Offshore oil and gas platform dynamics in the North Sea, Gulf of Mexico, and Persian Gulf: Exploiting the Sentinel-1 archive
تستخدم هذه الدراسة بيانات القمر الصناعي "سنتينل-1" والتعلم العميق لإنشاء مجموعة بيانات عامة شاملة تتبع الديناميكيات الزمانية والمكانية، والتركيب، وإخراج الخدمة لما يقرب من 4,000 منصة نفط وغاز بحرية عبر بحر الشمال، وخليج المكسيك، والخليج العربي من عام 2017 إلى عام 2025، مما يكشف عن تحول هيكلي نحو الوحدات المتنقلة ويثبت جدوى الرصد الآلي للأرض لمراقبة البنية التحتية البحرية طويلة الأمد.
المؤلفون الأصليون:Robin Spanier, Thorsten Hoeser, John Truckenbrodt, Felix Bachofer, Claudia Kuenzer
تخيل محيطات العالم كأنها موقع بناء ضخم ومزدحم. لعقود من الزمن، كنا نبني مدناً فولاذية هائلة تحت الماء لحفر واستخراج النفط والغاز. ولكن نظرًا لأن المحيط شاسع للغاية، ومظلم، وغالبًا ما تغطيه السحب، فمن الصعب جدًا على البشر مراقبته عن كثب. نحن لا نعرف بالضبط عدد هذه الهياكل، أو أماكن تواجدها، أو متى يتم بناؤها أو تفكيكها.
هذه الورقة البحثية تشبه طائرة بدون طيار (درون) خارقة، ذات رؤية شاملة، تمنحنا أخيرًا خريطة واضحة ومحدثة لموقع البناء هذا تحت الماء.
إليك قصة كيف فعلوا ذلك وماذا وجدوا، مشروحة ببساء:
1. "الكاميرا التي تعمل في كل الظروف" (Sentinel-1)
عادةً، إذا حاولت التقاط صورة للمحيط من الفضاء، فإن السحب أو الضباب سيحجب رؤيتك. لكن هذه الدراسة استخدمت قمراً صناعيًا خاصًا يسمى Sentinel-1. فكر في هذا القمر الصناعي وكأنه يمتلك كاميرا "رؤية ليلية" أو "أشعة سينية". فهو يستخدم الرادار بدلاً من الضوء، لذا يمكنه الرؤية من خلال السحب، والمطر، والظلام. إنه يلتقط صورة للمحيط كل بضعة أيام، مما أنشأ مكتبة ضخمة من الصور من عام 2017 إلى عام 2025.
2. "المحقق الذكي" (التعلم العميق)
إن البحث عن منصات النفط الصغيرة وسط آلاف صور الرادار يشبه محاولة العثور على إبرة في كومة قش وأنت ترتدي عصبة على عينيك. لذلك، قام الباحثون بتدريب ذكاء اصطناعي (AI) ليكون بمثابة محقق.
التدريب: عرضوا على الذكاء الاصطناي آلاف الصور لمنصات النفط، وعلموه كيف تبدو في صور الرادار (تظهر كبقع لامعة وساطعة مقابل المياه المظلمة).
عملية البحث: بمجرد تدريبه، قام الذكاء الاصطناعي بمسح مكتبة الصور بالكامل بحثًا عن ثلاث مناطق نفطية رئيسية: بحر الشمال (بالقرب من أوروبا)، وخليج المكسيك (بالقرب من الولايات المتحدة والمكسيك)، والخليج العربي (بالقرب من الشرق الأوسط).
3. الكشف الكبير: ماذا وجدوا؟
لم يكتفِ الذكاء الاصطناعي بعدّ المنصات فحسب؛ بل صنع فيلمًا بنظام "الفاصل الزمني" (Time-lapse) للسنوات الثماني الماض laผ่านมา. إليك الحبكة:
الأحياء الثلاثة:
الخليج العربي: هذه المنطقة تشبه موقع بناء مزدهر. لقد استمرت في التوسع والازدياد في النشاط حتى عام 2024، حيث كانت السعودية والإمارات الأكثر بناءً للمنصات.
خليج المكسيك: بلغت هذه المنطقة ذروتها حوالي عام 2019، وهي تتقلص ببطء منذ ذلك الحين. إنها تشبه حياً يتم فيه هدم المنازل القديمة، ولكن لا يتم بناء الكثير من المنازل الجديدة.
