Оставить заявку
Для заказа и получения более подробной информации оставьте заявку, наш менеджер свяжется с Вами!
Нажимая на кнопку, вы даете согласие на обработку персональных данных и соглашаетесь c политикой конфиденциальности
Искусственный интеллект плюс спутниковые данные равно обнаружение нефтяных разливов
Разлив нефти в Мексиканском заливе после аварии на платформе Deepwater Horizon в 2010 году. Предоставлено: NASA/Goddard Space Flight Center. Изображение предоставлено проектом MODIS Rapid Response (NASA/GSFC и Университет Мэриленда).
Исследователи Университета Джеймса Кука разработали алгоритм искусственного интеллекта, который объединяет различные виды спутниковых изображений для высокоэффективного обнаружения нефтяных разливов из космоса.
Эта работа может сыграть решающую роль в будущем экологическом мониторинге.
Авторы исследования утверждают, что впервые ИИ использовался для объединения двух типов спутниковых изображений с целью выявления места расположения, толщины и типа нефтяного пятна в океане, предоставляя новый инструмент для быстрых и точных планов реагирования.
«Это значительный шаг вперед в обнаружении нефтяных разливов, позволяющий точнее выявлять утечки и определять толщину слоя нефти», — заявил ведущий исследователь и кандидат наук Университета Джеймса Кука Квэнвей Лю.
Когда сырая нефть попадает в океан, она рассеивается под действием течений, ветра и волн, увеличивая площадь загрязнения.
Например, авария на платформе Deepwater Horizon в 2010 году привела к выбросу миллионов баррелей нефти примерно с глубины 1,5 километра под водой, в результате чего загрязнено около 12 тысяч квадратных километров океана. (См. фото вверху страницы.)
Два спутника лучше, чем один
Выявление и мониторинг разливов нефти с помощью спутниковых снимков доказали свою значимость для устранения и смягчения последствий таких аварий. Однако до недавнего времени объединение данных с разных спутников для более точного обнаружения оставалось сложной задачей.
«Мы объединили данные с двух типов спутников: радиолокатора с синтезированной апертурой (SAR) и спутника гиперспектральной съёмки (HSI)», — рассказал доктор Кевин Хуан из Университета Джеймса Кука, руководивший исследованием.
«SAR позволяет выявлять различия в волнах и шероховатости поверхности океана. Если на воде есть нефть, она делает поверхность более гладкой. Но сам по себе этот метод часто не различает тонкий и толстый слой нефти.
HSI работает как сверхточный цветовой датчик, который помогает определить состав разлитой нефти, однако его охват не столь широк.
Их совместное использование сочетает лучшие качества обоих методов — более чёткие контуры разлива и улучшенное распознавание типа нефти, что превосходит другие подходы».
Более быстрая реакция
На практике исследователи предлагают простой план реагирования: использовать SAR для оперативного обнаружения разлива на большой площади, а затем применить объединение данных SAR+HSI в выявленной зоне — чтобы оценить толщину и тип нефти и принять обоснованные решения по ликвидации.
Оба учёных считают, что этот подход важен не только для борьбы с разливами нефти: он может оказаться полезным и для будущего мониторинга в самых разных экологических контекстах.
«Мы планируем расширить применение наших исследований в области глубокого обучения и дистанционного зондирования на другие задачи мониторинга — например, контроль качества воды, состояния лесов и последствий стихийных бедствий. Это позволит приносить пользу обществам и сообществам», — отметил доктор Хуан.
Эта работа может сыграть решающую роль в будущем экологическом мониторинге.
Авторы исследования утверждают, что впервые ИИ использовался для объединения двух типов спутниковых изображений с целью выявления места расположения, толщины и типа нефтяного пятна в океане, предоставляя новый инструмент для быстрых и точных планов реагирования.
«Это значительный шаг вперед в обнаружении нефтяных разливов, позволяющий точнее выявлять утечки и определять толщину слоя нефти», — заявил ведущий исследователь и кандидат наук Университета Джеймса Кука Квэнвей Лю.
Когда сырая нефть попадает в океан, она рассеивается под действием течений, ветра и волн, увеличивая площадь загрязнения.
Например, авария на платформе Deepwater Horizon в 2010 году привела к выбросу миллионов баррелей нефти примерно с глубины 1,5 километра под водой, в результате чего загрязнено около 12 тысяч квадратных километров океана. (См. фото вверху страницы.)
Два спутника лучше, чем один
Выявление и мониторинг разливов нефти с помощью спутниковых снимков доказали свою значимость для устранения и смягчения последствий таких аварий. Однако до недавнего времени объединение данных с разных спутников для более точного обнаружения оставалось сложной задачей.
«Мы объединили данные с двух типов спутников: радиолокатора с синтезированной апертурой (SAR) и спутника гиперспектральной съёмки (HSI)», — рассказал доктор Кевин Хуан из Университета Джеймса Кука, руководивший исследованием.
«SAR позволяет выявлять различия в волнах и шероховатости поверхности океана. Если на воде есть нефть, она делает поверхность более гладкой. Но сам по себе этот метод часто не различает тонкий и толстый слой нефти.
HSI работает как сверхточный цветовой датчик, который помогает определить состав разлитой нефти, однако его охват не столь широк.
Их совместное использование сочетает лучшие качества обоих методов — более чёткие контуры разлива и улучшенное распознавание типа нефти, что превосходит другие подходы».
Более быстрая реакция
На практике исследователи предлагают простой план реагирования: использовать SAR для оперативного обнаружения разлива на большой площади, а затем применить объединение данных SAR+HSI в выявленной зоне — чтобы оценить толщину и тип нефти и принять обоснованные решения по ликвидации.
Оба учёных считают, что этот подход важен не только для борьбы с разливами нефти: он может оказаться полезным и для будущего мониторинга в самых разных экологических контекстах.
«Мы планируем расширить применение наших исследований в области глубокого обучения и дистанционного зондирования на другие задачи мониторинга — например, контроль качества воды, состояния лесов и последствий стихийных бедствий. Это позволит приносить пользу обществам и сообществам», — отметил доктор Хуан.
24 ноября/ 2025