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