Картирование разливов нефти по данным ДЗЗ из космоса
Читатели спрашивают нас о возможностях наблюдения разливов нефти по спутниковым данным. Ответим максимально коротко, а за подробностями отошлем читателей к обзору Фингаса и Брауна, которые пишут подобные обзоры, начиная с 1990-х годов, а также к статье коллектива авторов под руководством Айры Лейфера, посвященной аварии на нефтяной платформе Deepwater Horizon (2010 г.). Авария была огромная, так что в распоряжении авторов оказались лучшие на тот момент и самые разнообразные данные ДЗЗ.
📖Fingas M., & Brown C. (2017). A Review of Oil Spill Remote Sensing. Sensors, 18(2), 91. https://doi.org/10.3390/s18010091
📖Leifer I. et al. (2012). State of the art satellite and airborne marine oil spill remote sensing: Application to the BP Deepwater Horizon oil spill. Remote Sensing of Environment, 124, 185–209. https://doi.org/10.1016/j.rse.2012.03.024
На оптических снимках нефть легко перепутать с другими видами загрязнений морской поверхности (1️⃣ A, C, E — ложные срабатывания; B, D, F — разливы нефти). В зависимости от освещения, нефть может выглядеть на снимке как светлой, так и темной 2️⃣. В видимом диапазоне нет специфических спектральных признаков нефти. Поэтому отделить нефть от воды на снимках можно только зная заранее, что на поверхности моря находится именно нефть.
Нефть, разлитая на поверхности моря, делает эту поверхность более гладкой, так что пятна нефти дают более низкие значения отраженного радарного сигнала. На снимке 3️⃣, сделанном со спутника RADARSAT, более темными оттенками серого показаны нефтяные пятна, появившееся на поверхности Мексиканского залива в результате аварии на платформе Deepwater Horizon. В квадрате показан увеличенный вид центра зоны разлива. Яркие точки — это суда, работающие над ликвидацией последствий аварии.
Радарные снимки — хороший инструмент для всепогодного детектирования разливов нефти, но у них есть свои ограничения. Радарные данные дают много ложных срабатываний. Например, гладкая поверхность моря в штиль может дать такое же низкое отражение радарного сигнала, как и пятно нефтяного разлива. При значительном волнении нефтяное загрязнение становится трудно обнаружить по радарным данным, то есть они хорошо работают в определенном диапазоне состояний морской поверхности. Нефть не только делает поверхность моря более гладкой, но и изменяет ее диэлектрические характеристики. При определенных условиях это может привести не к ослаблению, а к усилению отражения радарного сигнала.
Специфические спектральные особенности нефти не попадают в спектральные каналы современных мультиспектральных сенсоров. Поэтому нужны гиперспектральные данные с узкими спектральными каналами (5–10 нм), покрывающие диапазон ближнего и среднего инфракрасного света.
Картируют разливы нефти и по данным тепловых инфракрасных сенсоров, опираясь на различия в температуре чистой морской поверхности и поверхности, покрытой пленкой нефти.
Для определения толщины нефтяной пленки существуют только оценочные методики. Они позволяют определить, куда в первую очередь направить силы и средства для ликвидации последствий аварии, но обладают весьма ограниченной точностью.
Исходя из площади разлива нефти и толщины пленки, объем вытекшей нефти можно вычислить очень приблизительно. Дело в том, что нефть присутствует на поверхности моря в виде водо-нефтяной эмульсии. Для определения объема нефти нужно знать состав этой эмульсии, который к тому же изменяется со временем 4️⃣.
#нефть #обзор
Читатели спрашивают нас о возможностях наблюдения разливов нефти по спутниковым данным. Ответим максимально коротко, а за подробностями отошлем читателей к обзору Фингаса и Брауна, которые пишут подобные обзоры, начиная с 1990-х годов, а также к статье коллектива авторов под руководством Айры Лейфера, посвященной аварии на нефтяной платформе Deepwater Horizon (2010 г.). Авария была огромная, так что в распоряжении авторов оказались лучшие на тот момент и самые разнообразные данные ДЗЗ.
📖Fingas M., & Brown C. (2017). A Review of Oil Spill Remote Sensing. Sensors, 18(2), 91. https://doi.org/10.3390/s18010091
📖Leifer I. et al. (2012). State of the art satellite and airborne marine oil spill remote sensing: Application to the BP Deepwater Horizon oil spill. Remote Sensing of Environment, 124, 185–209. https://doi.org/10.1016/j.rse.2012.03.024
На оптических снимках нефть легко перепутать с другими видами загрязнений морской поверхности (1️⃣ A, C, E — ложные срабатывания; B, D, F — разливы нефти). В зависимости от освещения, нефть может выглядеть на снимке как светлой, так и темной 2️⃣. В видимом диапазоне нет специфических спектральных признаков нефти. Поэтому отделить нефть от воды на снимках можно только зная заранее, что на поверхности моря находится именно нефть.
