Oil Spill

Master en Aplicaciones Espaciales de Alerta y Respuesta Temprana a Emergencias
Sistema Italo-Argentino S.Gestione delle Emergenze (SIASGE) – CONAE – ASI
Pablo Adrián Marzialetti - Desarrollo de Economías Regionales, tutore Giovanni Laneve
Implementación de metodología para detección
y seguimiento de derrames de pétroleo
3rd. report August 2010
Becario: Lic. Pablo Adrián Marzialetti
Tutor: Prof. Giovanni Laneve
1/22
Master en Aplicaciones Espaciales de Alerta y Respuesta Temprana a Emergencias
Sistema Italo-Argentino S.Gestione delle Emergenze (SIASGE) – CONAE – ASI
Pablo Adrián Marzialetti - Desarrollo de Economías Regionales, tutore Giovanni Laneve
INDICE
Objetivo
Oil Spill
Definicion
Impacto
Dinamica del derrame
Aportes de sensado remoto para la identificación de potenciales
manchas vinculadas a derrames
Hyperespectral
Sar
Algunos ejemplos claros de manchas identificadas como Lookalikes
Pasos típicos que el estado del arte menciona para el monitoreo e
identificación de manchas
Mención de algunos pasos importantes
Preprocesamiento
Feature Extraction
Mejoramiento de la imagen
Extracción de información
Elementos que ayudan a una correcta asignación de niveles de
confianza
Metodología
Aproximación a metodología para detección de potenciales areas de
derrame en imágenes CHRIS
Proceso básico
Detección manual de zonas oscuras derrame potencial de
hidrocarburos
Histogram Matching sobre imagen de referencia
Automatización sobre imagen preprocesada
Firmas espectrales de combustibles a evaluar en la base de
espectros de referencia
Aproximación a metodología para detección de potenciales derrames
con tecnología SAR
Pasos principales
Ejemplo de aplicación de metodología sobre imagen SAR
Detección de mancha sobre imagen SAR
Detección de buque y vinculación en mapa temático
Diferentes tipos de derrames a identificar
Diagrama de metodologia empleada
Zona de estudio potencial
Softwares utilizados
Conclusiones parciales
Bibliografía
2/22
Master en Aplicaciones Espaciales de Alerta y Respuesta Temprana a Emergencias
Sistema Italo-Argentino S.Gestione delle Emergenze (SIASGE) – CONAE – ASI
Pablo Adrián Marzialetti - Desarrollo de Economías Regionales, tutore Giovanni Laneve
Objetivo
El objetivo del presente trabajo está centrado en el relevamiento de técnicas de
sensoramiento remoto aplicadas al monitoreo de derrames de combustibles
identificando sus caracteristicas básicas, para su aplicación práctica a la zona del Lago
de Maracaibo, Venezuela, con el fin de delimitar áreas potencialmente afectadas dando
pie a una posterior valuación socioeconómica.
Oil Spill
Definición
Se entiende como Oil Spill o derrame de petróleo al vertido de productos petrolíferos
sobre el medio ambiente, accidentalmente o por prácticas comunes, afectando zonas
litoraleñas, mares y costas con efectos persistentes en el tiempo.
Impacto
El vertido de un litro de gasolina puede llegar a contaminar un millón de litros de agua,
siendo un efecto contaminante irreversible. Asimismo el petróleo que llega al mar se
evapora o queda degradado lentamente por las bacterias.
Los componentes pesados del petróleo que se depositan en el fondo del mar pueden
matar a los animales que habitan en las profundidades como cangrejos, mejillones, etc.,
o los hacen inadecuados para el consumo humano.
En las zonas donde se produce un derrame de petróleo se vuelve imposible el trabajo
de pesca, se dificulta la navegación por posibles atascos o incendios, y se ve limitado el
aprovechamiento de las playas con fines recreativos para el turismo.
El efecto contaminante dependerá de varios factores:
 tipos de petróleo (crudo o refinado),
 cantidad liberada,
 distancia del sitio de liberación desde la playa,
 época del año,
 temperatura del agua,
 clima, y
 corrientes oceánicas, entre otras.
