CN106842202A - 一种基于遥感影像确定溢油事故源点的方法及装置 - Google Patents
一种基于遥感影像确定溢油事故源点的方法及装置 Download PDFInfo
- Publication number
- CN106842202A CN106842202A CN201710110804.0A CN201710110804A CN106842202A CN 106842202 A CN106842202 A CN 106842202A CN 201710110804 A CN201710110804 A CN 201710110804A CN 106842202 A CN106842202 A CN 106842202A
- Authority
- CN
- China
- Prior art keywords
- point
- oil film
- movement locus
- oil
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 239000003305 oil spill Substances 0.000 title claims abstract description 53
- 230000033001 locomotion Effects 0.000 claims abstract description 114
- 239000006185 dispersion Substances 0.000 claims abstract description 43
- 230000002441 reversible effect Effects 0.000 claims description 35
- 238000009826 distribution Methods 0.000 claims description 22
- 238000012937 correction Methods 0.000 claims description 14
- 238000009792 diffusion process Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 230000002093 peripheral effect Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 3
- 230000001869 rapid Effects 0.000 claims description 2
- 230000000630 rising effect Effects 0.000 claims 1
- 238000004088 simulation Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 239000004215 Carbon black (E152) Substances 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 229930195733 hydrocarbon Natural products 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 125000001183 hydrocarbyl group Chemical group 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000013535 sea water Substances 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005188 flotation Methods 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000001314 paroxysmal effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000012950 reanalysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9027—Pattern recognition for feature extraction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)
Abstract
本发明公开了一种基于遥感影像确定溢油事故源点的方法及装置。所述方法包括:获取遥感影像中的油膜影像;获取所述油膜影像中油膜运动轨迹交点或油膜运动轨迹分散拐点,根据所述油膜运动轨迹交点或油膜运动轨迹分散拐点进行计算,获取最小圆,确定溢油事故源点范围。根据本发明提供的方法及装置,确定一个溢油事故点的范围,这个范围的计算避开了油膜漂移时间不确定的问题,并且可以根据需要计算标准差圆,获取优先搜索范围,为相关决策者做出有效措施提供支持。
Description
技术领域
本发明涉及环境监测领域,尤其涉及一种基于遥感影像确定溢油事故源点的方法及装置。
背景技术
随着全球经济的快速发展,加大了对能源的需求,也间接加快了海上石油资源开发产业和海上交通运输业的发展,使得溢油事故的发生频率大大增加,导致大量石油泄漏到海洋中,溢油在进入海水后在会污染海水,使得海洋生态环境逐渐恶化,致使溢油成为不可忽视的海洋环境问题。海洋发生溢油事件并在监测到溢油后,利用计算机强大且快速的数据处理能力,同时借助气象、海洋等数据,模拟海上溢油的逆向运动轨迹,并寻找溢油的归宿。这对于保护海洋环境、及时援助海洋突发事故具有重要意义。
