Количественный подход к исследованию пленочных загрязнений морской поверхности по космическим изображениям

В. В. Замшин, Е. Р. Матросова, В. Н. Ходаева, О. И. Чверткова

Научно-исследовательский институт аэрокосмического мониторинга «АЭРОКОСМОС», Москва, Россия

e-mail: viktor.v.zamshin@gmail.com

Аннотация

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.

Ключевые слова

дистанционное зондирование Земли, морская поверхность, пленочные загрязнения, нефтепроявления, оптическая съемка, многоспектральная съемка, радиолокационная съемка, спутниковая океанография, Черное море

Благодарности

Работа выполнена в рамках Государственного задания № 0588-2019-0030 и соглашения № 075–15–2020–776.

Для цитирования

Количественный подход к исследованию пленочных загрязнений морской поверхности по космическим изображениям / В. В. Замшин [и др.] // Морской гидрофизический журнал. 2021. Т. 37, № 5. С. 610–622. EDN WLXXAT. doi:10.22449/0233-7584-2021-5-610-622

Zamshin, V.V., Matrosova, E.R., Khodaeva, V.N. and Chvertkova, O.I., 2021. Quantitative Approach to Studying Film Pollution of the Sea Surface Using Satellite Imagery. Physical Oceanography, 28(5), pp. 567-578. doi:10.22449/1573-160X-2021-5-567-578

DOI

10.22449/0233-7584-2021-5-610-622

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-chernom-more/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

Скачать статью в PDF-формате