海面溢油水包油乳化液探测参数的BRRDF仿真研究 下载: 975次
1 引言
随着海洋运输业和海洋石油开采业的快速发展,海面溢油污染日益严重[1]。能否及时监测海面溢油信息、鉴别溢油种类、评估溢油范围及污染程度是快速有效治理溢油污染的基础[2]。现有的海面溢油监测技术包括高光谱遥感[3-4]、反射光谱[5-6]、差分激光三角法[7-8]、激光诱导荧光(LIF)技术[9-10]等。其中,LIF技术具有探测灵敏度高、空间分辨率高、便捷等优点,广泛应用于海面溢油遥感探测[11]。
溢油进入海域迅速扩散,并受海面风浪、光氧化、生物降解等作用逐渐形成水包油或油包水乳化液,在激光雷达的照射下可受激发射荧光。目标荧光可由双向反射再辐射分布函数(BRRDF)表征,Glassner等[12]研究了目标荧光辐射的过程;Hullin等[13]提出了包含荧光发射过程的BRRDF。目前对BRRDF的研究已应用到海洋遥感领域中,孙兰君[14]利用BRRDF仿真分析了未乳化阶段不同厚度的海面溢油油膜荧光特性,但对乳化液在不同乳化时间、探测接收角度等参数下的荧光特性研究较少。
针对水包油乳化液,本文基于蒙特卡罗方法建立了光子在介质中传输的BRRDF模型,模拟了水包油乳化液在不同探测参数下的BRRDF(XBRRDF)与光子出射天顶角θr、入射天顶角θi的余弦乘积
2 水包油乳化液的BRRDF仿真
2.1 仿真原理
XBRRDF由入射波长λi、入射天顶角θi、入射方位角φi、出射波长λr、出射天顶角θr、出射方位角φr构成,是描述出射方向(θr,φr)的微分辐亮度dLr(θr,φr,λr)与入射方向(θi,φi)的微分辐照度
式中,
根据XBRRDF的定义和激光荧光雷达方程可知[14-15],相同探测接收条件下,在某一接收波长处,LIF探测系统接收到的光功率
通过模拟海面溢油污染中水包油乳化液不同探测参数的
因光子在海水中传输时会发生衰减,因此,用水包油乳化液上方的空气层和下方的海水层共同组成溢油乳化液污染的介质层。光子在介质中传输时,会发生折射、反射、散射、辐射荧光等随机事件,光子在介质中传输的示意图如
利用蒙特卡罗方法模拟光子在溢油乳化液污染介质层中的传输过程,首先,光子以初始信息(包括位置方向权重等)进入介质。然后,光子发生随机事件,确定其步长、位置、方向及体散射相函数等。该过程伴随着光子权重的变化,当光子权重过小时,发射下一个光子。记录光子的位置及权重,直至光子从海面出射。重复上述过程直到发射完所有光子,最后统计所有光子的出射信息。
光子在介质中通过散射改变其传输方向,主要由光子所在波长处的散射相函数[17]决定。若油滴受激发射出荧光,则荧光的初始运动方向由各向同性散射相函数,即θ=arccos(2ξ-1)决定,其中,ξ为[0,1]之间的一个随机数。然后采用荧光波段的介质散射相函数更新光子运动方向。若未产生荧光,则按照激光波段的介质散射相函数更新光子运动方向。在散射事件之间光子发生的吸收作用,满足微观朗伯-比尔定率。吸收作用是通过重新统计光子的权重实现的,可表示为[18]
式中,wi、wi-1分别为第i和第i-1次散射后的权重,μa为光子在介质中的吸收系数,s为光子步长。
由于吸收作用,光子权重w会逐渐减小,因此,设置权重阈值为10-6,采用俄罗斯赌盘规则判断当前光子是否需要继续传输。当w≤10-6,光子的传输概率为1/m(m=10)。此时更新光子权重,可表示为[19]
式中,w=0时光子死亡,此时停止对该光子的追踪,重新发射并跟踪下一个光子。
对于介质中具有荧光性质的油滴,吸收入射光能量辐射荧光时,由荧光光子产率γ作为荧光阈值概率。当γ>ξ时,荧光物质油滴产生荧光[20-21],此时荧光光子的初始权重w0可表示为[22]
式中,μafx为油滴在激光波长处的吸收系数。
2.2 仿真研究
2.2.1 仿真参数设置
光子在介质中传输发生的随机事件概率由介质的吸收系数a、散射系数b等光学参数决定。实验使用文献[
23-24]中的水包油乳化液在不同乳化时间的油滴粒径分布参数、Petrobaltic油品的光学参数和Petzold测量的海水光学参数,如
表 1. 不同乳化时间的水包油乳化液油滴粒径分布
Table 1. Oil droplet size distribution of oil-in-water emulsions with different emulsification time
|
表 2. Petrobaltic油品和海水的光学参数
Table 2. Optical parameters of Petrobaltic oil and seawater
|
表 3. 水包油乳化液油滴粒子的吸收系数、散射系数(Petrobaltic油品)
Table 3. Absorption coefficient and scattering coefficient of oil droplets particle of oil-in-water emulsion (Petrobaltic oil)
|
2.2.2 不同乳化时间的仿真研究
溢油进入海面经风化形成水包油乳化液后要经历很长时间才能被微生物降解直至降入海底,这会对海水造成严重的污染。因此,根据溢油乳化时间,了解乳化液微观状态,对治理海洋生态环境具有重要意义。
为了研究水包油乳化液在不同乳化时间下辐射的荧光特性,基于水包油乳化液介质层结构和固有的光学参数,仿真得到厚度为5 cm,体积分数为10-6的水包油乳化液在不同乳化时间的XBRRDF cos θr cos θi。仿真模型的条件:气体与水体界面水平、海水为无限深、水体内部无其他光源、光源与探测器的距离无限远,且不考虑光偏振现象。为突出水体的内部散射,去除水体的镜面反射部分。仿真中激光波长为405 nm,荧光波长分别为618,500 nm,入射108个虚拟光子到受乳化溢油污染的海水表面,入射天顶角θi=45°,方位角φi=180°。荧光波长为618 nm,水包油乳化液在乳化时间为0,1,7,14 d的仿真结果如
