出版日期: 2016-09-25
点击次数：
下载次数：
DOI: 10.11834/jrs.20166122
2016 | Volumn20 | Number 5

论文

海洋溢油与烃渗漏的光学遥感研究进展

陆应诚^1,2 , 胡传民² , 孙绍杰² , 张民伟² , 周杨¹ , 石静¹ , 温颜沙¹

1. 南京大学国际地球系统科学研究所, 江苏南京 210046

2. 南佛罗里达大学海洋学院, 圣彼得斯堡美国 33701

收稿日期: 2016-04-19; 修改日期: 2016-06-06; 优先数字出版日期: 2016-09-25

基金项目: 国家自然科学基金项目（编号：41371014）

第一作者简介: 陆应诚(1979-), 男, 副教授, 研究方向为海洋光学遥感、海洋溢油与烃渗漏光学遥感。E-mail:Luyc@nju.edu.cn

中图分类号: TP79

文献标识码: A

文章编号: 1007-4619(2016)05-1259-11

摘要

海洋溢油与烃渗漏是资源与环境遥感关注的重要方向之一。光学遥感在该领域的理论与应用研究表明：（1）光学遥感探测的分类目标已经明确，即溢油污染形成的海面油膜、黑色浮油与油水混合物，海底烃渗漏形成的海面油膜与近海表大气碳氢化合物气体异常；（2）这些目标对入射光具有不同的光学作用过程（如反射、吸收、散射、干涉等），会产生不同的光学响应特征，是光学遥感识别、分类与定量估算的理论基础；（3）在实际应用中，目标介质面（不同类型、折射率与粗糙度的油面与海面）的菲涅尔反射差异，有利于目标探测的同时，也给目标识别分类与定量估算带来诸多不确定性影响。光学遥感技术在本领域的应用特点与优势逐渐清晰，但依然面临巨大的挑战，今后的研究趋势也主要集中于以下几个方面：光学传感器的可探测性，典型目标的光学响应特征，定量遥感模型与参数查找表，目标的光谱与空间尺度响应，实地测量等。随着研究的深入，光学遥感技术必能以新的视角为海洋溢油与烃渗漏目标的实时监测、识别分类与定量评估提供更好的解决方案。

关键词

溢油 , 烃渗漏 , 光学遥感 , 海洋

Overview of optical remote sensing of marine oil spills and hydrocarbon seepage

LU Yingcheng^1,2 , HU Chuanmin² , SUN Shaojie² , ZHANG Minwei² , ZHOU Yang¹ , SHI Jing¹ , WEN Yansha¹

1.International Institute for Earth System Science, Nanjing University, Nanjing 210046, China

2.College of Marine Science, University of South Florida, St. Petersburg, FL, 33701, USA

Abstract

The remote detection and quantification of oil spills and hydrocarbon seepage represent a key research direction in marine environment monitoring and resource management. Passive optical remote sensing using sunlight has been used for several decades, and significant progress has been made in recent years. It exhibits the following characteristics.(1)The optical detection and classification of oil spills and hydrocarbon seepage are based on their different optical properties from oil-free water. These properties include oil slicks of different thicknesses, oil-water mixture(i.e., oil emulsion of different concentrations), thick floating oil, and thin oil slicks, and hydrocarbon gas from seabed hydrocarbon seepage. (2) These different oil and hydrocarbon forms undergo different optical processes when interacting with light because they can reflect, absorb, and scatter the incident light, resulting in different levels of optical contrast from surrounding oil-free water and thus providing a theoretical basis for their detection, classification, and quantification through optical remote sensing. (3) The Fresnel reflection of different surfaces, such as oil-free water or oiled surfaces with different refractive indexes and roughness, helps detection but presents challenges on classification and quantification. This paper provides a brief review of the characteristics of marine oil spills and hydrocarbon seepage in their various forms, and discusses the advantages and challenges in their optical detection and quantification. Many space borne and airborne multi/hyper-spectral or multi-angle optical sensors, such as MODIS, MERIS, AVIRIS, MISR, Hyperion, and Landsat, have been used to detect, quantify, and map oil spills or natural seepage, as shown in the most recent oil spill disasters and natural seepage estimates in the Gulf of Mexico. In these applications, lab-based experimental results provide optical models and key parameters to improve the quantification of surface oil from remote sensing images. Environmental conditions, such as sea state and solar/viewing geometry from a real spill case, can be dramatically different from those in the lab experiments. Thus, applying lab-based results to aquatic environments becomes technically challenging. Significant process has been made in understanding the oil-water spatial and spectral contrasts of these different oil forms under different environmental conditions. However, some key issues still need to be investigated further. These issues include sensor capability (i.e., spectral, spatial, and radiometric resolutions), relationship between spectral/spatial oil-water contrast and oil type and thickness, and optical models for improved detection and quantification at various scales. The fundamental difficulty in determining oil thickness or volume in the field needs to be overcome to refine lab-based models and validate remote sensing estimates. Nevertheless, optical remote sensing is expected to make continuous progress to eventually overcome these challenges and thereby play an increasingly important role in assessing marine oil spills and hydrocarbon seepage.

Key words

oil spill , hydrocarbon seepage , optical remote sensing , ocean

1 引言

海洋石油主要有天然来源和人为来源两种主要途径，天然来源主要是海底油气藏的烃渗漏所产生(O’briena等，2005；Macdonald等，1993, 2002；Howari，2004)；人为来源主要是海洋石油开采、加工与运输等过程中的各种溢油污染导致(Zhong和You，2011；Wang和Shen，2010；Leifer等，2012；Lu等，2013a)。据不完全估算，海洋中烃物质的53%来源于人类活动，47%来源于天然烃渗漏(Kvenvolden和Cooper，2003)，特大型的海洋溢油污染事件会显著增加人为来源，如美国墨西哥湾2010年深海油井溢油事故。海洋溢油与烃渗漏会在海面及低层海表大气中形成烃异常信息，这些异常信息在一定条件下能为微波雷达(Hodgins等，1996；Zheng等，2001；Brekke和Solberg，2005；Keramitsoglou等，2006；Garcia-pineda等，2013)、多/高光谱(Giammona等，1995；Sugioka等，1999；Hu等，2003, 2009；Chust和Sagarminaga，2007；Lu等，2011, 2013a, 2013b；Sun等，2015, 2016；Sun和Hu，2016)、热红外(Asanuma等，1986；Cross，1992；Salisbury等，1993；Tseng和Chiu，1994；Cai等，2007；Innman等，2010；Leifer等，2012；Lu等，2016b)、激光荧光(Brown等，1996, 2005, 2006；Brown和Fingas，2003；Brown等，2005, 2006)等多种传感器所探测。具有不同工作原理的传感器，对这些异常信息的界定会不一致，探测的差异较为显著。近年来，海洋溢油与烃渗漏的光学遥感研究取得了较好的进展，其光学遥感的目标体系逐渐清晰，部分核心科学问题研究相对深入，光学遥感用于该领域的技术优势和特点得到认可(Lu等，2013a)。本文基于海洋溢油与烃渗漏的迁移转化，结合光辐射传输过程与光学响应原理，总结该领域光学遥感典型目标，分析其光学遥感响应特征与原理，探讨光学遥感的技术优势和亟待解决的关键科学问题，分析研究发展趋势及其挑战，厘清今后的主要研究方向，为海洋溢油与烃渗漏光学遥感研究与应用提供参考。由于篇幅所限，本文只探讨以太阳为光源的被动光学遥感。

