介紹

  石油泄漏對海洋生態系統的重大影響引起了*的關注。海上鉆井平臺和船舶事故是溢油的主要來源[1]。石油是由環烷烴、烷烴和芳香烴組成的富烴聚合物混合物，具有非常復雜的物理化學性質。在石油泄漏的初幾天，石油浮在水面上。然后在物理輸送、溶解、乳化、氧化和降解的作用下，其組分發生變化?？焖?、可靠的溢油檢測與識別對海洋溢油控制至關重要，遙感技術為溢油檢測的發展做出了重要貢獻[2,3]。有幾個可用的測量方法，例如紅外/紫外線傳感器和雷達系統，已經被證明能夠在飛機上檢測溢油。此外，還引進了MODIS和MERIS衛星等太空設備，實現了溢油檢測，并具有厚度測量能力[4]。油液快速可靠的檢測和識別是海洋溢油控制的關鍵，遙感技術為溢油檢測的發展做出了重要的貢獻[2，3]。幾種現有的測量方法，例如IR/UV傳感器和雷達系統，已被證明能夠在飛機上操作時檢測漏油。此外，還引進了MODIS和MERIS衛星等太空設備，并啟用了溢油探測，并具有厚度測量能力[4]。

   激光誘導熒光(LIF)技術為環境監測提供了一種新的、更為強大的技術手段。可以利用藻類和石油泄漏的熒光特征來研究水體。在[5-8]中介紹和回顧了一些早期的工作，隨后的事態發展在[9-14]中得到例證。使用LIF技術的EMETE傳感儀器主要采用波長在308至355nm之間的脈沖激光源進行激發，這種儀器也可用于植被監測（參見15]），并且在文化遺產領域也有應用（參見[16]）。激光誘導熒光法利用特定的光譜特征，提供了識別不同類型的釋放油和研究風化等作用的影響的可能性[17-20]。

現有的油液檢測方法主要是為機載或星載應用設計的。被動成像相機嚴重依賴于日光條件?，F有的基于激光的機載熒光監測系統比較復雜，且要求較高。盡管一個單獨的機載激光雷達系統可以應用在相當大的范圍內[14]，但它體積龐大，不易操作。這在很大程度上與通常使用脈沖激光的事實有關，導致系統沉重而昂貴，即使根據[20]中的分析，適用于無人機（UAV）運行的輕量化解決方案現在看來是可行的。

  利用熒光進行的石油污染遙感幾乎*是利用脈沖激光系統進行的，因此，使用門控和增強型探測器可以方便地抑制背景輻射。隨著基于半導體材料[21]的連續波藍光和紫外激光器的發展，我們有可能制造出簡單的熒光傳感器，首先用于實驗室研究[22]，然后用于遙感熒光應用[23]。基于連續波激光的非彈性高光譜激光雷達系統識別石油污染，在實驗室[24]中使用了一個類似于先前用于對水中藻類和浮游動物進行距離分辨監測的系統[25]。我們在這里報告關于一個功能齊全、結構緊湊、成本低廉的激光誘導熒光系統的構筑，該系統由現成的商用無人機操作。我們近描述了一個基于無人機的、具有距離分辨能力的高光譜連續波激光雷達系統，并展示了樹木的熒光高度剖面圖[26]。攜帶激光雷達系統的無人機已被廣泛使用，也有商業用途，如[26]所述，但似乎僅適用于彈性后向散射地形和城市剖面。由于表面監測（例如水面上的油）不需要測距，因此光學系統可以調整到合適的固定飛行高度，熒光監測系統可以變得更簡單、重量更輕。

下面，我們將介紹使用這種新型熒光傳感器進行的初步實驗室測試，它被部署在跨河大橋上，使用無人機對自然水域和污染物的進行空中監測。 

儀器說明

圖1 a 帶有熒光傳感器系統的無人機；  b 激光誘導熒光記錄系統圖

圖1a 顯示了與無人機集成的系統。利用工業計算機進行系統控制和數據存儲。圖1b為激光誘導熒光系統示意圖。

利用海洋光學USB4000小型光譜儀對光譜信號進行連續檢測。光譜儀操作的狹縫寬度為200μm，光譜分辨率為10nm。利用標準鎢光源校準光譜檢測響應。無人機配備了用于無人機推進和LIF系統運行的電池，并允許25分鐘的連續檢測。熒光傳感器的總重量為1.5kg。

