
文章信息
- 许晨琪, 过杰, 杨启霞, 张晰, 刘根旺, 张彦敏. 2021.
- XU Chen-qi, GUO Jie, YANG Qi-xia, ZHANG Xi, LIU Gen-wang, ZHANG Yan-min. 2021.
- 微波散射实验识别原油及乳化原油
- Identification of crude oil and emulsified crude oil based on microwave scattering experiment
- 海洋科学, 45(4): 13-21
- Marine Sciences, 45(4): 13-21.
- http://dx.doi.org/10.11759/hykx20200525002
-
文章历史
- 收稿日期:2020-05-25
- 修回日期:2020-07-31
2. 中国科学院烟台海岸带研究所 山东省海岸带环境过程重点实验室, 山东 烟台 264003;
3. 中国科学院海洋大科学中心, 山东 青岛 266071;
4. 中国科学院大学, 北京 100049;
5. 烟台大学环境与材料工程学院, 山东 烟台 264005;
6. 自然资源部第一海洋研究所, 山东 青岛 266061;
7. 中国海洋大学, 山东 青岛 266100
2. Shandong Key Laboratory of Coastal Environmental Processes, Yantai Institute of Coastal Zone Research, Chinese Academy of Sciences, Yantai 264003, China;
3. Center for Ocean Mega-Science, CAS, Qingdao 266071, China;
4. University of Chinese Academy of Sciences, Beijing 100049, China;
5. School of environmental and material engineering, Yantai University, Yantai 264005, China;
6. First Institute of Oceanography, Ministry of Natural Resources, Qingdao 266061, China;
7. Ocean university of China, Qingdao 266100, China
海上石油平台泄漏、运输船舶事故等造成的海洋溢油污染往往波及海域范围大且影响时间长。大量原油进入海洋, 与海水混合极易形成油包水型乳液[1-3]。乳化将改变油膜物理性质, 其体积能增大至原始溢油的2至5倍, 黏度至少增大3个数量级, 呈现出介于液体和固体间的状态[4-5], 在海洋环境中很难自然消失, 加大了溢油回收清理工作实施的难度[6-7]。因此, 及时监测溢油范围, 准确识别原油及乳化油膜, 能有效地制定海上溢油应急策略[8-9], 对于保护海洋生态环境、减少溢油造成的经济损失具有重要意义。
大量原油乳化机制研究表明, 原油中的沥青含量是形成乳化的重要因素, Fingas等[10]以沥青含量定义乳化物为稳定(沥青含量 > 7%), 半稳定(3% < 沥青含量 < 7%)以及不稳定(沥青含量 < 3%)。溢油形成乳化所需的动力能量不高, 在较平静的海面上由波浪所产生的的能量足矣。Fingas[11]通过实验发现旋转法制备乳化物时所需最小能量约为3×10–5~5×10–5 J, 搅拌作用越剧烈乳化程度越大。温度对原油乳化有复杂的影响[12-13]: 高温有利于油水混合, 可加速乳化物的形成, 而低温抑制水滴的凝聚, 利于乳化物的稳定; 温度影响沥青质的溶解与沉积状态, 因此有时较低温度更利于乳化的形成; 同时, 温度也通过影响蒸发快慢来影响溢油乳化的趋势。
目前SAR溢油监测研究主要集中于溢油与疑似溢油的识别, 涉及乳化进程对油膜散射特性影响方面的研究较少。SAR传感器具有高效性、实时性、不受云雨干扰的优势, 在海面溢油监测中发挥着主力军的作用。单极化SAR基于多尺度影像分割, 利用模糊逻辑、神经网络等方法实现溢油范围的半自动或自动识别[14-18]。随着全极化SAR卫星的发展, 极化分解参数, 平均散射角、散射熵等参数被用于溢油与海水的区分[19-22]。相关研究表明SAR数据具有识别较厚乳化油的潜力[23-24]。阻尼比定义为无油海面与油膜散射强度之比, 能够反映油膜对海水强烈的平滑作用[8, 25-27], 在一些研究中用来对溢油区域内部进行分类[8, 28], 识别较厚油层以及混合海水的溢油[28-29]。Minchew等[29]认为SAR能够观测较厚浮油的体积浓度, 溢油与表层海水的混合物通过平滑海表毛细重力波、降低海水介电常数来改变海表后向散射, 并以此提出了一种基于布拉格散射理论的油水混合指数来估算溢油乳化物中油的体积分数, 并采用“深水地平线”钻井平台溢油事故中获取的L波段UAVSAR数据进行了测试评估。