随着海洋运输业和海洋石油开采业的快速发展, 溢油污染日益严重, 给海洋环境和海洋生态平衡带来极大威胁。 因此海洋溢油污染的治理、 改善, 成为海洋环境保护工程中刻不容缓的重要工作。 而对不同状态溢油的识别则是解决溢油污染问题的基础与关键。 海面上的溢油, 主要包括未乳化与乳化两个不同阶段。 前者以不同厚度的油膜形式存在, 后者以不同油水比的溢油乳化物形式存在。 不同状态的海面溢油具有不同的元素组成: 油膜为纯油分子, 乳化溢油为油水混合结构, 构建出差异化的荧光基团。 在激光作用下具备各自特征的荧光光谱信息, 不同状态显示出较为明显的荧光光谱差异。 光谱曲线的形状特征是荧光物质物理化学性质的一种外在体现, 所以从光谱的特征形状来分析、 比较一定的光谱参量可以达到物质分类和物种识别的目的和效果。 为了实现海面溢油不同状态的快速分类识别, 通过搭建的LIF探测系统, 采集了常用成品油不同状态的荧光光谱, 光谱曲线对比发现: 乳化阶段的光谱会表现出荧光峰个数增多、 荧光强度改变、 荧光峰位偏移等一系列特征。 在此基础上, 根据表观统计学原理, 提取光谱的均值、 标准差、 峰度系数、 谱线宽度、 曲线斜率等特征参量, 并将这些特征值进行聚类分析。 结果显示: 基于激光诱导荧光光谱的海面溢油聚类分析结果与实际溢油状态是基本一致的。 即在已知油种的前提下, 该分类方法可较好识别出海面不同的溢油状态。 因此该方法可以为海面溢油识别提供一种新思路, 也为LIF技术探测质量的提高, 应用水平的提升奠定一定的基础。

海面溢油污染是常见的海洋污染之一, 通常以未乳化、 乳化等风化状态存在, 其中乳化阶段对海洋危害更加显著。 因此, 快速监测海面溢油信息, 准确识别并评估乳化溢油污染对溢油应急处理和生态环境保护具有重要意义。 激光诱导荧光(LIF)是目前有效的海面溢油探测技术之一。 LIF探测系统可分为收发共轴和非共轴形式。 有关收发共轴LIF系统对海面乳化溢油探测的研究较少, 利用Mie散射理论计算得到溢油乳化液的吸收系数、 散射系数等光学参数, 建立蒙特卡罗光子传输模型对乳化溢油进行双向反射再辐射分布函数(bidirectional reflectance and reradiation distribution function, BRRDF)的仿真研究。 分析浓度、 厚度、 油种多参数下乳化溢油的f_BRRDFcos²θ与发射接收角度的关系, 进而得到基于收发共轴LIF系统海面乳化溢油探测的适宜条件。 结果表明, f_BRRDFcos²θ与发射接收方位角无关, 但受发射接收天顶角的影响较大, 各参数下乳化溢油的f_BRRDFcos²θ其变化规律具有一定差异性。 重质油包水和低浓度水包油的f_BRRDFcos²θ对天顶角的变化更敏感, 轻质油包水和高浓度水包油的f_BRRDFcos²θ对较小角度(0°~45°)不敏感, 之后迅速下降。 因此基于收发共轴LIF系统对海面乳化溢油进行探测时, 发射接收天顶角在0°~45°范围内为宜, 其中在0°处系统可接收到最大光功率。 另外, 为验证仿真正确性, 利用实验室LIF系统对乳化溢油进行收发共轴式测量荧光光谱, 发现此与仿真结果具有一致性趋势。

随着海洋溢油问题的日益严重, 多种遥感技术被用于海面溢油监测, 其中激光诱导荧光(LIF)技术是目前被认为最有效的海面溢油探测技术之一。 Hoge等基于LIF技术提出了一种利用拉曼散射光评估薄油膜厚度的积分反演算法并广泛应用于海面溢油探测, 针对该算法存在误差较大的问题, 提出一种融合拉曼散射光和荧光信号评估海面溢油厚度的反演算法。 首先利用拉曼散射光信号反演油膜厚度, 然后利用该反演结果计算获取溢油油品的荧光特征光谱, 最后利用荧光信号反演油膜厚度。 文中推导了利用荧光信号反演油膜厚度的算法, 给出了油品荧光特征光谱的逼近算法, 并给出了利用荧光信号反演油膜厚度的误差分析。 通过实验对该方法进行了验证, 选用原油和柴油为实验油品, 以波长405 nm的激光作为激发光源, 采集波长范围为420~700 nm, 采集了海水的背景荧光和拉曼散射光信号、 实验油品2, 5, 10和20 μm等不同厚度油膜的光谱信号。 将采集数据分为训练集和测试集, 利用训练集数据采用梯度下降法获取油品的荧光特征光谱, 利用测试集数据分别采用积分拉曼法和该方法反演油膜厚度。 采用积分拉曼法, 原油不同厚度油膜反演结果的平均误差分别为12.6%, 4.6%, 4.4%和2.3%, 柴油不同厚度油膜反演结果的平均误差分别为14.0%, 7.0%, 4.2%和3.6%; 采用本文方法, 原油不同厚度油膜反演结果的平均误差分别为2.5%, 2.2%, 1.2%和1.1%, 柴油不同厚度油膜反演结果的平均误差分别为3.0%, 2.4%, 2.7%和1.6%。 实验结果表明, 2 μm油膜反演结果的误差降低最多, 原油和柴油2 μm油膜的反演结果误差分别由12.6%和14.0%降低为2.5%和3.0%, 其他厚度油膜反演结果的误差也有较大程度的降低, 油膜厚度反演结果的误差均小于3%, 采用本文算法可以有效提高油膜厚度反演结果的精度。

