当一望无垠的海洋上发生溢油事故，远在千里之外的我们如何得知？

当平静无澜的海平面上是否会发生溢油事故，又该如何预判风险？

4月18日，在由中国海洋学会海洋环境科学分会和国家海洋环境监测中心（以下简称海洋中心）联合举办的海洋生态环境保护与治理研讨会上，海洋中心遥感室研究员范剑超博士对多源卫星遥感的海洋溢油影像进行了智能解译及大数据分析，给出了这些问题的答案。会后，中国环境报记者采访了他。

SAR：海洋溢油溯源“先锋”

“图中黑色的斑块就是溢油区域。”范剑超分享的研究成果就是将这些溢油图斑准确地筛选出来。

而这些图像又是如何捕捉到的？

“SAR，合成孔径雷达，一种微波成像雷达。”范剑超告诉记者，“SAR凭借其全天时、全天候、探测能力强、覆盖范围广、高分辨率的特性，能够快速准确地监测到海洋溢油事故的发生，已成现阶段进行溢油探测最重要和最有效的手段之一。”

海上突发环境事件造成的石油泄漏会对海洋生态系统等造成危害, 可能在很长时间内都难以修复。因此，“如何快速有效地监测溢油的规模、影响范围对防治溢油的进一步扩散起着至关重要的作用。”

范剑超表示，利用卫星遥感对海洋溢油进行监测，能及时发现海上溢油情况，结合动力模拟预测，可以对油污处置提供精准研判，尽量减轻海洋污染。

“我们随时保持对海洋溢油情况开展卫星遥感监测，包括常规监测和应急监测。”范剑超介绍，常规监测是指对海平面进行日常巡查，当卫星过境时捕获图像，可以观测海面是否有异常情况发生。而应急监测是指海洋中心建立了一套完整的应急体系，当船舶或石油平台发生溢油事故时，第一时间接到信号，即刻开启应急响应机制。

“如今卫星观测频率很高，最高可每半天过境一次。”范剑超告诉记者，当溢油事故发生时，若没有第一时间捕捉到影像，卫星遥感可进行影像回溯，追踪第一事故现场，确定溢油发生的准确位置。

据介绍，2018年1月中国东海“桑吉”轮的溢油事件，便是利用SAR遥感监测数据，从而实现了“桑吉”轮疑似溢油范围的圈定。

如何解译溢油SAR遥感影像？

由于成像机理，SAR遥感影像进行海洋溢油监测时，溢油常常会呈现为灰度较低的斑状。

“捕捉到的SAR遥感影像上会出现多种黑色图斑，但不一定都是溢油，有很多干扰在其中，如低风速区、背风区、上升流、生物油膜等，产生的图斑较为相似。”范剑超介绍其智能解译技术的最大创新点就在于，可以把干扰图斑祛除，识别出溢油图斑。

图为背风区图斑

他用一些影像图片举例，如船舶尾迹在SAR影像上则表现为一条直线, 而船舶排污产生的溢油通常表现为具有一定宽度的线形暗斑，生物油膜与海洋溢油污染相比则呈现出更多的不规则性。

众多相似的暗色图斑中，该如何准确识别出海洋溢油？

“这就需要结合海洋环境要素，如风速、海面温度等干扰因素的实时数据，再根据SAR图像上的图斑成像特征、灰度、纹理等信息，将溢油相似物数据划分为低风速区、背风区、上升流、生物油膜等，做出综合分析和判断，从而找到真实的溢油位置。”范剑超向记者详细介绍。

据了解，海洋中心遥感室开展了多年的海上溢油监测。对SAR图像提取数据信息进行解译时，范剑超进一步补充，“有时在影像上看是黑色图斑，在可见光谱下看，就类似油膜区域，我们都会提取出来，结合环境要素判断。若无法识别，则连续跟踪监测，回溯5天数据，若连续存在油膜，则跟踪判断是否为真实溢油图斑。”长序列的遥感监测对于溢油智能解译有很大帮助。

海洋面积广阔，而SAR的广域侦察效率非常高，覆盖一圈，SAR图像的数据量庞大，仅依靠人眼识别溢油工作量较大，“且一旦发生溢油，对水体的危害非常大，这就对溢油检测的时效性提出了更高要求。”因此，需要自动检测算法来进行快速识别。

“利用大数据分析可实现溢油SAR影像快速定位、溢油和疑似溢油的精准分类，溢油范围智能提取精度可达到90%以上。”可以说，“对SAR遥感影像的溢油智能解译，大幅提高了遥感大图像海洋溢油的检测效率和检测精度。”

为溢油风险防控提供数据支持

范剑超介绍，SAR遥感影像提供溢油位置和范围后，“中国环监001”号载着应急人员赶赴现场对溢油区域及外围海域进行走航采样，监测对水质和生态环境造成的影响。根据监测结果评估溢油状况，并开展跟踪监测，结合风场预测溢油污染扩散趋势。遥感室工作人员根据现场实时传回的数据，结合卫星影像分析处理后，反馈给生态环境管理部门。

“在进行溢油监测时，首要任务是监测海上溢油风险源密集的区域。”记者了解到，溢油风险源是指海洋环境中可能会发生溢油的目标，通常包括船舶、石油平台等。

“当从遥感影像中提取到渤海海域船舶航道轨迹与石油平台等溢油风险源后，我们又将监测到的渤海近10年水色异常常见区域叠加，对渤海溢油风险进行分级，如哪些区域更易发生溢油，需重点关注。”范剑超说，在分析渤海遥感影像时，会对重点区域进行加密监测。

根据构建的2015—2020年间渤海海域溢油发生时空分布图，范剑超介绍，“我们发现，溢油事件的分布状况与溢油风险源时空分布图具有高度的一致性, 海上溢油事件多发生于溢油风险源高密度区域。所以，获取溢油风险源可为渤海海域溢油风险分区管理及溢油风险防控提供理论依据。”

范剑超补充，通过将溢油风险源与多源卫星遥感监测相结合, 并对目标海域开展遥感溢油长序监测，也可实现海洋溢油来源及类型的准确判断和追溯。

此外，基于真实溢油事件，范剑超及团队通过人工智能方法提取溢油面积，结合金属毛细管荧光光谱仪，使用油膜厚度反演模型计算油膜厚度，可实现溢油泄漏量的估算。

“未来我们会继续对管辖海域进行卫星遥感监测，结合溢油风险源分析结果，提高遥感影像溢油信息人工智能解译的准确性。”采访最后，范剑超表示。

（图文均来自网络）