Skrunes等[20]利用同步溢油实验获取含有原油、乳化油和生物油膜的RADARSAT2数据, 通过极化矩阵提取的特征向量获得的几何强度和双极化的后向散射截面实部的对数值, 成功识别了原油、乳化油和生物油膜。Garcia-Pineda等[23]基于纹理分类器神经网络算法确定深水地平线溢油事故中溢油的泄漏范围, 通过开发的乳化油膜识别算法检测泄漏范围内雷达后向散射增强的区域, 从而识别乳化油膜, 识别结果在很大程度上与船只以及光学遥感影像观测结果一致。然而由于海上溢油事故期间对真实溢油进行采样测量乳化程度的难度较大, 上述研究对于乳化油膜乳化程度的定量观测缺乏验证。
SAR是监测海上溢油的主力军, 而乳化是贯穿海上原油溢油的重要过程。因此开展原油乳化外场实验、探索不同乳化程度对微波散射特性的影响, 对于乳化原油的识别具有重要意义。Guo等[30]认为含水率是描述原油乳化进程的最佳参数, 并发现一定程度的乳化能够增大油膜后向散射系数(normalized radar cross section, NRCS), 而原油乳化进程对NRCS的影响未被定量描述。本文利用实验室制备的不同含水率的乳化油品模拟原油乳化进程, 开展C波段全极化散射计原油乳化观测外场实验, 研究原油乳化进程中NRCS的变化, 为SAR监测乳化溢油提供数据支持。
1 材料和方法 1.1 实验材料实验使用的油品有半稳定乳化原油A, 稳定乳化原油H、B以及不稳定乳化原油C, 其中A、B两种油采自石油平台油井(油、水及杂质混合), C、H是脱水原油。为定量分析乳化进程对原油NRCS的影响, 实验制备了不同含水率的乳化油样品, 均以1 kg原油进行配制。根据预实验中不同原油最大稳定含水率(A: 20%; H: 70%; B: 50%; C: 22%)设置乳化原油的含水率间隔如表 1所示。
油品 | A | H | B | C |
沥青含量/% | 3~7 | > 7 | 7.5 | 1.35 |
含水率/% | 0, 5, 10, 15 | 0, 20, 40, 50 | 0, 10, 20, 30, 40 | — |
注: “—”代表无数据, C油用于自然乳化实验 |
乳化原油散射特性实验设置如图 1所示。玻璃钢水槽(长6 m, 宽2.2 m, 高0.7 m)内盛4 700 kg密度为1.02 g/mL的过滤海水至池内0.35 m深度处; C波段全极化散射计置放于水槽短边高台处, 在入射角25°至60°范围内每隔5°扫描一次, 扫描足印直径0.8 m, 扫描中心距短边池壁距离如图 1所示。散射计具体参数如表 2所示。
![]() |
图 1 外场实验设置 Fig. 1 Experimental settings. AC is the height of the scatterometer, AB is the height of the scatterometer shaft, and X is the distance from the center of the footprint to the short side of pool. 注: AC为散射计高度, AB为散射计轴高, X为散射计扫描中心距短边池壁的距离 |
参数 | 参数值 |
输出频率 | 5.25~5.75 GHz |
发射功率 | +7 dBm |
发射波束带宽 | 500 MHz |
距离向分辨率 | 0.3 m |
极化方式 | 全极化(VV, VH, HV, HH) |
方位向扫描范围 | ±120° |
仰角扫描范围 | 15°~120° |
本次研究共开展两次原油乳化实验Ⅰ、Ⅱ, 地点位于烟台牟平海岸带环境综合试验站。实验Ⅰ(2017年8月23—27日)观测C油的自然乳化进程。分9次向池中累加泼入原油, 累计加油量达6 996.7 g。每次加油后待油膜扩散10 min后、散射计进行扫描, 之后根据不同油量人工搅拌2~10 min不等, 观测油膜NRCS。实验Ⅱ(2018年9月15—18日)利用人工制备的溢油乳化样品模拟原油的乳化进程, 观测不同含水率的乳化油A、H、B。散射计分别观测洁净海水与乳化原油。每个油样观测结束后对水面进行除油处理, 观测除油水面及下一油样NRCS。两实验具体过程及实验油量如图 2所示, “初始海水”和“除油水面”分别代表初始洁净海水和除油后水面; “搅拌”表示该次观测的油膜经过人工搅拌; “放置一夜”表示该次观测的是放置一晚的乳化油膜。“A-5%”代表含水率为5%的乳化原油A。实验过程中气温与风速由距离水槽200 m的小型气象站记录。为探究玻璃钢水槽池壁对水面风速的影响, 同时利用手持风速计围绕水池两侧的长边池壁在池壁上方与接近水面位置测量了风速。图 3中红色及绿色实线分别表示气象站观测的气温与风速, 深蓝色实线表示池壁上方位置平均风速, 浅蓝色虚线表示近水面位置平均风速, 曲线下方的百分比代表了近水面风速相比池壁上方风速衰减的比率, 风速衰减率平均为12%。这表明池壁对外部的风有一定的遮挡作用, 但不严重。水面波高由测波杆利用海水的导电性, 通过电测方法测量测波杆浸泡于海水中的高度, 测量精度为0.3 mm。在散射计入射角40°扫描区域的左右两侧选择了4个位置进行测量, 观测结果显示实验水面波高在3 mm以内。
