一种基于荧光信号的海面厚油膜评估方法

引用本文

崔永强, 孔德明, 张晓丹, 孔德瀚, 袁丽. 一种基于荧光信号的海面厚油膜评估方法[J]. 光谱学与光谱分析, 2021,41(1): 150-155.
CUI Yong-qiang, KONG De-ming, ZHANG Xiao-dan, KONG De-han, YUAN Li. A Method for Estimating Thick Oil Film on Sea Surface Based on Fluorescence Signal[J]. Spectroscopy and Spectral Analysis, 2021,41(1): 150-155.
Doi:10.3964/j.issn.1000-0593(2021)01-0150-06 复制到剪切板

Permissions

《光谱学与光谱分析》期刊社所有

一种基于荧光信号的海面厚油膜评估方法

崔永强¹, 孔德明^2,^*, 张晓丹¹, 孔德瀚³, 袁丽¹

1.燕山大学信息科学与工程学院, 河北秦皇岛 066000

2.燕山大学电气工程学院, 河北秦皇岛 066000

3.河北环境工程学院信息工程系, 河北秦皇岛 066000

*通讯作者 e-mail: demingkong@ysu.edu.cn

作者简介: 崔永强, 1979年生, 燕山大学计算机科学与技术博士研究生 e-mail: hbyd_yqc@sina.com

收稿日期: 2019-12-05 修回日期: 2020-04-17

基金: 国家科技重大专项(2017ZX05019001-011)资助

摘要

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。

关键词: 激光诱导荧光; 荧光光谱; Otsu; 油膜厚度

中图分类号:O657.3 文献标志码:A

A Method for Estimating Thick Oil Film on Sea Surface Based on Fluorescence Signal

CUI Yong-qiang¹, KONG De-ming^2,^*, ZHANG Xiao-dan¹, KONG De-han³, YUAN Li¹

1. School of Information Science and Engineering, Yanshan University, Qinhuangdao 066000, China

2. School of Electrical Engineering, Yanshan University, Qinhuangdao 066000, China

3. Department of Information Engineering, Hebei University of Environmental Engineering, Qinhuangdao 066000, China

*Corresponding author

Abstract

Oil film thickness is an important indicator for the assessment and analysis of oil spill pollution on the sea surface. Laser-Induced Fluorescence (LIF) is one of the most effective technologies for oil spill detection at present, the oil film thickness inversion algorithm based on LIF is only suitable for thin oil film (≤10~20 μm), there is no effective method for the evaluation of thicker oil film (>20 μm). In view of this, an inversion algorithm based on LIF detection technology for evaluating thicker oil film is proposed, the algorithm uses oil film fluorescence signal to invert oil film thickness, deduces oil film thickness inversion formula, and gives oil film thickness evaluation method based on the inversion algorithm. First, Otsu algorithm is used to select the appropriate fluorescence spectrum band, and then the oil film thickness is retrieved according to the spectrum data of each wavelength in the selected band, finally, the average value of the retrieved oil film thickness is used as the oil film thickness evaluation result. The applicable range of the algorithm is studied, the relationship between the maximum value of the effective evaluation range of the algorithm and the relative measurement error is given, the maximum value of effective evaluation range of oil with different extinction coefficients under various measurement errors is given. The method in this paper is verified by experiments. The mixture of crude oil and mineral oil (1:50) is selected as the experimental oil and the laser with a wavelength of 405 nm is used as the excitation source. The collection wavelength range is 420~750 nm. The background fluorescence and Raman scattering spectra of sea water, the fluorescence spectra of experimental oil and various thick oil films are collected to invert the oil film thickness. Otsu algorithm is used to select the band of 420~476 nm to evaluate the oil film thickness. The evaluation results show that when the oil film thickness is ≤800 μm, the algorithm has high accuracy, with an average error of 10.5%; when the thickness is >800 μm, the average error is 28.8%, with a large evaluation error and rapidly increases with the increase of the oil film thickness. The analysis results of relative error and extinction coefficient are consistent with the experimental results. The results show that the method can effectively evaluate the thickness of the thick oil film on the sea surface, and judge the effectiveness of the evaluation results according to the measurement relative error and extinction coefficient.

