王明珠 陳穎民 韓飛 陳婕 許國強 李柏權(quán) 江佳琳

摘要：文章以湄公盆地周邊海域為研究區(qū) ，利用遙感技術(shù)手段 ， 綜合多時相、多源衛(wèi)星數(shù)據(jù) ， 探討不同數(shù)據(jù)源海上油氣井平臺提取方法。本次研究 ， 首先基于1992—2018年27景多時相夜間燈光數(shù)據(jù)和2019年兩期 SAR數(shù)據(jù) ，分別采用高斯濾波法和雙參數(shù) CFAR 法 ， 實現(xiàn)了全區(qū)域油氣井平臺的自動化提取;然后 ，針對有確定性資料輔助判定的區(qū)域 ， 采用人工目視解譯的方法 ， 對長時間序列 Landsat-8OLI及 YG24號光學(xué)衛(wèi)星影像進行提取 ， 并將解譯結(jié)果作為標(biāo)準(zhǔn)數(shù)據(jù) ， 用于驗證前兩種自動提取方法的精度。結(jié)果表明：夜間燈光影像數(shù)據(jù)易獲取、成本低 ， 提取方法簡單 ， 而 SAR 影像提取結(jié)果的精度高、流程煩瑣 ，建議根據(jù)多源衛(wèi)星數(shù)據(jù)的特點相互結(jié)合 ， 實現(xiàn)快速、高效、精確的信息提取 ， 應(yīng)用于海上油氣井平臺監(jiān)測。

關(guān)鍵詞：南海;油氣井平臺;遙感;多源衛(wèi)星影像;湄公盆地

中圖分類號：TP75;TP79;P7????? 文獻標(biāo)志碼：A文章編號：1005-9857（2022）03-0072-07

Remote Sensing Extraction Methods for Drilling Platformsin South China Sea Based on Multi-Source Satellite Image！Taking the waters around the Mekong Basin as an example

WANG Mingzhul'2，CHEN Yingmin'3，HAN Fei2 ，CHEN Jie'，XU Guoqiang12，

LI Boquan'，JIANG Jialin2

（1.The Key Laboratory of Marine Geological Resources and Environment of Hainan Province ， Haikou 570206.China;2.Comprehensive Institute of Geological Investigation of Hainan Province，Haikou 570206.China;3.Hainan Geological Bu-reau，Haikou 570206，China4.Hainan Institute of Geological Investigation and Design，Haikou 570206，China）

Abstract： In this paper，the waters around the Mekong Basin were taken as the study area and themethods for extracting offshore drilling platforms were discussed.These methods utilized multi-temporal and multi-source remote sensing image.Firstly，the study automated the extraction ofdrilling platforms by using Gaussian filtering method and two-parameter CFAR method，respec-tively，based on 27 scenes of multi-temporal nighttime lighting data 1992一2018 and two periodsof SAR data in 2019.Then，for areas with deterministic information，visual interpretation wasused to extract drilling platforms from long time series Landsat-8 OLI and YG24 optical satelliteimages. The results were used as standard data to test the accuracy of the previous two methods.Results showed that Nighttime lighting data was easy to obtain，low cost，and simple to extractinformation.However，the accuracy of SAR image extraction results was higher， but the processwas cumbersome. In practice，according to the characteristics of multi-source satellites，it wasrecommended to combine the advantages of each other to optimize the extraction process and im-prove the accuracy of the results.