Un derrame puede originarse por una serie de razones, pero de acuerdo al historial de
ocurrencias éstos tienen una estrecha relación con las rutas marítimas y aparecen
vinculados a plataformas offshore (Fig.2). Tambien significativos pero no tan comunes
son aquellos provocados por accidentes en el transporte y roturas de tanques, teniendo
en relación una menor contribución al total de contaminante vertido al mar.
Mas alla de que se van imponiendo paulatinamente mayores regulaciones y
procedimientos estrictos de operación de hidrocarburos, estas medidas no pueden
eliminar completamente los riesgos.
Es claro que la reducción de éstos es clave para la protección del ambiente y la
reducción de las pérdidas económicas que acarrean, por lo que el monitoreo constante
se presenta como un paso ineludible. Los avances de las tecnologías de sensado remoto
pueden dar un soporte para acceder oportunamente a la información que prevenga que
una situación de pequeña magnitud tome escalas impredecibles.
3/22
Master en Aplicaciones Espaciales de Alerta y Respuesta Temprana a Emergencias
Sistema Italo-Argentino S.Gestione delle Emergenze (SIASGE) – CONAE – ASI
Pablo Adrián Marzialetti - Desarrollo de Economías Regionales, tutore Giovanni Laneve
Figura 1: Imagen RADARSAT que evidencia derrame intencional
provocado por la descarga de un barco
Figura 2: Pozo y plataforma petrolera sufriendo de derrame
Figura 3: Derrames de petróleo procedentes de plataformas de almacenamiento y producción.
(Imagen ASTER falso color)
Dinámica del derrame
El petróleo vertido se va extendiendo en una superficie cada vez mayor hasta llegar a
formar una capa muy extensa, con espesores de sólo décimas de micrómetro. De esta
forma se ha comprobado que 1 metro cñubico de petróleo puede llegar a formar, en
hora y media, una mancha de 100 metros de diámetro y 0,1 mm de espesor.
4/22
Master en Aplicaciones Espaciales de Alerta y Respuesta Temprana a Emergencias
Sistema Italo-Argentino S.Gestione delle Emergenze (SIASGE) – CONAE – ASI
Pablo Adrián Marzialetti - Desarrollo de Economías Regionales, tutore Giovanni Laneve
Figura 4: Dinámica del derrame
Una gran parte del petróleo (entre uno y dos tercios) se evapora. El petróleo evaporado
es descompuesto por foto-oxidación en la atmósfera y del crudo que queda en el agua:
 una parte que sufre foto-oxidación;
 otra parte se disuelve en el agua, siendo esta la más peligrosa desde el
punto de vista de la contaminación, y
 lo que queda forma una emulsión gelatinosa de agua y aceite que se
convierte en bolas de alquitrán densas, semisólidas, con aspecto asfáltico.
Aportes de sensado remoto para la identificación de potenciales manchas
vinculadas a derrames
Hyperespectral
Los sensores hyperespectrales utilizados para detección de derrames tiene un
gran potencial para la identificación detallada de materiales y una mejor
estimación de su abundancia. Debido a la cantidad de bandas que ofrecen dan la
potencialidad de poder distinguir entre distintos tipos de combustibles.
El combustible absorve radiación solar y reemite una porción de su energía como
energía térmica. Los sensores IR perciben las manchas de petróleo mas gruesas
como calientes, de grosor intermedio como frías, mientras que a las delgadas no
es posible detectarlas.
Por la noche una derrame de cierto grosos puede percibirlo como mas frio que al
agua ya que libera calor de manera mas rapida que las aguas circundantes.
La tecnologia UV tambien puede utilizarse para la deteccion, ya que las manchas
muestran una alta reflectividad a la radiacion UV aún en las capas mas delgadas.
Los instrumentos UV no se utilizan de noche, y las manchas provocadas por el
viento, los rayos solares y material biogenico pueden causar falsas alarmas.
Estas interferencias suelen ser diferentes a aquellas causadas por los sensores
IR, por lo que una combinación de ambos puede ser de utilidad para la
identificación y la estimación de su grosor.
SAR
Los instrumentos SAR tienen la ventaja los sensores ópticos de poder adquirir
imagenes tanto de día como de noche sin tener en cuenta condiciones
atmosféricas.
