نقشه‌برداری از زمین‌لغزش‌های دور با استفاده از دوربین دوچشمی لیزری و GPS

فهرست مطالب

1. مقدمه

نقشه‌های فهرست زمین‌لغزش قابل اعتماد، برای مطالعات ژئومورفولوژی، ارزیابی خطر و مدیریت ریسک اساسی هستند. روش‌های سنتی نقشه‌برداری، از جمله بررسی‌های مستقیم میدانی و تفسیر عکس‌های هوایی، اغلب زمان‌بر، پرزحمت و در زمین‌های ناپایدار خطرناک هستند. این مقاله یک آزمایش میدانی را ارائه می‌دهد که یک سیستم نوین ترکیبی شامل یک دوربین دوچشمی لیزری با دقت بالا، یک گیرنده GPS و یک تبلت مقاوم با نرم‌افزار GIS را برای نقشه‌برداری دور از زمین‌لغزش‌های اخیر ناشی از بارش ارزیابی می‌کند. هدف اصلی این بود که ارزیابی شود آیا این فناوری می‌تواند نقشه‌برداری از زمین‌لغزش را در مقایسه با روش‌های مرسوم، سریع‌تر، ایمن‌تر و با دقتی قابل مقایسه تسهیل کند یا خیر.

2. روش‌شناسی و چیدمان آزمایشی

2.1. ابزارها

سیستم اصلی شامل سه جزء یکپارچه بود:

• دوربین دوچشمی فاصله‌یاب لیزری Vectronix VECTOR IV: برای اندازه‌گیری فاصله و زاویه‌یابی دور از ویژگی‌های زمین‌لغزش استفاده شد.
• گیرنده GPS/GLONASS Leica Geosystems ATX1230 GG: موقعیت‌یابی جغرافیایی با دقت بالا برای موقعیت اپراتور را فراهم کرد.
• تبلت مقاوم با نرم‌افزارهای ESRI ArcGIS و Leica Mobilematrix: به عنوان پلتفرم یکپارچه‌سازی داده و نقشه‌برداری عمل کرد و امکان جمع‌آوری داده GIS در زمان واقعی را فراهم نمود.

سیستم مختصات رئوس زمین‌لغزش را با استفاده از موقعیت GPS اپراتور، فاصله اندازه‌گیری شده ($d$) و آزیموت ($\alpha$) از فاصله‌یاب محاسبه کرد.

2.2. منطقه مطالعاتی و روش آزمون

آزمایش در منطقه Monte Castello di Vibio (امبریا، مرکز ایتالیا)، یک منطقه تپه‌ای ۲۱ کیلومتر مربعی مستعد زمین‌لغزش در سنگ‌های رسوبی انجام شد. سیزده زمین‌لغزش که قبلاً نقشه‌برداری شده بودند، با استفاده از سیستم جدید دور، مجدداً نقشه‌برداری شدند. برای اعتبارسنجی، چهار زمین‌لغزش نیز با پیاده‌روی گیرنده GPS در اطراف محیط آن‌ها (روش "GPS پیاده") نقشه‌برداری شدند. این نتایج با نقشه‌های اولیه شناسایی بصری مقایسه شدند.

3. نتایج و تحلیل

3.1. مقایسه روش‌های نقشه‌برداری

سیستم نقشه‌برداری دور، مرزهای زمین‌لغزشی را تولید کرد که از نظر جغرافیایی قابل مقایسه با مرزهای به دست آمده از روش GPS پیاده بود. مشخص شد که هر دو روش برتر از نقشه‌برداری اولیه شناسایی بصری هستند که فاقد مرجع‌یابی جغرافیایی دقیق بود. روش دور با موفقیت هندسه اساسی گسیختگی‌های شیب را ثبت کرد.

3.2. ارزیابی دقت و کارایی

اگرچه یک ارزیابی آماری کامل دقت (مانند محاسبه خطای میانگین مربعات) در متن ارائه شده جزئیات داده نشده است، نویسندگان نتیجه می‌گیرند که این سیستم برای نقشه‌برداری از زمین‌لغزش‌های اخیر مؤثر است. مزیت کلیدی عملیاتی است: این سیستم امکان نقشه‌برداری از نقاط دید امن و پایدار را فراهم می‌کند و به طور قابل توجهی زمان و خطر مرتبط با عبور از زمین ناپایدار زمین‌لغزش را کاهش می‌دهد. این سیستم به عنوان ابزاری برای نقشه‌برداری فهرست شناسایی سریع در مناطق وسیع معرفی شده است.