Нефть, разлитая на поверхности моря, делает эту поверхность более гладкой, так что пятна нефти дают более низкие значения отраженного радарного сигнала. На снимке 3️⃣, сделанном со спутника RADARSAT, более темными оттенками серого показаны нефтяные пятна, появившееся на поверхности Мексиканского залива в результате аварии на платформе Deepwater Horizon. В квадрате показан увеличенный вид центра зоны разлива. Яркие точки — это суда, работающие над ликвидацией последствий аварии.
Радарные снимки — хороший инструмент для всепогодного детектирования разливов нефти, но у них есть свои ограничения. Радарные данные дают много ложных срабатываний. Например, гладкая поверхность моря в штиль может дать такое же низкое отражение радарного сигнала, как и пятно нефтяного разлива. При значительном волнении нефтяное загрязнение становится трудно обнаружить по радарным данным, то есть они хорошо работают в определенном диапазоне состояний морской поверхности. Нефть не только делает поверхность моря более гладкой, но и изменяет ее диэлектрические характеристики. При определенных условиях это может привести не к ослаблению, а к усилению отражения радарного сигнала.
Специфические спектральные особенности нефти не попадают в спектральные каналы современных мультиспектральных сенсоров. Поэтому нужны гиперспектральные данные с узкими спектральными каналами (5–10 нм), покрывающие диапазон ближнего и среднего инфракрасного света.
Картируют разливы нефти и по данным тепловых инфракрасных сенсоров, опираясь на различия в температуре чистой морской поверхности и поверхности, покрытой пленкой нефти.
Для определения толщины нефтяной пленки существуют только оценочные методики. Они позволяют определить, куда в первую очередь направить силы и средства для ликвидации последствий аварии, но обладают весьма ограниченной точностью.
Исходя из площади разлива нефти и толщины пленки, объем вытекшей нефти можно вычислить очень приблизительно. Дело в том, что нефть присутствует на поверхности моря в виде водо-нефтяной эмульсии. Для определения объема нефти нужно знать состав этой эмульсии, который к тому же изменяется со временем 4️⃣.
#нефть #обзор
⭐️ СТРАНЫ / КОМПАНИИ / СПУТНИКИ
Страны: #австралия #германия #индия #иран #испания #канада #китай #португалия #россия #США #япония и т. п.
Но:
#корея обозначает Северную и Южную Кореи
#РБ — Республика Беларусь
#UK — Великобритания
Компании: #planet #maxar
Спутники: #landsat #sentinel1 #sentinel2
⭐️ ДЗЗ
Методы и приборы
#альтиметр
#гиперспектр — гиперспектральная оптическая съемка
#лидар
#оптика — мультиспектральная оптическая съемка
#радиометр — микроволновой радиометр
#dnb — ночная съёмка (day / night band)
#SIF — солнечно-индуцированная флуоресценция хлорофилла
#ro — радиозатменный метод
#SAR — радарная съемка
#InSAR — радарная интерферометрия
#LST — съемка в тепловом инфракрасном диапазоне
#GNSSR — ГНСС-рефлектометрия
#sigint — радиоэлектронная разведка
Виды орбит: #ГСО — геостационарная, #VLEO — сверхнизкая
#основы — обучающие материалы по ДЗЗ
#обучение курсы, обучающие сервисы и т. п.
#история — в основном, история ДЗЗ
#индексы — спектральные индексы
#комбинация — комбинации каналов
Данные
#данные — коллекции данных ДЗЗ, наземных данных, карты и т.п.
#датасет — набор данных для машинного обучения
Дополнительные хештеги, описывающие данные:
#LULC — Land Use & Land Cover
#осадки
#SST — Sea Surface Temperature
#nrt — (near real time) изображения, получаемые в режиме, близком к реальном времени
#debris — космический мусор
#границы — административные границы
#DEM — цифровая модель рельефа (ЦМР)
#keyhole — рассекреченные снимки разведспутников
Литература, справочная информация
#справка — спектральные каналы, орбиты спутников, поиск данных и т.п.
#обзор
#книга — текст книги прикреплён к сообщению.
Дополнительные хештеги:
#наблюдение — ресурсы для наблюдения спутников и орбиты спутников
#космодромы
#конференции — анонс конференций/семинаров/школ, посвященных ДЗЗ и анализ их материалов.
