崔永強,孔德明,張曉丹,孔德瀚,袁 麗
1. 燕山大學信息科學與工程學院,河北 秦皇島 066000 2. 燕山大學電氣工程學院,河北 秦皇島 066000 3. 河北環境工程學院信息工程系,河北 秦皇島 066000
隨著海上石油運輸、開采的快速發展,輪船排污、運油船只及海上鉆井平臺泄漏等溢油事故的發生,海上溢油污染問題已經十分突出[1-2]。及時獲取海水表面溢油信息,鑒別溢油種類,估算溢油范圍及污染量,對溢油污染的快速處理和水體環境的保護具有重要意義[3]。
近年來多種遙感技術被用于溢油監測,其中激光誘導熒光(laser induced fluorescence,LIF)探測技術是目前被認為最有效的海面溢油探測技術之一[4-5]。研究人員可以利用LIF技術鑒別海面溢油的污染情況與溢油種類[6-9],但對于油膜厚度的監測目前尚未形成一套可以有效適用于各種不同厚度油膜的評估方法。因此,利用LIF探測技術評估海面溢油范圍及其污染程度已成為近期該領域的一個研究熱點。
對于海面油膜厚度的評估,傳統方法是根據《波恩協議》油膜色彩與油膜厚度的對應關系人工確定油膜厚度。Kung等提出了利用LIF探測技術評估海面溢油的建模方法[10],1980年,Hoge等基于該方法提出了一種利用拉曼散射光評估油膜厚度的積分反演算法并進行了溢油探測實驗[11]。我國對海面溢油也進行了大量的研究,中國海洋大學成功研制了用于海洋參數測量的激光雷達系統并于2006年完成了水面油膜的探測實驗[12]。上述研究僅適用于薄油膜厚度評估,目前尚無適用于較厚油膜的反演算法。鑒于此,本文提出了一種基于LIF技術采用油膜熒光信號評估較厚油膜的反演算法,研究了該算法的適用范圍, 并通過實驗對該算法的有效性進行了驗證。
如前所述,Hoge等提出了一種適用于評估薄油膜厚度的積分反演算法,其原理是海水受紫外激光束照射激發的拉曼散射光由于海面油膜的吸收呈指數衰減,據此依據拉曼散射光衰減程度反演出油膜厚度,油膜厚度d可表示為[11]
(1)
式中:ke和k分別為油膜在激發波長和波長λ的消光系數;R′為油膜覆蓋海面時海水的拉曼峰信號強度;R為純凈海水的拉曼峰信號強度。其原理如圖1所示[11]。
圖1 薄油膜厚度反演算法原理圖Fig.1 Principle diagram of inversion algorithm for thin oil film
積分拉曼法依賴拉曼散射光信號,當海面油膜較厚,拉曼散射光被油膜吸收而無法監測到拉曼散射光信號時,該算法無法反演油膜厚度,因此該算法僅適用于具有拉曼散射光信號的薄油膜(≤10~20 μm),而不適用于較厚油膜的評估。
Kung等提出了利用LIF探測技術對海面溢油建模的方法,采用LIF技術探測溢油覆蓋的海面,探測器接收到波長λ的信號K包括油膜熒光信號、海水背景熒光信號和海水拉曼散射光信號三部分, 該信號可以表示為[10]
K=ηP0{1-exp[-(ke+k)d]}+
(ξP0+δrΨP0)exp[-(ke+k)d]
(2)
式中,P0為入射的激光能量,ke和k分別為油膜在激發波長和波長λ的消光系數,d為油膜厚度,η,ξ和Ψ分別為在波長λ的油膜熒光轉換效率、海水熒光轉換系數和海水拉曼轉換系數,δr為δ函數。
由式(2)可知,隨著油膜厚度的增加,海水的拉曼散射光信號由于油膜的吸收呈指數衰減,而油膜熒光信號呈指數增強,在無法監測到拉曼散射光信號時,可以采用油膜熒光信號反演較厚油膜的厚度。
采用LIF技術探測無溢油覆蓋的海面,此時探測器接收到的信號為海水的背景熒光和拉曼散射光信號,波長λ的信號Kw可表示為
Kw=ξP0+δrΨP0
(3)
采用激光照射被測油品,可以獲取該油品的熒光特征光譜,此時探測器接收到波長λ的熒光信號Ko可表示為
(4)
將式(3)和式(4)代入式(2),化簡可得
K=Ko-(Ko-Kw)exp[-(ke+k)d]
(5)
式(5)化簡可得油膜厚度的反演公式
(6)