بحر الشمال: هذه المنطقة هي الأكثر تقلصًا. إنها تمر بعملية "تجديد"، حيث يتم إزالة منصات النفط القديمة لإفساح المجال لمزارع الرياح أو لمجرد التخلص منها، مع توجه أوروبا نحو الطاقة الخضرة.
نزعة "المنصات المؤقتة": الاكتشاف الأكثر إثارة للاهتمام يتعلق بنوع المنصات. في الماضي، كانت منصات النفط مثل ناطحات السحاب الدائمة—بُنيت لتبقى لمدة 30 أو 40 عامًا. وجدت الدراسة ارتفاعًا في "المنصات الناشئة" (Pop-up rigs) (مثل وحدات الحفر المتنقلة أو المنصات ذات الدعامات). هذه هياكل مؤقتة تتحرك، وتعمل لبضع سنوات، ثم ترحل. إنه يشبه الفرق بين بناء منزل دائم وبين نصب خيمة مؤقتة. وهذا يشير إلى أن الصناعة أصبحت أكثر مرونة وحركية.
مشكلة المنصات "الشبحية": تتبعت الدراسة أيضًا متى يتم تركيب المنصات ومتى يتم إزالتها. ووجدوا أنه مقابل كل منصة جديدة تُبنى، يتم تفكيك منصة واحدة تقريبًا. إنها دورة مستمرة من البناء والهدم، مع نقل أو إزالة أكثر من 2,700 منصة خلال فترة الدراسة.
4. لماذا يهم هذا؟
فكر في مجموعة البيانات هذه كأنها "خرائط جوجل" متاحة للجمهور لمنصات النفط البحرية.
للحكومات: تساعدهم في معرفة من يملك ماذا وأين بالضبط، وهو أمر بالغ الأهمية للسلامة والقوانين.
للبيئة: تساعد العلماء في تتبع كيفية تأثير هذه الهياكل على المحيط والتخطيط لإزالتها (إخراجها من الخدمة) حتى لا تصبح نفايات تحت الماء.
للمستقبل: مع تحول العالم من النفط إلى الطاقة الخضراء، تساعدنا هذه الخريطة في رؤية أين يمكن إعادة استخدام منصات النفط القديمة (ربما كمخازن للكربون أو شعاب مرجانية اصطناعية) وأين يمكن بناء مزارع رياح جديدة.
الخلاصة
أنشأ الباحثون أداة مفتوحة المصدر ومجانية تستخدم رادار الأقمار الصناعية والذكاء الاصطناعي لمراقبة منصات النفط في العالم باستمرار. ووجدوا أنه بينما لا يزال الخليج العربي في توسع، فإن بحر الشمال وخليج المكسيك يتغيران، حيث يتم نقل أو إزالة المنصات بمعدل أكبر مما يتم بناؤه. هذه "الخريطة الحية" تساعدنا في فهم كيف تتطور البنية التحتية للطاقة في المحيطات في الوقت الفعلي.
ملخص تقني لورقة بحثية بعنوان: "ديناميكيات منصات النفط والغاز البحرية في بحر الشمال، وخليج المكسيك، والخليج العربي: استغلال أرشيف سنتينل-1 (Sentinel-1)"
1. بيان المشكلة
تعد مراقبة البنية التحتية البحرية (وتحديداً منصات النفط والغاز) أمراً بالغ الأهمية للوعي البحري، والإدارة البيئية، والتخطيط لانتقال الطاقة. ومع ذلك، تواجه المراقبة المنهجية تحديات كبيرة:
صعوبة الوصول: المناطق البحرية شاسعة ويصعب الوصول إليها مادياً.
محدودية البيانات: آليات الإبلاغ الحالية (مثل نظام التعريف التلقائي AIS، أو التقارير التنظيمية) غالباً ما تكون محدودة إقليمياً، أو غير متسقة، أو غير مكتملة بسبب السرية، أو تفتقر إلى الاستمرارية التاريخية.
