DISCRIMINACIÓN AUTOMÁTICA DE VERTIDOS DE HIDROCARBUROS A PARTIR DE IMÁGENES ASAR UTILIZANDO UNA MÁQUINA DE VECTORES SOPORTE -SVM (Automatic discrimination of hydrocarbon spills from ASAR images using a support vector machine (SVM))

L. González

Description

RESUMEN
La detección de vertidos de hidrocarburos en áreas oceánicas en imágenes de radar de apertura sintética (SAR) es una operación complicada debido a la presencia de otros fenómenos que dan lugar a signaturas similares a la de los vertidos, por lo que se han propuesto diferentes sistemas automáticos o semiautomáticos de detección que permitan distinguir los vertidos reales. En este trabajo se presenta un clasificador basado en un método de aprendizaje supervisado denominado Máquina de Vectores Soporte (SVM). Para el desarrollo del algoritmo se han utilizado 26 imágenes ENVISAT ASAR adquiridas durante la marea negra causada por el petrolero Prestige a finales del 2002 y que afectó a la costa noroeste de España. Estas imágenes presentan no solamente gran número de vertidos sino también gran cantidad de falsas alarmas. Para poder entrenar y validar el clasificador fue necesario llevar a cabo una categorización a priori de las signaturas que aparecían en las imágenes, para lo cual se utilizaron otras fuentes de datos, incluyendo observaciones directas de las manchas que nos permitieron verificar muchos de los vertidos presentes. Los resultados mostraron un algo grado de precisión (98.1%) y significancia (93.5%) en la validación, así como una prometedora capacidad de generalización del algoritmo.
ABSTRACT
Oil spill detection over ocean areas using synthetic aperture radar (SAR) images is a complicated operation due to the presence of other phenomena with signatures similar to those of oil slicks, and hence, different automatic or semi-automatic detection systems have been proposed in order to distinguish the real oil spills. In this work it is proposed a classifier based on a supervised learning method named Support Vector Machine (SVM). The algorithm was developed using 26 ENVISAT ASAR images acquired during the Prestige oil spill at the end of 2002 on the north-west coast of Spain. These images show not only a great number of oil slicks but also a lot of false alarms (or look-alikes). With the aim of training and validating the classifier, it was necessary a priori categorization of the signatures using other data sources, including direct observations that allow us to verify several slicks as oil. Results show a high degree of accuracy (98.1%) and significance (93.5%) in the validation, and also promising generalization capabilities of the algorithm.

Sujets

• Clasificador
• Oil spill
• Classifier

Informations

• Publié par: erevistas
• Publié le: 01 janvier 2010
• Nombre de lectures: 45
• Poids de l'ouvrage: 1 Mo

