Разработка оболочечной структуры аппаратно-программного комплекса беспилотного воздушного судна (БВС) для мониторинга морских акваторий тема диссертации и автореферата по ВАК РФ 05.08.06, кандидат наук Коровецкий Денис Андреевич

• Коровецкий Денис Андреевич
• кандидат наук
• 2022

Оглавление диссертации кандидат наук Коровецкий Денис Андреевич

Введение

1 Анализ причин образования сликов на морской поверхности и способы мониторинга сликов

1.1 Слики естественного происхождения

1.2 Слики, вызванные тонкими пленками нефтепродуктов на морской поверхности и антропогенными влияниями

1.3 Обзор методов мониторинга сликов на морской поверхности

1.3.1 Метод визуального контроля сликов с использованием беспилотных и пилотируемых летательных аппаратов

1.3.2 Метод мониторинга нефтесодержащих сликов по цветовым кодам

1.3.3 Метод спектрального анализа флуоресценции нефтепродуктов на поверхности воды с использованием дрона

1.3.4 Метод измерения толщины тонких пленок нефти на водной поверхности по второй производной коэффициента отражения

1.3.5 Метод регистрации спектра в инфракрасном диапазоне длин волн

1.3.6 Метод получения изображения сликов с использованием радара с синтезированной апертурой

Выводы по первой главе

2 Методические основы мониторинга сликов и приповерхностного слоя морской воды с использованием БВС

2.1 Разработка метода лазерной индуцированной флуоресценции для определения сорта нефтепродуктов и измерения объемов нефтепродуктов, содержащихся в тонких пленках на поверхности и в растворенном состоянии в приповерхностном слое воды

2.2 Элементы искусственного интеллекта лазерной спектроскопии

2.3 Разработка компьютерного зрения для мониторинга нефтяных плёнок на морской поверхности

2.4 Разработка метода взаимодействия блока навигации и управления движением с полетным контроллером БВС

Выводы по второй главе

3. Структура аппаратно-программной оболочки мониторинга нефтепродуктов, содержащихся в пленках и в растворенном состоянии

3.1 Концепция разработки аппаратно -программной оболочки мониторинга нефтяных загрязнений с использованием беспилотных воздушных судов

3.2 Интегральная аппаратно-программная оболочка мониторинга нефтяных загрязнений на поверхности воды

3.3 Аппаратно-программная оболочка лазерной индуцированной флуоресценции

3.4 Аппаратно-программная подоболочка пассивного мониторинга тонких пленок на морской поверхности

3.5 Аппаратно-программная подоболочка навигации и управления движением беспилотного воздушного судна

Выводы по третьей главе

4. Концептуальный проект малогабаритного беспилотного летательного аппарата

4.1. Общие положения

4.2 Концепт винтомоторной группы

4.3 Концепт рамы БВС

4.4 Система управления полетом

4.4.1 Конфигурация ОРБ/аШКАЗЗ-приемника

4.4.2 Система автономной посадки на движущийся объект (судно)

4.4.2.1 Аппаратная часть автономной посадки

4.4.2.2 Видеосенсор

4.4.2.3 Активная посадочная метка

4.4.2.4. Объектив видеосенсора

4.5 Концептуальная схема активного спектрометра для ЛИФ-метода на БВС

4.6 Изготовление прототипа БВС

Выводы по четвертой главе

5. Натурные испытания элементов аппаратно-программной оболочки БВС для мониторинга морских акваторий

5.1 Алгоритм работы комплекса

5.2 Натурные испытания элементов автономной посадки БВС на движущийся объект

5.3. Натурные испытания аппаратно-программной подоболочки детектирования и классификации сликов

5.4 Натурные испытания разработанного дрона в режиме посадки на воду

Выводы по пятой главе

Заключение

Список литературы

Введение

Физические процессы, происходящие в поверхностном слое океана и в нижних слоях тропосферы, изменяют уровень шероховатости поверхности морей и океанов, что позволяет выполнять их исследования, используя средства, установленные над морской поверхностью как стационарно, так и судах, летательных аппаратах [21]. Самым наглядным проявлением, вызванным различными физическими процессами, являются участки поверхности воды с подавленными или полностью отсутствующими волнами (рябью), такие участки называют сликами [8]. Слики образуются на морской поверхности и в результате загрязнения нефтепродуктами. Нефтяная плёнка выглядит в виде слика, который можно отличить от слика естественного происхождения по анализу спектрального состава, отражённого от его поверхности излучения.

При этом масштабы загрязнения морских акваторий нефтепродуктами в результате эксплуатации морского транспорта и технических сооружений в море постоянно увеличиваются. Катастрофы глобального масштаба случаются нечасто, однако приводят к значительным объёмам загрязнения и к очень большому ущербу окружающей среде. Такие катастрофы привлекают всеобщее внимание и на их ликвидацию выделяются огромные средства. Катастрофа Deepwater Horizon стала катализатором большого количества исследовательских работ [63, 67, 71, 89, 90]. Аварии нефтяных танкеров также могут нанести серьезный ущерб окружающей среде. Исследования стратегий обнаружения и методов смягчения последствий в замкнутом морском бассейне, таких как Балтийское или Средиземное моря, можно найти в работах [35, 36, 38]. В случае глобального масштаба катастроф используются всевозможные методы, включая спутниковые, авиа и судовые, которые требуют значительных средств. Они служат отправными точками для развития технологий предупреждения таких катастроф и методов их мониторинга. Однако менее заметные загрязнения региональных масштабов происходят практически ежедневно, и, по данным работ [54, 84], к настоящему моменту

загрязнения таких масштабов составляют от 30 до 50% от общего объёма загрязнения океана. К основным источникам таких загрязнений можно отнести сброс льяльных вод судами, инциденты, связанные с бункеровкой судов, неисправности нефтепроводов и других технических объектов. В большинстве случаев они являются локальными и трудно обнаружимыми.

Образуемые слики на морской поверхности, имеющие различные физические механизмы образования, создают весомое влияние на отражение волн от морской поверхности как радио-, так и оптического диапазона. Эти особенности позволяют проектировать различные средства для мониторинга морской поверхности. В области слика происходит снижение энергии всех спектральных составляющих волнения поверхности [32].

Введение диссертации (часть автореферата) на тему «Разработка оболочечной структуры аппаратно-программного комплекса беспилотного воздушного судна (БВС) для мониторинга морских акваторий»

Актуальность темы исследования.

Исследование структуры, динамики естественных сликов и тонких плёнок антропогенного происхождения является важным для изучения механизмов их образования, прогнозирования их поведения и разработки методов ликвидации загрязнений в случае плёнок нефтепродуктов. Как правило, наиболее часто слики и плёнки нефтепродуктов наблюдаются в шельфовой зоне. При их исследовании необходимо точно различать слики естественного происхождения от тонких плёнок антропогенного происхождения. В последнем случае в задачу мониторинга входит определение объёмов загрязнения плёнками нефтепродуктов и типа нефтепродуктов.