測量方法

固定范圍測試測量

首先，我們從三樓的窗戶向下，在11米固定的傳感器-目標分離距離下測試了我們的熒光傳感器系統。如圖2a所示，該系統垂直俯視位于樓下地面的水桶。直徑為53cm的水桶中裝滿90cm深的自來水。然后,我們研究了添加碳氫油時光譜的變化。原油和船用柴油是海洋環境中的油品。然而，出于實際的原因，我們在試驗中使用了機油。我們研究了不同油脂的熒光特性，如我們的早期工作，參見[8]。

在不攪動水的情況下加15次機油，使浮油層越來越厚。每次往桶里倒入40毫升純油。然后，總含量從0到520毫升，相應的層終達到2.4毫米的厚度。適當設置分光計的曝光時間，平均每個光譜記錄15次。0-320毫升的時間為1s。為了避免過度曝光，將360到520毫升的曝光時間設置為0.5s。后，在曝光時間設置為0.3s的情況下對純油進行測量。對于列出的曝光時間，測試測量的結果如圖2b所示。

在沒有油的情況下記錄的光譜（下方藍色曲線）對應于水的自然背景熒光，歸因于溶解的有機物(DOM)，峰值接近500nm。此外，在480nm激勵下，我們觀察到與H2O水分子的O-H伸縮振動相對應的激光誘導拉曼峰，其斯托克斯位移約為3350/cm。在440nm處出現較寬的峰值是由用來截斷412nm強激發激光的長通濾波器的固有熒光引起的。在隨后的現場測量中，濾波器被移除，因此產生了這種雜散信號。

圖2 a 建筑物中熒光傳感器測量的照片； b 15種不同量的發動機機油插入充滿水的汽包后的遠程LIF光譜。

對于0–320毫升的記錄，曝光時間為1.0s，但對于360–520毫升的曲線，曝光時間減少到0.5s，后將純油設置為0.3s

從光譜曲線上可以觀察到機油的特性和熒光峰的增加，在500nm左右再次達到峰值。它疊加在寬的DOM熒光分布上。隨著油量的增加，水拉曼峰變小，在強烈的油熒光的作用下難以分辨。這是因為412nm輻射的吸油作用，阻止了光線到達水下。同時，油的熒光增強，并很快強烈地控制了DOM熒光。為了顯示光譜的發展，形成F500和F480強度之間的比率，如圖3b所示。從光譜中提取的油熒光峰強度如圖3c所示，水拉曼峰強度如圖3d所示。

記錄數據的處理方法如圖3a所示。C（F500）是500 nm處的油熒光。A（F480）為480nm處的熒光強度，B為獨立的水拉曼信號。在圖3b中觀察到F500和F480之間的增加比率，其中在單獨的試驗中測量了10 ml和20 ml數據點。隨著更多的油的加入，這個比例會飽和。在評估油熒光時，如圖3c所示，直接使用500 nm處的熒光強度，由于較厚的層對DOM的作用很微弱，所以直接使用了500 nm處的熒光強度。為了從我們的測量結果中得到的（獨立的）水拉曼峰強度，首先，我們將水拉曼帶(470-490 nm)的強度值設置為零。然后我們采用插值的方法將曲線擬合到非拉曼部分的合成光譜中，同時考慮濾波后的熒光，實現了背景光譜。然后，從測量光譜中減去所得到的背景光譜，得到拉曼峰。結果如圖3d所示。為了補償不同的曝光時間以使得所有的東西都在同一尺度上，光譜強度被歸一化為2.1節開頭所述的不同曝光時間。我們注意到，即使對于相對較厚的油膜，油的熒光仍會增強，并且仍然存在剩余的水拉曼信號，這反映了油在412nm波長處吸收相對較低的事實。這些曲線有一些不規則之處，很可能是由于超過三層樓的實驗裝置可能不穩定。

