ALGORITMI PER LA STIMA E LA CARATTERIZZAZIONE DEGLI IDROCARBURI SPIAGGIATI

Federico Santini

Istituto di Metodologie per l’Analisi Ambientale, Consiglio Nazionale delle Ricerche (CNR-IMAA), Potenza

Obiettivi del tema di ricerca

In letteratura, gli algoritmi per il rilevamento degli sversamenti di petrolio utilizzano sensori attivi (es. radar) per la loro identificazione in mare, fornendo anche indicazioni sullo spessore del film inquinante (progetto PRIMI). A nostra conoscenza, poco è stato fatto per quanto riguarda la fase legata al riversamento di queste sostanze sulla costa. L’originalità di questo tema di ricerca consiste nell’introduzione di tecniche innovative basate sull’elaborazione di dati ottici iperspettrali. La validità dell’approccio è garantita dal successo di applicazioni simili nel campo del telerilevamento iperspettrale [1].

Materiali e Metodi

Poiché l’interesse è focalizzato sull’identificazione degli idrocarburi riversati sulla costa, le aree di studio sono state scelte in base alla disponibilità di dati in situ e satellitari nell’intervallo di tempo tra lo spiaggiamento e l’estinzione (naturale o conseguente ad operazioni di pulizia) degli idrocarburi. Il caso più drammatico di sversamento di petrolio è il disastro ambientale dello stabilimento petrolifero Deepwater Horizon, affiliato alla British Petroleum. Un incidente che ha coinvolto il pozzo Macondo, profondo più di 1500 metri, causando una massiccia fuoriuscita di petrolio che si è sversato nelle acque del Golfo del Messico. La fuoriuscita è iniziata il 20/04/2010 e si è conclusa 106 giorni dopo, il 04/08/2010, con oltre 4.4 milioni di barili di petrolio sversati nelle acque di fronte a Louisiana, Mississippi, Alabama e Florida [2]. Per quest’analisi, ci siamo focalizzati sulla Baia di Barataria. In quest’area, infatti, sono state effettuate diverse campagne in situ per la raccolta di campioni e dati spettrali che sono stati utilizzati per la validazione all’interno di alcuni lavori di ricerca [3,4]. In particolare, siamo interessati a verificare le potenzialità del telerilevamento nell’identificare e quantificare l’estensione degli oli riversati sulla costa. La ricerca è quindi orientata verso l’indagine di tecniche spettrali basate sulle principali caratteristiche di assorbimento degli idrocarburi. A questo scopo sono stati testati indici spettrali quali l’Hydrocarbon Index (HI) di Kühn et al. (2004) [5]:

                                 (Eq. 1)

dove Rx e lx sono rispettivamente la radianza e la lunghezza d’onda del canale x.

L’immagine AVIRIS acquisita il 14/09/2010 è stata scaricata dal portale AVIRIS (https://aviris.jpl.nasa.gov). L’immagine è stata poi corretta atmosfericamente e ortorettificata. La correzione atmosferica è stata effettuata utilizzando diversi modelli in modo da ottimizzare i dati. Sulla base dei dati di letteratura, è stata selezionata un’area per effettuare una serie di test allo scopo di: a) valutare il miglior algoritmo per l’identificazione del petrolio spiaggiato; b) identificare il miglior intervallo spettrale per l’implementazione degli algoritmi; c) verificare l’uso dei dati di radianza; d) confrontare le prestazioni dell’algoritmo con i risultati in letteratura e) testare le prestazioni dell’algoritmo dopo aver ricampionato i dati AVIRIS sulle caratteristiche di altri sensori (es: PRISMA). I test sono stati effettuati definendo, sulla base dei dati in letteratura, le ROI (Region of Interest) relative al petrolio spiaggiato e le ROI relative alle aree prive di petrolio.

Risultati e Discussione

Miglior algoritmo e caratterizzazione spettrale del petrolio

Oltre all’indice HI (eq.1), sono stati testati l’indice Band-depth (Bd) e un indice di rapporto spettrale a tre canali (3cSR) utilizzato dalla NASA a partire dal 2006:

                              (Eq. 2)

                                                                    (Eq. 3)

Per ciascun algoritmo sono state prodotte una serie di mappe variando la posizione dei canali spettrali all’interno di un ampio range sulla base delle principali “feature” di assorbimento centrate a 1.72 e 2.3 μm. Per valutare la capacità degli algoritmi di mappare le aree colpite dal riversamento di petrolio, sono state calcolate le distribuzioni statistiche dei valori delle ROI ed è stato definito un indice di separabilità (SI):

       (Eq. 4)

dove goil-impacted(x) e goil-free(x)  sono le distribuzioni gaussiani che meglio approssimano le distribuzioni statistiche della radianza relativamente alle due ROI, mentre “x” è il valore dell’indice applicato (HI, Bd, 3cSR). I risultati dei test suggeriscono che tutti gli algoritmi riescono a rilevare la presenza di riversamenti di petrolio. I risultati migliori sono ottenuti con l’indice HI (HI: SI=.99; Bd: SI=.94; 3cSR: SI=.85). Sempre basandosi sull’indice SI, è stato possibile caratterizzare le “feature” spettrali del petrolio. Dall’analisi si deduce che la scelta della banda migliore è [Ra=140=1681.98 nm; Rb=145=1731.79 nm; Rc=148=1761.67 nm] per la “feature” a 1.72 μm e [Ra=199=2247.58 nm; Rb=205=2307.39 nm; Rc=215=2406.89 nm] per la “feature” a 2.3 μm.