#конкурсы — анонс конкурсов/чемпионатов/олимпиад.
#МВК — материалы заседаний Межведомственной комиссии (МВК) по использованию результатов космической деятельности.
#снимки — поучительные (хоть в чем-то интересные) снимки, первые снимки
Программные инструменты / Языки
#нейронки #софт #GEE #R #tool #python
#ИИ #FM — Foundation Model (Remote Sensing Foundation Model)
⭐️ ОТРАСЛИ / ТЕМАТИЧЕСКИЕ ЗАДАЧИ
#археология #атмосфера #вода #война #засуха #климат #лед #лес #нефть #океан #оползни #наводнение #пожары #почва #растительность #севморпуть #сельхоз #снег
#AGB — надземная биомасса
#ЧС — мониторинг стихийных бедствий и катастроф
#GHG — парниковые газы
Отдельные газы: #CO2 #NO2
#энергетика — космическая энергетика
#SSA — Space Situational Awareness
Страны: #австралия #германия #индия #иран #испания #канада #китай #португалия #россия #США #япония и т. п.
Но:
#корея обозначает Северную и Южную Кореи
#РБ — Республика Беларусь
#UK — Великобритания
Компании: #planet #maxar
Спутники: #landsat #sentinel1 #sentinel2
⭐️ ДЗЗ
Методы и приборы
#альтиметр
#гиперспектр — гиперспектральная оптическая съемка
#лидар
#оптика — мультиспектральная оптическая съемка
#радиометр — микроволновой радиометр
#dnb — ночная съёмка (day / night band)
#SIF — солнечно-индуцированная флуоресценция хлорофилла
#ro — радиозатменный метод
#SAR — радарная съемка
#InSAR — радарная интерферометрия
#LST — съемка в тепловом инфракрасном диапазоне
#GNSSR — ГНСС-рефлектометрия
#sigint — радиоэлектронная разведка
Виды орбит: #ГСО — геостационарная, #VLEO — сверхнизкая
#основы — обучающие материалы по ДЗЗ
#обучение курсы, обучающие сервисы и т. п.
#история — в основном, история ДЗЗ
#индексы — спектральные индексы
#комбинация — комбинации каналов
Данные
#данные — коллекции данных ДЗЗ, наземных данных, карты и т.п.
#датасет — набор данных для машинного обучения
Дополнительные хештеги, описывающие данные:
#LULC — Land Use & Land Cover
#осадки
#SST — Sea Surface Temperature
#nrt — (near real time) изображения, получаемые в режиме, близком к реальном времени
#debris — космический мусор
#границы — административные границы
#DEM — цифровая модель рельефа (ЦМР)
#keyhole — рассекреченные снимки разведспутников
Литература, справочная информация
#справка — спектральные каналы, орбиты спутников, поиск данных и т.п.
#обзор
#книга — текст книги прикреплён к сообщению.
Дополнительные хештеги:
#наблюдение — ресурсы для наблюдения спутников и орбиты спутников
#космодромы
#конференции — анонс конференций/семинаров/школ, посвященных ДЗЗ и анализ их материалов.
#конкурсы — анонс конкурсов/чемпионатов/олимпиад.
#МВК — материалы заседаний Межведомственной комиссии (МВК) по использованию результатов космической деятельности.
#снимки — поучительные (хоть в чем-то интересные) снимки, первые снимки
Программные инструменты / Языки
#нейронки #софт #GEE #R #tool #python
#ИИ #FM — Foundation Model (Remote Sensing Foundation Model)
⭐️ ОТРАСЛИ / ТЕМАТИЧЕСКИЕ ЗАДАЧИ
#археология #атмосфера #вода #война #засуха #климат #лед #лес #нефть #океан #оползни #наводнение #пожары #почва #растительность #севморпуть #сельхоз #снег
#AGB — надземная биомасса
#ЧС — мониторинг стихийных бедствий и катастроф
#GHG — парниковые газы
Отдельные газы: #CO2 #NO2
#энергетика — космическая энергетика
#SSA — Space Situational Awareness
Методы определения толщины плёнок нефти на морской поверхности
Небольшая подборка ссылок по теме. Начнём с базового обзора.
