000			04573namaa22004451i 4500
003			EG-GICUC
005			20260416110357.0
008			260404s2025 ua a|||frm||| 000 0 eng d
040			_aEG-GICUC _beng _cEG-GICUC _dEG-GICUC _erda
041	0		_aeng _beng _bara
049			_aDeposit
082	0	4	_a665.5
092			_a665.5 _221
097			_aPh.D
099			_aCai01.13.12.Ph.D.2025.Mo.A
100	0		_aMohamed Ramadan Abdallah Zakzouk, _epreparation.
245	1	0	_aAutomatic oil spill detection along the egyptian coasts using satellite imagery and artificial intelligence / _cby Mohamed Ramadan Abdallah Zakzouk ; Supervisors: Prof. Dr. Abdel Sattar A. Dahab, Prof. Dr. Abdul-Aziz M. Abdul-Aziz, Prof. Dr. Islam H. Abou El-Magd.
246	1	5	_aالكشف التلقائي عن البقع النفطية على السواحل المصرية باستخدام الصور الفضائية والذكاء الاصطناعى
264		0	_c2025.
300			_a137 pages : _billustrations ; _c30 cm. + _eCD.
336			_atext _2rda content
337			_aUnmediated _2rdamedia
338			_avolume _2rdacarrier
502			_a Thesis (Ph.D)-Cairo University, 2025.
504			_aBibliography: pages 117-126.
520		3	_aThis thesis presents an advanced, automated framework for detecting and monitoring oil spills in Egyptian coastal waters using remote sensing and deep learning. It integrates Sentinel-1 SAR and Sentinel-2 multispectral data to analyze oil spills. After developing and validating new spectral indices—shown to outperform existing ones—a comprehensive annotated SAR dataset of 1,500 Egyptian oil spill cases was created. A DeepLabv3+ model trained on this dataset achieved high segmentation accuracy, surpassing results from existing models. An end-to-end workflow was implemented for automated detection and area estimation, demonstrating reliable performance in real-world scenarios. The research supports the Egyptian Environmental Affairs Agency (EEAA) in meeting international marine protection standards and highlights the effectiveness of combining spectral analysis with AI for scalable, region-specific oil spill monitoring.
520		3	_aتُقدم هذه الرسالة إطارًا متقدمًا وآليًا للكشف عن بقع النفط ومراقبتها في المياه الساحلية المصرية باستخدام تقنيات الاستشعار عن بُعد والتعلم العميق. يدمج هذا الإطار بيانات الرادار من القمر الصناعي سينتنال 1 وبيانات متعددة الأطياف من سينتنال 2 لتحليل خصائص بقع النفط. بعد تطوير مؤشرات طيفية جديدة أثبتت تفوقها على المؤشرات السابقة، تم إنشاء مجموعة بيانات شاملة تحتوي على 1500 حالة موثقة لبقع نفطية مصرية باستخدام صور رادارية. تم تدريب نموذج DeepLabv3+ على هذه البيانات، وحقق دقة عالية في التجزئة متجاوزًا أداء النماذج الحالية. كما تم تنفيذ سير عمل شامل للكشف التلقائي وتقدير المساحات، وأظهر أداءً موثوقًا في الحالات الواقعية. تدعم هذه الدراسة جهاز شؤون البيئة المصري في الامتثال للاتفاقيات الدولية لحماية البيئة البحرية، وتبرز فعالية دمج التحليل الطيفي مع الذكاء الاصطناعي في مراقبة بقع النفط بشكل فعال وقابل للتوسع حسب الخصائص الإقليمية.
530			_aIssues also as CD.
546			_aText in English and abstract in Arabic & English.
650		0	_aPetroleum Engineering
650		0	_aهندسة البترول
653		1	_aOil Spill _aSpectral Indices _aSynthetic Aperture Radar _aAutomatic Detection _aDeep Learning _aEgyptian Coasts _aالتلوثات النفطية _aالمعاملات الطيفية
700	0		_aAbdel Sattar A. Dahab _ethesis advisor.
700	0		_aAbdul-Aziz M. Abdul-Aziz _ethesis advisor.
700	0		_aIslam H. Abou El-Magd _ethesis advisor.
900			_b01-01-2025 _cAbdel Sattar A. Dahab _cAbdul-Aziz M. Abdul-Aziz _cIslam H. Abou El-Magd _dEl Sayed A. Zaghloul _dZakaria E. Hamimi _UCairo University _FFaculty of Engineering _DDepartment of Petroleum Engineering
905			_aShimaa _eEman Ghareb
942			_2ddc _cTH _e21 _n0
999			_c179161