Keyword: Laser induced fluorescence; Fluorescence spectrum; Otsu; Oil film thickness

文章图片

引言

随着海上石油运输、开采的快速发展, 轮船排污、运油船只及海上钻井平台泄漏等溢油事故的发生, 海上溢油污染问题已经十分突出^{[1, 2]}。及时获取海水表面溢油信息, 鉴别溢油种类, 估算溢油范围及污染量, 对溢油污染的快速处理和水体环境的保护具有重要意义^[3]。

近年来多种遥感技术被用于溢油监测, 其中激光诱导荧光(laser induced fluorescence, LIF)探测技术是目前被认为最有效的海面溢油探测技术之一^{[4, 5]}。研究人员可以利用LIF技术鉴别海面溢油的污染情况与溢油种类^{[6, 7, 8, 9]}, 但对于油膜厚度的监测目前尚未形成一套可以有效适用于各种不同厚度油膜的评估方法。因此, 利用LIF探测技术评估海面溢油范围及其污染程度已成为近期该领域的一个研究热点。

对于海面油膜厚度的评估, 传统方法是根据《波恩协议》油膜色彩与油膜厚度的对应关系人工确定油膜厚度。 Kung等提出了利用LIF探测技术评估海面溢油的建模方法^[10], 1980年, Hoge等基于该方法提出了一种利用拉曼散射光评估油膜厚度的积分反演算法并进行了溢油探测实验^[11]。我国对海面溢油也进行了大量的研究, 中国海洋大学成功研制了用于海洋参数测量的激光雷达系统并于2006年完成了水面油膜的探测实验^[12]。上述研究仅适用于薄油膜厚度评估, 目前尚无适用于较厚油膜的反演算法。鉴于此, 本文提出了一种基于LIF技术采用油膜荧光信号评估较厚油膜的反演算法, 研究了该算法的适用范围, 并通过实验对该算法的有效性进行了验证。

1 算法原理

1.1 薄油膜反演算法

如前所述, Hoge等提出了一种适用于评估薄油膜厚度的积分反演算法, 其原理是海水受紫外激光束照射激发的拉曼散射光由于海面油膜的吸收呈指数衰减, 据此依据拉曼散射光衰减程度反演出油膜厚度, 油膜厚度d可表示为^[11]

$d = - \frac{1}{k_{e} + k} \ln \frac{R'}{R}$ (1)

式中: k_e和k分别为油膜在激发波长和波长λ 的消光系数; R'为油膜覆盖海面时海水的拉曼峰信号强度; R为纯净海水的拉曼峰信号强度。其原理如图1所示^[11]。

	Figure Option View Download New Window
	图1 薄油膜厚度反演算法原理图Fig.1 Principle diagram of inversion algorithm for thin oil film

积分拉曼法依赖拉曼散射光信号, 当海面油膜较厚, 拉曼散射光被油膜吸收而无法监测到拉曼散射光信号时, 该算法无法反演油膜厚度, 因此该算法仅适用于具有拉曼散射光信号的薄油膜(≤ 10~20 μ m), 而不适用于较厚油膜的评估。

1.2 较厚油膜反演算法

Kung等提出了利用LIF探测技术对海面溢油建模的方法, 采用LIF技术探测溢油覆盖的海面, 探测器接收到波长λ 的信号K包括油膜荧光信号、海水背景荧光信号和海水拉曼散射光信号三部分, 该信号可以表示为^[10]

$\begin{array}{l} K = η P_{0} {1 - \exp [- (k_{e} + k) d]} + \\ (ξ P_{0} + δ_{r} Ψ P_{0}) \exp [- (k_{e} + k) d] \end{array}$ (2)

