Direct or indirect on-shore hydrocarbon detection methods applied to hyperspectral data in tropical area
Détection directe et indirecte d'une pollution aux hydrocarbures à partir d'une image hyperspectrale
Résumé
Detecting onshore hydrocarbon is a major topic for both environmental monitoring and exploration. In this work, a hyperspectral image acquired nearby an old oil extraction site is analyzed. The area of interest includes a pit filled with bio-degraded heavy oil, surrounded by herbaceous vegetation and many lagoons.
First, we focused on methodologies that allow tracking hydrocarbon pollution in non-supervised setting. Based on the assumption that such pits are rare events in the image, statistical approach for anomalies detection, derived from the Reed-Xiaoli detector, is used for their detection. In order to decrease the false alarms rate, some a priori knowledge about the spectral signature of the pits and about the background is introduced. This approach succeeds in detecting the pit with very few false alarms.
Hydrocarbon pollution can have an impact on vegetation. It can induce a stress, or conversely it can boost some vegetation species. In order to map the polluted area without any a priori knowledge, several un-supervised classification, including an original frame of automatic classification combining unmixing approach and SVM (support Vector Machine) are applied and compared. The results are compared with a partial “ground truth map” that has been derived from visual observations on the field, and with areas of stressed vegetation that have been mapped using combination of vegetation spectral indices. The classification results are consistent with the ground truth map and the retrieved the stressed vegetation areas.
La détection des hydrocarbures à terre est un sujet majeur tant pour la surveillance de l'environnement que pour l'exploration. Dans ce travail, une image hyperspectrale acquise à proximité d'un ancien site d'extraction pétrolière est analysée. La zone d'intérêt comprend un bourbier remplie de pétrole lourd biodégradé, entourée d'une végétation herbacée et de nombreuses lagunes.
Tout d'abord, nous nous sommes concentrés sur les méthodologies qui permettent de détection la pollution par les hydrocarbures manière non supervisée. En partant de l'hypothèse que ces bourbiers sont des événements rares dans l'image, une approche statistique pour la détection des anomalies, dérivée de la méthode proposée par Reed-Xiaoli, est utilisée pour leur détection. Afin de diminuer le taux de fausses alarmes, des connaissances a priori sur la signature spectrale de ces bourbiers et sur la nature de l’environnement sont introduites. Cette approche réussit à détecter le bourbier avec très peu de fausses alarmes.
La pollution par les hydrocarbures peut avoir un impact sur la végétation. Elle peut induire un stress, ou inversement, elle peut stimuler certaines espèces végétales. Afin de cartographier la zone polluée sans aucune connaissance a priori, plusieurs classifications non supervisées, y compris une approche originale de classification automatique combinant le dé-mélange spectral et le SVM (Support Vector Machine) sont appliquées et comparées. Les résultats sont comparés à une "carte de vérité terrain" partielle dérivée d'observations visuelles sur le terrain et à des zones de végétation stressée qui ont été cartographiées à l'aide d'indices spectraux de végétation. Les résultats de la classification sont cohérents avec la carte de vérité au sol et les zones de végétation stressée.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
Loading...