海面溢油污染是最常见的污染之一, 通常以不同风化状态存在于海面上, 如未乳化阶段油膜, 乳化阶段水包油、 油包水等。 因此, 快速准确的监测海面溢油信息, 识别、 分类及定量评估不同阶段的溢油污染, 对海洋污染快速治理和生态环境恢复具有重要意义。 激光诱导荧光(LIF)是目前最有效的海面遥感探测技术之一。 双向反射再辐射分布函数(BRRDF)通过描述目标受激发射的荧光分布来表征目标的荧光性质。 目前基于LIF探测技术除对海面溢油未乳化阶段油膜和乳化阶段水包油有所研究外, 尚未对乳化阶段中油包水乳化液荧光特性方面开展相关研究。 鉴于此, 利用米氏散射理论得到油包水乳化液的光学参数, 对油包水乳化液建立蒙特卡罗光子传输模型以开展BRRDF研究, 探讨与分析油包水乳化液在含油率、 入射接收角度、 厚度参数下f_BRRDFcosθ_rcosθ_i(荧光出射角θ_r, 激光入射角θ_i)的变化, 并利用实验测量的荧光光谱数据与仿真进行对比验证。 结果表明, f_BRRDFcosθ_rcosθ_i值随乳化液含油率(海水表层乳化液的含油率)的升高呈下降趋势, 并与实验采集到的荧光光谱数据具有一致性趋势, 为基于LIF技术对海面溢油油包水乳化液含油率的推断提供依据; f_BRRDFcosθ_rcosθ_i值随θ_i的增大开始变化比较缓慢, 当θ_i>65°时迅速减小, 并随θ_r继续增大而持续减小, 与实验采集到的光谱数据趋势相吻合, 此趋势说明利用LIF技术对海面油包水乳化液进行探测时, 激光入射角度不宜超过65°且垂直海面可接收到最大光信号; f_BRRDFcosθ_rcosθ_i值随乳化液厚度的升高先上升后变得平稳, 说明f_BRRDFcosθ_rcosθ_i可评估海面溢油油包水乳化液的最小厚度。 该研究内容为基于LIF技术探测海面溢油提供理论和技术支持。

油膜厚度是海面溢油污染评估分析的一个重要指标, 激光诱导荧光(LIF)技术是目前最有效的海面溢油探测技术之一, 基于LIF探测技术的油膜厚度反演算法当下仅有适用于薄油膜(≤10~20 μm)的评估方法, 而对于较厚油膜(>20 μm)的评估目前尚无有效的反演算法。 鉴于此, 提出一种基于LIF技术适用于较厚油膜的反演算法, 该算法采用油膜荧光信号反演油膜厚度, 推导了油膜厚度反演公式, 并给出了基于该反演算法的油膜厚度评估方法。 首先采用最大类间方差算法(Otsu)选取合适的荧光光谱波段, 然后根据选取波段内每个波长的光谱数据反演油膜厚度, 最后采用反演油膜厚度的平均值作为油膜厚度评估结果。 研究了该算法的适用范围, 给出了该算法有效评估范围最大值与测量相对误差的关系, 并结合消光系数给出了在多种测量误差条件下不同消光系数油品有效评估范围的最大值。 通过实验对本文方法进行了验证, 选用原油和白油的混合油(1:50)作为实验油品, 以波长为405 nm的激光作为激发光源, 采集波长范围为420~750 nm, 采集了海水背景荧光和拉曼散射光光谱、 实验油品的荧光特征光谱和多种不同厚度的较厚油膜的荧光光谱。 采用Otsu算法选取420~476 nm波段评估油膜厚度, 在实验油品油膜厚度≤800 μm时, 该算法对油膜厚度的评估具有较高的精度, 平均误差为10.5%; 在油膜厚度>800 μm时, 平均误差为28.8%, 评估误差较大且随油膜厚度的增加快速变大, 该实验结果与利用测量相对误差和消光系数的分析结果一致。 实验结果表明, 该方法可以实现对海面较厚油膜厚度的有效评估, 并可以根据测量相对误差和消光系数判断评估结果的有效性。