4. جزئیات فنی و چارچوب ریاضی

محاسبه ژئو‌مکانی اصلی شامل تعیین مختصات یک نقطه هدف (رأس زمین‌لغزش) از یک موقعیت ناظر شناخته شده است. فرمول مورد استفاده بر اساس حل مسئله ژئودزی مستقیم است:

با توجه به مختصات ناظر (عرض جغرافیایی $\phi_o$، طول جغرافیایی $\lambda_o$، ارتفاع بیضوی $h_o$)، فاصله شیب اندازه‌گیری شده $d$، آزیموت $\alpha$ و زاویه عمودی (یا فاصله سمت‌الرأس $z$)، مختصات نقطه هدف ($\phi_t$, $\lambda_t$, $h_t$) محاسبه می‌شود. در یک تقریب صفحه‌ای ساده‌شده برای فواصل کوتاه، این را می‌توان به صورت زیر بیان کرد:

$\Delta N = d \cdot \cos(\alpha) \cdot \sin(z)$

$\Delta E = d \cdot \sin(\alpha) \cdot \sin(z)$

$\Delta h = d \cdot \cos(z)$

که در آن $\Delta N, \Delta E, \Delta h$ به ترتیب تفاوت‌های شمال، شرق و ارتفاع نسبت به ناظر هستند. مختصات هدف سپس به این صورت است: $Easting_t = Easting_o + \Delta E$، $Northing_t = Northing_o + \Delta N$، $h_t = h_o + \Delta h$. در عمل، نرم‌افزارهای تخصصی GIS/GPS این محاسبه را با استفاده از مدل‌های ژئودزی دقیق (مانند بیضوی WGS84) انجام می‌دهند.

5. نتایج و توصیف نمودار

شکل ۱ (ارجاع داده شده در PDF): این شکل (که به طور کامل اینجا بازتولید نشده است) به طور معمول عکس‌ها یا شماتیکی از سه ابزار کلیدی را نشان می‌دهد: دوربین‌های دوچشمی Vectronix VECTOR IV، گیرنده GPS لایکا و تبلت مقاوم. هدف آن ارائه یک مرجع بصری برای سیستم میدانی یکپارچه است که قابلیت حمل و همکاری بین اندازه‌گیری (دوربین دوچشمی)، موقعیت‌یابی (GPS) و ثبت/نمایش داده (تبلت با GIS) را برجسته می‌کند.

تحلیل مقایسه‌ای ضمنی: نتایج متنی یک نمودار مفهومی را پیشنهاد می‌دهد که سه روش را در محورهایی مانند "دقت موقعیتی"، "سرعت جمع‌آوری داده"، "ایمنی میدانی" و "هزینه عملیاتی" مقایسه می‌کند. روش لیزری/GPS دور در ایمنی و سرعت برای شناسایی اولیه امتیاز بالایی کسب می‌کند، با دقتی که به "استاندارد طلایی" GPS پیاده برای نقشه‌برداری محیط نزدیک می‌شود، در حالی که شناسایی بصری در دقت و تکرارپذیری رتبه پایین‌تری خواهد داشت.

6. چارچوب تحلیلی: یک مثال موردی

سناریو: فهرست‌برداری سریع از زمین‌لغزش پس از بارش در یک منطقه کوهستانی ۵۰ کیلومتر مربعی.

کاربرد چارچوب:

1. برنامه‌ریزی و شناسایی: از تصاویر ماهواره‌ای پیش از رویداد (مانند Sentinel-2) برای شناسایی مناطق با حساسیت بالا یا آشفتگی قابل مشاهده استفاده کنید.
2. کمپین نقشه‌برداری دور: سیستم لیزری/GPS را در خط الرأس‌ها یا جاده‌های قابل دسترسی مشرف به دره‌های هدف مستقر کنید. از هر نقطه دید:
   • یک موقعیت GPS پایدار برقرار کنید.
   • شیب‌ها را با دوربین دوچشمی اسکن کنید تا زخم‌های زمین‌لغزش تازه، مسیرهای آوار و نهشته‌های پای شیب را شناسایی کنید.
   • برای هر ویژگی شناسایی شده، از فاصله‌یاب برای علامت‌گذاری رئوس کلیدی (مانند تاج دیواره سر، حاشیه‌های جانبی، پای شیب) استفاده کنید. نرم‌افزار GIS این نقاط را در زمان واقعی ترسیم می‌کند و یک چندضلعی تشکیل می‌دهد.
   • داده‌های توصیفی (نوع، سطح اطمینان) از طریق تبلت وارد می‌شود.
3. یکپارچه‌سازی داده و اعتبارسنجی: تمام چندضلعی‌های جمع‌آوری شده را در یک لایه GIS واحد ادغام کنید. زیرمجموعه‌ای از زمین‌لغزش‌های بزرگ‌تر یا بحرانی را برای اعتبارسنجی از طریق موارد زیر انتخاب کنید:
   الف) بررسی GPS پیاده (در صورت ایمن بودن).
   ب) فتوگرامتری پهپاد برای تولید یک مدل رقومی ارتفاع (DEM) با وضوح بالا و ارتوفوتو برای رقومی‌سازی دقیق.
4. تحلیل: آمارهای پایه فهرست (تعداد، تراکم، مساحت کل) را محاسبه کرده و با داده‌های تاریخی مقایسه کنید تا بزرگی رویداد را ارزیابی کنید.

7. بینش اصلی و تحلیل انتقادی

بینش اصلی: این کار درباره یک پیشرفت فناورانه نیست، بلکه یک راهکار عملی میدانی است. این سیستم ابزارهای نقشه‌برداری پیشرفته (فاصله‌یاب لیزری، GPS ژئودتیک) را برای یک مسئله خاص و پیچیده - فهرست‌برداری سریع زمین‌لغزش - که روش‌های سنتی در ایمنی و سرعت با مشکل مواجه می‌شوند، بازتعریف می‌کند. نوآوری واقعی در یکپارچه‌سازی سیستم و اثبات مفهوم برای یک بررسی ژئومورفولوژیکی "دور از دسترس" است.

جریان منطقی: منطق نویسندگان مستدل اما محافظه‌کارانه است. آن‌ها یک مسئله (نقشه‌برداری خطرناک و کند) را شناسایی می‌کنند، یک راه‌حل کمک‌فناوری پیشنهاد می‌دهند، آن را در یک محیط کنترل‌شده در برابر یک خط پایه (GPS پیاده) آزمایش می‌کنند و می‌یابند که کار می‌کند. این جریان، علوم زمین کاربردی کلاسیک است. با این حال، از یک تحلیل خطای کمی دقیق که در یک مجله متمرکز بر مترولوژی انتظار می‌رود، کوتاهی می‌کند که فرصتی از دست رفته برای تثبیت سهم فنی آن است.

نقاط قوت و ضعف:

• نقاط قوت: دستیابی به ایمنی و کارایی قابل مشاهده. سیستم قوی است و از سخت‌افزارهای تجاری آماده (COTS) استفاده می‌کند. این سیستم شکاف بین بررسی‌های زمینی پرخطر و سنجش از دور هوایی/فضایی پرهزینه و وابسته به آب و هوا (مانند InSAR یا LiDAR، همانطور که در آثار USGS یا مجلاتی مانند Remote Sensing of Environment بحث شده است) را پر می‌کند.
• نقاط ضعف: محدودیت "خط دید" در پوشش گیاهی انبوه یا توپوگرافی پیچیده فلج‌کننده است - یک نقص عمده برای قابلیت کاربرد جهانی. هزینه سخت‌افزار (Vectronix, Leica) برای پذیرش گسترده در کشورهای در حال توسعه، که اغلب خطر زمین‌لغزش در آن‌ها بالاترین است، مانع‌آفرین است. این مطالعه فاقد یک تحلیل هزینه-فایده در مقابل فتوگرامتری مبتنی بر پهپاد در حال ظهور است که می‌تواند ایمنی مشابه و جزئیات برتر را به دست آورد.

