ДИСТАНЦИОННЫЙ СПОСОБ КЛАССИФИКАЦИИ НЕФТЯНЫХ ЗАГРЯЗНЕНИЙ НА ПОВЕРХНОСТИ ВОДЫ

Область техники

Изобретение относится к измерительной технике и может быть использовано для оперативной идентификации разливов нефти и нефтепродуктов на морских, озерных и речных акваториях.

Уровень техники

Одними из наиболее перспективных классов датчиков для дистанционного оперативного контроля разливов нефти и нефтепродуктов являются лазерные флуориметры, работа которых основана на регистрации флуоресцентного излучения от исследуемой водной поверхности (см., например, [1]).

Лазерные флуориметры позволяют обнаруживать нефтяные загрязнения и проводить их идентификацию или, по крайней мере, классификацию по трем группам: легкие очищенные нефтепродукты (НП), сырая нефть и тяжелые нефтепродукты [1]. Основным признаком при этом является регистрируемый приемником лазерного измерителя спектр флуоресценции.

Известны способы классификации нефтяных загрязнений на поверхности воды [2 и 3], являющиеся аналогом и прототипом предлагаемого изобретения. Прототипный способ заключается в том, что исследуемую водную поверхность облучают на длине волны возбуждения в ультрафиолетовом диапазоне, регистрируют флуоресцентное излучение от исследуемой водной поверхности, и классификацию нефтяных загрязнений осуществляют по результатам сравнения измеренных спектров флуоресцентного излучения с эталонными (предварительно записанными) спектрами излучения образцов.

Недостатком прототипного способа является необходимость измерения спектра флюоресценции в широком спектральном диапазоне, что требует дорогостоящего многоканального приемного устройства.

Раскрытие изобретения

Задачей предлагаемого изобретения является измерение спектра флюоресценции в узких спектральных диапазонах без потери качества классификации нефтяных загрязнений. Эффект достигается тем, что в предлагаемом способе классификации нефтяных загрязнений на поверхности воды облучают исследуемую водную поверхность в ультрафиолетовом диапазоне на длине волны возбуждения λ_в, регистрируют интенсивность флуоресцентного излучения I(λ₁), I(λ₂), I(λ₃), I(λ₄) от исследуемой водной поверхности в четырех узких спектральных диапазонах с центрами на длинах волн λ₁, λ₂, λ₃, λ₄, выбранных из условия максимального расстояния между классами в двумерном пространстве классифицирующих признаков и , находят величины K₁ и K₂ для исследуемой водной поверхности, и о принадлежности нефтяного загрязнения к одному из классов судят по попаданию найденных величин K₁ и K₂ для исследуемой водной поверхности в область, соответствующую этому классу в двумерном пространстве классифицирующих признаков.

Предлагаемый способ позволяет проводить классификацию по четырем группам: вода с различными характеристиками (незагрязненная нефтепродуктами поверхность), белок или водоросли в воде; сырая нефть; тяжелые нефтепродукты; легкие очищенные нефтепродукты.

Значения длин волн центров спектральных диапазонов λ₁, λ₂, λ₃, λ₄ и конкретные границы классов зависят от конкретной длины волны возбуждения λ_в исследуемой акватории и определяются из условия максимальной вероятности правильной классификации.

Перечень фигур

На фиг.1 схематично изображено устройство, реализующее предлагаемый способ.

На Фиг.2 и Фиг.3 представлены некоторые типы воды и нефтепродуктов в пространстве выбранных классифицирующих признаков.

На Фиг.4 и Фиг.5 показано разделение классов с помощью линейно-кусочных границ (h(K₁, K₂)) для длин волн возбуждения 226 и 337 нм соответственно.

Осуществление изобретения

Устройство на фиг.1 содержит источник ультрафиолетового излучения 1, облучающий водную поверхность на длине волны возбуждения λ_в; фотоприемник 2, регистрирующий флуоресцентное излучение от водной поверхности в четырех узких спектральных диапазонах (с центрами на длинах волн λ₁, λ₂, λ₃, λ₄); блок обработки 3, который по данным измерений определяет величины K₁ и K₂ для исследуемой водной поверхности и проводит проверку попадания полученных значений K₁ и K₂ в область, соответствующую одному из классов в двумерном пространстве классифицирующих признаков.

Предлагаемый способ классификации нефтяных загрязнений на поверхности воды осуществляют следующим образом.

Источник ультрафиолетового излучения 1 (например, лазер с длиной волны возбуждения 266, или 308, или 337 нм - на эти длины волн приходится наибольшее количество известных по общедоступной научно-технической литературе измеренных спектров флуоресценции воды, нефти и нефтепродуктов) облучает исследуемую водную поверхность 4 на длине волны возбуждения λ_в (например, источник излучения 1 может находиться на авиационном носителе).

Облучение водной поверхности осуществляют вертикально вниз. Фотоприемник 2 регистрирует от исследуемой водной поверхности интенсивность флуоресцентного излучения I(λ₁), I(λ₂), I(λ₃), I(λ₄) в чeтыpex узких спектральных диапазонах с центрами на длинах волн λ₁, λ₂, λ₃, λ₄.

Сигналы с фотоприемника 2 поступают в блок обработки 3, в который введены границы классов (I - вода с различными характеристиками (незагрязненная нефтепродуктами поверхность), белок или водоросли в воде; II - сырая нефть; III - тяжелые нефтепродукты, IV - легкие очищенные нефтепродукты), заранее определенные для используемой волны возбуждения λ_в и исследуемой акватории.

В блоке обработки 3 по данным измерений находят величины и для исследуемой водной поверхности и проводят проверку попадания найденных значений K₁ и K₂ в область, соответствующую одному из классов в двумерном пространстве классифицирующих признаков.

