应用极化合成孔径雷达检测海上溢油研究进展

邹亚荣，邹斌，梁超

（1.国家海洋局国家卫星海洋应用中心，北京 100081）

应用极化合成孔径雷达检测海上溢油研究进展

邹亚荣1，邹斌1，梁超1

（1.国家海洋局国家卫星海洋应用中心，北京 100081）

海上溢油给海洋生态环境带来严重的影响，快速准确地探测溢油对于防灾减灾具有重要的意义。利用卫星遥感探测溢油已成为目前主要的检测手段，大多采用合成孔径雷达（SAR）数据，运用图像处理的方法，开展了多种溢油提取算法的研究，取得了较好的结果，但由于海洋的类溢油现象存在，造成提取信息的精度达不到要求。近年来，国内外运用极化SAR数据开展溢油信息提取研究，从极化分解与相位差等角度对溢油特性分析，能有效地区分一些类溢油现象，得到了较理想的结果。分析了应用SAR数据开展溢油信息提取的研究状况，总结了溢油极化SAR探测的研究，指出了目前研究中存在的不足，并提出了今后溢油极化SAR遥感监测的方向。

合成孔径雷达；溢油；检测；进展

1 引言

21世纪是海洋的世纪，现在，海洋环境质量越来越密切地同人类社会生存环境发生着相互作用，然而人类在不断向海洋索取各种生活资料的同时，也在不断地破坏甚至毁灭着海洋环境。屡发不止的重大海洋污染事件已向全人类发出了警告：保护海洋环境刻不容缓！

在众多的海洋污染中海面溢油污染发生较频繁、分布较广、危害严重。随着世界海洋运输业的发展和海上油田不断投入生产，溢油事故不断增加，往往造成大面积海洋及海岸带石油污染，不仅使海洋、大气自然环境、生态系统资源受到破坏，也引起鱼类、鸟类、海藻和海洋哺乳动物等海洋生物大量死亡，经济蒙受巨大损失，而且严重危害人体健康。

2010年4月20日位于美国墨西哥湾的英国石油公司（BP）“深水地平线”钻井平台爆炸起火，石油形成的污染带直接威胁墨西哥湾海岸生态环境及沿岸民众生活，许多野生动物遭受“灭顶之灾”，此次事故已成为美国历史上最重大的生态灾难，造成了极其严重的社会影响，并引发了广泛的国际关注和反思。2006年以来在我国管辖海域每年有多起溢油事件发生，尤其是2010年7月大连新港输油管道破裂造成海上溢油对环境造成巨大的危害。2011年6月渤海PL19-3石油平台发生溢油事故，时间长、影响范围广、危害大，溢油对近海海域的污染已引起了全国的广泛重视。

与常规的溢油监测方法相比，采用遥感方法具有监测范围广、获取效率高等优势，因而应用遥感技术开展海上溢油监测已成为目前的主要监测手段之一，尤其SAR（Synthetic Aperture Radar）具有全天候、受天气影响小，对溢油有较明显的探测特点，已在遥感监测业务系统中得到了广泛的应用，因此利用卫星遥感技术及时、准确、全面地监测海洋溢油污染，积极采取清除和预防溢油措施，对于保护海洋环境与海洋防灾减灾，已是刻不容缓的重要工作。

2 利用SAR探测海上溢油的研究现状

由于在一定的海况条件下（风速3～12 m／s）海上溢油对波浪的阻尼作用，造成在SAR影像上呈现出暗斑现象，与周边海水相比表现出较明显的区别，但是因为海洋环境的复杂性，有许多现象，如生物膜、上升流、内波、锋面、船尾迹等，在SAR影像上也表现出暗斑的特征，因而从SAR影像上提取溢油信息并非一件易事［1—2］。利用遥感技术进行溢油探测最大限度地去除了虚警，利用单极化SAR数据进行溢油信息提取一般分为3步：一是暗斑检测；二是提取暗斑的特征，如几何特征、纹理特征、散射特征等；三是在此基础上，开展溢油与类溢油的区分。

