آشکارسازی لکه‌های نفتی با استفاده از تصاویر راداری SAR در سامانه گوگل ارث انجین

کوروش نیا, علی; اشرفی, علی

doi:10.30467/nivar.2023.416943.1262

آشکارسازی لکه‌های نفتی با استفاده از تصاویر راداری SAR در سامانه گوگل ارث انجین

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ سازمان بنادر و دریانوردی

² استادیار گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه بیرجند

10.30467/nivar.2023.416943.1262

چکیده

کاهش اثرات سوء ناشی از آلودگی نفتی همواره به عنوان یک مسئله محیط زیستی مورد توجه قرار گرفته است. در این بین، گام اول در مواجهه با این مشکل، آشکارسازی و شناسایی آلودگی در سریعترین زمان ممکن است تا از انتشار و آثار سوء آن جلوگیری شود. روش‌های سنتی که مبتنی بر بازدید میدانی می‌باشند، به دلیل نیاز به تجهیزات و نیروی انسانی بسیار، پرهزینه هستند و سرعت بالایی ندارند. بنابراین استفاده از روش‌های مبتنی بر فناوری سنجش از دور و تصاویر ماهواره‌ای امروزه توسعه قابل توجهی یافته است. در این پژوهش توانایی تصاویر رادار، سامانه گوگل ارث انجین و محیط GIS در قالب یک چارچوب یکپارچه و به منظور تسریع در فرآیند شناسایی لکه‌های نفتی مورد استفاده قرار گرفت. بر اساس روش این پژوهش، ابتدا منطقه هدف مشخص گردید و داده‌های راداری ماهواره سنتینل1 در محیط گوگل ارث انجین فراخوانی شد. در گام بعدی با اعمال فیلترینگ، آشکارسازی لکه‌های نفتی صورت گرفت. به منظور بررسی صحت نتایج، داده‌های میدانی مورد استفاده قرار گرفت. مقایسه نتایج حاصله با وقایع آلودگی نفتی در منطقه مورد مطالعه، بیانگر کارآیی مناسب چارچوب پیشنهادی برای آشکار سازی لکه‌های نفتی است.

کلیدواژه‌ها

موضوعات

GIS در برنامه ریزی محیطی – اقلیم شناسی

عنوان مقاله [English]

Detecting Oil Slicks Using SAR Radar Images and the Google Earth Engine Platform

نویسندگان [English]

Ali Kourosh Niya ¹
Ali Ashrafi ²

¹ Ports and Maritime Organization(PMO)

² Department of Geography, Faculty of Literature and Humanities, University of Birjand

چکیده [English]

Preventing environmental damage from oil spills has always been considered a big challenge for marine communities. In the meantime, the first step in facing this problem is to reveal and identify the pollution as soon as possible in order to control its spread and adverse effects. Traditional methods that are based on field visits are costly and time-consuming due to the need for equipment and manpower. Therefore, the use of methods based on remote sensing technology and satellite images has been significantly developed recently. In this research, the capabilities of Synthetic Aperture Radar-SAR data, Google Earth Engine, and Geographic Information System environment were used in the form of an integrated framework to accelerate the process of identifying oil slicks. Based on the method of this research, first, the area of interest was determined and the SAR data of the Sentinel 1 satellite was selected in the Google Earth Engine environment. In the next step, oil slicks were revealed through filtering. In order to check the accuracy of the method, the results were compared with records of pollution events in the area of study. Comparing the obtained results with oil pollution events in the study area shows the appropriate efficiency of the proposed framework for detecting oil stains.

کلیدواژه‌ها [English]