2 目标及其光辐射传输过程

海面上发生的溢油事故，如图 1(a)所示，溢油首先以黑色浮油的形式存在，黑色浮油是海面上较厚的原油溢油，入射光线难以透过，这种类型易于被光学传感器所探测，但是其厚度难以直接估算(Lu等，2013a)。随着溢油的扩散，会形成具有透光性、不同厚度的海面油膜，最薄的厚度可以达到0.1 mm或更薄(Zhong和You，2011)。在风、浪、流等海洋动力作用下，溢油会与水混合，形成稳定或不稳定、油包水或水包油状态的油水混合物(Zhong和You，2011)。高沸点、难溶物质会进一步聚集形成沥青球，轻质烃也会蒸发进入近海表大气(Salem，2003；Bradley等，2011)。海底或海洋深处的溢油在上浮过程中，如产生于海底钻井平台或海底输油管道的溢油，除去溶解于海水的部分，还会与海水混合形成油水混合物；如大量的溢油还未及时与海水进行混合，其也会在海面形成黑色浮油，并扩散为不同厚度的海面油膜，气态烃物质会进一步进入近海表大气(陆应诚等，2011)。海洋溢油污染监测的经验类型，如银色亮油膜、彩虹亮油膜、条纹状油、铁饼状油、沥青球、巧克力色奶油冻、褐色油与黑色浮油等(Salem，2003；Lu等，2009, 2013a)，监测依据是基于目视特征、形态特征，或物理属性等差异(Lu等，2009, 2013a)。基于光学响应原理，可将海洋溢油光学遥感的主要目标确定为黑色浮油、海面油膜、油水混合物等3种主要类型(Lu等，2013a)。烃渗漏是海洋油气藏存在的自然现象之一(图 1(b))，海底油气藏的烃类物质会沿着运移通道与压力梯度方向从海底渗漏，并会在浮力的作用下向海面运移，一部分渗漏烃物质被海水溶解形成富烃的海水柱，一部分会浮到海面形成薄油膜，且气态烃会进入海表低层大气(Solomon等，2009；Whelan等，1994；Bradley等，2011)。烃渗漏形成的海面薄油膜与近海表较高密度的碳氢化合物气体，这些异常信息可被光学遥感所探测(Hu等，2009；Bradley等，2011；Jackson和Alpers，2010；Lu等，2016a)。综上所述，海洋溢油与烃渗漏的光学遥感目标主要为：识别与量化海面油膜、油水混合物、黑色浮油与近海表异常碳氢化合物气体。

图 1 海洋溢油与烃渗漏光学遥感目标及其辐射传输过程

Fig. 1 Oil spill and hydrocarbon seepage optical remote sensing targets and the radiative transfer

海洋与上述目标(除了部分乳化油)一般具有较低的光学信号与较强的方向性特征，因此，水面与油面的菲涅尔反射与大气散射的影响不容忽视(Hu等，2009；Jackson和Alpers，2010；Lu等，2016a；Sun等，2015, 2016)。光学遥感获取的海面信号组成复杂(Wang和Bailey，2001；Zhang和Wang，2010；Hu等，2000, 2009；Lu等，2016a)，具体描述如下(图 1(c))，太阳入射能量F₀(辐照度，W·m^-2)照射到海面的过程中，会被大气分子和气溶胶散射，其后向散射信号(瑞利散射与气溶胶散射的辐亮度，L_r与L_a，W·m^-2·nm^-1·sr^-1)能被光学传感器所探测；在介质面的菲涅尔反射作用下，太阳直射能量的反射信号也可被光学传感器所探测，即反射太阳耀斑的辐亮度(L_g，W·m^-2·nm^-1·sr^-1)；大气散射的前向能量经过介质面反射后，也再为光学传感器所探测到，即介质面反射的天空散射光的辐亮度(L’_g，W·m^-2·nm^-1·sr^-1)。海洋的离水辐亮度(L_w，W·m^-2·nm^-1·sr^-1)，海洋溢油与烃渗漏目标的离油辐亮度(L_oil，W·m^-2·nm^-1·sr^-1)，近海表碳氢化合物气体的后向散射辐亮度(L_CH，W·m^-2·nm^-1·sr^-1)是开展目标定量遥感的基础。光学传感器所探测的辐亮度(L_t，W·m^-2·nm^-1·sr^-1)可表达为

$ {L_{\rm t}} = {L_{\rm r}} + {L_{\rm a}} + T{L_{\rm g}} + t({L_{\rm w}} + L{'_{\rm g}}) $

(1)

$ {L_{\rm g}} = {F_0}{T_0}{L_{\rm GN}} $

(2)

式中，太阳入射光到海面的直射透过率为T₀，海面与大气反射光信号到达光学传感器的直射透过率和漫射透过率分别为T和t (不考虑海面白帽等影响)，介质面菲涅尔反射率为L_GN(单位：sr^-1)。因这种类似镜面的介质面具有很强的方向性反射特性，在不同波段与不同观测几何(太阳天顶角、传感器天顶角与相对方位角)条件下，上述信号具有较大差异(Hu等，2009；Zhang和Wang，2010；Jackson和Alpers，2010；Lu等，2016a)。

3 主要目标的光学响应特征

3.1 烃的光谱响应特征

原油是棕黑色可燃粘稠液体，性质因产地而异，密度小于水，粘度范围宽，凝固点差别大(30 ℃—60 ℃)，可溶于多种有机溶剂，不溶于水，但可与水形成乳状液。组成石油的化学元素主要是碳(83%—87%)、氢(11%—14%)，硫(0.06%—0.8%)、氮(0.02%—1.7%)、氧(0.08%—1.82%)以及微量的金属元素等，其中烃类物质占石油的主要组成部分(约占95%—99%)；主要构成类型为烃类物质、非烃物质、和沥青等3类，烃类物质又以烷烃、环烷烃和芳香烃3类为主(曹鸿林，1997)。烷烃的分子通式为C_nH_2n+2，C₁-C₄的烷烃为气体，C₅-C₁₇为液体，C₁₈以上为固体；环烷烃分子通式为C_nH_2n，芳香烃是指含有苯环或骈联苯环的化合物，如苯、萘、蒽等(蒋硕健等，1996)。

