交互、溢油检测、地图制图、快报发布等功能。

2.2 系统功能模块设计

系统主要功能模块如图2所示。

图2 系统功能模块Fig. 2 Function modules of the system

具体模块介绍如下：

数据管理模块实现系统数据的组织与管理，包括遥感影像与要素数据的加载，地图文档的加载与保存，栅格数据拉伸渲染，海洋环境场（主要是风场和流场）数据的解析与可视化，以及新建ROI功能。

信息提取模块是系统的主体功能。该模块基于GDAL(Geospatial Data Abstraction Library)实现了SAR影像的预处理。采用多尺度图像分割算法和灰度对比度特征提取算法实现SAR影像溢油信息提取，并封装了溢油信息提取模块，实现油膜提取的一键化处理，并在此基础上对溢油信息加以处理与分析。此外，还实现了SAR影像的舰船检测以及AIS信息融合功能。

产品制作模块，基于GIS平台制作符合工程规范和行业需求的溢油专题图和监测快报。

系统工具主要包括地图平移、缩放、全图、距离/面积测量、地理要素识别和要素编辑器等地图交互工具。

3 关键技术

3.1 SAR影像预处理

本系统支持的4种星载SAR数据属于第二代星载SAR系统的产品，影像参数见表1。

表1 SAR影像产品参数Tab. 1 Parameters of SAR image products

SAR影像预处理模块主要依靠GDAL库实现，GDAL是一个在X/MIT许可协议下的开源栅格空间数据转换库，几乎支持目前所有的遥感数据格式[9]。GDAL对C++兼容性更强，影像预处理算法采用C++语言实现。由于系统采用C#语言作为基础底层语言，为实现兼容性，将遥感影像预处理算法封装成动态链接库，实现.NET平台无缝集成遥感影像预处理。该模块实现了多源SAR影像读取、几何校正、投影转换、陆地掩膜、影像裁剪和位深转换等过程的一键处理。系统预处理界面如图3所示。

图3 影像一键预处理界面Fig. 3 Interface of image one-key processing

通常情况下，整景影像范围内溢油信息较少，如果对整景影像进行处理，会降低效率。为此，系统设计实现了基于感兴趣区域SAR影像溢油信息提取，系统基于GIS的绘图功能设计了ROI编辑工具，实现了GIS环境下绘制ROI,并利用gdalwarp工具实现感兴趣区域影像裁剪，能够更有针对性地提取溢油信息。

影像数据像素深度均为16-bit，为了充分考虑SAR图像的灰度统计特征，增强区分度，对裁剪后的SAR图像位深进行转化，将像素深度转为8-bit。位深转化减少了SAR奇异点像素的影响，提高处理速度，便于溢油检测。算法公式如下：

式中，P8:8-bit图像像素值，P16:16-bit图像像素值，C:8-bit图像像素最小值，D:8-bit图像像素最大值，A:16-bit图像像素最小值，σ:16-bit图像像素标准差，¯χ:16-bit图像像素平均值。

3.2 溢油信息提取

海面溢油在SAR影像上表现为暗斑，此外，海面低风速区、海洋内波、鱼团和油脂状海冰等也表现出油膜类似的暗特征，称为类油膜现象[10]。油膜与类油膜的区分是SAR影像溢油提取的关键。系统基于遥感图像处理技术和GIS技术实现了溢油信息提取模块的开发，该模块集成了遥感图像处理算法，分别是多尺度图像分割算法和基于灰度对比度特征的溢油检测算法，并将算法封装为动态链接库，实现了跨平台集成。

如图4所示，在溢油信息提取流程中，首先，对目标影像进行分块处理，提高处理效率；然后对每一个分块的子图像进行图像分割，将油膜或类油膜从背景海水中提取出来，图像分割采用多尺度图像分割算法，默认分块大小为100×100，也可以按照影像范围大小设置分块大小，算法主要利用暗斑灰度阈值、斑块尺寸参数和斑块形状参数检测子图像中的所有暗斑；进而基于暗斑灰度对比度差异特征排除类油膜；最后，将所有子图像的溢油检测结果进行栅格镶嵌，形成完整的检测结果。

图4 溢油提取流程Fig. 4 The extraction process of oil spill

如图5所示，图a1、图a3分别是ENVISAT影像图和溢油提取结果，图b1、图b3分别是RadarSAT-2影像图和溢油提取结果，图c1、图c3分别是CosmoSkymed影像图和溢油结果，图d1、图d3分别是TerraSAR-X影像图和溢油提取结果。

图5 溢油信息提取结果和专家解译结果Fig. 5 Oil spill information extraction results and expert interpretation results