图 3. 水包油乳化液在不同乳化时间的仿真结果。(a) 0 d;(b) 1 d;(c) 7 d;(d) 14 d
Fig. 3. Simulation results of oil-in-water emulsion at different emulsification time. (a) 0 d; (b) 1 d; (c) 7 d; (d) 14 d
从
图 4. 不同荧光波长处的 。(a) 618 nm;(b) 500 nm
Fig. 4. at different fluorescence wavelengths. (a) 618 nm; (b) 500 nm
对比
由上述仿真可知,利用LIF系统的接收光功率可反推出水包油乳化液的乳化时间,然后通过不同荧光波长处LIF系统接收光功率的比值推断乳化时间,使结果更加可信。根据推断结果能进一步预测出水包油乳化液对生态环境的影响,为有关部门采取有效治理与防御方案给出合理建议。
2.2.3 探测与接收角的仿真研究
激光诱导荧光设备搭载无人机、飞机、卫星等对海面溢油进行监测时,接收光功率直接影响信息的采集和分析结果。而光功率受探测和接收角度的影响,因此选择合适的探测、接收角度对评估系统探测性能和实际监测具有重要意义。
因接收光功率与方位角无关,为了研究LIF系统的探测天顶角、接收天顶角与接收光功率的关系,分别对5组不同水包油乳化液在探测天顶角为0°、25°、45°、65°和85°进行仿真,结果如
图 5. 不同水包油乳化液 的仿真曲线。(a)第1组;(b)第3组;(c)第5组
Fig. 5. XBRRDFcos θrcos θi simulation curves of different oil-in-water emulsions. (a) Group1; (b) group3; (c) group5
由
一般情况下,基于LIF技术的探测系统为收发共轴结构,即θi=θr,因此,实验仿真了不同水包油乳化液在θi=θr处的
由
综上所述,不同厚度和体积分数的水包油乳化液的最佳探测接收角存在一定差异,但不宜过大,对于厚度或体积分数较大的乳化液,其探测时系统的接收光功率较大,可适当增加探测接收角。实际探测中,对未知厚度和体积分数的水包油乳化液选择0°≤θi=θr≤50°时,收发共轴LIF探测系统的接收光功率较大。由于海面溢油的其他状态如连续油膜状态,其光学性质与水包油乳化液不同,因此其最佳探测接收角不能完全等同于水包油乳化液的仿真研究结果。
图 6. 不同水包油乳化液在θi=θr处的仿真结果。(a) 体积分数为10-6;(b) 厚度为5 cm+体积分数为10-6;(c) 厚度为5 cm
Fig. 6. Simulation results of different oil-in-water emulsions at θi=θr. (a) Volume fraction is 10-6; (b) thickness is 5 cm and volume fraction is 10-6; (c) thickness is 5 cm
3 结论
计算了水包油乳化液油滴在不同乳化时间的光学参数,仿真结果表明,油滴的光学参数随乳化时间的增加呈上升趋势。用蒙特卡罗模型模拟波长为405 nm的激光在水包油乳化液污染海水中的传输过程,得到荧光波长为618,500 nm处不同乳化时间的
[1] Fedotov Y V, Belov M L, Kravtsov D A, et al. Comparative laser-induced fluorescence evolution analysis of different oil pollution on the terrestrial surface[J]. IOP Conference Series: Materials Science and Engineering, 2019, 537: 022019.
[2] Jarzᶏbek D, Juszkiewicz W. Analysis of the impact of weather conditions on the effectiveness of oil spill recovery operation in simulated conditions (pisces II)[J]. Annual of Navigation, 2017, 24(1): 315-326.
[3] Uslu F S. Kernel parameter variation-based selective ensemble support vector data description for oil spill detection on the ocean via hyperspectral imaging[J]. Journal of Applied Remote Sensing, 2017, 11(3): 032404.
[4] Liu D L, Zhang J Q, Wang X R. Reference spectral signature selection using density-based cluster for automatic oil spill detection in hyperspectral images[J]. Optics Express, 2016, 24(7): 7411-7425.
