Oljeutslipp utgjør en alvorlig trussel mot marine økosystemer og kystsamfunn, og risikoen i Arktis øker i takt med mer trafikk gjennom Nordøstpassasjen og høy fiskeriaktivitet. Store avstander, krevende forhold og lange perioder med mørke gjør det vanskelig å oppdage og håndtere utslipp. Geopolitisk spenning kan også redusere åpenheten: noen fartøy kan skjule posisjonen sin, noe som kompliserer beredskapsplanlegging. Samlet sett skaper dette et tydelig behov for raskere og klarere situasjonsforståelse på tvers av etater og operatører.
Dagens overvåking leverer ofte statiske øyeblikksbilder. Rapportene kommer som annoterte bilder og filer som viser et enkelt tidspunkt, noen ganger etter forsinkelser på 20 minutter til flere timer. Generiske deteksjonsterskler overser lokale normaltilstander. Prognosemodeller assimilerer ikke alltid sanntids in-situ-data. Beslutningstakere må da handle med ufullstendig informasjon, noe som øker risikoen for sen eller feilrettet innsats.
Dette prosjektet adresserer disse gapene med en tidslinjetjeneste som samler observasjoner og prognoser i ett løpende bilde. Tjenesten slår sammen satellittdata (SAR og optisk) og bruker KI til å oppdage og klassifisere utslipp. En lært «normaltilstand» for hvert område vil gjøre avvik synlige raskt.
SINTEF vil implementere en tjeneste som leverer de beste tilgjengelige dataene for enhver lokasjon og valgt tidsrom, ved å kombinere flere kilder og tilby et tydelig programmeringsgrensesnitt (API) for eksterne systemer. En oljedriftjeneste vil kombinere flere eksterne oljedrift-simulatorer i et fleksibelt ensemble; hver kjøring beskriver forutsetninger og usikkerheter, og gir bedre beslutningsstøtte for planlegging og tiltak.
Toppbilde: Shutterstock.