目前用于确定溢油事故源点的方法,因不同的油膜溢出海面的时间及地点不同,难以确定油膜在海面的准确漂浮时间,导致油膜轨迹逆向模拟的时间很难确定。并且由于海面溢油事故通常是突发性的,并且在未被发觉时已经发生一段时间,进一步增加了确定油膜在海面漂浮时间的难度,因而确定溢油事故点也成为一个难题。虽然存在诸多困难,快速确定溢油事故点,对于确定溢油事故发生原因、并采取有效措施进行事故处理具有重要意义。
发明内容
本发明旨在解决上面描述的问题。本发明的目的是提供解决以上问题的一种基于遥感影像确定溢油事故源点的方法及装置。
本发明提供了一种基于遥感影像确定溢油事故源点的方法,所述方法包括:
获取遥感影像中的油膜影像;
获取所述油膜影像中油膜运动轨迹交点或油膜运动轨迹分散拐点,根据所述油膜运动轨迹交点或油膜运动轨迹分散拐点进行计算,获取最小圆,确定溢油事故源点范围。
此基于遥感影像确定溢油事故源点的方法还具有以下特点:
所述获取所述油膜影像中油膜运动轨迹交点或油膜运动轨迹分散拐点的方法包括:将所述油膜影像按油膜的分布分成N个部分,在所述N个部分内随机分布离散点;根据拉格朗日数值修正模型对所述离散点进行逆向跟踪计算,获取所述离散点的逆向运动轨迹,得到所述油膜影像中油膜运动轨迹交点或油膜运动轨迹分散拐点。
此基于遥感影像确定溢油事故源点的方法还具有以下特点:
所述离散点的整体组合形状反映影像提取的油膜形状,且离散点的数量小于预设值。
此基于遥感影像确定溢油事故源点的方法还具有以下特点:
所述根据拉格朗日数值修正模型对所述离散点进行逆向跟踪计算,获取所述离散点的逆向运动轨迹或油膜运动轨迹分散拐点包括:
选取所述离散点的中心点,利用所述拉格朗日数值修正模型获取离散点逆向运动轨迹,使离散点在向源点运动的过程中,同时向所述中心点运动;
其中,所述离散点的中心点是靠近油膜质心的离散点,且所述中心点处的油膜影像亮度低于周围区域的亮度。
此基于遥感影像确定溢油事故源点的方法还具有以下特点:
所述根据所述油膜运动轨迹交点计算获取最小圆包括:在不同部分的油膜运动轨迹不断靠拢、第一次相交后,获取油膜运动轨迹交点,如果不同部分的油膜运动轨迹不相交,获取油膜运动轨迹分散拐点,将包围所有油膜运动轨迹交点或油膜运动轨迹分散拐点的半径最小的圆作为获得的最小圆。
此基于遥感影像确定溢油事故源点的方法还具有以下特点:
所述确定溢油事故源点范围包括:将涵盖所述油膜运动轨迹交点或油膜运动轨迹分散拐点的最小圆作为圈定的溢油事故可能存在的范围,或者将涵盖所述油膜运动轨迹交点或油膜运动轨迹分散拐点数量的60%以上的标准差圆作为溢油事故点的优先搜索范围。
此基于遥感影像确定溢油事故源点的方法还具有以下特点:
所述获取遥感影像中的油膜影像之前还包括:对所述遥感影像进行预处理,所述预处理包括以下至少一种方法:辐射校正、几何校正、斜地距转换和滤波处理。
此基于遥感影像确定溢油事故源点的方法还具有以下特点:
所述拉格朗日数值修正模型表达式如下,
其中分别是所述离散点i在时刻t、t+Δt的位置,Δt是时间间隔,当对离散点进行逆向跟踪计算时,Δt为负数,vi是离散点i在时刻t、位置的漂流速度;
所述离散点i在时刻t、位置的漂流速度vi是潮流速度、风速、波浪速度及修正后的湍流扩散速度的线性组合,表达式如下,
vi=CCuC+CDDwuw+CHuH+ud (2)
其中,uC代表潮流速度,CC代表潮流速度系数,CD代表风速系数(风因子),Dw代表风速引起的漂流速度与风速的夹角,uw代表距离海表面10米高处的风速,CH代表由波浪引起的斯托克斯漂移速度的系数,uH代表波浪导致的斯托克斯漂移速度,计算公式如下,
uH=|uH|(cosα,sinα) (4)
其中,H是有效波高,T是平均周期,α是平均方向,
ud是随机速度,也是湍流扩散速度,用于模拟离散点的扩散过程,是一个矢量,计算公式如下,
ud=|ud|cosβ (6)
其中,Δt是时间步长,是分布在[-1,1]范围内的随机数,D是扩散系数,β是分布在[0,2π]之间的随机值,
对所述矢量ud进行修正,将矢量沿所述中心点与所述离散点连线的方向,以及与其垂直的方向进行分解,分别获得矢量ud1和ud2,因β是[0,2π]之间的随机值,当ud1方向远离所述中心点时,对ud1方向取负值,使每个离散点的速度分量ud1的方向均朝向所述中心点,这样离散点在向源点运动的过程中,会向所述中心点运动。
本发明还提供了一种基于遥感影像确定溢油事故源点的装置,所述装置包括:
第一获取模块,用于获取遥感影像中的油膜影像;
第二获取模块,用于获取所述油膜影像中油膜运动轨迹交点或油膜运动轨迹分散拐点;
最小圆获取模块,用于根据所述油膜运动轨迹交点或油膜运动轨迹分散拐点进行计算,获取最小圆;
范围确定模块,用于根据所述最小圆确定溢油事故源点范围。
本发明通过拉格朗日修正模型模拟分散于油膜内的离散点,并基于得到的离散点轨迹计算轨迹交点或轨迹分散拐点,基于这些轨迹交点或轨迹分散拐点确定的轨迹交点最小圆,可以确定一个溢油事故点的范围,这个范围的计算避开了油膜漂移时间不确定的问题,并且可以根据需要计算标准差圆,获取优先搜索范围,为相关决策者做出有效措施提供支持。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明的实施例一提供的一种基于遥感影像确定溢油事故源点的方法的流程图;
图2是根据本发明的实施例二提供的一种基于遥感影像确定溢油事故源点的方法的流程图;
图3是根据本发明的实施例二提供的遥感影像图;
图4是根据本发明的实施例二提供的油膜影像提取图;
图5是根据本发明的实施例二提供的离散点及中心点分布图;
图6是根据本发明的实施例二提供的离散点逆向运动轨迹图;
图7是根据本发明的实施例二提供的离散点轨迹交点及最小圆图;
图8是根据本发明的实施例三提供的一种基于遥感影像确定溢油事故源点的方法的流程图;
图9是根据本发明的实施例三提供的遥感影像图;
图10是根据本发明的实施例三提供的离散点及中心点分布图;