基于橋梁的河水測量

我們在廣州珠江大橋上用熒光傳感器進行了測量，以獲得更真實的情況。探測距離為9m，在曝光時間為0.5s的條件下，測量了天然珠江水和一個裝滿純油的淺浮筒，容器直徑為90cm，高度為25cm。在容器的底部，放了一塊黑布。與所有后續的登記中一樣，測量結果是在沒有阻擋有色玻璃濾光片的情況下獲得的，測量結果如圖4所示。

圖3 a 在DOM/油和濾光熒光存在下提取的自立水拉曼信號; b 500-480nm比值柱狀圖; c 500nm油熒光柱狀圖。

圖4a為橋基布置示意圖，圖4b為激光束照射河面的照片。圖4c為熒光傳感器記錄的光譜。由于富營養化水體中含有豐富的微藻，天然河流深水熒光顯示出強烈的DOM信號，并在680nm左右出現明顯的葉綠素峰值。在480nm處觀察到由412nm激光誘導的水拉曼峰，由于探測到的水體積相同，提供了方便的校準，這使得我們可以觀察到，河水的DOM信號強度是廣州自來水的6倍左右，其光譜如圖2b所示。將浮油容器置于熒光傳感器激光束下，其寬帶熒光增強約5倍，拉曼和藻類信號如預期般消失。值得注意的是，在開放的海洋環境中，隨著DOM信號的降低，與溢油的對比明顯增強，可以通過選擇一個優化的、相當低的激發波長進一步增強，其中石油有更強的吸收。

基于無人機的河水測量

基于無人機的測量在珠江上空進行，在無人機下方安裝了熒光傳感器。曝光時間設置為0.5s。為了避免污染河流，我們再次將兩個浮式容器固定在河流表面，如圖5a所示。黃色斑點標記的是裝滿1L純油的容器，導致典型的層厚為1 - 2毫米。紅點表示另一個裝滿10升濃度為0.03 g/l的羅丹明610染料稀溶液的容器。染料溶解在天然珠江水中，所得層厚為1-2厘米。飛行路線設置為四次往返，飛行面積10m×20m(長×寬)，無人機平均飛行速度約3 km/h。測量場景如圖5b所示。

測量結果如圖6a中的四個典型光譜所示。在兩個浮式容器上的測量中觀察到500 nm處的油熒光和580 nm處的染料特征峰。無人機掃描還覆蓋了河邊的灌木叢，記錄到685nm和745nm處的強葉綠素峰，這是陸地植被的特征。自然珠江深水LIF光譜在圖6b中擴大，水拉曼峰為480nm。水體中的DOM熒光和藻類葉綠素信號突出出現，如圖4b所示，與水拉曼峰上歸一化類似。

圖7顯示了無人機在珠江充油集裝箱上空飛行的慢速線性掃描結果。持續時間為50s，每次記錄的曝光時間為0.5s。我們注意到，與周圍的水葉綠素信號相比，油熒光信號非常顯著（當油信號消失時出現）。

在進一步的測量中，我們監測了染料的局部釋放擴散到珠江的地表水。一桶羅達明610染料濃度為0.03 g/L的4.5L水從橋上倒入珠江，同時無人機在下游盤旋，熒光傳感器不斷記錄。光譜儀的曝光時間設為0.5 s。無人機在距離染料注入點10 m和5 m的高度飛行，如圖8a所示。圖8b顯示了來自測量序列的光譜記錄示例。

圖9顯示了一個完整的基于無人機的珠江水的時間記錄，同時一桶含染料的水（0.03 g/l）以類似的方式倒入江中。時間持續約80s，光譜儀的曝光時間為0.5s，將圖9中的染料信號與圖6a中的染料信號進行比較，與典型的詢問層厚度進行標度，并對合理穩定的河藻熒光進行歸一化處理，得到10μg/L左右的靈敏度，如果選擇一個能更好地重疊染料吸收譜的激發波長，可以使其提高一個數量級。

