Вход
  1. Главная
  2. Журналы
  3. «Газовая промышленность»
  4. Газовая промышленность 9.2024
Газовая Промышленность 9.2024

Обзорная статья

EDN: WJDQMQ

УДК 528.854::528.94::551.467
(UDK 528.854::528.94::551.467)

Авторизуйтесь

ОСВОЕНИЕ ШЕЛЬФА (SHELF DEVELOPMENT)

ОБЗОР СОВРЕМЕННЫХ СИСТЕМ КЛАССИФИКАЦИИ МОРСКОГО ЛЬДА

(OVERVIEW OF MODERN SYSTEMS FOR SEA ICE CLASSIFICATION)

Для обеспечения безопасности судоходства и морских работ в Арктическом регионе, связанных в числе прочего с поиском, разведкой и разработкой нефтегазовых месторождений, необходимо иметь возможность получения актуальной и репрезентативной информации о состоянии ледяного покрова. В России и других странах есть множество государственных институтов и коммерческих организаций, которые проводят мониторинг состояния ледяного покрова, в частности составляют ледовые карты, содержащие информацию о возрастных категориях льда. Алгоритмы определения последних в различных системах отличаются. Используются подходы, предусматривающие как автоматическую, так и ручную интерпретацию данных. Следовательно, скорость обработки информации, детализация, визуальное оформление и содержательная составляющая итогового продукта могут сильно отличаться. В связи с этим потребителю необходимо иметь представление о наличии различных источников данных для получения более детальной и оперативной информации о состоянии ледяного покрова.
В статье представлен обзор российских (автоматизированная ледово-информационная система «Север» Арктического и антарктического научно-исследовательского института, «Система мониторинга и прогнозирования состояния морского ледяного покрова» Научного фонда «Международный центр по окружающей среде и дистанционному зондированию имени Нансена», система Core.Vizard ООО «ВИЗАРД») и зарубежных (системы Ледовой службы Норвежского метеорологического института, проекта Ocean and Sea Ice Satellite Application Facility (High Latitude Processing Center), MAp-Guided Sea Ice Classification Канадской ледовой службы, Advanced Reasoning using Knowledge for Typing Of Sea Ice Национального ледового центра США) систем классификации морского льда. Рассматриваются основные источники данных для построения ледовых карт, которые используются каждым из указанных центров, а также методы обработки исходной информации для получения итогового продукта. Выполнено сравнение всех систем по ряду критериев для оценки возможностей использования того или иного сервиса в деятельности различных профильных организаций.

To ensure the safety of sea navigation and offshore operations in the Arctic region (including operations aimed at search for, exploration, and development of oil and gas fields), a source of relevant and representative information on ice cover status is required. Both Russia and other countries have a multitude of state institutions and commercial organizations conducting monitoring of ice cover condition; in particular, they plot ice charts containing information on the age of the ice. The determination algorithms of the latter differ depending on the system they belong to. Approaches applying both automatic and manual data interpretation are being used for this purpose. Therefore, the speed of data processing, the level of detail, visual appearance, and contents of the final data package may differ significantly. Due to this, a data consumer must be aware of the existence of multiple sources of data on the ice cover, and should strive for collecting more detailed and up-to-date information on ice cover status.
The article contains an overview of Russian (automated ice information system “Sever” (Arctic and Antarctic Research Institute), Sea Ice Cover Monitoring and Forecasting System (Nansen International Environmental and Remote Sensing Centre), Core.Vizard system (OOO VIZARD)) and foreign (systems of the Ice Service of the Norwegian Meteorological Institute, Ocean and Sea Ice Satellite Application Facility (High Latitude Processing Center), MAp-Guided Sea Ice Classification (Canadian Ice Service), and Advanced Reasoning using Knowledge for Typing Of Sea Ice (U.S. National Ice Center)) sea ice classification systems. The authors review the primary data sources for ice chart plotting used by each of the aforementioned organizations, as well as the methods of initial data processing used for development of the final product. The article contains a comparison of all the systems using a number of criteria for assessment of the potential of using those in operations of various specialized organizations.