Keywords ; South China Sea，Drilling platforms，Remote sensing，Multi-source imagery，Mekong Basin

0引言

海上油氣鉆井平臺的數(shù)量在一定程度上能夠反映該海域油氣資源的開發(fā)熱度[1。因此，當(dāng)務(wù)之急需查清南海油氣井平臺開采規(guī)模﹑數(shù)量、分布位置、增長速度等基本情況。只有詳盡的海洋地質(zhì)勘查數(shù)據(jù)，才能科學(xué)合理地開發(fā)利用海洋資源，維護海洋自然再生產(chǎn)能力，為維護海洋權(quán)益提供有力的數(shù)據(jù)支撐[2—3]。

南海海域面積廣闊，遠(yuǎn)離大陸，難以開展常規(guī)的實地驗證調(diào)查。遙感技術(shù)具有宏觀、快速、直觀、多時相、不受地理位置限制等優(yōu)勢，隨著遙感技術(shù)不斷發(fā)展，其在海洋調(diào)查中已廣泛應(yīng)用[4]。同時，遙感衛(wèi)星數(shù)據(jù)越來越豐富，存檔數(shù)據(jù)齊全，為全面開展南海油氣井平臺調(diào)查提供了契機。目前，海上油氣井平臺的提取研究工作已逐步開展，技術(shù)不斷完善[5-6]。本研究基于中，高等空間分辨率、長時間序列的多源衛(wèi)星數(shù)據(jù) ，對油氣井平臺提取技術(shù)進行了探索 ，對比分析了各種數(shù)據(jù)源提取目標(biāo)物技術(shù)的優(yōu)缺點。

1 研究區(qū)域及數(shù)據(jù)源

1.1 研究區(qū)概況

本研究選擇位于南海西部的湄公盆地海域作為研究區(qū)。湄公盆地 ， 又名頭頓盆地或九龍盆地 ， 面積約4.1萬 km2 ， 海域主體水深小于100 m 。該盆地呈 NE-SW 向展布 ，延伸進入南海海域。湄公盆地地處湄公河口 ， 物源充足 ， 為海洋油氣田集中區(qū) ，前景可觀[7]。目前該盆地勘探程度較高 ，油氣鉆井平臺較為密集 ， 因此選擇該區(qū)域作為研究區(qū)。

1.2 數(shù)據(jù)源

本研究選取了多時相、多分辨率的多源衛(wèi)星數(shù)據(jù)對油氣井平臺提取方法進行研究 ， 包含的影像數(shù)據(jù)如表1所示。

2 研究方法

2.1 基于 VIRS/NPP或 DMSP/OLS夜間燈光數(shù)據(jù)的油氣井平臺提取方法

VIRS/NPP或 DMSP/OLS傳感器主要是采集夜間燈光、火光等產(chǎn)生的輻射信號[8] ， 即夜間燈光數(shù)據(jù)能夠直接明了地反映人類活動產(chǎn)生的燈光、火光、艦船燈光以及油氣井平臺在夜間作業(yè)時開啟的照明燈或信號燈等燈光。在海上 ，無燈光區(qū)域為海水 ，影像上呈黑色 ，其像元值（DigitalNumber，DN）為0。而燈光區(qū)域的 DN 大于0，與黑色背景值的海水對比 ，差異明顯。 DN越高 ， 目標(biāo)物存在的可能性就越大。因此可以利用夜間燈光數(shù)據(jù)的波普信息特征 ，進行海上目標(biāo)物的提取 ， 即提取燈光數(shù)據(jù)區(qū)域 ，初步判斷海上油氣井平臺分布位置[9]。依據(jù)不同地物的像元值特性 ， 本研究采用高斯濾波法（Gaussian filtering） ， 基于夜間燈光數(shù)據(jù)對油氣井平臺進行提取研究。

南海海域海上燈光主要包括油氣井平臺照明設(shè)備、艦船燈光 ， 以及陸地和部分島礁上的人類活動的照明燈或燈塔。因此需要剔除大量虛警信息 ， 消除干擾信息。對于人類活動產(chǎn)生的燈光信息 ， 可通過制作陸地掩膜進行海陸分離 ， 消除干擾燈光信息;對于艦船燈光的干擾 ， 可通過多期影像進行對比分析 ，通過它們的相對位置是否發(fā)生移動[10] ， 排除艦船信息。