الطبيعة الديناميكية: يتضمن القطاع البحوي دورات حياة معقدة، تشمل التركيب، والنقل، وإخراج المنشآت من الخدمة (Decommissioning)، بالإضافة إلى التحول نحو الوحدات المتنقلة (مثل منصات الحفر ذات القواعد المتغيرة Jack-ups، وسفن الحفر Drillships) والتي يصعب تتبعها مقارنة بالهياكل الثابتة.
الحاجة إلى القابلية للتوسع: هناك نقص في مجموعات البيانات المتسقة وطويلة الأمد على نطاق عالمي والتي تجمع بين الخصائص المكانية والمعلومات الزمنية لدورة الحياة.
2. المنهجية
تقترح الدراسة سير عمل (Workflow) مؤتمتاً وقابلاً للتوسع للكشف عن المنصات البحرية وتوصيفها باستخدام بيانات رصد الأرض (EO) والتعلم العميق.
مصدر البيانات:
المستشعر: بيانات رادار الفتحة الاصطناعية (SAR) من نوع C-band من قمر Sentinel-1 (من نوع Level-1 GRD، واستقطاب VH، بدقة تقريبية 10 أمتار).
الإطار الزمني: سلاسل زمنية ربع سنوية من الربع الأول لعام 2017 إلى الربع الأول لعام 2025.
المناطق: بحر الشمال (NS)، الخليج العربي (PG)، وخليج المكسيك (GoM).
المعالجة المسبقة:
تمت معالجة البيانات في منصة Google Earth Engine (GEE) لإنشاء مركبات متوسطة ربع سنوية (Quarterly median composites). تعمل هذه التقنية على كبح الأهداف المتحركة (مثل السفن) مع الاحتفاظ ببصمات البنية التحتية الثابتة.
تم تطبيع قيم الارتداد الخلفي (Backscatter) وتحويلها إلى أعداد صحيحة بـ 8 بت لمعالجة فعالة.
تم تقسيم الصور إلى شرائح بحجم 640×640 بكسل مع تداخل بنسبة 20%.
نموذج التعلم العميق:
البنية: نموذج اكتشاف الأشياء YOLOv10 (الإصدار العاشر من You Only Look Once).
استراتيجية التدريب: تم تدريب النموذج مسبقاً على بيانات من بحر الصين الجنوبي، وبحر قزوين، وخليج غينيا، وساحل البرازيل. ومن الأهمية بمكان أن المناطق الثلاث محل الدراسة (بحر الشمال، الخليج العربي، خليج المكسيك) قد استُبعدت تماماً كمجموعة اختبار مستقلة للتحقق من قابلية نقل النموذج إلى بيئات بحرية غير مرئية مسبقاً.
الأداء: حقق النموذج دقة (Precision) بلغت 0.91، واستدعاء (Recall) بنسبة 0.89، ودرجة F1 بلغت 0.90 على مجموعة الاختبار المستقلة.
المعالجة اللاحقة والتحليل:
الدمج: تم دمج عمليات الكشف عبر الفصول الربع سنوية باستخدام تجميع التقاطع فوق الاتحاد (IoU clustering) لتحديد المنصات الفيزيائية الفريدة واستخلاص فترات عمرها (من أول ظهور إلى آخر ظهور).
التصفية: تمت إزالة هياكل مزارع الرياح البحرية باستخدام طبقات خارجية؛ كما تم تصفية الكشوفات منخفضة الثقة والضوضاء بناءً على عتبات الارتداد الخلفي.
الإثراء المكاني: تم إثراء المنصات بخصائص تشمل التبعية للمنطقة الاقتصادية الخالصة (EEZ)، والمسافة من الساحل، وعمق المياه (عبر بيانات GEBCO للأعماق)، والحجم التقديري (مساحة صندوق الإحاطة).
3. المساهمات الرئيسية
مجموعة بيانات شاملة (OPD v1.0.0): إنشاء مجموعة بيانات زمنية ربع سنوية متاحة للجمهور (2017–2025) تحتوي على 3,728 منصة فريدة عبر ثلاث مناطق إنتاج رئيسية.
ديناميكيات دورة الحياة: استخلاص تواريخ التركيب، وإخراج المنشآت من الخدمة، والنقل، مما يتيح تحليل استمرارية المنصات ومعدلات التغيير.
سير عمل قابل للتوسع: خط عمل قابل للتكرار والأتمتة باستخدام بيانات مجانية (Sentinel-1) وأدوات مفتوحة المصدر، قابلة للتوسع إلى مستويات عالمية.
