请留言
слайд1

Global Vision Media Focus

Компания в общей сложности 15 раз появлялась в эфире CCTV, а ее охват через партийные СМИ, центральные СМИ и местные официальные СМИ составил 50 миллионов человек.

0101

Как гиперспектральное дистанционное зондирование позволяет обнаруживать микроутечки углеводородов? — От принципов к практическим примерам.

2026-09-30

Почему гиперспектральная визуализация может «видеть» микроутечки углеводородов?

Микроутечка углеводородов

Микроутечка углеводородов — это процесс, при котором легкие углеводороды, такие как метан и этан, непрерывно мигрируют к поверхности вдоль трещин, разломов и мельчайших пор. Поток обычно невелик, и нефтяные пленки или потоки газа трудно наблюдать на поверхности, отсюда и термин «микро» (Шумахер, 1996; Сондерс и др., 1999).

После миграции легких углеводородов в приповерхностный слой они могут медленно разлагаться микроорганизмами. Этот процесс потребляет кислород и производит побочные продукты, такие как углекислый газ и сероводород, тем самым изменяя приповерхностную окислительно-восстановительную среду и вызывая соответствующие изменения в минеральном составе почвы и горных пород (Шумахер, 1996; Сондерс и др., 1999). Его последствия носят долгосрочный кумулятивный характер; хотя они и не всегда очевидны, они могут постепенно изменять приповерхностную среду.

В классификации дистанционного зондирования макроутечки обычно дополнительно различают и микроутечки: первые представляют собой крупномасштабные выходы нефти или газа, которые можно непосредственно наблюдать на земле или в воздухе; последние трудно наблюдать напрямую, и их необходимо выявлять по вторичным следам (ван дер Меер и др., 2002; Асадзаде и де Соуза Фильо, 2017). Атмосферные спутники, отслеживающие метан, в основном фиксируют относительно заметное увеличение концентрации в атмосферном столбе, ориентируясь на источники с сильными выбросами; в то время как микроутечки проявляются на поверхности в виде долговременных аномальных следов в спектрах почвы, минералов и растительности. Гиперспектральное дистанционное зондирование нацелено именно на последние.

Рисунок 1. Схематическое изображение изменений поверхности, вызванных микровыщелачиванием углеводородов.(Хуанг и др., 2019) 

На поверхности Земли обычно остаются три типа следов.

Категория 1: Поглощение самих углеводородовУглеводородсодержащие вещества вКоротковолновое инфракрасное излучениеВ районе 2,3 мкм существует полоса поглощения, обусловленная связями углерод-водород, которая отражается в спектральной кривой в виде полосы поглощения (Kühn et al., 2004; Yang Dachang et al., 2018).

Категория вторая:Минеральные измененияВосстановительная среда может привести к уменьшению содержания железистых минералов и выцветанию красноцветных отложений (рис. 2); содержание глинистых минералов может увеличиться, а карбонаты могут выпадать в осадок (Шумахер, 1996; Ян и др., 2018). Глинистые минералы демонстрируют характерное поглощение в области 2,2 мкм, а карбонаты — в области 2,3 мкм. Эти минеральные аномалии являются косвенными продуктами утечки и сами могут быть идентифицированы с помощью гиперспектральной визуализации.

Категория 3:Стресс растительностиГипоксия корневой зоны и изменение химического состава почвы могут привести к снижению содержания хлорофилла в листьях, что, в свою очередь, вызывает изменения в спектре растительного покрова (ван дер Меер и др., 2002; Хорлер и др., 1983). Растения не обнаруживают метан напрямую, а их состояние роста отличается от состояния окружающей растительности.

Гиперспектральное дистанционное зондирование играет роль регистратора поверхностных аномалий, и все три типа следов, упомянутых выше, могут быть зафиксированы с помощью гиперспектральных изображений; даже если молекулы углеводородов были утрачены, изменения цвета почвы и аномальный рост растительности могут сохраниться.

Рисунок 2. Изменение поверхности, вызванное микроутечками из нефтегазовых месторождений.(Чен и др., 2017)

Индекс поглощения углеводородов: Измерьте глубину неглубокой ямы.