Oil Slicks
Remote Sensing
Synthetic Aperture Radar-SAR
Google Earth Engine

مراجع

1. جانعلی‌پور میلاد، عباس‌زاده طهرانی نادیا، شامی فرزانه، کاربرد تصاویر و داده های هوایی و فضایی سنجش از دور در شناسایی و پایش لکه های نفتی، 1397، فصلنامه نقشه و اطلاعات مکانی گیلان 3(4).
2. رایگانی, بهزاد, نجفی یاسوری, محمد, بداق جمالی, جواد, سرخیل, حمید. (1398). شناسایی لکه‌های آلودگی‌های
3. نفتی با استفاده از سری زمانی داده‌های سنجنده مودیس (مطالعه موردی: آب‌های خلیج‌فارس). پژوهش نفت.29(98-5), 97-106
4. متکان, حاجب, محمد, & آذرخش. (2014). بررسی کاربرد سنجش از دور در آشکارسازی آلودگی‌های نفتی دریا. فصلنامه علوم محیطی, 12(1).‎
5. ریاحی بختیاری حمیدرضا، خلیلیان علی اصغر، 1396، استخراج لکه های نفتی در پهنه خلیج فارس با استفاده از تصاویر ماهواره ای، همایش ملی ژئوماتیک، دوره 24.
6. سید حامد علیزاده مقدم، کارگاه آموزشی پایش لکه های نفتی با استفاده از تصاویر (SAR)، 1399، وب سایت سازمان فضایی ایران، شناسایی آلودگی‎ ‎های نفتی با استفاده از تصاویر راداری.
7. دیده بان, خلیل و یوسفی. "ادغام آنالیزهای بافتی و روش شئ‌گرا جهت شناسایی لکه‌های نفتی با استفاده از تصاویر رادار (مطالعه موردی: خلیج فارس)." مطالعات علوم محیط زیست 4.2: 1261-1270.‎
8. طالب پور نادیا, صفرراد طاهر, اکبری نسب محمد, & رسولیان معصومه. بررسی شاخص مناسب آشکارسازی لکه نفتی با استفاده از تصاویر ماهواره Sentinel-2 (مطالعه موردی خلیج فارس 26 بهمن 94).‎
9. نادی زاده شورابه, سامان, عطارچی, مینایی, & فواد. (2020). ارزیابی قابلیت باندهای رادار پولاریمتریک برای استخراج خصوصیات بیوفیزیکی سطح زمین. پژوهش های جغرافیای طبیعی, 52(1), 147-164.‎
10. Wahl, T., Skbelv, 2., Pedersen, J. P., Seljelv, L. -G., Andersen, J. H.,Follum, O. A., et al., 1996, Radar satellites: A new tool for pollution monitoring in coastal waters. Coastal Management, 24, 61–71.
11. Hu, C.; E.F.; Mqller, K.; Taylor, C.J.; Myhre, D.; Murch, B.; Odriozola, A.L.; Godoy, G., 2003. MODIS detects oil spills in Lake Maracaibo, Venezuela. EOS, Transactions, American Geophysical Union, 84(33): 313-319.
12. Zhao, J.; Temimi, M.; Ghedira, H.; Hu, C., 2014. Exploring the potential of optical remote sensing for oil spill detection in
13. shallow coastal waters: A case study in the Persian Gulf. Optics Express, 22(11).
14. SANO, E., MATRICARDI, E., & CAMARGO, F. (2020). State-of-the-art of Radar Remote Sensing: Fundamentals, Sensors, Image Processing, and Applications. Embrapa Cerrados-Artigo em periódico indexado (ALICE).
15. Fingas, Mervin F., and Carl E. Brown. "Review of oil spill remote sensing." Spill Science & Technology Bulletin 4.4 (1997): 199-208.
16. Solberg, A. H. S. (2012). Remote sensing of ocean oil-spill pollution. Proceedings of the IEEE, 100(10), 2931-2945.
17. https://sentinels.copernicus.eu/web/sentinel/user-guides/sentinel-1-sar.
18. \Guo, H.; Wu, D.; An, J. Discrimination of Oil Slicks and Lookalikes in Polarimetric SAR Images using CNN. Sensors 2017, 17, 1837.
19. Fingas, M., & Brown, C. E. (2018). A review of oil spill remote sensing. Sensors, 18(1), 91.
20. Solberg, A. S., Storvik, G., Solberg, R., & Volden, E. (1999). Automatic detection of oil spills in ERS SAR images. IEEE Transactions on geoscience and remote sensing, 37(4), 1916-1924.
21. Kumar, L., & Mutanga, O. (2018). Google Earth Engine applications since inception: Usage, trends, and potential. Remote Sensing, 10(10), 1509.
22. Pellizzari S., 2011, "Oil spill detection using SAR images‏" ‏PhD. Thesis, Electronic Engineering, Instituto Superior Técnico, Universidade T´ecnica de ‎Lisboa‎‏.