基于多指标的海面溢油范围在轨提取方法研究

董书莉 袁立男 贺强民 武文波 李阳 张斐然

基于多指标的海面溢油范围在轨提取方法研究

董书莉 袁立男 贺强民 武文波 李阳 张斐然

（北京空间机电研究所，北京 100094）

随着海洋石油勘探开发和海洋运输活动日益频繁，海洋溢油污染已成为海洋环境的最主要威胁之一。现有的海面溢油遥感监测均基于下传到地面的遥感数据进行，很少做到在轨实时监测溢油事故的发生以及变化，由于卫星下传数据带宽有限，而遥感监测具有高时效性要求，迫切需要提高星载在轨数据处理能力，实现溢油监测。文章采用Landsat数据建立一种基于多指标的海面溢油范围提取方法，分为溢油光谱分析、基于自适应参数的溢油提取指标构建、基于归一化植被指数的溢油提取指标构建和单一指标提取结果的加权融合四部分，最终获取海面溢油范围提取结果。通过对比不同方法下海面溢油的提取结果，文章提出的海面溢油提取方法可以快速去除陆表、云区和无油海面的影响，较准确地提取出溢油区域。该算法复杂度较低、运算过程无需占用大量的存储资源，因此适用于在轨应用。

海面溢油 自适应参数 光谱分析 在轨提取 光学遥感

0 引言

随着卫星传感器和遥感技术的发展，采用遥感数据进行河流、湖泊和海洋等监测愈来愈被重视。世界范围内每年都会有大量溢油事故发生，导致大量石油、原油等进入海洋和陆地生态系统，通常会对海洋、陆地及大气环境造成恶劣的影响。溢油事故来源有以下几种：自然矿物溢油、石油管道泄漏溢油、轮船运输中溢油和石油开采平台事故溢油等[1]。相较于传统实地测量的方式，遥感海面溢油监测不但可以节省大量人力和物力，还可以快速、准确监测大范围溢油发生后海面油膜覆盖范围变化。

具有海面溢油监测功能的传感器有多种，如中分辨率成像光谱仪（Moderate-resolution Imaging Spectroradiometer，MODIS）、改进的甚高分辨率辐射计（Advanced Very High Resolution Radiometer，AVHRR）、中分辨率光谱成像仪（Medium Resolution Spectral Imager，MERISI），以及陆地卫星系列（Landsat）、“高分一号”卫星（GF-1）、“海洋一号”卫星、“风云三号”卫星等搭载的光学传感器均可以监测海面大区域内溢油范围[2]，红外、紫外传感器可以识别海上溢油位置和估算溢油面积[3]，微波辐射计[4]、高光谱仪和激光荧光传感器可以监测并模拟溢油相对厚度[5]。光学传感器数据具有易于获取、光谱信息丰富和分辨率较高的特点，大部分海面溢油监测的研究工作主要基于光学遥感数据开展[6]。文献[7]利用MODIS单通道数据进行了多个海上溢油事件观测分析，获取了探测溢油信息的最佳波段，即405～420 nm波段；文献[8]以海浪坡度统计模型（Cox-MunkCox-Munk）太阳耀斑模型为基础，分析了海面油膜在太阳耀斑遥感图像上的明暗变化特性，为采用光学遥感数据进行溢油提取提供了方法；文献[9]基于“环境一号”卫星CCD数据，提出了光谱和纹理特征相结合的海上溢油提取模型，结果表明该方法较传统方法精度提高了4.28%；文献[10]以青岛溢油事故为例，开展了基于GF-1卫星的海上溢油定量监测，并利用单波段数据模拟了油膜厚度数值。

由于可见光波段观测特性限制，大气中云层、雾、雨等均会干扰溢油信息提取结果，因此现有海上溢油研究多基于无云影像或云量较少的影像数据。此外，由于卫星遥感图像数据处理方案是将获取到的遥感图像进行压缩，然后下传到地面站处理。当前遥感卫星采集的图像分辨率越来越高，而下传数据的带宽有限，迫切需要提高星载计算机的数据处理能力[11-14]，提升现有遥感卫星的自主性与灵活性，减少地面站对卫星任务的干预，满足未来遥感卫星对高机动性、高应急性、高时效的要求，在海面溢油监测领域发挥更大作用。

