海上溢油事故不仅造成极大的石油资源浪费, 而且严重威胁生态环境。 因此, 利用荧光光谱对油膜厚度进行快速无损检测对于有效评估溢油量有重要意义。 基于激光诱导荧光(LIF)技术对海水表面0#柴油、 5#白油油膜的荧光光谱进行检测, 进而实现对油膜厚度的量化分析。 首先使用SG平滑滤波对原始光谱数据进行预处理以减少原始光谱中的背景噪声。 然后采用间隔随机蛙跳算法(IRF)结合变量子集迭代优化法(IVSO)对获取的全光谱数据进行波长选择以剔除冗余变量, 将经过二次筛选出的光谱特征波长作为偏最小二乘回归(PLS)的自变量输入数据建立油膜厚度反演模型。 该方法第一步利用IRF从全光谱数据中筛选出特征波段, 再利用IVSO对特征光谱波段组合进一步筛选出特征波长变量, 从而有效提高优选出的特征波长建立油膜厚度反演模型的预测能力和稳定性。 将IRF-IVSO与全光谱及移动窗口偏最小二乘法(MWPLS)、 间隔随机蛙跳算法(IRF)、 变量组合集群分析法(VCPA)、 变量子集迭代优化法(IVSO)四种波长优选方法进行对比, 发现IRF-IVSO筛选出0#柴油数据和5#白油数据的特征波长数量分别占全光谱数据的4.48%和19.40%。 将全光谱及上述波长优选方法筛选出的特征波长作为输入建立PLS模型进行分析讨论。 结果表明, 特征波长选择方法结合PLS所建立的不同模型预测能力和效率较全光谱有明显提高。 其中, IRF-IVSO结合PLS所建立的油膜厚度反演模型预测效果最优, 该模型可以实现对厚度分别为0.141 5～2.291 8和0.052～0.980 mm的0#柴油及5#白油油膜的有效反演, 柴油油膜测试集相关系数RP可达到0.961 1, 测试集均方根误差RMSEP为0.137 5, 白油油膜测试集相关系数RP可达到0.971 2, 测试集均方根误差RMSEP为0.079 0。 该研究表明, IRF-IVSO通过结合区间波段筛选和单一变量选择能够有效而稳定地筛选出特征波长变量, 结合PLS建立的油膜厚度反演模型能够实现可靠预测。

海面上存在的溢油, 主要包括未乳化与乳化两种。 对海面溢油进行科学的探测评估, 有助于溢油污染的回收处理和应急方案的制定。 未乳化溢油, 主要以油膜形式存在, 其厚度成为溢油量的重要评估指标; 乳化溢油, 主要以油包水或水包油形式存在, 其油水比可作为评估依据。 激光诱导荧光（LIF）技术被认为是目前有效的海面溢油探测手段之一。 基于LIF探测技术的油膜厚度反演已有相关的算法, 但关于海面乳化溢油还没有相应的溢油量化方法, 而海面乳化溢油会给海洋环境带来更大危害。 所以对海面乳化溢油信息的分析和研究成为海洋激光荧光探测的迫切任务。 基于此, 从LIF系统探测机理出发, 提出一种针对油包水型乳化溢油的等效估算模型, 并推导出等效估算公式; 首先将油包水中连续相的溢油看作具有相同光学性质的油膜, 而所有分散相的水滴看成一个整体, 将其等效为薄水层, 为了将等效模型和实际乳化液存在的外部环境保持一致, 在薄水层上面再覆盖一个油面, 从而把油包水型乳化溢油的溢油量估算问题转换成等效油膜的厚度计算问题; 其次根据光的辐射传输过程, 建立系统接收的荧光信息的方程, 并整理出油膜厚度的计算公式, 即已知油种的前提下, 将系统测得的荧光强度值代入就可求得对应的厚度值, 进而实现溢油量的估算。 通过实例对等效模型产生的误差进行了具体分析, 验证等效模型估算方法的适用性和有效性: 即油包水乳化液的含油率和厚度均在一定范围时, 实际溢油厚度与等效油膜厚度具有较小误差。 该等效处理方法可为海面乳化溢油量的估算提供一种新的办法, 具有重要的指导意义和一定的创新价值。