分析，图5中a2、b2、c2和d2是相应油斑的专家提取结果。表2是本系统溢油提取结果与专家提取结果的对比分析，由表中数据可得本系统溢油提取结果与专家提取结果面积差不超过6.7%，空间分布重叠率达到80%以上，在可接受范围，证明本系统提取效果较好，该方法切实有效可行。

表2 专家解译结果对比Tab. 2 Comparison of expert interpretation results

3.3 溢油信息处理与分析

溢油信息提取模块提取的信息是栅格数据，由于栅格数据结构是由规则的网格来表达地理实体，致使提取出的油斑边界锯齿化严重，边界锯齿现象如图6a所示，与现实中油斑边界光滑的情况不符，且难以将栅格数据进行边缘平滑处理。系统实现了溢油结果的栅格矢量化处理，进而对矢量数据进行平滑处理，解决了油斑边界锯齿化问题，经平滑后效果如图6b所示。

图6 边界处理Fig. 6 Boundary processing

根据系统应用需求，系统制作完成了油斑边界点提取功能，经平滑处理后的油斑节点过多，根据油斑边界特征对节点进行抽稀，用精简的节点高质量地表达边界特征。边界点提取效果如图6c所示。

油斑平滑处理完成后，基于GIS空间分析功能，分别计算油斑中心点坐标、面积、几何形状和溢油源等，并保存到属性表中，以备制作专题快报时调用。

本系统利用现有数据分别对港口溢油、船舶溢油和海上采油平台溢油进行了分析，并实现溢油源的初步判断。船舶溢油在海洋溢油事故中发生频率最高，船舶碰撞、搁浅、破裂以及非法排污等导致溢油污染时有发生。针对船舶溢油监测需求，系统基于SAR影像数据对海上溢油事发周围舰船目标进行检测，为了提高舰船检测的精度，在此基础上，实现了SAR影像舰船检测结果与船只AIS信息的融合。

4 系统实现

多源遥感影像海上溢油业务化监测系统实现技术路线方案如图7所示，系统以GIS技术和遥感图像处理技术为基础，采用C#语言，基于ArcEngine10.1嵌入式GIS组件库和GDAL开源栅格空间数据转换库研发而成。系统界面如图8所示。

图7 系统技术路线Fig. 7 The strategy of the system technology

图8 系统主界面Fig.8 The main interface of the system

系统实现了海洋环境数据的导入，供用户提取溢油信息时参考，根据风向和洋流可帮助用户初步判断溢油漂移扩散的走向，并及时发出预警，提前防范。风场数据是二进制流文件，流场数据是netCDF文件，系统分别实现了风场和流场数据解析、生成和渲染，可视化效果如图9所示。

图9 风场和流场显示Fig.9 Displays of the wind fields and flow fields

溢油信息提取完成后，需生成符合行业需求的溢油监测产品，监测产品包括溢油专题图和溢油快报。系统制作完成了一键化出图模块，用户只需手动框选出图范围，系统自动生成专题地图，并添加到报表中，实现快报的快速生成，提高了业务化监测效率。

1）溢油专题图输出

本系统基于GIS图形绘制技术，提升了专题制图功能，做到了人工交互选择出图范围，自适应绘制经纬网，网格线自动调整与标注，比例尺、指北针和文字等整饰要素自动添加与人工交互设置两种方式添加，并实现自动获取影像来源、成像时间、分辨率和坐标系等影像信息。溢油专题图分别有影像图和解译图，溢油专题图如图10a所示。

图10 溢油专题图和溢油快报Fig.10 Thematic maps and reports of oil spill

2）溢油快报输出

本系统根据海洋溢油报表输出规范，自定义海洋溢油监测报表输出模板。并以书签形式自动插入快报内容到Word模板，实现快报全自动输出。快报内容包括快报制作时间、制作人、发布时间和溢油区概况等文字信息，溢油信息统计表和溢油专题图等图表信息。快报内容如图10b所示。其中溢油信息统计表内容包括油斑中心位置、面积、形状描述、置信度和溢油源等信息。

5 结束语

基于GIS技术和遥感影像处理技术研发的海上溢油信息业务化监测系统集成了海洋溢油业务化监测流程，包括多源SAR影像数据预处理、SAR影像海上溢油信息提取与分析、溢油专题图制作和监测快报输出，提高了海洋溢油业务化监测效率。系统还实现了海洋环境数据的导入和舰船检测功能，进一步提高了溢油信息监测的准确度，能够为北海区的溢油业务化监测提供高质量的服务。

与现有的溢油监测系统相比，如国家卫星海洋应用中心的渤海溢油遥感检测系统，本系统可支持更多类型的SAR影像，并新增海洋环境场显示和舰船检测功能，并采用ROI和图像分块处理方法提取溢油信息，在大图像信息处理上效率更高。此外，系统还有些许不足，如溢油信息提取灰度阈值的设置还需人为干预，降低了系统自动化程度，这些都有待进一步改进与完善。