多光谱遥感技术是一种利用物质光学特性差异的环境监测技术，它可以获取监测目标的光学特性与空间信息，更精准识别海面上油污所在位置，为后续污染治理提供准确的信息［3-4］。因此，多光谱遥感技术大量被运用于海洋油污探测领域。近年来，考虑到航空卫星进行海面油污监测具有灵活和机动性强等优点，美国科研机构利用卫星对海面油污进行多光谱遥感监测，准确识别出污染海域油污分布［5］。陆应成等［6］基于Hyperion高光谱数据，提出了一种油膜辨识方法，并利用该方法对辽东海域进行了实地测试。Salem［7］利用航空遥感监测技术，对海面进行油污探测，对溢油位置、溢油扩散方向和速度进行了预测试验。张淳民等［8］在大连新港利用机载AVIRIS航空多光谱遥感技术进行油污监测。张永宁等［9］基于Landsat TM和NOAA AVHRR数据对海面油污光谱特征进行分析。上述学者采用航空遥感和机载遥感检测方法，能够识别油污并预测油污扩散范围，但实际操作步骤复杂，成本较高，限制了其实际应用。

随着无人机技术的逐渐成熟，相较于航空和机载遥感，无人机具有功能多和机动能力强等优点。当发生海洋石油污染时，无人机搭载多光谱识别仪等多功能仪器，能够迅速到达石油污染地区，收集并整理污染地区油污位置和扩散面积等重要信息。Uto和Lucieer等［10-11］建立了基于高光谱成像的无人机系统，利用该系统可以获取多个波段的光谱图像。Polonen等［12］基于干涉原理研制了无人机高光谱成像系统，该系统具有储存、记录和全球定位系统（global positioning system，GPS）路线规划等功能。Xing等［13］提出了影像分析系统，并进行实地油污实验，证实了该系统的实用性。Liu等［14］基于海上油膜辨识过程中光谱选择等问题，提出了一种自动油膜识别模型。大连海事大学刘彦呈等［15］对应急处理溢油污染系统进行了设计开发，实现了多方面信息的处理与响应。然而，上述系统所采用的高光谱成像技术的设备仪器占据空间位置过大，无人机搭载多功能仪器受限。同时，该成像技术需要在较为稳定的情况下进行信息获取，限制了其使用场景。随着多光谱成像技术的不断成熟，多光谱成像仪器逐渐微小化和多功能化，无人机搭载多光谱成像仪进行海面油污巡检逐渐成为了主流。实际过程中，由于海面油污巡检范围大，远海海域海面气象条件与近海不同，仅靠无人机自主巡检成本高、坠机风险大。因此，亟需提出基于无人机多光谱光学特性的海面油污辨识方法。

本文根据海面溢油的光学特性，建立无人机搭载多光谱海面溢油监测系统，通过室外模拟实验，对油污进行光学特性分析，并将得到的油污光学特性应用于实际近海岸油污巡检工作中。利用所建立的多光谱海面溢油检测系统对海面油污进行识别，为油污的精确辨识提供可靠的依据。

1 基于多光谱成像的海面油污监测系统设计

1.1 多光谱成像原理

不同物质之间的物理构造和化学性质不同，在光线照射下存在不同的反射率。根据这一基本原理，多光谱成像可以有效识别不同物质的光谱特性，以此来判别物质所在的位置信息。该方法通过对空间中每一个点进行色散，形成多种波段，进而进行连续的光谱覆盖。与传统的可见光成像或黑白成像比较，多光谱成像技术存在多个维度的光谱波段，有利于全面获得所监测物质的空间特征和光谱特征［16］。因此，本文选择基于多光谱成像技术来准确辨识海面油污。