![]() |
图 2 实验过程及实验油量 Fig. 2 Experimental process and amount of oil |
![]() |
图 3 实验风速及温度 Fig. 3 Experimental wind speed and temperature |
实验Ⅰ观测了原油的自然乳化过程, 含水率是能够界定其乳化状态的重要参数, 预实验测得C油在28 ℃下最大稳定含水率为22%。不同入射角观测的油膜NRCS随乳化进程的变化如图 4所示, 图中序列号6显示油膜在温度28 ℃时达到最大稳定含水率(21.9%), 根据现场照片油膜主要分布于入射角35°至45°扫描范围内, 观测到35°至45°油膜NRCS明显增加。对比风速结果显示风速对油膜的NRCS变化并没有起主导作用, 不稳定原油的乳化则一定程度增大油膜NRCS。因此, 乳化能够一定程度影响油膜后向散射机制, Guo等[30]在相同实验条件下也发现一盯程度的乳化增大NRCS。
![]() |
图 4 实验Ⅰ油膜(C油)NRCS在不同入射角条件下随自然乳化进程的变化 Fig. 4 Variation of oil film (oil type C) NRCS in ExperimentⅠwith natural emulsification process under different incident angles. (a) HH polarization, (b) VV polarization, (c) HV/VH polarization, (d) moisture content of oil film, and (e) oil temperature and wind speed |
进一步研究乳化程度对油膜NRCS的影响, 实验Ⅱ观测了不同含水率的原油样品。油膜现场照片如图 5所示, 含水率越高油膜乳化程度越高, 油膜越接近棕褐色且油层中小液滴更密集。
![]() |
图 5 实验Ⅱ中不同含水率油膜的现场照片(a); 含水率为10%的油膜A在水池中的分布(b) Fig. 5 Experiment Ⅱ: (a) Field photos of oil film with different moisture content; (b) Distribution of the oil film at 10% moisture content in the water tank in Experiment Ⅱ |
内场实验结果表明温度较低的油膜有更大的密度、黏度与表面张力, 且密度、黏度与表面张力随含水率增大更快, 可见较低的温度更利于油膜乳化的稳定[31]。同时, 温度还通过影响油膜的挥发量影响着溢油乳化的趋势。由于不同含水率油膜的观测时间相隔较大, 观测结果受环境差异影响。而实验中油膜与除油水面的观测间隔仅在0.5 h以内, 因此利用油膜与除油水面NRCS的差值(△σ0)与阻尼比(DR)分析乳化程度对NRCS产生的影响。上述散射特征参数定义如下:
$ \Delta {\sigma^{0}}={\sigma^{0}}_{\mathrm{Oil}}-{\sigma^{0}}_{\text {Water }}, $ | (1) |
$ D_{\mathrm{R}}={\sigma^{0}}_{\text {Water }} / {\sigma^{0}}_{\text {Oil }}, $ | (2) |
其中, σ0Oil为除油后水面的NRCS, σ0Oil为油膜NRCS。由于布油点位于水面中心扫描入射角45°范围处, 以下分析均采用45°观测数据进行分析。
VV、HH、VH/HV极化方式下△σ0及DR随含水率变化分别如图 6、7所示。对于H及B油, 结果显示△σ0及DR随原油乳化程度增加, 含水率越高对应△σ0, DR越大, 且这种趋势在VV极化下最为显著。对于A油, △σ0及DR随含水率的变化趋势并不显著, 现场照片图 5a显示油膜A-0%呈大小不一的油块堆叠在水面, 增加了水面粗糙度, 使得油水NRCS差异较大, 这种差异并非乳化引起。而乳化油膜A-10%主要分布于扫描范围四周, 扫描范围内分布着平滑的甚薄油膜(图 5b), 造成较低的∆σ0A-10%与DRA-10%。VV、HH、HV/VH三种极化下∆σ0A-15%均高于∆σ0A-5%, VV极化下DRA-15%大于DRA-5%, 即乳化程度较大的油膜△σ0及DR值更高。
![]() |
图 6 VV、HH、VH/HV极化方式下△σ0随含水率的变化 Fig. 6 Variation of △σ0 with moisture content at VV, HH, and VH/HV polarization. (a) Oil A; (b) Oil H; and (c) Oil B. |
