DOI: https://doi.org/10.3390/rs16101675
تاريخ النشر: 2024-05-09
المؤلف: Robin Spanier وآخرون
الموضوع الرئيسي: علم الآثار البحرية والساحلية
نظرة عامة
تقدم هذه القسم نظرة عامة على التوسع السريع للبنى التحتية البحرية على طول السواحل العالمية، بما في ذلك مزارع الرياح البحرية، ومنصات النفط والغاز، وتربية الأحياء المائية، مع التأكيد على الحاجة إلى مراقبة فعالة لضمان الامتثال للمعايير البيئية وإدارة الموارد. تستعرض الدراسة 89 مقالة بحثية نُشرت على مدار السنوات الـ 12 الماضية، كاشفة عن زيادة ملحوظة في الاهتمام منذ عام 2019، خاصة في آسيا، حيث تتصدر الصين في التأليف والتمويل. ظهرت تربية الأحياء المائية كأكثر نوع من البنى التحتية التي تم دراستها، تليها منصات النفط والغاز، ومزارع الرياح البحرية، والجزر الاصطناعية.
تسلط التحليل الضوء على الاستخدام السائد لأجهزة الاستشعار الفضائية مثل Gaofen و Sentinel و Landsat لاكتشاف البنى التحتية، إلى جانب تحول ملحوظ نحو طرق الكشف الآلي، وخاصة خوارزميات التعلم العميق، مما يعكس التقدم في رؤية الكمبيوتر. تؤكد النتائج على الدور الحاسم لمراقبة الأرض في رصد الأنشطة البحرية وتحديد الفجوات المعرفية في هذا المجال، مما يساهم في تطوير ممارسات مراقبة فعالة للبنى التحتية البحرية.
مقدمة
ت outlines مقدمة ورقة البحث السياق الأساسي وأهمية الدراسة. تسلط الضوء على الأهداف الرئيسية، والتي تشمل معالجة فجوة محددة في الأدبيات الحالية واقتراح نهج أو منهجية جديدة. يؤكد المؤلفون على أهمية بحثهم في تعزيز الفهم داخل هذا المجال، مما قد يؤدي إلى تطبيقات عملية أو مزيد من التطورات النظرية. يتم تقديم النتائج الرئيسية أو الفرضيات بإيجاز، مما يمهد الطريق للأقسام التالية من الورقة. بشكل عام، تعمل المقدمة على جذب القارئ وتأسيس صلة السؤال البحثي الذي يتم التحقيق فيه.
الطرق
في هذه الدراسة، قام المؤلفون بإجراء مراجعة شاملة للأدبيات العلمية التي تركزت على اكتشاف البنى التحتية البحرية باستخدام بيانات مراقبة الأرض (EO). تضمنت المنهجية بحثًا منهجيًا عن المقالات ذات الصلة المنشورة بين عامي 2012 وأكتوبر 2023، باستخدام مجموعة متنوعة من مصطلحات البحث المصممة لأربعة مواضيع رئيسية. أكدت استراتيجية البحث على تضمين المصطلحات في العناوين أو الملخصات أو الكلمات الرئيسية لتعظيم الصلة، خاصة للدراسات المتعلقة بالبنى التحتية حيث يتم ذكر الموضوع عادة في العنوان. حددت المراجعة مجموعة من طرق الكشف المستخدمة عبر الأدبيات، مصنفة إلى تعزيز المعلومات والاستخراج القائم على البكسل، وتحليل الصور القائم على الكائنات أو القائم على الكائنات (OBIA)، والتعلم الآلي التقليدي، وتقنيات التعلم العميق.
كشفت النتائج أن الغالبية العظمى من الدراسات (32%) استخدمت تعزيز المعلومات والاستخراج القائم على البكسل، مع تقنيات مثل تحديد العتبات ومعدل الإنذار الكاذب الثابت (CFAR) التي كانت شائعة. ومن الملاحظ أن أساليب التعلم العميق، وخاصة بنية U-Net، تم استخدامها في حوالي 50% من الدراسات المتعلقة بتربية الأحياء المائية ومزارع الرياح البحرية، مما يبرز تحولًا كبيرًا نحو هذه المنهجيات المتقدمة منذ عام 2017. أشار التحليل إلى أنه بينما كانت الطرق التقليدية سائدة في المنشورات السابقة، كان هناك زيادة ملحوظة في اعتماد تقنيات التعلم الآلي والتعلم العميق، مدفوعة بالتقدم في التكنولوجيا وتوافر بيانات التدريب. تؤكد هذه الاتجاهات على الفعالية المتزايدة لهذه الأساليب الحديثة في اكتشاف البنى التحتية البحرية المعقدة بدقة مقارنة بالطرق التقليدية.
النتائج
يقدم قسم “النتائج” في ورقة البحث النتائج الرئيسية المستمدة من التجارب أو التحليلات التي تم إجراؤها. يوضح بشكل منهجي النتائج، مع تسليط الضوء على نقاط البيانات والاتجاهات المهمة التي لوحظت خلال الدراسة. غالبًا ما تكون النتائج مصحوبة بتحليلات إحصائية ذات صلة، والتي قد تشمل قيم p، وفترات الثقة، أو مقاييس أخرى تدعم صحة النتائج.