1.2 系统设计及功能介绍

在实际油污监测过程中，综合考虑时间、光照和巡检范围，若采用无人机进行海面油污巡检将存在成本高和设备损坏风险大等问题。本文基于多光谱成像技术，建立一种综合海面油污监测系统。在进行海面作业时，该系统将多光谱遥感探测技术和无人机巡检方法相结合，在时间和空间上具有灵活性、精确性和可控性等特点。系统主要由无人机监测系统、地面站系统和指挥中心3个部分构成，无人机监测系统拍摄照片传递给地面站，地面站将获得的图片信息处理后传递给指挥中心，指挥中心根据所收集到的信息传递指令给地面站系统和无人机监测系统。各部分之间关系如图1所示。

<G:\武汉工程大学\2023\第2期\王家彬-1.tif>

图1 系统结构图

Fig. 1 System structure diagram

其中，各部分的组成如下：

（1）无人机监测系统：该系统主要由长距离无人机、多功能机载仪器和信息处理终端等组成，如图2（a）所示。当长距离无人机进行自主巡检作业时，利用所搭载的多功能巡检仪器，检测到海面油污反射光，将油污所在的经纬度和时间等数据通过信息终端，发送至地面站。

（2）地面站系统：地面站主要由指挥控制计算机、GPS路线规划、发送电台和信息终端等组成，如图2（b）所示。地面站作为沟通无人机与指挥中心的信息中转系统，既接受无人机检测系统发送的海面油污相关信息，又接受来自指挥中心的GPS路线规划调度，制定无人机的巡检路径。

（3）指挥中心：指挥中心的主要任务为收集地面站信息，通过派遣船只，利用短距离无人机多光谱监测与人工手持多光谱相机拍摄相结合的方法，检测并处理海面溢油事故，如图2（c）所示。

1.3 多光谱传感器参数及无人机选择

本文采用无人机载多光谱传感器和手持多光谱相机进行海面油污多光谱成像图像的采集与记录，其中，多光谱传感器具体参数如表1所示。

表1 多光谱传感器参数

Tab. 1 Multispectral sensor parameters

[波类型 波长范围 / nm 手持多光谱传感器 机载多光谱传感器 红边 735±10 730±16 近红外 790±40 840±26 绿 550±40 560±16 红 660±40 650±16 蓝 — 450±16 ]

系统使用的无人机主要为2种，分别定义为长距离巡检无人机与短距离巡检无人机。长距离巡检无人机主要为经纬M300无人机，短距离巡检无人机主要为精灵4专业版和精灵4多光谱无人机。长距离巡检无人机主要用于GPS路线规划后自主巡检线路，短距离巡检无人机主要用于随船只重点排查油污地点位置。在巡检无人机上除安装电台、无线路由、信号放大器和外置电池等设备外，还安装可见光摄像头与多光谱摄像头等多功能仪器。

整个系统通过地面站控制无人机进行飞行作业。利用机载微型计算机通过WiFi和电台传输可见光和多光谱图像至地面站信息终端，得到海面油污发生地点大致位置，调度中心协调船只进行重点排查，确保将油污污染降低至最小。

2 系统实地应用

2.1 多光谱识别油污实验

利用上述所建立的基于多光谱成像海面油污监测系统进行实地实验测试，实验地点为我国某港口，实验的环境温度为10 ℃。实验方法如下：实验油在海面不断扩散，浮在海面形成油膜，根据油污与水的不同光学特性和光谱特性，利用多光谱无人机巡检系统进行巡检，保持无人机与海面的距离基本相同，地面站接收到的油膜多光谱成像如图3所示，图中油膜位置采用红圈标注。

相较于可见光拍摄，多光谱成像更易于发现并确定海面油污空间位置，表明了油污与海水存在不同的光学特性。实验结果显示，利用近红外、红和蓝光谱成像的油污位置最为显著，基于该系统可为后续发现海面油污提供判断依据。

2.2 巡检线路规划

根据实地测试结果可以得知该系统能够准确识别海面油污的空间位置，表明该系统在海面油污识别过程上的可行性。在此基础上，利用该系统进行我国某港口近海岸油污巡检工作。根据港口附近临海地理位置分布，建立3条巡检路线，巡检路线如图4所示。

利用长距离无人机搭载多光谱成像相机与可见光相机进行自主巡检，结合实时海洋气象情况，设计巡检高度为10 m。根据不同巡检路线的区域差异性，巡检高度可随区域海面高度进行不同设置。

