目前，对于海上船舶监管主要依靠船舶自动识别系统(automatic identification system，AIS)[1]和船舶交通监管系统(vessel traffic services，VTS)[2]，但二者均有一定的局限性，例如，AIS系统对未安装或者关闭AIS服务的船舶，无法开展跟踪和监视，而VTS雷达站只能覆盖近岸一定范围以内的海域，其作用距离受限。对于海上石油平台而言，由于关于海上石油平台的位置、数量等公开数据很有限，且公开数据的准确性不高，难以运用这些数据进行深入的风险分析。而星载合成孔径雷达(synthetic aperture radar, SAR)[3]遥感技术具有覆盖面广、客观性强、全天候的优势，可以提供更为直观、准确的分布数据，因此，考虑将基于星载SAR遥感技术，研究海面船舶和石油平台的快速识别技术，并以渤海海域为例进行试验分析，为溢油风险防控和管理提供基础数据支撑。

1 海上船舶遥感识别方法

目前对于SAR卫星影像中的船舶监测技术主要分为两大类：一类是直接利用船舶目标在SAR影像中的成像机理对船舶进行监测，其实质是在影像暗背景下对于亮点目标的检测；另一类是对运动船舶的尾迹进行监测，通过船舶的尾迹来监测船舶目标。由于静止的船舶并无尾迹，及部分SAR影像无法观测到尾迹，目前对于船舶目标本身的检测研究较多，如船舶检测算法主要有CFAR检测算法[4]、PNN概率神经网络算法、基于小波分析的检测算法[5]等。其中CFAR检测算法比较典型，该算法是一种基于多分布自适应选择的全局阈值CFAR检测器对船只目标的检测，根据实际情况不同，可选择不同的海面杂波模型。

遥感监测的效果与卫星数据的分辨率密切相关。一般而言，分辨率越高，识别效果越好，但高分辨率影像的幅宽小，费用高，考虑到实际监测目的和经济效益，采用30 m分辨率的雷达影像进行风险源识别，针对船舶目标在中分辨率SAR影像船舶成像特征，采用文献[6]提出的方法进行船舶检测。该方法主要分为5个步骤：SAR影像预处理、亮斑目标生成、潜在船舶目标初选、方位向模糊去除和GIS辅助分析。

那么如何激发学生的学习主动性，如何实现师生之间的线上教学互动，如何帮助老师实现微课教学、翻转课堂等等成为现在亟待解决的问题。原来传统的教学资源和教学模式不能适应移动学习需求，我们需要开发建设适合移动终端学习的数字化学习资源，探索“互联网+”环境下的高职信息化教学模式改革的方法。

2 海上石油平台遥感识别方法

由于目前可获取的海上石油平台分布数据较少，公开数据的准确性和精度非常有限，难以进行进一步分析应用。因此，本文利用遥感分析方法进行海上石油平台识别。该方法的基本识别原理为，首先假设海上石油平台的空间位置在检测周期内(如一个月、半年或一年等)保持固定不变，那么利用多时相SAR数据对同一海域进行变化检测，如果同一位置的某地物在不同时相的影像中都被检测到，则认为该地物为固定物。由于海面上的地物主要由移动的船舶和固定的石油平台组成，因此，可以通过变化检测实现船舶和石油平台的分离。

SAR影像提取海上石油平台的算法流程见图1。

该方法的基本过程为：①首先对多景多时相SAR影像进行校正和配准，确保多景影像空间参考和位置信息的一致性；②对每景SAR影像，运用目标识别技术分别提取出海上亮斑目标(包括船舶和石油平台)；③由于海上船舶是移动目标，而石油平台是相对静止目标，根据二者的不同运动特征，通过不同时相叠加分析，可以剔除移动目标，筛选出静止目标，进而实现对船舶和石油平台的辨别。

图1 SAR影像提取海上石油平台的算法流程

3 实验分析

3.1 区域选择

我再也忍不住了，泪如泉涌。正是眼前这个人，给了我一个家，陪着我渐渐长大。我从背后抱着父亲，开始觉得我是那样渺小、自私、卑鄙不堪。以前，父亲有我有家，后来，我离他越来越远。现在，我竟然让他连个家都没有。想到这里，我忍不住失声痛哭，父亲一直没有转过身，但我感觉到手背上有父亲掉落的泪。

图2 渤海研究区域范围示意

3.2 研究数据

采用加拿大的Radarsat-2数据。Radarsat-2是一颗搭载C波段传感器的高分辨率商用雷达卫星，该卫星的轨道类型为太阳同步轨道，轨道高度798 km，轨道倾斜角98.6°，重访周期24 d。选取2012、2013和2014年的3景Radarsat-2影像，波束为ScanSAR Narrow模式，单景影像能够覆盖整个渤海海域，卫星基本数据见表1。

3.3.1 船舶识别

表1 本研究所选用的SAR数据列表

序号成像时间数据类型分辨率/m极化方式12012⁃01⁃16Radarsat⁃250VV+VH22013⁃03⁃11Radarsat⁃250VV+VH32014⁃01⁃17Radarsat⁃250VV+VH

