بررسی کاربرد سنجش از دور در آشکارسازی آلودگی‌های نفتی دریا

نوع مقاله : Original Articles

نویسندگان

1 دانشیار گروه سنجش از دور و GIS ، دانشکده علوم زمین، دانشگاه شهید بهشتی

2 مربی گروه سنجش از دور و GIS ، دانشکده علوم زمین، دانشگاه شهید بهشتی،

3 دانشجوی کارشناسی ارشد سنجش از دور و GIS ، دانشکده علوم زمین، دانشگاه شهید بهشتی

چکیده

نشت نفت به محیط­های دریایی از مهم‌ترین عوامل آلودگی دریا بوده است. شناسایی سریع و جلوگیری از نشت نفت در دریاها و کاهش اثرات مخرب آن بر اکوسیستم­های دریایی، امری ضروری است. تکنولوژی سنجش از دور به‌واسطه برداشت داده در بخش­های مختلف طیف الکترومغناطیس و در فواصل زمانی کوتاه هم‌چنین دید ناحیه­ای وسیع، گزینه مناسبی جهت آشکارسازی و پایش سریع لکه­های نفتی می‌باشد. هدف اصلی در این تحقیق معرفی قابلیت­ بخش­­های مختلف سنجش از دور در آشکارسازی آلودگی‌های نفتی می‌باشد. در این تحقیق معایب و مزایای هر یک از سنجنده‌های مختلف در زمینه پایش لکه­های نفتی مورد ارزیابی و بررسی قرار گرفته است. سنجنده‌ها محدوده مرئی طیف الکترومغناطیس در شب عمل نمی‌کنند و تمایز بین نفت و زمینه در آن‌ها مشکل است. در محدوده مادون قرمز حرارتی، تابش برخاسته از علف­های دریایی، خطوط ساحلی و جبهه­های اقیانوسی شبیه نفت می‌باشد که منجر به ایجاد خطا در فرآیند آشکارسازی لکه­های نفتی می‌گردد. در رادیومتر ماکروویو، موجودات آلی، سیگنال­هایی مشابه نفت در آن‌ها ایجاد می‌کنند که باعث ایجاد خطا می­شود هم‌چنین این سنجنده‌ها پرهزینه هستند. در مقابل موارد ذکر شده، داده‌های SAR به دلیل پوشش ناحیه­ای وسیع و قابلیت اخذ در همه مدت شبانه‌روز و در همه شرایط آب و هوائی، جهت پایش آلودگی‌های نفتی در دریاها و اقیانوس­ها پرکاربرد می­باشند. بر طبق نتایج این تحقیق، داده‌های SAR بخصوص در باند C امواج ماکروویو و پلاریزاسیون VV جهت آشکارسازی لکه نفتی مناسب­تر شناخته شده­اند، هم‌چنین نتایج بیانگراین است که استفاده توأم از داده‌های کاملاً پلاریمتریک اطلاعات مفیدتری نسبت به داده‌های تک پلاریزه در این زمینه در اختیار قرار می­دهد.

کلیدواژه‌ها

عنوان مقاله [English]

A Review of Remote Sensing Applications in Detection of Sea Oil Pollution

نویسندگان [English]

  • Ali Akbar Matkan 1
  • Mohammad Hajeb 2
  • Zeinab Azarakhsh 3
1 Associated Professor, Department of Remote Sensing & GIS, Faculty of Earth Science, University of Shahid Beheshti, Tehran
2 Lecturer, Department of Remote Sensing & GIS, Faculty of Earth Science, University of Shahid Beheshti, Tehran
3 MSc. Student of Remote Sensing & GIS, Faculty of Earth Science, University of Shahid Beheshti, Tehran