提取方法流程：①制作陸地掩膜 ，進行海陸分離;②提取每景影像中的疑似目標(biāo)物;③基于時間序列影像數(shù)據(jù) ，成對篩選疑似目標(biāo)物;④疊加合成目標(biāo)物 ，形成油氣井平臺點集數(shù)據(jù)。具體流程如圖1所示。

2.1.1 制作陸地掩膜

海上油氣井平臺多分布在遠(yuǎn)離陸地的海域 ， 為了消除陸地?zé)艄飧蓴_信息 ， 本研究利用海岸線數(shù)據(jù) ，并向海洋方向緩沖5km ，制作陸地掩膜。

2.1.2 提取海面疑似目標(biāo)物

在海洋區(qū)域 ，夜間燈光影像的 DN 值由目標(biāo)燈光像元值（DN>0）和海水的黑暗背景像元值（DN0）構(gòu)成。 DN 值越高 ， 則代表存在油氣井平臺的可能性就越大;DN值越小 ，代表存在的可能性越低。

針對目標(biāo)燈光區(qū)域與海水像元值差異特征 ， 本研究利用高斯濾波法將夜間燈光影像中的燈光信息與海水區(qū)域剝離。設(shè)置 DN>0， 提取像元值大于0的像元或像元群 ， 即疑似目標(biāo)燈光區(qū)域。并進行柵格矢量化轉(zhuǎn)成面文件 ， 再將面文件轉(zhuǎn)化成點文件。本次獲取1992—2018年共27組疑似目標(biāo)物矢量點集。

2.1.3 成對篩選疑似目標(biāo)物 ， 形成最終油氣井平臺點集數(shù)據(jù)

上述提取的疑似目標(biāo)物可能是油氣井平臺或艦船。這兩種目標(biāo)物具有明顯的動靜差異 ， 油氣井平臺位置相對不變 ， 而艦船具有明顯的移動特征[11-12]。依據(jù)兩者的動靜顯著特征 ，利用上述提取的27組疑似目標(biāo)物的點集數(shù)據(jù) ， 進行兩兩成對篩選 ，剔除艦船移動目標(biāo)物 ， 保留位置未發(fā)生相對移動的目標(biāo)物。27組數(shù)據(jù)集成對篩選對比 ， 需進行 Cn×（n-1）/2 351次。

最后將成對篩選后的點集進行疊加 ， 形成最終的油氣井平臺成果數(shù)據(jù) ，該區(qū)域利用夜間燈光數(shù)據(jù)共提取油氣井平臺74個 ， 油氣井分布圖如圖2所示。

2.2 基于 SAR影像數(shù)據(jù)的油氣井平臺提取方法

合成孔徑雷達（Synthetic Aperture Radar， SAR）是先進的成像微波遙感器 ， 不受天氣影響 ， 可全天候和全天時工作[13]。數(shù)據(jù)包含十分豐富的海洋信息 ，近幾年 SAR遙感數(shù)據(jù)在淺海水深、海浪、海表層流、海面風(fēng)場、海面溢油、海上艦船和海岸帶變遷等監(jiān)測方面得到廣泛應(yīng)用[14-15]。

海上油氣井平臺和艦船均屬于海上目標(biāo)物 ， 具有相似性 ，本研究借鑒海上艦船檢測方法 ， 選擇了應(yīng)用最為普遍的雙參數(shù)恒虛警率（ConstantFalse Alarm Rate，CFAR）算法 ，基于 SAR影像數(shù)據(jù)探索油氣井平臺提取方法。

提取流程：①制作陸地掩膜 ， 與夜間燈光數(shù)據(jù)原理一樣 ，利用海岸線數(shù)據(jù)制作掩膜 ， 進行海陸分離 ，消除陸地干擾信息;②圖像濾波處理 ， 抑制斑點噪聲;③對兩期 SAR 影像分別提取海上疑似目標(biāo)物;④對比同區(qū)域、兩期影像檢測的目標(biāo)物 ， 依據(jù)油氣井平臺的靜止特性 ， 提取油氣井平臺數(shù)據(jù)。具體流程如圖3所示。

