کاربرد مدل های یادگیری عمیق در تشخیص لکه نفتی با استفاده از داده های Sentinel-۱

شناسایی لکه های نفتی به عنوان یکی از چالش های جدی زیست محیطی، تاثیرات مخربی بر اکوسیستم های دریایی و جوامع انسانی دارد. نشت های نفتی که به دنبال فعالیت های صنعتی و حمل و نقل دریایی به وقوع می پیوندند، منجر به آلودگی آب ها و آسیب به زیستمندان می شوند. این مطالعه به بررسی کارایی فناوری های سنجش از دور، به ویژه تصاویر ماهواره ای راداری Sentinel-۱، در شناسایی لکه های نفتی پرداخته است. با توجه به پیشرفت های اخیر در زمینه یادگیری عمیق، این تحقیق به ارزیابی الگوریتم های مختلف، شامل Convolutional Neural Network (CNN) و Vision Transformers (ViT)، می پردازد و توانایی آن ها در شناسایی و تحلیل الگوهای نشت نفت را مورد بررسی قرار می دهد. در این راستا، داده های محیطی از نشت های نفتی در دو منطقه کلیدی، یعنی پورت سعید و جنوب تنگه هرمز، جمع آوری شد. این داده ها شامل ویژگی های جغرافیایی، وضعیت آب و هوا، و اطلاعات مربوط به نشت های قبلی بود. مدل های یادگیری عمیق با استفاده از این داده ها آموزش دیده و در مراحل بعد، نتایج آن ها با داده های واقعی مقایسه گردید. یافته های این تحقیق نشان می دهد که مدل های یادگیری عمیق قادر به شناسایی لکه های نفتی با دقت بالایی هستند. نتایج به دست آمده از مدل ها با F-Score به ترتیب ۰.۹۷۹۸ و ۰.۹۸۰۶ و صحت کلی ۰.۹۷۹۹ و ۰.۹۷۸۳ برای داده های ارزیابی، نشان دهنده توانایی این مدل ها در پردازش و شناسایی الگوهای پیچیده نشت نفت است. علاوه بر این، این مدل ها برای پیش بینی نشت های نفتی در مناطق حساس در سال ۲۰۲۲ به کار گرفته شدند. این تحقیق همچنین به درک بهتر از عوامل موثر بر نشت های نفتی و تاثیرات آن ها بر اکوسیستم های دریایی کمک می کند و می تواند به تصمیم گیری های مدیریتی و حفاظتی در زمینه مدیریت منابع دریایی و بهبود استراتژی های پاسخ به بحران ها یاری رساند. با توجه به چالش های روزافزون ناشی از تغییرات اقلیمی و افزایش فعالیت های صنعتی، توسعه ابزارهای کارآمد برای شناسایی و مدیریت نشت های نفتی از اهمیت ویژه ای برخوردار است. این مطالعه می تواند به عنوان مبنایی برای تحقیقات آینده در این زمینه عمل کند و به ارتقاء فناوری های موجود در شناسایی و نظارت بر نشت های نفتی کمک نماید.

کلیدواژه ها:

الگوریتم های یادگیری عمیق ، سنجش از دور ، لکه های نفتی ، نشت نفت ، و تصاویر ماهواره ای راداری