Использование дронов в качестве носителей аппаратно-программных комплексов для мониторинга поверхностных явлений морских акваторий может значительно расширить возможности дистанционного зондирования, особенно в случае мониторинга процессов небольшого масштаба. Т.е. в тех пространственных размерах на морской поверхности, которые доступны для малогабаритных дронов. Прежде всего, это слики на морской поверхности, которые образуются как в результате естественных процессов, включая гидрофизические процессы, протекающие в океане, так и в результате естественных биологических процессов или в результате процессов загрязнения океана нефтепродуктами. Все эти

процессы приводят к образованию сликов, и исследование их структуры, динамики, а также источников их происхождения - актуальная задача, решение которой является важной в различных областях исследования Мирового океана. Особенно актуальна эта задача в шельфовых водах, на акваториях портов, в местах проведения разведки и добычи углеводородов, над подводными трассами нефтепроводов. Здесь необходимо иметь инструменты и методы, которые позволяют оперативно и относительно дешево осуществлять мониторинг сликов и определять их природу. Детектировать и измерять характеристики поверхностных плёнок и определять, являются ли эти плёнки проявлением естественных процессов или они возникли в результате аварийных ситуаций и представляют собой загрязнение нефтепродуктами. В процессе мониторинга необходимо различить слики, вызванные гидрофизическими процессами и тонкими плёнками, которые образованы различными сортами судового топлива. Необходимы определённые условия наблюдения, чтобы установить точную природу плёнок.

Исследование динамики сликов естественного происхождения позволяет определять структуру взаимодействия глубинных процессов в океане с особенностями строения шельфа, анализировать возможную динамику внутренних волн, апвеллингов при их выходе на шельф. В случае тонких плёнок нефтепродуктов необходимо решение более сложной задачи. Требуется не только обнаружить наличие плёнки, но и измерить её характеристики (площадь, толщину) для определения объёмов загрязнения, установить типы нефтепродуктов для установления источников загрязнения. Одним из источников нефтяного загрязнения морских акваторий являются льяльные воды судов. И при их сбросе не всегда образуется тонкая плёнка на поверхности. Это зависит от концентрации нефтепродуктов в них и от гидрологических параметров морской воды, в которую проводится сброс. Существует и предельно допустимая концентрация растворённых углеводородов нефти при сбросе льяльных вод с судов, она не должна превышать значения в 15 ppm, согласно Международной конвенции МАРПОЛ [68]. Это довольно малая концентрация, и в настоящий момент существует необходимость разработки оперативных методов дистанционного

зондирования для измерения таких концентраций растворов углеводородов нефти в морской воде.

Поэтому в этом случае для определения объёмов загрязнения необходимо осуществить измерение концентрации растворённых в морской воде нефтепродуктов.

Технология мониторинга нефтяных загрязнений с использованием дронов будет востребованной и может быть широко использована на практике в том случае, если она является оперативной, её обслуживание не требует специального персонала, особых условий эксплуатации и будет доступна по стоимости. Необходимо выбрать методы мониторинга, которые можно реализовать аппаратурой с такими массогабаритными параметрами и энергопотреблением, при которых допустимо использовать в качестве носителя аппаратуры малогабаритный дрон. Те ограничения в аппаратуре, которые возникают в связи с использованием таких носителей, необходимо компенсировать разработкой элементов искусственного интеллекта, который на основе данных зондирования проводит идентификацию и классификацию загрязнения, принимает решения по способам их исследования, оценивает объёмы загрязнения и выдаёт рекомендации по определению источников загрязнения. Требуется отработать методику детектирования таких плёнок и методику, позволяющую идентифицировать источники происхождения сликов: образованы ли они в результате естественных гидрофизических процессов или в результате разливов нефтепродуктов.

Несмотря на многие годы изучения свойств нефтяных плёнок и физических поверхностных явлений на морской поверхности, к настоящему времени нет достаточно данных для того, чтобы создать надёжную методику и аппаратуру, которая была бы в состоянии определять объёмы загрязнения и достоверно предсказывать поведение нефтяных пятен на морской поверхности [77]. Это утверждение относится к общему случаю нефтяных загрязнений, т.е. к отсутствию метода и аппаратной его реализации, которая была бы в состоянии определять характеристики любых типов нефтяных загрязнений во всех возможных диапазонах толщин нефтяных плёнок, а также надежно отличать физические

явления от нефтесодержащих образований на поверхности воды, поскольку внешняя характеристика их обоих очень похожа. Однако многолетние накопления данных о нефтяных разливах и результаты многих лабораторных экспериментов позволяют к настоящему времени определить те методики и тот диапазон толщин нефтяных плёнок, которые можно использовать в практике мониторинга нефтяных разливов. Это, в основном, относится только к тонким плёнкам типа sheen, rainbow sheen и metallic, т.е. к диапазону толщин плёнок от 0.05 мкм до 1 -3 мкм [78]. Такие плёнки образуют основную часть разливов в случае загрязнения нефтепродуктами, такими как судовое топливо, солярка или льяльные воды (т.е. не разливы сырой нефти). В меньшей степени они присутствуют и при разливах сырой нефти на морской поверхности. Однако и такие плёнки представляют большой практический интерес. Нет точных данных относительно величины загрязнений океана именно такими типами нефтепродуктов, однако некоторые источники утверждают, что они составляют очень значительную часть загрязнений. Существуют различные оценки объёмов загрязнения океана, которые вызваны различными типами нефтепродуктов (не сырой нефтью) в результате инцидентов при бункеровке судов или при сбросе льяльных вод судами. По разным источникам, такие региональные загрязнения составляют от 45% [84] до 60% [54] от общего объёма нефтяных загрязнений океана.

Таким образом, если говорить о нефтяных загрязнениях моря, которые проявляются в виде тонких плёнок на морской поверхности, то значительная часть их - это плёнки, имеющие толщину в этом диапазоне (sheen, metallic, rainbow sheen), указанные загрязнения наиболее похожи по внешнему виду на естественные «слики», вызванные физическими явлениями в толще и на поверхности воды.

Следовательно, региональный масштаб загрязнения моря вышеназванными нефтепродуктами составляет значительную часть от общего объёма нефтяных загрязнений океана. А технологии, которые существуют для мониторинга нефтяных загрязнений глобального масштаба, как правило, невозможно или нецелесообразно применять в случае аварий региональных масштабов.

Необходима методика и технические средства, которые, с одной стороны, позволят проводить локальный мониторинг на акваториях бункеровки судов, рейдах, в местах наиболее вероятного сброса льяльных вод судами, в местах локальных инцидентов при добыче или транспортировке нефтепродуктов, а, с другой стороны, обеспечат возможность отличать слики по их источникам происхождения.

Степень разработанности темы.

Основные ограничения, которые накладываются на аппаратную реализацию комплексного метода, заключаются в массогабаритных характеристиках используемой аппаратуры, её энергопотреблении. Возможность использования в качестве носителя обычных коммерческих дронов и оснащение дронов искусственным интеллектом, который обеспечивает автономную навигацию, полёт, проведение измерений, соответствующий анализ данных и принятие решений по результату мониторинга, делают такую систему доступной для широкого круга пользователей. Анализ существующих методов зондирования, технических требований к носителям аппаратуры, необходимой для их реализации и возможностей коммерческих дронов, показывает, что наиболее приемлемыми методами для использования на малогабаритных дронах в настоящее время являются оптические методы, а именно: анализ визуальных изображений нефтяных пятен и сликов на морской поверхности и метод лазерной индуцированной флуоресценции (ЛИФ). Использование этих двух методов на дронах позволит решить следующие задачи мониторинга: регистрацию и измерение параметров разлива; идентификацию типов нефтепродуктов в случае нефтяной плёнки на морской поверхности; измерение концентрации растворённых в морской воде углеводородов нефтепродуктов, а также определить, является ли детектируемое пятно на морской поверхности сликом естественного происхождения или оно вызвано наличием плёнки нефтепродуктов.