2.2.1 圖像濾波處理

斑點噪聲是 SAR遙感圖像所固有的 ，是不可避免的 ，且是隨機分布的。本研究采用Frost濾波法抑制斑點噪聲[16]。

2.2.2 提取海上疑似目標(biāo)物

提取的海上目標(biāo)物可能包含油氣井平臺和艦船 ，它們均為金屬結(jié)構(gòu) ， 在 SAR 圖像上呈現(xiàn)為亮度值較高的目標(biāo) ，背景海面及其雜波則呈現(xiàn)為暗色。

雙參數(shù) CFAR法是一種經(jīng)典的目標(biāo)檢測算法 ， 在海洋目標(biāo)物檢測上應(yīng)用較多。雙參數(shù) CFAR 算法檢測需要3個滑動窗口[17]：目標(biāo)窗口 T、保護窗口、背景窗口 B（圖4）。目標(biāo)窗口是指待檢測的目標(biāo)物的大小;保護窗口是為了防止檢測目標(biāo)泄露在背景窗口中 ，這里將保護窗口面積設(shè)為目標(biāo)窗口的2倍;背景窗口用于背景海面雜波統(tǒng)計 ，將背景窗口設(shè)為保護窗口面積的3倍。

基于 CFAR算法 ，分別對兩期不同時相的 SAR 影像數(shù)據(jù)檢測海上疑似目標(biāo)物 ， 其中 ， 第一期（2019年7月）影像共識別出80個疑似目標(biāo)物。第二期（2019年8月）共識別出75個疑似目標(biāo)物。 2.2.3 提取油氣井平臺數(shù)據(jù)

基于兩期 SAR影像數(shù)據(jù)檢測出來的目標(biāo)物包含油氣井平臺和艦船 ， 因此需剔除艦船目標(biāo)。油氣井平臺位置相對固定 ， 短時間基本不會發(fā)生變化。艦船具有移動性 ，不同時期內(nèi)其位置會發(fā)生明顯變化;再者 ，艦船在海面運動時會產(chǎn)生長長的尾跡 ， 在影像上以線形特征的形式表現(xiàn) ， 這是艦船在海上最顯著的特征。根據(jù)疑似目標(biāo)物動靜的特性 ， 對比兩期不同時相影像檢測的結(jié)果 ， 剔除虛警目標(biāo) ， 最終確定油氣井平臺。

由于兩景影像數(shù)據(jù)在進行圖像校正時會產(chǎn)生一定的誤差 ，或是鉆井浮船受海浪和風(fēng)的作用 ，會有一定的偏離 ，都可能會導(dǎo)致同一個油氣井平臺在兩景影像上位置不完全重疊。本研究以200 m 為閾值 ，對兩期疑似目標(biāo)物點集數(shù)據(jù)做鄰域分析 ，查找兩個矢量點集的重合點。當(dāng)兩期相鄰的兩個點距小于200 m 時 ， 判定該點為油氣井平臺 ，反之則剔除該點[18]。