式(6)中,Kw為海水的背景熒光和拉曼散射光在波長λ的信號強度,Ko為油品在波長λ的熒光信號強度,因此該算法需要獲取該油品的熒光特征光譜、海水的背景熒光和拉曼散射光光譜以及在激發波長和波長λ處的消光系數。如文獻[11]所述,采用LIF技術反演油膜厚度需要利用油品的一些物理參數,本文假定油品的消光系數和熒光轉換效率已經在實驗室獲得。
常見油品的熒光特征峰波長一般在430~520 nm范圍內,因此采用波峰光譜信號即可反演油膜厚度,考慮到現有探測器熒光接收設備具有較高的光譜分辨率,僅采用單個波長數據反演油膜厚度會導致較大的誤差,因此選擇一組波段,對其中的每個波長分別反演油膜厚度,采用反演結果的平均值作為油膜厚度評估結果。
由式(6)可知,Ko-K與油膜厚度d為指數關系,選擇Ko-K的值顯著的波段反演油膜厚度可以有效降低測量誤差的影響,本文采用最大類間方差算法(Otsu)選取波段,將Ko-K轉換為0~255的整數值,采用Otsu算法計算閾值,篩選出Ko-K的值顯著的波段評估油膜厚度。
設選取的波段為D={λ1,λ2,λ3, … ,λn},油膜厚度評估方法如式(7)所示
(7)
式(7)中,dλi為波長λi的反演厚度;n為選取的波段總數。
海面油膜厚度的有效評估范圍與測量誤差和油品的消光系數有關,因此本文從測量誤差和消光系數兩個方面分析評估范圍。
1.4.1 測量誤差對評估范圍的影響
由于設備精度、實驗環境等因素的影響,采集到的數據存在一定的測量誤差,當油膜熒光強度趨于飽和時,測量誤差對反演結果有較大的影響,因此該算法能夠有效評估油膜厚度的范圍與測量誤差相關。一般情況下,海水的背景熒光信號和拉曼散射光信號Kw遠小于較厚油膜的探測信號K,Kw的測量誤差對反演計算的結果影響很小,因此本文僅分析K的測量誤差對反演計算的影響。
由式(6)化簡可得
(8)
(9)
圖2 測量誤差與R的關系Fig.2 The relationship between measurement error and R
1.4.2 消光系數對評估范圍的影響
由式(8)可知,ke+k與油膜厚度d為反比關系。如前所述Kw遠小于K,因此忽略Kw的影響,可得在不同測量誤差情況下ke+k與有效反演油膜厚度最大值的關系,如圖3所示。
圖3 不同測量誤差下ke+k與有效 反演厚度最大值的關系
由圖3可見,在相同測量誤差的影響下,ke+k值越大,能夠有效反演油膜厚度的最大值越小。在測量誤差為1%的情況下,ke+k=20的油品,能夠有效反演的油膜厚度在1 500 μm左右;ke+k=50的油品,能夠有效反演的油膜厚度在600 μm左右;ke+k=100的油品,能夠有效反演的油膜厚度在300 μm左右。一般情況下,重油消光系數較大,中質油次之,輕質油較小,可以根據消光系數確定不同種類的油品有效反演厚度的最大值。因此,輕質油有效反演厚度的最大值要大于1 000 μm,重油有效反演厚度的最大值約為300 μm。
對于熒光效率較低的油品,不滿足Kw遠小于K的條件,此時能夠有效反演油膜厚度的最大值要小于該分析結果。
實驗裝置和材料包括: AvaSpec-ULS2048光譜儀、NDV4542激光二極管、手柄支架、500 mL燒杯和移液器, 實驗油品為原油和白油的混合油(1∶50),實驗海水采用渤海海水。實驗裝置如圖4所示。
圖4 實驗裝置圖Fig.4 Experimental equipment structure
由式(8)可知,以海水的背景熒光和拉曼散射光作為背景光信號,采集到的不同厚度水面油膜和實驗油品的熒光信號即為K-Kw和Ko-Kw,因此設計實驗過程如下:
(1) 在燒杯中放置500 mL海水,采集海水的背景熒光和拉曼散射光光譜,并以此作為背景采集其他光譜數據。
(2) 在燒杯中放置足夠厚油膜(10 000 μm),采集實驗油品的熒光特征光譜。
(3) 在燒杯中放置500 mL海水,在水面分別放置25,50,100,200,400,600,800,1 000,1 200和1 400 μm厚度油膜,靜置約30 min,待油膜擴散均勻后,采集樣品熒光光譜。
光譜采集過程中,保持探頭與樣本距離、角度不變,采用Avasoft8軟件采集光譜信號,積分時間為200 ms,采集波長范圍為420~750 nm,每次采集30組數據,采用平均值作為光譜數據。