الوصول المفتوح: نُشرت مجموعة البيانات بتنسيق GeoParquet عبر منصة Zenodo، مما يوفر أساساً للبحث المستقل وتحليل السياسات.
4. النتائج الرئيسية
أعداد المنصات (الربع الأول من 2025):
الخليج العربي: 1,731 منصة (أعلى معدل نمو حتى عام 2024).
خليج المكسيك: 1,641 منصة (تهيمن عليها الولايات المتحدة).
بحر الشمال: 356 منصة (أقل عدد، ويظهر اتجاهاً تنازلياً).
الاتجاهات الإقليمية:
الخليج العربي: استمرار التوسع حتى عام 2024، مدفوعاً بشكل كبير من قبل المملكة العربية السعودية.
خليج المكسيك وبحر الشمال: انخفاض في أعداد المنصات منذ 2018–2020. ويرتبط انخفاض بحر الشمال باستراتيجيات صافي الانبعاثات الصفرية، بينما يرتبط انخفاض خليج المكسيك بإخراج البنية التحتية المتقادمة من الخدمة.
التحولات الهيكلية:
الحركية: تمتلك نسبة كبيرة من المنصات أعماراً قصيرة (أقل من 5 سنوات)، مما يشير إلى تحول هيكلي نحو الوحدات البحرية المتنقلة (مثل منصات الحفر ذات القواعد المتغيرة والمنصات الحفرية) بدلاً من المنصات الثاسية الدائمة.
التدوير (Turnover): بين عامي 2017 و2025، تم تركيب/نقل حوالي 2,763 منصة جديدة، بينما تم إخراج/نقل حوالي 2,718 منصة من الخدمة.
الخصائص المكانية:
العمق: حوالي 90% من المنصات تقع في مياه بعمق أقل من 100 متر. أعمق بنية تم رصدها (Turritella FPSO) كانت على عمق يزيد عن 2,900 متر في خليج المكسيك.
الحجم: منصات بحر الشمال أكبر في المتوسط (5.33 هكتار) مقارنة بخليج المكسيك (2.45 هكتار) والخليج العربي (2.04 هكتار)، ولكن أكبر مجمعات المنصات توجد في الخليج العربي.
المسافة: منصات بحر الشمال تقع عموماً في مسافات أبعد من الساحل (متوسط 92 كم) مقارنة بخليج المكسيك (24 كم) والخليج العربي (53 كم).
5. الأهمية والآثار المترتبة
السياسة والتشريع: توفر مجموعة البيانات خط أساس موضوعي ومستقل للحكومات والجهات التنظيمية لمراقبة الامتثال، والتخطيط لإخراج المنشآت من الخدمة، وإدارة المناطق الاقتصادية الخالصة (EEZs).
انتقال الطاقة: من خلال قياس التراجع في المنصات الثابتة وصعود الوحدات المتنقلة، تسلط الدراسة الضوء على تكيف القطاع مع الضغوط الاقتصادية والبيئية. كما تحدد المواقع المحتملة لإعادة الاستخدام (مثل تخزين ثاني أكسيد الكربون، أو الشعاب المرجانية الاصطناعية).
المراقبة البيئية: تسمح البيانات المكانية والزمانية عالية الدقة بتقييم أفضل للأثر التراكمي للبنية التحتية البحرية على النظم البيئية البحرية.
التقدم المنهجي: تثبت الدراسة أن نماذج التعلم العميق المدربة على بيانات اصطناعية أو إقليمية محددة يمكنها بنجاح التعميم على بيئات بحرية عالمية معقدة وغير مرئية باستخدام السلاسل الزمنية لرادار (SAR)، متجاوزةً بذلك قيود المستشعرات البصرية (مثل الغطاء السحابي) والتقارير اليدوية.
القيود: تشير الدراسة إلى احتمال نقص في تقدير المنصات الصغيرة جداً بسبب دقة رادار (SAR) (10 أمتار) وفجوات الاستحواذ في الأحواض المركزية العميقة (مثل أجزاء من خليج المكسيك). ومع ذلك، فإن الطبيعة المؤتمتة تضمن قابلية التكرار والتوسع للتحديثات المستقبلية.