收发共轴LIF系统海面乳化溢油探测与仿真研究

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(L IF)是目前有效的海面溢油探测技术之一.L IF探测系统可分为收发共轴和非共轴形式.有关收发共轴L IF系...     

同步荧光光谱分析法在海面溢油鉴别中的应用研究

为了实现海面溢油快速筛选和鉴别,文章提出了应用同步荧光光谱技术结合系统聚类分析方法鉴别海面溢油的方法,并应用于不同原油样品及风化油样的分析。结果表明,选择波长差为25nm,采用300～500nm范围内数据进行聚类分析,可以将原油样品和风化样品完全区分开,不同海区、不同采集时间的原油样品可大致分开。作为溢油鉴别的一种辅助方法,同步荧光光谱分析法能够对可疑油源及溢油样品实现初步筛选。     

融合拉曼散射光和荧光信号反演海面溢油厚度的算法研究

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。     

一种海面水包油溢油量等效评估算法的研究

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。     

模拟溢油样品激光诱导荧光光谱的偏振特性研究

激光诱导荧光是海洋溢油探测的有效手段之一,但该技术的应用易受自然水体中叶绿素、CDOM等物质荧光信号的干扰。为了寻求排除自然水体荧光干扰的方法,基于532 nm连续激光器搭建了激光诱导偏振荧光实验装置,并针对六种不同密度的模拟溢油样品和自然水体开展了荧光光谱偏振特性研究。实验结果发现,与自然水体的荧光光谱不具有明显的偏振特性不同,所有模拟溢油样品的诱导荧光均具有明显的偏振特性,这一结论说明激光诱导荧光光谱的偏振特性可以作为排除叶绿素、CDOM等物质荧光干扰的依据。实验还发现,溢油样品的荧光偏振性质因样品种类而异。在线偏振光激发下,原油样品荧光偏振度随波长逐渐降低,其中重质原油样品偏振度降低幅度最大,轻质原油样品幅度最小,而柴油样品荧光偏振度没有明显变化;当周期性改变激发光的偏振状态时,所有模拟溢油样品的荧光偏振度随之发生趋势相同的周期性波动,中质样品荧光偏振度波动的幅度低于重质样品,但明显超过轻质样品。这一结果说明,模拟溢油样品诱导荧光偏振度的波长变化特性及对激发光偏振态的响应特性均与样品密度存在一定关联,其偏振特性可以作为辅助油种识别的重要参量。     

LIF结合LSTM神经网络的矿井水源识别

矿井水害对煤矿安全生产存在巨大威胁,所以快速识别矿井突水水源,对煤矿水灾预警及灾后救援工作开展都有重大意义。激光诱导荧光（LIF）技术具有快速、高效、灵敏度高等特点,克服了传统水化学方法识别时间长的缺点。循环神经网络（RNN）在解决长序列训练过程中产生的梯度消失、梯度爆炸等问题上存在明显不足,而特殊变体RNN即长短期记忆（LSTM）神经网络很好地弥补了RNN的短板及缺陷。提出了将LIF技术与LSTM算法相结合,应用在矿井突水水源快速识别中。实验样本采自淮南矿区,以砂岩水和老空水为原始样本,并将砂岩水和老空水按照不同比例混合配置成5种混合水样,共7种待测水样进行实验。首先采用最大最小值归一化（MinMaxScaler）、平滑滤波（SG）以及标准正态变量变换（SNV）三种预处理方法对原始光谱数据进行预处理,减少原始光谱数据存在的噪声和干扰信息。之后为防止数据量过大,维度过高,将包括原始光谱数据在内的四组数据再进行LDA降维至3维。最后分别搭建LSTM识别模型,从测试集预测准确率、训练集准确率变化趋势以及训练集损失函数变化趋势三个方面进行比较,选择最优模型。其中SG+LDA+LSTM和Original+LDA+LSTM在测试集预测准确率上都能达到100%,MinMaxScaler+LDA+LSTM测试集预测准确率在98.57%,SNV+LDA+LSTM准确率最低,只有87.14%;在训练集准确率变化趋势表现上,SG+LDA+LSTM能够保持良好的学习,很快达到100%,Original+LDA+LSTM和MinMaxScaler+LDA+LSTM也能达到100%的准确率,但在前几次训练过程中会有准确率下降的情况出现,SNV+LDA+LSTM训练集准确率在训练次数内并未达到100%;SG+LDA+LSTM损失函数变化趋势也具有很好的收敛性和稳定性,Original+LDA+LSTM,MinMaxScaler+LDA+LSTM以及SNV+LDA+LSTM在损失函数变化趋势上表现并不出色。结果表明,4组模型中,SG+LDA+LSTM模型是最适合应用于矿井突水识别,该方法补充了矿井突水水源识别工作的内容,为矿井突水识别提供了新的思路。     

