شناسایی لکه‌های آلودگی‌های نفتی با استفاده از سری زمانی داده‌های سنجنده مودیس (مطالعه موردی: آب‌های خلیج‌فارس)

امروزه نشت نفت به دریاها و اقیانوس‌ها از مهم‌ترین عوامل آلودگی این منابع در سطح جهان به شمار می‌رود. شناسایی به هنگام، جلوگیری از نشت نفت به اکوسیستم‌های دریایی و کاهش اثرات زیان‌بار آن بر محیط ضروری می‌باشد. تکنولوژی سنجش از دور به دلیل برداشت داده در بخش‌های مختلف طیف الکترومغناطیس و دید ناحیه‌ای وسیع، برای پایش هوایی در تشخیص زودهنگام آلودگی‌های نفتی مناسب می‌باشد. در این پژوهش از تصاویر سطح دوم سنجنده مودیس برای سال‌های 2005 تا 2015 استفاده شده است. به‌طوری‌که با بهره‌گیری از روش بارزسازی داده‌های سنجنده مودیس به پایش آلودگی‌های نفتی پرداخته شده است. اساس این روش بارزسازی استفاده از پارامترهای آماری بلندمدت میانگین و انحراف معیار از سری‌های زمانی باند شماره 1 یا 2 سنجنده مودیس می‌باشد. به طوریکه با استفاده از یک روش ابتکاری داده‌های نامناسب سری مربوطه، سلول به سلول حذف شده و سپس میانگین و انحراف معیار بلندمدت از داده‌های سری باند شماره 1 یا 2 محاسبه شده و همچنین ارزش هر سلول به کمک آن دو پارامتر استاندارد شد. به‌طوری‌که با این روش رویداد نفتی بارزسازی گردید. در ادامه برای جداسازی لکه نفتی از روش توزیع فراوانی نرمال استفاده شد که با اعمال یک آستانه، سلول‌های آلوده به نفت جدا شدند. بدین صورت آلودگی نفتی که در سال‌های  2007 و2010 رخ داده بود با کمک مدل طراحی شده جداسازی شد و با نقشه‌ی حاصل از تفسیر کارشناسانه رویداد نفتی، صحت‌سنجی گردید. نقشه حاصل هریک از رویدادهای نفتی با صحت کلی 96% و ضریب کاپا(دقت‌روش) 0.95 برای آگوست 2007، صحت کلی95% و ضریب کاپا 0.92 برای جولای 2010 به‌دست آمد. نتایج کلی تحقیق نشان داد که مدل ساخته‌شده دقت کافی برای تشخیص و جداسازی آلودگی نفتی را دارا می‌باشد.

Detection of Oil Spill Hotspots Using TimeSeries MODIS Data (Case Study: Persian Gulf)

Nowadays, oil spill to the seas and oceans is one of the most critical factors in the seabased pollution in the world. Ontime recognition and prevention of oil spills to the marine environment and decreasing of its harmful effects on sea ecosystems are necessary. Remote sensing technology is suitable for early recognition of oil pollution from the air because of the datacollecting in various ranges of Electromagnetism and a broad view of the region. In this study, after evaluation of the scientific sources and the comparison of various sensors and about the time and place of the oil pollution, the images of the second level of MODIS sensor, from 2005 to 2015, have been used. So that a new method for monitoring of the oil spill has been developed. Moreover, the suggested method has focused on enhancment of sensor data. In this study, in order to enhance the bands 1 or 2 oil spill of MODIS sensor, the mean longterm statistical parameters and standard deviation of timeseries data have been applied. Therefore, the undesirable data sets for each pixel have been deleted through the initiative process. Then, the mean and the longterm standard deviation of the data have been acquired from the longterm data. Moreover, finally, the value of each pixel has been standardized by utilizing those parameters. The oil spill event has been simulated by this method. Afterward, the normal frequency distribution method was applied to screen the oil patches, and the polluted pixels have been screened by applying  the appropriate threshold. In this way, the oil pollution happened in 2007, and 2010 have been screened by the designed model, and their accuracy has been compared to the real land map. The results of the map for each oil spill event have been acquired as follows: 96% total accuracy and 0.95 Kapa coefficient for August 2007, 95% total accuracy and 0.92 Kapa coefficient for July 2010. Finally, the overall results of the study have shown that the designed model has enough accuracy in recognition and screening of oil spills events.