КЛАССИФИКАЦИЯ ЛЬДА, АРКТИКА, АРКТИЧЕСКИЙ РЕГИОН, ЛЕДОВАЯ КАРТА, АЛГОРИТМ, НЕЙРОСЕТЬ

ICE CLASSIFICATION, ARCTIC, ARCTIC REGION, ICE CHART, ALGORITHM, NEURAL NETWORK

Е.Г. Кускова, ООО «ВИЗАРД» (Москва, Россия)

М.А. Липатов, ООО «ВИЗАРД»

А.И. Тюгалева, ООО «ВИЗАРД»

E.G. Kuskova, OOO VIZARD (limited liability company) (Moscow, Russia)

M.A. Lipatov, OOO VIZARD

A.I. Tyugaleva, OOO VIZARD

РД 52.04.316–92. Наставление гидрометеорологическим станциям и постам. Вып. 9. Гидрометеорологические наблюдения на морских станциях. Ч. II. Гидрометеорологические наблюдения на судовых станциях, проводимые штатными наблюдателями. Кн. 1. Общие методические требования к организации и обеспечению гидрометеорологических и актинометрических наблюдений на судах // Кодекс: электрон. фонд правовых и норматив.-техн. док. URL: https://docs.cntd.ru/document/1200068362 (дата обращения: 06.09.2024).

Афанасьева Е.В., Алексеева Т.А., Соколова Ю.В. и др. Методика составления ледовых карт ААНИИ // Российская Арктика. 2019. № 7. С. 5–20. DOI: 10.24411/2658-4255-2019-10071. EDN: YIIBNO.

Бушуев А.В., Гаврило В.П., Лебедев Г.А. Информативность различных видов и методов дистанционных ледовых наблюдений // Морской лед. Сбор и анализ данных наблюдений, физические свойства и прогнозирование ледовых условий / под ред. И.Е. Фролова, В.П. Гаврило. СПб.: Гидрометеоиздат, 1997. C. 345–369.

Бушуев А.В., Быченков Ю.Д., Лощилов В.С., Масанов А.Д. Исследование ледяного покрова с помощью радиолокационных станций бокового обзора (РЛС БО). Л.: Гидрометеоиздат, 1983. 120 с.

WMO sea ice nomenclature // ФГБУ «Арктический и антарктический научно-исследовательский институт»: офиц. сайт. URL: http://wdc.aari.ru/wmo/docs/nomenclature/Sea_Ice_Nomenclature_2014_vol1-3.pdf (дата обращения: 06.09.2024).

Номенклатура морских льдов. Условные обозначения для ледовых карт. Л.: Гидрометеоиздат, 1974. 86 с.

Фролов И.Е., Гудкович З.М., Карклин В.П. и др. Научные исследования в Арктике / под ред. И.Е. Фролова, В.П. Карклина. СПб.: Наука, 2007. T. 2. Климатические изменения ледяного покрова морей Евразийского шельфа. 158 с.

Dierking W. Mapping of different sea ice regimes using images from Sentinel-1 and ALOS synthetic aperture radar // IEEE Trans. Geosci. Electron. 2010. Vol. 48, No. 3. P. 1045–1058. DOI: 10.1109/TGRS.2009.2031806.

Dierking W. Sea ice monitoring by synthetic aperture radar // Oceanography. 2013. Vol. 26, No. 2. P. 100–111.

Scheuchl B., Flett D., Caves R., Cumming I. Potential of RADARSAT-2 data for operational sea ice monitoring // Can. J. Remote Sens. 2004. Vol. 30, No. 3. P. 448–461. DOI: 10.5589/m04-011.

AARI WDC Sea-Ice // ФГБУ «Арктический и антарктический научно-исследовательский институт»: офиц. сайт. URL: http://wdc.aari.ru/datasets/d0004 (дата обращения: 06.09.2024).