图11是根据本发明的实施例三提供的离散点逆向运动轨迹图;
图12是根据本发明的实施例三提供的离散点运动轨迹分散拐点及最小圆图;
图13是根据本发明的实施例四提供的一种基于遥感影像确定溢油事故源点的装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
下面结合附图详细描述本发明的示例性实施例基于遥感影像确定溢油事故源点方法及装置。
实施例一
图1是示出根据本发明实施例一的基于遥感影像确定溢油事故源点方法的流程图。参照图1,所述方法包括:
步骤101,获取遥感影像中的油膜影像;
在步骤101之前,还可对遥感影像进行预处理,预处理包括以下至少一种方法:辐射校正、几何校正、斜地距转换和滤波处理。
步骤102,获取油膜影像中油膜运动轨迹交点或油膜运动轨迹分散拐点,根据油膜运动轨迹交点或油膜运动轨迹分散拐点进行计算,获取最小圆,确定溢油事故源点范围。
在上述步骤102中,将油膜影像按油膜的分布分成8个部分,在8个部分内随机分布离散点,其中离散点的整体组合形状反映影像提取的油膜形状,且离散点的数量小于预设值,此预设值根据油膜的面积及计算设备的计算能力确定。
根据拉格朗日数值修正模型对离散点进行逆向跟踪计算,获取离散点的逆向运动轨迹,得到离散点的逆向运动轨迹交点或油膜运动轨迹分散拐点。
具体地,选取离散点的中心点,利用拉格朗日数值修正模型获取离散点逆向运动轨迹,使离散点在向源点运动的过程中,同时向中心点运动,其中,离散点的中心点是靠近油膜质心的离散点,且中心点处的油膜影像亮度低于周围区域的亮度。
拉格朗日数值修正模型表达式如下,
其中分别是离散点i在时刻t、t+Δt的位置,Δt是时间间隔,当对离散点进行逆向跟踪计算时,Δt为负数,vi是离散点i在时刻t、位置的漂流速度;
离散点i在时刻t、位置的漂流速度vi是潮流速度、风速、波浪速度及修正后的湍流扩散速度的线性组合,表达式如下,
vi=CCuC+CDDwuw+CHuH+ud (2)
其中,uC代表潮流速度,CC代表潮流速度系数,CD代表风速系数(风因子),Dw代表风速引起的漂流速度与风速的夹角,uw代表距离海表面10米高处的风速,CH代表由波浪引起的斯托克斯漂移速度的系数,uH代表波浪导致的斯托克斯漂移速度,计算公式如下,
uH=|uH|(cosα,sinα) (4)
其中,H是有效波高,T是平均周期,α是平均方向,
ud是随机速度,也是湍流扩散速度,用于模拟离散点的扩散过程,是一个矢量,计算公式如下,
ud=|ud|cosβ (6)
其中,Δt是时间步长,是分布在[-1,1]范围内的随机数,D是扩散系数,β是分布在[0,2π]之间的随机值,
对拉格朗日模型进行修正,主要是对矢量ud进行修正。将矢量ud沿中心点与离散点连线的方向,以及与其垂直的方向进行分解,分别获得矢量ud1和ud2,因β是[0,2π]之间的随机值,当ud1方向远离中心点时,对ud1方向取负值,使每个离散点的速度分量ud1的方向均朝向中心点,这样离散点在向源点运动的过程中,会向中心点运动。
按如下方式选择离散点运动轨迹:
选择的离散点运动轨迹具有代表性,可以代表一部分或者几部分油膜的运动特征;
选择的离散点运动轨迹具有区别性,对于相似或者相同的轨迹,只选择相似的几部分中最具有代表性的一部分参与交点计算;
选择的离散点运动轨迹完整性,尽可能包括所有具有代表性的离散点运动轨迹,当某几部分轨迹运动过程中向某一目标部分运动,则选择目标部分的轨迹参与计算。
提取油膜运动轨迹交点或油膜运动轨迹分散拐点进行计算。其中,提取油膜运动轨迹交点是指,不同部分的油膜轨迹逐渐向同一区域聚集,在聚集的过程中,不同部分油膜的轨迹之间出现重合或者相交,随着粒子离溢油事故发生点距离越来越近,轨迹交点越来越多,当拉格朗日模型的模拟时间逐渐增大时,不同部分的油膜轨迹之间开始偏离,轨迹交点逐渐减少,提取轨迹交点最多时刻的所有轨迹交点参与最小圆的计算;提取油膜运动轨迹分散拐点是指,不同部分的油膜轨迹在一定的模拟时间内聚集,然后油膜轨迹开始分散,整个模拟过程并没有出现轨迹交点,此时,选择油膜轨迹开始分散的拐点参与最小圆的计算。
将包围所有油膜运动轨迹交点或油膜运动轨迹分散拐点的半径最小的圆作为获得的最小圆。
计算最小圆内的一个标准差圆。在这个标准差圆内,点的分布密度高于最小圆。这个标准差圆通常位于最小圆内,涵盖60%以上的油膜运动轨迹交点或油膜运动轨迹分散拐点。标准差圆可以用于划定一个更小的优先搜索范围用于快速搜索溢油事故源点。
标准差圆的半径计算公式如下:
其中是标准差圆平均中心,xi和yi是离散点i的坐标,n是轨迹交点总数。SD是标准差圆半径。
实施例二
图2是示出根据本发明实施例二的基于遥感影像确定溢油事故源点方法的流程图。参照图2,所述方法包括:
步骤201,对遥感影像进行预处理;
步骤202,获取遥感影像中的油膜影像;
步骤203,将油膜影像按油膜的分布分成N个部分,在N个部分内随机分布离散点;
步骤204,选取各部分离散点的中心点,根据拉格朗日数值修正模型对离散点进行逆向跟踪计算,获取离散点的逆向运动轨迹;
步骤205,获取油膜运动轨迹交点;
步骤206,获取包围所有油膜运动轨迹交点的最小圆及标准差圆;
步骤207,确定溢油事故源点范围。
在上述步骤201中,可以先对遥感影像进行预处理,如图3所示,该影像来源于高级合成孔径雷达(ENVISAT ASAR Advanced Synthetic Aperture Radar)传感器的VV极化WSM(Wide Swath Medium)格式数据。高级合成孔径雷达是一种主动微波传感器,可以全天候全天时工作,为监测海面油膜提供尽可能多的数据。
对ASAR影像的预处理包括:辐射定标、几何校正、滤波处理等。
辐射定标:使用欧洲航天局提供的NEST(Next ESA SAR Toolbox)软件包进行,主要步骤为原始数据-幅度图像得到能量图像-辐射定标得到后向散射系数(BackscatteringCoefficients)图像。ASAR数据的绝对定标公式为:
式中,是第i行,j列像元的后向散射系数;DNij为第i行,j列像元的原始强度数值;θij是第i行,j列像元的雷达入射角度,而K即为绝对定标系数。
几何校正:所获取的影像是已经经过斜地距转换处理,而海面相对平坦,案例中采用NEST软件包中的Geometry/Terrain Correction进行几何校正。
图像滤波处理:斑点滤波是SAR遥感影像区别于光学遥感图像的一个重要特征。斑点形成的主要原因是合成孔径雷达成像过程中相干波相互叠加造成雷达信号的衰减。影像上的斑点,严重影响了影像的质量和目标信息提取能力。滤波处理可以减少SAR遥感影像斑点噪声的影响,提高图像的目视效果,更重要的是有助于提高对每个像元后向散射的估计精度。采用Lee滤波器对图像进行滤波处理,Lee滤波器在抑制噪声的同时,保留了图像的高频信息和细节,被滤掉的像元将用周围像元计算的值来代替。
在上述步骤202中,由于溢油表面光滑,因而油膜存在的海域海面粗糙度降低,油膜覆盖区域传回的雷达后向散射值低,使油膜在ASAR影像中相对周围海域呈现暗斑区。图3中长方形内的暗斑区域是由油膜造成的。在将遥感影像进行上述预处理之后,利用基于流体扩散模式的Level Set图像分割方法,克服SAR图像高噪声和低对比度的缺点,对遥感图像进行分割,提取出事故油膜污染区域,如图4所示。相比于传统分割方法,Level Set图像分割方法可以降低噪声的干扰程度,并且获取的油膜边缘较光滑,油膜内部区域也较均匀。
在上述步骤203中,将油膜影响划分成8部分,命名为P1~P8,如图4所示。根据获取的油膜影像随机分布离散点,离散点总数目为519,离散点分布如图5所示。
在上述步骤204中,选取每个部分离散点的中心点,离散点的中心点是靠近油膜质心的离散点,且离散点的中心点处的油膜影像亮度低于周围区域的亮度,中心点分布如图5的较大的灰色三角形。根据拉格朗日数值修正模型对离散点的逆向运动轨迹进行修正,使离散点在向源点运动的过程中向中心点运动。
获取离散点的逆向运动轨迹的方法与实施例一的步骤102描述的方法相同,在此不再赘述。
这里根据拉格朗日数值修正模型对离散点进行逆向跟踪计算,使用的数据主要有风场数据、流场数据及波浪场数据。
风场数据:在实验中所使用的风场数据来源于CCMP(Cross Calibrated Multi-Platform)。CCMP风场的空间分辨率是0.25°,时间分辨率是6小时,分别在每天的0点、6点、12点和18点四个时刻有数据值。因CCMP风场是正交网格数据,且只在每天四个有限时刻有数据值,故而非网格点的风场数据和其他时刻的数据均需要通过插值来获得,这里使用的插值方法是样条插值方法。
流场数据:在模拟油膜轨迹过程中需要的流场数据来自HYCOM模型(HybridCoordinate Ocean Model)。这里使用的数据经NRL Coupled Ocean Data Assimilation(NCODA)同化后的数据,是分辨率为0.125°的正交网格数据,数据的时间分辨率是3小时,分别在0点、3点、6点、9点、12点、15点、18点和21点八个时刻有数据值。实例中选择的HYCOM数据范围是116°E~122°E,36°N~42°N,覆盖了渤海区域及黄海的西北部。非正交网格点上以及非HYCOM时刻的数据,采用样条差值的方法获取。
波浪数据:在模拟油膜轨迹的过程中,波浪引起的斯托克斯漂移也是重要的参数,尤其是在对近岸海域的油膜轨迹进行模拟。这里计算斯托克斯速度需要三个重要参数,即有效波高(Significant Wave Height,SWH)、平均波向(Mean Wave Direction,MWD)、平均周期(Mean Wave Period,MWP),来源于ERA-Interim,由European Center for Medium-Range Weather Forecasts(ECMWF)免费提供的全球再分析数据集。ERA-Interim的数据产品均采用双线性插值方法得到分辨率为0.125°的数据,用户可根据研究需要采样到粗的分辨率,如0.5°、1.0°、或者1.5°。本实施例中使用的波浪数据空间分辨率是0.125°,时间分辨率是6小时,分别在0点、6点、12点和18点四个特定时刻点有数据。与风场数据相同,获取不在网格点上的油粒子在模拟时刻的位置需要对斯托克斯速度进行空间维度和时间维度上的样条插值。
将求得的风速、流速、斯托克斯速度带入修正后的拉格朗日模型对离散点进行逆向跟踪计算,获取离散点的逆向运动轨迹,得到的油膜轨迹如图6所示。
在上述步骤205中,如图6所示,模拟的离散点在向其源点运动的同时,不同部分离散点的轨迹逐渐靠拢。其中,P3~P6四部分油膜的油粒子在向其源点运动时,不断向P1~P2这两部分油膜所在的位置靠近。因而在计算交点时,用P1~P2两部分油膜代替P3~P6四部分油膜进行相交获取轨迹交点。P7~P8这两部分轨迹路径相似,逐渐与P1~P2两部分的轨迹靠近。
这里油膜轨迹模拟的时间参考遥感影像获取的时间,设定为192h。P1~P2分别与P7~P8两部分轨迹在相交。在计算轨迹交点时,相似的轨迹之间不进行相交计算,P1、P2轨迹相似,P7、P8轨迹相似,P1轨迹分别与P7、P8轨迹取交点,P2轨迹分别与P7,P8轨迹取交点。因油膜运动时间不确定,且当模拟时间过长时,模拟的油粒子轨迹与实际油粒子轨迹相差较远,且会出现不同轨迹重复相交的情况。故而在进行轨迹相交时,以P1~P2分别与P7~P8第一次产生交点为准,截取各自部分轨迹,如图6所示,最终得到的所有交点数目为4177个,如图7所示。
在上述步骤206中,如图7所示,包围所有油膜运动轨迹交点的半径最小的圆即为获得的最小圆。本实施例中,大部分油粒子集中分布在最小圆中心位置左下方的位置。计算所有交点的标准差圆,这个标准差圆内的交点分布更加密集。本实施例计算的标准差圆包含2626个交点,占交点总数目的62.87%。