圖4 a 珠江大橋熒光傳感器系統測量示意圖；b 照片顯示激振412nm光束的彈性后向散射和河流表面的白油熒光；c 珠江深水和浮動容器內機油的LIF光譜

圖5 a 基于無人機的熒光傳感器在珠江上的掃描地圖；b 無人機在河上飛行時的現場測量照片，激光束照射水面產生熒光的現場測量照片。

我們描述了一種體積小、重量輕的熒光傳感器，它提供了高質量的淺水水層熒光光譜，具有來自石油、溶解有機物（DOM）、藻類等的光譜特征，并允許使用水拉曼信號進行內部校準[27，28]。整個系統的重量只有1.5kg，使用高功率連續波半導體激光器和小型數字光譜儀就可以實現。

該系統與一艘小型無人機航母集成。為了獲得無人機飛越水面上方幾米處的測距光譜，如我們近的論文[26]中對植被監測所述，基于Scheimpflug原理的CW激光雷達系統可用于水生應用，在水生應用中存在許多挑戰，例如水生動物[29]。然而，對于水上石油的研究和染料彌散的水文研究[30]，本文所描述的小型系統提供了傳統脈沖激光熒光傳感器和連續激光Scheimpflug系統的良好替代，并且在性能和簡單方面具有一定的優勢。

如果連續波半導體激光器工作在400nm以下，就可以實現眼睛安全系統。當前版本的熒光傳感器系統只能在夜間使用，這與帶范圍選通、允許在白天使用、同時在低環境光照條件下仍能更好地工作的脈沖激光雷達系統相比，是一個明顯的缺點。利用足夠高的連續波功率，并結合合適的調制方案進行背景減除，日光操作應該是可行的，大大擴展了現有的能力。顯然，有限的射程和飛行時間限制了大面積的監視。然而我們的研究表明，機載熒光成像的成本可以顯著降低，使得基于無人機的遠程LIF技術成為一種可行的診斷選擇，特別是在有限區域的研究中。

圖6 a 無人機熒光傳感器系統在珠江上空捕獲的光譜圖; b 珠江水的擴展LIF光譜。我們注意到，利用圖5a所示路徑記錄的所有這類光譜，可以構建一個200m2區域的非常粗略的“地圖”

圖7 基于無人機的充油容器線性掃描2D地圖

圖8 a 從橋上倒出一桶摻有少量羅達明610染料(0.03 g/l)的水時，對珠江水進行定點掃描的照片，右下角為欄桿; b 無人機記錄的光譜，觀察事件，當染料被自然稀釋時，藻類信號保持不變

圖9 無人機對珠江水進行二維掃描，同時倒入一桶含有少量羅達明610染料(0.03 g/l)的水。當河水從無人機下面流過時，無人機正在盤旋。

本文摘自：

Zheng Duan, Ying Li, Jinlei Wang,等. Aquatic environment monitoring using a drone-based fluorosensor[J]. Applied Physics B, 2019, 125(6).

參考文章:

1. S.E. Chang, J. Stone, K. Demes, M.Piscitelli, Consequences of oil spills: a review and framework for informingplanning. Ecol. Soci. 19, 26 (2014)

2. R. Goodman, Overview and future trendsin oil spill remote sensing. Spill Sci. Technol. Bull. 1, 11 (1994)

3. M. Fingas, C.E. Brown, Chap. 6. Oilspill remote sensing: a review, in Spill science and technology, ed. by M.Fingas (Gulf Professional Publishing, Boston, 1990)

4. A. Pisano, F. Bignami, R. Santoleri, Oil spill detection inglintcontaminated near-infrared MODIS imagery. Remote Sens. 7,1112 (2015)

5. X. Wang, Z. Duan, M. Brydegaard, S.Svanberg, G.Y. Zhao, Drone-based area scanning of vegetation fluorescenceheight profiles using a miniaturized hyperspectral lidar system. Appl. Phys. B124, 207 (2018). (APHB-D-18-00319)

6. M. Brydegaard, S. Svanberg, Photonicmonitoring of atmospheric and aquatic fauna. Lasers Photon. Rev. 12, 1800135 (2018)