5/22
Master en Aplicaciones Espaciales de Alerta y Respuesta Temprana a Emergencias
Sistema Italo-Argentino S.Gestione delle Emergenze (SIASGE) – CONAE – ASI
Pablo Adrián Marzialetti - Desarrollo de Economías Regionales, tutore Giovanni Laneve
Aquello que influencia significativamente la visibilidad de las manchas es la
intensidad del viento que determina los niveles de backscattering. Por lo que los
derrames solo son percibidos de acuerdo a un rango determinado de velocidades
de viento. La velocidad máxima que permitirá su detección dependerá asimismo
del tipo de combustible y del tiempo pasado desde el momento de inicio del
derrame. Será necesario entonces, disponer de información respecto a
intensidades de viento para su identificación, siendo además de utilidad para
determinar su evolución. Por lo que tener en cuenta a esta variable será de
suma importancia, ya sea incorporandola manualmente por datos de campo o
mediante modelos.
La señal SAR recibida por un derrame dependerá de la altura de las olas
circundantes y del tipo y cantidad de combustible. Y su forma se estructurará en
función de si el combustible fue liberado de un objeto estacionario o un barco, la
cantidad involucrada, el viento y el historial de sucesos entre el inicio del
derrame y el momento de adquisición de la imagen.
La identificación automática de derrames mediante tecnología SAR es sin
embargo compleja por las falsas alarmas conocidas como “lookalikes”.
Figura 5. a la izquierda: derrames reales - derecha: fenómenos naturales causando “lookalikes”
Algunos ejemplos claros de manchas identificadas como Look-alikes
Capas de hielo
Areas con Umbrales
de viento inferiores
a los 2-3m/s
6/22
Celdas de lluvia
Zonas de corte de
plataformas de
lecho
Master en Aplicaciones Espaciales de Alerta y Respuesta Temprana a Emergencias
Sistema Italo-Argentino S.Gestione delle Emergenze (SIASGE) – CONAE – ASI
Pablo Adrián Marzialetti - Desarrollo de Economías Regionales, tutore Giovanni Laneve
A pesar de no poder estimar el grosor de un derrame o el tipo de combustible
vertido, esta tecnología se muestra sin embargo al momento como la mas
eficiente para la detección de derrames, sobre todo para el monitoreo de
grandes áreas (varios cientos de metros).
Respecto al aporte que podría esperarse de las diversas bandas SAR, algunos
estudios han propuesto la posibilidad de discriminar entre verdaderos derrames
y falsas alarmas, analizándose respuestas en banda L, C y X, tratando de
identificar derrames de distintas propiedades químicas, y se ha encontrado que
tal distinción es posible con bajas a moderadas intensidades de viento.
Como la visibilidad de las manchas de derrames se reducen con el tiempo una
deteccion temprana es siempre deseable por lo que sera necesario disponer de
una alta serie de pasadas de satelite.
El acceso a un volumen importante de imagenes SAR se traduce al mismo
tiempo en una demanda significativa de analistas de deteccion. Pero si bien
éstos reciban un amplio entrenamiento sobre deteccion manual de derrames, es
tambien probable que cada uno otorgue su propio nivel de confianza al objeto de
estudio, por lo que se hace necesaria la elaboración de algoritmos de detección e
identificación de formaciones oscuras, semi o totalmente automatizados, que
sirvan para priorizar situaciones de alarma adecuadamente.
Pasos típicos que el estado
identificación de manchas
del
arte
7/22
menciona
para
el
monitoreo
e
Master en Aplicaciones Espaciales de Alerta y Respuesta Temprana a Emergencias
Sistema Italo-Argentino S.Gestione delle Emergenze (SIASGE) – CONAE – ASI
Pablo Adrián Marzialetti - Desarrollo de Economías Regionales, tutore Giovanni Laneve
Mención de algunos pasos importantes
Preprocesamiento
Consiste en aquellas operaciones que preparan los datos para los análisis
subsiguientes en orden a compensar errores sistemáticos. Las imágenes digitales
están sujetas a varios tipos de correcciones (geométricas, radiométricas,
atmosféricas), pero no siempre éstas se aplican en todos los casos. Estos errores
son sistemáticos y por consiguiente pueden ser removidos antes de que lleguen al
usuario.
