Всепогодный мониторинг областей добычи нефти и газа на основе спутниковых данных

Рейтинг:   / 0
ПлохоОтлично 

Authors:

В. В. Гнатушенко, доктор технических наук, профессор, orcid.org/0000-0003-3140-3788, DniproUniversityofTechnology, Dnipro, Ukraine, e‑mail: Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.

Д. К. Мозговой, кандидат технических наук, orcid.org/0000-0003-1632-1565, OlesHoncharDniproNationalUniversity, Dnipro, Ukraine, e-mail: Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.

Вик. В. Гнатушенко, доктортехническихнаук, доцент, orcid.org/0000-0001-5304-4144, DniproUniversityofTechnology, Dnipro, Ukraine, e‑mail: Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.

В. В. Спиринцев, кандидат технических наук, доцент, orcid.org/0000-0002-0908-1180, DniproUniversityofTechnology, Dnipro, Ukraine, e‑mail: Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.

И. М. Удовик, кандидат технических наук, доцент, orcid.org/0000-0002-5190-841X, DniproUniversityofTechnology, Dnipro, Ukraine, e‑mail: Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.

 повний текст / full article



Abstract:

Цель. Разработка и тестирование информационной технологии автоматизированной обработки разновременных спутниковых снимков среднего пространственного разрешения для всепогодного мониторинга районов добычи нефти и газа.

Методика. Информационная технология предполагает использование двух разработанных алгоритмов. Алгоритм автоматизированного распознавания новых нефтедобывающих площадок основан на вычислении нормализованного разностного индекса (NDI) временных изменений для заданной пары разновременных снимков видимого и ближнего инфракрасного диапазонов и выбранных спектральных каналов с последующей многопороговой бинаризацией. Алгоритм автоматизированного распознавания крупных металлических объектов использует двухполяризационные радарные данные С-диапазона со спутников Sentinel-1А/B.

Результаты. Предложенная информационная технология позволила в автоматизированном режиме обнаружить новые нефтедобывающие площадки и крупные металлические объекты. Общая точность распознавания, усредненная для 20 зон тестирования, составила от 87 до 91 % с коэффициентом каппа в диапазоне от 0,82 до 0,85. Для областей, покрытых облаками, крупные металлические объекты (нефтедобывающие установки, автосредства для транспортировки нефти и т. д.) были распознаны с использованием только радарных данных со спутников Sentinel-1A/B.

Научная новизна. В отличиеот существующих методов обнаружения антропогенных изменений земной поверхности по спутниковым снимкам, предложенная информационная технология использует непосредственное вычисление нормализованного разностного индекса временных изменений NDI для заданной пары разновременных спутниковых изображений, что существенно снижает требования к вычислительным ресурсам, обеспечивая при этом более высокую точность выделения границ новых объектов нефтедобывающих площадок. Всепогодность мониторинга обеспечивается использованием радарных данных.

Практическая значимость. Благодаря высокой степени автоматизации, разработанная информационная технология может быть программно реализована в виде геоинформационного веб-сервиса всепогодного оперативного мониторинга районов нефтедобычи. Целями такого веб-сервиса могут являться: определение площади месторождений; контроль производственной активности и оценка объемов нефтедобычи; надзор за строительной и производственной деятельностью и оценка техногенной нагрузки в районах нефтедобычи.

References.

1. Frassy, F., Maianti, P., Marchesi, A., Nodari, F.R., Dalla Via, G., De Paulis, R., … & Gianinetto, M. (2015). Satellite remote sensing for hydrocarbon exploration in new venture areas. 2015 IEEE International Geoscience and Remote Sensing Symposium (IGARSS). https://doi.org/10.1109/igarss.2015.7326417.

2. Lasica, R. (2015). A new age for oil and gas exploration remote sensing data and analytics are changing the industry. Earth Imaging Journal. Retrieved from http://eijournal.com/print/articles/a-new-age-for-oil-and-gas-exploration-remote-sensing-data-and-analytics-are-chang-ing-the-industry.