基于穆勒矩阵的模拟溢油样品荧光偏振特性研究

为了对模拟溢油样品在不同偏振态激发下诱导荧光的偏振特性进行研究,借鉴了穆勒矩阵椭偏仪的原理和结构,搭建了基于旋转波片原理的模拟溢油样品激光诱导荧光椭偏实验装置。通过特征值校准方法对该装置进行校准,获得了宽波段下偏振状态调制矩阵W(λ)和偏振状态分析矩阵A(λ)的确切调制状态,并基于荧光光谱强度矩阵Flu(λ)分别建立了轻、中、重质原油样品和柴油样品的荧光穆勒矩阵。通过极化分解方法对荧光穆勒矩阵进行分解后发现,不同样品荧光光谱的退偏振性质差异十分显著。柴油样品荧光穆勒矩阵的退偏振系数Δ(λ)没有明显的波长响应性,在荧光光谱范围内始终保持较高的退偏值,而三种原油样品的退偏系数Δ(λ)则随波长增大逐渐上升,其中,中质原油样品退偏系数随波长的变化幅度小于重质样品,超过轻质样品;就不同样品的退偏值来看,轻质原油样品最高,重质样品最低,中质原油样品介于二者之间,柴油样品的荧光退偏值略低于轻质原油样品,介于轻质和中质原油样品之间。将基于荧光穆勒矩阵极化分解后的结果与线偏振激发下样品荧光光谱的正交偏振实验结果进行对比,发现两种实验方法获得的退偏系数具有较高的吻合程度。实验还发现,四种模拟溢油样品荧光穆勒矩阵所包含的双向衰减和相位延迟性质都很微弱,不具有明显的差异。     

高浓度同步荧光法鉴别溢油

选取中国不同产地的17种原油,考察了原油环己烷溶液3个浓度(5,500和5 000 mg·L-1)的同步荧光光游(SFS)特征,测定了其中4种原油自然风化1,3,5,10,15和35 d的三个浓度油溶液的SFS,并利用原油的SFS特征结合丰成分分析进行了溢油鉴别研究.结果表明:原油溶液的浓度不同,光谱峰位置和数目均不相...     

一种基于荧光信号的海面厚油膜评估方法

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。     

基于三维荧光光谱-平行因子分析的海上溢油识别技术研究

在世界范围内溢油事件频繁发生,溢油的组成成分会影响人类身体健康和生态系统。因此,迫切地需要一种可以快速识别溢油种类的方法。针对溢油污染物现场快速鉴别的需求,利用平行因子分析技术建立了基于三维荧光光谱的原油、燃料油识别方法。首先,利用Delannay三角形内插值法对实验选的6种原油(Roncador原油、巴士拉原油、俄罗斯原油、沙特原油(重质)、上扎库姆原油、海二站原油)和三种燃料油(380CST燃料油、5-7号燃料油、岚山燃料油)的三维荧光光谱去散射,去散射后的三维光谱数据进行归一化处理;之后,对三维荧光光谱进行平行因子解析,确定七个荧光组分为最佳荧光组分,进而得到由7个荧光成分组成的样品荧光特征谱,将风化第3,15和45天的样品及未风化样品的第一平行样的荧光特征谱进行贝叶斯方法(Bayes)判别分析和聚类分析,确定油品荧光特征谱的分析能力和18条荧光标准谱库(12条原油标准谱和6条燃料油标准谱);最后,利用非负最小二乘多元线性回归建立溢油荧光识别方法,对第0,7和30天风化的样品和未风化样品的另一平行样进行识别。实验结果表明,除对风化及未风化的俄罗斯原油识别外,该方法对其余风化和未风化的五种原油和三种燃料油识别正确率均为100.0%,整体识别原油正确率为87.5%,燃料油正确率为100.0%。     