本文采用Landsat卫星数据建立一种基于多指标的海面溢油范围提取方法，其具有遥感影像云量要求低、实时处理、自适应调整提取阈值和算法运算时间短的优势。该方法针对海上溢油区在遥感成像上亮度值小于周围未发生溢油海面亮度值的特性，首先分析Landsat卫星数据可见光和近红外波段对油膜的敏感性；然后采用溢油敏感波段分别建立两个溢油范围提取指标，其中单一指标均可获取海面溢油初步提取结果；最后，将多个指标的初步结果进行加权融合，以获取海面溢油范围最终结果。该方法包含四个步骤，分别为溢油区域光谱分析、构建自适应参数溢油提取指标、构建归一化植被指数（Normalized Difference Vegetation Index，NDVI）的溢油提取指标和单一指标提取结果的加权融合，最终获取海面溢油范围提取结果，为海上溢油预警及后续溢油面积估计、溢油量估算提供数据支持。

1 数据与研究方法

1.1 研究区与数据概况

2006年7月13日—15日，由于黎巴嫩与以色列的军事冲突，黎巴嫩首都贝鲁特南部的热能中心（发电厂）先后两次遭到轰炸。爆炸使得用于发电的重油发生泄漏，漏油量约为30 000 t，污染了周边几百公里海域，严重危害了自然环境、海洋生物多样性以及人类健康。

为充分观测溢油发生前后海表变化情况，本文选取2006年7月10日—30日的Landsat 5 TM和Landsat 7 ETM+数据进行海面溢油范围提取。Landsat数据可从美国地质调查局（The U.S. Geological Survey，USGS）官方网站下载，且下载的遥感影像已经过几何校正和辐射校正，云覆盖范围小于30%，分辨率为30 m，波段为蓝（0.45～0.52 μm）、绿（0.52～0.60 μm）、红（0.63～0.69 μm）和近红外（0.76～0.90 μm），记为B1～B4。研究区域范围为东经35°10′～35°50′，北纬33°30′～34°15′。

1.2 海面溢油提取方法

本文建立了一种基于多指标的海面溢油范围提取方法，该方法通过溢油光谱数据分析、不同波段间光谱特性的区别，分别建立了两类溢油提取指标：自适应参数指标和NDVI指标。最终通过对两类指标的加权融合，实现海面溢油范围的提取。图1为本文的技术路线，输入数据为Landsat B1～B4波段数据，由于卫星观测幅宽通常远大于溢油区域面积，为节约星上计算力、时间资源，首先需在地面预先通过光谱分析手段判别溢油识别最佳波段为B2～B4，并筛选溢油区域；接下来分别构建两类判别指标进行溢油范围提取，得到初步提取结果；然后，将两者加权融合以获取海上溢油范围提取最终结果。加权融合采用两类单一指标提取初步结果，按2︰1的比例进行融合以获取海面溢油最终提取结果。这里的权重设置是基于多次实验统计分析结果得出，权重值相对简单且能取得准确的海面溢油提取范围。

图1 基于多指标的海面溢油提取技术路线

（1）基于自适应参数的溢油范围提取指标构建

基于自适应参数的溢油范围提取主要包含四个部分，分别为根据图像量化数值（Digital Number，DN）计算B1～B4波段辐射亮度、图像梯度估算、判别云层影响及去除和溢油范围提取。各波段辐射亮度可根据理论公式计算如下

图像梯度可以表示图像每一像素点向不同方向上的灰度变化速度，同一窗口区域内性质越稳定的图像，它的灰度变化率越小[15-19]。对于平坦的大尺度海面区域，其灰度梯度参数的值较小。而当海面存在溢油区域时，溢油区域亮度值低于周围海表亮度值，图像的灰度变化率将产生一定变化，理论上保持一种先减小再增加的趋势，这种变化规律有助于判断海面溢油范围。文章根据梯度向量模理论公式计算各波段辐射亮度的梯度模，验证了上述溢油区的低亮度性质。