![]() |
图 7 VV、HH、VH/HV极化方式下DR随含水率的变化 Fig. 7 Variation in DR with moisture content at VV, HH, and VH/HV polarization. (a) Oil A; (b) Oil H; and (c) Oil B. |
因此, 参数△σ0、DR能够反映油膜乳化程度的变化, 且在VV极化下效果最佳。进一步探究上述参数对乳化原油与未乳化原油的识别能力, 不同含水率的乳化原油相对未乳化原油△σ0与DR的变化率分别为:
$ d_{\Delta \sigma 0}(\%)=\left(\Delta {\sigma^{0}}_{\text {emul }}-\Delta {\sigma^{0}}_{\text {crude }}\right) / \Delta {\sigma^{0}}_{\text {crude }} \times 100, $ | (3) |
$ d_{\mathrm{DR}}(\%)=\left(D_{\text {Remul }}-D_{\text {Rcrude }}\right) / D_{\text {Rcrude }} \times 100, $ | (4) |
式中, △σ0emul及DRemul为不同含水率乳化原油计算的△σ0与DR值; △σ0crude及DRcrude为未乳化原油计算的△σ0与DR值。如表 3所示, 乳化油膜较未乳化原油△σ0与DR值在VV极化下的变化率随含水率增大。对于沥青含量7.5%的原油B, 乳化油膜含水率达10%便可以通过油水散射差值与原油进行明显区分, 其△σ0较原油增加近一倍。含水率达最大稳定值40%时, △σ0较初始原油增加约2.2倍; 对于沥青含量 > 7%的脱水原油H, 乳化油膜含水率达40%时能够通过△σ0与原油明显区别, △σ0较原油增加1.5倍, 达最大稳定含水率50%时较初始原油增加2.2倍; 对于沥青含量介于3%至7%的A油, 乳化油膜含水率达最大稳定值15%后△σ0相对含水率5%的乳化油膜增加约1倍, 可以与未乳化原油进行区别。DR对乳化油与未乳化原油的区分度相对较低, B油含水率高达40%时其DR较原油增长12.3%, 含水率达50%的H油DR较原油增长4.6%, 而含水率达15%的A油相对A-5%仅增加1.4%。
油品散射参数 | 不同含水率乳化原油与未乳化原油比较 | |||
变化率/% | ||||
A油 | A-15%(与A-5% 比较) | |||
△σ0 | 104 | |||
DR | 1.4 | |||
H油 | H-20% | H-40% | H-50% | |
△σ0 | 23.0 | 153.2 | 226.4 | |
DR | 0.4 | 2.9 | 4.6 | |
B油 | B-10% | B-20% | B-30% | B-40% |
△σ0 | 95.9 | 105.2 | 156.4 | 220.3 |
DR | 5.2 | 5.7 | 8.7 | 12.3 |
油膜后向散射主要取决于表面粗糙度及介电常数的影响[32]。乳化导致油膜含水率与介电常数的变化, 乳化油层中的小液滴一定程度增加了油膜表面粗糙度(图 5a), 从而影响油膜后向散射机制, 使乳化原油NRCS高于未乳化原油。散射特征参数△σ0与DR能够增强乳化原油及未乳化原油的这种散射差异, 帮助实现原油及乳化油的区分识别。
3 结论本文开展内场实验探索了原油乳化进程中物理特性的变化, 含水率能够定量描述原油的乳化过程。利用C波段全极化散射计分别观测了溢油的自然乳化进程以及人工控制下的定量原油乳化进程。在风速小于7 m/s, 波高 < 3 mm条件下, 研究乳化进程对油膜NRCS的影响。实验观测结果表明乳化通过改变油膜的表面粗糙度与介电常数增大其NRCS, 使得乳化原油NRCS高于未乳化原油。油水差值△σ0与阻尼比DR能够反映油膜乳化程度的变化, 油膜乳化程度越大, 其对应△σ0与DR值越高。VV极化下, 油水散射差值△σ0能够较好地应用于乳化原油与未乳化原油识别, 沥青含量高的原油在乳化程度较低时便能与原油显著区别。在VV极化下, 阻尼比DR能够对原油与乳化程度较高的乳化原油进行一定程度区别, 沥青含量越高区别度越显著。
目前实验还存有一些不足, 缺少实测的油膜表面粗糙度参数, 乳化进程增大NRCS的理论机制需要进一步探索。实验需要进一步优化条件, 在更接近自然海况的条件下, 应用不同波段的微波传感器对比不同波段对原油乳化程度响应的敏感性, 不断实验分析, 为星载SAR识别乳化油膜提供数据参考。
致谢: 感谢中国科学院牟平海岸带环境综合试验站为本实验提供场地支持及气象站观测数据。
[1] |