بالإضافة إلى ذلك، قد يتضمن القسم تمثيلات بصرية مثل الرسوم البيانية أو الجداول لتوضيح البيانات بشكل أكثر فعالية. تعمل هذه المساعدات البصرية على تعزيز فهم القارئ للنتائج وتسهيل المقارنات بين ظروف أو مجموعات تجريبية مختلفة. بشكل عام، تسهم النتائج في الآثار الأوسع للبحث، مما يوفر رؤى قد تُفيد الدراسات أو التطبيقات المستقبلية في المجال المعني.
المناقشة
تسلط المناقشة الضوء على النمو السريع للصناعات البحرية، المدفوعة بالتقدم التكنولوجي، مما أدى إلى توسع اقتصادي كبير ولكن أيضًا عواقب بيئية كبيرة. يُقدر الاقتصاد البحري حاليًا بحوالي 1.5-2.5 تريليون دولار، ومن المتوقع أن يتجاوز 3 تريليونات دولار بحلول عام 2030. ومع ذلك، أدى هذا النمو إلى فقدان 30-50% من المواطن البحرية الحيوية بسبب الأنشطة البشرية، مع توقع زيادة البناء البحري من 32,000 كم² في عام 2018 إلى 39,400 كم² بحلول عام 2028. يتم التأكيد على الحاجة إلى الشفافية في مراقبة البنى التحتية البحرية للتخفيف من تدهور البيئة وإدارة الموارد البحرية بشكل فعال.
يناقش القسم أيضًا إمكانيات بيانات مراقبة الأرض (EO) في مراقبة البنى التحتية البحرية. توفر الأنظمة الفضائية تغطية عالمية وقياسات مستمرة، مما يمكّن من اكتشاف هياكل متنوعة في البحر، بما في ذلك مزارع الرياح البحرية، ومرافق تربية الأحياء المائية، ومنصات النفط. تكشف مراجعة الأدبيات من السنوات الـ 12 الماضية عن اهتمام متزايد بأساليب الكشف المعتمدة على EO، خاصة في تربية الأحياء المائية، مع زيادة ملحوظة في المنشورات منذ عام 2019، تُعزى إلى تحسين الوصول إلى بيانات الأقمار الصناعية عالية الدقة والتقدم في تقنيات معالجة البيانات مثل Google Earth Engine. تهدف المراجعة إلى تحديد الاتجاهات في اكتشاف البنى التحتية، وتركيز البحث حسب البلد، وتطور طرق الكشف، مما يساهم في فهم شامل لديناميات البنى التحتية البحرية.
القيود
في هذه المراجعة، يعترف المؤلفون بعدة قيود تتعلق بنطاق واختيار الأدبيات حول اكتشاف البنى التحتية البحرية باستخدام الاستشعار عن بعد. قاموا بتحليل 89 مقالة من أكثر من 30 مجلة دولية، مع اختيار عدم تقييد بحثهم بمجلة مراقبة الأرض (EO) فقط بسبب الطبيعة متعددة التخصصات للبنى التحتية البحرية، التي تشمل الهندسة البحرية وعلوم البحار. من الجدير بالذكر أن المراجعة تستبعد الدراسات المتعلقة بتحديد السفن، والبنى التحتية المغمورة، والتركيبات المؤقتة، مثل السفن وكتل النفايات، للحفاظ على التركيز على البنى التحتية البحرية المثبتة بشكل دائم دون اتصال بالشاطئ.
كما يعترف المؤلفون بأن قرارهم بتقييد المراجعة بالمقالات باللغة الإنجليزية والدراسات المنشورة منذ عام 2012 قد أدى إلى استبعاد بعض الأبحاث ذات الصلة. يتم تبرير هذا القيد الزمني من خلال التقدم الكبير في أبحاث مراقبة الأرض وإدخال الشبكات العصبية التلافيفية (CNNs) في معالجة الصور، مما عزز قدرات التعرف. على الرغم من هذه القيود، يعتقد المؤلفون أن استراتيجيتهم الشاملة في البحث وعملية التصفية التكرارية قد نجحت في التقاط عينة تمثيلية من الأدبيات ذات الصلة باكتشاف البنى التحتية البحرية.
DOI: https://doi.org/10.3390/rs16101675
Publication Date: 2024-05-09
Author(s): Robin Spanier et al.
Primary Topic: Maritime and Coastal Archaeology
Overview
This section provides an overview of the rapid expansion of marine infrastructures along global coastlines, including offshore wind farms, oil and gas platforms, and aquaculture, emphasizing the need for effective monitoring to ensure compliance with environmental standards and resource management. The study reviews 89 research articles published over the past 12 years, revealing a marked increase in interest since 2019, particularly in Asia, with China leading in authorship and funding. Aquaculture emerged as the most frequently studied infrastructure type, followed by oil and gas platforms, offshore wind farms, and artificial islands.