式中, P₀为入射的激光能量, k_e和k分别为油膜在激发波长和波长λ 的消光系数, d为油膜厚度, η , ξ 和Ψ 分别为在波长λ 的油膜荧光转换效率、海水荧光转换系数和海水拉曼转换系数, δ _r为δ 函数。

由式(2)可知, 随着油膜厚度的增加, 海水的拉曼散射光信号由于油膜的吸收呈指数衰减, 而油膜荧光信号呈指数增强, 在无法监测到拉曼散射光信号时, 可以采用油膜荧光信号反演较厚油膜的厚度。

采用LIF技术探测无溢油覆盖的海面, 此时探测器接收到的信号为海水的背景荧光和拉曼散射光信号, 波长λ 的信号K_w可表示为

$K_{w} = ξ P_{0} + δ_{r} Ψ P_{0}$ (3)

采用激光照射被测油品, 可以获取该油品的荧光特征光谱, 此时探测器接收到波长λ 的荧光信号K_o可表示为

$K_{o} = \lim_{d \to \infty} η P_{0} {1 - \exp [- (k_{e} + k) d]} = η P_{0}$ (4)

将式(3)和式(4)代入式(2), 化简可得

$K = K_{o} - (K_{o} - K_{w}) \exp [- (k_{e} + k) d]$ (5)

式(5)化简可得油膜厚度的反演公式

$d = - \frac{1}{k_{e} + k} \ln \frac{K_{o} - K}{K_{o} - K_{w}}$ (6)

式(6)中, K_w为海水的背景荧光和拉曼散射光在波长λ 的信号强度, K_o为油品在波长λ 的荧光信号强度, 因此该算法需要获取该油品的荧光特征光谱、海水的背景荧光和拉曼散射光光谱以及在激发波长和波长λ 处的消光系数。如文献[11]所述, 采用LIF技术反演油膜厚度需要利用油品的一些物理参数, 本文假定油品的消光系数和荧光转换效率已经在实验室获得。

1.3 油膜厚度评估方法

常见油品的荧光特征峰波长一般在430~520 nm范围内, 因此采用波峰光谱信号即可反演油膜厚度, 考虑到现有探测器荧光接收设备具有较高的光谱分辨率, 仅采用单个波长数据反演油膜厚度会导致较大的误差, 因此选择一组波段, 对其中的每个波长分别反演油膜厚度, 采用反演结果的平均值作为油膜厚度评估结果。

由式(6)可知, K_o-K与油膜厚度d为指数关系, 选择K_o-K的值显著的波段反演油膜厚度可以有效降低测量误差的影响, 本文采用最大类间方差算法(Otsu)选取波段, 将K_o-K转换为0~255的整数值, 采用Otsu算法计算阈值, 筛选出K_o-K的值显著的波段评估油膜厚度。

设选取的波段为D={λ ₁, λ ₂, λ ₃, … , λ _n}, 油膜厚度评估方法如式(7)所示

$d = \frac{1}{n} \overset{n}{\sum_{i = 1}} d_{λ_{i}}$ (7)

式(7)中, $d_{λ_{i}}$ 为波长λ _i的反演厚度; n为选取的波段总数。

1.4 评估范围分析

海面油膜厚度的有效评估范围与测量误差和油品的消光系数有关, 因此本文从测量误差和消光系数两个方面分析评估范围。

1.4.1 测量误差对评估范围的影响

由于设备精度、实验环境等因素的影响, 采集到的数据存在一定的测量误差, 当油膜荧光强度趋于饱和时, 测量误差对反演结果有较大的影响, 因此该算法能够有效评估油膜厚度的范围与测量误差相关。一般情况下, 海水的背景荧光信号和拉曼散射光信号K_w远小于较厚油膜的探测信号K, K_w的测量误差对反演计算的结果影响很小, 因此本文仅分析K的测量误差对反演计算的影响。

