НЕЙРОНДЫҚ ЖЕЛІЛІК МОДЕЛЬДЕРДІ ПАЙДАЛАНА ОТЫРЫП, PLANETSCOPE КЕСКІНДЕРІНЕ НЕГІЗДЕЛГЕН ЖЕРЛЕРДІҢ МҰНАЙМЕН ЛАСТАНУЫН СЕМАНТИКАЛЫҚ СЕГМЕНТТЕУ
DOI:
https://doi.org/10.54668/2789-6323-2026-123-3-289-303Кілт сөздер:
мұнаймен ластанған аумақтар, қашықтықтан зондтау, PlanetScope, терең оқыту, семантикалық сегментацияАңдатпа
Жерлердің мұнаймен ластануын бақылау Қазақстан үшін өзекті мәселе болып табылады. Кеңестік кезеңде кейбір кен орындарында мұнай өндіру «амбарлық» әдіспен жүргізілді: бұрғылау қалдықтары, технологиялық сұйықтықтар және ілеспе ағынды сулар өндіру орнының жанында арнайы қазылған амбарларға жинақталды, нәтижесінде рекультивация мен бақылауды қажет ететін мұнаймен ластанған аумақтар едәуір жинақталып қалды. Қашықтан зондтау әдістері терең оқыту алгоритмдерімен бірлесіп қолданғанда ластанған аумақтарды дәлірек сегменттеуге және бақылауға мүмкіндік береді. Бұл жұмыста шағын ауданды мұнай ластануларын сегменттеуге арналған, PlanetScope мультиспектрлік түсірілімдері негізінде қалыптастырылған ROSID-HR деректер жиыны ұсынылады. ROSID-HR жасау кезінде бұрын әзірленген ROSID деректер жиынындағы мұнаймен ластанған учаскелер эталондық белгілеу ретінде пайдаланылды, бұл екі деректер жиыны арасындағы аннотация дәйектілігін қамтамасыз етті. Эксперименттер арқылы мұнаймен ластанған аумақтарды көлеңкелер мен техногендік нысандардан тиімдірек ажырату үшін PlanetScope арналарының оңтайлы конфигурациясы Blue-Red-NIR (2-6-8) айқындалды. Деректер жиынының жұмысқа қабілеттілігін тексеру үшін классикалық DeepLabv3+ және трансформерлік Mask2Former модельдері арқылы семантикалық сегментация жүргізілді. Mask2Former архитектурасы тестілік жиында «мұнай» класы үшін IoU мәнін 69,73%-ке жеткізді, бұл DeepLabv3+ моделінің нәтижесінен (21,63%) үш еседен астам жоғары. Алынған нәтижелер шағын ауданды мұнаймен ластанған учаскелерді анықтауда PlanetScope деректерін Mask2Former архитектурасымен бірлестіре қолданудың тиімділігін растайды.
References
Андерсон Р.К., Мукатанов А.Х., Бойко Т.Ф. Экологические последствия загрязнения почв нефтью // Экология. 1980. № 6. С. 21–25.
Досбергенов С.Н. Экологические проблемы нефтезагрязненных почв в районах добычи нефти Западного Казахстана и пути их решения // Гидрометеорология и экология. 2010. № 3. С. 111–122.
Национальный доклад о состоянии окружающей среды и об использовании природных ресурсов Республики Казахстан за 2022 год [Электронный ресурс]. Астана, 2023. С. 71. URL: https://ecogosfond.kz/wp-content/uploads/2023/12/NDSOS-2022-RUS-gotov1-1.pdf (дата обращения: 29.09.2025).
Lassalle G., Fabre S., Credoz A., Dubucq D., Elger A. Monitoring oil contamination in vegetated areas with optical remote sensing: a comprehensive review // Journal of Hazardous Materials. 2020. Vol. 393. Art. 122427. DOI: 10.1016/j.jhazmat.2020.122427.
Abbas D.U.K., George L.E. The detection of oil spill onshore using the thermal band of Landsat-8 // TELKOMNIKA (Telecommunication Computing Electronics and Control). 2022. Vol. 20. No. 2. P. 383–391. DOI: 10.12928/telkomnika.v20i2.22462.
