تشخیص نشت نفت با استفاده از تکنولوژی سنجش از دور ماهواره ای(مطالعه موردی: خلیج فارس)
Publish place: International Conference on Sustainable Development With a focus on Agriculture, Environment and Tourism
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,907
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICDAT01_470
تاریخ نمایه سازی: 12 تیر 1395
Abstract:
آلودگی نفتی در دریاها عمدتاً به دلیل تخلیه های غیرقانونی هیدروکربن هایی است که توسط کشتی ها به طور عمد در محیط های دریایی آزاد می شوند. تردد بیش ازحد کشتی ها از آب های خلیج فارس که 60 درصد نفت جهان را از طریق این دریا حمل میکنند باعث آلوده شدن آبهای خلیج فارس به لایه های عظیم نفتی گشته و تأثیرات نامطلوبی بر محیطزیست منطقه وارد کرده است . سنجش از دور ماهوارهای فن مؤثری برای پایش هوایی در تشخیص زودهنگام و دائم آلودگی های نفتی ناشی از تخلیه غیرقانونی کشتی ها در دریا هست. در حال حاضر سنجنده SAR به سبب قابلیت های خوبی که در تشخیص نشت نفت نشان داده اند معمولاً توسط سامانه های پایش دریایی استفاده میشود. ولی پهنای برداشت باریک (100-400 کیلومتری) و قدرت تفکیک زمانی پایین سنجنده های SAR و هزینه بالای اخذ تصاویر SAR بهشدت امکان داشتن یکپایش روزانه از نواحی اقیانوسی را محدود میکند. هدف اصلی این تحقیق کشف توانایی های بالقوه سنجنده های نوری در تشخیص نشت نفت هست و سعی شده است برای غلبه بر محدودیت های سیستم SAR روش جدیدی برای تشخیص خودکار نشت نفت توسعه یابد که از سنجنده های نوری ماهوارهای استفاده میکند بنابراین تحقیق حاضر یک رویکرد جدید برای تشخیص نشت نفت با استفاده از تصاویر سنجنده های نوری ماهوارهای را بیان میکند. در استخراج عوارض از تحقیقاتی که در تشخیص نشت نفت با استفاده از تصاویر SAR انجام شده بود کمک آماری مختلف و شبکه عصبی مبنا استفاده شده است.
Keywords:
Authors
حسین تیموری
دانشجوی کارشناسی ارشد سنجش ازدور و GIS،دانشکده جغرافیا، دانشگاه تهران.
سید کاظم علوی پناه
استاد گروه سنجش ازدور و GIS،دانشکده جغرافیا، دانشگاه تهران.
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 :