Углеводородный индекс, предложенный Кюном и др., является одним из наиболее широко используемых алгоритмов. Этот метод выбирает плечевые длины волн по обе стороны от впадины поглощения, использует линию, соединяющую их, в качестве фоновой базовой линии, а затем вычисляет глубину поглощения дна впадины относительно этой базовой линии; чем больше глубина поглощения, тем выше значение индекса. После попиксельного вычисления можно сгенерировать однополосное индексное изображение, шкала серого или псевдоцвет которого отражает относительную интенсивность поглощения углеводородов (Кюн и др., 2004).

В отечественной нефтегазовой дистанционной съемке индексы, характеризующие интенсивность поглощения углеводородов, обычно называются индексами поглощения углеводородов. Из-за различий в типах датчиков, комбинациях полос, используемых исследователями, и формулах расчета, определения этих индексов различаются. При интерпретации их относительные соотношения следует сравнивать на основе одной и той же колориметрической системы; более высокое значение индекса указывает на более значительную характеристику поглощения углеводородов данным пикселем. Важно отметить, что искусственные объекты, содержащие углеводороды, такие как асфальтовые покрытия, пластик и разливы нефти, а также остатки атмосферной коррекции, могут приводить к более высоким значениям индекса и должны быть удалены отдельно с помощью маски при извлечении.

Сдвиг спектра растительности в сторону более коротких волн на красной границе спектра: крутые склоны смещаются в сторону более коротких волн.

Спектр здоровой растительности демонстрирует значительное резкое увеличение в диапазоне от красного до ближнего инфракрасного излучения, что обусловлено полосой красного света.поглощение хлорофиллаОтражательная способность высокая и низкая; однако при переходе в ближний инфракрасный диапазон внутренняя структура лопасти вызывает значительное увеличение отражательной способности. Этот крутой наклон обычно находится в диапазоне примерно от 680 до 750 нанометров и называется красным краем; длина волны, соответствующая точке, где наклон максимален, называется положением красного края (REP) (Horler et al., 1983).

Содержание хлорофилла тесно связано с положением красной границы спектра. При уменьшении содержания хлорофилла красная граница спектра обычно смещается в сторону более коротких волн, то есть в сторону синего света; это явление известно как смещение растительного покрова.Красная граница, синее смещение(Хорлер и др., 1983). Эксперименты по утечке газа показывают, что изменения в морфологии производной красного края иногда происходят до того, как листья начинают проявлять явный хлороз (Смит и др., 2004). В исследовании метана угольных пластов в бассейне Циньшуй статистические результаты, основанные на индексе положения красного края, показывают, что растительность, пораженная длительной микроутечкой углеводородов, может демонстрировать синий сдвиг красного края, сопровождающийся уменьшением отражательной способности в ближнем инфракрасном диапазоне и увеличением отражательной способности в красной долине (Хан и др., 2023).

Рисунок 3. Схематическое изображение, сравнивающее сдвиг в синюю сторону спектра в красной области между здоровой и подверженной стрессу растительностью.(Хорлер и др., 1983; Смит и др., 2004; Хан и др., 2023)

Следует отметить, что сдвиг красного края спектра в синюю сторону лишь указывает на возможное стрессовое состояние растительности. Засуха, вредители и болезни, дефицит питательных веществ, стресс от тяжелых металлов, фенологические изменения и различия в типах культур — все это может вызывать сдвиг красного края спектра. Поэтому сдвиг красного края спектра в синюю сторону (REP) является индикатором аномального состояния растительности и может использоваться для выявления участков, отличающихся от окружающей растительности, но не может служить единственным критерием наличия подземного метана.

Почему высокие значения индексов поглощения углеводородов следует сочетать с индексами синего сдвига красного края спектра?

Индекс поглощения углеводородов в первую очередь отражает характеристики химического поглощения и более непосредственно проявляется на участках голой почвы. Однако искусственные углеводородсодержащие объекты могут вызывать помехи, а минеральное поглощение в области 2,3 микрометра также может быть включено в аналогичные алгоритмы. Сдвиг красного края спектра растительности в синюю сторону лишь указывает на пиксели растительности и может быть вызван различными стрессовыми факторами. Наложение этих двух анализов направлено на ответ на один и тот же вопрос: сопровождаются ли участки с сильным поглощением углеводородов одновременно стрессом растительности? В предыдущих обзорах модели красного края спектра объединялись со спектральным сопоставлением для достижения взаимного ограничения между прямыми спектральными данными и косвенными данными о растительности (ван дер Меер и др., 2002). Участки с хорошим пространственным перекрытием следует отдавать приоритет для полевой проверки; участки только с одной аномалией следует временно включать в список наблюдений. Следует отметить, что перекрытие лишь повышает достоверность данных и не означает прямого обнаружения месторождений полезных ископаемых.