海洋溢油与烃渗漏的目标差异虽较大，但都以“-C-H”键为主要构成形式，因此“-C-H”键的吸收光谱是上述目标的主要特征光谱。有机化合物近红外吸收光谱主要是由于基频振动(吸收带3.3—3.5 µm)的泛频(0.78—1.8 µm)和组频(1.8—2.5 µm)吸收所致。基频振动有一系列的泛频吸收带，随着泛频级数的升高，谱带的强度逐渐减小。“-C-H”键在近红外区的特征吸收带，其基频(伸缩振动)吸收带在3380—3510 nm，可推测“-C-H”键(伸缩振动)的第1泛频吸收带大约出现在1690—1755 nm，第2泛频出现在1127—1270 nm；伸缩振动和弯曲振动的组频吸收带，较弱的在1300—1400 nm，较强的在2000—2400 nm(陆婉珍等，2000；卢涌泉和邓振华，1989；冯新泸和史永刚，2002；Lu等，2008)。

海洋溢油与烃渗漏的典型光学遥感目标，黑色浮油、海面油膜、油水乳化物与近海表大气烃异常，并不都能展现出“-C-H”键的特征光谱。黑色浮油对入射光具有强吸收、低反射特性，其光谱曲线表现为低反射率(Lu等，2013a)，因此，处于近红外范围内的“-C-H”键特征光谱不会得以展现。不同厚度的海面油膜，对入射光具有干涉、反射、透射的作用(Lu等，2009, 2013a)，其光谱曲线虽然在可见光范围内具有一定的变化，但近红外波段的吸收作用，使“-C-H”键的特征光谱也不能得到展现。不同浓度的油水乳化物，其对入射光除了吸收，更多的体现出一定的散射特征，部分乳化物的后向散射使500—2500 nm范围内的反射率得以抬升，从而使“-C-H”键的特征光谱(1.20 µm、1.73 µm、2.37 µm)得以展现(Leifer等，2012, 见其图 4)。近海表低层大气中的烃异常信息，使2238—2338 nm范围内的“-C-H”键特征光谱也可以得到展示，如Bradley等人利用AVIRIS高光谱数据，实现了烃渗漏造成的近海表烃异常气体(甲烷)的探测与制图(Bradley等，2011, 见该文献图 1和图2)。

图 2 入射光在不同厚度油膜中的作用过程

Fig. 2 Reflection, refraction, and absorption of the incident light on the oil slicks with different thickness

图 3 海面耀斑反射信号强度的表征(Hu等，2009)

Fig. 3 θ_m denotes the sunglint radiance of ocean surface (Hu, et al., 2009)

3.2 目标的光学作用过程

海洋溢油与烃渗漏的典型光学遥感目标，对入射光具有反射、吸收、散射、干涉、偏振等光学作用(Wettle等，2009；Kukhtarev等，2011；Lu等，2011, 2012)；但目标差异显著，其主要光学作用过程不一样，因此用于构建定量遥感模型的光学基础原理也不同。针对黑色浮油、海面油膜、油水乳化物3种目标，目前对海面油膜的光学作用过程研究较为透彻，定量遥感模型也相对成熟(Lu等，2013a)。

3.2.1 海面油膜

基于光干涉原理的理论模型，较好的描述了不同厚度油膜对入射光的折射、反射、透射、干涉等光学行为(Lu等，2009, 2011, 2012；Kukhtarev等，2011)，并可进一步推导油膜厚度遥感模型(Lu等，2012)。图 2描述了油膜从薄到厚，入射光在油膜层中的主要光学行为。平静海面上均匀分布的海面浮油膜，有空气、油膜和海水3种介质层，3种介质的物理参数明显不同，入射光在其中发生折射、反射、散射与吸收。海面溢油的甚薄油膜和烃微渗漏形成的渗漏油膜，其目视特征常表现为彩虹色或银色等(MacDonald等，1993；Lu等，2009, 2013a)，这种甚薄油膜的厚度常常只有0.1 mm或以下(Zhong和You，2011；Lu等，2013a)，这意味着在异常短的光程中，光的吸收和散射作用可以忽略，入射光在这种甚薄油膜中的光学过程主要为反射与折射。多光束干涉模型描述了入射光在甚薄油膜内的光经过多次反射和折射过程，致使海面甚薄油膜可见光/近红外光谱反射率的改变，这也是其目视特征表现出彩虹薄膜和银色亮膜的主要原因(Lu等，2009)。这种海面甚薄油膜的主要研究关注点在于探测发现，而非厚度的估算。

随着油膜厚度的增加，双光束干涉模型能描述这一过程中的光学行为，并定量表达了油膜反射率与油膜厚度、入射光折射角、各界面反射率、透过率与消光系数的理论关系(Lu等，2011, 2012)，这一原理的正确性也被微观的油膜厚度激光干涉测量研究进一步验证(Kukhtarev等，2011)。在400—1150 nm可见光/近红外光谱范围内，油膜反射率明显低于水体本底反射率，并随着油膜厚度的增加而逐步降低。背景水体的光谱响应差异，使油膜反射率显著降低的波段会有所不同，清水背景条件下，蓝光波段表现明显(Lu等，2013b；Wettle等，2009)；相对浑浊水体中，绿光与红光波段表现明显(Lu等，2013a, 2013b)。基于上述理论，基于参数分析与数值逼近分析，构建了一个归一化的油膜厚度与反射率模型(式(3))。

$ R = {R_{\rm oil - max}} + \left({{R_{\rm water}} - {R_{\rm oil - max}}} \right){{\rm e}^{ - 2ad}} $

(3)

式中，R为油膜反射率(无量纲)，R_water为背景水体反射率(无量纲)，R_oil-max为可测的最厚油膜反射率(无量纲)，a为该油种的消光系数，d为油膜厚度(Lu等，2011, 2012)。该模型归一化的形式，能剔除目标遥感反射率(单位sr^-1)的方向性差异影响，但在实际遥感图像分析应用中，还需要考虑介质面太阳耀斑能量的剔除(具有较强的方向性反射差异)。Wettle等人(2009)基于反射率和透过率的模拟实验，获取了不同厚度油膜数据，构建了基于比尔-朗伯定律的油膜厚度估算模型(式(4))，

$ {R^d}_{\rm oil} = {10^{ - ad}} \times {R_{\rm DW}} $

(4)

式中，$R_{{\rm{oil}}}^d$为油膜反射率(无量纲)，R_DW为光学深水的反射率(无量纲)，a为油膜的吸收系数，d为油膜厚度。上述两个油膜厚度光学遥感模型理论本质是近似的，这些理论模型都进一步指向了油膜厚度探测的关键参数—油种的吸收系数或消光系数，消光系数可认为是前向散射系数与吸收系数之和。