Возможности метода анализа визуальных изображений плёнок подробно описаны в работах [77, 78]. Это наиболее используемый и легко доступный метод, он применяется на практике очень много лет и принят в качестве «рабочего»

(рекомендуемого метода) Боннским соглашением. Метод даёт неоднозначные оценки, требует хорошего опыта и анализа изображений, но, в силу своей дешевизны и доступности, является наиболее используемым. Боннское соглашение рекомендует определённые коды для оценки толщины плёнок нефтепродуктов.

Использование метода определения цветовых кодов плёнок на дронах делается впервые и для анализа этого диапазона толщин плёнок позволит получить значительную статистику изображений для проведения deep learning аппаратно-программной оболочки дрона и разработать последовательность действий со стороны искусственного интеллекта (ИИ) дрона, которые значительно улучшат точность определения толщины плёнок по анализу видимых изображений. Метод не требует габаритной и тяжёлой аппаратуры, мощной энергетики для использования. Он может быть использован на малогабаритных дронах при мониторинге нефтяных загрязнений регионального масштаба. С одной стороны, это наиболее простой в аппаратном исполнении метод, а, с другой стороны, для анализа видеоизображений необходимо привлечение специальных методов и квалифицированных специалистов. В документе [ 43] описаны основные правила анализа нефтяных изображений. В случае мониторинга нефтяных плёнок типа sheen и rainbow slick этот метод может быть использован и для оценки диапазона толщины плёнок с дрона. Для того, чтобы обеспечить доступное использование этого метода (без привлечения квалифицированного персонала в области обработки изображений), необходимо разработать соответствующие элементы искусственного интеллекта дрона, которые смогут выполнять анализ по методам, приведённым в работе [43].

Метод ЛИФ является, пожалуй, единственным методом, позволяющим проводить оперативную идентификацию типов нефтяного загрязнения in situ, которые присутствуют как в виде плёнки на морской поверхности, так и в виде растворов углеводородов нефти в приповерхностном слое моря, и обеспечивает при этом возможность измерения концентрации углеводородов нефти, которые находятся в виде растворов в морской воде.

Возможности метода ЛИФ для решения этой задачи исследуются достаточно давно [82], использование метода для изучения растворённых в морской воде углеводородов нефти описано в работе [48]. В работе [80] была продемонстрирована разработка малогабаритного погружаемого ЛИФ -спектрометра для мониторинга качества морской воды. В работе была решена проблема минимизации массогабаритных параметров спектрометра за счёт использования источников возбуждающего излучения типа LED. Эти типы излучателей представляют перспективу и для разработки варианта ЛИФ-спектрометра для дрона.

Всё вышесказанное позволяет выбрать два метода для реализации аппаратного комплекса мониторинга на дронах - это метод анализа визуальных изображений плёнок и метод спектроскопии ЛИФ. Цели и задачи.

Целью работы является разработка метода и аппаратно-программной оболочки (АПО) оперативного автономного мониторинга сликов естественного происхождения и плёнок нефтепродуктов на морской поверхности с использованием малогабаритных беспилотных воздушных судов (БВС). АПО на базе БВС должна обеспечить автономное детектирование сликов естественного происхождения и нефтяных плёнок, в последнем случае - проводить измерения параметров плёнок и концентрации растворённых в морской воде нефтепродуктов для определения объёмов загрязнения и типов нефтепродуктов.

Для достижения поставленной цели в работе решаются следующие задачи: 1. Разработать аппаратно-программную подоболочку лазерной спектроскопии для дрона, которая обеспечит определение типов нефтепродуктов в плёнке и в растворённом состоянии, а также измерение концентрации растворённых в морской воде нефтепродуктов. Для разработки АПО необходимо: - разработать малогабаритный лазерный спектрометр для измерения спектров ЛИФ от плёнок на морской поверхности и от растворов нефтепродуктов в приповерхностном слое;

- адаптировать элементы искусственного интеллекта для распознавания типов нефтепродуктов по спектрам ЛИФ к использованию на малогабаритном дроне.

2. Разработать аппаратно-программную подоболочку для детектирования естественных сликов и нефтяных плёнок; в последнем случае необходимо обеспечить сегментацию и классификации тонких плёнок нефтепродуктов. Эта задача включает в себя:

- адаптацию метода компьютерного зрения для детектирования сликов естественного происхождения, тонких плёнок нефтепродуктов на морской поверхности к использованию на БВС. Для этого надо создать соответствующие последовательности изображения сликов и нефтяных плёнок для обучения нейросети;

- разработать элементы искусственного интеллекта компьютерного зрения для осуществления сегментации и классификации тонких плёнок нефтепродуктов для оценки толщины плёнок и измерения объёмов нефтепродуктов в плёнке. Для этого надо разработать программный продукт (на основе нерестового алгоритма), создать наборы данных для обучения нейросети на основе изображения реальных нефтяных плёнок.

3. Разработать аппаратно-программную подоболочку для автономной навигации и контроля полёта БВС. Для этого решить следующие задачи:

- обеспечить возможность автономной навигации БВС по результатам мониторинга;

- обеспечить автономную посадку БВС на движущийся объект;

- обеспечить возможность автономного приводнения и взлёта с морской поверхности.

4. Разработать носитель (БВС) аппаратно-программной оболочки для выполнения миссии мониторинга. Для этого решить следующие задачи:

- разработать корпус БВС;

- разработать малогабаритный лазерный спектрометр в виде полезной нагрузки для БВС;

- разработать электросхему коммуникаций БВС и полезной нагрузки;

- произвести расчет движителей и силовой электроники.

Научная новизна заключается:

- в разработке оболочечной структуры аппаратно-программного комплекса мониторинга сликов на морской поверхности и нефтяного загрязнения в приповерхностном слое, которая позволяет реализовать автономный мониторинг с использованием малогабаритного БВС;

- в разработке малогабаритного лазерного спектрометра, который позволил адаптировать метод ЛИФ к использованию на БВС;

- в разработке элементов искусственного интеллекта оболочки, которые обеспечивают автономное выполнение миссии мониторинга морской поверхности с БВС.

Практическая значимость исследования определяется:

- использованием разработанного метода и аппаратно-программной оболочки для решения практических задач мониторинга морской поверхности. Результаты работы дают возможность проведения исследований гидрофизических процессов через изучение структуры и динамики поверхностных сликов естественного происхождения, а также обеспечивают проведение оперативного и автономного мониторинга загрязнения морской поверхности нефтепродуктами;

- искусственный элемент и аппаратные средства подоболочки навигации и управления движением могут быть использованы в БВС для решения других задач, в которых требуется автономное приводнение и посадка на движущийся объект;

- искусственный элемент детектирования и сегментации плёнок нефтепродуктов компьютерного зрения позволяет решать практические задачи обнаружения и определения объёмов нефтепродуктов, находящихся в плёнке на поверхности;

- аппаратно-программная подоболочка лазерной спектроскопии позволяет решать практическую задачу идентификации сортов нефтепродуктов и определять концентрацию нефтепродуктов, растворённых в морской воде;

- создание структуры аппаратно-программного комплекса роботов в виде «вложенных» подоболочек, в которых сенсоры и искусственный интеллект объединяются по принципу функционального назначения, является новым практическим результатом, который может быть использован для любого типа многофункциональных роботов, в миссию которых входит выполнение нескольких различных задач.

Достоверность результатов подтверждается положительным опытом применения предложенных методик в реальной эксплуатации при мониторинге акваторий портов и результатами проведенных в рамках диссертационного исследования натурных экспериментов.