此外，大气中云层较厚的区域在光学遥感影像中一般表现为高亮度，甚至存在过曝光。由于云区的影像辐射亮度值较大，在海面溢油提取时需去除云区影响，以提高溢油提取的准确度。类似地，相对平坦的海表区域，沿海陆表区域性质复杂，在溢油提取前应进行陆表区域判别并加以去除。在上述提取云区和陆表的基础上，进行海上溢油范围提取。由于本文算法针对运行环境构建，考虑到星上计算力、时间以及内存资源有限，无法存储大量或大面积影像，故建立一种基于行判断的海上溢油提取算法。同时对于阈值的设置，大部分海上溢油提取采用固定阈值，这种方法需要人工处理大量数据获取数值，不但浪费人力资源、时间资源，还需要及时上注参数，增加星上资源需求。此外，固定阈值通常仅适用于某一类溢油事件，阈值可能面临依赖溢油性质经常调整的缺陷。因此，本文在设置提取算法时，尽量选择自适应参数。该算法每次存储3行数据，首先是针对每行进行中位数以及均值的计算，并根据此数值构建判别算子，提取一定范围内辐射亮度作为溢油区域。判别算子如下

（2）基于NDVI的溢油范围提取指标构建

与上述基于行的溢油提取算法不同，基于NDVI的溢油范围提取方法是针对反射率结果开展的，包含根据图像DN值计算B1～ B4波段反射率、NDVI估算、判别云层影响及去除和溢油范围提取四部分。每个波段反射率根据式（5）计算

在卫星遥感影像上，溢油区域的油膜反射率和海表植被反射率通常较为接近，而仅采用单一指标无法准确判别油膜和海表植被。而NDVI是植被遥感方面成熟的植被指数，其采用红色通道和近红外通道辐射率或反射率表征植被特性[20-21]。红色通道是叶绿素强吸收波段，近红外通道在植被区域具有较高反射率，故NDVI在识别植被的研究中使用较广泛。本文基于NDVI指数进行溢油范围判别，以提高海上溢油判别的准确性和精度。NDVI计算公式[22-23]如下

针对计算的NDVI数据，首先进行归一化处理，保证数据处于0～1值域内。基于辐射传输理论，陆表、云或未溢油海面在B3和B4波段的反射率相差较大，而溢油区域在这两个波段的反射率相差较小，因此油膜区域NDVI值较小。本文中将判别阈值设置为0.15，即认为NDVI大于0.15的地物为陆表、云或未溢油海面，详细分类这里不再赘述，而NDVI小于0.15为海上溢油区。

2 溢油光谱分析与提取结果

2.1 溢油区光谱分析

光谱特征是海面溢油目视解译的基础，对于经过大气辐射校正的遥感影像，影像中单一像元的亮度值、反射率等均可以反映海面各物质的辐射特性。海面发生溢油事故情况下，油膜常常依附于海水之上存在，油膜与海水的反射率差值越大，则成像后遥感影像中溢油区域越明显。图2为Landsat B1～B4共四个波段，经过灰度增强后反射率图像对比。可以看出，B1波段溢油区域与海水区域差异不明显，油膜反射率稍小于海水反射率；B2波段的油膜反射率与海水反射率之间差异增大，可在图像中区分溢油区；B3和B4波段油膜反射率远小于海水反射率，两者比值小于1，同时在图像中油膜区域颜色较海水区域暗。通过查阅相关资料可知[24]，2006年发生在黎巴嫩的海面溢油事故所泄漏的石油种类为重油，包含蜡质较多，故遥感反射率图像上呈现出油膜区域比无油膜处海水区域颜色深的结果。图3为Landsat B1～B4四个波段的经过灰度增强后辐射亮度图像对比，与图2中四个波段变化趋势基本保持一致。

图2 不同波段反射率对比

图3 不同波段辐射亮度对比

为定量化海水与油膜在遥感影像中显示差异，并确定溢油提取的最佳波段，本文分别选取特定研究区域在溢油事故发生前后的采集样本点，并计算样本区域反射率均值，做出如图4所示溢油区油膜与无油区域海表反射率的对比结果。图4（a）～（d）分别为B1、B2、B3和B4波段，横轴表示49个样本区域，每个样本区域尺寸为7像元×7像元。针对图4（a）可以发现，前30个采样区域的无油海面反射率大于油膜反射率，且两者差异逐渐减小；第30～35个采样区，无油海面反射率稍小于油膜反射率；而第35～49个采样区，无油海面反射率稍大于油膜反射率，两者差值基本保持稳定，表明B1蓝波段与油膜之间无固定变化关系。针对图4（b）可以发现，前35个和第40～49个样本区域的无油海面反射率大于油膜反射率，第35～40个样本区域的油膜反射率大于无油海面；此外，与B1相比，海面与油膜的差异变得明显。针对图4（c），49个样本区域的无油海面反射率均大于油膜反射率，且除了前10个样本区域，两者反射率数值差异基本保持一致。针对图4（d），49个样本区域的无油海面反射率均大于油膜反射率，且两者差值几乎保持稳定。经过分析油膜与无油海面在蓝、绿、红和近红外四个波段的反射率可以看出，油膜与无油海面在蓝波段变化较大，无明显规律；油膜与无油海面在绿波段反射率逐渐开始稳定，保持一定差距；油膜与无油海面在红波段和近红外的反射率差异较明显，有明显变化规律，可以明确识别油膜与无油海面的特征。因此，本文选择绿、红和近红外波段构建海面溢油范围识别算法。

