Coding

Geoskill: Oil Spill Detection

Try it

SAR 暗斑油膜检测 — 从 SAR 暗斑中筛选疑似油膜，结合风场、形状、纹理、船舶和自然 slick 线索 输出人工复核候选。支持后向散射阈值分割、多特征融合置信度评分与误报过滤。

What it does

SAR 暗斑油膜检测 — 从 SAR 暗斑中筛选疑似油膜，结合风场、形状、纹理、船舶和自然 slick 线索 输出人工复核候选。支持后向散射阈值分割、多特征融合置信度评分与误报过滤。

The skill document

Oil Spill Detection

从 SAR 暗斑中筛选疑似油膜，结合风场、形状、纹理、船舶和自然 slick 线索输出人工复核候选。 输出辅助分析、候选对象和证据；涉及行政、工程、安全或事故归因必须人工复核。

Trigger

Use when the user wants to:

  • 识别 SAR 影像中的疑似油膜范围
  • 筛选近岸 SAR 暗斑并按可信度排序
  • 结合风场和 AIS 数据过滤误报
  • 生成人工复核任务清单
  • 评估不同检测方法的效果

CLI Usage

# 合成演示模式（无需输入文件）
python scripts/oil_spill_detection.py --output-dir ./osd-output

# 指定检测方法
python scripts/oil_spill_detection.py --method threshold_adaptive --output-dir ./osd-output

# 自定义最小面积和置信度阈值
python scripts/oil_spill_detection.py --min-area 2000.0 --confidence-threshold 0.5 --output-dir ./osd-output

# 自适应阈值分割
python scripts/oil_spill_detection.py --method threshold_adaptive --grid-size 200 --output-dir ./osd-output

Parameters

ParameterDefaultDescription
--input-dirNone输入数据目录 (省略则使用合成数据)
--output-dirosd-output输出目录
--methodthreshold_basic检测方法 (threshold_basic/threshold_adaptive/multi_feature)
--min-area1000.0最小暗斑面积 m²
--confidence-threshold0.4置信度阈值
--grid-size200合成数据网格大小
--models-configNone模型参数 JSON 文件路径

Output

FileDescription
dark_spots.geojson所有检测到的暗斑矢量
oil_candidates.geojson高置信度疑似油膜候选
confidence.npy置信度栅格 [0, 1]
feature_table.csv暗斑特征表
review_report.txt人工复核报告
request.json分析请求元数据
dataset-manifest.json数据集清单
output-manifest.json输出文件清单
qa.json质量保证检查

Key Algorithms

暗斑分割

方法原理适用场景
基础阈值后向散射 < 均值 - σ×N 且 < 全局阈值均匀海面
自适应阈值基于局部统计的自适应阈值非均匀海面

特征提取

特征类别特征物理意义
形状紧凑度、伸长率、实心度油膜通常伸长、中等紧凑
纹理均值、标准差、背景对比度油膜均匀且明显暗于背景
风场风速分区3-10 m/s 最佳检测区间
船舶AIS 距离近距离船舶增加油膜可能

误报过滤

误报来源过滤策略
低风区风速 < 3 m/s 标记为低置信度
雨胞圆形 + 高实心度 → rain_cell 指示
内波低风 + 高伸长率 → internal wave 指示
生物膜近岸 + 条带 → coastal streak 指示

置信度分级

等级范围含义
极低0.0 - 0.2不太可能是油膜
低0.2 - 0.4少量油膜证据
中等0.4 - 0.6中等油膜证据，建议复核
高0.6 - 0.8较强油膜证据，建议优先复核
极高0.8 - 1.0强油膜证据，强烈建议复核

Exit Codes

CodeMeaning
0成功
2参数错误
3依赖缺失
6数据校验失败
7处理失败

Important Limitations

  • 暗斑不等于油膜：输出始终称疑似油膜，暗斑只是检测起点
  • 合成数据非真实观测：演示模式使用合成数据，仅用于流程验证
  • AIS 数据缺失时不强行归因船舶：无 AIS 时返回中性置信度
  • SAR 几何门槛高：MVP 支持外部已校准 SAR 数据
  • 分辨率限制：免费 SAR 分辨率可能不足以识别小范围油膜
  • 非最终认定：输出疑似油膜概率和审核状态，不声称最终结论

References

  • Solberg et al. (2007) — Oil spill detection in Radarsat and Envisat SAR images
  • Fiscella et al. (2000) — Oil spill detection using neural networks and SAR data
  • Migliaccio et al. (2007) — A physical approach for oil spill detection in SAR imagery
  • ESA (2020) — SAR oil spill monitoring guidelines

数据下载

本 skill 可自动从 Microsoft Planetary Computer 下载数据 (无需 API key):

python oil_spill_detection.py --bbox 116,39,117,40 --date-range 2024-06-01,2024-06-30 --output-dir
  • --bbox W,S,E,N: WGS-84 边界框 (西, 南, 东, 北)
  • --date-range START,END: 日期范围 (YYYY-MM-DD,YYYY-MM-DD)
  • --aoi-file : 替代 --bbox 的 GeoJSON 多边形
  • --cache-dir : 缓存目录 (默认 ~/.geoskill_cache)

当用户只给 --bbox + --date-range (没有 --sar) 时，skill 自动下载数据。 当用户给 --sar 时，走原文件路径 (向后兼容)。

Related skills

geoskill-sar-ship-detection

SAR 船舶检测：CA/OS-CFAR 恒虚警检测 + 连通域聚类，从单极化 SAR 强度影像提取船舶目标并输出 GeoJSON 矢量与属性表

1 installs

geoskill-sar-flood-mapping

基于 SAR 低后向散射特性的洪水范围制图：Otsu 阈值分割低 σ⁰ 水体 + 形态学去噪 + 可选 DEM 坡度排除，并矢量化为 GeoJSON。SAR flood extent mapping via Otsu thresholding of low backscatter, morphological cleanup and vectorization. 输出洪水二值 GeoTIFF + 面积统计 JSON + 范围 GeoJSON。

1 installs

geoskill-sar-speckle-filtering

对 SAR 影像执行 Lee/Frost/多视 斑点噪声滤波，抑制相干斑噪声并保持边缘。Lee/Frost/multilook speckle filtering for SAR imagery. 输入单波段或多波段 SAR 强度 GeoTIFF（或用 --synthetic 生成含乘性斑斑噪声的场景），输出滤波后 GeoTIFF + 参数 JSON。

1 installs

geoskill-sar-landslide-detection

融合InSAR形变速率、后向散射变化与DEM坡度综合加权评分，双门限提取疑似滑坡连通域并矢量化分级（high/medium/low），输出滑坡GeoJSON、形变速率/风险评分GeoTIFF与风险汇总JSON。SAR landslide detection fusing InSAR deformation, backscatter change and slope.

1 installs

geoskill-sar-sea-ice-mapping

从SAR σ⁰制图海冰类型与密集度：dB刻度三类Otsu分水面/新冰/多年冰，GLCM纹理精炼多年冰，滑窗计算冰密集度，输出海冰类型GeoTIFF、密集度GeoTIFF与面积统计JSON。SAR sea ice type and concentration mapping via multi-Otsu backscatter thresholds and GLCM texture.

1 installs

geoskill-sar-wind-speed

SAR 海面风场反演：基于简化 CMOD5/CMOD7 经验地球物理模型，由后向散射系数 σ⁰ 与风向二分法数值反演海面风速场

1 installs