《Marine Pollution Bulletin》:Machine learning-supported cross-excitation laser-induced fluorescence lidar for the classification of oil spill
编辑推荐:
•研发了多波长激发激光诱导荧光激光雷达系统•通过激光诱导荧光光谱构建了涵盖各类石油品种的光谱指纹库•XGBoost模型在石油分类任务中的准确率可达92.2%•通过SHAP分析明确了石油识别的光谱特征与化学依据•为海洋石油泄漏的应急处理提供了快速且易于理解的工具引言过去十年中,海上
- •
研发了多波长激发激光诱导荧光激光雷达系统
- •
通过激光诱导荧光光谱构建了涵盖各类石油品种的光谱指纹库
- •
XGBoost模型在石油分类任务中的准确率可达92.2%
- •
通过SHAP分析明确了石油识别的光谱特征与化学依据
- •
为海洋石油泄漏的应急处理提供了快速且易于理解的工具
引言
过去十年中,海上航运、沿海工业活动以及近海资源勘探等人类活动的增加,导致海洋石油泄漏事件频发(Chen等,2020)。据估计,1907年至2014年间全球共发生了140起重大石油泄漏事故,导致约700万吨石油泄漏到水体中(Loh等,2021a)。由此产生的海洋石油污染威胁到了水生生物的生存,扰乱了生态系统功能,给渔业、旅游业以及沿海基础设施带来了巨大的经济损失,已成为一项全球性的环境难题(Dong等,2022)。在此背景下,有效的应急响应措施对于预防和控制石油泄漏事故至关重要(Ye等,2021)。准确识别泄漏石油的类型不仅有助于采取针对性的应急措施,也是后续环境修复工作的基础(Xing等,2024)。目前已有卫星合成孔径雷达、气相色谱法以及高光谱遥感等技术被用于监测受石油污染的海洋环境并识别石油泄漏的类型(Yan等,2025)。然而,这些传统方法仍存在检测精度低、易受外部环境干扰等缺陷(Mohammadiun等,2021)。因此,开发一种高效、经济且精确度高的石油泄漏识别技术,对于满足日益严峻的海洋环境保护需求具有重要意义。
激光诱导荧光技术作为一种新兴的污染物原位光谱监测方法,因其具有高光谱分辨率和实时监测能力等独特优势而备受关注(Ataei Kachouei等,2023)。不过,由于其自身存在的缺陷,如半导体激光器成本高昂、监测范围有限,以及难以区分结构相似的石油烃类,该技术在石油泄漏类型识别中的应用受到限制(Zhang等,2024)。为提升激光诱导荧光技术在石油泄漏识别方面的性能,人们尝试采用LED作为激发光源,并将其安装在移动平台上。例如,有人研发了集成在无人机上的轻量化激光诱导荧光激光雷达系统,用于对海洋石油泄漏及叶绿素浓度进行空中遥感监测(Sun等,2023)。此外,还有研究利用激光诱导荧光光谱技术获取实验室规模海水表面混合油膜的三维荧光光谱,从而估算油膜厚度(Gong等,2023)。但由于不同石油产品中的多环芳烃成分可能存在高度相似的激光诱导荧光光谱特征,这给利用该技术识别石油类型带来了很大挑战。先前的研究表明,原油和重燃料油的荧光光谱在峰值位置和光谱形状上存在显著相似性(Bills等,2020)。这种光谱重叠使得仅依靠原始的激光诱导荧光光谱难以实现石油类型的准确识别。因此,亟需一种高精度的激光诱导荧光支持型石油泄漏识别模型来填补这一研究空白。为提升激光诱导荧光技术识别石油的能力,多项研究探讨了多种机器学习算法在处理复杂石油光谱信号方面的应用潜力。有研究显示,手持式紫外荧光分光光度计结合支持向量机可实现对石油类型的较高分类精度(Bills等,2020)。另外,将激光诱导荧光技术与化学计量学方法相结合,通过偏最小二乘判别分析,也能快速筛选出石油泄漏类型,该方法具备提取细微荧光特征的能力(Loh等,2021b)。