半潜油是一种隐藏于海面之下并呈现悬浮状态的溢油, 其长期毒害并侵蚀着海洋生态环境。 然而, 针对半潜油污染到目前还未形成有效地监测手段和处理方式, 致使其污染的突发性和危害性更甚于海面溢油。 因此, 研究有效地半潜油鉴别方法对保护海洋生态环境具有重要意义。 三维荧光光谱技术中的总同步荧光光谱(TSFS)在油类污染物检测与鉴别中具有不存在瑞利散射干扰以及冗余数据少的优势, 但由于TSFS数据本身不具备三线性结构, 使得多维校正分析方法在其应用上受到了一定的限制。 基于此, 开展基于TSFS结合高阶张量特征提取方法的海水半潜油种类鉴别研究。 首先, 利用有机分散剂和六种不同种类的油品配制了90个半潜油实验样本; 然后, 利用FS920荧光光谱仪采集实验样本的TSFS数据, 并对该数据进行标准化预处理; 最后, 通过高阶张量特征提取方法二维线性判别分析(2D-LDA)以及二维主成分分析(2D-PCA)分别建立了半潜油样本的鉴别模型; 并将所建模型与常规方法多元曲线分辨率交替最小二乘法(MCR-ALS)结合线性判别分析(LDA)以及多维偏最小二乘判别分析(NPLS-DA)进行了对比。 分析结果表明, 2D-LDA和2D-PCA所建立的半潜油样本鉴别模型具有可靠的性能, 鉴别模型的精确率、 灵敏度及特异性分别为100%, 100%和100%。 并且, 2D-LDA和2D-PCA能够直接提取TSFS光谱图像矩阵在空间、 统计学以及图形学上的精细光谱特征, 为区分半潜油样本带来更为精准的鉴别依据。 因此, 相较于常规的基于展开或分解数据的方法, 高阶张量特征提取方法所建立鉴别模型所得到的预测结果更加精确。 该研究为半潜油种类鉴别提供了一种参考。

水包油乳化液的溢油量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)是目前海面溢油遥感探测领域一项最好的技术之一。 基于LIF探测技术的海面水包油溢油量的评估目前尚无一套有效且完整的算法。 鉴于此, 首先设计了一种水包油乳化液溢油量的等效评估模型: 将水包油乳化液中分散相油滴假设聚集为漂浮在海面上的成片油膜, 如此就将水包油乳化液溢油量的评估问题转化为具有相同荧光效果的等效模型中油膜厚度的估测问题; 其次基于LIF探测机理和荧光辐射传输过程, 建立了LIF系统接收的荧光信号方程, 进而反演求得油膜厚度的计算公式; 最后选择具有代表性的重质、 轻质两种油品, 通过仿真实验验证了等效模型的正确性和将探测的水包油乳化液的荧光信号强度通过等效算法求取了油膜厚度, 并对等效误差进行了分析, 得出了等效评估算法的适用条件: 即当水包油乳化液的实际溢油厚度≤其荧光平稳时的最小溢油厚度时, 本文的等效评估算法具有较高精度, 其平均误差在8%以内; 而当实际溢油厚度＞荧光平稳时的最小溢油厚度时, 等效评估误差增大, 其平均值超出25%。 另外, 采用本文算法对重质、 轻质水包油乳化液的溢油量进行等效评估时, 实际溢油厚度分别不大于2和16 μm时可得到较好估测结果。 所以, 本文研究内容对基于LIF技术探测的海面水包油乳化液的溢油量评估是一种可行和有借鉴意义的方法。

柴油和生物柴油混合油液三维荧光光谱中的荧光峰较多，导致混合油液的主要特征峰不明显，而且随着柴油占比的减少，三维荧光光谱的最大荧光强度位置会发生偏移，荧光强度与柴油占比不满足线性关系。因此，检测混合油液中的柴油占比较为复杂。本团队采用二维主成分分析(2DPCA)对混合油液的三维荧光光谱进行重构，重构荧光光谱中的冗余信息减少，在最佳激发波长450 nm下有能代表柴油的发射光谱(465～500 nm)。利用麻雀搜索算法(SSA)对广义回归神经网络(GRNN)进行优化，构建2DPCA-SSA-GRNN预测网络，该网络输入是训练集中的9个样本经2DPCA重构后能代表柴油的发射光谱，网络输出是柴油占比。最后利用建立的网络预测测试集中4个样本的柴油占比，柴油占比分为85.02%、73.76%、63.80%、53.37%，平均回收率为98.39%，均方根误差为0.90%，预测效果较未利用重构发射光谱的网络具有较大提升，均方误差降低了0.97个百分点，平均回收率提高了1.24个百分点。本文为优化神经网络预测物质占比提供了新方法。

针对遥感数据很难同时满足高空间分辨率和高光谱分辨率的问题，提出了一种基于四叉树自适应分块的面到点的回归克里金法（QAATPRK），对高分-1（GF-1）的全色（PAN）和多光谱（MS）数据进行融合。所提方法基于面到点的回归克里金法，将整个影像分割为多个独立的融合单元并分别融合，然后将结果拼接。对于每个融合单元，使用高分辨率PAN影像的空间信息回归建模，使用回归克里金法处理残差。将所提方法与Principal Component Analysis （PCA）法、小波变换法、Intensity-Hue-Saturation and Gram-Schmidt （IGS）法、密集连接网络法进行了比较。均方根误差（RMSE）、结构相似性系数（SSIM）、通用图像质量指数（UIQI）、全局综合误差（ERGAS）和光谱角（SAM）等指标表明，所提方法的融合影像质量最好，且保持了MS影像的光谱特性。