采用图像处理方法是常见的方法。Frate等［3］利用直方图的两个峰值之间的局部最小值来分割图像，从区域的最暗点开始生长直到种子点的邻域像素均比给定阈值（局部最小值）大为止，以此来提取黑斑。Araujo等［4］计算经过高斯滤波后的图像和小波分解的第一层图像的相关性，选择相关性系数比第一层的小波系数高的像素点作为生长点，开展溢油检测工作。Mercier等［5］及Derrode和Mercier［6］则使用隐马尔科夫链进行多尺度溢油提取，它具有较低的虚警率。Solberg等［7—8］认为阈值可设为窗口平均后向散射系数减去一个常数，且阈值的获取可采用多尺度的金字塔方法通过一次迭代步骤实现。Kannaa等［9］采用的滞后性阈值算法可成功提取线性暗斑。Marghany等［10—12］提出了一种修改计算分形维数的公式，从而给出了一种全新的纹理分析技术，可以结合多种纹理特征（如熵、均一性、对比度、变化幅度及相关性等）进行暗区探测。Topouzelis等［13］通过研究神经网络系统性能及参数成功地实现了在高分辨率影像上的暗区探测。黄晓霞等［14］介绍了一种全新的区域影像分割技术—基于迎风格式偏微分方程（PDE）的Level Set方法进行海洋浮油膜特征提取。石立坚［15］对SAR和MODIS（moderate resolution imaging spectroradiometer）监测海面溢油的方法进行了讨论，在运用SAR数据进行海面溢油检测方面，重点对基于水平集与多尺度的图像分割方法进行了分析和试验，将水平集与小波方法相结合，在原高分辨率图像中的溢油区域的边缘提取中得到了较好应用。田维［16］做了油膜对海面雷达后向散射的衰减研究，并提出了基于后向散射的检测方法。Shu等［17］和Li［18］采用空间密度分割阈值的方法，克服了SAR图像噪声带来的问题，同时提高了检测速度。Solberg等［19—20］给出了一个半自动的溢油检测分类器，对油膜概率较大的目标直接进行自动检测，对84景SAR图像进行了处理，包括基于风速的像素局部阈值的确定小像素目标的聚类或大像素目标分割以及随机把每一类送入分类器，定义10类不同的目标特征并根据Bayesian理论进行分类。大连海事大学彭博［21］和兰国新等［21］，对溢油的遥感提取进行了面向对象的研究，运用雷达与光学数据协同下的溢油信息提取流程以及判别准则，构建基于多源遥感信息的溢油应急构架，开展了溢油信息提取。邹亚荣等［23—24］采用SAR数据，在后向散射系数计算的基础上，从波段、极化方式、入射角等方面开展了海上溢油监测参数分析，并综合溢油形状参数、纹理特征指数、物理特性指数等主要指标，以层次分析法得出每一类指标的权重，对海上溢油遥感监测方法进行了分析，提出了一种SAR数据的多元指标溢油信息提取方法。Singha等［25］提出了一种基于SAR数据的神经网络方法来区分溢油与类溢油，取得了理想效果。

溢油特征的提取需要已验证溢油的先验知识，并且需要发生溢油时的海洋风场、浪场等辅助信息来进行溢油的判断。这些方法需要强调两个方面：（1）特征要素的提取需经过实践认可的，对于用此特征来区分溢油没有歧义；（2）就溢油与类溢油这两类进行分类，仅需提供这两类的样本进行训练来区分。虽然这种方法已用于业务化的运行，但是仍然需要改进。