經(jīng)過對比分析 ，最終確定 ，基于 SAR影像數(shù)據(jù)提取的油氣井平臺共66個 ，油氣井分布如圖5所示。

2.3 基于多光譜影像數(shù)據(jù)的油氣井平臺提取及結(jié)果驗證

多光譜影像具有直觀性 ， 可通過色調(diào)、形狀、紋理結(jié)構(gòu)等特征直接判別目標(biāo)物[19]。本研究搜集了1992—2018年 Landsat-8OLI時間序列衛(wèi)星數(shù)據(jù)以及2019年4-8月 YG24號衛(wèi)星數(shù)據(jù)。分別對兩種多光譜衛(wèi)星數(shù)據(jù)進行人工目視解譯 ， 均獲取油氣井平臺61個。將兩組目視解譯結(jié)果進行對比 ，其油氣井平臺地理位置一致。利用收集到的確定性油氣井平臺資料一一做核對 ， 可判定目視解譯獲取的61個油氣井平臺與真實油氣井?dāng)?shù)據(jù)完全吻合 ，故目視解譯結(jié)果可用作前文夜間燈光影像、SAR影像提取結(jié)果對比分析的標(biāo)準(zhǔn)數(shù)據(jù) ， 驗證上述兩種自動提取方法的精度。

基于夜間燈光影像、SAR 影像的自動提取 ， 因其影像時相、分辨率、提取方法不同 ， 提取的油氣井位置會存在一定距離的偏差。因此 ， 以標(biāo)準(zhǔn)數(shù)據(jù)的油氣井平臺為中心 ，設(shè)置閾值為200 m 及500 m 的兩個緩沖區(qū)。若待驗證數(shù)據(jù)的油氣井平臺落在閾值為200 m 的緩沖區(qū)之內(nèi) ， 則判定該點正確;若該點位于大于200 m、小于500 m 的緩沖區(qū)內(nèi) ，則判定該點錯誤 ， 因獲取標(biāo)準(zhǔn)數(shù)據(jù)時已經(jīng)排除過此范圍內(nèi)存在油氣井平臺的可能;若該點位于大于500 m 緩沖區(qū)外 ，則判定為無法確定 ， 即沒有確定性資料判定該點是否為油氣井平臺。

通過精度對比分析 ，其結(jié)果如表2所示。

2.3.1 夜間燈光數(shù)據(jù)與標(biāo)準(zhǔn)數(shù)據(jù)精度對比分析

由表2可知 ，基于夜間燈光數(shù)據(jù)提取的74個油氣井平臺中 ，提取正確的油氣井有53個 ，錯誤的有13個 ，無法確定的有8個 ， 同時有8個為漏提的油氣井 ，如圖6所示。

將這些錯誤的和漏提的圖斑與標(biāo)準(zhǔn)數(shù)據(jù)進行對比分析發(fā)現(xiàn) ，造成信息提取有誤的原因如下。

第一種：采用高斯濾波法對夜間燈光影像柵格數(shù)據(jù)進行信息提取 ， 首先獲取可能存在油氣井平臺位置靶區(qū) ， 即大致區(qū)域范圍;然后將靶區(qū)部分柵格轉(zhuǎn)換成面矢量文件 ， 最后由矢量面轉(zhuǎn)點 ， 得出油氣井平臺數(shù)據(jù)。對比 Landsat-8OLI影像發(fā)現(xiàn) ，有兩個油氣井平臺距離很近 ， 分別位于兩個連續(xù)的像元上 ， 即同時位于提取的面文件上 ， 進行面轉(zhuǎn)點轉(zhuǎn)換時 ， 只能轉(zhuǎn)成一個點文件 ， 即將相鄰的油氣井平臺提取成了一個平臺 ，造成漏提情況。

第二種：個別油氣井平臺的燈光很亮 ， 由于產(chǎn)生的光暈 ， 使其周圍的 DN 值也提高。在提取 DN 值時 ， 當(dāng) DN值達到定義的閾值時 ，就會錯誤地將光暈區(qū)定為油氣井平臺 ， 從而多提取了一個錯誤的圖斑。

2.3.2 SAR數(shù)據(jù)與標(biāo)準(zhǔn)數(shù)據(jù)精度對比分析

同理 ， 將兩組數(shù)據(jù)進行對比分析 ， 發(fā)現(xiàn)基于 SAR影像提取的66個油氣井平臺中 ， 提取正確的有58個 ，錯誤的有5個 ，無法確定的有3個 ，有3個為漏提的油氣井 ，如圖7所示。