由式(6)化简可得

$d = - \frac{1}{k_{e} + k} \ln (1 - \frac{K - K_{w}}{K_{o} - K_{w}})$ (8)

设 $\frac{K - K_{w}}{K_{o} - K_{w}}$ =r, K的测量相对误差为e, 油膜厚度的反演相对误差为E。由于K_w远小于K, 在计算K的相对误差时忽略K_w的影响, 由式(8)可得

$E = |\frac{\ln [1 - (1 + e) r]}{\ln (1 - r)} - 1|$ (9)

由式(9)可知, 存在值R, 当 $\frac{K - K_{w}}{K_{o} - K_{w}}$ ≤ R时, 测量误差导致的反演误差较小且变化缓慢; $\frac{K - K_{w}}{K_{o} - K_{w}}$ > R时, 反演误差快速变大。测量误差与R的关系如图2所示。

	Figure Option View Download New Window
	图2 测量误差与R的关系Fig.2 The relationship between measurement error and R

由图2可见, 当油膜荧光信号趋于饱和时, 随着测量误差的增加R值不断降低。在测量误差为1%的情况下, R=0.95, 即 $\frac{K - K_{w}}{K_{o} - K_{w}}$ ≤ 0.95时能够有效反演厚膜厚度, 此时测量误差对反演结果影响较小, 反演结果具有较高精度; 而在测量误差为5%的情况下, R=0.88, 即 $\frac{K - K_{w}}{K_{o} - K_{w}}$ ≤ 0.88时反演结果具有较高精度。

1.4.2 消光系数对评估范围的影响

由式(8)可知, k_e+k与油膜厚度d为反比关系。如前所述K_w远小于K, 因此忽略K_w的影响, 可得在不同测量误差情况下k_e+k与有效反演油膜厚度最大值的关系, 如图3所示。

	Figure Option View Download New Window
	图3 不同测量误差下k_e+k与有效反演厚度最大值的关系Fig.3 The relationship between k_e+k and maximum inversion thickness with different errors

由图3可见, 在相同测量误差的影响下, k_e+k值越大, 能够有效反演油膜厚度的最大值越小。在测量误差为1%的情况下, k_e+k=20的油品, 能够有效反演的油膜厚度在1 500 μ m左右; k_e+k=50的油品, 能够有效反演的油膜厚度在600 μ m左右; k_e+k=100的油品, 能够有效反演的油膜厚度在300 μ m左右。一般情况下, 重油消光系数较大, 中质油次之, 轻质油较小, 可以根据消光系数确定不同种类的油品有效反演厚度的最大值。因此, 轻质油有效反演厚度的最大值要大于1 000 μ m, 重油有效反演厚度的最大值约为300 μ m。

对于荧光效率较低的油品, 不满足K_w远小于K的条件, 此时能够有效反演油膜厚度的最大值要小于该分析结果。

2 实验部分

2.1 装置

实验装置和材料包括: AvaSpec-ULS2048光谱仪、 NDV4542激光二极管、手柄支架、 500 mL烧杯和移液器, 实验油品为原油和白油的混合油(1:50), 实验海水采用渤海海水。实验装置如图4所示。

	Figure Option View Download New Window
	图4 实验装置图Fig.4 Experimental equipment structure

2.2 数据采集

由式(8)可知, 以海水的背景荧光和拉曼散射光作为背景光信号, 采集到的不同厚度水面油膜和实验油品的荧光信号即为K-K_w和K_o-K_w, 因此设计实验过程如下:

(1) 在烧杯中放置500 mL海水, 采集海水的背景荧光和拉曼散射光光谱, 并以此作为背景采集其他光谱数据。

(2) 在烧杯中放置足够厚油膜(10 000 μ m), 采集实验油品的荧光特征光谱。

(3) 在烧杯中放置500 mL海水, 在水面分别放置25, 50, 100, 200, 400, 600, 800, 1 000, 1 200和1 400 μ m厚度油膜, 静置约30 min, 待油膜扩散均匀后, 采集样品荧光光谱。