随着主动微波遥感技术发展而逐渐建立的海面电磁散射模型，虽然其电磁散射理论部分有严格的辐射传输理论上的数学推导，但是在具体应用时应考虑影响电磁散射方程的关键参数，如均方差高度、波面斜率的分布及其相关长度等，对它们的计算均采用不同的海浪谱模式，如Neumann谱、Pierson-moskowitz谱或Phillips谱［26］。所使用的谱方程都是建立在试验数据分析之上的半经验公式和经验参数。从这些谱式的多种选择看，虽然各模式在使用时讨论了使用条件和有效范围，但各模型的结果在相似条件下的可比性差别很大。因此，基于常规海浪谱的后向散射计算方法存在不足。

综上所述，目前基于单极化SAR图像的海面溢油识别方法主要以遥感图像处理和模式识别技术为手段，提取典型海面溢油与疑似油膜形态学特征作为训练样本，通过人工神经网络、模糊逻辑推理等手段对海面溢油进行检测与识别，但对于类溢油现象的去除效果并不理想。

近年来不少研究开展了应用极化SAR对溢油的研究，主要分为运用极化相位与极化分解两类，以区分类溢油与溢油。

Migliaccio和Tranfaglia［27］使用SIR-C／X-SAR数据，利用极化散射相干矩阵特征值及特征向量来计算熵值H和平均散射角α，构建H／α分类平面对影像进行分类。结果显示在H／α平面上对重油（IFO 180）和油醇（OLA）、油酸甲酯（OLME）、三油精（TOLG）等具有良好的可分性。

Migliaccio［28］使用同样的数据，首先利用极化CFAR（Constant false alarm ratio）滤波器检测暗目标，然后根据目标分解理论计算油膜极化特征参量，分别计算油膜和海面H／Aα空间散点图，重油（IFO180）、油醇、油酸甲酯、三油精及海面的H、A、α概率密度曲线。结果显示H、A、α三个极化特征量对海面溢油分类意义明显，特别在低风时H和A效果较好，而H参数无论在低风或者高风时效果均较好。

Nunziata等［29］和Migliaccio［30］利用SIR-C／XSAR数据验证了同极化相位差CPD（co-polarized phase difference）探测海面溢油的能力，并设计了一个简单有效的滤波器来获取CPD标准差，数据试验证明同极化相位差的标准差对溢油和生物油膜（OLA）具有不同的敏感性，可以对二者进行有效区分。

Nunziat等［31—32］提出基于全极化SAR数据Muller矩阵的海面溢油监测方法，指出在中等风速条件下Muller矩阵特定项元素值对油膜与海水及生物膜等疑似特征具有很好的判别作用。

Migliaccio等［33］，Velotto等［34］和Domenico等［35］提出在微风的情况下，通过对多视C、L波段溢油相位与标准差研究，得出两参数可用于溢油识别，C波段的要强于L波段。研制了一种应用双极化数据，对于有无海上溢油，基于它们的弱阻尼性能，计算同相位差，来识别溢油与类溢油，提出了基于SIR-C／XSAR与TerraSAR-X SAR的算法。Migliaccio和Ferdinando［36］针对墨西哥湾的溢油，计算了海水与溢油的相位差与相位标准差，以此来提取溢油信息。Velotto等［37］利用双极化通道间的关系建立了极化模型，计算两个通道相关性与相位标准差，在海上溢油检测上运用效果良好。Arnt-Salberg等［38］在对极化关系分析的基础上，提出一种基于Bragg的散射广义似然比线性模型，基于SVV与SHH关系误差协方差来区分溢油与类溢油的方法。

应用极化分解方法来开展溢油信息提取是极化SAR溢油散射特性研究的另一方面。Migliaccio等［39］比较了熵、散射角、反熵参数，认为熵与反熵比散射角参数在溢油检测方面更有效。Wang等［40］提出了几个反熵、极化相关系数、极化SPAN以及它们的组合等辅助参数，开展了溢油信息提取。Zhang等［41］通过研究SHH与SVV关系，研究得出一致性系数是比熵与散射角更为有效的溢油识别参数。Skrunes等［42］采用RadarSat-2数据从极化协方差C3矩阵中，建立熵、散射角、相位标准差、极化比等多种极化分解参数，用以区分原油、植物油等，得到了比较理想结果。Minchew等［43］针对美国墨西哥湾溢油事件，采用L波段SAR数据，运用熵、散射角、反熵等参数对溢油散射进行了研究，认为相干矩阵的特征值是可靠的指标。