3.2.2 黑色浮油

入射光进入相对较厚的黑色浮油层后，其内部的折射光与散射光难以穿透油层再反射或散射回光学传感器(Lu等，2013a)，此时，基于油膜消光能力差异的光学遥感模型不再适用。黑色浮油对入射光的强吸收、低散射与反射特性，使之反射光谱曲线表现为较低的反射率值，“-C-H”键的特征光谱也自然无法展现出来。虽然黑色浮油易于识别和开展面积监测，但黑色浮油定量光学遥感研究尚没有开展，目前还难以定量估算黑色浮油溢油量。光学遥感技术能获取这种黑色浮油的形态特征，具备探测其表面粗糙度的潜力，也包含了多种角度差异信息，探索黑色浮油定量遥感模式是今后可期待的一个方向，其中的一个难点是如何实地测量浮油厚度用来建模及验证。

3.2.3 油水乳化物

在海洋动力作用下，油会与海水形成油水乳化物，如黑色原油乳化后形成棕色、桔黄色或黄色等不同颜色的油水乳化物，其状态也被称为“巧克力冻”或“慕斯状”(Palmer等，1994；Salem，2003)。油水乳化物一旦形成，则难以清除和回收，表面活性剂和溢油回收机也难以有效处理和回收该种溢油污染类型，其对环境的危害更为显著(Zhong和you，2011)。已有研究表明乳化油具有显著的光谱响应特征，500—2 500 nm范围内不仅具有较高的反射率，此外“-C-H”键的特征光谱(~1.20 µm、~1.73 µm、~2.37 µm)也得到显著的展现(Leifer等，2012；见该文献图4)。油水乳化物对入射光具有较强的后向散射特性，今后可以基于散射理论开展乳化油浓度的光学遥感建模研究，烃特征光谱将是有效识别与判定的依据之一。通过开展一些系统性的乳化油模拟实验，获取不同状态，油包水或水包油、不同浓度、不同光学厚度的乳化油光谱，结合光学原理，分析光谱数据特征并建模，是油水乳化物光学遥感研究的核心基础之一。

3.3 介质面的菲涅尔反射

卫星光学传感器获取的海面观测数据中，首先需要考虑水面或油面的菲涅尔反射影响，尤其是太阳直射辐射的菲涅尔反射，会形成不同的太阳耀斑信息(Hu等，2009；Jackson和Alpers，2010；Zhang和wang，2010；Sun等2015；Lu等，2016a；Sun和Hu，2016)。烃渗漏形成的海面薄油膜，在不同的观测角度条件下，会表现出比背景水体亮或者暗的图像特征，Hu等人(2009)首先说明了这一重要特征差异产生的原理，如图 3所示。

如太阳天顶角为θ₀，传感器天顶角为θ，两者相对方位角为φ，则可以定义传感器探测矢量方向与水面的太阳反射光矢量方向夹角为θ_m，则有：

$ {\rm cos}({\theta _m})= {\rm cos}({\theta _0}){\rm cos}(\theta)- {\rm sin}({\theta _0}){\rm sin}(\theta){\rm cos}(\phi) $

(5)

θ_m越小，传感器接收到的水面耀斑信号越强，反之越小(Hu等，2009)。

Jackson和Alpers(2010)提出了临界角的概念，这一概念系统的表述了油膜与海水背景，在太阳耀斑的影响下，会出现暗或亮反差对比的空间分异性。然而，由于非精确的大气校正和折射率的不当使用，Jackson和Alpers(2010)计算的归一化海面耀斑反射率出现较大偏差。Lu等人(2016a)修正了这些计算误差，深入探讨了海面不同烃物质的折射率差异与大气校正过程，从而能更准确的计算海面溢油耀斑反射率；同时，其研究也表明光学遥感技术具有估算海面油膜折射率系数的潜力。

4 光学遥感的技术特点与优势

光学遥感技术用于海洋溢油和烃渗漏监测，经过多年的发展，其基础理论研究与应用示范研究进一步丰富，基于现有的研究成果与可预见的研究方向，结合光学原理，本文对光学遥感在本领域的技术优势与特点阐述如下：

4.1 具有目标识别与分类的能力

海洋溢油形成的黑色浮油、海面油膜与油水乳化物，海洋烃渗漏形成的海面薄油膜与近海表大气烃异常，对入射光具有不同的光学作用过程，也有特定的光谱响应特征，因此光学遥感(多/高光谱)具备对上述目标进行识别和分类的能力(Leifer等，2012；Lu等，2013a；陆应诚等，2009)。在实际的工作中，需要根据具体目标与背景情况，优化光学传感器的光谱分辨率、波段设置、空间分辨率与探测几何等条件。海面或油面具有类镜面的特点，介质面菲涅尔反射的空间差异显著，此外，介质面的表面粗糙度与折射率会对菲涅尔反射，尤其是对太阳直射辐射的菲涅尔反射(太阳耀斑反射)产生较大影响。太阳耀斑反射信息既有助于海面油信息的识别，但也对其定量光学遥感估算带来影响(Hu等，2009；Sun等，2016；Lu等，2016a)。

4.2 具备检测烃渗漏海面异常信息的能力

海底烃渗漏形成的海面薄油膜与近海表大气烃异常。基于太阳耀斑的探测理论、方法基本成熟(Hu等，2009；Jackson和Alpers，2010；Sun等，2015；Lu等，2016a；Sun和Hu，2016)，不仅对美国墨西哥湾海洋烃渗漏展现出较好的监测能力，也成功用于加勒比海表面烃渗漏点的来源分析与追踪(Chen和Hu，2014)，此外，该理论也用于指导基于月光耀斑反射的海面油膜检测(Wang和Hu，2015)。对于烃渗漏造成的近海表大气甲烷富集，“-C-H”键特征光谱(2238—2338 nm)在高光谱遥感数据中可以被识别并制图，从而有助于海洋烃渗漏的检测(Bradley等，2011)。多角度光学遥感也能用于探测海面油膜(Chust和Sagarminaga，2007)，也是因为海面油膜耀斑反射差异，其实质还是介质面菲涅尔反射的空间分布差异。综上所述，在适宜的成像条件下(探测几何、光谱分辨率、优化波段等)，光学遥感技术具备探测海表烃渗漏异常信息的能力。