图4 四个波段反射率量化值对比

2.2 海面溢油范围提取结果

图5为两类指标的海面溢油范围提取结果。经过光谱分析，本文确定B2～B4作为海面溢油提取的最佳波段，然后基于此三个波段构建了基于自适应参数的溢油范围提取结果，如图5（a）所示。相比于图2和图3，通过溢油提取算法可以直接去除影像中陆表、云区和无油海面区域，直接提取含油膜的区域。油膜区域中颜色的深浅表示油膜的薄厚，一般来说，颜色深的区域为油膜较厚的区域，颜色较浅的区域为油膜相对较薄的区域。基于NDVI的溢油提取算法，结果如图5（b）所示。由图5（b）可以看出，基于NDVI的溢油提取范围大于基于自适应参数的溢油提取结果，这可能是因为NDVI是表征植被参数的指数，其对海面各类植物比较敏感。沿海岸一般植被较多，海面水草、浮游植物等较丰富，因此溢油范围提取结果扩大，包含一些靠近陆表的海面区域。

为了分析NDVI对溢油提取的影响，本文对比分析了陆表、云区、溢油区和无油海面的NDVI数值，如表1所示。影像采集时间分别为2006-07-09、2006-07-17和2006-07-25，溢油事故发生于2006-07-13至2006-07-15左右，2006-07-09未发生溢油，成像品质较好，无云层影响。由表1可以看出：陆表及陆表植被的NDVI数值大于0，溢油区、无油海表和云区的NDVI小于0，因此可以根据NDVI数值判别陆表区域。由不发生溢油的区域可以发现，云区NDVI数值小于无油海面，相差一个数量级，而对比发生溢油的影像，油膜的NDVI数值明显小于无油海面，可根据此规律进行海面区域中油膜的提取。

表1 不同地物类型的NDVI对比

Tab.1 The NDVI comparison of NDVI among different land types

为获取较可靠的海面溢油范围，本文将上述两类溢油提取初步结果按2︰1的比例加权融合，得到海面溢油范围最终提取结果，如图6所示。通过与文献资料记载的海上溢油事件发生时间、经度、纬度和大致范围等信息对比，本文提取的溢油范围是真实且有效的。由图6可知，溢油提取结果中可以看出明显的油膜，并通过颜色深浅识别油膜的薄厚。此外，提取结果中不包含陆表、云区和无油海面等干扰区域，可以为后续估算溢油面积、油膜厚度和溢油量提供基础数据。经过溢油处理算法，可以很快确定海面任意一幅影像中是否存在溢油现象，以针对海面溢油事故做出快速预警及应对措施。

图6 海面溢油范围提取结果

2.3 溢油提取结果评估

为验证本文提取海面溢油范围的有效性，选取光谱特征与纹理特征结合的决策树方法[9]、基于光谱信息的溢油提取方法[10]与基于多指标的海面溢油提取方法对比分析。结果表明，本文的溢油提取算法复杂度低、简单快捷且提取效果较好，模型中输入一幅图像，可自动提取溢油区域。通过对比三类海上溢油提取算法，可以发现基于光谱信息的溢油提取方法程序较小，运算时间较短，而本文建立方法和光谱特征与纹理特征结合的决策树方法运算时间相差无几。而光谱特征与纹理特征结合的决策树方法和基于光谱信息的溢油提取方法，需根据溢油种类、光照条件、场景特征等参数，不断调整阈值以获取较好的结果，提取过程中耗费一定人力、时间成本。此外，光谱特征与纹理特征结合的决策树方法和基于光谱信息的溢油区域提取，由于采用一定阈值判别像元是否为溢油像元，存在较大偶然性，通常会把近海岸亮度值较低的陆表区域判别为溢油区，造成提取误差。图7为三种海面溢油提取方法误检情况对比。通过参考海面溢油事件发生经纬度等信息，统计出错误检测溢油像元数据，计算了溢油提取算法的误检率。基于光谱信息的溢油提取方法在近海岸陆表的误检率约为0.06%，而本文基于多指标的海面溢油提取方法和光谱特征与纹理特征结合的决策树方法不存在这个问题。