徐学仁. 海洋环境中"巧克力奶油冻"的形成及其危害[J]. 海洋环境科学, 1986, 5(1): 14-18. XU Xueren. Formation and harm of "chocolate mousse" in marine environment[J]. Marine Environmental Science, 1986, 5(1): 14-18. |
[2] |
过杰, 孟俊敏, 何宜军. 基于二维激光观测的溢油及其乳化过程散射模式研究进展[J]. 海洋科学, 2016, 40(2): 159-164. GUO Jie, MENG Junmin, HE Yijun. Scattering model research based on two-dimensional laser observation of spilled oil and emulsification processes[J]. Marine Sciences, 2016, 40(2): 159-164. |
[3] |
ZHONG Z, YOU F. Oil spill response planning with consideration of physicochemical evolution of the oil slick: A multiobjective optimization approach[J]. Computers & Chemical Engineering, 2011, 35(8): 1614-1630. |
[4] |
FINGAS M, FIELDHOUSE B. Studies of the formation process of water-in-oil emulsions[J]. Marine Pollution Bulletin, 2003, 47(9/12): 369-396. |
[5] |
FINGAS M, FIELDHOUSE B, MULLIN J V. Studies of water-in-oil emulsions: Stability studies[J]. Spill Science & Technology Bulletin, 1996, 3(4): 189-190. |
[6] |
刘广强, 耿红, 史光宝. 水上溢油清除方法研究[J]. 中国水运, 2010(2): 32-33. LIU Guangqiang, GENG Hong, SHI Guangbao. Study on the method of oil spill removal[J]. China Water Transport, 2010(2): 32-33. |
[7] |
陆应诚, 胡传民, 孙绍杰, 等. 海洋溢油与烃渗漏的光学遥感研究进展[J]. 遥感学报, 2016, 20(5): 1259-1269. LU Yingcheng, HU Chuanmin, SUN Shaojie, et al. Overview of optical remote sensing of marine oil spills and hydrocarbon seepage[J]. Journal of Remote Sensing, 2016, 20(5): 1259-1269. |
[8] |
JONES C E, HOLT B. Experimental L-Band airborne SAR for oil spill response at sea and in coastalwaters[J]. Sensors, 2018, 18(2): 641. DOI:10.3390/s18020641 |
[9] |
ZEINSTRA-HELFRICH M, MURK A J. Effects of Oil Properties and Slick Thickness on Dispersant Field Effectiveness and Oil Fate[M]//Murawski S A, Ainsworth C H, Gilbert S, et al. Deep Oil Spills: Facts, Fate, and Effects. Cham, Switzerland: Springer International Publishing, 2020: 155-169.
|
[10] |
FINGAS M. Water-in-oil emulsion formation: a review of physics and mathematical modelling[J]. Spill Science & Technology Bulletin, 1995, 2(1): 55-59. |
[11] |
FINGAS M, FIELDHOUSE B, MULLIN J V. Studies of water-in-oil emulsions: energy threshold of emulsion formation[J]. Proceedings of the 22nd Arctic and Marine Oil SPill Program Technical Seminar, 1999, 57-68. |