بینش‌های قابل اجرا:

1. برای متخصصان: این سیستم یک گزینه عملی برای تیم‌های پاسخ سریع در زمین‌های باز و قابل دسترسی است. استفاده از آن را برای شناسایی اولیه و تعیین اهداف برای بررسی دقیق‌تر در اولویت قرار دهید.
2. برای محققان: آینده در ادغام است. گام منطقی بعدی، یکپارچه‌سازی این داده برداری زمین‌مبنا با داده‌های شطرنجی پهپاد یا ماهواره‌ای است (مانند استفاده از هوش مصنوعی برای استخراج ویژگی‌ها همانطور که در Ghorbanzadeh و همکاران، ۲۰۲۲ دیده می‌شود). از نقاط دقیق GPS-لیزر به عنوان داده آموزشی یا اعتبارسنجی برای مدل‌های یادگیری ماشین اعمال شده بر تصاویر وسیع‌تر استفاده کنید.
3. برای توسعه‌دهندگان: یک نسخه ارزان‌تر، مبتنی بر اپلیکیشن با استفاده از سنسورهای تلفن هوشمند (LiDAR در آیفون‌های جدیدتر، ماژول‌های GPS RTK) و پردازش ابری بسازید. قابلیت را دموکراتیک کنید.

در اصل، Santangelo و همکاران یک طرح ارزشمند، اگرچه تا حدی قدیمی، برای یک گردش کار میدانی خاص ارائه می‌دهند. بزرگترین میراث آن باید الهام‌بخش راه‌حل‌های مقرون‌به‌صرفه‌تر، یکپارچه و کمک‌هوش‌مصنوعی برای نقشه‌برداری از مخاطرات زمین‌شناسی باشد.

8. چشم‌اندازهای کاربردی و جهت‌گیری‌های آینده

• ادغام با پهپادها: سیستم لیزری/GPS برای اعتبارسنجی زمینی و تأیید نقشه‌های زمین‌لغزش ایجاد شده از فتوگرامتری یا LiDAR پهپاد ایده‌آل است. اپراتور می‌تواند ویژگی‌های شناسایی شده در تصاویر پهپاد را از راه دور به دقت اندازه‌گیری کند.
• ارزیابی سریع چندخطره: این روش‌شناسی را می‌توان برای نقشه‌برداری سریع از سایر مخاطرات زمین‌شناسی پس از رویداد، مانند مناطق منشأ ریزش سنگ، زخم‌های فرسایش سیل یا نقشه‌برداری از گسل پس از زمین‌لرزه‌ها تطبیق داد.
• علم شهروندی و مشارکت جمعی: نسخه‌های ساده‌شده و مبتنی بر اپلیکیشن این ابزار می‌تواند به پرسنل محلی آموزش‌دیده یا دانشمندان شهروندی امکان دهد تا داده‌های ژئو‌مکانی ساختاریافته‌ای در مورد وقوع زمین‌لغزش ارائه دهند و شبکه‌های نظارتی را گسترش دهند.
• رابط‌های واقعیت افزوده (AR): سیستم‌های آینده می‌توانند از عینک AR برای قرار دادن داده‌های GIS و ابزارهای اندازه‌گیری مستقیماً بر روی میدان دید استفاده کنند و فرآیند نقشه‌برداری را بیشتر ساده‌سازی کنند.
• تشخیص ویژگی با قدرت هوش مصنوعی: جفت کردن سیستم با هوش مصنوعی تحلیل تصویر در زمان واقعی می‌تواند به پیشنهاد و طبقه‌بندی خودکار ویژگی‌های زمین‌لغزش از طریق منظره‌یاب دوربین کمک کند و سوگیری اپراتور و زمان آموزش را کاهش دهد.

9. منابع

1. Santangelo, M., Cardinali, M., Rossi, M., Mondini, A. C., & Guzzetti, F. (2010). Remote landslide mapping using a laser rangefinder binocular and GPS. Natural Hazards and Earth System Sciences, 10(12), 2539–2546. https://doi.org/10.5194/nhess-10-2539-2010
2. Guzzetti, F., Mondini, A. C., Cardinali, M., Fiorucci, F., Santangelo, M., & Chang, K. T. (2012). Landslide inventory maps: New tools for an old problem. Earth-Science Reviews, 112(1-2), 42–66.
3. Ghorbanzadeh, O., Blaschke, T., Gholamnia, K., & Aryal, J. (2022). Landslide mapping using deep learning and object-based image analysis. Scientific Reports, 12, 3042.
4. USGS Landslide Hazards Program. (n.d.). Landslide Mapping and Monitoring. Retrieved from https://www.usgs.gov/natural-hazards/landslide-hazards/science
5. Martha, T. R., Kerle, N., Jetten, V., van Westen, C. J., & Kumar, K. V. (2010). Characterising spectral, spatial and morphometric properties of landslides for semi-automatic detection using object-oriented methods. Geomorphology, 116(1-2), 24–36.