圖5給出了實驗采集的海水背景熒光和拉曼散射光光譜、實驗油品的熒光特征光譜、厚度為200 μm油膜熒光光譜的30次采集光譜以及不同厚度油膜的熒光光譜。
圖5 實驗結果圖
由圖5(d)可見,熒光強度隨著油膜厚度的增加不斷增加,但增加值逐漸變小,最終趨于穩定。實驗油品的主波峰在456 nm附近,在420~500 nm附近波段,不同厚度油膜的熒光強度區別明顯,而在500~750 nm波段,不同厚度油膜的熒光光譜有較多的重疊,熒光強度不能有效區分不同厚度的油膜。
對不同厚度油膜的熒光光譜計算各波段Ko-K的值,采用Otsu算法選擇差異顯著的波段,結果如表1所示。
表1 不同厚度油膜的波長選取范圍Table 1 Wavelength selection of oil filmswith different thickness
由表1可見,在420~476 nm波段范圍內,不同厚度的油膜都具有較大的差異,因此,采用該波段范圍進行油膜厚度評估。
實驗室獲取該實驗油品的消光系數,在420~480 nm波段ke+k的值如圖6所示。
圖6 實驗油品ke+k的值Fig.6 ke+k value of experimental oil
利用實驗獲取的油品特征光譜、海水熒光和拉曼光譜以及實驗油品在激發波長和波長λ的消光系數,采用所選波段評估油膜厚度,評估結果如表2所示。
油膜厚度的評估結果與實際厚度如圖7所示。
由表2可見,當油膜厚度≤800 μm時,該算法具有較好的評估精度,平均誤差為10.5%; 當油膜厚度>800 μm時,評估誤差較大,并隨著油膜厚度的增加而快速變大。
表2 不同厚度油膜的評估結果Table 2 Estimate results of oil films with different thickness
圖7 不同厚度油膜的評估結果Fig.7 Estimate results of oil films with different thickness
利用測量誤差和實驗油品的消光系數,可以分析得到能有效反演的數據結果。
表3 不同厚度油膜的值Table value of oil films with different thickness
根據不同厚度油膜的多次采集數據,估算測量相對誤差,計算方法如式(10)所示
(10)
式(10)中,Kmax和Kmin分別為測量的最大值和最小值,由式(10)估算測量相對誤差如表4所示。
表4 不同厚度油膜測量誤差Table 4 Error of oil films with different thickness
由圖6可知,實驗油品在評估波段的ke+k的值約為34 cm-1,采用油品消光系數分析有效反演厚度,由圖3可得本次實驗有效反演厚度最大值約為780 μm。
對比表2的實驗結果,可知采用測量相對誤差和油品消光系數的分析結果,與本次實驗結果基本一致: 油膜厚度≤800 μm時該算法具有較好的評估精度、油膜厚度>800 μm時評估誤差較大。
隨著熒光信號的增加,油膜厚度分辨率逐漸降低。采用實驗油品的主波峰波段光譜信號可得,在25~50 μm厚度范圍內,分辨率約為0.01 μm; 在600~800 μm厚度范圍內,分辨率約為0.23 μm。
提出一種基于LIF探測技術利用油膜熒光強度評估較厚油膜厚度的反演算法,采用Otsu算法選擇光譜波段進行厚度評估,并對油膜厚度的有效評估范圍進行了分析,分析了有效評估范圍的最大值與測量誤差和消光系數的關系,并給出了評估油膜厚度最大值的估算方法。采用原油和白油的混合油(1∶50)作為實驗油品對該算法進行了驗證,實驗結果表明,該算法可以有效評估較厚油膜厚度,實驗結果與分析一致。本文計算方法并未考慮探測高度、角度以及探測環境如波浪等因素的影響,當在高空進行探測時,需要保持探測角度不變,同時對接收信號根據探測高度進行校正。
溢油污染受風、浪等環境因素的影響,會發生擴散、乳化、溶解等一系列物理化學變化,形成水面浮油膜和懸浮水體中的油,該算法僅適用于海面油膜的厚度評估,對溢油乳化過程的評估將是下一步工作的重點。