[12] |
BOBRA M, FINGAS M, Tennyson E. When oil spills emulsify[J]. Chemtech, 1992, 22(4): 236-241. |
[13] |
严志宇, 许海梁. 溢油乳化过程的研究进展[J]. 交通环保, 2002(2): 1-6, 26. YAN Zhiyu, XU Hailiang. Review of the studies on emulsification of spilled oil[J]. Environmental Protection In Transportation, 2002(2): 1-6, 26. |
[14] |
SOLBERG A H S. Remote sensing of ocean oil-spill pollution[J]. Proceedings of the IEEE, 2012, 100(10): 2931-2945. DOI:10.1109/JPROC.2012.2196250 |
[15] |
SONG D, DING Y, LI X, et al. Ocean oil spill classification with RADARSAT-2 SAR based on an optimized wavelet neural network[J]. Remote Sensing, 2017, 9(8): 799. DOI:10.3390/rs9080799 |
[16] |
LIU P, ZHAO C, LI X, et al. Identification of ocean oil spills in SAR imagery based on fuzzy logic algorithm[J]. International Journal of Remote Sensing, 2010, 31(17/18): 4819-4833. |
[17] |
GARCIA-PINEDA O, ZIMMER B, HOWARD M, et al. Using SAR images to delineate ocean oil slicks with a texture-classifying neural network algorithm (TCNNA)[J]. Canadian Journal of Remote Sensing, 2009, 35(5): 411-421. DOI:10.5589/m09-035 |
[18] |
DEL FRATE F, PETROCCHI A, LICHTENEGGER J, et al. Neural networks for oil spill detection using ERS-SAR data[J]. Ieee Transactions on Geoscience and Remote Sensing, 2000, 38(5): 2282-2287. DOI:10.1109/36.868885 |
[19] |
ZHANG B, PERRIE W, LI X, et al. Mapping sea surface oil slicks using RADARSAT-2 quad-polarization SAR image[J]. Geophysical Research Letters, 2011, 38(10): L10602. |
[20] |
SKRUNES S, BREKKE C, Eltoft T. Characterization of marine surface slicks by Radarsat-2 multipolarization features[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(9): 5302-5319. DOI:10.1109/TGRS.2013.2287916 |
[21] |
NUNZIATA F, GAMBARDELLA A, MIGLIACCIO M. On the mueller scattering matrix for SAR sea oil slick observation[J]. IEEE Geoscience and Remote Sensing Letters, 2008, 5(4): 691-695. DOI:10.1109/LGRS.2008.2003127 |
[22] |
MIGLIACCIO M, GAMBARDELLA A, TRANFAGLIA M. SAR polarimetry to observe oil spills[J]. IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(2): 506-511. DOI:10.1109/TGRS.2006.888097 |