在上述步骤207中,如图7所示,最小圆半径约为6.717km。为验证结果有效性,将已知采油平台所在位置与最小圆、标准差圆作对比发现,两个采油平台均在最小圆范围内,且与最小圆中心都较近,距离均不超过3km。标准差圆半径约为3.283km,其中心与两个采油平台的位置不超过2km,面积是最小圆的20%左右,大大缩减搜索溢油源范围,为确定优先搜索区域提供指导。
实施例三
图8是示出根据本发明实施例三的基于遥感影像确定溢油事故源点方法的流程图。参照图8,所述方法包括:
步骤801,对遥感影像进行预处理;
步骤802,获取遥感影像中的油膜影像;
步骤803,将油膜影像按油膜的分布分成N个部分,在N个部分内随机分布离散点;
步骤804,选取各部分离散点的中心点,根据拉格朗日数值修正模型对离散点进行逆向跟踪计算,获取离散点的逆向运动轨迹;
步骤805,获取油膜运动轨迹分散拐点;
步骤806,获取包围所有油膜运动轨迹分散拐点的最小圆及标准差圆;
步骤807,确定溢油事故源点范围。
在上述步骤801中,可以先对遥感影像进行预处理,本实施例中使用的遥感数据是2001年7月份的4景RADARSAT-1影像,分别是7月12号、16号、19号及22号,像元分辨率为12.5m×12.5m,如图9所示。获取的RADARSAT-1影像是已经经过辐射定标和几何校正的影像,因此,对影像的预处理主要是对影像进行滤波运算。对影像进行滤波处理是除去影像上由于SAR成像机制产生的噪音斑点,以提高图像的目视效果。在本实施例中采用的是ENVI中的Enhance Frost Filter进行滤波。该滤波器是一种自适应滤波器,其优点是既可保持原来影像的边缘和纹理信息,又能消除噪音斑点。
在上述步骤802中,由于RADARSAT-1影像上记录的自然渗漏油膜油量少,且成线状,因此本实施例中不采用图像分割方法提取遥感影像上的油膜。
在上述步骤803中,直接在影像上的油膜内获取离散点,如图10所示,四景影像上分布的离散点数目分别是123,125,433,14。
在上述步骤804中,由于图10(c)中油膜影像分散,因此油膜影像分成三部分,其余三景影像上的油膜均是各自代表一个部分。在模拟这些油膜的轨迹时,每个部分选出一个中心点,如图10中较大的三角形。根据拉格朗日数值修正模型对离散点的逆向运动轨迹进行修正,使离散点在向源点运动的过程中向中心点运动。
获取离散点的逆向运动轨迹的方法与实施例一的步骤102描述的方法相同,在此不再赘述。得到的油膜轨迹如图11所示。
在上述步骤805中,图11中的灰色中心点圆圈GCP代表检测到的海面下存在的油气渗漏。从图11中可以看出,四个时间检测的油膜在模拟初始时,均是朝着某一区域(简称,AOSP)的方向运动,因自然渗漏的油膜通常量少,在海面存在时间短,这里模拟的时间为24小时,不同轨迹在模拟时间段内,并未出现交点。而在经过2~5小时后这些离散点开始偏离AOSP的方向运动。产生这一现象的原因与该油膜是自然渗漏有关,油膜在海表面以下时也存在水平方向上的运动,因而出现在海面的位置可能与检测的油气渗漏的位置有差异,所以在进行拉格朗日模型进行跟踪计算时,未必一定会运动到油气渗漏存在的位置。考虑到这些因素,本实施例将离散点方向偏离油气渗漏点的那一时刻的离散点所对应的位置作为油膜运动轨迹分散拐点来参与最小圆的计算,如图12所示,油膜运动轨迹分散拐点数目为695个。
在上述步骤806中,如图12所示,包围所有油膜运动轨迹分散拐点的半径最小的圆即为获得的最小圆,此最小圆半径约为11.08km,最小圆范围包含了GCP所在的位置,且最小圆中心与GCP距离均小于2km。计算标准差圆,这个标准差圆包括了478个离散点,这部分离散点占离散点总数的68.78%。
在上述步骤807中,标准差圆的半径为5.123km,不仅包括了GCP所在位置,且面积是最小圆的21%左右,大大缩小了事故可能发生区域的范围。
实施例四
图13是示出根据本发明实施例四的基于遥感影像确定溢油事故源点装置的结构示意图。
参照图13,基于遥感影像确定溢油事故源点装置包括:
第一获取模块1301,用于获取遥感影像中的油膜影像;
第二获取模块1302,用于获取所述油膜影像中油膜运动轨迹交点或油膜运动轨迹分散拐点;
最小圆获取模块1303,用于根据所述油膜运动轨迹交点或油膜运动轨迹分散拐点进行计算,获取最小圆;
范围确定模块1304,用于根据所述最小圆确定溢油事故源点范围。
上述第二获取模块1302,用于将第一获取模块1301获取的油膜影像按油膜的分布分成N个部分,在N个部分内随机分布离散点,其中离散点的整体组合形状反映影像提取的油膜形状,且离散点的数量小于预设值,此预设值根据油膜的面积及计算设备的计算能力确定。
根据拉格朗日数值修正模型对离散点进行逆向跟踪计算,获取离散点的逆向运动轨迹,得到离散点的逆向运动轨迹交点或油膜运动轨迹分散拐点。
具体地,选取离散点的中心点,利用拉格朗日数值修正模型获取离散点逆向运动轨迹,使离散点在向源点运动的过程中,同时向中心点运动,其中,离散点的中心点是靠近油膜质心的离散点,且中心点处的油膜影像亮度低于周围区域的亮度。
获取离散点的逆向运动轨迹的方法与实施例一的步骤102描述的方法相同,在此不再赘述。
上述最小圆获取模块1303,用于将包围所有油膜运动轨迹交点或油膜运动轨迹分散拐点的半径最小的圆作为获得的最小圆。
上述范围确定模块1304,根据获得的最小圆,计算最小圆内的一个标准差圆。在这个标准差圆内,点的分布密度高于最小圆。这个标准差圆位于最小圆内,通常涵盖60%以上的油膜运动轨迹交点或油膜运动轨迹分散拐点。标准差圆可以用于划定一个更小的优先搜索范围用于快速搜索溢油事故源点。
