Морской гидрофизический журнал. 2021; 37: 610-622
Количественный подход к исследованию пленочных загрязнений морской поверхности по космическим изображениям
https://doi.org/10.22449/0233-7584-2021-5-610-622Аннотация
Цель. С использованием космического мониторинга морей и океанов выполняется большое количество исследований пленочных загрязнений различного типа (нефтепроявления, поверхностно-активные вещества и др.). При этом остается нерешенной задача формальной классификации участков исследуемых акваторий по частоте и интенсивности таких загрязнений. Условия и периодичность проведения космических съемок могут существенно различаться в зависимости от региона мониторинга, что обусловливает пространственную изменчивость вероятности обнаружения пленочных загрязнений и необходимость учета этой особенности. Целью настоящей работы является развитие количественного подхода к исследованию пленочных загрязнений морской поверхности на основании обработки больших объемов космических многоспектральных и радиолокационных изображений.
Методы и результаты. Введено понятие и предложена методика расчета количественной величины «показатель подверженности морской поверхности пленочным загрязнениям» dпзМОН на регулярной пространственной сетке. Величина dпзМОН определяется как отношение площади пленочных загрязнений, наблюдавшихся на участке, к площади проанализированных элементов разрешения (на которых обнаружение пленочных загрязнений было теоретически возможным). Посредством учета вариаций метеорологических условий и пространственного распределения количества наблюдений предлагаемый подход развивает известные способы анализа результатов длительного космического мониторинга загрязнений морских акваторий. С использованием этого подхода изучено пространственное распределение небиогенных пленочных загрязнений в акватории северной части Черного моря, обнаруженных по результатам дешифрирования 4428 космических изображений, полученных со спутников Landsat-8, Sentinel-2A/B, Sentinel-1A/B в 2019 г. (обработано 2499 загрязнений). Среднее значение показателя dпзМОН составило 0,012 %. Выделено три района, в которых зарегистрированы превышения dпзМОН более чем в 30 раз по сравнению со средним значением.
Выводы. На примере участка северной части Черного моря продемонстрирована возможность получения репрезентативных информационных продуктов спутниковой океанографии, количественно характеризующих пространственную изменчивость пленочных загрязнений морской поверхности, зарегистрированных в течение длительных эпизодов космического мониторинга.
Список литературы
1. Иванов А. Ю. Слики и пленочные образования на космических радиолокационных изображениях // Исследование Земли из космоса. 2007. № 3. С. 73–96.
2. Лаврова О. Ю., Митягина М. И. Спутниковый мониторинг пленочных загрязнений поверхности Черного моря // Исследование Земли из космоса. 2012. № 3. С. 48–65.
3. Fingas M., Brown C. Oil spill remote sensing // Earth System Monitoring / J. Orcutt (ed.). New York, NY : Springer, 2013. P. 337–388. https://doi.org/10.1007/978-1-4614-5684-1_15
4. Пространственно-временное распределение пленочных загрязнений в Черном и Каспийском морях по данным космической радиолокации: сравнительный анализ / А. Ю. Иванов [и др.] // Исследование Земли из космоса. 2017. № 2. C. 13–25. https://doi.org/10.7868/S0205961417020038
5. Skrunes S., Johansson A. M., Brekke C. Synthetic aperture radar remote sensing of operational platform produced water releases // Remote Sensing. 2019. Vol. 11, iss. 23. 2882. https://doi.org/10.3390/rs11232882
6. Mineral oil slicks identification using dual co-polarized Radarsat-2 and TerraSAR-X SAR imagery / D. Ivonin [et al.] // Remote Sensing. 2020. Vol. 12, iss. 7. 1061. https://doi.org/10.3390/rs12071061
7. Бондур В. Г. Аэрокосмические методы и технологии мониторинга нефтегазоносных территорий и объектов нефтегазового комплекса // Исследование Земли из космоса. 2010. № 6. С. 3–17.