📖 Мольков А.А., Капустин И.А., Ермошкин А.В., Ермаков С.А. Дистанционные методы определения толщины плёнок нефти и нефтепродуктов на морской поверхности // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 3. С. 9–27. DOI: 10.21046/2070-7401-2020-17-3-9-27. URL: http://d33.infospace.ru/d33_conf/sb2020t3/9-27.pdf
Для количественной оценки возможного ущерба от нефтяного разлива и определения мер по предотвращению катастрофы необходимо располагать информацией об объёме загрязнения, который обычно вычисляется из оценки площади и толщины поверхностной плёнки. Современные инструменты дистанционного зондирования водной поверхности, а точнее их комплекс, позволяют оперативно обнаруживать поверхностные загрязнители, вести их мониторинг и получать информацию о площади покрытия. При этом оценивать толщину плёнок на морской поверхности с необходимой точностью на сегодняшний день не представляется возможным. В обзоре рассмотрены возможности современных инструментов дистанционной диагностики толщины плёнок с указанием ограничений их применимости. Обзор включает пассивные и активные методы оптического и радиодиапазонов, акустические методы, а также их комбинации.
Методика оценки объёма загрязнения для случая оптически “толстой” плёнки:
📖 Станичный С.В., Медведева А.В. Квазипостоянные источники плёночных загрязнений морской поверхности в Мраморном море // Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. № 6. С. 303–310. DOI: 10.21046/2070-7401-2023-20-6-303-310. http://jr.rse.cosmos.ru/article.aspx?id=2770
Учитывая разность диэлектрической проницаемости нефти и воды, первый максимум коэффициента отражения наблюдается при толщине плёнки, соответствующей приблизительно 1/6 длины волны электромагнитного спектра (Лебедев, 2015)*. Таким образом, на разных длинах волн увеличение коэффициента отражения будет наблюдаться при различных значениях толщины плёнки. Этот эффект даёт возможность при многоспектральном подходе провести оценку объёма плёночного загрязнения. Оценка толщины плёнки произведена по данным MSI Sentinel-2.
*Лебедев Н.Е. Определение толщины нефтяной пленки на морской поверхности по контрасту яркости в ближнем ИК-диапазоне // Процессы в геосредах. 2015. № 1. С. 48–53.
Еще один обзор, посвящённый определению различных параметров нефтепроявлений: формы и размеров, растекания и дрейфа на поверхности моря, определения места всплытия, времени жизни на морской поверхности, частоты выбросов и периодичности работы подводных источников, а также толщины плёнок и оценки объёмов выбросов.
📖 Матросова Е.Р., Ходаева В.Н., Иванов А.Ю. Определение характеристик естественных нефтепроявлений и их подводных источников по данным дистанционного зондирования // Исследование Земли из Космоса, 2022, № 2, C. 3–27. https://doi.org/10.31857/S0205961422020063
Рассматриваются и систематизируются основные значимые параметры естественных нефтепроявлений и возможности их определения по данным космической радарной и оптической съёмки. Показано, что анализ временных рядов оптических и радарных изображений позволяет определить основные/характерные параметры естественных нефтепроявлений, с помощью которых становится возможным узнать местоположение их подводных источников, интенсивность и объёмы выбросов, геолого-геофизическое состояние и, в некоторой степени, перспективы нефтегазоносности региона. Обсуждаются возможности, ограничения и перспективы использования данных дистанционного зондирования для рассматриваемых задач.
Для оценки толщины плёнок применяют (весьма приблизительные) методики BAOAC и ASTM, позволяющие по визуальному цвету нефтяной пленки определить её толщину.
#нефть
Небольшая подборка ссылок по теме. Начнём с базового обзора.
📖 Мольков А.А., Капустин И.А., Ермошкин А.В., Ермаков С.А. Дистанционные методы определения толщины плёнок нефти и нефтепродуктов на морской поверхности // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 3. С. 9–27. DOI: 10.21046/2070-7401-2020-17-3-9-27. URL: http://d33.infospace.ru/d33_conf/sb2020t3/9-27.pdf
Для количественной оценки возможного ущерба от нефтяного разлива и определения мер по предотвращению катастрофы необходимо располагать информацией об объёме загрязнения, который обычно вычисляется из оценки площади и толщины поверхностной плёнки. Современные инструменты дистанционного зондирования водной поверхности, а точнее их комплекс, позволяют оперативно обнаруживать поверхностные загрязнители, вести их мониторинг и получать информацию о площади покрытия. При этом оценивать толщину плёнок на морской поверхности с необходимой точностью на сегодняшний день не представляется возможным. В обзоре рассмотрены возможности современных инструментов дистанционной диагностики толщины плёнок с указанием ограничений их применимости. Обзор включает пассивные и активные методы оптического и радиодиапазонов, акустические методы, а также их комбинации.