El investigador deberá decidir qué técnicas de preprocesamiento son relevantes en
relación a la naturaleza de la información a ser extraída. Y una vez decidido y
realizado este paso, el analista continúa con un feature extraction para reducir el
volumen de datos.
Feature Extraction
Es el procedimiento por el que se pretende aislar los componentes útiles del
conjunto de datos original para estudios posteriores reduciendo el número de
variables a ser examinadas ahorrando tiempo y recursos.
Mejoramiento de la imagen
Operaciones llevadas a cabo a fin de mejorar la interpretabilidad de la imagen
incrementando contrastes aparentes entre features de la escena en cuestión. Estas
técnicas dependerán principalmente en dos factores: Los datos digitales (ej. bandas
espectrales y resolución), y sobre todo los objetivos de la interpretación.
Como estas operaciones alteran los valores originales, normalmente se usan para
interpretaciones que no tienen vinculación a análisis numéricos. Entre las mas
comunes se pueden citar a la reducción, rectificación, magnificación, ajustes de
contraste, filtros espaciales, transformaciones de Fourier, análisis de componentes
principales y transformaciones texturales.
Extracción de información
Despues del preprocesamiento, el mejoramiento de la imagen y el feature extraction,
se procederá a la clasificación de la imagen asignando lo aislado a clases específicas,
siendo necesaria su posterior evaluación de exactitud comparándolo a verdades de
campo.
Elementos que ayudan a una correcta asignación de niveles de confianza:
La posbilidad de asignar un grado de confiabilidad a la detección se basa en las
siguientes características:
 El nivel de contraste del objeto de estudio con pixeles vecinos
 La homogeneidad de los pixeles vecinos
 La velocidad del viento
 Cercanía a torres de perforación y barcos
 Vecindad con manchas de origen natural
 Bordes y formas características de la mancha
8/22
Master en Aplicaciones Espaciales de Alerta y Respuesta Temprana a Emergencias
Sistema Italo-Argentino S.Gestione delle Emergenze (SIASGE) – CONAE – ASI
Pablo Adrián Marzialetti - Desarrollo de Economías Regionales, tutore Giovanni Laneve
Metodología
Aproximación a metodología para detección de potenciales areas de derrame
en imágenes CHRIS
De la serie de imágenes CHRIS disponibles para el presente trabajo se
dispuso trabajar sobre aquella de ángulo de adquisición FZA de 0º.
Y de acuerdo a un primer análisis visual, en lo que podría estimarse
como derrame en la zona de estudio, se pudo notar que la Banda 6
(561nm promedio, con una amplitud de 10nm) es la que de momento
reflejaría de manera mas directa al potencial vertido de combustible.
Proceso básico
 Eliminación de rayados y relleno de pixeles faltantes
 Histogram Matching sobre imagen de referencia
 Ajuste de Histograma a zonas oscuras de interes
 Clasificación Binaria de zonas oscuras
 Exportación a formato shape
Se ha utilizado la aplicacion HDFClean1 como primer paso en el preprocesamiento de las
imagenes CHRIS para la eliminacion de rayados y el relleno de pixeles faltantes en la
imagen original.
1
HDFclean (de la firma Surrey Satellite Technology Ltd.) es una aplicación para el procesamiento de
imagenes salvadas en formato HDF (Hierarchical Data Format). El mismo cuenta con dos tipos de
procesamiento: Llenado de pixels faltantes y Remoción de líneas.
9/22
Master en Aplicaciones Espaciales de Alerta y Respuesta Temprana a Emergencias
Sistema Italo-Argentino S.Gestione delle Emergenze (SIASGE) – CONAE – ASI
Pablo Adrián Marzialetti - Desarrollo de Economías Regionales, tutore Giovanni Laneve
Detección manual de zonas oscuras derrame potencial de hidrocarburos
Histogram Matching2 sobre imagen de referencia
2
técnica de procesamiento de imágenes de ajuste del color de dos imágenes tomando como referencia al
histograma de una de ellas. Es posible utilizar el histogram matching para balancear respuestas detectadas,
siempre como una técnica de calibración relativa. Puede ser utilizada para normalizar dos imágenes, cuando
las mismas fueron adquiridas con igual iluminación sobre la misma zona, pero por diferentes sensores.