在极化试验方面，利用SAR数据开展溢油检测已有一定的研究，但究竟溢油散射特征是如何并没有在实践中得到充分理解，Migliaccio等［36］和Arnt-BΦrre［38］通过订购RadarSat-2数据，开展天地同步的海上油膜试验，收集现场数据，同时对RadarSat-2数据进行极化处理，取得了一定的效果，但只是进行了天地同步试验，没有对现场数据进行耦合。2012年国家卫星海洋应用中心联合电子科技大学开展了利用散射计对溢油的散射试验，在不同角度、波段、油种方面开展了试验，得到了一些溢油散射规律，由于试验的样本以及试验本身等原因，没有从机理上阐述海上溢油的极化特征。

3 目前研究的不足

3.1 基于建立溢油极化SAR特征谱的精细提取研究不够

目前大多数研究都集中于如何通过图像处理手段来获取溢油信息，仅从图像特征开展溢油信息提取研究，对溢油的散射特性没有深入研究，如没有建立溢油极化SAR特征谱，在理论与实践上都难以揭示溢油极化特征，因此需研究海上油膜的极化SAR特征谱，研究溢油的散射特性，为海上溢油检测提供理论基础。

极化分解能有效地提取溢油信息，极化相位差能有效地区分生物膜与溢油，由于溢油的弱散射原因，造成溢油与类溢油难以区分，故需要深入研究溢油的散射特性，结合试验开展更精细化的溢油信息提取，从理论或数值模拟方面确定探测海洋表面溢油的模式。

3.2 应用极化SAR数据提取溢油参数与试验结合尚需深入

目前利用SAR进行溢油检测，大多在数值处理上开展研究较多，由于海面条件复杂，研究多为个例，所得结果没有可比性，溢油的极化SAR特性并没有从实践的角度得到检验。为研究溢油的散射特征，获得可靠的、有价值的微波遥感散射试验数据，需要将油膜的四波段全极化数据集用于构建溢油的极化SAR特征谱，通过试验方式得到溢油极化SAR特征谱，从而为溢油的SAR探测提供可靠的依据。

开展遥感试验能揭示溢油极化SAR的特性，能够对极化参数进行反演，但目前试验没有深入到极化参数测定，仅利用散射计开展后向散射系数的测量，因而需要从多波段全极化的角度开展溢油极化SAR试验。

溢油遥感监测是海洋环境遥感监测的技术方向之一，全极化SAR包含的信息反映了溢油散射的完整情况，应用极化SAR开展海上溢油的研究比利用单极化SAR有更多的信息，能够揭示溢油的极化SAR的散射特性，本研究拟建立溢油极化SAR的特征谱，结合海面溢油自身的电磁学特性，对调频连续波雷达进行溢油遥感试验，深入分析随机粗糙海面的溢油散射特性，开展溢油精细化提取技术研究，服务于海洋环境保护。

4 结论与展望

当前船只与海上石油开发活动造成的溢油事件已屡见不鲜，尽早发现溢油采取行动是减轻灾害的重要工作，星载SAR卫星数据具有覆盖范围大、对溢油有明显的表现的优点，因而利用SAR数据探测溢油已成为目前主要的方式，但需要与航空、地面监测相结合才能对溢油进行更有效的检测。

利用极化SAR数据能排除一些类溢油现象，同时应用极化SAR数据在溢油检测方面能够提供溢油检测的精度，如采用相位差CPD可以区分溢油与生物膜。从极化SAR数据中提取的极化参数，如全极化中的极化熵、散射角等以及双极化的CPD标准差等，均在溢油检测中有明显的作用。

