Методика автоматизированного дешифрирования нефтяных загрязнений для территории Ханты-Мансийского автономного округа – Югры
В работе предложена, а затем протестирована методика дешифрирования нефтяных загрязнений для территории ХМАО – Югры автоматизированными методами в программном комплексе ERDAS Imagine 2015. Подбор методики осуществлялся на основе данных спутника Landsat 5 за 2011 г. на территорию Ершового месторождения. Для оценки качества классификации использованы данные о фактических площадях и локализации нефтяных разливов в 2011 г. Предлагаемая методика включает в себя подготовку исходных данных, создание мультиспектрального изображения в комбинации каналов RED-NIR-SWIR, создание обучающей выборки для классов объектов, классификацию мультиспектрального изображения методом Maximum Likelihood, оценку качества классификации. Предложенная схема дешифрирования может применяться для оценки последствий аварий, связанных с утечкой нефти при ее добыче и транспортировке в условиях заболоченной местности Западной Сибири.
Детальная_Инф:
Да
Автор1:
Ю. В. Белова
Афиилиация1:
Тюменский государственный университет, г. Тюмень, Российская Федерация
Автор2:
В. А. Добрякова
Афиилиация2:
Тюменский государственный университет, г. Тюмень, Российская Федерация
Автор3:
Д. В. Козлова
Афиилиация3:
Тюменский государственный университет, г. Тюмень, Российская Федерация
Автор4:
В. О. Исаева
Афиилиация4:
Тюменский государственный университет, г. Тюмень, Российская Федерация
Автор5:
К. В. Гетман
Афиилиация5:
Тюменский государственный университет, г. Тюмень, Российская Федерация
Название статьи:
Методика автоматизированного дешифрирования нефтяных загрязнений для территории Ханты-Мансийского автономного округа – Югры
Рубрика:
Дистанционное зондирование земли, фотограмметрия
Начало_Страница:
60
Конец_Страница:
71
УДК:
528.77:504.054 (571.122)
DOI:
10.33764/2411-1759-2024-29-3-60-71
Год:
2024
Номер:
3
Том:
29
Ключевые слова_RU:
нефтяные загрязнения, мониторинг нефтезагрязненных земель, автоматизированное дешифрирование, контролируемая классификация, обработка космических снимков
Ключевые слова_EN:
oil pollution, monitoring of oil-contaminated lands, automated interpretation, controlled classification, satellite image processing
Библиографический список:
1. Колесников С. И., Жаркова М. Г., Казеев К. Ш., Кутузова И. В., Самохвалова Л. С., Налета Е. В., Зубков Д. А. Оценка экотоксичности тяжелых металлов и нефти по биологическим показателям чернозема // Экология. – 2014.– Т. 45. – № 3. – С. 157–166.
2. Бондур В. Г. Аэрокосмический мониторинг объектов нефтегазового комплекса / под ред. акад. В. Г. Бондура. – М. : Научный мир, 2012. – С. 560.
3. СОВЗОНД: Геоинформационные системы и космический мониторинг [Электронный ресурс]. – Режим доступа: https://sovzond.ru/files/broсhure_OilGas.pdf (дата обращения: 10.06.2023).
4. Гордиенко А. С. Исследование возможности выявления негативного воздействия разливов нефти на окружающую растительность по данным дистанционного зондирования Земли // Вестник СГУГиТ. – 2021. – Т. 26, № 6. – С. 48–55.
5. Kolokoussis P., Karathanass V. Oil Spill Detection and Mapping Using Sentinel 2 Imagery // Journal of Marine Science and Engineering. – 2018. – V. 6 (1) – P. 4.
6. Tysiac P., Strelets T., Tuszynska W. The Application of Satellite Image Analysis in Oil Spill Detection // Applied Sciences. – 2022. – V. 12 (8) – P. 4016.
7. Кулик Е. Н., Байкин Д. А. Разливы нефтепродуктов на водной поверхности: методы анализа данных дистанционного зондирования Земли при их выявлении // Вестник СГУГиТ. – 2022. – Т. 27, № 4. – С. 61–73.