综上所述,本发明通过拉格朗日修正模型模拟分散于油膜内的离散点,并基于得到的离散点轨迹计算轨迹交点或轨迹分散拐点,基于这些轨迹交点或轨迹分散拐点确定的轨迹交点最小圆,可以确定一个溢油事故点的范围,这个范围的计算避开了油膜漂移时间不确定的问题,并且可以根据需要计算标准差圆,获取优先搜索范围,为相关决策者做出有效措施提供支持。
上面描述的内容可以单独地或者以各种方式组合起来实施,而这些变型方式都在本发明的保护范围之内。
本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件完成,所述程序可以存储于计算机可读存储介质中,如只读存储器、磁盘或光盘等。可选地,上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现,相应地,上述实施例中的各装置/单元可以采用硬件的形式实现,也可以采用软件功能装置的形式实现。本发明不限制于任何特定形式的硬件和软件的结合。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案而非限制,仅仅参照较佳实施例对本发明进行了详细说明。本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.一种基于遥感影像确定溢油事故源点的方法,其特征在于,所述方法包括:
获取遥感影像中的油膜影像;
获取所述油膜影像中油膜运动轨迹交点或油膜运动轨迹分散拐点,根据所述油膜运动轨迹交点或油膜运动轨迹分散拐点进行计算,获取最小圆,确定溢油事故源点范围。
2.如权利要求1所述的方法,其特征在于,所述获取所述油膜影像中油膜运动轨迹交点或油膜运动轨迹分散拐点的方法包括:
将所述油膜影像按油膜的分布分成N个部分,在所述N个部分内随机分布离散点;
根据拉格朗日数值修正模型对所述离散点进行逆向跟踪计算,获取所述离散点的逆向运动轨迹,得到所述油膜影像中油膜运动轨迹交点或油膜运动轨迹分散拐点。
3.如权利要求2所述的方法,其特征在于,
所述离散点的整体组合形状反映影像提取的油膜形状,且离散点的数量小于预设值。
4.如权利要求2所述的方法,其特征在于,
所述根据拉格朗日数值修正模型对所述离散点进行逆向跟踪计算,获取所述离散点的逆向运动轨迹或油膜运动轨迹分散拐点包括:
选取所述离散点的中心点,利用所述拉格朗日数值修正模型获取离散点逆向运动轨迹,使离散点在向源点运动的过程中,同时向所述中心点运动;
其中,所述离散点的中心点是靠近油膜质心的离散点,且所述中心点处的油膜影像亮度低于周围区域的亮度。
5.如权利要求1所述的方法,其特征在于,
所述根据所述油膜运动轨迹交点计算获取最小圆包括:在不同部分的油膜运动轨迹不断靠拢、第一次相交后,获取油膜运动轨迹交点,如果不同部分的油膜运动轨迹不相交,获取油膜运动轨迹分散拐点,将包围所有油膜运动轨迹交点或油膜运动轨迹分散拐点的半径最小的圆作为获得的最小圆。
6.如权利要求1所述的方法,其特征在于,
所述确定溢油事故源点范围包括:将涵盖所述油膜运动轨迹交点或油膜运动轨迹分散拐点的最小圆作为圈定的溢油事故可能存在的范围,或者将涵盖所述油膜运动轨迹交点或油膜运动轨迹分散拐点数量的60%以上的标准差圆作为溢油事故点的优先搜索范围。
7.如权利要求1所述的方法,其特征在于,
所述获取遥感影像中的油膜影像之前还包括:对所述遥感影像进行预处理,所述预处理包括以下至少一种方法:辐射校正、几何校正、斜地距转换和滤波处理。
8.如权利要求2或4所述的方法,其特征在于,
所述拉格朗日数值修正模型表达式如下,
其中分别是所述离散点i在时刻t、t+Δt的位置,Δt是时间间隔,当对离散点进行逆向跟踪计算时,Δt为负数,vi是离散点i在时刻t、位置的漂流速度;
所述离散点i在时刻t、位置的漂流速度vi是潮流速度、风速、波浪速度及修正后的湍流扩散速度的线性组合,表达式如下,
vi=CCuC+CDDwuw+CHuH+ud (2)
其中,uC代表潮流速度,CC代表潮流速度系数,CD代表风速系数(风因子),Dw代表风速引起的漂流速度与风速的夹角,uw代表距离海表面10米高处的风速,CH代表由波浪引起的斯托克斯漂移速度的系数,uH代表波浪导致的斯托克斯漂移速度,计算公式如下,
uH=|uH|(cosα,sinα) (4)
其中,H是有效波高,T是平均周期,α是平均方向,
ud是随机速度,也是湍流扩散速度,用于模拟离散点的扩散过程,是一个矢量,计算公式如下,
ud=|ud|cosβ (6)
其中,Δt是时间步长,是分布在[-1,1]范围内的随机数,D是扩散系数,β是分布在[0,2π]之间的随机值,
对所述矢量ud进行修正,将矢量沿所述中心点与所述离散点连线的方向,以及与其垂直的方向进行分解,分别获得矢量ud1和ud2,因β是[0,2π]之间的随机值,当ud1方向远离所述中心点时,对ud1方向取负值,使每个离散点的速度分量ud1的方向均朝向所述中心点,这样离散点在向源点运动的过程中,会向所述中心点运动。
9.一种基于遥感影像确定溢油事故源点的装置,其特征在于,所述装置包括:
第一获取模块,用于获取遥感影像中的油膜影像;
第二获取模块,用于获取所述油膜影像中油膜运动轨迹交点或油膜运动轨迹分散拐点;
最小圆获取模块,用于根据所述油膜运动轨迹交点或油膜运动轨迹分散拐点进行计算,获取最小圆;
范围确定模块,用于根据所述最小圆确定溢油事故源点范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710110804.0A CN106842202B (zh) | 2017-02-28 | 2017-02-28 | 一种基于遥感影像确定溢油事故源点的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710110804.0A CN106842202B (zh) | 2017-02-28 | 2017-02-28 | 一种基于遥感影像确定溢油事故源点的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106842202A true CN106842202A (zh) | 2017-06-13 |