4.3 对海面溢油具有定量估算的潜力

海洋溢油的识别分类与定量估算，是海洋溢油光学遥感研究追求的极致目标，这不仅能满足海洋溢油灾害评估的需要，也对溢油灾害的回收处理具有重要意义(Zhong和You，2011)。海洋溢油光学遥感研究进展让人们看到一丝曙光，其也展现了对海洋溢油识别、分类与定量估算的潜力。目前，海洋溢油污染的光学遥感目标已经清晰，即黑色浮油、海面油膜与油水乳化物。对不同厚度海面油膜的研究最为深入，基于实验室观测数据的定量遥感模型相对成熟；将这些研究结论用于真实遥感影像，还需要准确估算并剔除油膜表面的菲涅尔反射信号，如能获得准确的离油辐亮度L_oil(图 1)，真实海面油膜厚度估算就可期待。油水乳化物具有明显的光谱响应差异与光谱特征(Leifer等，2012)，今后需要基于系统性的模拟实验，进一步分析清楚不同油种、不同状态、不同浓度的油水混合物光谱响应原理与特征，探讨其散射相函数特点，构建基于光散射理论的油水乳化物定量遥感模型。黑色浮油对入射光的强吸收特点，使基于光干涉、透射或者散射的模型方法难以适用于这一目标，今后可从图像的空间特征信息，如面积、形状指数、扩散特点等，结合表面粗糙度、风速、风向等信息，开展一些探索性研究。综上所述，海洋溢油光学遥感的研究进展，充分展现了其优势与能力，研究思路逐渐清晰，海洋溢油光学定量遥感的潜力今后会得到进一步的挖掘。

5 研究趋势与挑战

5.1 可探测性分析

本文所述可探测性分析，在于如下两个层面，一是卫星或机载光学传感器获取的光学遥感图像中，是否具备探测海面油膜、油水乳化物与黑色浮油的条件；二是可探测的目标中，该数据对其定量遥感估算的能力。搭载于卫星或飞机平台的光学传感器，用于探测海面油膜、油水乳化物与黑色浮油等典型目标时，获取离水(油)辐亮度的同时，还获取海面的菲涅尔反射辐亮度(包含对大气程辐射的反射与对太阳直射入射光反射，即太阳耀斑反射)和大气辐射亮度。现有的研究已经表明，这些典型目标在一定的观测几何(太阳天顶角、传感器天顶角和相对方位角)条件下可以识别，而在某些条件下不可识别，相同的机理(Hu等，2009；Jackson和Alpers，2010；Lu等，2016a)也适合多角度光学遥感在该领域的应用。可探测性分析的第1个层面研究意义在于，当获取一幅光学遥感图像时，根据观测几何信息和相关环境因素(风速、风向等)，能否划分出该图像中目标不可探测与可探测区域，在可探测图像区域内，进行异常信息的识别和分类才有意义。可探测性分析第2层面研究意义在于，如将现有模型方法与相关参数用于实际光学图像中的目标定量估算，还需要基于光学传感器(最优探测波段)的辐射分辨率、动态响应范围、量化比率、信噪比等信息，进一步分析光学遥感图像数据对目标定量估算的能力和误差范围，同时也需要评估其他因素(大气校正、海面粗糙度等)所带来误差与不确定性问题。

5.2 油水乳化物的高光谱响应研究

作为海洋溢油污染监测的重要类型之一，油水乳化物对海洋环境的危害相对较大，且不易分解和回收处理。油水乳化物有油包水和水包油两种存在形式，虽然有研究表明油水乳化物在500—2 500 nm范围内具有高反射特征，甚至“-C-H”键特征光谱(~1.20 µm、~1.73 µm、~2.37 µm)也清晰可见，但除了美国地质调查局USGS(United States Geological Survey)的初步模拟分析(Clark等，2010)，目前对此目标还没有开展系统的光学模拟实验，尚不清楚这两种形式乳化物的具体光谱响应特征的异同，更不清楚其浓度与反射率之间的统计关系，定量遥感研究非常不足。因此，今后海洋溢油光学遥感基础研究的关键问题之一，就是针对不同油水乳化物的光谱模拟实验，开展光谱响应特征分析、构建光学定量遥感模型；并基于上述结论，选取典型事件，开展示范应用研究。

5.3 关键物理参数及其查找表

海洋油膜与油水乳化物的定量光学遥感研究思路基本清晰，针对海面油膜构建的光学遥感模型也相对成熟。在描述这些目标对入射光的作用过程中，不难发现某些关键物理参数的重要性，如折射率、消光系数、吸收系数、散射系数等，这些参数又随着来源、油种、状态、探测波段的不同，而具有一定差异。即使能利用蒙特卡洛模拟相关参数(Otremba和Piskozub, 2003, 2004；Otremba，2005)，但是这依然需要非常精确的输入物理参数。如在太阳耀斑遥感研究中，图像的临界角范围对折射率就非常敏感(Lu等，2016a)。在介质表面的菲涅尔反射研究中，海洋烃渗漏来源造成的薄油膜，构成的烃物质具有低碳链结构特征，其折射率要小于常见原油折射率。在海面油膜厚度光学遥感研究中，吸收系数与消光系数是定量遥感模型的核心参数。在今后的油水乳化物光学遥感研究中，除上述参数外，散射系数与散射相函数将是可预见的重要参数。因此，在开展光学定量遥感研究的同时，需要结合对原油性质的分析，总结相似油种的关键物理参数，构建相应的光学遥感模型参数查找表，这必将有助于推进海洋溢油定量光学遥感的实用化。

5.4 典型目标表面粗糙度与海洋环境要素的关系

获取准确的离油辐亮度是开展定量光学遥感的必要前提之一，需要准确剔除介质面的菲涅尔反射信号亮度。对于背景海水，从Cox-Munk模型(Cox和Munk，1954)发展而来的一系列方法，已经较为成熟，海面粗糙度与海洋环境要素(风速、风向、水深)的关系清晰；虽然Cox和Munk(1954)的研究也给出了薄油膜表面粗糙度与风速、风向的参考关系，但是这一关系还没有经过实际应用的检验，准确性尚不可知。实际上，不同油种(原油类型、成品油类型、烃渗漏油膜)、不同目标类型(油膜、油水乳化物、黑色浮油)、不同量级(油膜厚度、乳化油浓度等)条件下的介质表面粗糙度与海洋环境要素的关系，没有实质性的研究进展，这也是估算典型目标表面菲涅尔反射能量(其核心在于表面粗糙度的估算)的难点所在。溢油与海水具有较大的粘度差异，利用波浪谱方程模拟溢油表面粗糙度的仿真研究思路具有较大难度；基于对溢油观测的海量光学遥感图像数据、实时海面风场数据，通过准确并一致的大气校正过程，构建一个统计上的经验关系，来描述不同目标表面粗糙度和环境要素的关系，目前看来是一个可行的思路。