光谱采集过程中, 保持探头与样本距离、角度不变, 采用Avasoft8软件采集光谱信号, 积分时间为200 ms, 采集波长范围为420~750 nm, 每次采集30组数据, 采用平均值作为光谱数据。

图5给出了实验采集的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、厚度为200 μ m油膜荧光光谱的30次采集光谱以及不同厚度油膜的荧光光谱。

Figure Option
View Download New Window

图5 实验结果图
(a): 海水的背景荧光和拉曼散射光光谱; (b): 实验油品的荧光光谱; (c): 200 μ m厚度油膜的荧光光谱30次采集结果; (d): 不同厚度油膜的荧光光谱Fig.5 Experimental results
(a): Background fluorescence and Raman scattering light spectra of sea water; (b): Feature fluorescence spectrum of oil; (c): Fluorescence spectra of 200 μ m oil film measured 30 times; (d): Fluorescence spectra of oil films with different thickness

2.3 数据处理

由图5(d)可见, 荧光强度随着油膜厚度的增加不断增加, 但增加值逐渐变小, 最终趋于稳定。实验油品的主波峰在456 nm附近, 在420~500 nm附近波段, 不同厚度油膜的荧光强度区别明显, 而在500~750 nm波段, 不同厚度油膜的荧光光谱有较多的重叠, 荧光强度不能有效区分不同厚度的油膜。

对不同厚度油膜的荧光光谱计算各波段K_o-K的值, 采用Otsu算法选择差异显著的波段, 结果如表1所示。

表1 不同厚度油膜的波长选取范围 Table 1 Wavelength selection of oil films with different thickness

由表1可见, 在420~476 nm波段范围内, 不同厚度的油膜都具有较大的差异, 因此, 采用该波段范围进行油膜厚度评估。

实验室获取该实验油品的消光系数, 在420~480 nm波段k_e+k的值如图6所示。

	Figure Option View Download New Window
	图6 实验油品k_e+k的值Fig.6 k_e+k value of experimental oil

利用实验获取的油品特征光谱、海水荧光和拉曼光谱以及实验油品在激发波长和波长λ 的消光系数, 采用所选波段评估油膜厚度, 评估结果如表2所示。

表2 不同厚度油膜的评估结果 Table 2 Estimate results of oil films with different thickness

油膜厚度的评估结果与实际厚度如图7所示。

	Figure Option View Download New Window
	图7 不同厚度油膜的评估结果Fig.7 Estimate results of oil films with different thickness

由表2可见, 当油膜厚度≤ 800 μ m时, 该算法具有较好的评估精度, 平均误差为10.5%; 当油膜厚度> 800 μ m时, 评估误差较大, 并随着油膜厚度的增加而快速变大。

3 结果与讨论

利用测量误差和实验油品的消光系数, 可以分析得到能有效反演的数据结果。

采用表1所选波段计算 $\frac{K - K_{w}}{K_{o} - K_{w}}$ 的平均值, 结果如表3所示。

表3 不同厚度油膜

\frac{K - K_{w}}{K_{o} - K_{w}}

的值 Table 3

\frac{K - K_{w}}{K_{o} - K_{w}}

value of oil films with different thickness

实际厚度/μ m	$\frac{K - K_{w}}{K_{o} - K_{w}}$
25	0.12
50	0.20
100	0.34
200	0.58
400	0.83
600	0.87
800	0.90
1 000	0.94
1 200	0.96
1 400	0.97

表3 不同厚度油膜

\frac{K - K_{w}}{K_{o} - K_{w}}

的值 Table 3

\frac{K - K_{w}}{K_{o} - K_{w}}

value of oil films with different thickness

根据不同厚度油膜的多次采集数据, 估算测量相对误差, 计算方法如式(10)所示

$e = \frac{1}{2} (\frac{K_{\max} - K_{\min}}{\overset{̅}{K} - K_{w}})$ (10)

