基于QGIS的油田遥感信息提取系统研究

刘 焱，王 媛，辛凯强，孙晨红

(1.北京中科航天人才服务有限公司陕西省分公司，陕西 西安 710000;2.河北师范大学地理科学学院，河北 石家庄 050024;3.陕西航天技术应用研究院有限公司，陕西 西安 710000;4.自然资源陕西省卫星应用技术中心，陕西 西安 710050)

0 引言

石油是工业血液，经济发展的源动力。但石油致害力也高，受暴雨等自然灾害影响较大，洪水、油气渗漏等会给油气开采带来潜在威胁，同时也会造成生态环境的破坏[1-2]。加强对石油生产设施的核查、监测力度对石油勘探开发具有重要的意义[3-4]。遥感卫星技术作为信息获取的一种重要技术手段，具备动态监测的能力，在各个领域发挥越来越大的作用，通过遥感图像可以从宏观上识别地物目标，实现遥感专题信息的提取工作，例如油田油气微渗漏异常信息、运输管线和交通线路等地面工程解译，以及灾害危险信息等。本文提出的油田遥感信息提取系统以遥感、GIS为基础，以油区道路、水体以及油气微渗漏提取为核心，能够方便快捷地进行数据处理、分析及专题信息提取，为油田勘探开发提供决策支持。

1 油田遥感信息提取系统设计

1.1 系统开发模式

在综合比较各种遥感图像处理系统开发模式的基础上，选择开源QGIS进行二次开发。QGIS作为一个专业的的桌面地理信息平台应用框架，实现了地理信息应用领域通用完备底层服务，使得开发人员可以在一个已有的通用功能的基础上进行更加专业的系统开发[5-6]。QGIS应用框架以软件设计的重用性和系统的可扩展性为原则，以缩短大型应用软件系统的开发周期，提高开发质量为目标。与传统的从底层开发的区别在于，QGIS应用框架技术强调的是通用功能的可重用性，系统开发人员直接可以重用它的一些底层的算法，而不必关注这些算法如何实现，它通过提供一些外部接口，使得从已有构件库中建立应用变得简单[7-8]。同时由于框架在结构上的可扩展性，使得开发人员在此基础上能够方便进行第三方库的引入。因此，笔者基于开源QGIS地理信息平台应用框架，以Visual Studio 2015作为二次开发平台，利用C++、QT语言进行了油田遥感信息提取系统的开发。

1.2 系统建立流程

创建油田遥感信息提取系统首先需要收集相关地图资料和遥感影像等数据，本系统中使用到卫星影像数据包括GF-2、Landsat-7 ETM+以及Hypersion。然后，对遥感影像数据进行预处理，包括几何校正、正射校正、图像增强、空间变换、滤波以及高光谱分析处理，并对处理后的数据归档及录入数据库。最后，从软件开发的角度进行需求设计、开发架构设计以及功能设计，利用Microsoft Visual Studio 2015可视化集成开发平台完成对油田遥感专题信息提取系统功能的开发，实现从遥感图像中获取与油田勘探开发有关信息的需求。本文以中石化油田为例，主要提取道路、水体和油气微渗漏信息，如图1所示。

图1 油田遥感信息提取系统建立流程图

1.3 系统功能结构

图2 系统功能结构图

系统采用模块化分块设计，油田遥感信息提取系统按照功能不同分为多个一级模块，在各个一级模块下根据需要设二级分模块，二级分模块下即为具体的子功能模块，通过一级模块+二级分模块+子功能模块的形式，形成层次化的模块结构。油田遥感信息提取系统由工程模块、视图模块、图像校正模块、图像增强模块、光谱分析模块和信息提取模块组成，如图2所示。

1.4 数据读取与可视化

空间数据读取与可视化是遥感信息提取系统基本功能之一。空间数据从数据结构上分为栅格文件和矢量文件，在遥感图像中，主要包括GeoTiff、IMG、PIX等栅格格式。QGIS地理信息平台支持一些通用遥感数据格式的读取，对于无法读取的数据格式，通过GDAL栅格地理数据格式库新建数据驱动，调用GDALAllRegister()函数来进行扩展。系统可视化界面如图3所示。