5.5 目标光谱与空间尺度的响应

海洋溢油与烃渗漏光学遥感研究，难以开展真实海表大面积的模拟实验，其对海洋环境危害也过大，基础研究数据往往来源于两个方面：(1) 可控模拟实验，获得不同目标(油膜、油水乳化物等)的相关物理参数(光谱反射率、油膜厚度、透过率、吸收系数等)，分析相关参数之间的统计关系，构建光学遥感理论模型；(2) 基于不同光学卫星观测数据，针对目标信息特征(如耀斑反射、溢油形状特征、时序谱特征等)，探讨目标的可探测性规律、最优图像分辨率、运动变化规律等。综合考虑相关研究成果时，除了要考虑光辐射传输过程的差异，还不得不面对这些结论所内含的目标光谱与空间尺度差异，即基于从实验室观测数据到不同空间分辨率光学遥感数据，在某一(光谱和空间)尺度上观测的目标性质、总结的规律、发展的模型，对另一观测尺度数据是否仍然有效，如何进一步修正。海洋溢油与烃渗漏光学遥感目标的光谱与空间尺度响应分析是十分必要地，这有助于将基于模拟实验获得的研究结论进一步用于卫星图像的定量分析。

5.6 溢油的实地测量

在海洋溢油污染发生的同时，获取的各类型光学遥感数据对研究而言尤为珍贵，这能极大弥补模拟实验研究的不足，但研究者还不得不面临另一个棘手的难题—溢油的实地测量(获取溢油实时状态中的物理参数)。在美国墨西哥湾深海油井2010年特大溢油事件的观测中，对溢油的实地测量也难以准确量化。美国地质调查局开展了大量模拟实验，并将这些模拟实验数值转化成等效溢油量，用于指导光学遥感数据的分析(Clark等，2010)，因为在获取光学遥感数据同时，测量对应像元中目标类型(油膜、油水乳化物或黑色浮油)的量化参数(油膜厚度、油包水或水包油状态的油水混合物浓度、溢油量、表面粗糙度等)仍是一个基础的工程性难题，这也影响和制约着光学溢油遥感模型的实地验证、精度评价、改进与提升。

6 结语

海洋溢油与烃渗漏是海洋环境与资源研究的关注重点，遥感技术因其优势与特点，成为其必不可缺的方法支撑。随着研究的深入，光学遥感的技术优势、特点与能力逐渐展现，本文基于海洋溢油与烃渗漏的迁移转化过程，结合海面光辐射传输过程，重点阐述了该领域光学遥感的典型目标，即海洋溢油污染形成的黑色浮油、海面油膜与油水乳化物，海洋烃渗漏形成的海面薄油膜与近海表大气烃异常信息；基于这些目标的光学作用过程、光学响应原理与光谱特征，探讨了相关光学遥感模型的研究进展，并阐述了光学遥感应用于海洋溢油与烃渗漏检测的技术优势与特点，进一步讨论了该领域今后的研究发展趋势与面临的挑战。总之，光学遥感技术具备在海洋溢油与烃渗漏监测中，进行目标识别、分类，定量估算等的能力，不仅有助于海洋溢油污染回收处理与灾害评估，也为天然烃渗漏的海面异常探测提供技术支撑。

参考文献(References)

Asanuma I, Muneyama K, Sasaki Y, Iisaka J, Yasuda Y, Emori Y.1986.Satellite thermal observation of oil slicks on the Persian Gulf. Remote Sensing of Environment, 19 (2): 171–186. DOI: 10.1016/0034-4257(86)90070-2.

Bradley E S, Leifer I, Roberts D A, Dennison P E, Washburn L.2011.Detection of marine methane emissions with AVIRIS band ratios. Geophysical Research Letters, 38 (10): DOI: 10.1029/2011GL046729.

Brekke C, Solberg AHS.2005.Oil spill detection by satellite remote sensing. Remote Sensing of Environment, 95 (1): 1–13. DOI: 10.1016/j.rse.2004.11.015.

Brown C E, Nelson R D, Fingas M F.1996.Recovery of the Irving Whale oil barge:overflights with the laser environmental airborne fluorosensor. Spill Science and Technology Bulletin, 3 (4): 231–234. DOI: 10.1016/S1353-2561(97)00019-4.

Brown C E, Fingas M F, Monchalin J P, Neron C, Padioleau C. Airborne measurement of oil slick thickness//Proceedings of the Twenty-ninth Arctic and Marine Oil Spill Program Technical Seminar. Ottawa, Ontario, Canada: Environment Canada 2006 : 911 -920.

Brown CE, Fingas MF.2003.Development of airborne oil thickness measurements. Marine Pollution Bulletin, 47 (9/12): 485–492. DOI: 10.1016/S0025-326X(03)00203-0.

Brown CE, Fingas MF, Monchalin JP, Neron C, Padioleau C. Airborne oil slick thickness measurement:realization of a Dream//Proceedings of the Eighth International Conference on Remote Sensing for Marine and Coastal Environments. Ann Arbor, MI, USA: Altarum 2005 .

Cai G Y, Wu J, Xue Y, Wan W, Huang X X. Oil spill detection from thermal anomaly using ASTER data in Yinggehai of Hainan, China//Proceedings of 2007 IEEE International Geoscience and Remote Sensing Symposium. Barcelona, Spain: IEEE 2007 : 898 -900.

Cao H L. Petroleum and Chemical Industry Knowledge. Beijing: China Petrochemical Press 1997 . ( 曹鸿林. 1997. 石油化学工业知识. 北京: 中国石化出版社 . )

Chen S L, Hu C M.2014.In search of oil seeps in the Cariaco basin using MODIS and MERIS medium-resolution data. Remote Sensing Letters, 5 (5): 442–450. DOI: 10.1080/2150704X.2014.917218.

Chust G, Sagarminaga Y.2007.The multi-angle view of MISR detects oil slicks under sun glitter conditions. Remote Sensing of Environment, 107 (1/2): 232–239. DOI: 10.1016/j.rse.2006.09.024.

Clark R N, Swayze G A, Leifer I, Livo K E, Kokaly R, Hoefen T, Lundeen S, Eastwood M, Green R O, Pearson N, Sarture C, McCubbin I, Roberts D, Bradley E, Steele D, Ryan T, Dominguez R, the Airborne Visible/Infrared Imaging Spectrometer (AVIRIS) Team. A Method for Qualitative Mapping of Thick Oil Spills Using Imaging Spectroscopy. 2010 .

Cox C, Munk W.1954.Measurement of the roughness of the sea surface from photographs of the Sun's glitter. Journal of the Optical Society of America, 44 (11): 838–850. DOI: 10.1364/JOSA.44.000838.

Cross A M.1992.Monitoring marine oil pollution using AVHRR data:observations off the coast of Kuwait and Saudi Arabia during January 1991. International Journal of Remote Sensing, 13 (4): 781–788. DOI: 10.1080/01431169208904152.

Feng X L, Shi Y G. Near Infrared Spectroscopy and Its Application in Petroleum Products Analysis. Beijing: China Petrochemical Press 2002 . ( 冯新泸, 史永刚. 2002. 近红外光谱及其在石油产品分析中的应用. 北京: 中国石化出版社 . )

Garcia-Pineda O, MacDonald I, Hu C M, Svejkovsky J, Hess M, Dukhovskoy D, Morey SL.2013.Detection of floating oil anomalies from the Deepwater Horizon oil spill with synthetic aperture radar. Oceanography, 26 (2): 124–137. DOI: 10.5670/oceanog.2013.38.