CNN在煤矿突水水源LIF光谱图像识别的应用

煤矿突水类型的快速识别在矿井安全生产中意义重大,煤矿突水激光诱导荧光(LIF)光谱的识别方法,需要对光谱曲线进行预处理和特征提取,其过程较复杂,对此,提出了一种卷积神经网络(CNN)快速识别矿井突水类别的方法。根据煤矿矿井水层的分布特点和最常见煤矿突水类型,选取三种原始水样以及由原始水样混合的两种混合水为实验材料,利用LIF技术快速获取五种水样的200组荧光光谱曲线图,灰度化后输入CNN算法,其中150组光谱曲线图用于CNN的训练,剩余50组用于训练好的模型测试。模型测试中,CNN算法对实验水样光谱曲线图的识别率为100%,实验结果表明,CNN算法不仅能省去煤矿突水光谱图像识别中的数据处理和特征提取工作,而且还能快速有效的识别矿井突水类型。     

基于荧光光谱的轻质油乳化物油水比估测研究

海面溢油在其风化迁移过程中,会形成不同溢油乳化物,对海洋环境造成极大危害.科学量化溢油乳化物,有助于溢油污染应急处理和灾损评估.已有对溢油乳化物展开的研究由于缺乏系统的实验数据、理化与光学参数,尚不清楚不同类型油水乳化物的精细光谱响应特征与变化规律,无法给出不同类型溢油乳化物光谱与海水表层油水比的数据关系.通过轻质油乳...     

近红外光谱技术鉴别海面溢油

为快速了解和掌握海面溢油的种类,以便采取应急措施,提出了近红外光谱技术结合模式识别鉴别海面溢油的方法。自行配制了56个汽油、柴油、润滑油的模拟海水样品,用有机溶剂萃取出海水中的溢油后记录其近红外光谱,将原始光谱进行多元散射校正(MSC)和Norris一阶导数平滑预处理后,在主成分分析(PCA)提取不同种类溢油样品特征的基础上引入马氏距离建立溢油样品的识别模型。研究了光谱预处理对溢油鉴别的影响;探讨了马氏距离阈值的确定。结果表明,主成分分析可将原始数据压缩而马氏距离判别可给出离群点的阈值,本文建立的校正模型能正确判别浓度在0.4 μL·mL-1以上的溢油类别,为近红外光谱结合化学计量学方法建立校正模型进行海面实际溢油样品的分类提供了思路。     

基于激光诱导荧光的油类污染物检测系统研究

油类污染物具有破坏海洋生态系统和间接污染大气及土壤的危害,快速、准确地检测污染物的成分及其浓度具有重要意义。由于油类污染物光谱重叠严重,因此难以通过传统荧光分析准确加以区分。本文基于激光诱导荧光技术,以氙灯作为激发光设计荧光光谱检测系统,并对0#柴油、92#汽油和煤油进行扫描和检测,从而获得激发/发射光谱以及最佳激发/发射波长。并对该系统的软件算法部分进行改进,运用Savitzky-Golay卷积平滑直接获得更加精确的激发/发射光谱,更能全面、准确地反映油类物质的荧光特性信息。并与传统的荧光光谱仪得到的光谱图进行对比,经实验验证激光诱导荧光技术的荧光光谱检测系统的有效性,对油类污染物的荧光光谱信号的检测具有更高的灵敏度。