سیستم های اتوماتیک تشخیص ریزش‌های نفتی از طریق تصاویر SAR

Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,111

This Paper With 9 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CEE06_628

تاریخ نمایه سازی: 30 آبان 1391

Abstract:

ریزش‌های نفتی در پهنه های آبی موجب بروز اثرات سوء زیستی و اقتصادی می گردد. پیگیری و موشکافی مردم و رسانه‌ها که از پیامدهای جدی این حوادث است، تعیین مکان و وسعت آلودگی را اضطرار‌ی‌تر می‌سازد. با به کمک گرفتن از تکنیک‌های پیشرفته‌ سنجش از دور، می‌توان آلودگی نفتی را به طور مداوم و در تمام ساعات روز پایش نمود. تیم‌های واکنش به بحران با دانستن مکان لکه‌‌ نفتی و چگونگی پخش آن در سطح پهنه‌ آبی، به شکل مؤثرتری برای مواجهه‌ با این رویداد برنامه‌ریزی و عملیات انجام می‌دهند و بدین گونه به سمت کمینه نمودن اثرات آلودگی ایجاد شده حرکت می‌نمایند. پرکاربردترین سنسور در پایش ریزش‌‌های نفتی، SAR است. برخلاف سنجش از دور اپتیک، SAR مستقل از شرایط آب و هوایی و روشنایی خورشید است بنابراین تصاویر SAR ، در طول شبانه روز و تحت پوشش ابر کارایی دارند. الگوریتم‌های ریزش نفتی که با تصاویر SAR کار می‌کنند، چارچوب مورد نیاز را در سه بخش 1) تشخیص نواحی تیره، 2) استخراج خصیصه‌های نواحی تیره‌ی انتخاب شده و 3) طبقه‌بندی ریزش نفتی و پدیده‌های مشابه عنوان می کنند که در این پژوهش شرحی از روش کار و ساختار این سیستم ها آمده است.

Keywords:

ریزش نفتی , تصاویر SAR , سیستم ‌های اتوماتیک تشخیص , استخراج خصیصه , طبقه‌بندی

Authors

حسین کمیلیان

دانشجوی کارشناسی ارشد، گروه مهندسی محیط زیست، دانشکده مهندسی عمرا

حسین گنجی دوست

استاد گروه مهندسی محیط زیست، دانشکده مهندسی عمران و محیط زیست، دا

علی اکبر نوروزی

عضو هیئت علمی پژوهشکده حفاظت خاک و آبخیزداری

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • امینی، جلال (ترجمه)، پردازش کامپیوتری تصاویر سنجش از دور، انتشارات ...
  • هویدی، حسن؛ شناخت، پیشگیری و کنترل آلودگی‌های محیط زیست، انتشارات ...
  • Andreoli, Giovanni. Et al, Hyperspectral Analysis of Oil and Oil-Impacted ...
  • Brekke, Camilla and H.S. Solberg, Anne., Oil spill detection by ...
  • Cheng, Yongcun. et al, SAR observation and model tracking of ...
  • F.N. Kanaa. et al, Detection of Oil Slick Signatures in ...
  • Ferraro, Guido. et al, On the SAR derived alert i ...
  • /8] Fingas, Mervin, Brown, Carl. Review of Oil Spill Remote ...
  • H.S. Solberg, Anne. et al, Automatic detection of oil spills ...
  • Nand Jha, Maya. et al, Advances in Remote Sensing for ...
  • Robla, S. et al, An Approach for Tracking Oil Slicks ...
  • Shu, Yuanming. Et al, Dark-spot detection from SAR intensity imagery ...
  • Stathakis, Dimitris. Large-scale feature selection using evolved neurl networks. In ...
  • 4]Topouzelis, Konstantinos and Psyllos, Apostolos., Oil spill feature selection and ...
  • Topouzelis, Konstantino, et al, Investigation of genetic algorithms contribution to ...
  • Topouzelis, Konstantinos., Oil Spill Detection by SAR Images: Dark Formation ...
  • Wang, Zhendi, and A. Stout, Scott, Oil Spill Environmentl Forensics: ...
  • نمایش کامل مراجع