Апробация результатов.

По вопросам диссертации было опубликовано более 17 работ, в том числе 7 работ в изданиях ВАК, Scopus, WoS. Получены два авторских свидетельства на полезную модель [2, 3, 4, 5, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 44, 45, 49].

Основные результаты диссертационной работы были представлены и получили признание на:

- XXVI Международном симпозиуме «Оптика атмосферы и океана. Физика атмосферы», 06-10 июля 2020 года, Москва;

- XXV Международном симпозиуме «Оптика атмосферы и океана. Физика атмосферы», 01-05 июля 2019 года, Новосибирск;

- Конференции «Вопросы развития морской робототехники», 12 декабря 2017 года, МИСиС, г. Москва;

- Форуме «Восток-2020», 2020 год, ДВФУ, Владивосток;

- Форуме «Армия» 2018-2020 гг., Владивосток;

- Второй Тихоокеанской научно-практической конференции ТОФ, 2020 год, Владивосток;

- Конференции «Технологии ликвидации разливов нефти в ледовых условиях», 2020 год, МГУ им. адм. Г.И. Невельского, Владивосток;

- Международной выставке «Транспорт России», 2017-2020 гг.;

- Конкурсе «Молодые ученые транспортной отрасли», 2019 год (медаль Министра транспорта за первое место);

- Форуме «Startup Village by The Sea», 2016 год, Сколково (победитель конкурса);

- Международной технической конференции SLUSH, 2016 год, Хельсинки;

- Конкурсе проектов Фонда содействия инновациям «Умник», 2016 год (победитель конкурса);

- Всероссийском конкурсе интеллектуальных технологий двойного назначения Минобороны России и технополис «ЭРА» (диплом за первое место);

- Восточном экономическом форуме, 2018-2019 гг., Владивосток;

- Международной научно-технической конференции «Молодежь. Наука. Инновации», 2013-2020 гг., МГУ им. адм. Г.И. Невельского, Владивосток;

- грантах: «УМНИК2017»; «РНФ» 2018-2020 гг.

Результаты диссертации использованы для выполнения договора по мониторингу бухты Золотой Рог и вод Амурского Залива с ФГБУ АМП «Приморского края и Восточной Арктики» в 2021 г.,

Личный вклад автора заключается в:

- разработке и изготовлении специализированного БВС для мониторинга морских акваторий;

- проведении испытаний БВС и проведение натурных экспериментов по отработке методики мониторинга сликов естественного и антропогенного происхождения;

- разработке подоболочки HSSFW3 (подоболочки навигации и управления движением);

- участии в лабораторных экспериментах по разработке методике ЛИФ для мониторинга загрязнений нефтепродуктами с использованием на БВС;

- разработке структуры и наполнении последовательности изображений сликов для обучения нейронных сетей и элементов искусственного интеллекта подоболочки HSSFW1 и спектров ЛИФ для подоболочки HSSFW2.

1 Анализ причин образования сликов на морской поверхности и способы

мониторинга сликов

1.1 Слики естественного происхождения

Слики на морской поверхности образуются в результате как естественных, так и антропогенных процессов. К естественным физическим механизмам, которые вызывают образование сликов, относятся: выход внутренних волн на поверхность моря, апвеллинги, слияние вод разной температуры, циркуляция Ленгмюра, слишком малая скорость ветра (менее 0,8 м/с) - штилевые слики, наличие поверхностно активных веществ (ПАВ) [1, 7, 25, 29]. Некоторые механизмы образования сликов показаны на рисунке 1.1.

Рисунок 1.1 - Механизмы образования естественных сликов

Внешний вид сликов, образованных гидрофизическими процессами, показан на рисунке 1.2, а внешний вид сликов, образованных пленками поверхностно активных веществ (ПАВ), показан на рисунке 1.3.

Рисунок 1.2 - Внешний вид сликов, образованных физическими процессами

Рисунок 1.3 - Внешний вид сликов, образованных пленками поверхностно

активных веществ [6].

По изображению сликов довольно сложно идентифицировать их происхождение. Однако исследование подводных течений в Амурском заливе позволяет сделать вывод о том, что слики, приведённые на рис. 1.2, вызваны выходом подводного течения на поверхность в результате взаимодействия с рельефом морского дна в этом месте.

1.2 Слики, вызванные тонкими пленками нефтепродуктов на морской поверхности и антропогенными влияниями

К антропогенным явлениям, которые влияют на образование сликов, можно отнести: разлив нефтепродуктов на поверхности воды, слив льяльных вод судами, слив различных масляных образований, используемых в пищевой отрасли [9, 31]. В этом случае подавление ряби на морской поверхности происходит в результате образования тонких плёнок нефтепродуктов на поверхности (толщиной до нескольких сотен микрон). Плёнки, которые вызваны разливами сырой нефти или тяжёлых сортов нефтепродуктов, образуют, как правило, толстые плёнки, которые в зависимости от внешних условий отличаются по внешнему виду от сликов, образованными естественными гидрофизическими процессами, протекающими в океане. На рисунке 1.4 показан внешний вид слика, образованный тонкой пленкой нефтепродуктов и имеющий черты, слабо отличимые от сликов естественного происхождения.

Рисунок 1.4 - Внешний вид слика, образованный тонкой пленкой нефтепродуктов

При этом внешний вид пленок нефтепродуктов на поверхности воды может кардинально отличаться от сликов естественного происхождения, имея яркие черты, такие как: металлический блеск, радужный эффект. Пример подобного слика показан на рисунке 1.5.

Рисунок 1.5 - Внешний вид слика, образованный тонкой пленкой нефтепродуктов

1.3 Обзор методов мониторинга сликов на морской поверхности

Основная проблема для мониторинга инцидентов с нефтепродуктами состоит в отсутствии относительно дешёвых оперативных средств их мониторинга. Привлечение же средств, которые используются при мониторинге глобальных катастроф, является, как правило, невозможным в силу их стоимости или пространственного разрешения. Наиболее вероятными местами, где возникают загрязнения небольших масштабов, являются акватории портов, рейдовые акватории, места бункеровки судов, акватории наиболее интенсивного судоходства, места добычи и транспортировки нефти или нефтепродуктов. Размеры акваторий, которые необходимо осматривать в таких случаях, как правило, не превышают нескольких километров.

В случае загрязнений таких масштабов необходимо регистрировать не только наличие плёнок на морской поверхности от нефтепродуктов, но и превышение допустимых концентраций растворённых нефтепродуктов в морской воде, которые содержатся в льяльных водах судов. Согласно конвенции МАРПОЛ, максимально допустимая концентрация нефтепродуктов в льяльных водах равна 15 ppm [68]. Однако не во всех случаях, когда концентрация растворённых нефтепродуктов превышает это значение, на поверхности воды над местом сброса вод образуется нефтяная плёнка. Это зависит от величины концентрации нефтепродуктов в льяльных водах и гидрологических параметров морской воды, в которую производится сброс.

Таким образом, средства мониторинга должны обеспечить не только детектирование плёнок нефтепродуктов на морской поверхности, определять их объём и обеспечивать возможность измерения концентрации растворённого нефтепродукта в приповерхностном слое, но и определять типы нефтепродуктов в плёнках или растворах для идентификации источников загрязнения.

