Kết hợp sử dụng ảnh viễn thám quang học và radar trong phân loại và giám sát vết dầu trên biển

Lê Hùng Trịnh; Văn Phú Lê

doi:10.47800/PVSI.2025.03-09

Trịnh Lê Hùng Học viện Kỹ thuật Quân sự
Lê Văn Phú Học viện Kỹ thuật Quân sự

DOI: https://doi.org/10.47800/PVSI.2025.03-09

Keywords: Ảnh viễn thám quang học, ảnh viễn thám radar, sự cố tràn dầu, phân loại

Tóm tắt

Dữ liệu viễn thám được sử dụng phổ biến trên thế giới trong nghiên cứu ô nhiễm tràn dầu trên biển. Bài viết giới thiệu kết quả kết hợp sử dụng ảnh viễn thám quang học Sentinel 2 MSI và ảnh radar Sentinel 1 giúp phát hiện và phân loại vết dầu trên biển. Dữ liệu Sentinel 2 MSI được sử dụng để tính chỉ số OSI (oil spill index) trên cơ sở các kênh trong dải sóng nhìn thấy, trong khi dữ liệu Sentinel 1 dùng để tính giá trị tán xạ ngược, từ đó phân loại vết dầu bằng phương pháp phân ngưỡng. Việc kết hợp dữ liệu viễn thám đa chủng loại cho phép tăng dày bộ dữ liệu đầu vào, nâng cao hiệu quả công tác giám sát ô nhiễm tràn dầu trên biển.

Các tài liệu tham khảo

Nguyễn Đình Dương, Ô nhiễm dầu trên biển và quan trắc bằng viễn thám siêu cao tần. Nhà xuất bản Khoa học và Kỹ thuật, 2011, trang 107 - 137.

Damián Mira Martínez, Pablo Gil, Beatriz Alacid, and Fernando Torres, “Oil spill detection using segmentation-based approaches”, 6th International Conference on Pattern Recognition Applications and Methods, Porto (Portugal), February 2017. DOI:10.5220/0006191504420447.

Yonglei Fan, Xiaoping Rui, Guangyuan Zhang, Tian Yu, Xijie Xu, and Stefan Posld, “Feature merged network for oil spill detection using SAR images”, Remote Sensing, Volume 13, Issue 16, 2021. DOI: 10.3390/rs13163174.

Fahad A.M. Alawadi, “Detection and classification of oil spills in MODIS satellite imagery”, University of Southampton, School of Ocean and Earth Science, Doctoral Thesis, 2011.

Teodosio Lacava, Emanuele Ciancia, Irina Coviello, Carmine Di Polito, Caterina S.L. Grimaldi, Nicola Pergola, Valeria Satriano, Marouane Temimi, Jun Zhao, and Tramutoli Valerio, “A MODIS-based robust satellite technique (RST) for timely detection of oil spilled areas”, Remote Sensing, Volume 9, Issue 2, 2017. DOI: 10.3390/ rs9020128.

Polychroni Kolokoussis and Vassilia Karathanassi “Oil spill detection and mapping using Sentinel 2 imagery”, Journal of Marine Science and Engineering, Volume 6, Issue 1, 2018. DOI: 10.3390/jmse6010004.

Alireza Taravat and Fabio Del Frate, “Development of band rationing algorithm and neural networks to detection of oil spills using Landsat ETM+ data”, Eurasip Journal on Advances in Signal Processing, 2012. DOI: 10.1186/1687-6180-2012-107.

Alaa Sheta, Mouhammd Alkasassbed, Malik Braik, and Hafsa Abu Ayyash, "Detection of oil spills in SAR images using threshold segmentation algorithms”, International Journal of Computer Applications, Volume 57, Issue 7, pp. 10 - 15, 2012.

