Offshore oil and gas platform dynamics in the North Sea, Gulf of Mexico, and Persian Gulf: Exploiting the Sentinel-1 archive
作者: Robin Spanier, Thorsten Hoeser, John Truckenbrodt, Felix Bachofer, Claudia Kuenzer
分类: eess.IV, cs.AI, cs.CV
发布日期: 2026-03-20
备注: 16 pages, 10 figures, 1 table
💡 一句话要点
利用Sentinel-1数据和深度学习自动监测三大海域油气平台时空动态
🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation)
关键词: 海上油气平台 Sentinel-1 深度学习 目标检测 时空监测 海洋环境 能源转型
📋 核心要点
- 现有海上油气平台监测方法存在成本高、覆盖范围有限等问题，难以实现大规模、持续性的监测。
- 本研究提出了一种基于Sentinel-1卫星数据和深度学习的目标检测方法，实现对海上油气平台的自动化时空监测。
- 研究成功构建了2017-2025年三大海域油气平台位置的季度时间序列，并分析了平台数量、位置和生命周期的动态变化。
📝 摘要（中文）
海上基础设施（包括油气平台）对海洋空间的使用日益增加，因此需要持续、可扩展的监测。海上开发具有经济、环境和监管影响，但由于其不可达性和空间范围，海域仍然难以进行系统监测。本研究提出了一种基于免费地球观测数据的海上油气平台时空检测自动化方法。利用Sentinel-1存档数据和基于深度学习的目标检测技术，为北海、墨西哥湾和波斯湾三大主要产区创建了2017-2025年期间的平台位置季度时间序列。此外，还推导出了平台尺寸、水深、距海岸距离、国家归属以及安装和退役日期。2025年共识别出3728个海上平台，其中北海356个，墨西哥湾1641个，波斯湾1731个。虽然波斯湾的扩张持续到2024年，但墨西哥湾和北海的平台数量从2018-2020年开始下降。与此同时，明显的动态变化也很明显。超过2700个平台被安装或搬迁到新的地点，而相当数量的平台被退役或搬迁。此外，寿命较短的平台数量不断增加，表明海上油气行业正在发生结构性变化，与自升式平台或钻井船等移动式海上装置的重要性日益增加有关。结果突出了免费地球观测数据和深度学习在持续、长期监测海洋基础设施方面的潜力。导出的数据集是公开的，为海上监测、海洋规划和海上能源部门转型分析提供了基础。
🔬 方法详解
问题定义：论文旨在解决海上油气平台监测中人工成本高、难以大规模持续监测的问题。现有方法依赖于人工巡检或商业卫星数据，成本高昂且难以覆盖广阔的海域。此外，缺乏对平台动态变化的有效监测手段。
核心思路：论文的核心思路是利用免费的Sentinel-1卫星数据，结合深度学习目标检测技术，实现对海上油气平台的自动化、大规模、持续性监测。Sentinel-1具有广覆盖、高重访率的特点，能够提供丰富的雷达图像数据。深度学习技术能够自动提取图像特征，实现对平台的精确识别和定位。
技术框架：整体框架包括数据预处理、目标检测模型训练和平台动态分析三个主要阶段。首先，对Sentinel-1数据进行预处理，包括几何校正、辐射校正和滤波等。然后，利用深度学习目标检测模型（具体模型未知）对预处理后的图像进行训练，得到平台检测模型。最后，利用训练好的模型对历史数据进行处理，提取平台的位置信息，并进行时空分析，得到平台的动态变化信息。
关键创新：论文的关键创新在于将免费的Sentinel-1数据和深度学习技术相结合，实现了对海上油气平台的大规模、自动化监测。与传统方法相比，该方法具有成本低、效率高、覆盖范围广等优点。此外，论文还对平台的动态变化进行了分析，为海上能源行业的转型研究提供了数据支持。
关键设计：论文中关于深度学习模型的具体结构、损失函数和训练参数等技术细节未知。但可以推测，模型可能采用了常用的目标检测网络，如Faster R-CNN、YOLO或SSD等。损失函数可能包括分类损失和回归损失，用于优化模型的检测精度和定位精度。训练参数可能包括学习率、batch size和epoch等，需要根据实际数据进行调整。
📊 实验亮点
研究利用Sentinel-1数据识别出北海、墨西哥湾和波斯湾三大海域的3728个海上平台，并构建了2017-2025年的季度时间序列。结果表明，波斯湾的平台数量持续增长至2024年，而墨西哥湾和北海的平台数量在2018-2020年间有所下降。此外，研究还发现超过2700个平台被安装或搬迁，表明海上油气行业存在显著的动态变化。
🎯 应用场景
该研究成果可应用于海上油气平台的安全监测、环境影响评估、海洋空间规划和海上能源行业的转型研究。通过持续监测平台的位置和状态，可以及时发现安全隐患，评估环境影响，为海洋空间规划提供数据支持，并为海上能源行业的转型提供决策依据。
📄 摘要（原文）
The increasing use of marine spaces by offshore infrastructure, including oil and gas platforms, underscores the need for consistent, scalable monitoring. Offshore development has economic, environmental, and regulatory implications, yet maritime areas remain difficult to monitor systematically due to their inaccessibility and spatial extent. This study presents an automated approach to the spatiotemporal detection of offshore oil and gas platforms based on freely available Earth observation data. Leveraging Sentinel-1 archive data and deep learning-based object detection, a consistent quarterly time series of platform locations for three major production regions: the North Sea, the Gulf of Mexico, and the Persian Gulf, was created for the period 2017-2025. In addition, platform size, water depth, distance to the coast, national affiliation, and installation and decommissioning dates were derived. 3,728 offshore platforms were identified in 2025, 356 in the North Sea, 1,641 in the Gulf of Mexico, and 1,731 in the Persian Gulf. While expansion was observed in the Persian Gulf until 2024, the Gulf of Mexico and the North Sea saw a decline in platform numbers from 2018-2020. At the same time, a pronounced dynamic was apparent. More than 2,700 platforms were installed or relocated to new sites, while a comparable number were decommissioned or relocated. Furthermore, the increasing number of platforms with short lifespans points to a structural change in the offshore sector associated with the growing importance of mobile offshore units such as jack-ups or drillships. The results highlighted the potential of freely available Earth observation data and deep learning for consistent, long-term monitoring of marine infrastructure. The derived dataset is public and provides a basis for offshore monitoring, maritime planning, and analyses of the transformation of the offshore energy sector.