文献

J-GLOBAL ID：202102218390674705   整理番号：21A2455246

二重共偏波レーダサット-2とTerraSAR-X SAR画像を用いた鉱物油スリックの同定【JST・京大機械翻訳】

Mineral Oil Slicks Identification Using Dual Co-polarized Radarsat-2 and TerraSAR-X SAR Imagery

著者 (5件)： Ivonin Dmitry (Shirshov Institute of Oceanology, Russian Academy of Sciences, 117997 Moscow, Russia) ,  Brekke Camilla (Departement of Physics and Technology, UiT The Arctic University of Norway, 9019 Tromso, Norway) ,  Skrunes Stine (Departement of Physics and Technology, UiT The Arctic University of Norway, 9019 Tromso, Norway) ,  Ivanov Andrei (Shirshov Institute of Oceanology, Russian Academy of Sciences, 117997 Moscow, Russia) ,  Kozhelupova Nataliya (Shirshov Institute of Oceanology, Russian Academy of Sciences, 117997 Moscow, Russia)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 12  号： 7  ページ： 1061  発行年： 2020年 
JST資料番号： U7270A  ISSN： 2072-4292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 本研究は,鉱物油スリック(原油と乳濁液)を容易に同定し,他の油膜から分離するダイアグラムの形式で,C-バンドレーダサット-2とX-バンドTerraSAR-X合成開口レーダ(SAR)データの一般化に専念した。ダイヤグラムは,2016年にIvoninらによって導入された非共鳴信号減衰(RND)に対するResonantと呼ばれる多重分極パラメータに基づいており,それは短波と波破壊のスリック内の減衰間の比に関係する。3種類の油漏れ(原油,エマルションおよび植物油)を含む2011年2012年の油-オン-水運動中の北海で取得したSAR画像を用いた。分析は,中程度の海面条件(26m/sの風速と2m以下の海波高),2749の入射角,およびスリック内の3~11dBの信号対雑音比(SNR)の下で行われた。RNDパラメータとBragg波数によって作られた図面上で,鉱油試料は鉱物油帯と呼ばれるよく外れたゾーンを形成する。Cバンドデータに対して,植物油試料はダイアグラム中の鉱油と明確に区別された。鉱油対植物油の検出のための信頼水準の決定を鉱物油ゾーン境界を用いて提案した。2dB以上のスリック内のSNRを有する鉱物油データは,65%以上の信頼水準を有するこのゾーン内にある。同じSNRを有する植物油データは,80%以上の信頼水準を有するこのゾーンの外にある。3dBのSNRを有する鉱油に対して,信頼水準は55%であった。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： SN比 ,  共鳴 ,  分極 ,  波浪 ,  風速 ,  信頼度 ,  原油 ,  乳濁液 ,  海面 ,  多重化 ,  短波 ,  植物油脂 ,  *偏波 ,  合成開口レーダ
準シソーラス用語： *RADARSAT , 【Automatic Indexing@JST】

著者キーワード (6件)： オイルスリック ,  SAR画像 ,  RADARSAT-2 ,  TerraSAR-X ,  多重偏光技術 ,  正規化レーダ断面積モデル

分類 (2件)： 海洋汚濁  (SB02040B) ,  リモートセンシング一般  (AD04000L)

引用文献 (58件)：

• Espedal, H.A.; Johannessen, O.M. Detection of oil spills near offshore installations using Synthetic Aperture Radar (SAR). Int. J. Remote Sens. 2000, 21, 2141-2144.
• Topouzelis, K.; Karathanassi, V.; Pavlakis, P.; Rokos, D. Detection and discrimination between oil spills and look-alike phenomena through neural networks. ISPRS J. Photogramm Remote Sens. 2007, 62, 264-270.
• Alpers, W.; Holt, B.; Zeng, K. Oil spill detection by imaging radars: Challenges and pitfalls. Remote Sens. Environ. 2017, 201, 133-147.
• Fingas, M.; Brown, C.E. A review of oil spill remote sensing. Sensors 2018, 18, 91.
• Carpenter, A. Maritime Safety Agency CleanSeaNet activities oil pollution in the North Sea. In Oil Pollution in the North Sea; Carpenter, A., Ed.; Springer: Berlin/Heidelberg, Germany, 2015; pp. 33-47. ISBN 978-3-319-23901-9.

タイトルに関連する用語 (6件)： 偏波 ,  レーダサット ,  TerraSAR-X ,  SAR画像 ,  鉱物油 ,  同定