Список литературы диссертационного исследования кандидат наук Коровецкий Денис Андреевич, 2022 год

Список литературы

1. Бондур В.Г., Гребенюк Ю.В., Ежова Е.В., Казаков В.И., Сергеев Д.А., Соустова И.А., Троицкая Ю.И. Поверхностные проявления внутренних волн, излучаемых заглубленной плавучей струей. Часть 1. Механизм генерации внутренних волн / В.Г. Бондур, Ю.В. Гребенюк, Е.В. Ежова, В.И. Казаков, Д.А. Сергеев, И.А. Соустова, Ю.И. Троицкая // Известия Российской академии наук. Физика атмосферы и океана. - 2009. - Т.45. - № 6. - С.833-845.

2. Букин О.А., Майор А.Ю., Прощенко Д.Ю. [и др.] Сравнение методов многоэлементного анализа состава водного аэрозоля, основанных на спектральном анализе лазерной плазмы / О.А. Букин, А.Ю. Майор, Д.Ю. Прощенко [и др.] // Оптика атмосферы и океана. - 2021. - Т.34. - № 5(388). - С.352-357. - DOI 10.15372/A0020210506.

3. Букин О.А., Матецкий В.Т., Буров Д.В. [и др.] Разработка аппаратно-программных комплексов для малогабаритных беспилотных летательных аппаратов в целях мониторинга морских акваторий / О.А. Букин, В.Т. Матецкий, Д.В. Буров [и др.] // Морские интеллектуальные технологии. - 2015. - № 3-1(29). -С. 132-141.

4. Букин О.А., Прощенко Д.Ю., Чехленок А.А, Коровецкий Д.А. Методы оптического мониторинга нефтяного загрязнения морских акваторий с использованием беспилотных летательных аппаратов / О.А. Букин, Д.Ю. Прощенко, А.А. Чехленок, Д.А. Коровецкий // Оптика атмосферы и океана. -2019. - Т.32. - № 4. - С.324-328. - DOI 10.15372/A0020190411.

5. Врищ А.Э., Коровецкий Д.А. Пособие для сотрудников заповедников и национальных парков по безопасному управлению беспилотными летательными аппаратами / А.Э. Врищ, Д.А. Коровецкий // Фонд «Феникс». - Владивосток, 2017. - 75 с.

6. Долин Л.С., Сергиевская И.А. СЛИКИ И БЛИКИ. Учебный материал,

подготовленный в рамках ФЦП «Научные и научно -педагогические кадры инновационной России», Соглашение 8332.

7. Зубкова Е.В., Козлов И.Е., Кудрявцев В.Н. Наблюдение короткопериодных внутренних волн в морях евразийской Арктики на основе спутниковых радиолокационных данных / Е.В. Зубкова, И.Е. Козлов, В.Н. Кудрявцев // В сборнике: Комплексные исследования Мирового океана. Материалы II Всероссийской научной конференции молодых ученых. - 2017. - С.89-91.

8. Иванов А.Ю. Слики и пленочные образования на космических радиолокационных изображениях / А.Ю. Иванов // Исслед. Земли из космоса. -2007. - № 3. - С.73-96.

9. Исаков А.Я., Касперович Е.В. О загрязнении нефтепродуктами охотского моря /А.Я. Исаков, Е.В. Касперович // Научный журнал КубГАУ. - №26(2) -февраль 2007.

10. Козинцев В.И. Белов М.Л., Городничев В.А., Федотов Ю.В. Измерение толщины тонких пленок нефти на водной поверхности по второй производной коэффициента отражения / В.И. Козинцев, М.Л. Белов, В.А. Городничев, Ю.В. Федотов // Вестник МГТУ им. Н.Э. Баумана. Сер. «Приборостроение». - 2009. - № 2.

11. Коровецкий Д. А., Букин О. А., Прощенко Д. Ю., Матецкий В. Т. Патент № 2720050 С1 Российская Федерация, МПК G01N 21/35, G01N 21/64. Способ обнаружения загрязнений прибрежных вод и береговой полосы нефтью или нефтепродуктами с использованием беспилотного летательного аппарата : № 2019100236 : заявл. 09.01.2019 : опубл. 23.04.2020 /; заявитель Федеральное государственное бюджетное образовательное учреждение высшего образования "Морской государственный университет имени адмирала Г.И. Невельского".

12. Коровецкий Д.А. Беспилотные летательные системы для решения задач морского транспорта / Д.А. Коровецкий // Сборник докладов 61 -й Международной молодежной научно-технической конференции «Молодежь. Наука. Инновации», 21-22 ноября 2013 г. - Владивосток: Мор. гос. ун -т, 2013. - Т.1.

13. Коровецкий Д.А. БПЛА для арктического региона / Д.А. Коровецкий //

Сборник докладов 63-й Международной молодежной научно-технической конференции «Молодежь. Наука. Инновации», 17 -20 ноября 2015 г. - Владивосток: Мор. гос. ун-т, 2015.

14. Коровецкий Д.А. Метод определения массогабаритных параметров нефтяных пленок с использованием БПЛА / Д.А. Коровецкий // Сборник докладов 65-й международной молодежной научно-технической конференции «Молодежь. Наука. Инновации», 27-30 ноября 2017 г. - Владивосток: Мор. гос. ун -т, 2017.

15. Коровецкий Д.А. Метод определения типа нефтепродукта на поверхности воды с использованием спектроскопии лазерно-индуцированной флуоресценции / Д.А. Коровецкий // Сборник докладов 66-й международной молодежной научно-технической конференции «Молодежь. Наука. Инновации», 26-28 ноября 2018 г. - Владивосток: Мор. гос. ун -т, 2018. - Т. II.

16. Коровецкий Д.А. Постановка задачи создания беспилотной авиационной системы для обеспечения безопасности мореплавания и экологического мониторинга / Д.А. Коровецкий // Сборник докладов 62-й Международной молодежной научно-технической конференции «Молодежь. Наука. Инновации», 18-25 ноября 2014 г. - Владивосток: Мор. гос. ун -т, 2014.

17. Коровецкий Д.А. Разработка «Аппаратно-программной оболочки» мониторинга нефтяных загрязнений морских акваторий с использованием БВС / Д.А. Коровецкий // Сборник докладов 67-й международной молодежной научно-технической конференции, посвященной 210-летию транспортного ведомства и транспортного образования России «Молодежь. Наука. Инновации», 25-27 ноября 2019 г. - Владивосток: Мор. гос. ун-т, 2019.

18. Коровецкий Д.А. Разработка алгоритма работы «аппаратно-программной оболочки» мониторинга нефтяных загрязнений морских акваторий с использованием БВС / Д.А. Коровецкий // Сборник докладов Международной молодежной научно-технической конференции «Молодежь. Наука. Инновации». -2020. - Т.1. - С.17-26.

19. Коровецкий Д.А. Разработка аппаратно-программного комплекса для регистрации нефтяных пленок на базе БПЛА / Д.А. Коровецкий // Сборник

докладов 64-й международной молодежной научно-технической конференции «Молодежь. Наука. Инновации», 21-25 ноября 2016 г. - Владивосток: Мор. гос. ун -т, 2016.

20. Коровецкий Д.А., Матецкий В.Т., Буров Д.В., Букин О.А. Патент № 2631966 C Российская Федерация, МПК B64C 39/00, G01B 17/02, B64D 43/00. Способ разведки ледовой обстановки с использованием телеуправляемых беспилотных летательных аппаратов: № 2016141238: заявл. 19.10.2016: опубл. 29.09.2017 / Заявитель Федеральное государственное бюджетное образовательное учреждение высшего образования "Морской государственный университет имени адмирала Г.И. Невельского".