Radianza vs. dati spettrali

Nessuna differenza significativa è stata rilevata applicando gli algoritmi ai dati di radianza e riflettanza. Le mappe risultano quasi indistinguibili così come le distribuzioni statistiche, con un miglioramento molto modesto quando si applica la correzione atmosferica (il SI associato a HI1.72 passa da 0.9967 a 0.9984). Di conseguenza, gli algoritmi sono stati applicati alle radianze per velocizzare la procedura. Una volta valutati gli algoritmi e caratterizzate le “feature” spettrali del petrolio, sono state scaricate altre immagini AVIRIS, per valutare l’impatto dello sversamento nel tempo. Sono state selezionate altre tre immagini prive di nuvole: 04/10/2010, 04/05/2011 e 15/10/2011. La figura 1 mostra come il petrolio sia diminuito nel tempo e le mappe HI mostrano chiaramente la diminuzione delle aree impattate, mentre le distribuzioni statistiche delle due ROI tendono a sovrapporsi con l’indice SI che passa da 0.99 a 0.01.

Figura 1: Mappe HI1.72 (1° riga) e mappe del petrolio riversato sulla costa (2° riga) relative alle immagini AVIRIS acquisite il 14/09/2010 (1° colonna), il 04/10/2010 (2° colonna), il 04/05/2011 (3° colonna) e il 15/10/2011 (4° colonna). Nell’ultima riga sono mostrate le distribuzioni statistiche HI1.72 delle due ROI (linea tratteggiata per le aree impattate e linea a punti per le aree non impattate), con le distribuzioni gaussiane sovrapposte (linea continua).

Ai fini della validazione, l’indice HI1.72 è stato applicato ad una regione più ampia che includeva altre aree con presenza documentata di petrolio spiaggiato. I risultati sono risultati in eccellente accordo con quanto riportato da Kokaly et al., 2013 [3].

Dati simil-PRISMA

Per stimare il potenziale dell’indice HI sui dati PRISMA, un’immagine simil-PRISMA è stata simulata ricampionando i dati AVIRIS alla risoluzione spaziale caratteristica del sensore PRISMA. Una volta applicato l’indice HI1.72 e riconciliate le ROI, sono state calcolate le distribuzioni statistiche dei valori HI1.72 per le aree impattate e per le aree prive di petrolio, ottenendo il grafico in figura 2. Confrontando questo grafico con quello relativo ai dati originali AVIRIS, si può notare come la sovrapposizione tra le distribuzioni è aumentata con un valore SI che risulta uguale a 0.54 per l’immagine simil-PRISMA. Ciononostante, selezionando i pixel con HI1.72 > 2, otteniamo ugualmente una mappa accurata dei pixel impattati dal riversamento di petrolio, dove molte delle aree rilevate con i dati AVIRIS sono ancora visibili (Fig. 2).

Figure 2: Da sinistra verso destra: distribuzione statistica HI1.72 delle due ROI ottenuta per l’immagine simil-Prisma; RGB dell’immagine simil-Prisma; mappa relativa al petrolio presente sulla costa.

Possibili sviluppi futuri

I risultati mostrano come l’indice HI sia un potente algoritmo per il rilevamento dell’olio riversato sulla costa, sia quando applicato alla “feature” spettrale centrata sui 1.72 μm che a quella centrata sui 2.3 μm, con un leggero vantaggio per la prima. I risultati dimostrano anche che l’algoritmo può essere applicato in modo speditivo alle radianze. Il confronto con risultati di letteratura e l’applicazione ad una serie temporale di dati con diverse quantità di petrolio ha permesso di verificare il potenziale di questo approccio. Diverse aree costiere interessate dal riversamento di petrolio risultano essere ancora rilevabili dopo il ricampionamento alla risoluzione spaziale del dato PRISMA. Di conseguenza, nel prossimo futuro, i dati PRISMA reali potrebbero confermare il potenziale delle applicazioni di questo indice per la mappatura degli oli riversati sulla costa.

Bibliografia

  1. Bianchi, R., Cavalli, R.M., & Marino, C.M. (1996). Evaluation of the spatial distribution, in percent coverage of the oil spilled during the Trecate blow-out, based on the analysis of airborne hyperspectral MIVIS data (No. CONF-960203-). Environmental Research Institute of Michigan (ERIM), Ann Arbor, MI (United States).
  2. Crone, T.J., & Tolstoy, M. (2010). Magnitude of the 2010 Gulf of Mexico oil leak. Science, 330(6004), 634-634.
  3. Kokaly, R.F., Couvillion, B.R., Holloway, J.M., Roberts, D.A., Ustin, S.L., Peterson, S.H., Khanna, S., Piazza, S.C. (2013). Spectroscopic remote sensing of the distribution and persistence of oil from the Deepwater Horizon spill in Barataria Bay marshes. Remote Sensing of Environment, 129, 210-230.
  4. Arslan M.D., (2013). Oil spill detection and mapping along the Gulf of Mexico coastline based on imaging spectrometer data. Master of Science Dissertation, Office of Graduate and Professional Studies of Texas A&M University.
  5. Kühn, F., Oppermann, K., Hörig, B. (2004). Hydrocarbon Index–an algorithm for hyperspectral detection of hydrocarbons. International Journal of Remote Sensing, 25(12), 2467-2473.