Fangjie Yu, Wuzi Sun, Jiaojiao Li, Yang Zhao, Yanmin Zhang, and Ge Chen, “An improved Otsu method for oil spill detection from SAR images”, Oceanologia, Volume 59, Issue 3, pp. 311 - 317, 2017. DOI: 10.1016/j. oceano.2017.03.005.

Alaa Akram Huby, Rafid Sagban, and Raaid Alubady, “Oil spill detection based on machine learning and deep learning: A review”, 5th International Conference on Engineering Technology and its Applications (IICETA), Al-Najaf, Iraq, 2022. DOI: 10.1109/IICETA54559.2022.9888651.

Ngoc An Bui, Youngon Oh, and Impyeong Lee, “Oil spill detection and classification through deep learning and tailored data augmentation”, International Journal of Applied Earth Observation and Geoinformation, Volume 129, 2024. DOI: 10.1016/j.jag.2024.103845.

Ujjawal Singh, Divya Acharya, and Saurabh Mishra, “Oil spill detection and monitoring with artificial intelligence: A futuristic approach”, Workshop on Control and Embedded Systems, Chennai, India, 22 - 24 April 2022.

Zhen Sun, Qingshu Yang, Nanyang Yan, Siyu Chen, Jianhang Zhu, Jun Zhao, and Shaojie Sun, “Utilizing deep learning algorithms for automated oil spill detection in medium resolution optical imagery”, Marine Pollution Bulletin, Volume 206, 2024. DOI: 10.1016/j.marpolbul.2024.116777.

Rodrigo N. Vasconcelos, Carlos A.D. Lentini, André T. Cunha Lima, Luís F.F. Mendonça, Garcia V. Miranda, and Elaine C.B. Cambuí, “Oil spill detection based on texture analysis: How does feature importance matter in classification”, International Journal of Remote Sensing, Volume 43, Issue 11, pp. 4045 - 4064, 2022. DOI:10.1080/01431161.2022.2106163.

Gabriel Pabico Lalu, “Oil spill nearing shoreline of Pola, Oriental Mindoro based on satellite photos - PhilSA”, 17/3/2023. [Online]. Available: https://newsinfo.inquirer.net/1744654/philsa-says-satellite-photos-show-oil-spill-nearing-shoreline.

Sankaran Rajendran, Ponnumony Vethamony, Fadhil N. Sadooni, Hamad Al-Saad Al-Kuwari, Jassim A. Al-Khayat, Himanshu Govil, and Sobhi Nasir, “Sentinel-2 image transformation methods for mapping oil spill - A case study with Wakashio oil spill in the Indian Ocean, off Mauritius”, MethodsX, Volume 8, 2021. DOI: 10.1016/j.mex.2021.101327.

Sankaran Rajendran, Ponnumony Vethamony, Fadhil N. Sadooni, Hamad Al Saad Al-Kuwari, Jassim A. Al-Khayat, Vashist O. Seegobin, Himanshu Govil, and Sobhi Nasir, “Detection of Wakashio oil spill off Mauritius using Sentinel-1 and 2 data: Capability of sensors, image transformation methods and mapping”, Environmental Pollution, Volume 274, 2021. DOI: 10.1016/j.envpol.2021.116618.

Hanqiu Xu, “Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery”, International Journal of Remote Sensing, Volume 27, Issue 14, pp. 3025 - 3033, 2006.

Radhakrishna Achanta, Appu Shaji, Kevin Smith, Aurelien Lucchi, Pascal Fua, and Sabine Süsstrunk, “SLIC superpixels compared to state-of-the-art superpixel methods”, IEEE Transactions on Pattern Analysis and Machine Intelligence, Volume 34, Issue 11, pp. 2274 - 2282, 2012. DOI: 10.1109/TPAMI.2012.120.

Nobuyuki Otsu, “A threshold selection method from gray-level histograms”, IEEE Transactions on Systems, Man, and Cybernetics, Volume 9, Issue 1, pp. 62 - 66, 1979. DOI: 10.1109/TSMC.1979.4310076.