图7 三种海面溢油提取方法误检情况对比

3 结束语

本文研究了Landsat可见光和近红外波段的光谱特征，确定溢油提取的最佳波段为B2～B4，并建立一种基于多指标的海面溢油提取方法。通过对比几种经典的溢油提取方法，基于光谱特征与纹理特征结合的决策树方法和基于光谱信息的方法存在把近海岸亮度值较低的陆表区域判别为溢油区的现象。本文提出的海面溢油提取方法可以快速准确地提取海面溢油范围，算法复杂度低、且无需大量的先验参数，为海面溢油监测和面积估算等相关研究提供了参考。同时，由于本文关注的溢油种类为重油，符合此类溢油事件的遥感数据资源有限，因此文章仅以1个事件为例分析海上溢油提取，后续在轨实施与应用将对其他溢油种类提取算法开展深入的研究。

[1] ZHANG M, WU J, LIN X, et al. A Multi-stage Oil-water-separating Process Design for the Sea Oil Spill Recovery Robot[J]. IOP Conference Series: Earth and Environmental Science, 2018, 128: 012135.

[2] 吴晓丹, 宋金明, 李学刚, 等. 海上溢油量获取的技术方法[J]. 海洋技术, 2011, 30(2): 50-58. WU Xiaodan, SONG Jinming, LI Xuegang, et al. Technical Methods for Marine Oil Spill Quality Capture[J]. Ocean technology, 2011, 30(2): 50-58. (in Chinese)

[3] 叶舟, 刘力, 魏传新, 等. 多种薄油膜光谱反射率特性外场测试方法及结果分析[J]. 光谱学与光谱分析, 2015, 35(5): 1695-1699. YE Zhou, LIU Li, WEI Chuanxin, et al. Experimental Methods and Result Analysis of a Variety of Spectral Reflectance Properties of the Thin Oil Film[J]. Spectroscopy and Spectral Analysis, 2015, 35(5): 1695-1699. (in Chinese)

[4] 王少波, 严卫, 艾未华, 等. 基于微波辐射计的海面溢油监测研究[J]. 遥感技术与应用, 2014, 29(1): 94-99. WANG Shaobo, YAN Wei, AI Weihua, et al. Oil Spill Detection with Brightness Temperature of the AMSR-E[J]. Remote Sensing Technology and Application, 2014, 29(1): 94-99. (in Chinese)

[5] 刘德庆, 栾晓宁, 郭金家, 等. 一种面向港口溢油监测的小型激光荧光遥测系统[J]. 海洋科学, 2018, 42(2): 65-69. LIU Deqing, LUAN Xiaoning, GUO Jinjia, et al. A Small LIF Remote Detection System for Port Oil Spill Monitoring[J]. Marine Sciences, 2018, 42(2): 65-69. (in Chinese)

[6] 陈辉, 赵朝方. MODIS多光谱信息在海上溢油检测中的研究[J]. 海洋湖沼通报, 2009, 3: 46-52. CHEN Hui, ZHAO Chaofang. Research on MODIS Multispectral Information in Offshore Oil Spill Detection[J]. Transactions of Oceanology and Limnology, 2009, 3: 46-52. (in Chinese)

[7] 陈辉. MODIS数据对海上溢油事件的观测[D]. 青岛: 中国海洋大学, 2008. CHEN Hui. Detection of Several Marine Oil Spill Cases by MODIS Data[D]. Qiangdao: Ocean University of China, 2008. (in Chinese)

[8] 安超. 光学遥感溢油检测机理及实例分析[D]. 青岛: 中国海洋大学, 2013. AN Chao. The Mechanism of Optical Remote Sensing in Oil Spill Detection and Case Studies[D]. Qingdao: Ocean University of China, 2013. (in Chinese)

