【微光谱应用】基于无人机荧光传感器的水环境监测

2019-12-23 21:52:25, OIA MKT 海洋光学



石油泄漏对海洋生态系统的重大影响引起了全世界的关注。海上钻井平台和船舶事故是溢油的主要来源。石油是由环烷烃、烷烃和芳香烃组成的富烃聚合物混合物,具有非常复杂的物理化学性质。在石油泄漏的最初几天,石油浮在水面上。然后在物理输送、溶解、乳化、氧化和降解的作用下,其组分发生变化。快速、可靠的溢油检测与识别对海洋溢油控制至关重要,遥感技术为溢油检测的发展做出了重要贡献。




激光诱导荧光(LIF)技术为环境监测提供了一种新的、更为强大的技术手段。利用藻类和石油泄漏的荧光特征来研究水体。本应用主要介绍了一个基于无人机的水环境激光诱导荧光监测系统。测量装置仅有1.5Kg,使用目前市面上主流的各种UAV。



设备搭建

图1 a 带有荧光传感器系统的无人机;

b 激光诱导荧光记录系统图


图1a显示了与无人机集成的系统。我们使用的商用无人机(DJI M600 Pro),最大的载重能力约为6kg。它有六个旋翼,以俯视的方式携带我们的激光诱导荧光系统。利用工业计算机进行系统控制和数据存储。图1b为激光诱导荧光系统示意图。激励源为连续波(CW)二极管激光器412型,输出功率为1000mw,波长为412nm。接收望远镜的直径为50毫米,焦距为200毫米。在探测系统前放置了425nm的长通滤波器Edmund Optics#84-742,以抑制激发光信号,同时完全通过荧光。


利用海洋光学USB4000小型光谱仪对光谱信号进行连续检测。光谱仪狭缝宽度为200μm,光谱分辨率为10nm。利用标准钨灯光源校准光谱检测响应。无人机配备了用于无人机推进和LIF系统运行的电池,并允许25分钟的连续检测。荧光传感器的总重量为1.5kg。



2

测量过程

实验一:

图 a基于无人机的荧光传感器在珠江上的扫描地图;

b无人机在河上飞行时的现场测量照片,激光束照射水面产生荧光的现场测量照片。

如上图,搭建的无人机下方安装了荧光传感器,并在珠江上空进行扫描巡航。为了避免污染河流,我们将两个浮式容器固定在河流表面,如图5a所示。黄色斑点标记的是装有1L纯油的容器,浮筒中装满油层厚度约为1-2毫米的珠江水。红点表示另一个装满10升浓度为0.03g/l的罗丹明610染料稀溶液的容器。染料溶解在天然珠江水中,飞行路线设置为四次往返,飞行面积10m×20m(长×宽),无人机平均飞行速度约3 km/h。

实验二:

无人机在珠江充油集装箱上空飞行的慢速线性扫描结果。持续时间为50s,光谱仪的曝光时间为0.5s。


实验三:

同时一桶含染料的水(0.03g/l)缓慢倒入江中,同时无人机在下游悬停,荧光传感器不断记录。时间持续约80s,光谱仪的曝光时间为0.5s。


3

测量结果

实验一:飞行完成后获取了本次飞行的光谱数据,光谱中共记录了四种典型的光谱数据,在两个浮式容器上的测量中观察到500nm处的油荧光和580nm处的染料特征峰。无人机扫描还覆盖了河边的灌木丛,记录到685nm和745nm处的强叶绿素峰,这是陆地植被的特征。自然珠江深水LIF光谱在上图b中放大,水拉曼峰为480nm。

实验二
基于无人机的线性扫描2D图

实验三
随时间的光谱3D图,展示了污染扩散流动变化的过程

4

结果

本应用描述了一种体积小、重量轻的荧光传感器,它提供了高质量的浅水水层荧光光谱,具有来自石油、溶解有机物(DOM)、藻类等的光谱特征,并可以使用水拉曼信号进行内部校准。整个系统的重量只有1.5kg,使用高功率连续波半导体激光器和小型光纤光谱仪就可以实现。

该系统集成在一架小型无人机上。本文所描述的小型系统提供了传统脉冲激光荧光传感器和连续激光Scheimpflug系统的良好替代方案,并且在性能和系统简洁程度上具有一定的优势。如果连续波半导体激光器工作在400nm以下,就可进一步实现人眼安全。当前版本的荧光传感器系统只能在夜间使用,这与具有范围选通、日间使用功能、同时在低环境光照条件下仍能更好地工作的脉冲激光雷达系统相比,这是一个明显的缺点。但利用足够高的连续波功率,并结合合适的调制方案进行背景减除,日光操作应该是可行的,可以大大扩展现有的测试能力。尽管有限的飞行高度和续航时间限制了大面积监视,但是机载荧光成像的成本相比传统方法降低许多,使得基于无人机的远程LIF技术成为一种在有限区域内进行污染遥测的有效方案。





参考文献

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)





  • 客服电话: 400-6699-117 转 1000
  • 京ICP备07018254号
  • 电信与信息服务业务经营许可证:京ICP证110310号
  • 京公网安备1101085018
  • 客服电话: 400-6699-117 转 1000
  • 京ICP备07018254号
  • 电信与信息服务业务经营许可证:京ICP证110310号
  • 京公网安备1101085018

Copyright ©2007-2024 ANTPEDIA, All Rights Reserved