式(10)中, K_max和K_min分别为测量的最大值和最小值, 由式(10)估算测量相对误差如表4所示。

表4 不同厚度油膜测量误差 Table 4 Error of oil films with different thickness

由表4可见, 本次实验测量误差在2%范围内, 在 $\frac{K - K_{w}}{K_{o} - K_{w}}$ ≤ 0.93时能够有效反演油膜厚度。由表3可知, 当油膜厚度小于800 μ m时, 此时能够取得较高的评估精度。

由图6可知, 实验油品在评估波段的k_e+k的值约为34 cm^-1, 采用油品消光系数分析有效反演厚度, 由图3可得本次实验有效反演厚度最大值约为780 μ m。

对比表2的实验结果, 可知采用测量相对误差和油品消光系数的分析结果, 与本次实验结果基本一致: 油膜厚度≤ 800 μ m时该算法具有较好的评估精度、油膜厚度> 800 μ m时评估误差较大。

随着荧光信号的增加, 油膜厚度分辨率逐渐降低。采用实验油品的主波峰波段光谱信号可得, 在25~50 μ m厚度范围内, 分辨率约为0.01 μ m; 在600~800 μ m厚度范围内, 分辨率约为0.23 μ m。

4 结论

提出一种基于LIF探测技术利用油膜荧光强度评估较厚油膜厚度的反演算法, 采用Otsu算法选择光谱波段进行厚度评估, 并对油膜厚度的有效评估范围进行了分析, 分析了有效评估范围的最大值与测量误差和消光系数的关系, 并给出了评估油膜厚度最大值的估算方法。采用原油和白油的混合油(1:50)作为实验油品对该算法进行了验证, 实验结果表明, 该算法可以有效评估较厚油膜厚度, 实验结果与分析一致。本文计算方法并未考虑探测高度、角度以及探测环境如波浪等因素的影响, 当在高空进行探测时, 需要保持探测角度不变, 同时对接收信号根据探测高度进行校正。

溢油污染受风、浪等环境因素的影响, 会发生扩散、乳化、溶解等一系列物理化学变化, 形成水面浮油膜和悬浮水体中的油, 该算法仅适用于海面油膜的厚度评估, 对溢油乳化过程的评估将是下一步工作的重点。

参考文献

文献列表

[1]	Jha M N, Levy J, Gao Y. Sensors, 2008, 8(1): 236. [本文引用:1]
[2]	Dutta S, Joseph M, Kumari E V S S, et al. Journal of the Indian Society of Remote Sensing, 2018, 46(4): 633. [本文引用:1]
[3]	JING Min, HUA Deng-xin, YUE Jing(景敏, 华灯鑫, 乐静). Acta Physica Sinica(物理学报), 2016, 65(7): 070704. [本文引用:1]
[4]	Fingas M, Brown C. Marine Pollution Bulletin, 2014, 83(1): 9. [本文引用:1]
[5]	Uslu F S. Journal of Applied Remote Sensing, 2017, 11(3): 032404. [本文引用:1]
[6]	Fingas M, Brown C. Sensors, 2017, 18(2): 91. [本文引用:1]
[7]	WANG Wen-tan, ZHANG Meng-xue, ZHAO Shu-fang, et al(王文坦, 张梦雪, 赵述芳, 等). CIESC Journal(化工学报), 2013, 64(3): 771. [本文引用:1]
[8]	CHEN Peng, MAO Zhi-hua, TAO Bang-yi, et al(陈鹏, 毛志华, 陶邦一, 等). Infrared and Laser Engineering(红外与激光工程), 2018, 47(9): 903004. [本文引用:1]
[9]	YE Guo-yang, XU Ke-jun(叶国阳, 徐科军). Chinese Journal of Scientific Instrument(仪器仪表学报), 2015, 36(2): 439. [本文引用:1]
[10]	Kung R T, Itzkan I. Applied Optics, 1976, 15(2): 409. [本文引用:2]
[11]	Hoge F E. Applied Optics, 1983, 22(21): 3316. [本文引用:4]
[12]	Li X L, Zhao C F, Ma Y J, et al. Journal of Ocean University of China, 2014, 13(4): 597. [本文引用:1]