10/22
Master en Aplicaciones Espaciales de Alerta y Respuesta Temprana a Emergencias
Sistema Italo-Argentino S.Gestione delle Emergenze (SIASGE) – CONAE – ASI
Pablo Adrián Marzialetti - Desarrollo de Economías Regionales, tutore Giovanni Laneve
Automatización sobre imagen preprocesada
A efectos de automatizar la metodología de detección, se plantea el desarrollo de una
herramienta, que en función del tipo de imagen y del tipo de combustible, genere un
primer producto clasificado.
Al momento, se encuentra en etapa de desarrollo, habiéndose finalizado la secuencia de
extracción de features en función de imágenes CHRIS.
imagen preprocesada
Ajuste de Histograma
Clasificación Binaria
Se busca identificar, en función de una base de firmas espectrales tomadas en trabajos
de campo, la ocurrencia de éstas en las imágenes disponibles para la zona de estudio.
Para esto, el operador establece un rango de reflectancia que permite identificar con
mayor o menor nivel de confianza una semejanza a la firma de referencia.
Esta herramienta se encuentra al momento en fase de desarrollo.
11/22
Master en Aplicaciones Espaciales de Alerta y Respuesta Temprana a Emergencias
Sistema Italo-Argentino S.Gestione delle Emergenze (SIASGE) – CONAE – ASI
Pablo Adrián Marzialetti - Desarrollo de Economías Regionales, tutore Giovanni Laneve
Firmas espectrales de combustibles a evaluar en la base de espectros de
referencia:
12/22
Master en Aplicaciones Espaciales de Alerta y Respuesta Temprana a Emergencias
Sistema Italo-Argentino S.Gestione delle Emergenze (SIASGE) – CONAE – ASI
Pablo Adrián Marzialetti - Desarrollo de Economías Regionales, tutore Giovanni Laneve
Aproximación a metodología para detección de potenciales derrames con
tecnología SAR
Pasos principales
Desde este tipo de tecnologia, la detección de derrames puede resumirse en cuatro
pasos principales:
 Aislamiento de manchas negras
 Extracción de elementos
 Confrontación de estos elementos con valores predefinidos
 Establecimiento de probabilidades o grados de confianza sobre lo identificado
para determinar si el mismo es un derrame o un fenómeno Look-alike
Los elementos o features a identificar pueden normalmente agruparse en tres
categorías principales:
La que reúne sus caracterisitcas geométricas (ej.: área, perímetro, complejidad, etc.)
La que reúne sus comportamiento físico (ej.: valores de backscattering medios,
mínimos, máximos, etc.)
La que se refiere al contexto del elemento identificado (ej.: existencia o no de otras
formaciones oscuras, presencia de buques, etc.)
Como próximo paso y con el objeto de elaborar potenciales escenarios de impacto, se
plantea la necesidad de desarrollar un modelado de evolución de derrames, que
permita simular entre otras variables al movimiento, expansión y antigüedad de los
mismos.
Para ello se deberá evaluar la localización inicial, la fecha y hora del evento, corrientes
y volumen derramado, entre otras variables.
13/22
Master en Aplicaciones Espaciales de Alerta y Respuesta Temprana a Emergencias
Sistema Italo-Argentino S.Gestione delle Emergenze (SIASGE) – CONAE – ASI
Pablo Adrián Marzialetti - Desarrollo de Economías Regionales, tutore Giovanni Laneve
Fig 6 - Oil Advention and Transportation
14/22
Master en Aplicaciones Espaciales de Alerta y Respuesta Temprana a Emergencias
Sistema Italo-Argentino S.Gestione delle Emergenze (SIASGE) – CONAE – ASI
Pablo Adrián Marzialetti - Desarrollo de Economías Regionales, tutore Giovanni Laneve
Ejemplo de aplicación de metodología sobre imagen SAR
Caso: derrame desde embarcación
Detección de mancha sobre imagen SAR
Imagen Original
Imagen Filtrada
Definición de nivel de escala
Definición de nivel de merge
Definición de umbral
(threshold)
Feature Extraction
(resultado de Aplicación de reglas)
15/22
Master en Aplicaciones Espaciales de Alerta y Respuesta Temprana a Emergencias
Sistema Italo-Argentino S.Gestione delle Emergenze (SIASGE) – CONAE – ASI
Pablo Adrián Marzialetti - Desarrollo de Economías Regionales, tutore Giovanni Laneve
Detección de buque y vinculación en mapa temático
Manchas detectadas
PROBABILIDAD
Muy Alta
Alta
Mediana
Baja
Distancia a Buque
25 Kms.
100 Kms.
250 Kms.
500 Kms.
!