Giammona C P, Binkley K S, Engelhardt F R, Nichols J D, Buechel S.1995.Aerial image processing technology for emergency response. Spill Science and Technology Bulletin, 2 (1): 47–54. DOI: 10.1016/1353-2561(95)00004-N.

Hodgins DO, Salvador SS, Tinis SE, Nazarenko D.1996.RADARSAT SAR for oil spill response. Spill Science and Technology Bulletin, 3 (4): 241–246. DOI: 10.1016/S1353-2561(97)85760-X.

Howari F M.2004.Investigation of hydrocarbon pollution in the vicinity of United Arab Emirates coasts using visible and near infrared remote sensing data. Journal of Coastal Research, 20 (4): 1089–1095. DOI: 10.2112/03-0023R.1.

Hu C M, Carder K L, Muller-Karger F E.2000.Atmospheric correction of SeaWiFS imagery over turbid coastal waters:a practical method. Remote Sensing of Environment, 74 (2): 195–206. DOI: 10.1016/S0034-4257(00)00080-8.

Hu C M, Muller-Karger FE, Taylor C, Myhre D, Murch B, Odriozola A L, Godoy G.2003.MODIS detects oil spills in Lake Maracaibo, Venezuela. Eos, Transactions American Geophysical Union, 84 (33): 313–319. DOI: 10.1029/2003EO330002.

Hu C M, Li X, Pichel WG, Muller-Karger FE.2009.Detection of natural oil slicks in the NW Gulf of Mexico using MODIS imagery. Geophysical Research Letters, 36 (1): 58–69. DOI: 10.1029/2008GL036119.

Innman A, Easson G, Asper V L, Diercks A R. The effectiveness of using MODIS products to map sea surface oil//Proceedings of the IEEE OCEANS. Seattle, WA: IEEE 2010 : 1 -5.

Jackson C R, Alpers W.2010.The role of the critical angle in brightness reversals on sunglint images of the sea surface. Journal of Geophysical Research, 115 (C9): DOI: 10.1029/2009JC006037.

Jiang S J, Ding Y J, Li M Q. Organic Chemistry. Beijing: Peking University Press 1996 . ( 蒋硕健, 丁有骏, 李明谦. 1996. 有机化学. 北京: 北京大学出版社 . )

Keramitsoglou I, Cartalis C, Kiranoudis C T.2006.Automatic identification of oil spills on satellite images. Environmental Modelling and Software, 21 (5): 640–652. DOI: 10.1016/j.envsoft.2004.11.010.

Kukhtarev N, Kukhtareva T, Gallegos S C.2011.Holographic interferometry of oil films and droplets in water with a single-beam mirror-type scheme. Applied Optics, 50 (7): B53–B57. DOI: 10.1364/AO.50.000B53.

Kvenvolden K A, Cooper C K.2003.Natural seepage of crude oil into the marine environment. Geo-Marine Letters, 23 (3/4): 140–146. DOI: 10.1007/s00367-003-0135-0.

Leifer I, Lehr WJ, Simecek-Beatty D, Bradley E, Clark R, Dennison P, Hu Y X, Matheson S, Jones C E, Holt B, Reif M, Roberts D A, Svejkovsky J, Swayze G, Wozencraft J.2012.State of the art satellite and airborne marine oil spill remote sensing:application to the BP Deepwater Horizon oil spill. Remote Sensing of Environment, 124 : 185–209. DOI: 10.1016/j.rse.2012.03.024.

Lu W Z, Yuan H F, Xu G T. Modern Near-Infrared Spectral Analysis Technology. Beijing: China Petrochemical Press 2000 . ( 陆婉珍, 袁洪福, 徐广通. 2000. 现代近红外光谱分析技术. 北京: 中国石化出版社 . )

Lu Y C, Tian Q J, Wang J J, Wang X C, Qi X P.2008.Experimental study on spectral responses of offshore oil slick. Chinese Science Bulletin, 53 (24): 3937–3941. DOI: 10.1007/s11434-008-0515-y.

Lu Y C, Tian Q J, Song P F, Li S S.2009.Study on extraction methods of offshore oil slick by hyperspectral remote sensing. Journal of Remote Sensing, 13 (4): 686–695. DOI: 10.11834/jrs.20090411. ( 陆应诚, 田庆久, 宋鹏飞, 李姗姗. 2009. 海面油膜高光谱遥感信息提取. 遥感学报, 13 (4): 686–695. DOI: 10.11834/jrs.20090411. )

Lu Y C, Tian Q J, Qi X P, Wang J J, Wang X C.2009.The spectral response analysis of offshore thin oil slicks. Spectroscopy and Spectral Analysis, 29 (4): 986–989.

Lu Y C, Tian Q J, Li X.2011.The remote sensing inversion theory of offshore oil slick thickness based on a two-beam interference model. Science China:Earth Sciences, 54 (5): 678–685. DOI: 10.1007/s11430-010-4154-1.

Lu Y C, Chen J Y, Bao Y, Han W C, Li X, Tian Q J, Zhang X Y.2011.Using HJ-1 satellite CCD data for remote sensing analysis and information extraction in oil spill scenarios. Science China:Information Sciences, 41 (增刊): 193–201. DOI: 10.1360/zf2011-41-suppl-193. ( 陆应诚, 陈君颖, 包颖, 韩文超, 李想, 田庆久, 张秀英. 2011. 基于HJ-1星CCD数据的溢油遥感特性分析与信息提取. 中国科学:信息科学, 41 (增刊): 193–201. DOI: 10.1360/zf2011-41-suppl-193. )

Lu Y C, Li X, Tian Q J, Han W C.2012.An optical remote sensing model for estimating oil slick thickness based on two-beam interference theory. Optics Express, 20 (22): 24496–24504. DOI: 10.1364/OE.20.024496.

Lu Y C, Li X, Tian Q J, Zheng G, Sun S J, Liu Y X, Yang Q.2013a.Progress in marine oil spill optical remote sensing:detected targets, spectral response characteristics, and theories. Marine Geodesy, 36 (3): 334–346. DOI: 10.1080/01490419.2013.793633.

Lu Y C, Tian Q J, Wang X Y, Zheng G, Li X.2013b.Determining oil slick thickness using hyperspectral remote sensing in the Bohai Sea of China. International Journal of Digital Earth, 6 (1): 76–93. DOI: 10.1080/17538947.2012.695404.

Lu Y C, Sun S J, Zhang M W, Murch B, Hu C.2016a.Refinement of the critical angle calculation for the contrast of oil slicks under sunglint. Journal of Geophysical Research, 121 (1): 148–161. DOI: 10.1002/2015JC011001.