通過對比分析發(fā)現(xiàn) ， 造成信息提取有誤的原因如下。

第一種：與夜間燈光數(shù)據(jù)出現(xiàn)漏提的情況相似 ，兩個相鄰的油氣井平臺 ，在 SAR影像上 ，可能會呈現(xiàn)為一個亮圖斑 ， 因此只提取了一個油氣井平臺。而在多光譜影像上 ，可看到兩個小的平臺 ，造成漏提情況。

第二種：如某個油氣井的開采類型為鉆井船 ，該鉆井船受風(fēng)浪影響較大 ， 穩(wěn)定性差 ， 具有浮動性。在海浪及風(fēng)的作用下 ， 可能會發(fā)生偏移。導(dǎo)致其可能在第一期影像上可以檢測出它在某個位置出現(xiàn) ，當(dāng)發(fā)生位移的時候 ， 其在第二期影像上的同一個位置就檢測不出 ， 即同一個目標(biāo)物在兩景不同時期的影像上沒有出現(xiàn)重疊 ， 因此出現(xiàn)漏提的情況。

第三種：油氣井平臺和艦船在 SAR影像上均呈現(xiàn)為一個亮斑 ， 當(dāng)艦船停止運動時 ， 在影像上不會出現(xiàn)尾跡 ，造成錯誤提取為油氣井平臺的情況。

3 結(jié)果分析

本研究基于多源衛(wèi)星數(shù)據(jù)對湄公盆地油氣井平臺的提取方法進行探索。其中 ， 夜間燈光數(shù)據(jù)主要采用高斯濾波法;SAR數(shù)據(jù)采用雙參數(shù) CFAR算法;光學(xué)影像數(shù)據(jù)采用人工目視解譯 ， 同時用有確定性資料數(shù)據(jù)進行核對。最終以人工目視解譯結(jié)果作為標(biāo)準(zhǔn)值 ，用來驗證前兩者提取的精度。

通過多源衛(wèi)星數(shù)據(jù)探索油氣井平臺多種提取方法 ，精度上存在一定的差異 ， 主要從以下幾個方面進行對比。

3.1 提取方法

夜間燈光數(shù)據(jù)和 SAR影像的提取方法存在著很大的差異性。夜間燈光數(shù)據(jù)是采用高斯濾波法 ， 處理過程相對簡單 ， 不需要再進行幾何校正、去噪聲等處理 ， 只需要在提取過程中進行柵格數(shù)據(jù)到矢量數(shù)據(jù)的轉(zhuǎn)換[17] ， 提取時間短。 SAR 影像相對復(fù)雜 ，采用雙參數(shù) CFAR算法 ，需要進行校正、濾波降噪、滑動窗口掃描、閾值分析等處理 ， 提取復(fù)雜、時間長。光學(xué)影像數(shù)據(jù)采用的傳統(tǒng)的目視解譯法 ， 費時費力 ，但是油氣井平臺在影像上紋理特征清晰 ， 直觀明了 ，準(zhǔn)確率最高。

3.2 提取精度

光學(xué)衛(wèi)星數(shù)據(jù)波譜信息豐富 ， 可通過圖形特征直觀地獲取目標(biāo)物 ，更真實、可靠 ， 幾乎不會出現(xiàn)錯提、漏提等現(xiàn)象 ，精度最高 ， 因此以目視解譯獲取的結(jié)果數(shù)據(jù)可作為驗證的標(biāo)準(zhǔn)值。利用標(biāo)準(zhǔn)值分別驗證夜間燈光數(shù)據(jù)及 SAR影像數(shù)據(jù)的提取結(jié)果 ，從表2提取結(jié)果分析可知 ，基于 SAR影像提取結(jié)果的精度高于夜間燈光數(shù)據(jù)的結(jié)果。