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. Ivanov A. Yu., Zatyagalova V. V. A GIS approach to mapping oil spills in a marine environment // International journal of remote sensing. 2008. Vol. 29, № 21. P. 6297–6313. https://doi.org/10.1080/01431160802175587
10. Булычева Е. В., Костяной А. Г., Крек А. В. Межгодовая изменчивость нефтяного загрязнения морской поверхности Юго-Восточной Балтики в 2004–2015 гг. // Современные проблемы дистанционного зондирования Земли из космоса. 2016. Т. 13, № 4. C. 74–84. doi:10.21046/2070-7401-2016-13-19-74-84
11. Иванов А. Ю., Матросова Е. Р. Техногенная грифонная активность в северо-западной части Черного моря по данным съемок из космоса // Экология и промышленность России. 2019. Т. 23, № 8. С. 57–63. https://doi.org/10.18412/1816-0395-2019-8-57-63
12. Mityagina M., Lavrova O. Satellite survey of inner seas: oil pollution in the Black and Caspian Seas // Remote Sensing. 2016. Vol. 8, iss. 10. 875. https://doi.org/10.3390/rs8100875
13. Carpenter A. Oil pollution in the North Sea: the impact of governance measures on oil pollution over several decades // Hydrobiologia. 2019. Vol. 845, № 1. P. 109–127. https://doi.org/10.1007/s10750-018-3559-2
14. Long term monitoring of oil spills in European seas / G. Ferraro [et al.] // International Journal of Remote Sensing. 2009. Vol. 30, iss. 3. pp. 627–645. https://doi.org/10.1080/01431160802339464
15. Лаврова О. Ю., Митягина М. И., Костяной А. Г. Спутниковые методы выявления и мониторинга зон экологического риска морских акваторий. М. : ИКИ РАН, 2016. 334 с. URL: http://www.iki.rssi.ru/books/2016lavrova.pdf (дата обращения: 10.03.2021).
16. Наземно-космический мониторинг антропогенных воздействий на прибрежную зону Крымского полуострова / В. Г. Бондур [и др.] // Морской гидрофизический журнал. 2020. Т. 36, № 1. С. 103–115. https://doi.org/10.22449/0233-7584-2020-1-103-115
17. Круглякова Р. П., Круглякова М. В., Шевцова Н. Т. Геолого-геохимическая характеристика естественных проявлений углеводорода в Черном море // Геология и полезные ископаемые Мирового океана. 2009. № 1. С. 37–51. URL: https://cyberleninka.ru/article/n/geologo-geohimicheskaya-harakteristika-estestvennyh-proyavleniy-uglevodorodov-v-chernommore/viewer (дата обращения: 10.03.2021)
18. Регистрация из космоса особенностей глубинных стоков в прибрежные акватории при авариях сбросового коллектора / В. Г. Бондур [и др.] // Исследование Земли из космоса. 2020. № 2. С. 3–14. https://doi.org/10.31857/S0205961420020025
19. Региональная геология и перспективы нефтегазоносности Черноморской глубоководной впадины и прилегающих шельфовых зон : [в 2 частях]. Часть 1 / И. Ф. Глумов [и др.]. ; под редакцией Б. В. Сенина. М. : Недра, 2014. 279 c.
20. Немировская И. А., Онегина В. Д., Коновалов Б. В. Углеводороды во взвеси и осадках различных районов российского сектора Черного моря // Морской гидрофизический журнал. 2017. № 4. С. 48–60. https://doi.org/10.22449/0233-7584-2017-4-48-60
21. Oil spill identification from satellite images using deep neural networks / M. Krestenitis [et al.] // Remote Sensing. 2019. Vol. 11, iss. 15. 1762. https://doi.org/10.3390/rs11151762
Morskoy Gidrofizicheskiy Zhurnal. 2021; 37: 610-622
Quantitative Approach to Studying Film Pollution of the Sea Surface Using Satellite Imagery
https://doi.org/10.22449/0233-7584-2021-5-610-622Abstract
Purpose. Numerous studies of various film pollutions (oil spills, surfactants etc.) are performed by means of satellite monitoring of seas and oceans. However, the problem of formal ranking the water areas of the regions under study by frequency and intensity of pollution is still unsolved. The conditions and periodicity of satellite survey can differ greatly depending on the monitoring region that determines both spatial variability of the probability of film pollution detection and the need to take this feature into consideration. Here we attempt to develop a quantitative approach to studying the sea surface film pollutions based on processing of large volumes of satellite optical and radar imagery.