مراجع

  1. Pajot, E. Examples of SAR Imagery Applications to the Petroleum Industry.75th EAGE Conference & Exhibition incorporating SPE EUROPEC , 2013; 10.
  2. Fingas M. F., Brown, C. E. Review of oil spill remote sensing. Spill Sci. Technol. Bull, 1997l; 4(4): 199–208.
  3. Solberg, A. H. S. Remote sensing of ocean oil-spill pollution. Proceedings of the IEEE; 2012 100 (10): 2931- 2945.
  4. Tseng W. Y, Chiu, L. S. AVHRR observations of Persian Gulf oil spills, in Proc. Int. Geosci. Remote Sens. Symp. 1994; (2): 779–782.
  5. Adamo M, Carolis V D. Pasquale, and G. Pasquariello, Detection and tracking of oil slicks on sun-glittered visible and near infrared satellite imagery, Int. J. Remote Sens., 2009; 30.
  6. Fabregas J, Herrero C, Veiga M. Effect of oil and dispersant on growth and chlorophyll a content of the marine microalga Tetraselmis Suecica; 1984; 47(2):445-447
  7. Brown C, Fingas M, Hawkins R. Synthetic Aperture Radar Sensors: Viable for Marine Oil Spill Response. In Proc. 26th Arctic and Marine Oil Spill Program (AMOP) Technology Seminar. Victoria, Canada; 2003: 299-310.
  8. Goodman R. Overveiw and Furure Trend in oil Spill Remote Sensing, Spill Science& Technology Bulletin. 1994; 1(1): 11-21.
  9. Grüner K, Reuter R, Smid, H. A New Sensor System for Airborne Measurements of Maritime Pollution and of Hydrographic Parameters, Geojournal. 1991; 24(1):103-117.
  10. Fingas M F, Brown C E. Review of oil spill remote sensors. Emergencies Science and Technology Division Environment Canada Environmental Technology Centre Ottawa, Ontario, Canada. 2002.
  11. Lee J S, Pottier E. Polarimetric Radar Imaging: From Basics to Applications. CRC Pres, Boca Raton. 2009
  12. Fingas M, Brown C E. Oil spill remote sensing: A review. Oil spill science and technology. Gulf Professional Publishing, Boston; 2011: 111–169.
  13. Hovland H A, Johannessen J A, Digranes, G. Slick detection in SAR images. in Proc. IEEE Symp. Geosci. Remote Sensing (IGARSS), Pasadena; 1994; (CA): 2038–2040.
  14. Solberg A H S, Storvik G, Solberg R, Volden E. Automatic detection of oil spills in ERS SAR images. IEEE Trans. Geosci. Remote Sens; 1999; 37(4): 1916–1924.
  15. Pelizzari S. Oil Spill Detection Using Sar Images. Lisboa: UTL. Instituto Superior Tecnico; 2011.
  16. Brekke C, Solberg A. Oil spill detection by satellite remote sensing. Remote Sens. Environ; 2005; 95(1): 13.
  17. Migliaccio M, Nunziata F, Montuori A, Li X, Pichel W. A multifrequency polarimetric SAR processing chain to observe oil fields in the Gulf of Mexico, IEEE Trans. Geosci. Remote Sens; 2011; 49(12): 4729–4737.
  18. Velotto D, Migliaccio M, Nunziata F, Lehner S. Dual- polarized TerraSAR-X data for oil-spill observation, IEEE Trans. Geosci. Remote Sens; 2011; 49(12): 4751–4762.
  19. Zhang B, Perrie W, Li X, Pichel W G. Mapping sea surface oil slicks using RADARSAT-2 quad- polarization SAR image, Geophys. Res. Lett., 38, L10602, doi: 10.1029/2011GL047013; 201.
  20. Azarakhsh Z. Sea oil spill detection using SAR images, Msc thesis, Shahid Beheshti University; 2014. [In Persian].
  21. Brekke C, Solberg A. Classifiers and confidence estimation for oil spill detection in ENVISAT ASAR images. IEEE Geosci. Remote Sens Lett; 2008; 5(1): 65–69.
  22. Matkan A A, Hajeb M, Azarakhsh Z. Introduction and evaluation of the most important methods for oil spill detection using SAR images. 20th National Conference on Geomatics, 29 April to 1 May 2013, National cartographic center of Iran, Tehran [In Persian].
  23. Topouzelis K. Oil spill detection by SAR images: Dark formation detection, feature extraction and classification algorithms. Sensors; 2008; 8.
  24. Migliaccio M, Nunziata F, Gambardella A. On the copolarised phase difference for oil spill observation. Int. J. Remote Sens; 2009; 30(6): 1587–1602.
  25. Velotto D, Migliaccio M, Nunziata F, Lehner S. Oil-slick observation using single look complex TerraSAR-X dual-polarized data. In Proc. International Geoscience Remote Sensing. Symp; 2010: 3684–3687
  26. Jones C E, Minchew B, Holt B. Polarimetric decomposition analysis of the Deepwater Horizon oil slick Using L-band UAVSAR data. IEEE Trans. Geosci. Remote Sensing; 2011: 2278 – 2281.
  27. Wenguang W, Fei L, Peng W, Jun W. Oil spill detection from polarimetric SAR image, in Proc. International Conference Signal Process; 2010: 832–835.
  28. Matkan A A, Hajeb M, Azarakhsh Z. Oil spill detection from SAR image using SVM based classification. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, SMPR; 2013; XL-1/W3:55-60.
  29. Topouzelis K. Oil spill detection by SAR images: Dark formation detection, feature extraction and classification algorithms. Sensors; 2008; 8.
  30. Migliaccio M, Gambardella A, Giacinto G, Montali A. One-class classification for oil spill detection. Pattern Anal Applic; 2010; 13(3).
فصلنامه علوم محیطی
دوره 12، شماره 1
فروردین 1393

فایل ها

هم رسانی

ارجاع به این مقاله

آمار