Общий алгоритм работы от получения изображений дистанционного зондирования до определения потенциальных районов.

При различных условиях бассейна и параметрах датчиков общий технический процесс можно суммировать следующим образом: сбор данных, предварительная обработка, извлечение индекса поглощения углеводородов, извлечение аномалий синего смещения красного края спектра растительности, пространственный анализ наложения и определение потенциальных зон.

Шаг 1: Сбор данных

Во-первых, необходимо получить спектральные данные, охватывающие видимый, ближний инфракрасный и коротковолновый инфракрасный диапазоны, включая красный край (приблизительно 680–760 нм) и характеристические полосы поглощения углеводородов. Во-вторых, ширина полосы должна быть относительно узкой, с непрерывными узкими каналами вблизи красного края, а полоса поглощения углеводородов не должна попадать исключительно в широкую составную полосу. Наконец, необходимо учитывать пространственное разрешение, облачность и сезонные факторы: стресс растительности легче выявить в периоды интенсивного роста растительности; в то время как индекс поглощения углеводородов для участков голой почвы больше применим к фазам или участкам с низким растительным покровом.

Шаг 2: Предварительная обработка

Перед вычислениями изображение необходимо преобразовать в коэффициент отражения поверхности. Предварительная обработка обычно включает удаление некалиброванных полос и полос с сильным поглощением водяного пара, радиометрическую калибровку, атмосферную коррекцию, геометрическую коррекцию и маскирование облаков, теней от облаков, водоемов и значительных искусственных поверхностей. Поскольку индекс поглощения углеводородов находится рядом с полосой поглощения водяного пара, его вычисление требует высокой точности атмосферной коррекции. Перед извлечением параметров красного края спектра следует использовать индекс растительности для маскирования пикселей голой почвы и водоемов, чтобы избежать ошибочной интерпретации точек перегиба спектра почвы как красного края спектра растительности. Если необходимо наложить несколько слоев, геометрические положения каждого слоя должны быть приведены к одной и той же сетке для обеспечения согласованной пространственной регистрации.

Шаг 3: Извлечение аномалий индекса поглощения углеводородов

На основе отражательных изображений используется заранее определенный алгоритм для попиксельного расчета индекса поглощения углеводородов, генерирующий однополосный индексный растр. Уровень этого индекса относительен и должен рассматриваться на фоне локального окружения; изолированные пиксели с высокими значениями часто вызваны шумом или смешанными пикселями. Только когда высокие значения появляются в полосах, скоплениях или кластерах вдоль определенного направления, они имеют значение для дальнейшего анализа. Искусственные объекты, такие как асфальтовые покрытия, промышленные и горнодобывающие объекты, а также пластиковые теплицы, должны быть замаскированы и удалены отдельно. Результаты, полученные на этом этапе, представляют собой места относительно повышенного поглощения углеводородов и не могут быть приравнены к степени утечки.

Шаг 4: Извлечение аномалий синего смещения красного края спектра растительности

К распространенным методам оценки положения красного края спектра на уровне пикселей растительности относятся метод максимума первой производной, линейная интерполяция и линейная экстраполяция. Поскольку абсолютные длины волн, полученные с помощью различных алгоритмов, могут отличаться на несколько нанометров, сравнительный анализ следует ограничивать одним и тем же изображением и алгоритмом, оценивая степень сдвига в сторону более коротких длин волн относительно окружающей аналогичной растительности (Horler et al., 1983; Smith et al., 2004). Области, смещенные в сторону более коротких длин волн и демонстрирующие непрерывное или полосатое распределение, определяются как аномалии синего сдвига красного края спектра растительности. Тип культуры и состояние роста также могут вызывать сдвиги красного края спектра; смешивание различных типов растительности для сравнения может легко привести к ложным аномалиям. Поэтому пороговое значение необходимо калибровать локально (Han et al., 2023).

Шаг 5: Пространственное наложение

После пространственной регистрации двух карт аномалий их можно разделить на три пространственные комбинации на основе их наложения: области только с высокими значениями индекса поглощения углеводородов, области только с аномалиями синего смещения красного края в растительности и области, где сосуществуют оба типа аномалий. Среди них приоритетными для сохранения следует считать области, где сосуществуют оба типа аномалий и каждая из них имеет непрерывное полосатое или пятнистое распределение.