21. Коротаев Г.К., Пустовойтенко В.В., Радайкина Л.Н. Дистанционное зондирование морей и океанов. Развитие работ в области спутниковой океанологии / Г.К. Коротаев, В.В. Пустовойтенко, Л.Н. Радайкина // Развитие морских наук технологий в Морском гидрофизическом институте за 75 лет. Севастополь: МГИ, 2004. - С. 585-625.

22. Лаврова О.Ю., Митягина М.И., Костяной А.Г., Литовченко К.Ц. Радиолокационный спутниковый мониторинг нефтяных загрязнений в прибрежной зоне российских морей Институт космофизических исследований / М.И. Митягина,

A.Г. Костяной, К.Ц. Литовченко, О.Ю. Лаврова. [Электронный ресурс]. - Режим доступа: http://www.iki.rssi.ru/earth/articles/sec6 11 .pdf [Дата обращения 17.05.2021].

23. Мельников Г.С., Самков В.М., Товбин Б.С., Дерин О.А. Метод и аппаратура дистанционного обнаружения, распознавания и количественного анализа разливов нефти на морской поверхности / Г.С. Мельников, В.М. Самков, Б.С. Товбин, О.А. Дерин // Journal of Optical Technology. - 2013. - Т. 80. - № 6. - С. 355-359.

24. Моделирование методом направления [Электронный ресурс]. - Режим доступа: https: //ru. wikipedia. рщ^к!/Моделирование_методом_направления [Дата обращения 17.05.2021].

25. Монин А.С., Красицкий В.П. Явления на поверхности океана. / А.С. Монин,

B.П. Красицкий - Л.: Гидрометеоиздат, 1985. - 375 с.

26. Никаноров А.М., Страдомская А.Г. Идентификация источников нефтяного загрязнения водных объектов / А.М. Никаноров, А.Г. Страдомская // Водные ресурсы. - 2009. - Т. 36. - №. 2. - С. 175-181.

27. Онлайн калькуляторы [Электронный ресурс]. - Режим доступа: https://planetcalc.ru/ [Дата обращения 17.05.2021].

28. Радиолокатор с синтезированной апертурой [Электронный ресурс]. - Режим доступа: https: //www. radartutorial. eu/20. airborne/ab07. ru.html [Дата обращения 17.05.2021].

29. Серебряный А.Н. Слико- и сулоеобразующие явления в море. Внутренние волны / А.Н. Серебряный // Современные проблемы дистанционного зондирования Земли из космоса. - 2012. - Т. 9. - № 2. - С. 275-286.

30. Системы дифференциальной коррекции [Электронный ресурс]. - Режим доступа: https://ru.wikipedia.org/wiki/Системы_дифференциальной_коррекции [Дата обращения 17.05.2021].

31. США обвиняют инженера его в незаконном сбросе нефть содержащих льяльных вод с танкера у Золотого моста в г. Сан-Франциско [Электронный ресурс]. - Режим доступа: https://neftegaz.ru/news/ecology/504024-31 -god-tyurmy-dlya-inzhenera-ssha-obvinyayut-ego-v-nezakonnom-sbrose-neftsoderzhashchey-zhidkosti-s-/ [Дата обращения 03.04.2021].

32. Христофоров Г.Н. Изменение структуры морского ветрового волнения в зоне поверхностного слика / Христофоров Г.Н. // Воздействие крупномасштабных внутренних волн на морскую поверхность. - Горький: ИПФ АН СССР, 1982. - С. 189-208.

33. Aerotex [Электронный ресурс]. - Режим доступа: https://www.filamentarno.ru/masterclass_09.html [Дата обращения 17.05.2021].

34. Alacid B. et al. Oil Slicks Detection in SLAR Images with Autoencoders / B. Alacid // Multidisciplinary Digital Publishing Institute Proceedings. - 2017. - Т.1. - №. 8.- С. 820.

35. Alves, T.M.; Kokinou, E.; Zodiatis, G. A three-step model to assess shoreline and offshore susceptibility to oil spills: The South Aegean (Crete) as an analogue for confined

marine basins. / T.M. Alves, E. Kokinou, G. Zodiatis, // Mar. Pollut. Bull. - 2014. -No.86. - Pp. 443-457.

36. Alves, T.M.; Kokinou, E.; Zodiatis, G.; Lardner, R.; Panagiotakis, C.; Radhakrishnan, H. Modelling of oil spills in confined maritime basins: The case for early response in the Eastern Mediterranean Sea. / T.M. Alves, E. Kokinou, G. Zodiatis, R. Lardner, C. Panagiotakis, H. Radhakrishnan // Environ. Pollut. - 2015. - No.206. - Pp. 390-399.

37. An J., Liu Z. The Experiment of Detecting Underwater Oil by 532 nm Lidar/ An J., Liu Z.// 2012 Symposium on Photonics and Optoelectronics. - IEEE, 2012. - Pp. 1-4.

38. Andrejev, O.; Soomere, T.; Sokolov, A.; Myrberg, K. The role of the spatial resolution of a three-dimensional hydrodynamic model for marine transport risk assessment. /Andrejev, O.; Soomere, T.; Sokolov, A.; Myrberg, K.// Oceanologia. - 2011.

- No.53. - Pp. 309-334.

39. Aquatic environment monitoring using a drone-based fluorosensor / Duan Z.; Li Y., Wang J., Zhao G., Svanberg S. //Applied Physics B. - 2019. - Vol. 125. - No. 6. - P. 108.

40. Babichenko S. Laser remote sensing of the European marine environment: LIF technology and applications / Babichenko S. //Remote Sensing of the European Seas. -Springer, Dordrecht, 2008. - Pp.189-204.

41. Babichenko S., Beynon D., O'Neill K. Submerged-oil tracking by airborne hyperspectral fluorescent lidar / Babichenko S., Beynon D., O'Neill K. //SPIE Newsroom.

- 2010. - Vol.10. - No. 2.1201011. - Pp. 003273.

42. Bollmann M. World Ocean Review: Living with the Oceans / Bollmann M. -Maribus: Hamburg, Germany, 2010 - pp. 92-99.

43. BonnAgreement [Электронный ресурс]. - Режим доступа: https://www.bonnagreement.org/ - Guidelines for Oil Pollution Detection: Investigation and Post Flight Analysis/Evaluation for Volume Estimation. — 2017. — [Дата обращения: 17.05.2021].

44. Bukin O. A., Proschenko D. Y., Chekhlenok A. A. [et al.] Hardware and software complex for monitoring oil pollution of sea aquatories / Bukin O. A., Proschenko D. Y.,

Chekhlenok A. A. // Proceedings of SPIE - The International Society for Optical Engineering: 25th International Symposium on Atmospheric and Ocean Optics: Atmospheric Physics, Novosibirsk, 30 june-05 july 2019. - Novosibirsk, 2019. - P. 112084Q. - DOI 10.1117/12.2540782.

45. Bukin O. A., Proschenko D. Y., Chekhlenok A. A. [et al.] New remote sensing applications for marine monitoring of oil pollution using UAV / Bukin O. A., Proschenko D. Y., Chekhlenok A. A. // Proceedings of SPIE - The International Society for Optical Engineering : 26, Moscow, 06-10 july 2020. - Moscow, 2020. - P. 115604A. - DOI 10.1117/12.2575523.

46. Bukin O., Proschenko D., Alexey C. [et al.]. New solutions of laser-induced fluorescence for oil pollution monitoring at sea / Bukin O., Proschenko D., Alexey C. // Photonics. - 2020. - Vol. 7. - No 2. - P. 36. - DOI 10.3390/PHOTONICS7020036.