[5] Otremba Z, Piskozub J. Modelling the bidirectional reflectance distribution function (BRDF) of seawater polluted by an oil film[J]. Optics Express, 2004, 12(8): 1671-1676.
[6] 孙兰君, 田兆硕, 任秀云, 等. 溢油海水双向反射分布函数的建模及仿真[J]. 物理学报, 2014, 63(13): 134211.
Sun L J, Tian Z S, Ren X Y, et al. Modeling the bidirectional reflectance distribution function of seawater with spilt oil[J]. Acta Physica Sinica, 2014, 63(13): 134211.
[7] 耿云飞, 陈曦, 金文, 等. 海水折射率对差分激光三角法油膜厚度测量精度的影响[J]. 中国激光, 2015, 42(4): 0408004.
[8] 吴頔, 吕且妮, 葛宝臻. 浮标式油膜厚度测量传感器的研制[J]. 中国激光, 2014, 41(1): 0108004.
[10] 朱泉水, 郝仕国, 罗宁宁, 等. 基于激光诱导荧光的植物油掺假检测与量化分析[J]. 中国激光, 2019, 46(12): 1211002.
[11] Luan X N, Zhang F, Guo J J, et al. Polarization characterization of laser-induced fluorescence from the simulated oil samples based on polar decomposition of Mueller matrix[J]. spectroscopy and spectral analysis, 2018, 37(7): 2092-2099.
[12] Glassner AS. A model for fluorescence and phosphorescence[M] ∥ Sakas G, Müller S, Shirley P, et al. Photorealistic Rendering Techniques. Focus on Computer Graphics (Tutorials and Perspectives in Computer Graphics). Berlin, Heidelberg: Springer, 1995: 60- 70.
[13] Hullin M B, Hanika J, Ajdin B, et al. Acquisition and analysis of bispectral bidirectional reflectance and reradiation distribution functions[J]. ACM Transactions on Graphics, 2010, 29(4): 97.
[14] 孙兰君. 基于激光诱导荧光的海洋环境参量遥感探测技术研究[D]. 哈尔滨: 哈尔滨工业大学, 2016: 41- 64.
Sun LJ. Research on remote sensing technology of ocean environmental parameters based on laser induced fluorescence[D]. Harbin: Harbin Institute of Technology, 2016: 41- 64.
[15] Steinvall O. Effects of target shape and reflection on laser radar cross sections[J]. Applied Optics, 2000, 39(24): 4381-4391.
[16] Wang L H, Jacques S L, Zheng L Q. MCML: Monte Carlo modeling of light transport in multi-layered tissues[J]. Computer Methods and Programs in Biomedicine, 1995, 47(2): 131-146.
[17] Morel A, Antoine D, Gentili B. Bidirectional reflectance of oceanic waters: accounting for Raman emission and varying particle scattering phase function[J]. Applied Optics, 2002, 41(30): 6289-6306.
[18] Churmakov D Y, Meglinski I V, Piletsky S A, et al. Analysis of skin tissues spatial fluorescence distribution by the Monte Carlo simulation[J]. Journal of Physics D: Applied Physics, 2003, 36(14): 1722-1728.
[19] 张莹珞, 王英民, 黄爱萍. 米氏理论下悬浮粒子对水下激光传输的影响[J]. 中国激光, 2018, 45(5): 0505002.
[20] McShane M J, Rastegar S, Pishko M, et al. Monte Carlo modeling for implantable fluorescent analyte sensors[J]. IEEE Transactions on Bio-Medical Engineering, 2000, 47(5): 624-632.
[21] Ralston C Y, Wu X, Mullins O C. Quantum yields of crude oils[J]. Applied Spectroscopy, 1996, 50(12): 1563-1568.
[22] Pogue B W, Burke G. Fiber-optic bundle design for quantitative fluorescence measurement from tissue[J]. Applied Optics, 1998, 37(31): 7429-7436.
[23] Otremba Z. Oil droplets as light absorbents in seawater[J]. Optics Express, 2007, 15(14): 8592-8597.
[24] Petzold TJ. Volume scattering functions for selected ocean waters[R]. San Diego: Scripps Institution of Oceanography, 1972: 152- 174.
[25] Otremba Z, Krol T. Light attenuation parameters of polydisperse oil-in-water emulsion[J]. Optica Applicata, 2001, 31(3): 599-609.
[26] Oda M, Yamashita Y, Nishimura G, et al. Quantitation of absolute concentration change in scattering media by the time-resolved microscopic beer-lambert law[J]. Advances in Experimental Medicine and Biology, 1994, 345: 861-870.
Article Outline
张晓丹, 孔德明, 袁丽, 孔德翰, 孔令富, 贾海阳. 海面溢油水包油乳化液探测参数的BRRDF仿真研究[J]. 光学学报, 2020, 40(17): 1701001. Xiaodan Zhang, Deming Kong, Li Yuan, Dehan Kong, Lingfu Kong, Haiyang Jia. BRRDF Simulation Research on Detection Parameters of Oil-in-Water Emulsion of Oil Spill on Sea Surface[J]. Acta Optica Sinica, 2020, 40(17): 1701001.