В районах с густым растительным покровом кронами деревьев могут скрываться сигналы поглощения углеводородов почвой. В этом случае синий сдвиг вдоль красной границы растительности может служить основным доказательством, а индекс поглощения углеводородов — второстепенным. На участках голой почвы ситуация обратная. Важно отметить, что поскольку цветовые шкалы двух типов карт аномалий представляют разные физические величины и измерения, теплые цвета нельзя напрямую приравнивать или заменять друг другом.

Шаг 6: Определите потенциальную область

На основе результатов анализа наложения определяется потенциальная область. Определение основывается на принципах относительно высокой интенсивности аномалий, пространственно концентрированного или полосатого распределения вдоль определенного направления, взаимного подтверждения двух типов аномалий и расположения в пределах эффективного охвата изображения. Определенная область должна быть умеренно компактной, чтобы облегчить последующую поточечную проверку в полевых условиях.

Результатом этого этапа является список целевых областей для проверки. До проведения измерений газового состава почвы, спектральных измерений грунта и структурного анализа этот список лишь указывает на то, что соответствующие области имеют более высокий приоритет для проверки, чем окружающие их территории.

Пример из практики: Гиперспектральный аномальный анализ исследуемой области.

Следующая исследуемая область служит примером, демонстрирующим эффективность описанных выше шести шагов на практике.

Рисунок 4Области интереса и охват исследуемой территории гиперспектральными изображениями;Красная линия обозначает область интереса (ROI), а наклонный прямоугольник внутри неё представляет фактическое покрытие изображения.

Красная линия обозначает область интереса (ROI), подлежащую анализу. Гиперспектральное изображение охватывает центральный наклонный прямоугольник, содержащий растительность, линейные элементы и участки.

Рисунок 5Распределение индексов поглощения углеводородов в интересующем регионе;Красная линия обозначает область интереса (ROI); цветовая шкала показывает синим цветом низкие значения и красным — высокие.

Западная часть исследуемой территории представляет собой относительно ровную сетку сельскохозяйственных угодий, в то время как центральная и восточная части покрыты сплошной растительностью с разбросанными по всей территории водоемами; рассматриваемая область простирается на десятки километров. На восточной стороне проходит темная полоса, идущая с севера на юг, и несколько прямоугольных блоков различных оттенков.

Индекс поглощения углеводородов не охватывает весь диапазон красной линии, а сходится в середине в виде полос, ветвей и кластеров. Эта полосатая и кластерная пространственная структура согласуется с сохраненной структурой, определенной на третьем этапе (т.е., за исключением рассеянных шумовых пикселей). Согласно цветовой шкале, красный цвет соответствует высоким значениям; однако на этом изображении плотные пиксели в основном имеют холодный оттенок, а количество высокозначных красных точек ограничено. Это явление обычно возникает из-за того, что отдельные экстремальные значения растягивают диапазон цветовой шкалы, в результате чего другие относительно высокозначные пиксели сжимаются в синий и голубой диапазоны. Упомянутые выше полосы должны стать предметом внимания на следующем этапе проверки. Если исходный индекс подтвердит, что они имеют высокие значения, это может дать предварительные сведения о микроутечках углеводородов и обогащении метаном.

Рисунок 6Относительное распределение аномалий синего смещения красного края спектра растительности (REP);Цветовая шкала использует синий цвет для меньших значений и красный для больших; легенда указывает относительную силу аномалии синего смещения вдоль красной границы.

На изображении преобладают желтые, оранжевые и красные оттенки, перемежающиеся пятнами холодных тонов, что демонстрирует общую пространственную картину распределения переплетающихся пятен и полос, отражающую относительную силу аномалии синего сдвига красного края в растительности. Широкое распространение теплых тонов указывает на хорошую пространственную непрерывность аномалий растительности, выявленных на этом этапе. В список кандидатов для дальнейшей проверки микроутечки метана могут быть включены только те области, которые пространственно значительно перекрываются с областями с высокими значениями индексов поглощения углеводородов. Если присутствуют только аномалии красного края без признаков поглощения углеводородов, они временно классифицируются как сигналы стресса растительности, и их причины требуют дальнейшего выявления посредством наземных исследований. На этом этапе необходимо также в полной мере учитывать потенциальное воздействие засухи, типа культуры и фенологии.