2008

0.0

... 引言随着海上石油运输、开采的快速发展, 轮船排污、运油船只及海上钻井平台泄漏等溢油事故的发生, 海上溢油污染问题已经十分突出^[1,2] ...

2018

0.0

... 引言随着海上石油运输、开采的快速发展, 轮船排污、运油船只及海上钻井平台泄漏等溢油事故的发生, 海上溢油污染问题已经十分突出^[1,2] ...

2016

0.0

JING

Min

, HUA

Deng-xin

, YUE

Jing

(景敏, 华灯鑫, 乐静). Acta Physica Sinica(物理学报), 2016, 65(7): 070704.

In order to measure the oil pollution on water surface, a fluorescence lidar model system based on laser induced fluorescence is put forward for detecting oil slick. The system model and fluorescence detecting principle are described in detail. According to the properties of detected material, wavelength of laser and filter of receiving system are adopted to ensure that the lidar system is operated at the peak wavelength. Following the development trend of miniaturization in the world, using single laser and intensified charge-coupled devices, a small fluorescence detecting system is designed. FTSS 350-50 laser made by CRYLAS company, with compact dimension, low weight and excellent energy efficiency, and PI-MAX4 intensified charge-couple devices made by Princeton Instruments company, with good time resolution characteristic, are selected to produce laser as a launch device and to inspect fluorescence lifetime and capture image as a receiving device, respectively. The laser excitation wavelength, the energy of laser, the center wavelength and bandwidth of filter, the received echo fluorescence signals, the detected concentration and distance are discussed in detail by means of the instance for oil on water surface. Through analyzing the relationship between the energy of laser single pulse and the detection concentration and by combining with the parameters of fluorescence lidar system and fluorescence lidar equation, the detecting ability of system model, signal-to-noise ratio, etc. are simulated particularly. A numerical simulation of the signal-to-noise ratio of the fluorescence particles is conducted particularly so that the detectable capacity of system designed could be described better. The results show that the signal-noise ratio of system which is operated during the night is superior to in daytime in the same single pulse energy case and that the detected range becomes gradually longer as the energy of laser improves with the same signal-noise ratio case. The required single pulse energy to support system is calculated, and further verifies the feasibility of the lidar system. The test results of the sample show that in the daytime, the design of fluorescence lidar model, with a Nd:YAG laser of 50 μJ single pulse energy and 355 nm wavelength serving as an excitation light source, with a collection device placed at a distance of 7 m, can satisfy the requirements for detecting oil pollution on the water surface in laboratory, and its signal-noise ratio can reach 10. In view of the actual surface fluorescence lidar detection requirements, the method of increasing the laser power is proposed. A real system with 50 mJ single pulse energy at a distance of 230 m has nearly the same performance as the laboratory lidar system, which could provide a valuable guidance for designing a real system.

1. School of Mechanical and Precision Instrument Engineering, Xi'an University of Technology, Xi'an 710048, China; 2. School of Mechanical engineering, Shaanxi University of Technology, Hanzhong 723000, China

为实现对水面油污染的探测, 根据荧光激光雷达系统的发展趋势, 采用激光诱导荧光技术, 建立了适用于水面油污染探测荧光激光雷达的系统模型. 提出采用单激光器结合增强电荷耦合器件的小型荧光激光雷达探测系统, 通过分析激光器单脉冲能量与探测浓度之间的关系, 结合荧光激光雷达系统参数, 对系统模型的探测能力与信噪比等进行了数值仿真. 结果表明, 系统选用单脉冲能量50 μJ的355 nm Nd:YAG激光器作为激发光源, 白天在7 m的距离处探测信噪比可以达到10, 满足实验室搭建模拟系统的要求. 针对实际探测水面油污染, 提出采用增大激光器功率的方法, 并通过模拟计算验证了采用50 mJ的单脉冲能量激光器在230 m的探测距离处可得到与实验室相同的结果, 对实际系统的搭建具有指导意义.