Nansen International Environmental and Remote Sensing Centre: офиц. сайт. URL: https://nersc.no/en/ (дата обращения: 06.09.2024).

Волков В.А., Демчев Д.М., Захваткина Н.Ю., Терехов А.В. Оперативные навигационные карты ледовой обстановки прямого картирования на основе автоматизированной обработки спутниковых радиолокационных изображений // Проблемы военно-прикладной геофизики и контроля состояния природной среды: материалы VI Всерос. науч. конф. / под общ. ред. Ю.В. Кулешова. СПб.: Военно-косм. акад. им. А.Ф. Можайского, 2020. С. 299–303.

Korosov A., Park J.-W. Very high resolution classification of Sentinel-1A data using segmentation and texture analysis // Proceedings of the European Space Agency Living Planet Symposium. Paris: ESA, 2016. Article ID 44.

Park J.-W., Korosov A.A., Babiker M., et al. Classification of sea ice types in Sentinel-1 synthetic aperture radar images // The Cryosphere. 2020. Vol. 14, No. 8. P. 2629–2645. DOI: 10.5194/tc-14-2629-2020.

Зубков С.А., Липатов М.А., Сальман Д.А. и др. Система оперативного мониторинга ледовой обстановки на основе нейросетевой обработки радиолокационных спутниковых изображений // Нефть. Газ. Новации. 2021. № 4 (245). С. 29–33. EDN: ONWTLE.

Norwegian Meteorological Institute: офиц. сайт. URL: https://cryo.met.no/ (дата обращения: 06.09.2024).

Global Sea Ice Type (netCDF) – Multimission. Darmstadt, Germany: EUMETSAT, 2017. URL: https://doi.org/10.15770/EUM_SAF_OSI_NRT_2006 (дата обращения: 06.09.2024).

Global Sea Ice Type // OSI SAF: офиц. сайт. URL: https://osi-saf.eumetsat.int/products/osi-403-d (дата обращения: 06.09.2024).

Ice archive – search criteria // Правительство Канады: офиц. сайт. URL: https://iceweb1.cis.ec.gc.ca/Archive/page1.xhtml (дата обращения: 06.09.2024).

Zakhvatkina N., Smirnov V., Bychkova I. Satellite SAR data-based sea ice classification: An overview // Geosciences. 2019. Vol. 9, No. 4. Article ID 152. DOI: 10.3390/geosciences9040152.

Clausi D.A., Qin A.K., Chowdhury M.S., et al. MAGIC: MAp-Guided Ice Classification System // Can. J. Remote Sens. 2010. Vol. 36, No. Sup. 1. P. S13–S25. DOI: 10.5589/m10-008.

Maillard P., Clausi D.A., Deng H. Map-guided sea ice segmentation and classification using SAR imagery and a MRF segmentation scheme // IEEE Transactions on Geoscience and Remote Sensing. 2005. Vol. 43. P. 2940–2951.

Leigh S., Wang Z., Clausi D.A. Automated ice-water classification using dual polarization SAR satellite imagery // IEEE Trans. Geosci. Electron. 2014. Vol. 52, No. 9. P. 5529–5539. DOI: 10.1109/TGRS.2013.2290231.

U.S. National Ice Center: офиц. сайт. URL: https://usicecenter.gov/ (дата обращения: 06.09.2024).

Gineris D., Bertoia C., Keller M.R., et al. Operational evaluation of a knowledge-based sea ice classification system // Digital Commons: репозиторий. URL: https://digitalcommons.unl.edu/cgi/viewcontent.cgi?article=1014&context=cseconfwork (дата обращения: 06.09.2024).

Soh L.-K., Tsatsoulis C., Gineris D., Bertoia C. ARKTOS: An intelligent system for SAR sea ice image classification // IEEE Transactions on Geoscience and Remote Sensing. 2004. Vol. 42, No. 1. P. 229–248. DOI: 10.1109/TGRS.2003.817819.