Рисунок 7Комплексное определение потенциальных районов разведки полезных ископаемых;Пурпурный цвет обозначает аномалию синего смещения красного края спектра растительности (REP), а желтые прямоугольники указывают на потенциальные зоны.

Пурпурные пятна на изображении представляют собой аномальные области, выделенные из результатов анализа красного края спектра. Восточные пятна демонстрируют более выраженный сплошной рисунок, в то время как центральная область представляет собой смесь листовидного и полосатого распределения. Маленькие синие точки представляют собой наложенные пиксели индекса поглощения углеводородов, пространственная морфология которых соответствует полосатому и сгруппированному распределению на рисунке 7. Желтые прямоугольники не покрывают всю пурпурную область, а сосредоточены в центральной области, где пиксели индекса поглощения углеводородов относительно плотно расположены и находятся вблизи или внутри пурпурных аномалий.

Вышеуказанный выбор соответствует аналитической логике шагов пять и шесть. Аномалии внутри прямоугольника относительно сконцентрированы, демонстрируя непрерывное полосообразное или плоскостное распределение в пространстве, и могут быть предварительно определены как приоритетные зоны проверки для разведки метана и углеводородных ресурсов. Следует отметить, что желтый прямоугольник лишь указывает на рабочую область, выделяя ключевые области, требующие дальнейшей проверки, и не означает, что границы газового месторождения определены.

Ссылки

[1]Асадзаде С., де Соуза Фильо К.Р., 2017. Спектральное дистанционное зондирование для характеристики фильтрации на суше: критический обзор. Обзоры наук о Земле, 168: 48-72.

[2]Чен С., Чжао Ю., Чжао Л., Лю Ю., Чжоу Ч., 2017. Выявление микропросачивания углеводородов путем картирования измененных минералов по данным аэрофотосъемки с использованием гиперспектральных данных на нефтяном месторождении Сифэн, Китай. Журнал наук о Земле, 28(4): 656-665.

[3] Хань Гухуай, Сунь Юаньхэн, Цинь Цимин, 2023. Извлечение аномальных зон растительности в микроутечках метана из угольных пластов на основе данных Sentinel-2/MSI. Журнал дистанционного зондирования, 27(7): 1713-1730.

[4] Хорлер ДНХ, Докрей М, Барбер Дж., 1983. Красный край отражательной способности листьев растений. Международный журнал дистанционного зондирования, 4(2): 273-288.

[5] Хуан С., Чен С., Ван Д., Чжоу С., ван дер Меер Ф., Чжан Ю., 2019. Обнаружение микропросачивания углеводородов по гиперспектральным аэрофотоснимкам с помощью спектров стресса растений на основе модели PROSPECT. Международный журнал прикладного наблюдения Земли и геоинформации, 74: 180-190.

[6] Кюн Ф., Опперманн К., Хёриг Б., 2004. Углеводородный индекс: алгоритм для гиперспектрального обнаружения углеводородов. Международный журнал дистанционного зондирования, 25(12): 2467-2473.

[7] Сондерс Д.Ф., Берсон К.Р., Томпсон К.К., 1999. Модель микропросачивания углеводородов и связанных с этим приповерхностных изменений. Бюллетень AAPG, 83(1): 170-185.

[8] Шумахер Д., 1996. Изменение почв и отложений под воздействием углеводородов. В: Шумахер Д., Абрамс М. А. Миграция углеводородов и ее проявление вблизи поверхности. Мемуары AAPG 66. Талса: Американская ассоциация геологов-нефтяников: 71-89.

[9] Смит К.Л., Стивен М.Д., Коллс Дж.Дж., 2004. Использование гиперспектральных производных соотношений в области красного края для идентификации реакции растений на стресс при утечке газа. Дистанционное зондирование окружающей среды, 92(2): 207-217.

[10] ван дер Меер Ф., ван Дейк П., ван дер Верфф Х. и др., 2002. Дистанционное зондирование и утечка нефти: обзор и тематическое исследование. Терра Нова, 14(1): 1-17.

[11] Ян Дачан, Чен Цзе, Гао Цзихун и др., 2018. Извлечение информации о микроутечках углеводородов из гиперспектральных данных Tiangong-1. Дистанционное зондирование земель и ресурсов, 30(2): 107-113.