[9] 盖颖颖, 周斌, 孙元芳, 等. 基于HJ-CCD数据的海面溢油提取方法研究[J]. 国土资源遥感, 2014, 26(2): 99-104. GAI Yingying, ZHOU Bin, SUN Yuanfang, et al. Study of Extraction Methods for Ocean Surface Oil Spill Using HJ-CCD Data[J]. Remote Sensing for Land and Resources, 2014, 26(2): 99-104. (in Chinese)

[10] 黄可, 潘琦, 张静芸, 等. 基于GF-1卫星的海上溢油定量监测——以青岛溢油事故为例[J]. 海洋通报, 2020, 39(2): 265-271. HUANG Ke, PAN Qi, ZHANG Jingyun, et al. Quantitative Monitoring in Oil Spill Incidents Based on GF-1 Satellite: Qingdao Oil Spill Accident Case[J]. Marine Science Bulletin, 2020, 39(2): 265-271. (in Chinese)

[11] 徐伟伟, 张超, 陈卓, 等. 基于反射点源阵列的光学遥感卫星在轨辐射定标方法[J]. 航天返回与遥感, 2022, 43(1): 98-107. XU Weiwei, ZHANG Chao, CHEN Zhuo, et al. On-orbit Radiometric Calibration of Optical Remote Sensing Satellite Using an Array of Reflected Point Sources[J]. Spacecraft Recovery & Remote Sensing, 2022, 43(1): 98-107. (in Chinese)

[12] 薛武, 赵玲, 王鹏. 星地协同光学遥感影像目标识别技术验证研究[J]. 航天返回与遥感, 2021, 42(3): 128-137. XUE Wu, ZHAO Ling, WANG Peng. Satellite-earth Coordinated On-orbit Intelligent Target Recognition of Optical Remote Sensing Images[J]. Spacecraft Recovery & Remote Sensing, 2021, 42(3): 128-137. (in Chinese)

[13] 韩璐瑶, 谭婵, 刘云猛, 等. 在轨实时空间目标检测算法研究[J]. 航天返回与遥感, 2021, 42(6): 122-131. HAN Luyao, TAN Chan, LIU Yunmeng, et al. Research on the On-orbit Real-time Space Target Detection Algorithm[J]. Spacecraft Recovery & Remote Sensing, 2021, 42(6): 122-131. (in Chinese)

[14] ZHANG T L, GUO J, CHI Y L, et al. Dynamic Threshold Oil Spill Detection Algorithm for Landsat ETM+[C]//IGARSS 2019—2019 IEEE International Geoscience and Remote Sensing, July 28-Augest 2. 2019, Yokohama, Japan.IEEE, 2019: 1486-1489.

[15] PETROVIC´ V S, XYDEAS C S. Gradient-Based Multiresolution Image Fusion[J]. IEEE Transactions on Image Processing, 2004, 13(2): 228-237.

[16] KOU F, CHEN W, WEN C, et al. Gradient Domain Guided Image Filtering[J]. IEEE Transactions on Image Processing, 2015, 24(11): 4528-4539.

[17] 丁畅, 董丽丽, 许文海. 图像梯度场双区间均衡化的细节增强[J]. 电子学报, 2017, 45(5): 1165-1174. DING Chang, DONG Lili, XU Wenhai. Image Detail Enhancement by Gradient Field Bi-interval Equalization[J]. Acta Electronic Sinica, 2017, 45(5): 1165-1174. (in Chinese)

[18] 李颖, 兰国新, 刘丙新. 辅以纹理特征的HJ-CCD海上溢油信息提取——以PL19-3溢油为例[J]. 中国环境科学, 2012, 32(8): 1514-1520. LI Ying, LAN Guoxin, LIU Bingxin. Oil Spill Information Extraction Combined with Texture Features from HJ-CCD Sensors—A Case Study in PL19-3 Oil Spill Incident[J]. China Environmental Science, 2012, 32(8): 1514-1520. (in Chinese)

[19] 毛冰晶, 陈小梅, 薛博, 等. 基于遥感图像梯度特征的运动模糊检测方法[J]. 北京理工大学学报, 2013, 33(10): 1083-1092. MAO Bingjing, CHEN Xiaomei, XUE Bo, et al. Detection Method of Motion Blur Based on Remote Sensing Image Gradient Characteristic[J]. Transactions of Beijing Institute of Technology, 2013, 33(10): 1083-1092. (in Chinese)

[20] ZHAO D Z. Application of NDVI to Detecting Algal Bloom in the Bohai Sea of China from AVHRR[C]//Ocean Remote Sensing and Applications, October 24-26, 2002, Hangzhou, China. PSISDG, 2003: 241-246.