随着多极化SAR卫星的发射，应用极化SAR数据能区分溢油与类溢油，能成为业务化监测的一个主要数据，但是极化参数的获取是溢油信息提取的关键，参数对于溢油的反应，开展弱散射机制下的溢油极化散射特征谱的研究以及参数组合研究是今后研究的一个重要方向。

海上溢油受海洋风浪的影响很大，采用极化SAR建模需要与海洋环境场相结合，如何耦合海洋环境信息与极化参数是目前研究的一个难题，采用溢油遥感实验与参数相结合的方法是一切实可行的方法，也是今后研究的方向。

［1］Fingas M F，Brown C E.Review of oil spill remote sensing［J］.Spill Sci Technol Bull，1997，4（4）：199－208.

［2］Brekke C，Solberg A H S.Oil spill detection by satelliteremote sensing［J］.Remote Sens Environ，2005，95（1）：1－13.

［3］Frate F D，Petrocchi A，Lichtenegger J，et al.Neural networks for oil spill detection using ERS－SAR data［J］.IEEE Transactions on Geoscience and Remote Sensing，2000，38（5）：2282－2287.

［4］Araujo R T S，Medeiros F N S，Costa R C S，et al.Spots segmentation in SAR images for remote sensing of environment［C］／／Proceedings of the 6th IEEE Southwest Symposium on Image Analysis and Interpretation.IEEE，2004：95－99.

［5］Mercier G，Derrode S，Pieczynski W，et al.Multiscale oil slick segmentation with markov chain model［C］／／Proceedings of IEEE International Geoscience and Remote Sensing Symposium.IEEE，2003，6：3501－3503.

［6］Derrode S，Mercier G.Unsupervised multiscale oil slick segmentation from SARimages using a vector HMC model［J］.Pattern Recognition，2007，40（3）：1135－1147.

［7］Solberg A H S，Storvik G，Solberg R，et al.Automatic detection of oil spills in ERS SAR images［J］.IEEE Trans Geosci Remote Sens，1999，37（4）：1916－1924.

［8］Solberg A H S，Brekke C，Husoy P O.Oil spill detection in Radarsat and Envisat SARimages［J］.IEEE Trans Geosci Remote Sens，2007，45：746－755.

［9］Kanaa T F N，Tonye E，Mercier G，et al.Detection of oil slick signatures in SAR images by fusion of hysteresis thresholding responses［C］／／Pro-ceedings of IEEE International Geoscience and Remote Sensing Symposium.IEEE，4：2750－2752.

［10］Marghany M，Hashim M，Cracknell A P.Fractal dimension algorithm for detecting oil spills using RADARSAT-1 SAR［J］.Berlin／Heidelberg：Springer-Verlag，2007，4705：1054－1062.

［11］Marghany M.RADARSAT Automatic algorithms for detecting coastal oil spill pollution［J］.International Journal of Applied Earth Observation and Geoinformation，2001，3（2）：191－196.

［12］Marghany M.RADARSAT for oil spill trajectory model environment［J］.Environmental Modelling and Software，2004，19：473－483.

［13］Topouzelis K，Karathanassi V，Pavlakis P，et al.Dark formation detection using neural networks［J］.Int J Remote Sens，2008，29（16）：4705－4720.

［14］黄晓霞，李红旮，黄波.SAR影像中海洋浮油膜特征分割的Level Set方法［J］.遥感学报，2005，9（5）：549－554.

［15］石立坚.SAR及MODIS数据海面溢油检测方法研究［D］.青岛：中国海洋大学，2008.

［16］田维.海面油膜雷达遥感检测机理与方法研究［D］.北京：中国科学院研究生院，2009

［17］Shu Y M，Li J，Yousif H，et al.Dark-spot detection from SAR intensity imagery with spatial density thresholding for oil-spill monitoring［J］.Remote Sensing of Environment，2010，114（9）：2026－2035.