[23] |
GARCIA-PINEDA O, MACDONALD I, HU C, et al. Detection of floating oil anomalies from the deepwater horizon oil spill with Synthetic Aperture Radar[J]. Oceanography, 2013, 26(2): 124-137. |
[24] |
MACDONALD I R, GARCIA-PINEDA O, BEET A, et al. Natural and unnatural oil slicks in the Gulf of Mexico[J]. Journal of Geophysical Research-Oceans, 2015, 120(12): 8364-8380. DOI:10.1002/2015JC011062 |
[25] |
GADE M, ALPERS W, HUHNERFUSS H, et al. Imaging of biogenic and anthropogenic ocean surface films by the multifrequency/multipolarization SIR-C/X-SAR[J]. Journal of Geophysical Research-Oceans, 1998, 103(C9): 18851-18866. DOI:10.1029/97JC01915 |
[26] |
WISMANN V, GADE M, ALPERS W, et al. Radar signatures of marine mineral oil spills measured by an airborne multi-frequency radar[J]. International Journal of Remote Sensing, 1998, 19(18): 3607-3623. DOI:10.1080/014311698213849 |
[27] |
JONES B. A comparison of visual observations of surface oil with Synthetic Aperture Radar imagery of the sea empress oil spill[J]. International Journal of Remote Sensing, 2001, 22(9): 1619-1638. DOI:10.1080/713861238 |
[28] |
JONES C E, ESPESETH M M, HOLT B, et al. Characterization and discrimination of evolving mineral and plant oil slicks based on L-band synthetic aperture radar (SAR)[C]//Notarnicola C, Paloscia S, Pierdicca N, et al. Proceeding of SPIE, SAR Image Analysis, Modeling, and Techniques XVI, 2016, 10003, 100030K.
|
[29] |
MINCHEW B. Determining the mixing of oil and sea water using polarimetric synthetic aperture radar[J]. Geophysical Research Letters, 2012, 39: L16607. |
[30] |
GUO J, ZHANG T, ZHANG X, et al. Impact of emulsification of crude oil on normalized radar cross section[J]. Journal of Oceanology and Limnology, 2019, 38(1): 42-54. |
[31] |
GUO J, LUO Y M, GE F, et al. Study on crude oil and its emulsification characteristics[C]//HIROSE A. 2019 IEEE International Geoscience and Remote Sensing Symposium. Yokohama, Japan, 2019: 8257-8259.
|
[32] |
RICHARDS J A. Remote Sensing with Imaging Radar[M]. Berlin: Springer-Verlag Berlin, 2009: 1-361.
|