Tilbake til søkeresultatene

BIA-Brukerstyrt innovasjonsarena

Automatisk oljesølovervåking og risikovarsling fra satellittdata

Alternativ tittel: Automatic oil spill detection and risk warning using satellite data

Tildelt: kr 2,9 mill.

Oljeutslipp fra skip og offshore-installasjoner, enten ulovlig eller fra ulykker, kan medføre store miljøskader. Med økt maritim trafikk og oljeutvinningsaktivitet nær sårbare områder er faren for skader fra oljeutslipp av økende bekymring. Satellittdata gir muligheter til å oppdage oljesøl og lokalisere forurensnings-kilden i områder man ellers ikke ville hatt mulighet til å overvåke. På basis av oppdagede søl kan myndighetene gjennomføre videre etterforskning med f.eks. fly eller patruljebåter. I dag blir slik overvåking gjennomført med manuell inspeksjon av satellittbaserte radarbilder. Manuell inspeksjon kan da bli for kostnadskrevende og lite effektiv, spesielt i global målestokk. Idéen er derfor å utvikle en tjeneste for automatisert oljesølovervåking basert på satellittdata, hvor en analyse som vurderer risikoen for miljøskader for et detektert oljesøl ved å benytte satellittdata i kombinasjon med informasjon om sjøtilstand og oljedriftmodeller er sentral. Radarsatellitter vil være den sentrale datakilden siden radarbølgene «ser gjennom» skyer. Tjenesten skal være global og tilbys av prosjekteier Kongsberg Satellite Services (KSAT). Prosjektpartnere er Norsk Regnesentral (NR), Norut, UiT Norges arktiske universitet og Meteorologisk institutt. En automatisk algoritme for oljesølovervåking basert på radarbilder er blitt utviklet av prosjektpartner NR har blitt testet og validert av KSAT. Algoritmen består av to moduler, en som søker gjennom radarbildene, finner potensielle oljesøl, og utfører en videre analyse av intensitets, geometriske og kontekstuelle egenskaper relatert til hvert potensielle søl. Denne analysen er basert på såkalte «machine learning» teknikker, hvor hvert potensielt oljesøl blir analysert av en algoritme som er kalibrert mot en database bestående av flere tusen oljesøl. Resultatet er en styrketall som angir hvor sikker algoritmen er på om et potensielt søl er oljesøl eller ikke. Den andre modulen som KSAT har implementert og operasjonalisert, er en algoritme som identifiserer potensielle utslippskilder automatisk til et identifisert søl. Denne algoritmen er basert på posisjonsspor fra automatisk identifikasjonssystemer (AIS), som alle skip over en viss størrelse benytter. NR har også studert og evaluert bruk av optiske satellittbilder for deteksjon av mulige oljesøl. Algoritmen baserer seg på at oljesøl ofte er godt synlig nå vi har såkalte «sun-glint» forhold. Da danner oljesølet et speil som reflekter sollyset inn mot satellittsensoren. Utfordringen med optiske satellittbilder er at det bare er sun-glint forhold i deler av satellittproblemet, og at man ikke kan observerer havoverflata når vi har skyer. Flere satellittbasert SAR-systemer tilbyr såkalt kompakt polarimetri. NR har utforsket mulighetene til å bruke slike data til å karakterisere potensielle oljesøl, og laget en algoritme som klassifiserer potensielle søl til mineralolje, planteolje eller look-alike. Meteorologisk Institutt har videreutviklet sin oljedriftsmodell fra å bruke en punktkilde som input til å kunne bruke et polygon som viser den reelle utbredelsen til et oljesøl som input. Denne har blitt integrert og testet i risikovarslingen til KSAT. Driftsmodellen vil også bli brukt i identifiseringen av potensielle utslippskilder. Norut har utviklet en inversjonsalgoritme for å løse ut vind, bølge og strøm fra radarsignalet. En prototype for strømdelen er blitt implementert på KSAT, og planer blir nå lagt for vind og bølge også slik at en full prosesseringskjede kan bli implementert, validert og kalibrert med sikte på å gjøre den operasjonell. UiT har sett på bruken av quad-polarisasjonsdata til oljesøldeteksjon og -karakterisering, for å øke kunnskapen om hvordan denne type data kan forbedre dagens oljesøltjenester og under hvilke forhold de kan være nyttige. Quad-pol data er blitt samlet inn under olje-på-vann øvelser arrangert av Norsk Oljevernforening For Operatørselskap (NOFO), og et samarbeid mellom UiT, NASA-JPL og NOFO har resultert i at et unikt datasett av X-, C- og L-bånd SAR data over overflatefilmer med ulike egenskaper er blitt samlet inn. Basert på disse dataene ble ulike multipolarisasjonsegenskaper testet for oljesøldetekjson og -karakterisering under varierende værforhold, for ulike sensoregenskaper og for ulike typer overflatefilmer. Log-cumulanter, som er statistiske deskriptorer relatert til tekstur, ble foreslått som er metode for å skille mellom mineralske oljer og andre fenomen som gir lav tilbakespredning i SAR, og lovende resultater ble funnet for lav-middels vindhastigheter. Ved høy vind kunne verken log-cumulanter eller andre multipolarisasjonsegenskaper som tidligere har gitt gode resultater, skille mellom ulike typer overflatefilmer.

Oljeutslipp fra skip og offshore-installasjoner, enten ulovlig eller fra ulykker, kan medføre store miljøskader. Med økt maritim trafikk og oljeutvinningsaktivitet nær sårbare områder er faren for skader fra oljeutslipp av økende bekymring. Tidlig varslin g av oljesøl er viktig for å begrense potensielle miljøskader, men også for å ta miljøsyndere og dermed bidra til færre ulovlige utslipp. I dag blir slik overvåking gjennomført med manuell inspeksjon av satellittbaserte radarbilder. For effektiv overvåk ing er det viktig å kunne overvåke store områder og kontrollere dem ofte. Manuell inspeksjon kan da bli for kostnadskrevende og lite effektiv, spesielt i global målestokk. Kongsberg Satellite Services (KSAT) vil utvikle en forbedret og automatisert olje søltjeneste som er i stand til å håndtere den store datamengden en global tjeneste medfører for å realisere det globale markedspotensialet. Samtidig vil tjenesten tilfredsstille nye brukerkrav relatert til estimering av risiko for miljøskader (risikovarsl ing) og karakterisering av oljesøl i form av hvor enkel de er å renske opp. Tjenesten vil være unik, da det ikke er andre i verden som tilbyr noe lignende. For å gjennomføre prosjektet vil aktiviteter relatert til automatisk data-analyse, estimering av v ind, bølger og strøm, data-analyse og karakterisering av oljesøl, og risikobasert varsling bli gjennomført. Disse FoU-oppgavene vil bli løst av KSAT i samarbeid med FoU-partnerne Norsk Regnesentral, Norut, Universitet i Tromsø og Metrologisk Institutt. Ut testing og evaluering tjenesten blir utført sammen med utvalgte brukere.

Publikasjoner hentet fra Cristin

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Budsjettformål:

BIA-Brukerstyrt innovasjonsarena