آشکارسازی لکه‌های نفتی در خلیج ‌فارس با استفاده از تصاویر سنجنده modis

پیشرفت‌های فنّاوری سنجش ‌از دور آن را به جایگزین مناسبی برای روش‌های سنتی در پایش، شناسایی و تحلیل لکه‌های نفتی تبدیل کرده است. سنسورهای sar معمولاً برای تشخیص لکه‌های نفتی استفاده می‌شوند، اما استفاده از تصاویر آن‌ها به دلیل هزینه‌های بالا، عرض برداشت کم و تفکیک زمانی ضعیف محدود است. سنجنده modis قرارگرفته بر روی سکوهای ترا و اکوا در هرروز دو بار از هر نقطه از سطح کره زمین تصویر برداشت می‌کنند و تصاویر آن در قدرت تفکیک 250، 500 و 1000 متری هستند که منبع رایگان و ارزشمندی جهت آشکارسازی لکه‌های نفتی هستند. در این پژوهش به‌منظور آشکارسازی لکه‌های نفتی طی سه رخداد نشت نفت در سال‌های 2007، 2015 و 2016 اقدام به آشکارسازی لکه‌های نفتی با استفاده از تصاویر سطح یک modis شد. در مرحله پیش پردازش تصاویر modis به بازتاب بالای اتمسفر تبدیل شدند، به‌منظور آشکارسازی لکه‌های نفتی، از شاخص آشکارسازی لکه‌های نفتی استفاده شد و به‌ برای بررسی اثر لکه‌های نفتی بر غلظت کلروفیل آب و فیتوپلانکتون‌ها، جلبک‌های شناور، رنگ آب، کدورت آبی و دمای سطح آب به ترتیب از شاخص‌ها و الگوریتم‌های oc3، cmi، fai و sabi، ndvi، twi و sst4 استفاده شد. نتایج نشان می‌دهد که لکه‌های نفتی در خروجی شاخص osi منطبق بر پیکسل‌های با بالاترین dn ها در تصویر مربوط به هرسال است، همچنین لکه‌های نفتی باعث کاهش غلظت کلروفیل، جلبک‌های شناور، رنگ آب و دمای سطح آب و افزایش کدورت آبی می‌شوند که در تصاویر خروجی مربوط به همه شاخص‌ها و الگوریتم‌ها لکه‌های نفتی منطبق بر پیکسل‌های با حداقل ارزش dn ها است. در بین تمامی روش‌های مورداستفاده تنها شاخص cmi مربوط به فیتوپلانکتون‌ها تغییرات محسوسی در محدوده لکه‌های نفتی نشان نمی‌دهد؛ بنابراین پیشنهاد می‌شود جهت آشکارسازی لکه‌های نفتی از روش‌ها و شاخص‌ های مورد استفاده در این پژوهش استفاده گردد.

detection of oil slicks in the persian gulf using modis sensor images

the advances in technology have made it an alternative to traditional methods of monitoring, identifying and analyzing oil spills. sar sensors are commonly used to detect oil spots, but their use of images is limited due to high costs, low crop width and poor time resolution. the modis sensor on the terra and okua platforms is taking pictures every two times from anywhere on the planet, with images at 250, 500, and 1000 meters resolution, which is a free and valuable resource for detecting oil spills. in this study, in order to detect oil spills during the three oil spill events in the years 2007, 2015, and 2016, oil spills were detected using surface-level images of modis. in the pre-processing stage, modis images were converted to atmospheric reflections. in order to detect oil spots, an indicator of oil spill detection was used to study the effect of oil spots on the concentration of water chlorophyll and phytoplankton, floating algae, water color, blue opacity and the surface water temperature was used from the indices and algorithms of oc3, cmi, fai and sabi, ndvi, twi and sst4 algorithms respectively. the results show that the oil spots in the osi index output correspond to the pixels with the highest dn in the image per year, as well as oil spots, which reduce the concentration of chlorophylls, floating algae, water color and water surface temperature, and increasing the opacity of the water. for all indices and algorithms, oil spots are consistent with pixels with a minimum value of dns. among all the used methods, only the cmi for phytoplankton does not show any significant changes in the range of oil spills; therefore, it is suggested that the methods and indices used in this study be used to detect oil spots.