3.3 影像獲取與成本控制

夜間燈光數(shù)據(jù)存檔數(shù)據(jù)較多 ， 時間跨度大 ， 可以免費獲取 ， 適合做長期動態(tài)變化監(jiān)測[20]。 SAR影像具有不受光照和氣候條件等限制實現(xiàn)全天時、全天候、大幅度、周期短對地觀測的特點 ，但其存檔數(shù)據(jù)時間跨度較短 ， 獲取較為困難 ， 且價格昂貴 ， 不利于做長期動態(tài)變化監(jiān)測。光學(xué)影像數(shù)據(jù)類型較多 ，更全面。尤其是 Landsat系列衛(wèi)星數(shù)據(jù) ，其傳感器類型多（TM、ETM+、OLI） ， 發(fā)射時間早 ， 重返周期短 ，存檔數(shù)據(jù)時間跨度較大 ， 能夠滿足目標(biāo)物的長期動態(tài)監(jiān)測。但是 ， 分辨率低 ， 且含云量較高 ， 尤其南海區(qū)域受海洋多云雨天氣的影響 ， 可用于監(jiān)測的無云區(qū)域范圍較少。而海上油氣井平臺相對海洋而言 ， 目標(biāo)物很小 ， 對人工解譯造成很大的難度 ，因此需要獲取大量的影像數(shù)據(jù)作為替補數(shù)據(jù)。 Landsat系列影像數(shù)據(jù)可通過官網(wǎng)免費獲取。 YG24號衛(wèi)星數(shù)據(jù)時間跨度小 ， 可獲取的影像數(shù)據(jù)較少 ，覆蓋范圍小 ，費用高 ，不利于做長期動態(tài)監(jiān)測。

4 結(jié)論

本研究以湄公盆地為研究區(qū) ，綜合多源、多分辨率、長時間序列影像數(shù)據(jù) ，根據(jù)影像數(shù)據(jù)的特性 ，探索不同類型影像數(shù)據(jù)提取海上油氣井平臺的方法。

綜上 ，在實際應(yīng)用中 ，可基于不同數(shù)據(jù)源本身的特點 ，對比各種數(shù)據(jù)源在提取過程及結(jié)果的差異性 ，相互結(jié)合取其優(yōu)點 ，優(yōu)化流程同時提高油氣井平臺提取的效率和精度。因此 ，本研究提出如下建議：①夜間燈光數(shù)據(jù)易于獲取 ， 時間跨度較長 ，處理簡單?？捎靡归g燈光數(shù)據(jù)進行粗解譯 ，基本確定油氣井平臺可能分布的位置區(qū)域。并以此結(jié)果數(shù)據(jù)作為引導(dǎo) ，可針對性地收集某個區(qū)域相關(guān)的影像數(shù)據(jù) ，減少工作量。②在燈光數(shù)據(jù)提取結(jié)果的引導(dǎo)下 ，針對性地收集多期 SAR影像 ，根據(jù)油氣井平臺位置不變特征 ，提取油氣井平臺 ，提高解譯精度。③油氣井平臺在光學(xué)影像上圖形特征直觀明了 ，光學(xué)影像不僅可以精準(zhǔn)地獲取平臺數(shù)據(jù) ，還能識別出平臺的類型及規(guī)模。因此可收集長時間序列光學(xué)影像數(shù)據(jù) ，精準(zhǔn)地提取油氣井平臺數(shù)量、位置及開采類型等信息。同時還可以進行長期動態(tài)變化監(jiān)測 ，可直觀地反映海上油氣井平臺的建設(shè)情況和擴展過程 ，具有很大的參考價值。所以 ，也需要進一步探討如何更高效地進行光學(xué)影像數(shù)據(jù)的解譯 ，提高工作效率 ，為了解南海油氣資源提供更加翔實可靠的數(shù)據(jù)。

參考文獻

[1] 王加勝 ，劉永學(xué) ，李滿春 ， 等.基于 ENVISAT ASAR 的海洋鉆井平臺遙感檢測方法：以越南東南海域為例[J].地理研究 ，2013，32（11）：2143-2152.