Methods and Results. The concept “index of sea surface exposure to film pollutions”, dfpMON, and the method for calculating its quantitative value on a regular spatial grid are proposed. The value of dfpMON is defined as a ratio of the pollution area observed at the site to the area of the analyzed resolution elements (where detection of film pollution is theoretically possible). Within the framework of this approach, the already existing methods for analyzing the results of long-term satellite seawater pollution monitoring were improved due to taking into account the meteorological conditions and the spatial distribution of the observation amount. Having been applied, the proposed approach permitted to study spatial distribution of the non-biogenic film pollutions in the northern part of the Black Sea; they were detected resulting from interpretation of 4428 satellite images obtained in 2019 by the Landsat-8, Sentinel-2A/B and Sentinel-1A/B satellites (2499 cases of pollution processed). The average value of the dfpMON index was 0.012 %. Three regions, where the dfpMON values exceeded the average one by more than 30 times were identified.
Conclusions. The example of a site in the northern Black Sea has shown the possibility of obtaining representative information products of satellite oceanography, which quantitatively characterize spatial variability of the sea surface film pollution recorded during the long-term episodes of space monitoring.
References
1. Ivanov A. Yu. Sliki i plenochnye obrazovaniya na kosmicheskikh radiolokatsionnykh izobrazheniyakh // Issledovanie Zemli iz kosmosa. 2007. № 3. S. 73–96.
2. Lavrova O. Yu., Mityagina M. I. Sputnikovyi monitoring plenochnykh zagryaznenii poverkhnosti Chernogo morya // Issledovanie Zemli iz kosmosa. 2012. № 3. S. 48–65.
3. Fingas M., Brown C. Oil spill remote sensing // Earth System Monitoring / J. Orcutt (ed.). New York, NY : Springer, 2013. P. 337–388. https://doi.org/10.1007/978-1-4614-5684-1_15
4. Prostranstvenno-vremennoe raspredelenie plenochnykh zagryaznenii v Chernom i Kaspiiskom moryakh po dannym kosmicheskoi radiolokatsii: sravnitel'nyi analiz / A. Yu. Ivanov [i dr.] // Issledovanie Zemli iz kosmosa. 2017. № 2. C. 13–25. https://doi.org/10.7868/S0205961417020038
5. Skrunes S., Johansson A. M., Brekke C. Synthetic aperture radar remote sensing of operational platform produced water releases // Remote Sensing. 2019. Vol. 11, iss. 23. 2882. https://doi.org/10.3390/rs11232882
6. Mineral oil slicks identification using dual co-polarized Radarsat-2 and TerraSAR-X SAR imagery / D. Ivonin [et al.] // Remote Sensing. 2020. Vol. 12, iss. 7. 1061. https://doi.org/10.3390/rs12071061
7. Bondur V. G. Aerokosmicheskie metody i tekhnologii monitoringa neftegazonosnykh territorii i ob\"ektov neftegazovogo kompleksa // Issledovanie Zemli iz kosmosa. 2010. № 6. S. 3–17.
8. Mityagina M. I., Lavrova O. Yu., Bocharova T. Yu. Sputnikovyi monitoring neftyanykh zagryaznenii morskoi poverkhnosti // Sovremennye problemy distantsionnogo zondirovaniya Zemli iz kosmosa. 2015. T. 12, № 5. S. 130–149.