47. Bukin O.A., Pavlov A.N., Permyakov M.S. Continuous measurements of chlorophyll-a concentration in the Pacific Ocean by shipborne laser fluoromener and radiometer: comparision with SeaWiFS data / Bukin O.A., Pavlov A.N., Permyakov M.S. // International Journal of Remote Sensing. - 2001. - V.22. - No 2/3. - Pp.415-427.

48. Bukin O.A., Proschenko D.Yu., Chekhlenok A.A., Golik S.S., Bukin I.O., Mayor A.Yu., Yurchik V.F. Laser Spectroscopic Sensors for the Development of Anthropomorphic Robot Sensitivity / Bukin O.A., Proschenko D.Yu., Chekhlenok A.A., Golik S.S., Bukin I.O., Mayor A.Yu., Yurchik V.F. // Sensors. - 2018. - V. 18. - No. 6. - P. 1680.

49. Bukin, O.; Proschenko, D.; Korovetskiy, D.; Chekhlenok, A.; Yurchik, V.; Bukin, I. Development of the Artificial Intelligence and Optical Sensing Methods for Oil Pollution Monitoring of the Sea by Drones / Bukin, O.; Proschenko, D.; Korovetskiy, D.; Chekhlenok, A.; Yurchik, V.; Bukin, I. // Appl. Sci. - 2021. - No. 11. - P. 3642.

50. Bukin, O.A., Mayor, A.Y., Proschenko, D.Y., Bukin, I.O., Bolotov, V.V., Chekhlenok, A.A., Mun, S.A. Laser spectroscopy methods in the development of laser sensor elements for underwater robotics / Bukin, O.A., Mayor, A.Y., Proschenko, D.Y., Bukin, I.O., Bolotov, V.V., Chekhlenok, A.A., Mun, S.A. // Atmospheric and Oceanic Optics. - No.30(5). - 2017. - 475-480.

51. Digital Handheld Optical Power and Energy Meter Console. [Электронный ресурс]. - Режим доступа: https ://www. thorlabs. com/newgrouppage9. cfm? obj ectgroup_id=3341 [Дата обращения 17.05.2021].

52. Drones can now give a better view of oil spills [Электронный ресурс]. - Режим доступа: https://www.rotordronepro.com/drones-can-now-give-mpa-better-view-oil-spills/ [Дата обращения 17.05.2021].

53. El Mahrad, Badr, et al. "Contribution of remote sensing technologies to a holistic coastal and marine environmental management framework: A review. / El Mahrad, Badr // Remote Sensing. - 2020.

54. Every six minutes, an illegal hydrocarbon dumping incident takes place in european waters [Электронный ресурс]. - Режим доступа: https://eu.oceana.org/en/press-center/press-releases/every-six-minutes-illegal-hydrocarbon-dumping-incident-takes-place [Дата обращения: 17.05.2021].

55. Feng W., R. Wang, P. Sun, Z. Gao, L. Chen, Study on ultraviolet laser induced fluorescence spectra of several typical petroleum contaminants / Feng W., R. Wang, P. Sun, Z. Gao, L. Chen // Spectrosc. Spectr. Anal. - 2011.

56. Fingas M.F., Brown C.E. Review of oil spill remote sensing / Fingas M.F., Brown C.E. // Spill Science & Technology Bulletin. - 1997. - Vol. 4. - No. 4. - Pp. 199-208.

57. Fingas, M.; Brown C.E. A review of oil spill remote sensing / Fingas, M.; Brown C.E. // Sensors. - 2018. - No.18(1). - P. 91.

58. Flemming H. An Initial Evaluation of Underwater Remote detection and Monitoring of Spilled Orimulsion Using Sonar / Flemming H. // 3rd R&D Forum on High-density Oil Spill Response. - 2000.

59. Fu W., Hopkins W.S. Applying Machine Learning to Vibrational Spectroscopy / Fu W., Hopkins W.S. // The Journal of Physical Chemistry A. - 2017. -Vol. 122. - No. 1. - Pp. 167-171.

60. Fuller C.B. et al. Estimating sub-surface dispersed oil concentration using acoustic backscatter response / Fuller C.B. // Marine pollution bulletin. - 2013. -Vol. 70. - No. 12. - Pp. 140-146.

61. Fuller C.B. et al. Realtime geo-referenced detection of dispersed oil plumes / Fuller

C.B. // International Oil Spill Conference. - American Petroleum Institute, 2005. - Vol. 2005. - No. 1. - Pp. 693-696.

62. Fuller, C.B., Sterling, M.C., Bonner, J. S., Ojo, T. Page, C.A. Field Instruments for Real Time In-Situ Crude Oil Concentration Measurements / Fuller, C.B., Sterling, M.C., Bonner, J. S., Ojo, T. Page, C.A. // Proceedings of the Twenty-sixth Arctic and Marine Oilspill Program (AMOP) Technical Seminar. - Environment Canada. - Ottawa, Canada, 2003. - Vol. 22003. - Pp. 755-764.

63. Garcia-Pineda, O.; MacDonald, I.; Hu, C.; Svejkovsky, J.; Hess, M.; Dukhovskoy,

D.; Morey, S. Detection of Floating Oil Anomalies From the Deepwater Horizon Oil Spill With Synthetic Aperture Radar. / Garcia-Pineda, O.; MacDonald, I.; Hu, C.; Svejkovsky, J.; Hess, M.; Dukhovskoy, D.; Morey, S.//Oceanography, 2013/ - Vol. 26. - Pp. 124-137.

64. Guolai Jiang, Lei Yin, Shaokun Jin, Chaoran Tian, Xinbo Ma,Yongsheng Ou A Simultaneous Localization and Mapping (SLAM) Framework for 2.5D Map Building Based on Low-Cost LiDAR and Vision Fusion. / Guolai Jiang, Lei Yin, Shaokun Jin, Chaoran Tian, Xinbo Ma,Yongsheng Ou // Appl. Sci. - 2019. - No.9(10) - P. 2105.

65. Hafeez, Sidrah, et al. Detection and monitoring of marine pollution using remote sensing technologies. / Hafeez, Sidrah // Monitoring of Marine Pollution. - 2018.

66. Hay, A. E., Davidson, L.W. Remote Acoustic Monitoring of the Dispersion of Oil from a Controlled Spill: An Experimental Study. /Hay, A. E., Davidson, L.W. // In Proceedings of the 7th AMOP Technical Seminar, Environment Canada, Ottawa, Ontario. - 1984. - Vol. 22. - pp. 506-525.

67. Hu, C.; Feng, L.; Holmes, J.; Swayze, G.A.; Leifer, I.; Melton, C.; Garcia, O.; MacDonald, I.; ess, M.; Muller-Karger, F.; et al. Remote sensing estimation of surface oil volume during the 2010 Deepwater Horizon oil blowout in the Gulf of Mexico: Scaling up AVIRIS observations with MODIS measurements /Hu, C.; Feng, L.; Holmes, J.; Swayze, G.A.; Leifer, I.; Melton, C.; Garcia, O.; MacDonald, I.; ess, M.; Muller-Karger, F.// J. Appl. Remote Sens. - 2018. - No. 12 - P.1.

68. Julian, M. MARPOL 73/78: the International Convention for the Prevention of Pollution from Ships / Julian, M. //M. Julian. Maritime Studies. - 2000. - Pp. 16-23.