3. Bondur, V. G., Vorobyev, V. E., & Lukin, A. A. (2017). Satellite Monitoring of the Northern Territories Disturbed by Oil Production. Izvestiya, Atmospheric and Oceanic Physics, 53(9), 1007-1015. https://doi.org/10.1134/s0001433817090067.

4. Hnatushenko, V. V., Mozgovyi, D. K., Vasyliev, V. V., & Kavats, O. O. (2017). Satellite monitoring of consequences of illegal extraction of amber in Ukraine. Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu, (2), 99-105.

5. Xing, Q., Meng, R., Lou, M., Bing, L., & Liu, X. (2015). Remote Sensing of Ships and Offshore Oil Platforms and Mapping the Marine Oil Spill Risk Source in the Bohai Sea. Aquatic Procedia, (3), 127-132. https://doi.org/10.1016/j.aqpro.2015.02.236.

6. Miegebielle, V., Dubucq, D., Taillandier, C., & Angeliaume, S. (2017). Use of Remote Sensing Radar Techniques for Oil and Gas O&G Facilities Survey in Offshore Domain for Environment and Exploration: Oil Slicks Detection and Interpretation Seeps and Spill. In SPE Health, Safety, Security, Environment, & Social Responsibility Conference ‒ North America. https://doi.org/10.2118/184419-ms.

7. Franklin, M., Chau, K., Cushing, L. J., & Johnston, J. (2019). Characterizing flaring from unconventional oil and gas operations in south Texas using satellite observations. Environmental Science & Technology. https://doi.org/10.1021/acs.est.8b05355.

8.Unger, D., Hung, I-Kuai, Farrish, Kenneth, W., & Dans, Darinda (2015). Quantifying Land Cover Change Due to Petroleum Exploration and Production in the Haynesville Shale Region Using Remote Sensing. Faculty Publications. Paper 43. https://doi.org/10.4018/ijagr.2015040101.

9. Liu, Y., Chao, S., Yang, Y., Zhou, M., Zhan, W., & Cheng, W. (2016). Automatic extraction of offshore platforms using time-series Landsat-8 Operational Land Imager data. Remote Sens. Environ, 175, 73-91. https://doi.org/10.1016/j.rse.2015.12.047.

10. Solari, L., Del Soldato, M., Bianchini, S., Ciampalini, A., Ezquerro, P., Montalti, R., Raspini, F., & Moretti, S. (2018). From ERS 1/2 to Sentinel-1: Subsidence Monitoring in Italy in the Last Two Decades. Frontiers in Earth Science, (6), 149. https://doi.org/10.3389/feart.2018.00149.

11. Mozgovoy, D., Hnatushenko, V., & Vasyliev, V. (2018). Accuracy evaluation of automated object recognition using multispectral aerial images and neural network. In Proc. SPIE 10806, Tenth International Conference on Digital Image Processing (ICDIP 2018). https://doi.org/10.1117/12.2502905.

12. Mozgovoy, D. K., Hnatushenko, V. V., & Vasyliev, V. V. (2018). Automated recognition of vegetation and water bodies on the territory of megacities in satellite images of visible and IR bands. In ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, IV-3, 167-172. https://doi.org/10.5194/isprs-annals-IV-3-167-2018.

Следующие статьи из текущего раздела:

Предыдущие статьи из текущего раздела:

Посетители

3369862
Сегодня
За месяц
Всего
244
6514
3369862

Гостевая книга

Если у вас есть вопросы, пожелания или предложения, вы можете написать их в нашей «Гостевой книге»

Регистрационные данные

ISSN (print) 2071-2227,
ISSN (online) 2223-2362.
Журнал зарегистрирован в Министерстве юстиции Украины.
 Регистрационный номер КВ № 17742-6592ПР от 27.04.2011.

Контакты

40005, г. Днепр, пр. Д. Яворницкого, 19, корп. 3, к. 24 а
Тел.: +38 (056) 746 32 79.
e-mail: Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.
Вы здесь: Главная Архив журнала по выпускам 2019 Содержание №6 2019 Всепогодный мониторинг областей добычи нефти и газа на основе спутниковых данных