一个海上石油泄漏检测框架,考虑在苏伊士运河使用Sentinel-1数据的特殊干扰
Lingxiao Cheng1, Ying Li1, Mian Qin1
1Navigation College, Dalian Maritime University, Dalian 116026, China.
Marine pollution bulletin
|September 26, 2024
概括
一个新的框架准确地使用合成孔径雷达 (SAR) 和一种新的提升随机支持矢量机器 (BRSVM) 分类器来检测苏伊士运河的石油泄漏. 这种方法克服了特殊干扰 (SD) 以实现可靠的大规模环境监测.
科学领域:
- 环境科学 环境科学
- 遥感技术 遥感技术 遥感技术
- 监测海洋污染 监测海洋污染
背景情况:
- 苏伊士运河的战略重要性导致海上交通繁忙,石油泄漏频繁,威胁到生态系统.
- 石油泄漏对海洋环境和自然资源构成重大风险.
- 精确的漏油检测对于环境保护和应对工作至关重要.
研究的目的:
- 为苏伊士运河开发一个有效的漏油检测框架.
- 为了应对合成孔径雷达 (SAR) 图像中特殊干扰 (SD) 带来的挑战.
- 提高自动化油污检测的准确性和效率.
主要方法:
- 开发了一个石油泄漏检测框架,使用一个可适应的特征集和一个提升随机支持向量机 (BRSVM) 分类器.
- 分析了影响SAR图像质量的特殊干扰 (SD).
- 应用框架来检测2015年至2019年的苏伊士运河漏油事件.
主要成果:
- 拟议的特征集在石油泄漏检测方面表现出优越性,能够很好地适应特殊干扰 (SD).
- BRSVM分类器实现了高性能,分类准确率为94.72%,F-1分数为95.33%.
- 该框架在功能和准确性方面超过了其他经过测试的算法.
结论:
- 开发的框架为检测苏伊士运河漏油提供了一个强大的解决方案.
- 在减轻特殊干扰 (SD) 的影响方面,BRSVM分类器和可适应的功能集是有效的.
- 该框架显示了在关键水道中进行大规模的自动化油污检测的巨大潜力.
