palette
شناسایی آلودگی نفتی دریای خزر به کمک سنجش از دور ( مطالعه موردی: تاسیسات استخراج نفت باکو)

چکیده

سابقه و هدف: به دلیل وجود منابع نفتی در دریاها عملیات اکتشاف، استخراج و حمل و نقل مواد نفتی در آنها باعث بوجود آمدن لکه ­های هیدروکربنی بر سطح دریاها می­شود و در نتیجه کاهش سطح کیفیت این آب­ها را در پی دارد. نشت مواد نفتی به دریاها عوارض زیست محیطی جبران ناپذیری دارد و اکوسیستم ­های ساحلی و دریایی را مختل می­کند در نتیجه شناسایی مکان و زمان وقوع حوادث نفتی و تشخیص ابعاد و بزرگی آلودگی ناشی از آن­ها برای نظارت و حفظ سلامت محیط زیست از اهمیت زیادی برخوردار است و امروزه به کمک داده­ های سنجش از دوری با استفاده از ماهواره­های اپتیکی و راداری تسهیل و ممکن می­شود. در این مطالعه به منظور ارتقاء قابلیت تشخیص نواحی آلودگی نفتی، با استفاده همزمان ماهواره­های اپتیکی Landsat-8، Sentinel-2 و راداری Sentinel-1 به دلیل قدرت تفکیک مکانی بالا و دوره بازبینی نزدیک به هم، آلودگی نفتی دریای خزر در منطقه­ی تاسیسات نفتی آذربایجان مورد مطالعه قرار گرفت.

مواد و روش­ها: در این مطالعه بررسی آلودگی نفتی ناشی از تاسیسات نفتی Oil Rocks در دو ماه آوریل و ژوئن سال 2017  بوسیله تصاویر ماهواره­ای انجام شد. پس از شناسایی لکه­های آلودگی بر سطح آب در اطراف این تاسیسات در تصاویر راداری برای اطمینان از لکه­های شناسایی شده ناشی از نشت نفت و بارزسازی آلودگی نفتی از تصاویر اپتیکی از روابط نسبت­ باندی استفاده شد و سپس عملیات استخراج عوارض بر تصاویر نسبت باندی برای تفکیک عوارض موجود در آنها انجام گرفت. 

نتایج و بحث: مساحت بدست آمده از سطوح آلودگی نفتی در ماه­ آوریل سال 2017 افزایش سطح لکه­ی نفتی را طی 12 روز نشان داد که با توجه به درصد پوشش کلاس نفت و کلاس مخلوط آب و نفت در نتایج بدست آمده از سطوح، حاکی از افزایش پخش و گسترش لکه­ی نفتی با جریانات دریایی و ادامه­ی نشت نفت از منبع تولید آن است. همچنین بررسی تصاویر اپتیکی Landsat-8 و Sentinel-2 در تاریخ 5 ژوئن 2017 در میزان سطح آلودگی نفتی نتایج نزدیک به هم را نشان داد.

نتیجه ­گیری: نتایج بدست آمده از این تحقیق نشان داد که روش نسبت­های باندی برای تشخیص سریع نشت نفت مناسب است و برای بارزسازی جزئیات ناحیه آلودگی، روش استخراج عوارض برای طبقه­بندی تصویر نسبت باندی به کلاس­های شناسایی شده در آن استفاده شد. همچنین از نظر محیط زیستی تاسیسات نفتی Oil Rocks آب­های خزری کشور جمهوری آذربایجان را در شرایط نامطلوبی قرار داده است و از آنجا که جهت جریانات دریایی در آن ناحیه به سمت سواحل شمال غربی ایران است بنابراین باید برای جمع­آوری و پاکسازی لکه­ های نفتی در اطراف این تاسیسات نفتی چاره­ای اندیشیده شود.

واژگان کلیدی
تصاویر اپتیکی، تصاویر راداری، لکه‌های نفتی، روابط نسبت باندی، استخراج عوارض

منابع و مآخذ مقاله

Akkartal, A. and F. Sunar (2008). The usage of radar images in oil spill detection. The international archives of the photogrammetry, remote sensing and spatial information sciences.