.
Buque
ejemplo de aplicación de la metodología a derrame portuario
Derrames
Derrames portuarios
portuarios
#
0
#
0
Puertos
Puertos
Potencial
Potencial Derrame
Derrame portuario
portuario
PROBABILIDAD
PROBABILIDAD
Muy
MuyAlta
Alta
Alta
Alta
Media
Media
Baja
Baja
16/22
Master en Aplicaciones Espaciales de Alerta y Respuesta Temprana a Emergencias
Sistema Italo-Argentino S.Gestione delle Emergenze (SIASGE) – CONAE – ASI
Pablo Adrián Marzialetti - Desarrollo de Economías Regionales, tutore Giovanni Laneve
Para cada tipo de mancha detectada como potencial derrame, en función de sus
carácterísticas espectrales, texturales y espaciales, se plantea como continuación del
presente trabajo, la necesidad de conformación de una base de datos de los sets de
reglas particulares que identificarían a cada caso.
Diferentes tipos de derrames a identificar
Algunas de las alternativas predefinidas para conformación de set de reglas de
selección:
Espectrales
Valores por banda
Desvío por Banda
Texturales
Varianza textural
Grado de entropía
Espaciales
Area
Longitud
Solidez
Nivel de compactación
Elongación
Axis mayor y menor
Redondeos
17/22
Master en Aplicaciones Espaciales de Alerta y Respuesta Temprana a Emergencias
Sistema Italo-Argentino S.Gestione delle Emergenze (SIASGE) – CONAE – ASI
Pablo Adrián Marzialetti - Desarrollo de Economías Regionales, tutore Giovanni Laneve
Diagrama de metodologia empleada
ENVI Image
preprocessing
ENVI Ex Ruleset
Slick Type 1
(Spectral, Spatial
& Textural
characteristics)
ENVI Ex
Feature Extraction
procedures
IDL Script
Python Script
Onshore &
Offshore
Infraestrucure
FX
Slick Type 1
Ports
Coastline
Ships
Currents
Bathymetry
Oil Spill
Geographic
Information System
ArcGis
Model Builder
process
ArcGis
Confidence
Thematic
Map
18/22
Winds
Ship lanes
Master en Aplicaciones Espaciales de Alerta y Respuesta Temprana a Emergencias
Sistema Italo-Argentino S.Gestione delle Emergenze (SIASGE) – CONAE – ASI
Pablo Adrián Marzialetti - Desarrollo de Economías Regionales, tutore Giovanni Laneve
Zona de estudio potencial
A fin de aplicar la metodología expuesta
previamente,
se plantea
como área
de
potenciales estudios, la vinculada a la zona del
Lago de Maracaibo, Venezuela.
El Lago de Maracaibo forma parte de lo que
geográficamente se conoce como el Sistema del
Lago de Maracaibo, que lo completan el Estrecho
de Maracaibo, la Bahía el Tablazo y el Golfo de
Venezuela (es el único lago de agua dulce en el
mundo que tiene una conexión directa, y natural,
con el mar). Así, el lago de Maracaibo es junto
con los llanos, el delta del río Orinoco y el lago de
Valencia, forma parte de los principales humedales de Venezuela. Los ríos más
importantes son Catatumbo (con una longitud de 365 kilómetros), Escalante (156
kilómetros), Limón, Apón y Santa Ana. Su descripción básica podría ser la de una
laguna litoral asentada sobre una depresión tectónica que posee un emisario natural
que comunica el lago con el golfo de Venezuela
• Coordenadas: 9º 44´ 27” N - 71º 33´ 43” O
en el Caribe.
