Дистанционное картирование оползней с использованием лазерного дальномера-бинокля и GPS

Содержание

1. Введение

Достоверные кадастровые карты оползней имеют фундаментальное значение для геоморфологических исследований, оценки опасностей и управления рисками. Традиционные методы картирования, включая прямые полевые обследования и интерпретацию аэрофотоснимков, часто требуют много времени, трудоемки и могут быть опасными на неустойчивой местности. В данной статье представлен полевой эксперимент по оценке новой системы, сочетающей высокоточный лазерный дальномер-бинокль, GPS-приемник и защищенный планшетный ПК с ГИС-программным обеспечением для дистанционного картирования недавних дождевых оползней. Основной целью было оценить, может ли эта технология обеспечить более быстрое, безопасное и сопоставимое по точности картирование оползней по сравнению с традиционными методами.

2. Методология и экспериментальная установка

2.1. Оборудование

Основная система состояла из трех интегрированных компонентов:

• Дальномер-бинокль Vectronix VECTOR IV: Использовался для дистанционного измерения расстояния и азимута до элементов оползня.
• GPS/ГЛОНАСС приемник Leica Geosystems ATX1230 GG: Обеспечивал высокоточное геопозиционирование местоположения оператора.
• Защищенный планшетный ПК с ESRI ArcGIS и Leica Mobilematrix: Служил платформой для интеграции данных и картирования, позволяя осуществлять сбор ГИС-данных в реальном времени.

Система рассчитывала координаты вершин оползня, используя GPS-позицию оператора, измеренное расстояние ($d$) и азимут ($\alpha$) от дальномера.

2.2. Район исследований и процедура испытаний

Эксперимент проводился в районе Монте-Кастелло-ди-Вибьо (Умбрия, Центральная Италия) — холмистой местности площадью 21 км², подверженной оползням в осадочных породах. Тринадцать ранее нанесенных на карту оползней были повторно картированы с использованием новой дистанционной системы. Для валидации четыре оползня также были картированы путем обхода их периметра с GPS-приемником (метод «обходного GPS»). Эти результаты сравнивались с первоначальными картами визуальной разведки.

3. Результаты и анализ

3.1. Сравнение методов картирования

Дистанционная система картирования создала границы оползней, которые были географически сопоставимы с границами, полученными методом обходного GPS. Оба метода оказались лучше первоначального визуального разведывательного картирования, которому не хватало точной географической привязки. Дистанционный метод успешно зафиксировал основную геометрию склоновых нарушений.

3.2. Оценка точности и эффективности

Хотя полная статистическая оценка точности (например, расчет среднеквадратической ошибки) в предоставленном отрывке не детализирована, авторы делают вывод, что система эффективна для картирования недавних оползней. Ключевое преимущество — оперативное: она позволяет картировать с безопасных, устойчивых точек обзора, значительно сокращая время и риски, связанные с перемещением по неустойчивой оползневой местности. Она позиционируется как инструмент для быстрого разведывательного кадастрового картирования на больших территориях.

4. Технические детали и математическая основа

Основное геопространственное вычисление включает определение координат целевой точки (вершины оползня) из известного положения наблюдателя. Используемая формула основана на решении прямой геодезической задачи:

Имея координаты наблюдателя (широта $\phi_o$, долгота $\lambda_o$, эллипсоидальная высота $h_o$), измеренное наклонное расстояние $d$, азимут $\alpha$ и вертикальный угол (или зенитное расстояние $z$), вычисляются координаты целевой точки ($\phi_t$, $\lambda_t$, $h_t$). В упрощенном плоском приближении для коротких расстояний это можно выразить как:

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

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

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

Где $\Delta N, \Delta E, \Delta h$ — разницы по северу, востоку и высоте относительно наблюдателя. Тогда координаты цели: $Easting_t = Easting_o + \Delta E$, $Northing_t = Northing_o + \Delta N$, $h_t = h_o + \Delta h$. На практике специализированное ГИС/GPS-программное обеспечение выполняет этот расчет с использованием точных геодезических моделей (например, эллипсоида WGS84).

5. Результаты и описание графиков

Рисунок 1 (упоминается в PDF): Этот рисунок (здесь не воспроизведен полностью) обычно показывает фотографии или схему трех ключевых приборов: биноклей Vectronix VECTOR IV, GPS-приемника Leica и защищенного планшетного ПК. Его цель — предоставить визуальную справку об интегрированной полевой системе, подчеркивая ее портативность и синергию между измерением (бинокль), позиционированием (GPS) и регистрацией/визуализацией данных (планшетный ПК с ГИС).

Подразумеваемый сравнительный анализ: Текстовые результаты предполагают концептуальную диаграмму, сравнивающую три метода по осям, таким как «Позиционная точность», «Скорость сбора данных», «Безопасность в полевых условиях» и «Эксплуатационные затраты». Дистанционный лазерный/GPS-метод получил бы высокие оценки по безопасности и скорости для первоначальной разведки, с точностью, приближающейся к «золотому стандарту» обходного GPS для картирования периметра, в то время как визуальная разведка заняла бы более низкие позиции по точности и воспроизводимости.

6. Аналитическая основа: пример

Сценарий: Быстрая инвентаризация оползней после дождя в горном регионе площадью 50 км².