(مرجع شماره1)

Carnesecchi, F., V. Byfield, P. Cipollini, G. Corsini and M. Diani (2008). An optical model for the interpretation of remotely sensed multispectral images of oil spill. Remote Sensing of the Ocean, Sea Ice, and Large Water Regions 2008, International Society for Optics and Photonics. (مرجع شماره2)

Cococcioni, M., L. Corucci and B. Lazzerini (2009). Issues and preliminary results in oil spill detection using optical remotely sensed images. OCEANS 2009-EUROPE, IEEE. ( مرجع شماره3)

Emergency, U. S. E. P. A. O. o., R. Response and U. S. E. P. A. E. R. Division (1993). Understanding oil spills and oil spill response, The Office. (مرجع شماره4)

Girard-Ardhuin, F., G. Mercier and R. Garello (2003). Oil slick detection by SAR imagery: potential and limitation. Oceans 2003. Celebrating the Past... Teaming Toward the Future (IEEE Cat. No. 03CH37492), IEEE. (مرجع شماره5)

Howari, F. (2004). "Investigation of hydrocarbon pollution in the vicinity of United Arab Emirates coasts using visible and near infrared remote sensing data." Journal of coastal research: 1089-1095. (مرجع شماره6)

Hu, C., X. Li, W. G. Pichel and F. E. Muller‐Karger (2009). "Detection of natural oil slicks in the NW Gulf of Mexico using MODIS imagery." Geophysical Research Letters 36(1). (مرجع شماره7)

Ivanov, A. Y., M. Y. Dostovalov and A. Sineva (2012). "Characterization of oil pollution around the oil rocks production site in the Caspian Sea using spaceborne polarimetric SAR imagery." Izvestiya, Atmospheric and Oceanic Physics 48(9): 1014-1026.(مرجع شماره7)

Lee, M.-S., K.-A. Park, H.-R. Lee, J.-J. Park, C.-K. Kang and M. Lee (2016). Detection and dispersion of oil spills from satellite optical images in a coastal bay. 2016 IEEE International Geoscience and Remote Sensing Symposium (IGARSS), IEEE. (مرجع شماره9)

Mityagina, M. and O. Lavrova (2016). "Satellite survey of inner seas: oil pollution in the Black and Caspian seas." Remote Sensing 8(10): 875. (مرجع شماره10)

Nezhad, M. M., D. Groppi, G. Laneve, P. Marzialetti and G. Piras (2018). "Oil Spill Detection Analyzing “Sentinel 2” Satellite Images: A Persian Gulf Case Study." (مرجع شماره11)

Pavlakis¹, P., A. Sieber and S. Alexandry¹ (1996). "Monitoring oil-spill pollution in the Mediterranean with ERS SAR." (مرجع شماره12)

Taravat, A. and F. Del Frate (2012). "Development of band ratioing algorithms and neural networks to detection of oil spills using Landsat ETM+ data." EURASIP Journal on Advances in Signal Processing 2012(1): 107. (مرجع شماره13)

Topouzelis, K. (2008). "Oil spill detection by SAR images: dark formation detection, feature extraction and classification algorithms." Sensors 8(10): 6642-6659. (مرجع شماره14)

Topouzelis, K. and S. Singha (2016). Oil spill detection: Past and future trends. Proc. ESA Living Planet Symposium, SP-740. (مرجع شماره15)

UNEP, U. (2011). CASPIAN SEA STATE OF THE ENVIRONMENT. (مرجع شماره16)

Xing, Q., R. Meng, M. Lou, L. Bing and X. Liu (2015). "Remote sensing of ships and offshore oil platforms and mapping the marine oil spill risk source in the Bohai Sea." Aquatic Procedia 3: 127-132. (مرجع شماره17)

Zeinstra-Helfrich, M. (2016). Oil slick fate in 3D: predicting the influence of (natural and chemical) dispersion on oil slick fate, Wageningen University. (مرجع شماره18)


ارجاعات
  • در حال حاضر ارجاعی نیست.