Bertoia C., Gineris D., Partington K., et al. Transition from research to operations: ARKTOS-a knowledge-based sea ice classification system // Proceedings of the IEEE International Symposium on Geoscience and Remote Sensing (IGARSS’99). New York, NY, USA: IEEE, 1999. P. 1573–1575. DOI: 10.1109/IGARSS.1999.772023.

Ministry of Environment and Natural Resources of the Russian Federation. RD 52.04.316–92 (regulatory guide). Instructions for hydrometeorological stations. Issue 9. Hydrometeorological observations at sea stations. Part II. Hydrometeorological observations at ship stations carried out by regular observers. Book 1. General methodological requirements for the organization and provision of hydrometeorological and actinometric observations on ships. Available from: https://docs.cntd.ru/document/1200068362 [Accessed: 6 September 2024]. (In Russian)

Afanasyeva EV, Alekseeva TA, Sokolova JV, Demchev DM, Chufarova MS, Bychenkov YuD, Devyataev OS. AARI methodology for sea ice charts composition. Russian Arctic [Rossiyskaya Arktika]. 2019; (7): 5–20. https://doi.org/10.24411/2658-4255-2019-10071. (In Russian)

Bushuev AV, Gavrilo VP, Lebedev GA. Information content of various types and methods of remote ice observations. In: Frolov IE, Gavrilo VP (eds.) Sea Ice. Collection and Analysis of Monitoring Data, Physical Properties, and Forecasting of Ice Conditions. Saint Petersburg: Gidrometeoizdat; 1997. p. 345–369. (In Russian)

Bushuev AV, Bychenkov YuD, Loshchilov VS, Masanov AD. Ice Cover Research Using Side-Looking Radars (SLR). Leningrad, USSR: Gidrometeoizdat; 1983. (In Russian)

WMO. WMO Sea Ice Nomenclature. Available from: http://wdc.aari.ru/wmo/docs/nomenclature/Sea_Ice_Nomenclature_2014_vol1-3.pdf [Accessed: 6 September 2024].

Chief Administration of the Hydrometeorological Service under the Council of Ministers of the USSR. Sea Ice Nomenclature. Ice Chart Symbols. Leningrad, USSR: Gidrometeoizdat; 1974. (In Russian)

Frolov IE (ed.), Gudkovich ZM, Karklin VP (ed.), Kovalev EG, Smolyanitskiy VM. Scientific Research in the Arctic. Vol. 2. Climate Changes in the Ice Cover of the Eurasian Shelf Seas. Saint Petersburg: Science [Nauka]; 2007. (In Russian)

Dierking W. Mapping of different sea ice regimes using images from Sentinel-1 and ALOS synthetic aperture radar. IEEE Trans. Geosci. Electron. 2010; 48(3): 1045–1058. https://doi.org/10.1109/TGRS.2009.2031806.

Dierking W. Sea ice monitoring by synthetic aperture radar. Oceanography. 2013; 26(2): 100–111.

Scheuchl B, Flett D, Caves R, Cumming I. Potential of RADARSAT-2 data for operational sea ice monitoring. Can. J. Remote Sens. 2004; 30(3): 448–461. https://doi.org/10.5589/m04-011.

Arctic and Antarctic Research Institute. AARI WDC Sea-Ice. Available from: http://wdc.aari.ru/datasets/d0004 [Accessed: 6 September 2024].

Nansen International Environmental and Remote Sensing Centre. Home page. Available from: https://nersc.no/en/ [Accessed: 6 September 2024].

Volkov VA, Demchev DM, Zakhvatkina NYu, Terekhov AV. Operating navigation charts of ice conditions of direct mapping based on automated processing of satellite radar images. In: Kuleshov YuV (ed.) Problems of military applied geophysics and environmental monitoring: Proceedings of the 6th All-Russian Scientific Conference, 16–18 September 2020, Saint Petersburg, Russia. Saint Petersburg: Mozhaisky Military Aerospace Academy; 2020. p. 299–303. (In Russian)

Korosov A, Park J-W. Very high resolution classification of Sentinel-1A data using segmentation and texture analysis. In: ESA Proceedings of the European Space Agency Living Planet Symposium, 9–13 May 2016, Prague, Czech Republic. Paris: ESA; 2016. article ID 44.