Применение основы:

1. Планирование и разведка: Использовать спутниковые снимки до события (например, Sentinel-2) для выявления районов с высокой восприимчивостью или видимыми нарушениями.
2. Кампания дистанционного картирования: Развернуть лазерную/GPS-систему на доступных гребнях или дорогах с видом на целевые долины. С каждой точки обзора:
   • Установить стабильную GPS-позицию.
   • Сканировать склоны биноклем для выявления свежих оползневых срывов, следов обломков и отложений в подошве.
   • Для каждого выявленного элемента использовать дальномер для отметки ключевых вершин (например, бровка срыва, боковые границы, подошва). ГИС-программное обеспечение строит эти точки в реальном времени, формируя полигон.
   • Атрибутивные данные (тип, уровень достоверности) вводятся через планшет.
3. Интеграция данных и валидация: Объединить все собранные полигоны в один ГИС-слой. Выбрать подмножество крупных или критически важных оползней для валидации с помощью:
   a) Обходного GPS-обследования (если безопасно).
   b) Фотограмметрии с БПЛА для создания высокодетальной цифровой модели рельефа (ЦМР) и ортофотоплана для точной оцифровки.
4. Анализ: Рассчитать базовую статистику инвентаризации (количество, плотность, общая площадь) и сравнить с историческими данными для оценки масштаба события.

7. Ключевой вывод и критический анализ

Ключевой вывод: Эта работа посвящена не технологическому прорыву, а прагматичному полевому решению. Она перепрофилирует высококлассные геодезические инструменты (лазерный дальномер, геодезический GPS) для решения конкретной, сложной проблемы — быстрой инвентаризации оползней, — где традиционные методы не справляются с безопасностью и скоростью. Настоящее новшество заключается в системной интеграции и доказательстве концепции «дистанционного» геоморфологического обследования.

Логическая последовательность: Логика авторов обоснованна, но консервативна. Они определяют проблему (опасное, медленное картирование), предлагают технологически-ассистированное решение, тестируют его в контролируемых условиях по сравнению с базовым методом (обходной GPS) и обнаруживают, что оно работает. Последовательность классическая для прикладной геонауки. Однако в ней отсутствует строгий количественный анализ ошибок, который ожидался бы в журнале, ориентированном на метрологию, что является упущенной возможностью укрепить ее технический вклад.

Сильные стороны и недостатки:

• Сильные стороны: Демонстрируемый выигрыш в безопасности и эффективности. Система надежна, использует коммерческое готовое оборудование (COTS). Она заполняет нишу между рискованными наземными обследованиями и дорогостоящей, зависящей от погоды аэро/космической дистанционной съемкой (такой как InSAR или LiDAR, обсуждаемой в работах USGS или в журналах типа Remote Sensing of Environment).
• Недостатки: Ограничение «прямой видимости» является критическим в густой растительности или сложном рельефе — серьезный недостаток для глобальной применимости. Стоимость оборудования (Vectronix, Leica) непомерно высока для широкого внедрения в развивающихся странах, где риск оползней часто наиболее высок. В исследовании отсутствует анализ затрат и выгод по сравнению с развивающейся фотограмметрией на основе БПЛА, которая может обеспечить аналогичную безопасность и превосходящую детализацию.

Практические выводы:

1. Для практиков: Эта система является жизнеспособным вариантом для групп быстрого реагирования на доступной, открытой местности. Приоритезируйте ее использование для первоначального определения масштабов и выявления целей для более детального исследования.
2. Для исследователей: Будущее за слиянием. Следующий логический шаг — интеграция этих наземных векторных данных с растровыми данными БПЛА или спутников (например, использование ИИ для извлечения объектов, как в Ghorbanzadeh et al., 2022). Используйте точные GPS-лазерные точки в качестве обучающих данных или для валидации моделей машинного обучения, применяемых к более широким изображениям.
3. Для разработчиков: Создайте более дешевую, основанную на приложении версию, используя датчики смартфонов (LiDAR на новых iPhone, модули RTK GPS) и облачную обработку. Демократизируйте возможности.

По сути, Santangelo и др. предоставляют ценную, хотя и несколько устаревшую, схему для конкретного полевого рабочего процесса. Ее главное наследие должно заключаться в том, чтобы вдохновить на создание более доступных, интегрированных и ассистируемых ИИ решений для картирования геоопасностей.

8. Перспективы применения и направления будущих исследований

• Интеграция с БПЛА: Лазерная/GPS-система идеально подходит для проверки на местности и валидации карт оползней, созданных с помощью фотограмметрии БПЛА или LiDAR. Оператор может точно измерять объекты, идентифицированные на снимках БПЛА, на расстоянии.
• Быстрая оценка множественных опасностей: Методология может быть адаптирована для быстрого картирования других геоопасностей после события, таких как очаги обвалов, следы эрозии от наводнений или картирование сбросовых уступов после землетрясений.
• Гражданская наука и краудсорсинг: Упрощенные, основанные на приложениях версии этого инструмента могли бы позволить обученному местному персоналу или гражданским ученым вносить структурированные геопространственные данные о возникновении оползней, расширяя сети мониторинга.
• Интерфейсы дополненной реальности (AR): Будущие системы могли бы использовать AR-очки для наложения ГИС-данных и измерительных инструментов непосредственно на поле зрения, дополнительно упрощая процесс картирования.
• Распознавание объектов на основе ИИ: Совмещение системы с ИИ для анализа изображений в реальном времени могло бы помочь автоматически предлагать и классифицировать оползневые элементы через видоискатель бинокля, снижая субъективность оператора и время обучения.

9. Литература

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.