Lu Y C, Zhan W F, Hu C.2016b.Detecting and quantifying oil slick thickness by thermal remote sensing:A ground-based experiment. Remote Sensing of Environment, 181 : 207–217. DOI: 10.1016/j.rse.2016.04.007.

Lu Y Q, Deng Z H. Practical Infrared Spectrum Analysis. Beijing: Electronic Industry Press 1989 . ( 卢涌泉, 邓振华. 1989. 实用红外光谱解析. 北京: 电子工业出版社 . )

MacDonald I R, Guinasso N L Jr, Ackleson SG, Amos JF, Duckworth R, Sassen R, Brooks J M.1993.Natural oil slicks in the Gulf of Mexico visible from space. Journal of Geophysical Research, 98 (C9): 16351–16364. DOI: 10.1029/93JC01289.

MacDonald I R, Leifer I, Sassen R, Stine P, Mitchell R, Guinasso N.2002.Transfer of hydrocarbons from natural seeps to the water column and atmosphere. Geofluids, 2 (2): 95–107. DOI: 10.1046/j.1468-8123.2002.00023.x.

O'Briena G W, Lawrence G M, Williams A K, Glenn K, Barrett A G, Lech M, Edwards D S, Cowley R, Boreham C J, Summons R E.2005.Yampi Shelf, Browse Basin, North-West Shelf, Australia:a test-bed for constraining hydrocarbon migration and seepage rates using combinations of 2D and 3D seismic data and multiple, independent remote sensing technologies. Marine and Petroleum Geology, 22 (4): 517–549. DOI: 10.1016/j.marpetgeo.2004.10.027.

Otremba Z, Piskozub J.2003.Modeling the remotely sensed optical contrast caused by oil suspended in the sea water column. Optics Express, 11 (1): 2–6. DOI: 10.1364/OE.11.000002.

Otremba Z, Piskozub J.2004.Modelling the bidirectional reflectance distribution function (Brdf) of seawater polluted by an oil film. Optics Express, 12 (8): 1671–1676. DOI: 10.1364/OPEX.12.001671.

Otremba Z.2005.Influence of oil dispersed in seawater on the bi-directional reflectance distribution function (BRDF). Optica Applicata, 35 (1): 99–109.

Palmer D, Borstan G A, Boxall S R. Airborne multi spectral remote sensing of the January 1993 Shetlands oil spill//Presented at the Second Thematic Conference on Remote Sensing for Marine and Coastal Environments:Needs, Solutions and Applications, ERIM Conferences. Ann Arbor, MI, USA: Altarum 1994 .

Salem F M F.2003.Hyperspectral remote sensing:a new approach for oil spill detection and analysis. Hepatology Research the Official Journal of the Japan Society of Hepatology, 37 (12): 1080–1094.

Salisbury J W, D'Aria D M, Sabins F F.1993.Thermal infrared remote sensing of crude oil slicks. Remote Sensing of Environment, 45 (2): 225–231. DOI: 10.1016/0034-4257(93)90044-X.

Solomon E A, Kastner M, MacDonald I R, Leifer I.2009.Considerable methane fluxes to the atmosphere from hydrocarbon seeps in the Gulf of Mexico. Nature Geoscience, 2 (8): 561–565. DOI: 10.1038/NGEO574.

Sugioka S I, Kojima T, Nakata K, Horiguchic F.1999.A numerical simulation of an oil spill in Tokyo bay. Spill Science and Technology Bulletin, 5 (1): 51–61. DOI: 10.1016/S1353-2561(98)00015-2.

Sun S J, Hu C M, Thunnell J W Jr.2015.Surface oil footprint and trajectory of the ixtoc-I oil spill determined from Landsat/MSS and CZCS observations. Marine Pollution Bulletin, 101 (2): 632–641. DOI: 10.1016/j.marpolbul.2015.10.036.

Sun S J, Hu C M.2016.Sun glint requirement for the remote detection of surface oil films. Geophysical Research Letters, 43 (1): 309–316. DOI: 10.1002/2015GL066884.

Sun S J, Hu C M, Feng L, Swayze G A, Holmes J, Graettinger G, MacDonald I, Garcia O, Leifer I.2016.Oil slick morphology derived from AVRIS measurements of the Deepwater Horizon oil spill:implications for spatial resolution requirements of remote sensors. Marine Pollution Bulletin, 103 (1-2): 276–285. DOI: 10.1016/j.marpolbul.2015.12.003.

Tseng W Y, Chiu L S.1994.AVHRR observations of Persian Gulf oil spills//Proceedings of International Geoscience and Remote Sensing Symposium. [s.l.]:IEEE, 2 : 779–782. DOI: 10.1109/IGARSS.1994.399259.

Wang J H, Shen Y M.2010.Development of an integrated model system to simulate transport and fate of oil spills in seas. Science China:Technological Sciences, 53 (9): 2423–2434. DOI: 10.1007/s11431-010-4059-4.

Wang M H, Bailey S W.2001.Correction of sun glint contamination on the SeaWiFS ocean and atmosphere products. Applied Optics, 40 (27): 4790–4798. DOI: 10.1364/AO.40.004790.

Wang M Q, Hu C M.2015.Extracting oil slick features from VⅡRS nighttime imagery using a Gaussian filter and morphological constraints. IEEE Geoscience and Remote Sensing Letters, 12 (10): 2051–2055. DOI: 10.1109/LGRS.2015.2444871.

Wettle M, Daniel P J, Logan G A, Thankappan M.2009.Assessing the effect of hydrocarbon oil type and thickness on a remote sensing signal:a sensitivity study based on the optical properties of two different oil types and the HYMAP, Quickbird sensors. Remote Sensing of Environment, 113 (9): 2000–2010. DOI: 10.1016/j.rse.2009.05.010.

Whelan J K, Kennicutt M C, Brooks J M, Schumacher D, Eglinton L B.1994.Organic geochemical indicators of dynamic fluid flow processes in petroleum basins. Organic Geochemistry, 22 (3/5): 587–615. DOI: 10.1016/0146-6380(94)90127-9.

Zhang H, Wang M H.2010.Evaluation of sun glint models using MODIS measurements. Journal of Quantitative Spectroscopy and Radiative Transfer, 111 (3): 492–506. DOI: 10.1016/j.jqsrt.2009.10.001.

Zheng Q A, Yan X H, Liu W T, Klemasa V, Sun D C.2001.Space shuttle observations of open ocean oil slicks. Remote Sensing of Environment, 76 (1): 49–56. DOI: 10.1016/S0034-4257(00)00191-7.

Zhong Z X, You F Q.2011.Oil spill response planning with consideration of physicochemical evolution of the oil slick:a multiobjective optimization approach. Computers and Chemical Engineering, 35 (8): 1614–1630. DOI: 10.1016/j.compchemeng.2011.01.009.