不过,大多数研究主要集中在用少量石油样本实现高识别精度上,而对于不同石油类型之间荧光光谱特征的固有变化规律了解不足,所构建模型的可解释性也较差(Mohammadiun等,2022;Sosnowski等,2022)。此外,现有方法还依赖于成本较高的实验室仪器验证,如配备火焰离子化检测器的薄层色谱仪(Bills等,2020;Loh等,2021a)。至今,石油荧光团对不同激发波长的光谱响应,以及模型预测结果与潜在化学变化的关联机制,仍不明确。有研究指出,基于树结构的机器学习方法有望捕捉复杂的非线性关系,并能自动确定特征重要性,从而用于分析高维光谱数据。基于此,我们推测,可通过基于树结构的集成方法分析不同的石油荧光光谱,构建特征指纹模型,以此解析不同石油类型在化学成分上的差异对激光诱导荧光光谱特征的影响,进而实现石油泄漏的高精度识别。
为验证这一假设,本研究开发了一种交叉激发激光诱导荧光系统。该系统采集了152种不同石油样本的荧光光谱,从而为轻质燃料油、重质燃料油、润滑油以及原油等各类石油类型建立了光谱指纹库。随后,研究人员分别使用随机森林和XGBoost算法建立了石油泄漏识别模型。本研究的最终目标是开发一种新型交叉激发激光诱导荧光系统,用于获取多维度荧光光谱,全面检测石油中的荧光团。这项研究将为石油泄漏事件的应急处理提供精准的关键信息,为制定有效的应对措施、减轻海洋石油污染危害奠定重要技术基础。
章节要点
激光诱导荧光系统设计
图1展示了交叉激发激光诱导荧光激光雷达的示意图,关于该系统的关键技术参数的更多详细信息详见补充材料。简而言之,该系统配备了三颗波长分别为365纳米、385纳米和405纳米的紫外线发光二极管(分别来自美国Thorlabs公司的M365L3-C1、M385L4-C1和M405L4-C1型号),其光束功率在510到630毫瓦之间,光束直径为50毫米。这三颗发光二极管会交替照射
不同波长激光作用下石油的荧光光谱变化
如图S1所示,四种石油类型的荧光光谱是在0.15纳米的光谱分辨率和1分钟的积分时间条件下采集的。由于石油分子本身的荧光强度较弱,有效的荧光检测容易受到仪器背景噪声以及环境杂光的干扰(Yin等,2023)。因此,为了提高石油荧光光谱提取的准确性,有必要对光谱数据进行预处理
结论与环境意义
在本研究中,通过将多波长激光诱导荧光光谱技术与机器学习方法相结合,开发出一种高精度的石油识别方法,用于解决海洋石油泄漏污染问题。通过对152种石油样本在365纳米、385纳米和405纳米激光激发下的荧光光谱进行系统分析,研究发现,主峰位置和光谱强度等荧光特征是由石油的化学成分决定的固有属性
CRediT作者贡献说明
张军:论文撰写——初稿撰写、结果验证、研究指导。陈倩:资源协调、项目管理、方法设计、数据整理、研究构思。潘欣:资金筹集、数据分析、研究构思。匡博雅:论文撰写——审阅与编辑、结果验证、研究指导、软件相关工作。陈超:方法设计、实验研究、资金筹集、研究构思。王秀芬:数据可视化、结果验证、项目管理。哈比布·乌拉:研究指导、资金筹集
利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益关系或个人关系。
致谢
本研究得到了以下项目的资助:中国国家重点研发计划(编号:2025YFE0212500、2022YFC2807202、2021YFB3901304)、国家重点实验室专项研究基金(编号:HYZZ2026Q01、HYZZ2026T02)、山东省重点研发计划(编号:2022CXPT020、2024TSGC0164)、山东省自然科学基金(编号:ZR2022MD068)、国家自然科学基金(编号:42530112、122042602),以及山东省重点研发计划
Zhangjun Wang|Qian Chen|Xin Pan|Boya Kuang|Chao Chen|Xiufen Wang|Habib Ullah|Sangar Khan