3.3 结果分析

极域多媒体知识教学软件应用不仅能够满足基础教学功能应用，同时设计了举手功能，学生可根据教师所讲述的内容进行举手作答，做到与基础课堂教学的实时同步，实现多媒体电子化教学的合理化教材应用，充分提高学生基础性学习效率，确保学生初期的计算机学习阶段能够养成良好的题目作答习惯。该功能有效的提高学生知识学习的参与性，使学生更乐于主动地参与到基础性知识学习，从根本上解决学生知识学习兴趣匮乏及学校效率底下问题，逐步优化现有的多媒体电子教学机制，向各项教学内容均能够与实际的基础教室教学保持同步，进而改变学生知识学习环境，使其在多媒体电子教室知识学习方面也能够保持良好的知识学习精神状态。

3.3.2 石油平台识别

图3 海上船舶遥感识别

在数据预处理过程中，SAR影像上船舶成像的形态学特征分析是关键，选取长度、宽度、形状比等指标进行综合分析，以达到逐步剔除假目标，降低虚警率的目的。经算法检测，从该景Radarsat-2影像上提取出船舶1 550艘，海上船舶的空间分布状况见图3。

时空一致性区别是船舶与石油平台数据分离的基础。绝大多数海上船舶的位置一直在发生变化，即使短暂静止，也不会持续几个月甚至几年；而石油平台一旦开采一般不会改变位置或消失，因此，相比船舶，石油平台具备时空一致性。对3年船舶石油平台数据叠加分析和变化检测，得出位置未发生变化的目标，即认为是石油平台，一共有141个，这些石油平台在2012年已经开采建成，至2014年仍然存在，其空间分布见图4。

选取渤海及黄海北部海域为例进行试验分析。渤海平均水深约18 m，是一个近封闭的内海。渤海油气田主要分布在辽东湾、渤海湾及渤海中部海域，截至2008年12月，渤海共有海上油气田20个，石油类与无机氮、活性磷酸盐一起成为其海水污染的主要因子[7]。同时，船舶也是海上溢油的重要风险源之一，特别是近年来渤海海域大型油船往来日益频繁，船舶流量日趋增多，使海上溢油风险越来越高。试验范围为37°05′～41°15′N，117°25′～122°50′E，见图2，采用GCS_WGS_1984坐标系统。

图4 2012—2014年海上石油平台遥感识别

由于可获取的验证资料有限，利用文献[8]资料与本文算法进行对比。将海上船舶和石油平台的分布信息进行叠加，得到研究海域的溢油风险源总体分布(见图5)。该图能够直观、客观地反映研究海域的海上溢油风险源分布状况，能够为溢油风险防控和管理提供直接的数据支持，并有助于下一步进行溢油风险评估和分析。

图5 海域海上溢油风险源总体分布(含船舶和石油平台)

4 结论

本方法能够对石油平台进行有效识别，弥补了可获取的平台数据缺失的问题，有利于对海上溢油风险进行综合评估分析，为溢油风险管理提供基础数据支撑，也能够为海上溢油应急防备和应急力量部署提供科学依据。

接车后，我们先检查机油油量、油质，经检查机油正常，启动发动机，发动机在怠速时，气门室内发出"哗啦、哗啦"响声，仔细辩听响声，我们感觉像进气VVT链轮发出的响声。连接诊断仪器GDS2，读取发动机控制单元故障码，系统存有3个故障码(图1)：P0011-进气凸轮轴位置性能；P0089-燃油压力调节器性能；P228D-燃油压力调节器1控制性能。

参考文献

[1] 王凤祥.浅谈AIS在通航管理中的作用[J].天津航海,2007(3):55-57.

[2] 李华文,吕靖.论VTS在通航安全与水域环境保护中的作用[J].航海技术,2010(6):73-74.

[3] LIAO Ming-sheng, WANG Chang-cheng, WANG Yong, et al. Using SAR images to detect ships from sea clutter[J]. IEEE Geoscience and remote sensing letters,2008,5(2):194-198.

[4] FRIEDMAN K, WACKERMAN C, FUNK F, et al. Validation of a CFAR vessel detection algorithm using known vessel locations[J]. IEEE International Conference on Geoscience and Remote Sensing,2001(4):1804-1806.

[5] 王超,张红,吴樊,等.高分辨率SAR图像船舶目标检测与分类[M].北京:科学出版社，2013.

[6] 邴磊,邢前国,邹娜娜,等.星载SAR影像上船舶方位向模糊去除算法[J].中国图象图形学报,2016,21(7):951-958.

[7] 国家海洋局2008年渤海海洋环境质量公报[EB/OL].http://www.soa.gov.cn/soa/hygbml/hq/eight/A01101202index_1.htm.

[8] XING Qianguo, MENG Ruolin, LOU Mingjing, et al. Remote sensing of ships and offshore oil platforms and mapping the marine oil spill risk source in the Bohai Sea[C]. International Oil Spill Response Technical Seminar, Aquatic Procedia,2015(3):127-132.