Том 38, номер 04, статья № 4

Аннотация:

Одной из актуальных экологических задач на сегодняшний день является мониторинг нефтяных загрязнений земной поверхности. Статья посвящена экспериментальному исследованию гиперспектрального метода обнаружения загрязнений нефтепродуктами земной поверхности в ближнем ИК-диапазоне. Приведены результаты измерений на созданной лабораторной установке коэффициента спектральной яркости образцов почв, загрязненных различными типами нефтепродуктов, в спектральном диапазоне 1,6–2,5 мкм. Исследовано влияние влажности почв и осадков на вид спектров отражения почв (различные вида песка и почвы из лесных и парковых зон), загрязненных нефтепродуктами (товарная нефть Московского и Рязанского НПЗ, керосин, газовый конденсат, различные марки бензина, моторных масел и дизельного топлива). Показано, что спектральные «провалы» около 1,73 и 2,3 мкм (характерные для почв, загрязненных нефтепродуктами) в большинстве случаев остаются в спектрах отражения в условиях умеренно влажной почвы, умеренного «дождя» и даже сильного «дождя». Результаты работы созданной нейронной сети показывают, что для 14 спектральных каналов с разрешением 10 нм в диапазоне 1,6–2,4 мкм вероятность обнаружения нефтяных загрязнений земной поверхности в условиях умеренно влажной почвы и умеренного «дождя» больше 99%, а при сильно влажной почве и сильном «дожде» – более 88%. Результаты исследования могут быть использованы при разработке систем дистанционного мониторинга утечек из нефтепроводов.

Ключевые слова:

оптическое дистанционное зондирование, земная поверхность, обнаружение нефтяных загрязнений, ближний ИК-диапазон

Список литературы:

1. Бурлов В.Г., Остриков В.Н., Кириенко А.В., Плахотников О.В. Имитационная модель идентификации экологических загрязнений по данным гиперспектральной съемки видимого диапазона // Оптика атмосф. и океана. 2023. Т. 36, № 9. С. 718–724. DOI: 10.15372/AOO20230903.
2. Рапута В.Ф., Коковкин В.В., Амикишиева Р.А. Наземный и спутниковый мониторинг загрязнения снежного покрова в окрестностях цементного завода // Оптика атмосф. и океана. 2022. Т. 35, № 6. С. 495–499. DOI: 10.15372/AOO20220610.
3. Стёпочкин И.Е., Салюк П.А., Качур В.А. Обнаружение разлива нефтепродуктов в виде эмульсий и отдельных пленок на поверхности Берингова моря с помощью гиперспектральной оптической радиометрии в августе 2013 г. // Оптика атмосф. и океана. 2021. Т. 34, № 1. С. 61–67. DOI: 10.15372/AOO20210108; Stepochkin I.E., Salyuk P.A., Kachur V.A. Detection of oil pollution in the form of emulsion and individual films on the water surface of the Bering Sea using hyperspectral visible radiometry in August 2013 // Atmos. Ocean. Opt. 2021. V. 34, N 3. P. 267–273.
4. Сваровская Л.И., Ященко И.Г., Алтунина Л.К. Адаптивная система мониторинга для оценки масштаба загрязнения территорий предприятий нефтегазового комплекса // Оптика атмосф. и океана. 2017. Т. 30, № 2. С. 177–183. DOI: 10.15372/AOO20170211.
5. Обзор состояния и загрязнения окружающей среды в Российской Федерации за 2022 год / отв. ред. Г.М. Черногаева. М.: Росгидромет, 2023. 215 с.
6. Huettel M. Oil pollution of beaches // Curr. Opin. Chem. Eng. 2022. V. 36, N 100803. P. 1–10. DOI: 10.1016/j.coche.2022.100803.
7. Komene G.L., Remi C.O. Oil pollution crisis and relationship marketing approach of oil firms in Niger delta // Br. J. Manag. Mark. Stud. 2022. V. 5, N 1. P. 39–78. DOI: 10.52589/BJMMS-2HWKHPGW.
8. Al-Battbootti M.J.H., Goga N., Marin I. Detection and analysis of oil spill using image processing // Int. J. Adv. Comput. Sci. Appl. 2022. V. 13, N 4. P. 381–387. DOI: 10.14569/IJACSA.2022.0130445.
9. Исмаилов Н.М., Наджафова С.И. Оценка экологических рисков эксплуатации магистральных нефтепроводов на территории Азербайджана с точки зрения биогеоустойчивости почв к загрязнению сырой нефтью // Вестник Московского университета. Серия 17. Почвоведение. 2022. № 3. C. 93–100.
10. Popescu C., Gabor M.R. Quantitative analysis regarding the incidents to the pipelines of petroleum products for an efficient use of the specific transportation infrastructure // Processes. 2021. V. 9. 1535. P. 1–23. DOI: 10.3390/pr9091535.
11. Adegboye M.A., Fung W., Karnik A. Recent advances in pipeline monitoring and oil leakage detection technologies: Principles and approaches // Sensors. 2019. V. 19, N 2548. P. 1–36. DOI: 10.3390/s19112548.
12. Spandonidis C., Theodoropoulos P., Giannopoulos F. A combined semi-supervised deep learning method for oil leak detection in pipelines using IIoT at the edge // Sensors. 2022. V. 22, N 4105. P. 1–20. DOI: 10.3390/s22114105.
13. Zhang J., Hoffman A. Development of pipeline leak detection technologies // 10th International Pipeline Conference. V. 1. Design and Construction; Environment; Pipeline Automation and Measurement. Calgary, Alberta, Canada, 2014. P. 1–8.
14. Zhang J., Kane F. Leak detection and operations management in offshore pipelines. Engineering Environmental Science // 11th International Pipeline Conference. V. 3. Operations, Monitoring and Maintenance; Materials and Joining. Calgary, Alberta, Canada, 2016. P. 1–9.
15. Idachaba F., Rabiei M. Current technologies and the applications of data analytics for crude oil leak detection in surface pipelines // J. Pipeline Sci. Eng. 2021. V. 1. P. 436–451. DOI: 10.1016/j.jpse.2021.10.001.
16. Babichenko S., Dudelzak A., Poryvkina A. Laser remote sensing of coastal and terrestrial pollution by fls-lidar // EARSeL Proc. 2004. V. 3, N 1. P. 1–7.
17. Федотов Ю.В., Матросова О.А., Белов М.Л., Городничев В.А. Метод обнаружения нефтяных загрязнений на земной поверхности, основанный на регистрации флуоресцентного излучения в трех узких спектральных диапазонах // Оптика атмосф. и океана. 2013. Т. 26, № 3. С. 208–212.
18. Федотов Ю.В., Белов М.Л., Городничев В.А. Дистанционный лазерный флуоресцентный метод обнаружения утечек нефти на длине волны возбуждения 266 нм // Опт. журн. 2022. Т. 89, № 5. С. 54–61. DOI: 10.17586/1023-5086-2022-89-05-54-61.
19. Alaruri S.D. Multiwavelength laser induced fluorescence (LIF) LIDAR system for remote detection and identification of oil spills // Optik – Int. J. Light Electron Opt. 2019. V. 181. P. 239–245. DOI: 10.1016/j.ijleo.2018.12.073.
20. Pashayev A., Tagiyev B., Allahverdiyev K., Musayev A., Sadikhov I. Lidar for remote sensing of contaminations on water and earth surface taking place during oil-gas production // Proc. SPIE. 2015. V. 9810. P. 981018-1–981018-7. DOI: 10.1117/12.2225219.
21. Horig B., Kuhn F., Oschütz F., Lehmann F. HyMap hyperspectral remote sensing to detect hydrocarbons // Int. J. Remote Sens. 2001. V. 22, N 8. P. 1413–1422. DOI: 10.1080/01431160010013450.
22. Kühn F., Oppermann K., Hörig B. Hydrocarbon Index – an algorithm for hyperspectral detection of hydrocarbons // Int. J. Remote Sens. 2004. V. 25, N 12. P. 2467–2473. DOI: 10.1080/01431160310001642287.
23. Tian Q. Study on oil-gas reservoir detecting methods using hyperspectral remote sensing // International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. XXII ISPRS Congress. Melbourne, Australia, 2012. V. XXXIX-B7. P. 157–162. DOI: 10.5194/isprsarchives-XXXIX-B7-157-2012.
24. Pelta R., Ben-Dor E. An exploratory study on the effect of petroleum hydrocarbon on soils using hyperspectral longwave infrared imagery // Remote Sens. 2019. V. 11, N 569. P. 1–15. DOI: 10.3390/rs11050569.
25. Scafutto M., de Souza Filho C.R., de Oliveira W.J. Hyperspectral remote sensing detection of petroleum hydrocarbons in mixtures with mineral substrates: Implications for onshore exploration and monitoring // ISPRS J. Photogramm. Remote Sens. 2017. V. 128. P. 146–157. DOI: 10.1016/j.isprsjprs.2017.03.009.
26. Keskin G., Teutsch C.D., Lenz A., Middelmann W. Concept of an advanced hyperspectral remote sensing system for pipeline monitoring // Proc. SPIE. 2015. V. 9644. P. 96440H-1–96440H-9. DOI: 10.1117/12.2194973.
27. Achard V., Foucher P.Y., Dubucq D. Hydrocarbon pollution detection and mapping based on the combination of various hyperspectral imaging processing tools // Remote Sens. 2021. V. 13, N 5. 1020. P. 1–28. DOI: 10.3390/rs13051020.
28. Andreoli G., Bulgarelli B., Hosgood B., Tarchi D. Hyperspectral analysis of oil and oil-impacted soils for remote sensing purposes. European Commission Joint Research Centre, 2007. 34 p. URL: https://www.ugpti.org/smartse/research/citations/downloads/Andreoli-HSI_for_Oil_and_Spills-2007.pdf (last access: 22.06.2024).
29. Allen C.S., Satterwhite M.B. Reflectance spectra of three liquid hydrocarbons on a common sand type // Proc. SPIE. 2006. V. 6233. P. 62331M-1–62331M-12. DOI: 10.1117/12.665586.
30. Allen C.S., Krekeler M.P.S. Reflectance spectra of crude oils and refined petroleum products on a variety of common substrates // Proc. SPIE. 2010. V. 7687. P. 76870L-1–76870L-13. DOI: 10.1117/12.852200.
31. Cooled-20°C NIR512-2.5 Spectrometer [Electronic resource]. URL: https://www.optosky.net/atp8000.html.Language English (last access: 22.06.2024).