9. Ivanov A. Yu., Zatyagalova V. V. A GIS approach to mapping oil spills in a marine environment // International journal of remote sensing. 2008. Vol. 29, № 21. P. 6297–6313. https://doi.org/10.1080/01431160802175587
10. Bulycheva E. V., Kostyanoi A. G., Krek A. V. Mezhgodovaya izmenchivost' neftyanogo zagryazneniya morskoi poverkhnosti Yugo-Vostochnoi Baltiki v 2004–2015 gg. // Sovremennye problemy distantsionnogo zondirovaniya Zemli iz kosmosa. 2016. T. 13, № 4. C. 74–84. doi:10.21046/2070-7401-2016-13-19-74-84
11. Ivanov A. Yu., Matrosova E. R. Tekhnogennaya grifonnaya aktivnost' v severo-zapadnoi chasti Chernogo morya po dannym s\"emok iz kosmosa // Ekologiya i promyshlennost' Rossii. 2019. T. 23, № 8. S. 57–63. https://doi.org/10.18412/1816-0395-2019-8-57-63
12. Mityagina M., Lavrova O. Satellite survey of inner seas: oil pollution in the Black and Caspian Seas // Remote Sensing. 2016. Vol. 8, iss. 10. 875. https://doi.org/10.3390/rs8100875
13. Carpenter A. Oil pollution in the North Sea: the impact of governance measures on oil pollution over several decades // Hydrobiologia. 2019. Vol. 845, № 1. P. 109–127. https://doi.org/10.1007/s10750-018-3559-2
14. Long term monitoring of oil spills in European seas / G. Ferraro [et al.] // International Journal of Remote Sensing. 2009. Vol. 30, iss. 3. pp. 627–645. https://doi.org/10.1080/01431160802339464
15. Lavrova O. Yu., Mityagina M. I., Kostyanoi A. G. Sputnikovye metody vyyavleniya i monitoringa zon ekologicheskogo riska morskikh akvatorii. M. : IKI RAN, 2016. 334 s. URL: http://www.iki.rssi.ru/books/2016lavrova.pdf (data obrashcheniya: 10.03.2021).
16. Nazemno-kosmicheskii monitoring antropogennykh vozdeistvii na pribrezhnuyu zonu Krymskogo poluostrova / V. G. Bondur [i dr.] // Morskoi gidrofizicheskii zhurnal. 2020. T. 36, № 1. S. 103–115. https://doi.org/10.22449/0233-7584-2020-1-103-115
17. Kruglyakova R. P., Kruglyakova M. V., Shevtsova N. T. Geologo-geokhimicheskaya kharakteristika estestvennykh proyavlenii uglevodoroda v Chernom more // Geologiya i poleznye iskopaemye Mirovogo okeana. 2009. № 1. S. 37–51. URL: https://cyberleninka.ru/article/n/geologo-geohimicheskaya-harakteristika-estestvennyh-proyavleniy-uglevodorodov-v-chernommore/viewer (data obrashcheniya: 10.03.2021)
18. Registratsiya iz kosmosa osobennostei glubinnykh stokov v pribrezhnye akvatorii pri avariyakh sbrosovogo kollektora / V. G. Bondur [i dr.] // Issledovanie Zemli iz kosmosa. 2020. № 2. S. 3–14. https://doi.org/10.31857/S0205961420020025
19. Regional'naya geologiya i perspektivy neftegazonosnosti Chernomorskoi glubokovodnoi vpadiny i prilegayushchikh shel'fovykh zon : [v 2 chastyakh]. Chast' 1 / I. F. Glumov [i dr.]. ; pod redaktsiei B. V. Senina. M. : Nedra, 2014. 279 c.
20. Nemirovskaya I. A., Onegina V. D., Konovalov B. V. Uglevodorody vo vzvesi i osadkakh razlichnykh raionov rossiiskogo sektora Chernogo morya // Morskoi gidrofizicheskii zhurnal. 2017. № 4. S. 48–60. https://doi.org/10.22449/0233-7584-2017-4-48-60
21. Oil spill identification from satellite images using deep neural networks / M. Krestenitis [et al.] // Remote Sensing. 2019. Vol. 11, iss. 15. 1762. https://doi.org/10.3390/rs11151762
