Εντοπισμός πετρελαιοκηλίδων και διαρροών αγωγών με χρήση τηλεπισκόπησης
Από RemoteSensing Wiki
Πρωτότυπος Τίτλος: Oil spill and pipeline condition assessment using remote sensing and data visualization management systems
Συγγραφείς: William Roper, Subijoy Dutta
Εισαγωγή
Μία σημαντική εφαρμογή της τηλεπισκόπησης είναι η παρακολούθηση μεγάλων δικτύων μεταφοράς. Για την παρακολούθηση και τον εντοπισμό διαρροών σε ένα ηλεκτρικό ή σε ένα δίκτυο μεταφοράς πετρελαίου μπορεί να απαιτηθεί ο χρονοβόρος και πολλές φορές αδύνατος έλεγχος (Οι παραδοσιακοί τρόποι περιλαμβάνουν περιοδική συντήρηση, επιθεωρήσεις, συμπεριλαμβανομένων των ερευνών διαρροής, ελέγχους με συσκευές ασφαλείας και πτήσεις με εναέρια μέσα) ενός δικτύου που εκτείνεται για εκατοντάδες ή και χιλιάδες χιλιόμετρα. Η τηλεπισκόπηση λοιπόν μπορεί να κάνει τον έλεγχο αυτόν υπό συγκεκριμένες ιδιαιτερότητες όπως είναι ο έλεγχος σε δυσπρόσιτες περιοχές, σε μικρό χρονικό διάστημα, με αποτελεσματικότητα και με χαμηλότερο κόστος έναντι άλλων τεχνικών. Αν αναλογιστεί κανείς για παράδειγμα την επικινδυνότητα μίας διαρροής από αγωγό φυσικού αερίου γίνεται αμέσως αντιληπτή η σημαντικότητα ενός γρήγορου εντοπισμού του προβλήματος κάτι που μπορεί να παράσχει η τηλεπισκόπηση αλλά δεν μπορεί ο επιτόπιος έλεγχος του δικτύου. Εκτός βέβαια από την ασφάλεια των δικτύων η τηλεπισκόπηση μπορεί να βοηθήσει και στον εντοπισμό κλοπής ενέργειας ακόμη και στις πιο απομακρυσμένες περιοχές.
Στις ΗΠΑ που έχουν ένα εκτεταμένο σύστημα αγωγών ενέργειας η τηλεπισκόπηση διαδραματίζει βασικό ρόλο στην παρακολούθηση και εκτίμηση της κατάστασης των δικτύων αυτών. Σε πρώτο επίπεδο οι ΗΠΑ δημιούργησαν μία βάση δεδομένων που αφορά το σύνολο των δικτύων μεταφοράς, για την δημιουργία ενός εθνικού συστήματος χαρτογράφησης που περιέχει τις θέσεις αλλά και επιλεγμένα χαρακτηριστικά των γραμμών μεταφοράς φυσικού αερίου, γραμμών μεταφοράς άλλων επικίνδυνων υγρών καθώς και των εγκαταστάσεις υγροποιημένου φυσικού αερίου που λειτουργούν σε χερσαίες και υπεράκτιες περιοχές των Ηνωμένων Πολιτειών.
Μέσω της τηλεπισκόπησης στην συνέχεια αξιοποιούνται δορυφορικές εικόνες για την καταγραφή πιθανόν προβλημάτων. Μία τεχνική που χρησιμοποιείται ευρέως βασίζεται στο εξειδικευμένο λογισμικό PIMOS που δύναται να μοντελοποιήσει 5 τύπους ελαττωμάτων των αγωγών: την εξωτερική ή εσωτερική διάβρωση, την διάβρωση με μηχανική καταπόνηση ή δυναμοδιάβρωση ή εργοδιάβρωση (stress corrosion cracking), ελαττώματα υλικού ή κατασκευής και μηχανικές βλάβες.
Ολοκληρωμένο δορυφορικό σύστημα ανίχνευσης για την παρακολούθηση Αγωγού
Σαν παράδειγμα εφαρμογής των όσων αναφέραμε μπορούμε να δείξουμε την εικόνα 1 όπου συλλέχθηκαν τρείς διαφορετικές εικόνες, με μεγάλη ανάλυση, για μία περιοχή ενδιαφέροντος, για την παρακολούθηση αγωγών μεταφοράς. Πιο συγκεκριμένα υπήρξε μία πολυφασματική εικόνα με resolution 4 μέτρων, μία εικόνα ραντάρ SAR και άλλες εικόνες που τραβήχτηκαν από την περιοχή.
Για διαρροές από αγωγούς η εγκαταστάσεις πετρελαιοειδών χρησιμοποιούνται υπερφασματικές εικόνες. Πιο συγκεκριμένα εξελιγμένοι υπερφασματικοί αισθητήρες όπως οι VNIR-SWIR είναι ιδανικοί στην ανίχνευση επιφανειών και εδάφους που έχουν επηρεαστεί από πετρελαιοειδή. Με αυτόν τον τρόπο υπάρχει η δυνατότητα ανίχνευσης υπόγειων διαρροών αγωγών και δεξαμενών ακόμη και μικρής έκτασης με την προϋπόθεση ότι θα είναι διαθέσιμες υψηλής ανάλυσης εικόνες. Δοκιμές έχουν δείξει ότι οι υδρογονάνθρακες στο έδαφος και τα πλαστικά που χαρακτηρίζονται από μέγιστα απορρόφησης σε μήκη κύματος 1730 και 2310nm.
Στην εικόνα 3 βλέπουμε διαρροή από τον αγωγό πετρελαίου Piney Point στο Μέρυλαντ που άργησε να εντοπιστεί με αποτέλεσμα την διαρροή 140.000 γαλονιών πετρελαίου σε περιοχή στον ποταμό Patuxent. Το κόστος αποκατάστασης του περιβάλλοντος ξεπέρασε τα 70 εκ. δολάρια.
Για την ρύπανση στον ποταμό Patuxent χρησιμοποιήθηκε ο αισθητήρας AISA που λαμβάνει δεδομένα από 25 συχνότητες (bands) από 400nm έως 800 nm. Ο λόγος μελέτης αυτής της περιοχής του φάσματος οφείλονταν στα χαρακτηριστικά ανάκλασης του νερού. Η εικόνα αναλύθηκε χρησιμοποιώντας δύο διαφορετικές ταξινομήσεις: μη επιβλεπόμενη και επιβλεπόμενη ταξινόμηση. Η εικόνα 4 με την επιβλεπόμενη ταξινόμηση έγινε με την χρήση της μεθόδου της μεγίστης πιθανοφάνειας (maximum likelihood method).
Εν κατακλείδι, είναι σημαντικό να αναφερθεί η μεγαλύτερη αποτελεσματικότητα των δορυφορικών εικόνων έναντι των άλλων πρακτικών παρακολούθησης των δικτύων μεταφοράς. Είναι χαρακτηριστικό ότι ακόμη και η χρήση αεροπλάνων για την παρακολούθηση και τον εντοπισμό πιθανών προβλημάτων σε αγωγούς έχει πολύ χαμηλότερα ποσοστά επιτυχίας από την χρήση αεροφωτογραφιών.