［18］Li Y，Li J.Oil spill detection from SAR intensity imagery using a marked point process［J］.Remote Sensing of Environment，2010，114（7）：1590－1601.

［19］Solberg A H S，Dokken S T，Solberg R.Automatic detection of oil spills in Envisat，Radarsat and ERSSARimages［C］／／Proceedings of IEEE International Geoscience and Remote Sensing Symposium.IEEE，2003，4：2747－2749.

［20］Solberg A H S，Brekke C，Solberg R.Algorithms for oil spill detection in Radarsat and ENVISAT SARimages［C］／／Proceedings of IEEE International Geoscience and Remote Sensing Symposium.Anchorage，AK：IEEE，2004，7：4909－4912.

［21］彭博.基于面向对象的海洋溢油检测的研究［D］.大连：大连海事大学，2007.

［22］兰国新，李颖，李宝玉，等.基于多源遥感的海上溢油应急监测研究与应用［J］.大连海事大学学报，2012，38（1）：97－100.

［23］邹亚荣，梁超，陈江麟，等.基于SAR的海上溢油监测最佳探测参数分析［J］.海洋学报，2011，33（1）：36－43.

［24］邹亚荣，邹斌，梁超，等.多元指标的海上溢油信息提取［J］.地球信息科学学报，2012，14（2）：265－269.

［25］Singha S，Bellerby T J，Trieschmann O.Detection and classification of oil spill and look-alike spots from SARimagery using an artificial neural network［C］／／Proceedings of the 2012IEEE Geoscience and Remote Sensing Symposium.Munich：IEEE，2012：5630－5633.

［26］Wright J W.Backscattering from capillary waves with application to sea clutter［J］.IEEE Transactions on Antennas and Propagation，1966，14（6）：749－754.

［27］Migliaccio M，Tranfaglia M.A study on the capability of sar polarimetry to observe oil spills［C］／／Proceedings of the 2nd International Workshop.Frascati，Italy，2005.

［28］Migliaccio M，Gambardella A，Tranfaglia M.Oil spill observation by means of polarimetric sar data［C］／／Proceedings of SEASAR 2006.Frascati，Italy，2006.

［29］Nunziata F，Gambardella A，Migliaccio M.Dual-polarized SAR data for oil spill detection［C］／／Proc.‘Envisat Symposium 2007’，Montreux，Switzerland 23－27 April 2007，2007.

［30］Migliaccio M，Nunziata F，Gambardella A.On the co-polarized phase difference for oil spill observation［J］.International Journal of Remote Sensing，2009，30（6）：691－695.

［31］Nunziata F，Gambardella A，Migliaccio M.On the mueller scattering matrix for sar sea oil slick observation［J］.IEEE Geoscience and Remote Sensing Letters，2008，5（4）：691－695.

［32］Nunziata F，Gambardella A，Migliaccio M.Fully polarimetric SAR data for oil slick observation［C］／／Proceedings of PolInSAR 2009.Frascati，Italy，2009.

［33］Migliaccio M，Nunziata F，Gambardella A.On the co-polarisedphase difference for oil spill observation［J］.Int J Remote Sens，2009，30（6）：1587－1602.

［34］Velotto D，Migliaccio M，Nunziata F，et al.Oil-slick observation using single look complex TerraSAR-X dual-polarized data［C］／／2010 IEEE International Geoscience and Remote Sensing Symposium.Honolulu，HI：IEEE，2010：3684－3687.

［35］Velotto D，Lehner S，Solovievetc A，et al.Analysis of oceanic features from dual-polarization high resolution x-band SAR imagery for oil spill detection purposes［C］／／2012 IEEE International Geoscience and Remote Sensing Symposium.Munich：IEEE，2012：2841－2844.