图3 系统可视化界面

1.5 油田遥感数据处理

系统不仅能够为用户提供可视化服务，而且在QGIS平台基础上进行了数据处理应用扩展，油田遥感信息提取系统不仅开发了基础的几何校正、投影转换服务，而且集成了图像分析模块，通过图像的拉伸、锐化、像元分析等为油田遥感专题信息提取提供辅助决策，包括图像增强、光谱分析等。

图像增强模块针对遥感影像像元值，通过相应的卷积算法进行色调调整，突出图像中的有用信息，使图像中感兴趣的内容得以强调和清晰，从而有利于目视解译和计算机信息提取。

光谱分析模块从像元光谱特征出发，建立针对高光谱图像进行特征分析的模型，包括光谱特征、边缘特征、纹理特征、形状特征等数据进行分析，以获取相关的图形分析结果。

1.6 油田遥感专题信息提取

油田遥感信息提取模块在数据处理功能的基础上，开发了针对不同遥感影像专题信息提取功能，实现了道路、水体、油气微渗漏等信息提取。专题信息提取模块基于QGIS平台框架，通过C++、QT编程语言实现了自己特有的图形及数据管理组件，可以独立运行，目前只实现了部分关键信息快速提取算法。为了后续能够扩展信息提取模块，平台预留了算法扩展接口，方便不断完善油田遥感应用平台。

2 关键技术

2.1 道路提取

2.1.1 技术流程

道路提取算法从自动化程度上分为全自动和半自动算法[9]。由于目前计算机人工智能还不能实现全自动从数字影像中理解与提取地物信息，因此本系统在经过反复试验和野外验证的基础上，决定采用针对油田工作区遥感影像的、基于模板匹配的半自动提取算法。

模板匹配道路提取算法是一种半自动提取方法，它需要手动创建模板，统计目标区域剖面像元与模板区域剖面像元灰度值差的平方和，最小值对应的像元点作为新的道路点，同时计算旧点与该点连接的直线与水平方向直线的夹角[10](图4)。具体步骤如下：

图4 道路提取算法流程图

(1)首先通过人工交互确定道路中心线的起点，一般包括道路中心点在内的3个以上点。

markMatchPoint(Point pre_pt,Point cur_pt)

(2)创建道路模板剖面。通过人工交互的方式获取道路的起点p、道路延伸方向θ、道路宽度w, 垂直于道路延伸方向的道路剖面，剖面宽度L是道路宽度w的2倍。

cross_width=abs(pre_pt.x-cur_pt.x)

cross_height=abs(pre_pt.y-cur_pt.y)

cross_widthy=2*cross_width

Templ=getTempl(pre_pt,cur_pt)

(3)创建道路的目标剖面，统计模板剖面像元与目标剖面像元的灰度差平方和。从当前道路点沿道路延伸方向θ前进长度s，到达点p，然后在道路延伸方向上实施几何变换，形成多个目标剖面，计算这些目标剖面的像元灰度值与模板剖面的差的平方和，最小值对应的像元点作为新的道路点，同时计算旧点与该点连接的直线与水平方向直线的夹角。

matchTemplate( cross_Yimg, Templ, cross_Result, CV_TM_SQDIFF )

minMaxLoc( cross_Result, &cross_minValue, &cross_maxValue, &cross_minLoc, &cross_maxLoc, mask)

(4)判断道路提取结束条件。如果到达影像的边界，或者延伸到之前已提取的道路，或者最小二乘的结果超过规定的阈值T，则跳到步骤(5)；否则，将该新提取的道路点添加到追踪轨迹中，并跳到步骤(3)。

(5)结束道路提取，人工进行判别、整理。

2.1.2 试验分析

利用中石化某油田东部区域一张GF-2全色影像对上述模版匹配道路提取算法进行了验证，该图像的大小为3 124像元×3 160像元，图像上道路特征明显，路面辐射比较均一，有少量树木造成的遮蔽。试验统计发现在提取过程中出现追踪错误次数、追踪停止次数、提示用户手工输入次数分别为10次、12次、69次，总耗时1 900s。

2.2 水体提取

2.2.1 技术途径

水的光谱特征是由水的物理和化学性质决定的。对于清水，在可见光波段500nm之前，水的吸收和反射率较低，透射较高；在蓝—绿光波段反射率4%～5%，500nm以下的红光部分反射率降到2%～3%，在近红外和短波红外波段几乎全部吸收，反射很少，因此利用红外波段提取水体较为可行[11]。

