Гумеров Р.А. Московский государственный университет имени М. В. Ломоносова ПРИМЕНЕНИЕ МЕТОДОВ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ДЛЯ ОБНАРУЖЕНИЯ РАЗЛИВОВ НЕФТИ Цель работы: исследование существующих способов дистанционного обнаружения разливов нефти. Разливы нефтепродуктов, возникающие в результате деятельности при добыче и транспортировке нефти на суше, в основном неподвижны в отличие от разливов на открытой воде. Известно, что разливы, произошедшие вблизи непосредственно самого источника, обнаруживаются быстрее, в отличие от разливов, находящихся за пределами источников, которые могут быть скрыты, например, растительным покровом, что затрудняет определение масштабов разлива. Кроме того, разливы нефти, происходящие на суше, препятствуют аэрации почвы, влияя на её температуру, структуру, плодородие, рН, что в результате приводит к уничтожению почвенных микроорганизмов и сельскохозяйственных культур. К другим последствиям относятся загрязнение грунтовых вод, утрата биоразнообразия в местах размножения, угроза растительности, утрата питьевых и промышленных водных ресурсов, сокращение рыболовства и сельскохозяйственной деятельности, бедность и слабая развитость сельских районов. Рассмотрев несколько десятков работ не только отечественных, но и зарубежных исследователей, выяснилось, что космические аппараты, оснащённые датчиками SAR (технология радара с синтезированной апертурой) являются эффективными инструментами дистанционного зондирования Земли для обнаружения разливов нефти. Ко всему прочему, в последние десятилетия были предложены различные методы для контроля загрязнения нефтью с использованием данных SAR. В целом, существует несколько методов, которые использовались для обнаружения разливов нефти на вышеупомянутых изображениях, и они включают следующие способы: автоматический статистический подход, классификацию нейронных сетей, информацию об истории ветра, обнаружение разливов вблизи морских платформ и вероятностный подход. Выделение признаков и пространственный анализ также играют очень важную роль в обнаружении разливов нефти на изображениях. Применение глубокого обучения позволяет классифицировать изображения по данным, обработанным в слоях сети, без дополнительных пометок и предварительных классификаций. Исключается необходимость «доучивать» алгоритмы, если мы используем глубокое обучения (далее – DL). Входные данные – главный критерий точного результата в DL. Также необходимо выделить внедрение алгоритмом машинного обучения (ML) в процесс обработки радиолокационных изображений космических аппаратов RADARSAT и ERS при обнаружениях разливов нефтепродуктов, в котором сам алгоритм предстаёт в виде «дерева решений». В алгоритме используются такие атрибуты, как форма и размер тёмных областей на изображении, скорость ветра в момент получения изображения, угол падения луча радара, близость к земле. Вышеупомянутая модель была оценена по искусственным данным контролируемых экспериментальных сликов, а также на данных SAR-изображения реального нефтяного слика. Испытания показали, что модель хорошо работала на искусственных данных, но была несовместима с текущей физической теорией отражения слика и не согласуется с SARизображениями. Также алгоритм включал функцию «переобучения» системы в том случае, если станет доступно больше входных данных. Напоследок стоит упомянуть про методы обнаружения разливов нефти с помощью БПЛА. Так, например, известны способы дистанционного мониторинга разливов нефти и нефтепродуктов (НП), основанные на применении активных и пассивных волновых методов всего диапазона длин волн электромагнитного излучения от ультрафиолетовой, видимой и инфракрасной области, до сверхвысоких частот радиоизлучения. Сегодня, для обнаружения разливов нефти, применяются квадрокоптеры самолётного и вертолётного типов со встроенными на борту датчиками и камерами, позволяющие оперативно обнаруживать аварийные утечки нефтепродуктов на трубопроводах и нефтеперерабатывающих заводах. Их недостатком является то, что наблюдения морской поверхности в видимой области спектра могут давать ложную тревогу, поскольку информационный признак – подавление капиллярных волн, – присущ и природным явлениям. Подведя итог, необходимо отметить, что на современном этапе исследований по поднятому вопросу выяснилось, что главная проблема заключается в разработке систем обнаружения и мониторинга разливов нефтепродуктов в режиме реального времени. Предоставление методов, основанных на услугах облачных вычислений и предлагаемых автоматических моделях глубокого обучения (DL), с учётом постоянного развития компьютерного зрения, значительно повысит успех в этой области. Кроме того, всё еще необходимо широко изучать потенциал компактной гибридной поляризации, которая в настоящее время оперативно обеспечивается миссией RADARSAT Constellation для мониторинга разливов нефти. Ожидается и от научного сообщества, то есть от разработчиков до специалистов по экологическому мониторингу, так называемый краудсорсинг, который позволит получить доступ к различным мультисенсорным изображениям, собранным по всему миру, а также к аннотированным наборам данных с открытым исходным кодом, связанным с обнаружением разливов нефти. Это повысит скорость создание новых алгоритмов обнаружения, которые крайне необходимы для защиты как открытых вод, так и суши. Литература: 1.Fingas, M., C. Brown, M. Fruhwirth and L. Gamble, «Assessment of Sensors for Oil Spill Remote Sensing», in Proceedings of The First International Airborne Remote Sensing Conference and Exhibition, ERIM Conferences, Ann Arbor, Michigan, 1994, pp. 11-112. 2. Беликов В.А., Галянин В.В. Метод определения нефтяных разливов на суше с использованием многомерного анализа и средств ДЗЗ. // Труды Международной науно-технической конференции «Перспективные информационные техноогии». 2017.С.758-761.