CN106842202B CN106842202B (zh) | 2019-10-01 |
Family
ID=59135056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710110804.0A Active CN106842202B (zh) | 2017-02-28 | 2017-02-28 | 一种基于遥感影像确定溢油事故源点的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106842202B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107807069A (zh) * | 2017-10-25 | 2018-03-16 | 中国石油大学(华东) | 一种海面溢油的自适应跟踪控制方法及其*** |
CN108664025A (zh) * | 2018-05-11 | 2018-10-16 | 中国石油大学(华东) | 一种海面溢油的随机溯源跟踪控制方法及其*** |
CN110399676A (zh) * | 2019-07-24 | 2019-11-01 | 李燕 | 西北太平洋三维溢油业务化应急预报及评估*** |
CN111881596A (zh) * | 2020-08-06 | 2020-11-03 | 重庆交通大学 | 一种基于拉格朗日插值的溢油污染源逆时追踪模拟方法 |
CN115564150A (zh) * | 2022-12-06 | 2023-01-03 | 中交天津港湾工程研究院有限公司 | 基于stokes漂移和潮混合机制的溢油轨迹预测方法 |
CN116341347A (zh) * | 2023-03-29 | 2023-06-27 | 国家海洋环境预报中心 | 一种溢油漂移扩散预测的方法及装置 |
CN116415462A (zh) * | 2023-04-14 | 2023-07-11 | 哈尔滨工程大学 | 基于浮动衬套的双层油膜润滑分析方法及*** |
-
2017
- 2017-02-28 CN CN201710110804.0A patent/CN106842202B/zh active Active
Non-Patent Citations (3)
Title |
---|
ANA J. ABASCAL ET AL.: ""Calibration of a Lagrangian Transport Model Using Drifting Buoys Deployed during the Prestige Oil Spill"", 《JOURNAL OF COASTAL RESEARCH》 * |
SIYU TIAN ET AL.: ""A NEW METHOD TO LOACTE OIL SPILL ORGIN WITH MODIFIED LAGRANGIAN MODEL – A CASE STUDY OF PL19-3 OIL SPILL ACCIDENT"", 《2016 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM(IGARSS)》 * |
李欢 等: ""海上溢油行为与归宿数值预测技术研究进展"", 《海洋环境科学》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107807069A (zh) * | 2017-10-25 | 2018-03-16 | 中国石油大学(华东) | 一种海面溢油的自适应跟踪控制方法及其*** |
CN108664025A (zh) * | 2018-05-11 | 2018-10-16 | 中国石油大学(华东) | 一种海面溢油的随机溯源跟踪控制方法及其*** |
CN108664025B (zh) * | 2018-05-11 | 2019-05-24 | 山东大学 | 一种海面溢油的随机溯源跟踪控制方法及其*** |
CN110399676A (zh) * | 2019-07-24 | 2019-11-01 | 李燕 | 西北太平洋三维溢油业务化应急预报及评估*** |
CN110399676B (zh) * | 2019-07-24 | 2021-12-28 | 国家海洋环境预报中心 | 西北太平洋三维溢油业务化应急预报及评估*** |
CN111881596A (zh) * | 2020-08-06 | 2020-11-03 | 重庆交通大学 | 一种基于拉格朗日插值的溢油污染源逆时追踪模拟方法 |
CN111881596B (zh) * | 2020-08-06 | 2022-11-25 | 重庆交通大学 | 一种基于拉格朗日插值的溢油污染源逆时追踪模拟方法 |
CN115564150A (zh) * | 2022-12-06 | 2023-01-03 | 中交天津港湾工程研究院有限公司 | 基于stokes漂移和潮混合机制的溢油轨迹预测方法 |
CN116341347A (zh) * | 2023-03-29 | 2023-06-27 | 国家海洋环境预报中心 | 一种溢油漂移扩散预测的方法及装置 |
CN116415462A (zh) * | 2023-04-14 | 2023-07-11 | 哈尔滨工程大学 | 基于浮动衬套的双层油膜润滑分析方法及*** |