结合水体的光谱特征，通过特征波段构造水体指数模型实现水体提取。归一化水体指数(NDWI)模型[12]就是一种广泛使用的算法，其表达式为:

NDWI=(band2-band4)/(band2+band4)

(1)

式中:band2、band4分别表示TM影像中的第2和第4波段，NDWI模型根据水体和植被在绿光和近红外两个波段的反射吸收波谱差异，使植被等干扰信息得到最大限度的抑制，而水体信息得到最大程度的增强。主要实现流程如下：

(1)计算NDWI：ndwi[i]=(green[i]-nir[i])/(nir[i]+green[i])。

(2)保存NDWI，并以文件形式输出：SaveNDWI(rows, cols, ndwi, NdwiFile)。

2.2.2 试验分析

试验选择中石化某油田东部区域Landsat-7 ETM+遥感影像，计算NDWI后，根据水体指数灰度直方图，确定区分水体与非水体的阈值, 输出水体信息分布影像。通过精度评定发现，Kappa系数达到0.983 3，漏提率0.15%，误提率0.75%，总体精度达到98.65%。

2.3 油气微渗漏信息提取

2.3.1 技术途径

微渗漏烃类扩散到地表后，在水和微生物的作用下，与土壤中的金属离子反应生成碳酸盐，因此油气层上方地表土壤的碳酸盐总量显著提高，其特征吸收波段在2 350nm左右。同时微渗漏烃类中所含的氢硫化物和碳氢化物改变了上覆岩层的酸碱环境，pH值降低，酸性环境使得岩石中长石矿物被粘土矿物所置换，改变了地表上粘土矿物的分布，致使油气层上方地表粘土矿物丰度明显提高[12]。试验发现粘土矿化在2.2μm处表现为较强的羟基基团的吸收特征。

试验发现矿物含量与光谱吸收特征参数吸收深度H相关性最高，结合到具体识别上，希望构建一个来指示油气异常点[13-14]的模型，通过大量试验表明，有烃类成因的碳酸盐矿物的吸收深度与粘土矿物的吸收深度基本上接近，因此根据这个原理构建了一个指示油气微渗漏的快速指数(FI)模型[15]。

(2)

式中:H1代表碳酸盐蚀变特征的光谱吸收深度，H2为粘土矿物蚀变特征的光谱吸收深度。在油气微渗漏区域，由于两种蚀变矿物吸收深度接近，所以模型中分子较大，分母较小，FI值较大。具体步骤如下：

(1)打开原始影像数据，进行几何校正、研究区剪裁等数据预处理工作。

(2)对预处理后的影像进行包络线去除。

continuumRemoval(srcFile，resultFile)；

(3)定义去除包络线之后影像上2 200nm附近处的波段为band1，定义2 350nm附近处的波段为band2，分别计算1-band1和1-band2，即为碳酸盐矿物和粘土矿物特征吸收位置处的吸收深度H1和H2。

(4)利用式(2)计算整幅影像的FI值。

FI[i*x_size+j]=((1-D[index_first_wavelength])+(1-D[index_second_wavelength]))/ abs((1-D[index_first_wavelength])-(1-D[index_second_wavelength]))；

(5)利用同样的方法计算实测数据，根据实际采样点的分布情况定义油气指数的阈值T，FI>T为油气微渗漏分布处。

2.3.2 试验分析

利用中石化某油田东部地区一张Hyperion高光谱影像进行油气微渗漏信息提取，该区域内分布多个油气地层，且伴随有许多采油井，侧面证明了该区域存在油气微渗漏的可能。试验发现通过FI指数提取的油气微渗漏信息与野外勘探的结果吻合性达到97%，同时由于大部分位油气微渗漏点位于油气开采区，间接支撑了该方法的有效性。

3 结论

基于QGIS的油田遥感信息提取系统采用模块化的编程方法，通过开源QGIS平台进行二次开发，集成了遥感数据基础处理功能、数据分析和专题信息提取功能，为油田遥感数据处理、信息提取和分析提供一个通用平台，辅助油田勘探开发作业，为相关部门提供决策依据。基于QGIS应用框架构建的油田遥感信息提取系统有效缩短了软件的开发周期，提高了系统的重用性和可扩展性。对于系统中涉及到的一些专业问题，需要后续不断研究开发补充完善。随着卫星遥感技术的发展、油田数据量的增长和系统的深入开发，遥感支撑油田勘探开发的能力将越来越强。