[2] 張耀光 ，劉巖 ，李春平 ， 等.中國海洋油氣資源開發(fā)與國家石油安全戰(zhàn)略對策[J].地理研究 ，2003，22（3）：297-304.

[3] 賈后磊 ，張翠萍.海洋生態(tài)調(diào)查在海域使用論證中的作用探究[J].海洋開發(fā)與管理 ，2020，37（6）：4.

[4] 李強.基于多源數(shù)據(jù)的南海油氣平臺檢測及油氣資源安全態(tài)勢評價[D].蘭州：蘭州交通大學(xué).2016.

[5] 劉玲 ，陸建輝 ，李玉輝.海洋石油平臺健康監(jiān)測研究方法與進展[J].石油工程建設(shè) ， 2005（1）：2-7.

[6] CASADIO S. UseofATSR and SAR measurements for the-monitoring and characterisationofnight-timegasflaring from? of-shore platforms： The North Sea test case[J]. RemoteSensing ofEnvironment， 2012， （123）：175-186.

[7] 萬玲 ， 姚伯初 ， 曾維軍 ， 等.南海巖石圈結(jié)構(gòu)與油氣資源分布[J].中國地質(zhì) ，2006，33（4）：874-884.

[8] 成王玉.南海油氣鉆井平臺遙感提取研究[D].南京：南京大學(xué) ，2015.

[9] 周翼 ， 陳英 ，劉洋 ，等. NPP-VIRS年度夜間燈光數(shù)據(jù)的合成方法與驗證[J].遙感信息 ， 2019，34（2）：62-68.

[10] ?YANG J， GAO W. New method for ship detection[C]∥2012 IEEE International. Geoscience and Remote Sensing-Symposium （IGARSS）. IEEE， 2012：115-118.

[11] 唐沐恩 ， 林挺強 ， 文貢堅.遙感圖像中艦船檢測方法綜述[J].計算機應(yīng)用研究 ， 2011， 28（1）：29-36.

[12] ?WACKERMAN C C， FRIEDMAN K S， PICHEL W G， etal. AutomaticdetectionofshipsinRADARSAT-1SARim- agery[J].CanadianJournalofRemoteSensing， 2001， 27（4）：371-378.

[13] 李曉敏 ，張杰 ，孟俊敏 ， 等.高分辨率 SAR影像在海島監(jiān)視監(jiān)測中的應(yīng)用[J].海洋開發(fā)與管理 ，2018，35（2）.

[14] 傅斌 ，范開國 ， 陳鵬 ，等.合成孔徑雷達淺海水深遙感探測技術(shù)與應(yīng)用[M].北京：海洋出版社 ，2015：1-2.

[15] 徐青 ，范開國 ， 顧艷鎮(zhèn) ， 等.星載合成孔徑雷達海洋遙感導(dǎo)論（上冊）[M].北京：海洋出版社 ，2019：1-2.

[16] 王冬紅 ， 王番 ， 周華 ，等. SAR影像的幾何精糾正[J].遙感學(xué)報 ，2006（1）：66-70.

[17] 種勁松 ，朱敏慧. SAR 圖像艦船目標(biāo)檢測算法的對比研究[J].信號處理 ，2003，19（6）：580-581.

[18] 萬劍華 ，姚盼盼 ，孟俊敏 ， 等.基于 SAR影像的海上石油平臺識別方法研究[J].測繪通報 ，2014（1）：56-59.

[19] 趙賽帥 ，孫超 ，王海江 ，等.基于 Landsat遙感影像的海上油氣平臺提取與監(jiān)測[J].熱帶地理 ，2017，37（1）：112-119.

[20] 張露. SAR海上靜止目標(biāo)檢測[J].遙感技術(shù)與應(yīng)用 ， 2007，22（3）：321-325.