vestnik Журнал "Вестник Сибирского государственного университета геосистем и технологий (СГУГиТ)" 2411-1759 ФГБОУ ВО "Сибирский государственный университет геосистем и технологий (СГУГиТ)" RU https://vestnik.sgugit.ru 10.33764/2411-1759-2024-29-3-60-71 Дистанционное зондирование земли, фотограмметрия Методика автоматизированного дешифрирования нефтяных загрязнений для территории Ханты-Мансийского автономного округа – Югры Ю. В. Белова Белова Ю. В. В. А. Добрякова Добрякова В. А. Д. В. Козлова Козлова Д. В. В. О. Исаева Исаева В. О. К. В. Гетман Гетман К. В. Тюменский государственный университет, г. Тюмень, Российская Федерация 2024 29 3 60 71 © Ю. В. Белова, В. А. Добрякова, Д. В. Козлова, В. О. Исаева, К. В. Гетман, 2024 2024 Ю. В. Белова, В. А. Добрякова, Д. В. Козлова, В. О. Исаева, К. В. Гетман Эта статья дотупна по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная. 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. нефтяные загрязнения мониторинг нефтезагрязненных земель автоматизированное дешифрирование контролируемая классификация обработка космических снимков oil pollution monitoring of oil-contaminated lands automated interpretation controlled classification satellite image processing 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.