［36］Migliaccio M，Nunziata F，Antonio M，et al.A multifrequency polarimetric SAR processing chain to observe oil fields in the Gulf of Mexico［J］.IEEE Transactions on Geoscience and Remote Sensing，2011，49（12）：4729－4737.

［37］Velotto D，Migliaccio M，Nunziata F，et al.Dual-Polarized TerraSAR-X data for oil-spill observation［J］.IEEE Transactions on Geoscience and Remote Sensing，2011，49（12）：4751－4762.

［38］Salberg A B，Rudjord O，Solberg A H S.Model based oil spill detection using polarimetric SAR［C］／／2012 IEEE International Geoscience and Remote Sensing Symposium.Munich：IEEE，2012：5884－5887.

［39］Migliaccio M，Gambardella A，Tranfaglia M.SAR polarimetry to observe oil spills［J］.IEEE Trans Geosci Remote Sens，2007，45（2）：506－511.

［40］Wang W G，Fei L，Peng W，et al.Oil spill detection from polarimetric SARimage［C］／／2010 IEEE 10th International Conference on Signal Processing.Beijing：IEEE，2010：832－835.

［41］Zhang B，Perrie W，Li X F，et al.Mapping sea surface oil slicks using RADARSAT-2 quad-polarization SAR image［J］.Geophys Res Lett，2011，38，L10602.

［42］Stine S，Camilla B，Torbjorn E.An experimental study on oil spill characterization by multi-polarization SAR［C］／／9th European Conference on Synthetic Aperture Radar.Nuremberg，Germany：IEEE，2012：139－142.

［43］Minchew B，Jones C E，Holt B.Polarimetric analysis of backscatter from the deepwater horizon oilspill using l-band synthetic aperture radar geoscience and remote sensing［J］.IEEE Transactions on Geoscience and Remote Sensing，2012，50（10）：3812－3830.

Research on progress of oil spill detection using polarization SAR data

Zou Yarong1，Zou Bin1，Liang Chao1

（1.National Satellite Ocean Application Services，State Oceanic Administrationg，Beijing 100081，China）

Oil spill brings the serious influence to marine ecological environment，fast and accurately detecting the oil spill is of great significance for disaster prevention and mitigation.By making use of satellite remote sensing for the oil spill detection has become the main means of detection，Using the SAR（synthetic aperture radar）data and image processing methods，most scholars carry out a variety of oil spill extraction algorithm research，and get some good results，but there exist some look-alikes，which affect the extract information accuracy.In recent years，from polarization decomposition and a phase，using polarization SAR data in oil spill information extraction，such as the oil spill characteristic analysis，can effectively distinguish between some kind of oil spill phenomenon，and obtain the ideal results.The application of SAR data is analyzed in the oil spill information extraction research，summarized the oil spill polarization SAR detection research is summarized，and the current of the insufficiency in research is pointed out，and the future oil spill polarization SAR remote sensing monitoring.

polarization SAR；oil spill；detection；progress

TN958；X834

A

0253-4193（2014）09-0001-06

邹亚荣，邹斌，梁超.应用极化合成孔径雷达检测海上溢油研究进展［J］.海洋学报，2014，36（9）：1—6，

10.3969／j.issn.0253-4193.2014.09.001

Zou Yarong，Zou Bin，Liang Chao.Research on progress of oil spill detection using polarization SAR data［J］.Acta Oceanologica Sinica（in Chinese），2014，36（9）：1—6，doi：10.3969／j.issn.0253-4193.2014.09.001

2013-03-26；

2013-09-26。

国家自然科学基金项目（41376183）；海洋溢油污染风险评估及应急响应关键技术集成及应用示范（201205012）；中国海监支撑技术2013项目（溢油遥感业务化监测）。

邹亚荣（1967—），男，江西省南昌市人，研究员，主要从事海洋遥感工作。E-mail：zyr＠mail.nsoas.gov.cn