ОБРАБОТКА РАДИОЛОКАЦИОННЫХ ДАННЫХ СПУТНИКА SENTINEL-1 ДЛЯ ИДЕНТИФИКАЦИИ НЕФТЯНЫХ РАЗЛИВОВ В АКВАТОРИИ КАСПИЙСКОГО МОРЯ В СРЕДЕ GEE
DOI:
https://doi.org/10.54668/2789-6323-2024-112-1-100-109Ключевые слова:
нефтеразливы, радиолокационное изображение, Google Earth Engine, мониторингАннотация
Нефтяные загрязнения поверхности воды являются одной из важнейших экологических проблем акватории Каспийского моря. Для постоянного контроля за экологической ситуацией в регионе разрабатываются методики идентификации нефтяных загрязнений на основе данных дистанционного зондирования Земли (ДЗЗ). В последние годы, наблюдается значительный рост спутниковых данных и соответственно появляется возможность для увеличения частоты наблюдений. Применение методов обработки на основе облачных технологий позволяет обрабатывать возросшие объемы данных. Целью данной работы являлась адаптация и модернизация технологии мониторинга нефтяных разливов на примере акватории Каспийского моря с использованием современных вычислительных ресурсов на базе платформы Google Earth Engine (GEE) и радиолокационных спутниковых изображений Sentinel-1. В рамках данного исследования была разработана технология выявления нефтяных разливов, основанная только на архивах данных, доступных в среде GEE.
Библиографические ссылки
Закарин Э.А., Балакай Л.А., Бостанбеков К.А., Дедова Т.В., Ким Д.К., Кобегенова С.С., Миркаримова Б.М., Нурсеитов Д.Б. Моделирование экологических рисков при нефтяном загрязнении акватории Северо-восточного Каспия: монография. - Алматы, 2016. – 256 с.
Лаврова О.Ю., Митягина М.И., Уваров И.А., Лупян Е.А. Текущие возможности и опыт использования информационной системы See the Sea для изучения и мониторинга явлений и процессов на морской поверхности // Современные проблемы дистанционного зондирования Земли из космоса. – 2019. – Т.16. – №3. – С.266-287. DOI: 10.21046/2070-7401-2019-16-3-266-287.
Тайжанова Л. Влияние нефтесодержащих производственных сточных вод на прибрежные воды Каспийского моря // Гидрометеорология и экология. – 2023. – N.1. – P.27–35. DOI:https://doi.org/10.54668/2789-6323-2021-100-1-27-35.
Alpers W., Espedal H.A. Oils and Surfactants. – 2004. – Ch. 11.
Barzegar F., Seyd, S. T., Farzaneh S., Sharifi M. A. Oil spill detection in the Caspian sea with a SAR image using a DENSENET model // ISPRS Ann. Photogramm. Remote Sens. Spatial Inf. Sci. – 2023. – V.X-4/W1-2022. – P.95–100. DOI: https://doi.org/10.5194/isprs-annals-X-4-W1-2022-95-2023.
Del Frate F., Petrocchi A., Lichtenegger J., Calabresi G. Neural networks for oil spill detection using ERS-SAR data // IEEE Trans. Geosci. Remote Sens. – 2000. – V.5. – 2282-2287.
Gorelick N., Hancher M., Dixon M., Ilyushchenko S., Thau D., Moore R. Google Earth engine: planetary-scale geospatial analysis for everyone // Remote Sens. Environ. – 2017. – V. 202. – P.18–27. DOI: https://doi.org/10.1016/J.RSE.2017.06.031.
Hamoun J., Mehran P., Mohammad R., Golriz E.S. An Overview of Oil Pollution in the Caspian Sea // Journal of Environmental Research and Technology. – 2018. – V.3. – N.2. – P.33-39.
Holstein A., Kappas M., Propastin P. et al. Oil spill detection in the Kazakhstan sector of the Caspian Sea with the help of ENVISAT ASAR data // Environ Earth Sci. – 2018. – V.77. – N.198. DOI: https://doi.org/10.1007/s12665-018-7347-0.
Mityagina M. I., Lavrova O. Y., Kostianoy A. G. Main pattern of the Caspian sea surface oil pollution revealed by satellite data // Ecologica Montenegrina. – 2019. – V. 25. – P.91–105. DOI: 10.37828/em.2019.25.9
Murakami H. ATBD of GCOM-C chlorophyll-a concentration algorithm. – 2020. https://suzaku.eorc.jaxa.jp/GCOM_C/data/ATBD/ver2/V2ATBD_O3AB_Chla_Murakami.pdf
Otsu N. A threshold selection method from gray-level histograms. // IEEE Trans Syst Man Cyber. – 1997. – V.SMC-9. – N.1. – P.62–66. DOI:https://doi.org/10.1109/tsmc.1979.4310076.
Saha S., Moorthi S., Pan H., Wu X. et al. The NCEP Climate Forecast System Reanalysis // Bulletin of the American Meteorological Society. – 2010. – V.91. – N.8. – P.1015-1058. DOI: https://doi.org/10.1175/2010BAMS3001.1
Solberg A., Storvik G., Solberg R., Volden E. Automatic Detection of Oil Spills in ERS SAR Images // IEEE Trans. Geosci. Remote Sens. - 1999. - V.37. - P.1916-1924.
Topouzelis K., Karathanassi, V., Pavlakis P., Rokos D. Detection and discrimination between oil spills and look-alike phenomena through neural networks // ISPRS J. Photogramm. Remote Sens. – 2007. – V.62. – P.264-270.
Yi-Jie Yang, Singha S., Mayerle R. A deep learning based oil spill detector using Sentinel-1 SAR imagery // International Journal of Remote Sensing. – 2022. – V.43:11. – P.4287-4314. DOI: 10.1080/01431161.2022.2109445.