2.3 油污辨识结果

采用长距离无人机巡检3条线路后，检查与分析地面站采集到的可见光照片和多光谱成像信息，在各线路中均发现疑似海面油污点，各疑似油污点可见光图片如图5所示。

对相关疑似点图片进行初步分析后，得出巡检线路2与巡检线路3疑似油污点为海面漂浮物或者气泡，而巡检线路1中疑似点初步估计为海面漂浮的油膜。在提取路线1和疑似点进行多光谱成像分析判别之后，确定为海面油污污染点，提取的多光谱成像结果如图6所示。

基于实验得出的规律，观察近红外和红光谱时，发现油膜成“Y”型分布于海面。由于油膜在海面容易受到气象条件影响，为准确获得油膜分布的原因和源头，需要对该油膜发现点附近区域进行重点排查。当确定该区域为海面油污污染点之后，提取该疑似点空间位置，经度109.96°，纬度20.17°，时间为上午11时45分。根据海面的气象条件，以经纬度为109.96°和20.16°为基准，将其左右1 km海面区域作为重点排查油污区域，区域划分如图7所示。

<G:\武汉工程大学\2023\第2期\王家彬-7.tif>[A1][A12][A23][A21][A32][300][A24][A24][A4][A15][A6][A7][A18][A27][A26][A35][A38][A58][A47][A46][A55][A44][A43][A41][A52][295][KP11][A35][305][10.37]

图7 重点排查区域划分图

Fig. 7 Key area division map

通过派遣船只对重点区域进行排查，利用短距离无人机巡检与人工手持多光谱照相机相结合的方式，能够迅速发现该区域中油污污染情况，并记录污染点可见光与多光谱成像。由于发现前后存在一定的时间偏差，导致油膜分布情况不一致，原“Y”型油膜向周围扩散，形成散点分布，同时在附近海域除发现油污点外并未发现其他污染点。其中，识别的油污分布位置用红色圆圈标出，如图8所示。

在图9中，A42区域与A41区域西侧通过可见光相机、多光谱相机和手持多光谱相机等设备发现油膜污染点。其中，A42区域污染点经纬度为109.95°与20.16°，A41区域西侧污染点经纬度为109.95°与20.19°，具体位置如图9所示。

<G:\武汉工程大学\2023\第2期\王家彬-8.tif>[ a ][ b ][ c ][ d ][e][f]

图8 重点排查区域油污情况图：（a）伪彩，（b）蓝，（c）绿，（d）红，（e）红边，（f）近红

Fig. 8 Schematic diagrams of oil pollution in key

investigation areas： （a）pseudo-color，（b）blue，（c）green，

（d）red，（e）red edge，（f）near infrared

<G:\武汉工程大学\2023\第2期\王家彬-9.tif>[ a ][ b ][A43][A42][A52][A53][A51][A41]

图9 油污染点空间位置图：（a）污染点1，（b）污染点2

Fig. 9 Spatial location maps of oil pollution points：

（a）point 1，（b）point 2

3 结 论

根据油污在海面与海水中的不同光学特性，基于多光谱成像技术，建立综合海面油污监测系统，并利用该系统进行了实验测试。该系统可准确反映出海面油污的空间位置与光学特性，能够较准确地发现海面溢油点。

（1）实际巡检过程中海面气象条件与实验室条件完全不同，且存在海浪和气泡等多种因素的影响，会对无人机多光谱油污辨识的结果造成一定的误差。

（2）根据对我国某港口附近海域油污进行巡检，采用无人机多光谱成像技术进行油污检查，结果表明该方法具有识别精确、信息传递迅速和巡检成本较低等优点。

（3）建立综合性海面油污巡检系统，将无人机自主巡检与人工船舶重点巡检相结合，有利于了解受污染海面油污分布情况，并及时做出处理。通过该系统能够实现对海面油污的准确检测，对推动我国海面溢油污染识别工作具有一定的指导意义。