CN116415462B (zh) * | 2023-04-14 | 2023-11-17 | 哈尔滨工程大学 | 基于浮动衬套的双层油膜润滑分析方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN106842202B (zh) | 2019-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106842202A (zh) | 一种基于遥感影像确定溢油事故源点的方法及装置 | |
Kang et al. | Topographic mapping on large-scale tidal flats with an iterative approach on the waterline method | |
CN103236063B (zh) | 基于多尺度谱聚类及决策级融合的sar图像溢油检测方法 | |
Estournel et al. | The Rhone River plume in unsteady conditions: numerical and experimental results | |
CN104613944B (zh) | 一种基于gwr和bp神经网络的分布式水深预测方法 | |
CN105740464B (zh) | 一种基于dem的河谷形态参数自动提取方法 | |
CN110874593B (zh) | 基于掩膜的遥感图像旋转目标检测方法 | |
Miliaresis | Geomorphometric mapping of Zagros Ranges at regional scale | |
CN107944608B (zh) | 基于卫星遥感的海面漂移物与溢油漂移扩散预报方法 | |
CN101976429A (zh) | 基于游弋图像的水面鸟瞰图成像方法 | |
CN110910448B (zh) | 一种海上溢油漂移轨迹溯源方法 | |
CN111476159A (zh) | 一种基于双角回归的检测模型训练、检测方法及装置 | |
Lafon et al. | Morphodynamics of nearshore rhythmic sandbars in a mixed-energy environment (SW France): I. Mapping beach changes using visible satellite imagery | |
CN106156758A (zh) | 一种sar海岸图像中海岸线提取方法 | |
CN106780586B (zh) | 一种基于地面激光点云的太阳能潜力评估方法 | |
CN111626501B (zh) | 一种评估互花米草适生区域的方法 | |
Falcini et al. | Quantifying bed roughness beneath contemporary and palaeo-ice streams | |
Zhao et al. | Stability evaluation of tidal flats based on time-series satellite images: A case study of the Jiangsu central coast, China | |
Lund et al. | Marine X‐Band Radar Currents and Bathymetry: An Argument for a Wave Number‐Dependent Retrieval Method | |
Wang et al. | Hybrid model for estimating forest canopy heights using fused multimodal spaceborne LiDAR data and optical imagery | |
Zika et al. | Tracking the spread of a passive tracer through Southern Ocean water masses | |
Marks et al. | The IHO-IOC GEBCO Cook Book. | |
Queck et al. | TurbEFA: an interdisciplinary effort to investigate the turbulent flow across a forest clearing | |
Hiester et al. | A topological approach for quantitative comparisons of ocean model fields to satellite ocean color data | |
Borrione et al. | Understanding altimetry signals in the Northeastern Ligurian sea using a multi-platform approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210902 Address after: No. 9 Dengzhuang South Road, Haidian District, Beijing 100094 Patentee after: Aerospace Information Research Institute,Chinese Academy of Sciences Address before: No. a 20, Datun Road, Chaoyang District, Beijing 100101 Patentee before: Huang Xiaoxia Patentee before: Li Hongga Patentee before: Tian Siyu |