• Límites territoriales de la cuenca: Zulia, Mérida,
Afluyen al Maracaibo ríos de alto caudal y, tanto
Trujillo, Lara, Falcón, Táchira. Más el departamento
Norte de Santander en Colombia
en su fondo como en el entorno, existen
• Afluentes: mas de 130 (Chama, Zulia, Limón,
importantes yacimientos petrolíferos. Y desde
Catatumbo)
1950 sufre graves problemas de contaminación
• Más grande de Sudamérica: 13.820 Km2 (extensión)
160Km (longitud).
por el vertido de aguas residuales domésticas,
• Ocupa el número 18 del mundo por extensión.
industriales y múltiples derrames de productos
• Punto más ancho 120 km.
petrolíferos.
• Profundidad máxima de 30 m.
Una de las más importantes fuentes de
contaminación en el Lago de Maracaibo es la actividad petrolera, por derrames debidos
a fracturas en las tuberías y en las actividades de extracción y transporte de crudo,
deteriorando playas, produciendo mortandad de peces y aves y destruyendo parte de la
flora.
Asimismo, los graves problemas de contaminación han provocado la eutrofización
masiva de las aguas y el desarrollo desmesurado de una planta acuática, la lenteja de
agua (Lemna SP3), localizándose en la zona litoral.
Según funcionarios del Instituto para la Conservación del Lago de Maracaibo (ICLAM),
el volumen de la planta en el estuario es cercano a los 93 millones de metros cúbicos, y
abarca 1.870 kilómetros cuadrados de superficie.
3
La especie Lemna SP o Lentejas de Agua son una familia de 20 especies de flores unisexuales que se
reproducen a un ritmo muy acelerado y capaces de absorber todo tipo de nutrientes. Estas especies son
capaces de recorrer 254 kilómetros entre 12 y 14 días. La Lemna en si no constituye un problema para el
ecosistema que sirve de alimento a peces y microbios, además puede consumir agentes que actualmente
contaminan el lago, el problema yace cuando los algún ser vivo como los peces consume la Lemna
contaminada y por ende su organismo se intoxica y a su vez todo aquel que lo consuma tiene riesgo de
intoxicarse así mismo.
19/22
Master en Aplicaciones Espaciales de Alerta y Respuesta Temprana a Emergencias
Sistema Italo-Argentino S.Gestione delle Emergenze (SIASGE) – CONAE – ASI
Pablo Adrián Marzialetti - Desarrollo de Economías Regionales, tutore Giovanni Laneve
Figura 7: Lemna SP. Un excesivo incremento en la lenteja verde
obstruye el paso de la luz solar impidiendo la fotosíntesis,
causando la falta de oxigeno, y por ende serios problemas en el ecosistema.
El Ministerio de Ambiente de Venezuela difundió públicamente que el lago recibe 15
derrames de petróleo mensuales, que se producen por problemas de mantenimiento y
roturas de tuberías.
Softwares utilizados
Arcgis 9.3
Envi 4.7
Envi Ex
Matlab 2009a
Python 3.1
IDL 7.1
20/22
Master en Aplicaciones Espaciales de Alerta y Respuesta Temprana a Emergencias
Sistema Italo-Argentino S.Gestione delle Emergenze (SIASGE) – CONAE – ASI
Pablo Adrián Marzialetti - Desarrollo de Economías Regionales, tutore Giovanni Laneve
Conclusiones parciales
Los resultados obtenidos al momento, dan la pauta de que tanto derrames como
fenómenos de apariencia similar pueden ser claramente detectados mediante la
utilización conjunta de técnicas de sensado remoto y de sistemas de información
geográfica.
La tecnología GIS puede cuantitativamente y cualitativamente caracterizar la
distribución de los potenciales derrames, como asi tambien brindar el contexto
imprescindible dado por las condiciones ambientales, introduciendo dicho análisis al
concepto de Sistema de monitoreo.
La automatización de estos procesos se plantea como una necesidad a fin de reducir
ambiguedades al momento de la conformación de niveles de confianza sobre las
manchas detectadas. Esto posible y accesible gracias al aporte que diversas
aplicaciones informáticas que sobre la base de complejos cálculos morfológicos, dan
acceso a una integración transparente al usuario final de grandes y diversas tipos de
información.
Agradecimiento
Quiero agradecer especialmente el apoyo constante e incondicional que el
profesor Giovanni Laneve, tanto como su equipo de trabajo –Ing. Giancarlo Santilli y Dr.