69. Kubat M., Holte R.C., Matwin S. Machine learning for the detection of oil spills in satellite radar images / Kubat M., Holte R.C., Matwin S. //Machine learning. - 1998. -Vol. 30. - No. 2-3. - Pp. 195-215.

70. Leifer I. et al. State of the art satellite and airborne marine oil spill remote sensing: Application to the BP Deepwater Horizon oil spill / Leifer I. // Remote Sensing of Environment. - 2012. - Vol. 124. - Pp. 185-209.

71. Leifer, I.; Lehr, W.J.; Simecek-Beatty, D.; Bradley, E.; Clark, R.; Dennison, P.; Hu, Y.; Matheson, S.; Jones, C.E.; Holt, B.; et al. State of the art satellite and airborne marine oil spill remote sensing: Application to the BP Deepwater Horizon oil spill. / Leifer, I.; Lehr, W.J.; Simecek-Beatty, D.; Bradley, E.; Clark, R.; Dennison, P.; Hu, Y.; Matheson, S.; Jones, C.E.; Holt, B.// Remote Sens. Environ. - 2012. - Vol.124. - Pp.185209.

72. Linear Support Vector Classification [Электронный ресурс]. - Режим доступа: https://scikit-learn.org/stable/modules/generated/sklearn.svm.LinearSVC.html [Дата обращения 17.05.2021].

73. Liu J. et al. Deep convolutional neural networks for Raman spectrum recognition: a unified solution / Liu J. //Analyst. - 2017. - Vol. 142. - No. 21. - Pp. 4067- 4074.

74. Martín M.D.C., N.V. Yarovenko, C.P. Gómez, J.L.L. Soto, J.M.T. Palenzuela, Oil pollution detection using spectral fluorescent signatures (SFS) / Martín M.D.C., N.V. Yarovenko, C.P. Gómez, J.L.L. Soto, J.M.T. Palenzuela Environm. // Earth Sci. - 2015.

75. Marzialetti P., Laneve G. Oil spill monitoring on water surfaces by radar L, C and X band SAR imagery: A comparison of relevant characteristics / Marzialetti P., Laneve G. // 2016 IEEE International Geoscience and Remote Sensing Symposium (IGARSS). -IEEE. - 2016. - Pp. 7715-7717.

76. Mask R-CNN [Электронный ресурс]. Режим доступа: https://arxiv.org/abs/1703.06870 [Дата обращения 17.05.2021].

77. Merv Fingas ,and Carl E. Brown. A Review of Oil Spill Remote Sensing. / Merv Fingas ,and Carl E. Brown. // Sensors. - 2018. - No. 18. - Pp. 91. -doi:10.3390/s18010091.

78. Merv Fingas The Challenges of Remotely Measuring Oil Slick Thickness. / Merv

Fingas // Remote Sens. - 2018. - No.10 - P. 319. - doi:10.3390/rs10020319.

79. Otukei J. R., Blaschke T. Land cover change assessment using decision trees, support vector machines and maximum likelihood classification algorithms / Otukei J. R., Blaschke T. //International Journal of Applied Earth Observation and Geoinformation. -2010. - Vol. 12. - Pp. S27-S31.

80. Puiu, A.; Fiorani, L.; Menicucci, I.; Pistilli, M.; Lai, A. Submersible spectrofluorometer for real-time sensing of water quality / Puiu, A.; Fiorani, L.; Menicucci, I.; Pistilli, M.; Lai, A. // Sensors. - 2015. - No.15 - Pp. 14415-14434.

81. Raimondi V., Palombi L., Lognoli D., Masini A., Simeone E. Experimental tests and radiometric calculations for the feasibility of fluorescence LIDAR-based discrimination of oil spills from UAV / Raimondi V., Palombi L., Lognoli D., Masini A., Simeone E. //International journal of applied earth observation and geoinformation. -2017. - Vol. 61. - Pp. 46-54.

82. Raymond, M. Laser Remote Sensing: Fundamentals and Application /Raymond, M.// Krieger Publishing Company: Malabar, FL, USA. - 1984.

83. Robbe N., Hengstermann T. Remote sensing of marine oil spills from airborne platforms using multi-sensor systems / Robbe N., Hengstermann T. // Water Pollution VIII: Modelling, Monitoring and Management. - 2006. - Vol. 1. - Pp. 347-355.

84. The Threat of the Oil Pollution Incident Occurred in Lebanon to the Northern Cyprus Coasts and the Importance of Operational Satellite Monitoring System [Электронный ресурс]. - Режим доступа: https://www.researchgate.net/figure/Percentages-of-possible-sources-of-oil-pollution-ASI_fig1_272997222 [Дата обращения: 17.05.2021].

85. Utkin A.B., Lavrov A., R. Vilar, Evaluation of oil spills by laser induced fluorescence spectra / Utkin A.B., Lavrov A., R. Vilar // Proc. SPIE. - 2010. - No.7994. - P. 48.

86. Vasilescu J., Marmureanu L., Carstea E., Cristescu C.P. Oil spills detection from fluorescence lidar measurements / Vasilescu J., Marmureanu L., Carstea E., Cristescu C.P. //University" Politehnica" of Bucharest Scientific Bulletin, Series A: Applied Mathematics and Physics. - 2010. - Vol. 72. - No. 2. - Pp. 149-154.

87. Verfuss, Ursula K., et al. A review of unmanned vehicles for the detection and monitoring of marine fauna / Verfuss, Ursula K. // Marine pollution bulletin. - 2019. -No140. - Pp. 17-29.

88. Water spider. [Электронный ресурс]. - Режим доступа: https://www.mot.gov.sg/docs/default-source/news-centre/transport-news/st-

new drone to give mpa better view of oil spills.pdf [Дата обращения 17.05.2021].

89. White, H.; Commy, R.; MacDonald, I.; Reddy, C. Methods of Oil Detection in Response to the Deepwater Horizon Oil Spill / White, H.; Commy, R.; MacDonald, I.; Reddy, C. // Oceanography. - 2016. - No. 29. - Pp. 76-87.

90. Xing, Q.; Li, L.; Lou, M.; Bing, L.; Zhao, R.; Li, Z. Observation of Oil Spills through Landsat Thermal Infrared Imagery: A Case of Deepwater Horizon / Xing, Q.; Li, L.; Lou, M.; Bing, L.; Zhao, R.; Li, Z.// Aquat. Procedia, 2015. - No 3. Pp.151-156.

91. Yin D. et al. Airborne validation of a new-style ultraviolet push-broom camera for ocean oil spills pollution surveillance / Yin D. //Remote Sensing of the Ocean, Sea Ice, and Large Water Regions. International Society for Optics and Photonics. - 2010. - Vol. 7825. - Pp. 78250I.

92. YOLOv3: An Incremental Improvement [Электронный ресурс]. - Режим доступа: https://arxiv.org/abs/1804.02767# [Дата обращения 17.05.2021].

93. Zhang Y. et al. A peak-capture algorithm used on an autonomous underwater vehicle in the 2010 Gulf of Mexico oil spill response scientific survey / Zhang Y. //Journal of Field Robotics. - 2011. - Vol. 28. - No. 4. - Pp. 484-496.

94. Zheng Duan Ying Li1 Jinlei Wang Guangyu Zhao1 Sune Svanberg. Aquatic environment monitoring using a drone based fuorosensor / Zheng Duan Ying Li1 Jinlei Wang Guangyu Zhao1 Sune Svanberg // Applied Physics B. - 2019. - No. 125, - Pp.108.