ИСПОЛЬЗОВАНИЕ ЦИФРОВЫХ МОДЕЛЕЙ РЕЛЬЕФА ПРИ РАСЧЕТЕ ЗОН ЗАТОПЛЕНИЯ

Антон Сергеевич Коротин
Нижегородский государственный архитектурно-строительный университет, Нижний Новгород

Евгений Владимирович Попов
Нижегородский государственный архитектурно-строительный университет, Нижний Новгород


Аннотация


. В статье представлен комплексный подход к использованию компьютерной обработки материалов дистанционного зондирования земли для количественной оценки территорий, подвергающихся наводнениям. Приведѐн практический опыт использования предложенного алгоритма с применением ГИС для возможности получения данных о границах территорий на примере древесно-кустарниковой растительности, необходимых для учета при расчете возможных зон затопления на базе 3D-моделей рельефа при необходимой адаптации входной информации. При расчетах вегетационного индекса использовались возможности открытых программных продуктов и общедоступных материалов дистанционного зондирования с применением метода NDVI. Применение этапного подхода к определению зон затопления с применением единых исходных данных дистанционного зондирования позволило исключить ряд ошибок, связанных с особенностями получения производных элементов ДЗЗ, таких как трансформирование, привязка, коррекция и пр. Расчѐт границ зон затопления выполнен путем определения линии пересечения поверхности рельефа с поверхностью, имитирующей уровень воды. Численно установлена зависимость качества определения границ зон затопления от уровня лесистости территории. Косвенно подтверждено наличие в открытых цифровых моделях рельефа остаточных артефактов, представляющих собой растительный покров.

Ключевые слова


геометрическое моделирование, спутниковые снимки, классификация изображений, цифровая модель рельефа, геоинформационные системы, зоны затопления, древесно-кустарниковая растительность

Полный текст:

PDF

Литература


Чандра А.М., Гош С.К. Дистанционное зондирование и географические информационные системы. М.: Техносфера, 2008. 307 с.

Коротин А.С., Никольский Е.К. Природные ресурсы в геоинформационной системе бассейна реки Кудьмы // Великие реки–2013: тр. 15-й междунар. науч.-промыш. форума. Н.Новгород, 2013. Т. 3. С. 430–433.

Коротин А.С., Никольский Е.К. Проект геоинформационной системы бассейна реки Кудьмы //Великие реки–2013: тр.15-й междунар. науч.-промыш. форума. Н.Новгород, 2013. Т. 3. С. 406–408.

Подольская Е.С. Использование данных дистанционного зондирования Земли из космоса для распознавания изображения дорог в лесном хозяйстве [Электронный ресурс] // Вопросы лесной науки. 2022. Т. 5, № 4. С. 3–21. URL: https://jfsi.ru/5-4-2022-podolskaia/ (дата обращения: 15.06.2024).

Географические информационные системы и дистанционное зондирование GISLAB [Электронный ресурс]. URL: https://gis-lab.info/qa/qgis-landsat-merge.html (дата обращения 17.06.2024)

Габитова А.А. Дистанционное зондирование и ГИС в оценке лесозарастания неиспользуемых сельскохозяйственных земель [Электронный ресурс] // Успехи современного естествознания. 2022. № 11. С. 42–46. URL: https://natural-sciences.ru/ru/article/view?id=37926 (дата обращения: 17.06.2024).

Jarvis A. Practical use of SRTM data in the tropics – Comparisons with digital elevation models generated from cartographic data. Working Document, Vol.198/ A. Jarvis, J. Rubiano, A. Nelson, A. Farrow, M. Mulligan //Centro International de Agricultura Tropical (CIAT). 2004. P. 32.

Yafeng L., Xingang X., Wenbiao W., Yaohui Z., Guijun Y., Xiaodong Y., Yang M., Xiangtai J., Hanyu X. Hyperspectral Estimation of Chlorophyll Content in Grape Leaves Based on Fractional-Order Differentiation and Random Forest Algorithm. Remote Sens. 2024, 16(12), 2174; DOI:10.3390/rs16122174

Khan S.H., He X., Porikli F., Bennamoun M. Forest Change Detection in Incomplete Satellite Images with Deep Neural Networks. IEEE Trans. Geosci. Remote Sens. 2017, 55, 5407–5423.

Bruzzone L., Fernández-Prieto D. Automatic analysis of the difference image for unsupervised change detection. IEEE Trans. Geosci. Remote Sens. 2000, 38, 1171–1182.

Liu, M., Chai, Z., Deng, H., Liu, R. A CNN-Transformer Network With Multiscale Context Aggregation for Fine-Grained Cropland Change Detection. IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens. 2022, 15, 4297–4306.

Коротин А.С., Попов Е.В. Реконструкция местности на основе откорректированных цифровых моделей рельефа. В сб.: Проблемы машиноведения. Материалы III Международной научно-технической конференции. В 2 ч. Научный редактор П.Д. Балакин. 2019. С. 283–289.

Gorokhovich Y., Voustianiouk A. Accuracy assessment of the processed SRTM-based elevation data by CGIAR using field data from USA and Thailand and its relation to the terrain characteristic // Remote Sensing of Environment. 2006. Vol. 110, no. 4, pp. 409–415.

Вишневская И.А. Компьютерная технология оценки зон затопления при наводнениях: автореф. дис. … канд. техн. наук. М., 2006. 23 с.

Коваленко В.В. Моделирование гидрологических процессов. СПб: Гидрометеоиздат, 1993. 250 с.

Роуч П. Вычислительная гидродинамика. М.: Мир, 1980. 616 с.

Мирза Н.С. Геометрический подход для решения задачи расчѐта зон затопления. Томск: Томск. гос. ун-т, 2007. 8 с.

Сидоров Н.П. Расчет на одномерной модели речной сети зон затопления по максимальным уровням водпостов из опыта СКИОВО р. Сура // Водное хозяйство России: проблемы, технологии, управление. 2010. № 3. С. 42–55.

Черниховский Д.М., Сукачева В.Н. Оценка связей морфометрических характеристик рельефа с количественными и качественными характеристиками лесов на основе цифровых моделей рельефа ASTER и SRTM // Сибирский лесной журнал. 2017. № 3. С. 28–39.

Коротин А.С., Попов Е.В. Обработка цифровых моделей рельефа местности с целью повышения достоверности анализа морфометрии водных бассейнов // Программные системы и вычислительные методы. 2018. № 2. С. 67–83. DOI: 10.7256/2454-0714.2018.2.26383. URL: http://e-notabene.ru/ppsvm/article_26383.html


Ссылки

  • На текущий момент ссылки отсутствуют.