The analysis highlights the predominant use of satellite sensors such as Gaofen, Sentinel, and Landsat for infrastructure detection, alongside a notable shift towards automated detection methods, particularly Deep Learning algorithms, reflecting advancements in computer vision. The findings underscore the critical role of Earth observation in monitoring offshore activities and identifying knowledge gaps in the field, thereby contributing to the development of effective monitoring practices for marine infrastructures.
Introduction
The introduction of the research paper outlines the foundational context and significance of the study. It highlights the primary objectives, which include addressing a specific gap in the existing literature and proposing a novel approach or methodology. The authors emphasize the importance of their research in advancing understanding within the field, potentially leading to practical applications or further theoretical developments. Key findings or hypotheses are briefly introduced, setting the stage for the subsequent sections of the paper. Overall, the introduction serves to engage the reader and establish the relevance of the research question being investigated.
Methods
In this study, the authors conducted a comprehensive review of scientific literature focused on the detection of marine infrastructure using Earth Observation (EO) data. The methodology involved a systematic search for relevant articles published between 2012 and October 2023, utilizing a variety of search terms tailored to four main topics. The search strategy emphasized the inclusion of terms in titles, abstracts, or keywords to maximize relevance, particularly for infrastructure-related studies where the object is typically mentioned in the title. The review identified a range of detection methods employed across the literature, categorized into Information Enhancement and Pixel-based Extraction, Object-oriented or Object-based Image Analysis (OBIA), Traditional Machine Learning, and Deep Learning techniques.
The findings revealed that the majority of studies (32%) utilized Information Enhancement and Pixel-based Extraction, with techniques such as thresholding and Constant False Alarm Rate (CFAR) being prevalent. Notably, Deep Learning approaches, particularly the U-Net architecture, were employed in approximately 50% of studies related to aquaculture and offshore wind farms, highlighting a significant shift towards these advanced methodologies since 2017. The analysis indicated that while traditional methods were dominant in earlier publications, there has been a marked increase in the adoption of Machine Learning and Deep Learning techniques, driven by advancements in technology and the availability of training data. This trend underscores the growing efficacy of these modern approaches in accurately detecting complex marine infrastructures compared to traditional methods.
Results
The “Results” section of the research paper presents the key findings derived from the conducted experiments or analyses. It systematically details the outcomes, highlighting significant data points and trends observed during the study. The results are often accompanied by relevant statistical analyses, which may include p-values, confidence intervals, or other metrics that support the validity of the findings.
Additionally, the section may include visual representations such as graphs or tables to illustrate the data more effectively. These visual aids serve to enhance the reader’s understanding of the results and facilitate comparisons between different experimental conditions or groups. Overall, the findings contribute to the broader implications of the research, providing insights that may inform future studies or applications in the relevant field.
Discussion
The discussion highlights the rapid growth of offshore industries, driven by technological advancements, which has led to significant economic expansion but also considerable ecological consequences. The offshore economy, currently valued at approximately $1.5-2.5 trillion, is projected to exceed $3 trillion by 2030. However, this growth has resulted in the loss of 30-50% of critical marine habitats due to human activities, with marine construction expected to increase from 32,000 km² in 2018 to 39,400 km² by 2028. The need for transparency in monitoring offshore infrastructure is emphasized to mitigate environmental degradation and manage marine resources effectively.
The section also discusses the potential of Earth observation (EO) data in monitoring offshore infrastructure. Satellite systems provide global coverage and continuous measurements, enabling the detection of various structures at sea, including offshore wind farms, aquaculture facilities, and oil platforms. The review of literature from the past 12 years reveals a growing interest in EO-based detection methods, particularly in aquaculture, with a notable increase in publications since 2019, attributed to improved access to high-resolution satellite data and advancements in data processing technologies like Google Earth Engine. The review aims to identify trends in infrastructure detection, research focus by country, and the evolution of detection methods, contributing to a comprehensive understanding of offshore infrastructure dynamics.
Limitations
In this review, the authors acknowledge several limitations regarding the scope and selection of literature on the detection of offshore infrastructures using remote sensing. They analyzed 89 articles from over 30 international journals, deliberately choosing not to restrict their search to exclusively Earth Observation (EO) journals due to the interdisciplinary nature of offshore infrastructure, which encompasses marine engineering and marine science. Notably, the review excludes studies on ship identification, submerged infrastructures, and temporary installations, such as ships and garbage patches, to maintain focus on permanently installed offshore infrastructures without a shore connection.
The authors also recognize that their decision to limit the review to English-language articles and to studies published from 2012 onwards may have resulted in the omission of relevant research. This temporal restriction is justified by the significant advancements in Earth observation research and the introduction of Convolutional Neural Networks (CNNs) in image processing, which have enhanced recognition capabilities. Despite these limitations, the authors believe that their comprehensive search strategy and iterative filtering process have successfully captured a representative sample of the literature pertinent to the detection of offshore infrastructure.