Методика оценки объёма загрязнения для случая оптически “толстой” плёнки:
📖 Станичный С.В., Медведева А.В. Квазипостоянные источники плёночных загрязнений морской поверхности в Мраморном море // Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. № 6. С. 303–310. DOI: 10.21046/2070-7401-2023-20-6-303-310. http://jr.rse.cosmos.ru/article.aspx?id=2770
Учитывая разность диэлектрической проницаемости нефти и воды, первый максимум коэффициента отражения наблюдается при толщине плёнки, соответствующей приблизительно 1/6 длины волны электромагнитного спектра (Лебедев, 2015)*. Таким образом, на разных длинах волн увеличение коэффициента отражения будет наблюдаться при различных значениях толщины плёнки. Этот эффект даёт возможность при многоспектральном подходе провести оценку объёма плёночного загрязнения. Оценка толщины плёнки произведена по данным MSI Sentinel-2.
*Лебедев Н.Е. Определение толщины нефтяной пленки на морской поверхности по контрасту яркости в ближнем ИК-диапазоне // Процессы в геосредах. 2015. № 1. С. 48–53.
Еще один обзор, посвящённый определению различных параметров нефтепроявлений: формы и размеров, растекания и дрейфа на поверхности моря, определения места всплытия, времени жизни на морской поверхности, частоты выбросов и периодичности работы подводных источников, а также толщины плёнок и оценки объёмов выбросов.
📖 Матросова Е.Р., Ходаева В.Н., Иванов А.Ю. Определение характеристик естественных нефтепроявлений и их подводных источников по данным дистанционного зондирования // Исследование Земли из Космоса, 2022, № 2, C. 3–27. https://doi.org/10.31857/S0205961422020063
Рассматриваются и систематизируются основные значимые параметры естественных нефтепроявлений и возможности их определения по данным космической радарной и оптической съёмки. Показано, что анализ временных рядов оптических и радарных изображений позволяет определить основные/характерные параметры естественных нефтепроявлений, с помощью которых становится возможным узнать местоположение их подводных источников, интенсивность и объёмы выбросов, геолого-геофизическое состояние и, в некоторой степени, перспективы нефтегазоносности региона. Обсуждаются возможности, ограничения и перспективы использования данных дистанционного зондирования для рассматриваемых задач.
Для оценки толщины плёнок применяют (весьма приблизительные) методики BAOAC и ASTM, позволяющие по визуальному цвету нефтяной пленки определить её толщину.
#нефть
Немного в сторону от заявленной темы: оценка влияния температуры на возможности определения площади нефтяного загрязнения по данным радара X-диапазона:
📖 Сергиевская И.А., Лазарева Т.Н. Влияние температуры окружающей среды на вязкоупругие свойства нефтяных плёнок в приложении к проблеме дистанционного зондирования // Cовременные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 2. С. 176–183. DOI: 10.21046/2070-7401-2020-17-2-176-183. URL: http://jr.rse.cosmos.ru/article.aspx?id=2151
Данные лабораторных измерений показали, что коэффициент затухания сантиметровых волн увеличивается с уменьшением температуры окружающей среды для сырой нефти и нефтепродуктов во всём диапазоне толщины плёнок. Восстановленная упругость плёнок практически не зависит от частоты волны и возрастает с уменьшением температуры.
С использованием физической модели ветровых волн сделана оценка влияния температуры на спектральный контраст волн, т.е. на отношение спектральной интенсивности на чистой поверхности и поверхности, покрытой плёнками нефтепродуктов. Показано, что радиолокационный контраст в брэгговском приближении в сликах нефти при температуре порядка 25 ºC может быть в несколько раз меньше контраста при температуре 1–4 ºС. Эффект значителен для длины волны сантиметрового диапазона.
#нефть
📖 Сергиевская И.А., Лазарева Т.Н. Влияние температуры окружающей среды на вязкоупругие свойства нефтяных плёнок в приложении к проблеме дистанционного зондирования // Cовременные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 2. С. 176–183. DOI: 10.21046/2070-7401-2020-17-2-176-183. URL: http://jr.rse.cosmos.ru/article.aspx?id=2151
Данные лабораторных измерений показали, что коэффициент затухания сантиметровых волн увеличивается с уменьшением температуры окружающей среды для сырой нефти и нефтепродуктов во всём диапазоне толщины плёнок. Восстановленная упругость плёнок практически не зависит от частоты волны и возрастает с уменьшением температуры.
С использованием физической модели ветровых волн сделана оценка влияния температуры на спектральный контраст волн, т.е. на отношение спектральной интенсивности на чистой поверхности и поверхности, покрытой плёнками нефтепродуктов. Показано, что радиолокационный контраст в брэгговском приближении в сликах нефти при температуре порядка 25 ºC может быть в несколько раз меньше контраста при температуре 1–4 ºС. Эффект значителен для длины волны сантиметрового диапазона.
#нефть