Ozigis M.S., Kaduk J.D., Jarvis C.H. Mapping terrestrial oil spill impact using machine learning random forest and Landsat-8 OLI imagery // Environmental Science and Pollution Research. 2019. Vol. 26. P. 3621–3635. DOI: 10.1007/s11356-018-3824-y.
Kaplan G., Aydinli H., Pietrelli A., Mieyeville F., Ferrara V. Oil-contaminated soil modeling and remediation monitoring in arid areas using remote sensing // Remote Sensing. 2022. Vol. 14. No. 10. Art. 2500. DOI: 10.3390/rs14102500.
Zhu X.X., Tuia D., Mou L., Xia G.S., Zhang L., Xu F., Fraundorfer F. Deep learning in remote sensing: a comprehensive review and list of resources // IEEE Geoscience and Remote Sensing Magazine. 2017. Vol. 5. P. 8–36. DOI: 10.1109/MGRS.2017.2762307.
Zheng A., Casari A. Feature engineering for machine learning: principles and techniques for data scientists. Sebastopol: O'Reilly Media, 2018. 218 с.
Bengio Y., Courville A., Vincent P. Representation learning: a review and new perspectives // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2013. Vol. 35. No. 8. P. 1798–1828. DOI: 10.1109/TPAMI.2013.50.
Nurseitov D.B., Abdimanap G., Abdallah A., Sagatdinova G., Balakay L., Dedova T., Rametov N., Alimova A. ROSID: Remote sensing satellite data for oil spill detection on land // Engineering Sciences. 2024. Vol. 32. Art. 1348. DOI: 10.30919/es1348.
EOS Data Analytics. NDVI: Нормализованный разностный вегетационный индекс [Электронный ресурс]. URL: https://eos.com/blog/normalized-difference-vegetation-index-or-ndvi/ (дата обращения: 29.09.2025).
Krizhevsky A., Sutskever I., Hinton G.E. ImageNet classification with deep convolutional neural networks // Communications of the ACM. 2017. Vol. 60. No. 6. P. 84–90. DOI: 10.1145/3065386.
Chen L.-C., Zhu Y., Papandreou G., Schroff F., Adam H. Encoder-decoder with atrous separable convolution for semantic image segmentation // Proceedings of the European Conference on Computer Vision (ECCV). 2018. P. 801–818. DOI: 10.1007/978-3-030-01234-2_49.
Cheng B., Misra I., Schwing A.G., Kirillov A., Girdhar R. Masked-attention mask transformer for universal image segmentation // Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). 2022. P. 1290–1299. DOI: 10.1109/CVPR52688.2022.00135.
Rousso R., Katz N., Sharon G., Glizerin Y., Kosman E., Shuster A. Automatic recognition of oil spills using neural networks and classic image processing // Water. 2022. Vol. 14. No. 7. Art. 1127. DOI: 10.3390/w14071127.
Everingham M., Van Gool L., Williams C.K.I., Winn J., Zisserman A. The Pascal visual object classes (VOC) challenge // International Journal of Computer Vision. 2010. Vol. 88. P. 303–338. DOI: 10.1007/s11263-009-0275-4.
Hossin M., Sulaiman M.N. A review on evaluation metrics for data classification evaluations // International Journal of Data Mining & Knowledge Management Process. 2015. Vol. 5. No. 2. P. 1–11. DOI: 10.5121/ijdkp.2015.5201.
Rahman M.A., Wang Y. Optimizing Intersection-over-Union in deep neural networks for image segmentation // Proceedings of the International Symposium on Visual Computing (ISVC). 2016. P. 234–244. DOI: 10.1007/978-3-319-50307-3_11.
Downloads
Жарияланды
How to Cite
Журналдың саны
Бөлім
License
Copyright (c) 2026 Ғалымжан Әбдіманап, Татьяна Дедова, Лариса Балакай, Данияр Нурсеитов, Серик Нуракынов
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