... 及时获取海水表面溢油信息, 鉴别溢油种类, 估算溢油范围及污染量, 对溢油污染的快速处理和水体环境的保护具有重要意义^[3] ...

2014

0.0

... 近年来多种遥感技术被用于溢油监测, 其中激光诱导荧光(laser induced fluorescence, LIF)探测技术是目前被认为最有效的海面溢油探测技术之一^[4,5] ...

2017

0.0

... 近年来多种遥感技术被用于溢油监测, 其中激光诱导荧光(laser induced fluorescence, LIF)探测技术是目前被认为最有效的海面溢油探测技术之一^[4,5] ...

2017

0.0

... 研究人员可以利用LIF技术鉴别海面溢油的污染情况与溢油种类^[6,7,8,9], 但对于油膜厚度的监测目前尚未形成一套可以有效适用于各种不同厚度油膜的评估方法 ...

2013

0.0

WANG

Wen-tan

, ZHANG

Meng-xue

, ZHAO

Shu-fang

, et al(王文坦, 张梦雪, 赵述芳, 等). CIESC Journal(化工学报), 2013, 64(3): 771.

Among a variety of experimental methods to study the liquid-liquid mixing process,quantitative visualization techniques can display the mixing effects at different locations in the flow field simultaneously,as well as the evolution of the mixing process with time.The laser-induced fluorescence technique,a non-intrusive,highly accurate,easy-to-implement quantitative visualization technique,is widely used to study liquid-liquid mixing behavior in the chemical processes.This review introduces the principles and implementation methods of laser-induced fluorescence technique and discusses the progress of its applications in the investigation of both non-reactive and reactive mixing behavior.The outlook of some potential areas of this technique is also presented.

Department of Chemical Engineering, Tsinghua University, Beijing 100084, China

在研究混合过程的多种实验方法中,定量的可视化测量技术不仅可同时显示流场中各位置混合效果的差异,还可直观地反映混合过程随时间的变化规律。其中,激光诱导荧光技术具有测量精度高、无干扰流场、实现方式简单等优势,是用于检测化工过程流动-混合行为的先进测试技术。对该技术的测试原理、实现方式进行了详细的介绍,探讨该技术在可视化液体混合过程以及反应流混合过程的研究进展。

2018

0.0

2015

0.0

1976

0.0

... Kung等提出了利用LIF探测技术评估海面溢油的建模方法^[10], 1980年, Hoge等基于该方法提出了一种利用拉曼散射光评估油膜厚度的积分反演算法并进行了溢油探测实验^[11] ...

... 的信号K包括油膜荧光信号、海水背景荧光信号和海水拉曼散射光信号三部分, 该信号可以表示为^[10] ...

1983

0.0

... 1 薄油膜反演算法如前所述, Hoge等提出了一种适用于评估薄油膜厚度的积分反演算法, 其原理是海水受紫外激光束照射激发的拉曼散射光由于海面油膜的吸收呈指数衰减, 据此依据拉曼散射光衰减程度反演出油膜厚度, 油膜厚度d可表示为^[11] ...

... 其原理如图1所示^[11] ...

... 如文献[11]所述, 采用LIF技术反演油膜厚度需要利用油品的一些物理参数, 本文假定油品的消光系数和荧光转换效率已经在实验室获得 ...

2014

0.0

... 我国对海面溢油也进行了大量的研究, 中国海洋大学成功研制了用于海洋参数测量的激光雷达系统并于2006年完成了水面油膜的探测实验^[12] ...