8. Митягина М. И., Лаврова О. Ю., Бочарова Т. Ю. Спутниковый мониторинг нефтяных загрязнений морской поверхности // Современные проблемы дистанционного зондирования Земли из космоса. – 2015. – Т. 12. – № 5. – С. 130–149.
9. Борисов Д. В. Дешифрирование нефтезагрязненных территорий при помощи данных дистанционного зондирования // Решетневские чтения. – 2014. – Т. 1. – С. 261–262.
10. Разакова М. Г. Выявление и картирование нефтяных загрязнений почв по данным дистанционного зондирования // Проблемы информатики. – 2017. – № 4 (37). – С. 4–15.
11. Fingas M., Brown, C. E. A review of oil spill remote sensing // Sensors. – 2018. – V. 18 (1). – P. 91.
12. Гордиенко А. С., Ткач А. В. Исследование состояния окружающей среды в районе нефтеразработок по космическим снимкам // Вестник СГУГиТ. – 2022. – Т. 27, № 6. – С. 55–63.
13. Зулин К. А., Кулик Е. Н. Использование данных дистанционного зондирования SENTINEL-2B для мониторинга последствий разливов нефти // Вестник СГУГиТ. – 2023. – Т. 28, № 2. – С. 60–66.
14. Krestenitis M., Orfanidis G., Ioannidis K., Avgerinakis K., Kompatsiaris I. Oil spill identification from satellite images using deep neural networks // Remote Sensing. – 2019. – V. 11 (15). – P. 1762.
15. Соромотин А. В. Воздействие добычи нефти на таежные экосистемы Западной Сибири : монография. – Тюмень : ТюмГУ, 2010. – С. 320.
16. Дикунец В. А. Атлас Ханты-Мансийского автономного округа – Югры. – Ханты-Мансийск, М. : Роскартография, Мониторинг, 2004. – 152 с.
17. Варфоломеев А. Ф., Кислякова Н. А. Особенности дешифрирования пространственных объектов по космическим снимкам в программе ERDAS Imagine 8.3 // Огарёв-Online. – 2015. – № 4 (45). – С. 7.
18. Владимиров В. А., Дубнов П. Ю. Аварийные и другие несанкционированные разливы нефти // Стратегия гражданской защиты: проблемы и исследования. – 2013. – Т. 3. – № 1 . – С. 365–382.
19. Чандра А. М., Гош С. К. Дистанционное зондирование и географические информационные системы – М. : Техносфера, 2008. – С. 312.
20. Чабан Л. Н. Автоматизированная обработка аэрокосмической информации при картографировании геопространственных данных : учебное пособие. – М. : МИИГАиК, 2013. – С. 104.
21. Чабан Л. Н. Тематическая классификация многозональных (многослойных) изображений в пакете ERDAS Imagine: методические указания для лабораторного практикума. – М. : МИИГАиК, 2006. – С. 44.
22. Князьков А. С., Москвина Н. Н. Методика автоматического дешифрирования нефтезагрязненных земель // Ландшафтоведение: теория, методы, ландшафтно-экологическое обеспечение природопользования и устойчивого развития: материалы XII Международной ландшафтной конференции (Тюмень – Тобольск, 22–25 августа 2017 г.). – Тюмень : ТюмГУ, 2017. – Т. 2. – С. 447– 450.
23. ArcGIS. Processing classified output [Электронный ресурс]. – Режим доступа: https:// desktop.arcgis.com/en/arcmap/latest/extensions/spatial-analyst/image-classification/processingclassified-output.htm (дата обращения: 10.06.2023).
24. Чабан Л. Н. Методы и алгоритмы распознавания образов в автоматизированном дешифрировании данных дистанционного зондирования : учебное пособие. – М. : МИИГАиК, 2016. – С. 94.
Образец цитирования:
Белова Ю. В., Добрякова В. А., Козлова Д. В., Исаева В. О., Гетман К. В. Методика автоматизированного дешифрирования нефтяных загрязнений для территории Ханты-Мансийского автономного округа – Югры // Вестник СГУГиТ. – 2024. – Т. 29, № 3. – С. 60–71. – DOI 10.33764/2411-1759-2024-29-3-60-71
Ссылка:
/upload/vestnik/sborniki/2024/29_3/60-71.pdf