Park J-W, Korosov AA, Babiker M, Won J-S, Hansen MW, Kim H-C. Classification of sea ice types in Sentinel-1 synthetic aperture radar images. The Cryosphere. 2020; 14(8): 2629–2645. https://doi.org/10.5194/tc-14-2629-2020.

Zubkov SA, Lipatov MA, Salman DA, Salman PA, Fost ID. The system of operational monitoring of the ice situation based on neural network processing of radar satellite images. Oil. Gas. Innovations [Neft’. Gaz. Novatsii]. 2021; 245(4): 29–33. (In Russian)

Norwegian Meteorological Institute. Home page. Available from: https://cryo.met.no/ [Accessed: 6 September 2024].

EUMETSAT. Global Sea Ice Type (netCDF) – Multimission. Darmstadt, Germany: EUMETSAT; 2017. https://doi.org/10.15770/EUM_SAF_OSI_NRT_2006.

OSI SAF. Global Sea Ice Type. Available from: https://osi-saf.eumetsat.int/products/osi-403-d [Accessed: 6 September 2024].

Government of Canada. Ice archive – search criteria. Available from: https://iceweb1.cis.ec.gc.ca/Archive/page1.xhtml [Accessed: 6 September 2024].

Zakhvatkina N, Smirnov V, Bychkova I. Satellite SAR data-based sea ice classification: An overview. Geosciences. 2019; 9(4): article ID 152. https://doi.org/10.3390/geosciences9040152.

Clausi DA, Qin AK, Chowdhury MS, Yu P, Maillard P. MAGIC: MAp-Guided Ice Classification System. Can. J. Remote Sens. 2010; 36(Sup. 1): S13–S25. https://doi.org/10.5589/m10-008.

Maillard P, Clausi DA, Deng H. Map-guided sea ice segmentation and classification using SAR imagery and a MRF segmentation scheme. IEEE Transactions on Geoscience and Remote Sensing. 2005; 43: 2940–2951.

Leigh S, Wang Z, Clausi DA. Automated ice-water classification using dual polarization SAR satellite imagery. IEEE Trans. Geosci. Electron. 2014; 52(9): 5529–5539. https://doi.org/10.1109/TGRS.2013.2290231.

U.S. National Ice Center. Home page. Available from: https://usicecenter.gov/ [Accessed: 6 September 2024].

Gineris D, Bertoia C, Keller MR, Soh L-K, Tsatsoulis C. Operational evaluation of a knowledge-based sea ice classification system. Available from: https://digitalcommons.unl.edu/cgi/viewcontent.cgi?article=1014&context=cseconfwork [Accessed: 6 September 2024]. (In Russian)

Soh L-K, Tsatsoulis C, Gineris D, Bertoia C. ARKTOS: An intelligent system for SAR sea ice image classification. IEEE Transactions on Geoscience and Remote Sensing. 2004; 42(1): 229–248. https://doi.org/10.1109/TGRS.2003.817819.

Bertoia C, Gineris D, Partington K, Soh L-K, Tsatsoulis C. Transition from research to operations: ARKTOS-a knowledge-based sea ice classification system. In: IEEE IGARSS’99: Proceedings of the IEEE International Symposium on Geoscience and Remote Sensing, 28 June – 2 July 1999, Hamburg, Germany. New York, NY, USA: IEEE; 1999. p. 1573–1575. https://doi.org/10.1109/IGARSS.1999.772023.

Перевод выполнен Moscow Translation Agency

Назад к журналу
ТЕРРИТОРИЯНЕФТЕГАЗ

Внимание к деталям — от идеи
до воплощения! Только актуальная информация и свежие новости.

Журналы

Контент

О нас

Контакты