عنوان پایان‌نامه
امکان سنجی استفاده از تصاویر ماهواره ای در شناسایی و آشکارسازی نیمه اتوماتیک لکه های نفتی در دریاها و اقیانوس ها مطالعه موردی : دریای خلیج فارس
- رشته تحصیلی
- سنجش از دور وسیستم اطلاعات جغرافیایی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 69469;کتابخانه دانشکده جغرافیا شماره ثبت: 2124
- تاریخ دفاع
- ۰۹ شهریور ۱۳۹۴
- دانشجو
- حسین تیموری
- استاد راهنما
- سیدکاظم علوی پناه
- چکیده
- آلودگی نفتی دریاها عموماً به دلیل تخلیه هیدروکربن‌هایی است که توسط کشتی‌ها در محیط‌های دریایی رها می‌شوند. در سال‌های اخیر نظارت هوایی و دریایی برای مهار فعالیت‌های ترافیک دریایی و آلودگی‌های اقیانوسی در محیط‌های دریایی رایج شده‌اند ولی این روش‌ها به تنهایی نمی‌توانند پایش سریع و منظمی را به دلیل محدودیت‌های شرایط آب و هوا، زمان و مکان فراهم آورند. سنجش از دور ماهواره‌ای می‌تواند نقش حمایتی مهمی را در تشخیص اولیه و نظارت مداوم نشت نفتی در دریا ایفا کند. در دهه‌های اخیر چندین پژوهش به‌وضوح توانایی سنجنده¬های ماهواره‌ای رادار با روزنه مصنوعی (SAR) را در تشخیص نشت نفت نشان داده‌اند. در حال حاضر، تشخیص از طریق سیستم SAR به طور منظم بخشی از سیستم‌های هشدار دهنده کنترلی است که هم اکنون توسط چندین آژانس‌های بین‌المللی مورد استفاده قرار می‌گیرد. با ین وجود پهنای برداشت باریک (100-400 کیلومتری) و قدرت تفکیک زمانی پایین سنجنده¬های SAR و هزینه بالای اخذ تصاویر آن‌ها به‌شدت امکان داشتن یک نظارت روزانه از نواحی اقیانوسی را محدود می‌کند. برای غلبه بر محدودیت‌های سیستم SAR، بر آن شدیم تا متدولوژی جدیدی را توسعه داده و از سنجنده¬های نوری ماهواره‌ای استفاده نماییم زیرا این سنجنده¬ها دارای پهنای برداشت خیلی وسیع (1500-2000 کیلومتر) می‌باشند و قدرت تفکیک زمانی بالایی دارند و از سویی نیز اخذ چنین تصاویری رایگان می‌باشد. برای این منظور از داده‌های تصویری بازتاب بالای جو (TOP) سنجنده مادیس (باندهای500-250 متر) و مریس (باندهای300متر) استفاده کرده و تکنیک تشخیص خودکار جدیدی را توسعه دادیم. روش توسعه یافته برای تشخیص نشت نفت از سه بخش اصلی تشکیل شده است: هموارسازی تصویر، استخراج عوارض و طبقه‌بندی نشت نفت. هموارسازی تصویر از چندین مرحله متعارف تشکیل شده است که هدف آن‌ها تقویت سیگنال طیفی نشت نفت در بالای اتمسفر به جای تشخیص امضای طیفی در سطح دریا، بعد از حذف فاکتورهای اتمسفری می‌باشد و می‌تواند باند انعکاس بهینه‌ای را برای تشخیص هیدروکربن‌ها مشخص کند. روش استخراج عوارض متکی به الگوریتم خوشه‌بندی است که امضاهای طیفی نشت نفت با بازتاب‌های مشابه را در خوشه‌ها یعنی مناطقی با مقدار بازتاب مشترک گروه‌بندی و مرزبندی می‌کند. به منظور شناسایی و حفظ تنها نواحی شامل نشت نفت، برای هر خوشه مجموعه
- Abstract
- Abstract Marine oil pollution mainly coming from discharges of hydrocarbons released by ships into the marine environment. Naval and aerial surveillance is generally adopted in monitoring activities for maritime traffic and ocean pollution, although cannot provide a regular, continuous monitoring due to the limitations in space, time and weather conditions. Satellite remote sensing can play an important complementary and supporting role for continuous monitoring and early detection of oil spill discharges at sea. In the last decades, several research clearly demonstrated the capability of satellite synthetic aperture radar (SAR) sensors in oil spill detection. At present, SAR detection is commonly part of the early warning monitoring systems currently used by several Nations or International agencies. However, the narrow swath (100-400 km) and long revisit time of SAR sensors and the high cost of their images strongly limit the possibility to have a daily monitoring of large areas of the ocean. To overcome SAR limitations we developed a new methodology which makes use of satellite optical sensors, characterized by very large swaths (1500-2000 km), short revisit times and free of charge. We used MODIS (250 and 500 m bands) and MERIS (300 m bands) top of atmosphere reflectance imagery and developed an innovative automated detection technique. The developed oil spill detection method consists of three main parts – image flattening, features extraction and oil spill classification. Image flattening is made of several customized steps that aim to improve the oil spill spectral signal at the top of the atmosphere instead of detecting the spectral signature on sea surface after removal of the atmospheric contribution. Further, this procedure has permitted to define the optimal reflectance band in which to detect the hydrocarbon. The features extraction method relies on a new clustering algorithm which groups and contours oil spill signatures with similar reflectance into clusters, i.e. regions with common mode reflectance values. To identify and retain only oil spill regions, we apply to each cluster region a set of “slick features parameters” and are related to the area, shape and reflectance properties, as reflectance contrast, of hydrocarbons. After pruning, most of obviously non-slick features (e.g. large regions) and look-alikes are eliminated. However, slick patchiness, residual natural variability after flattening, small residual clouds, etc., contribute to the impossibility to automatically eliminate all look-alikes with the above clear-cut pruning criteria. Therefore, an oil spill classification method has been developed. It is based on the assignment of a score to each candidate oil spill remaining after pruning. Scores have been devised from a second set of features parameters, which take into account the spectral difference between each candidate region and surrounding water. The final result is a classification of candidate oil spill regions by means of the assignment of a score as level of confidence. The method has been tested and validated using an independent dataset of 101 oil spills observed in situ and revealed its capability to detect also small slicks coming from illegal discharges. The success of the method was quantified by comparing the automated classified slicks against the certified oil spills. The result of this validation shows that the method was able to detect 78% of the certified oil spill cases. The comparison with respect to SAR detection results indicated the inability of lower spatial resolution optical sensors, such as MODIS and MERIS, to detect spills when the dimension is less than 1 Km2 .