Extrait

Revista de Teledetección. ISSN: 1988-8740. 2010. 33: 17-28
Discriminación automática de vertidos de
hidrocarburos a partir de imágenes ASAR
utilizando una máquina de vectores soporte (SVM)
Automatic discrimination of hydrocarbon spills
from ASAR images using a support vector
machine (SVM)
L. González, J. M. Torres, N. Yarovenko y J. Martín
[e-mail]
Laboratorio de Teledetección y SIG, Departamento de Física Aplicada, Universidad de Vigo.
Facultad de Ciencias del Mar, Campus Lagoas-Marcosende. 36310. Vigo. Pontevedra
Recibido el 02 de marzo de 2010, aceptado el 28 de abril de 2010
ABSTRACTRESUMEN
Oil spill detection over ocean areas usingLa detección de vertidos de hidrocarburos en
synthetic aperture radar (SAR) images is a com-áreas oceánicas en imágenes de radar de aper-
plicated operation due to the presence of othertura sintética (SAR) es una operación compli-
phenomena with signatures similar to those of oilcada debido a la presencia de otros fenómenos
slicks, and hence, different automatic or semi-au-que dan lugar a signaturas similares a la de los
tomatic detection systems have been proposed invertidos, por lo que se han propuesto diferentes
order to distinguish the real oil spills. In thissistemas automáticos o semiautomáticos de de-
work it is proposed a classifier based on a super-tección que permitan distinguir los vertidos rea-
vised learning method named Support Vectorles. En este trabajo se presenta un clasificador
basado en un método de aprendizaje supervisado Machine (SVM). The algorithm was developed
denominado Máquina de Vectores Soporte using 26 ENVISAT ASAR images acquired du-
(SVM). Para el desarrollo del algoritmo se han ring the Prestige oil spill at the end of 2002 on
utilizado 26 imágenes ENVISAT ASAR adqui- the north-west coast of Spain. These images
ridas durante la marea negra causada por el pe- show not only a great number of oil slicks but
trolero Prestige a finales del 2002 y que afectó a also a lot of false alarms (or look-alikes). With
la costa noroeste de España. Estas imágenes the aim of training and validating the classifier, it
presentan no solamente gran número de vertidos was necessary a priori categorization of the sig-
sino también gran cantidad de falsas alarmas. natures using other data sources, including direct
Para poder entrenar y validar el clasificador fue observations that allow us to verify several slicks
necesario llevar a cabo una categorización a as oil. Results show a high degree of accuracy
priori de las signaturas que aparecían en las imá- (98.1%) and significance (93.5%) in the valida-
genes, para lo cual se utilizaron otras fuentes de tion, and also promising generalization capabili-
datos, incluyendo observaciones directas de las ties of the algorithm.
manchas que nos permitieron verificar muchos
de los vertidos presentes. Los resultados mos-
traron un algo grado de precisión (98.1%) y sig-
nificancia (93.5%) en la validación, así como
una prometedora capacidad de generalización
del algoritmo.
Revista de Teledetección. ISSN: 1988-8740. 2010. 33: 17-28 17L. González et al.
PALABRAS CLAVE: Radar de apertura sinté- KEYWORDS: Synthetic Aperture Radar (SAR),
tica (SAR), vertidos de hidrocarburos, Máquina oil spills, Support Vector Machines (SVM), de-
de Vectores Soporte (SVM), sistema de detec- tection system, classifier
ción, clasificador
INTRODUCCIÓN zación. Con visión oblicua, una superficie lisa no
produce prácticamente señal de retorno mientras que
La contaminación por hidrocarburos es una seria una superficie rugosa, en presencia de las típicas
amenaza para los ecosistemas marinos y puede afec- ondas capilares y de gravedad (longitudes de onda
tar de forma grave a todas las actividades económi- entre 0.005 y 5.5 metros) producirá una retrodisper-
cas dependientes de mar. El problema se agrava sión significativa donde el mecanismo más impor-
especialmente en zonas costeras o con un tráfico ma- tante es la dispersión resonante de Bragg (Ulaby et
rítimo muy intenso, como es el caso de la plataforma al., 1982).
continental de Galicia. Además del riesgo evidente Los derrames de hidrocarburos presentan una
que suponen las grandes catástrofes, como la marea mayor viscosidad que el agua de mar y tienden a for-
negra causada por el petrolero Prestige a finales de mar películas de un espesor variable que amortiguan
2002 en esta zona, la mayoría de los vertidos son las ondas capilares y de gravedad al provocar una
causados por los derrames debidos a operaciones disminución de la tensión superficial que permite la
rutinarias de los buques o a pequeños accidentes. propagación de dicha ondas. De esta manera, al dis-
La detección de los vertidos es por tanto muy im- minuir la rugosidad en presencia de hidrocarburos,
portante a la hora de planificar las medidas encami- la intensidad de la señal retrodispersada hacia el sen-
nadas a reducir los impactos ocasionados por la sor es menor y los vertidos aparecen en las imáge-
contaminación, usándose con este fin diferentes sen- nes SAR como áreas oscuras (Figura 1) en contraste
sores remotos, tanto a bordo de satélites, siendo las con el entorno más brillante (Alpers y Huhnerfuss,
imágenes más ampliamente utilizadas las de radar 1988). Este método cuenta con grandes ventajas,
de apertura sintética (SAR), como aerotransportados como pueden ser la gran cobertura espacial o la po-
(Brekke y Solberg, 2005). sibilidad de obtener información de noche o bajo
La interacción entre la superficie del mar y la señal malas condiciones meteorológicas, pero también im-
de radar depende de la configuración del sensor (fre- portantes limitaciones, ya que la capacidad de de-
cuencia, polarización y ángulo de incidencia) y de tección depende de diversos factores, incluyendo la
la rugosidad superficial. Los principales sensores configuración del instrumento, las propiedades fí-
SAR a bordo de satélites operan con frecuencias en sico-químicas del producto, la velocidad del viento
torno a 5 GHz (banda C), con ángulos de incidencia o la presencia de otros fenómenos que originan sig-
entre 15º y 49º y permiten elegir el modo de polari- naturas muy similares a las de los vertidos.
Figura 1. Fragmento de la imagen ASAR del 3 de diciembre del 2002, con vertidos de hidrocarburos amenazando las rías
gallegas
Revista de Teledetección. ISSN: 1988-8740. 2010. 33: 17-2818Discriminación automática de vertidos de hidrocarburos a partir de imágenes ASAR utilizando una máquina...
En la configuración del instrumento se debe tener 1987). Con altas velocidades de viento, por encima
en cuenta la frecuencia, la polarización y el ángulo de 12 m/s, la detección se complica debido a una dis-
de incidencia. Así, la longitud de onda de la señal, minución del contraste entre el vertido y su entorno
en combinación con el ángulo de incidencia y la ru- al incrementarse la señal retrodispersada desde la
gosidad de la superficie marina (dependiente de la zona de derrame, y con velocidades ya superiores a
velocidad del viento), afectan a la intensidad de la 15 m/s las manchas pueden desaparecer bajo el agua
dispersión resonante de Bragg y por lo tanto al con- debido a la mezcla que se produce por efecto del
traste entre los hidrocarburos y el agua no contami- viento en la capa superior del océano y a la redistri-
nada observado en las imágenes SAR. En los bución por parte del oleaje (Alpers, 1993).
experimentos realizados con radar multi-frecuencia Finalmente, el principal problema para la detección
para estudiar en que frecuencias se consigue un es la presencia de otros fenómenos que originan sig-
mayor contraste se concluyó que las bandas C, X y naturas muy similares a la de los vertidos, lo que
Ku son las más apropiadas (Wismann, 1993), y que provoca que el riesgo de aparición de falsas alarmas
de éstas la banda C permite la discriminación a ma- sea muy alto y que se requiera a un interpretador ex-
yores velocidades de viento, de hasta 13 m/s (Pa- perto para poder discriminar los vertidos reales (Es-
vlakis et al.,1996). En cuanto al ángulo de pedal et al., 1995; Clemente-Colon y Yan, 2000). La
incidencia, hay que tener en cuenta que la intensi- falsa alarma más común, especialmente en zonas
dad de la señal retrodispersada decrece con dicho costeras, es la provocada por zonas de bajo viento.
ángulo. Además, con ángulos inferiores a 20º la dis- También es relativamente frecuente la acumulación
criminación de vertidos no es posible debido a la in- de material biogénico resultante del ciclo de vida del
fluencia de la reflexión especular. El efecto de la plancton u otros organismos marinos y que forman
polarización no es muy importante debido a la múl- películas similares a la de los vertidos, aunque en di-
tiple dispersión de la señal en una superficie rugosa ferentes trabajos se apun