بررسی تشخیص نفت با استفاده از الگوریتمهای جداسازی طیفی PPI وFPPI در تصاویر ابرطیفی

نوع مقاله: علمی ترویجی

نویسندگان

1 عضو هیئت علمی(استادیار) دانشگاه خلیج فارس

2 مدیر/ شرکت خطوط لوله و مخابرات نفت ایران/منطقه خوزستان

3 معاون فنی/شرکت خطوط لوله و مخابرات نفت ایران/منطقه خوزستان دانشگاه آزاد اسلامی بوشهر

چکیده

با رها شدن نفت به اقیانوسها از تانکرها، کشتی و خطوط انتقال نفت تاثیر اجتماعی اقتصادی روی محیط های ساحلی دارد. آشکارسازی سریع نشت نفت می‌تواند خطرات جدی بر روی محیط زیست و ساکنان ساحلی را کاهش دهد. کشور ما از شمال و جنوب توسط دریا احاطه شده پس حفاظت از دریا امری حیاتی است. سنجنده‌های فراطیفی مجموعه‌ای از تصاویر مکانی را درباندهای متعدد با قدرت تفکیک طیفی بالا از یک منطقه جمع‌آوری می‌نمایند؛ که به پشتوانه اطلاعات موجود در صدها باند طیفی، امکان شناسایی مواد تشکیل دهنده صحنه تصویر با استفاده از مشخصه های طیفی آنها فراهم شده است. در این تحقیق جهت استفاده از داده مورد نظر با الگوریتم FLAASHتصحیح اتمسفری و حذف باندهای زاید انجام، سپس با استفاده از الگوریتم‌های جدا سازی فراطیفی PPI و FPPI نسبت به تشخیص نفت خام رها شده در خلیج مکزیک و تخمین نسبت نفت به آب در صحنه اقدام شد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Study oil detection using spectral separation algorithm PPI and FPPI images hyperspectral

نویسندگان [English]

  • Ahmad Keshavarz 1
  • Hamid Reza kayhanpour 2
  • Seyed Mohammad Karim Hashemizadeh 3
1 faculty member (Assistant Professor) University of Persian Gulf
2 Director/ Iranian Oil Pipeline and Telecommunication Company/ Khuzestan District
3 Technical Assistant /Iranian Oil Pipeline and Telecommunication Company / Khuzestan District Busher Islamic Azad University
چکیده [English]

Oil spills is one of major marine environment challenge. The main impacts on the marine environment can be cited such as reduction in light transmission and also oxygen absorption and breakup which these prevents water plants photosynthesis. In this research, we used SpecTIR airborne sensor data and extracted and classified oils spills due DWH which happened in Gulf of Mexico at 2010. Atmospheric correction is done, because the data was in radiance level. In the next step, pure members extracted using PPI and FPPI algorithm with 1000 iterations and then they clustered 6 classes.Pure members classified in 6 classes of oil ratio, as 100%,80%,60%,40%,20% and water, rationality.Finally, FPPI had satisfactory results as it produces Infeasibility images for overtop False Alarm problem and also it doesn't need to use all of the pure members' spectral patterns for doing an accurate analysis in image.

کلیدواژه‌ها [English]

  • Oil spill
  • hyper spectral separation algorithmsand matlab hyperspectral toolbox
  • Spectir
  • PPI
  • FPPI