[21] 黄君, 周新志. 二维散点一分类NDVI法的邛海湖面积估算研究[J]. 计算机工程与应用, 2009, 45(35): 240-242. HUANG Jun, ZHOU Xinzhi. Area Estimation of Qionghai by Using 2-D Scattered Points-classification NDVI Method[J]. Computer Engineering and Applications, 2009, 45(35): 240-242. (in Chinese)

[22] 栾海军, 田庆久, 余涛, 等. 基于分形理论的NDVI连续空间尺度转换模型研究[J]. 光谱学与光谱分析, 2013, 33(7): 1857-1862. LUAN Haijun, TIAN Qingjiu, YU Tao, et al. Modeling Continuous Scaling of NDVI Based on Fractal Theory[J]. Spectroscopy and Spectral Analysis, 2013, 33(7): 1857-1862. (in Chinese)

[23] 涂又, 姜亮亮, 刘睿, 等.1982—2015年中国植被NDVI时空变化特征及其驱动分析[J].农业工程学报, 2021, 37(22): 75-84. TU You, JIANG Liangliang, LIU Rui, et al. Spatiotemporal Changes of Vegetation NDVI and Its Driving Forces in China During 1982—2015[J].Transactions of the Chinese Society of Agricultural Engineering, 2021, 37(22): 75-84. (in Chinese)

[24] 韩坤. MODIS溢油监测研究[D].大连: 大连海事大学, 2008. HAN Kun. Research on Oil Spills Monitoring Using MODIS[D].Dalian: Dalian Maritime University, 2008. (in Chinese)

Study on the On-Orbit Extraction Method of Sea Oil Spill Coverage Based on Multiple Indexes

DONG Shuli YUAN Linan HE Qiangmin WU Wenbo LI Yang ZHANG Feiran

(Beijing Institute of Space Mechanics & Electricity, Beijing 100094, China)

With the increasing frequency of offshore oil exploration and development and marine transportation activities, the sea oil spill pollution has become one of the most important threats to marine environment. The existing remote sensing monitoring of sea oil spill is mostly based on remote sensing data downloaded to ground, but it is seldom able to monitor the occurrence and change of oil spill on orbit. Due to the limited broadband of satellite down-transmission data and high timeliness need of remote sensing monitoring, it is urgent to improve the on-orbit data processing capacity to realize on-orbit oil spill monitoring. In this study, an on-orbit extraction method of sea oil spill range based on multiple indexes is developed. The method contains four parts, including oil spill spectral analysis and region clipping, oil spill extraction based on gradient, oil spill extraction based on NDVI, and weighted fusion, and the sea oil spill extraction results show that the method developed in this paper can quickly remove the influence of land surface, clouds area, and oil-free sea surface, and extract the oil spill area more accurately. The algorithm has low complexity and does not require a large amount of storage resources. Therefore, it is suitable for on-orbit applications.

sea oil spill; adaptive parameters; spectral analysis; on-orbit extraction; optical remote sensing

P71

A

1009-8518(2023)04-0103-10

10.3969/j.issn.1009-8518.2023.04.011

2022-08-17

科技部课题（2022YFF0708004）

董书莉, 袁立男, 贺强民, 等. 基于多指标的海面溢油范围在轨提取方法研究[J]. 航天返回与遥感, 2023, 44(4): 103-112.

DONG Shuli, YUAN Linan, HE Qiangmin, et al. Study on the On-Orbit Extraction Method of Sea Oil Spill Coverage Based on Multiple Indexes[J]. Spacecraft Recovery & Remote Sensing, 2023, 44(4): 103-112. (in Chinese)

董书莉，女，1985年生，2011年获得南京航空航天大学测试计量技术与仪器专业硕士学位，高级工程师。研究方向为遥感器在轨图像预处理技术、信息提取技术等。E-mail：331329312@qq.com。

（编辑：庞冰）