При облете исследуемой акватории результатом работы блока 3 является массив данных о классификации нефтяных загрязнений (карта нефтяных загрязнений).

В настоящее время имеются достаточно многочисленные общедоступные экспериментальные данные по спектрам флуоресценции (в различных спектральных диапазонах регистрации) различных нефтей, нефтепродуктов и чистой воды для разных акваторий и для разных длин волн возбуждения 266, 308 и 337 нм и др. (см., например, [1, 4-6]).

Спектральные диапазоны регистрации флуоресцентного излучения (с центрами на длинах волн λ₁, λ₂, λ₃, λ₄) выбираются по максимуму расстояний между классами в двумерном пространстве классифицирующего признака. Результаты математического моделирования показывают:

- для длины волны возбуждения 266 нм задача классификации может быть решена, используя спектральные диапазоны с центрами на длинах волн 296, 306, 350, 367 нм. Таким образом, для длины волны возбуждения 266 нм классифицирующими признаками являются контрасты:

- для длины волны возбуждения 337 нм задача классификации может быть решена, используя спектральные диапазоны с центрами на длинах волн 395, 402, 408, 411 нм. Таким образом, для длины волны возбуждения 337 нм классифицирующими признаками являются контрасты:

На Фиг.2 представлены: 1 - модельная проба воды, 2 - вода Черного моря, 3 - белок, растворенный в воде, 4 - водоросль хлорелла в воде, 5 - водоросль хлорококкум в воде, 6 - гадливая и гуминовые кислоты в воде, 7 - нефть Ливийская в воде №1, 5 - нефть Шаимская в воде, 9 - нефть в воде, 10 - нефть Ливийская в воде №2, 11 - мазут в воде, 12 - дизельное топливо в воде, 13 - топливо для реактивных самолетов в воде, 14 - керосин в воде.

На Фиг.3 представлены: 1 - растворенное органическое вещество (РОВ), 2 - вода р. Дон, 3 - вода ручья Оуквилл, 4 - вода ручья Твелф-майл, 5 - нефть Ливийская, 6 - нефть фирмы Esso (высший сорт), 7 - нефть фирмы Esso, 8 - соляное масло, 9 - дизельное топливо, 10 - керосин.

При математическом моделировании работы метода классификации нефтяных загрязнений на поверхности воды считалось, что из-за шумов и погрешностей измерения интенсивности в спектрах флуоресценции распределены по нормальному закону. Полагалось, что каждый класс состоит из множества веществ; каждое вещество определяется нормально распределенными классифицирующими признаками; параметры распределений определяются для каждого вещества отдельно.

Полученные классы разделяют при помощи гиперплоскостей (см., например, [7]). Разделение классов с помощью линейно-кусочных границ (h(K₁, K₂)) представлено на Фиг.4 и Фиг.5 для длин волн возбуждения 226 и 337 нм соответственно. Верхние индексы I, II, III, IV указывают на пары разделяемых классов (I - вода, белок или водоросли в воде; II - сырая нефть; III - тяжелые нефтепродукты, IV - легкие очищенные нефтепродукты).

Находилась вероятность правильной классификации нефтяных загрязнений по четырем группам: вода, белок или водоросли в воде; сырая нефть; тяжелые нефтепродукты; легкие очищенные нефтепродукты.

В Таблицах 1 и 2 приведены результаты математического моделирования классификации нефтяных загрязнений на водной поверхности предлагаемым способом. Математическое моделирование проводилось для длин волн возбуждения 337 нм и 266 нм и разной величины относительного среднеквадратического значения шума регистрирующей аппаратуры.

Из таблиц 1 и 2 видно, что разработанный метод классификации позволяет надежно классифицировать нефтяные загрязнения на водной поверхности.

Для длины возбуждения 266 нм при шуме измерения σ=1% вероятность правильной классификации оказывается не хуже 0,985, а в большинстве случае практически 1 (с точностью до трех знаков после запятой).

Для длины возбуждения 337 нм при шуме измерения σ=1% вероятность правильной классификации оказывается не хуже 0,997, а в большинстве случае практически 1 (с точностью до трех знаков после запятой).

Таким образом, предлагаемый дистанционный способ классификации нефтяных загрязнений на поверхности воды, основанный на регистрации флуоресцентного излучения в четырех узких спектральных диапазонах, позволяет надежно классифицировать нефтяные загрязнения на водной поверхности.

Источники информации

1. Межерис Р. Лазерное дистанционное зондирование. - М.: Мир. 1987, - 550 с.

2. Patent US 3899213. Airborne laser remote sensing system for the detection and identification of oil spills. Date of Patent Aug. 12, 1975. Int. Cl. G01Т 1/169; G01N 21/38.

3. Патент RU 2233438. Способ дистанционного обнаружения и идентификации объектов органического происхождения. Дата действия патента 26.08.2003. МПК G01N 21/64.

4. Таер Абд Дейдан, Пацаева С.В., Фадеев В.В., Южаков В.И. Спектральные особенности флуоресценции нефтепродуктов в пленках и в объеме воды. //Оптика атмосферы и океана. 1994. Т.7. №4. С.455-463.

5. Дистанционный контроль верхнего слоя океана. / В.М.Орлов, И.В.Самохвалов, М.Л.Белов и др. Новосибирск: Наука. Сиб. отд-ние, 1991. 149 с.

6. Глушков С.М., Фадеев В.В., Филиппова Е.М., Чубаров В.В. Проблемы лазерной флуориметрии органических примесей в природных водах. //Оптика атмосферы и океана. - 1994. - Т.7, №4. - С.464-473.

7. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Классификация и снижение размерности. - М.: Финансы и статистика. 1989, - 607 с.