Lorenzo Fusilli-, brindaron para esta aproximación al análisis de la problemática en
cuestión, de gran interés tanto a nivel ambiental como económico, y que será punto de
partida fundamental para el desarrollo de la tesis que en el marco de la Maestria en
Aplicaciones de Alerta y Respuesta Temprana a Emergencias llevaré a cabo en los
próximos meses.
21/22
Master en Aplicaciones Espaciales de Alerta y Respuesta Temprana a Emergencias
Sistema Italo-Argentino S.Gestione delle Emergenze (SIASGE) – CONAE – ASI
Pablo Adrián Marzialetti - Desarrollo de Economías Regionales, tutore Giovanni Laneve
Bibliografía
MA, LONG , LI, YING AND LIU, YU (2009) OIL SPILL MONITORING BASED ON ITS
SPECTRAL CHARACTERISTICS, ENVIRONMENTAL FORENSICS, DECEMBER 2009.
C.E. BROWN, M.F. FINGAS, R. HAWKINS (2003) SYNTHETIC APERTURE RADAR
SENSORS: VIABLE FOR MARINE OIL SPILL RESPONSE?.
F. SALEM, M. KAFATOS (2001) CENTRE FOR REMOTE IMAGING, SENSING AND
PROCESSING (CRISP), NATIONAL UNIVERSITY OF SINGAPORE) HYPERSPECTRAL
IMAGE ANALYSIS FOR OIL SPILL MITIGATION, NOVIEMBRE 2001.
C. HERNÁNDEZ MEDINA (2008) CONAMA 2008. SEGUIMIENTO AMBIENTAL DE
DERRAMES DE PETRÓLEO MEDIANTE IMAGENES DE SATELITE.
A. YU. IVANOV, V. V. ZATYAGALOVA. A GIS APPROACH TO MAPPING OIL SPILLS IN
THE MARINE ENVIRONMENT
THOMAS. F.N. KANAA, E. TONYE, G. MERCIER, V.P. ONANA, J. MVOGO NGONO, P.L.
FRISON, J.P. RUDANT, AND R. GARELLO (2010) DETECTION OF OIL SLICK
SIGNATURES IN SAR IMAGES BY FUSION OF HYSTERESIS THRESHOLDING RESPONSES
MAYA NAND JHA, JASON LEVY AND YANG GAO (2008). ADVANCES IN REMOTE
SENSING FOR OIL SPILL DISASTER MANAGEMENT. SENSORS 2008, 8, 236-255
MALCOLM L. SPAULDING. A STATE-OF-THE-ART REVIEW OF OIL SPILL TRAJECTORY
AND FATE MODELING. OIL & CHEMICAL POLLUTION 4 (1988) 39-55
ANNE H. SCHISTAD SOLBERG AND ESPEN VOLDEN. INCORPORATION OF PRIOR
KNOWLEDGE IN AUTOMATIC CLASSIFICATION OF OIL SPILLS IN ERS SAR IMAGES.
ANDREI YU. IVANOV, IVAN S. ERMOSHKIN. MAPPING OIL SPILLS IN THE CASPIAN SEA
USING ERS-1/ERS-2 SAR IMAGE QUICK-LOOKS AND GIS. GAYANA 68(2) SUPL. T.I.
PROC. : 297-304.
HEIDI A. HOVLAND, JOHNNY A. JOHANNESSEN AND GUNNAR DIGRANES (1994).
NANSEN ENVIRONMENTAL AND REMOTE SENSING SENTER. SLICK DETECTION IN SAR
IMAGES.
P. SEBASTIÃO, C. GUEDES SOARES. UNCERTAINTY IN PREDICTIONS OF OIL SPILL
TRAJECTORIES IN A COASTAL ZONE. JOURNAL OF MARINE SYSTEMS 63 (2006) 257–
269
CRISTINA MARIA BENTZ, FERNANDO PELLON DE MIRANDA (2001). APPLICATION OF
REMOTE SENSING DATA FOR OIL SPILL MONITORING IN THE GUANABARA BAY, RIO DE
JANEIRO, BRAZIL. ANNAIS X SBSR, FOZ DO IGUACU (2001), INPE, P.747-752, SESSAO
TECNICA ORAL.
22/22