Гантимурова Светлана Анатольевна, младший научный сотрудник департамента геоинформатики, институт «Сибирская школа геонаук»
г. Иркутск
Svetlana A. Gantimurova, Junior Researcher of the Geoinformatics Department, Siberian School of Geosciences
Irkutsk
Паршин Александр Вадимович, кандидат геолого-минералогических наук, проректор по геологии, наукам о Земле и окружающей среде; старший научный сотрудник лаборатории геохимии рудообразования и геохимических методов поисков
г. Иркутск
Alexander V. Parshin, Cand. Sci. (Geol. & Mineral.), Vice-Rector for Geology, Earth and Environmental Sciences; Senior Researcher of the Laboratory of Geochemistry of Ore Formation and Geochemical Prospecting Methods
Irkutsk
Хуан Гуаньвэнь, профессор в области геодезии и мониторинга стихийных бедствий, Школа инженерной геологии и геоматики
г. Сиань
Guanwen Huang, Professor in Geodesy and Disaster Monitoring, School of Geological Engineering and Geomatics
Xi’an
Ли Цзюньюань, доктор наук в области гидрогеологии, Школа водных ресурсов и окружающей среды
г. Сиань
Junyuan Li, PhD (Hydrogeology), School of Water and Environment
Xi’an
Цзин Це, доктор наук в области геодезии и мониторинга стихийных бедствий, Школа инженерной геологии и геоматики
г. Сиань
Ce Jing, PhD (Geodesy and Disaster Monitoring), School of Geological Engineering and Geomatics
Xi’an
Залуцкий Вячеслав Трофимович, кандидат технических наук, заведующий лабораторией цифровой геодезии, институт «Сибирская школа геонаук»
г. Иркутск
Vyacheslav T. Zalutskii, Cand. Sci. (Eng.), Head of the Laboratory of Digital Geodesy, Siberian School of Geosciences
Irkutsk
Использование методов дистанционного зондирования Земли позволяет быстро изучать большие по площади и труднодоступные территории, в пределах которых могут происходить опасные гравитационные геологические процессы (оползни, камнепады). Картирование оползневых зон на основе спутниковых данных в региональном масштабе на сегодняшний день уже хорошо развито на практике. В последние десятилетия стремительно развиваются теория и практика применения технологий беспилотных летательных аппаратов для дистанционного зондирования Земли. В обоих случаях для анализа георисков используются мультиспектральные данные и цифровые модели рельефа. Целью данного исследования является сравнительный анализ результатов картирования оползневой опасности, полученных на основе общедоступных спутниковых данных и данных с беспилотных летательных аппаратов, и выявление преимуществ и ограничений обеих методик. Ключевые предикторы (углы уклона склонов, профильная кривизна, нормализованный относительный индекс растительности, индекс влажности и коэффициент длины-уклона) для спутниковых данных были получены из цифровых моделей рельефа ALOS AW3D30 и данных Sentinel-2. Данные с беспилотных летательных аппаратов были получены фотограмметрическим методом с помощью мультиспектральных фотокамер. Для определения весов факторов применялся метод аналитической иерархии через попарные сравнения. Средствами QGIS построены карты рисков оползневых процессов для одного и того же участка территории. Сравнительный анализ наглядно показал, как различие в разрешении входных данных и методике съемок влияет на прогностическую ценность результатов. Основной вывод: из-за генерализации по разрешению (в случае спутниковых съемок) небольшие неустойчивые скальные блоки могут либо искусственно увеличивать уязвимость прилегающих склонов, либо оставаться полностью незамеченными. В то же время показано, что данные высокого разрешения с беспилотных летательных аппаратов не заменяют данные спутниковых дистанционных зондирований Земли, а дополняют их, методы служат разным пространственным масштабам работ и исследовательским задачам. Результаты подтверждают, что спутниковые данные и данные с беспилотных летательных аппаратов должны быть комплементарны. Спутниковые данные подходят для регионального картирования модели поверхности земли (Landslide Susceptibility Mapping), а данные с беспилотных летательных аппаратов необходимы для детальных исследований отдельных участков, выделенных по спутниковым данным. Рекомендуется гибридная методология: космические данные – для первичного зонирования опасных зон, а беспилотные летательные аппараты – для детального изучения опасных участков.
Remote sensing methods enable the rapid study of large, hard-to-reach areas prone to hazardous gravitational geological processes (landslides, rockfalls). Regional mapping of high-risk landslide areas based on satellite remote sensing data is already well-developed. In recent decades, the theory and practice of using unmanned aerial vehicle (UAV) technologies for remote sensing have rapidly evolved. In both cases, multispectral survey data and digital elevation models are used to analyze geological risks. The purpose of the presented research is to compare the results of landslide susceptibility mapping based on available satellite data and unmanned aerial vehicles data and to identify the advantages and limitations of both methods. The key predictors for satellite data (slope angles, profile curvature, normalized difference vegetation index, wetness index and length-slope factor) were derived from ALOS AW3D30 digital evaluation models and Sentinel-2 data. Unmanned aerial vehicle data were obtained using a photogrammetric method with multispectral cameras. To determine the weights of factors, the analytical hierarchy process was used through pairwise comparisons. Landslide susceptibility maps were generated for the same area using QGIS. The comparative analysis has clearly demonstrated how differences in input data resolution and survey methodology impact the predictive value of the results. The major finding is that due to resolution generalization (in the case of satellite imagery) small, unstable rock blocks can artificially increase the vulnerability of adjacent slopes, on the other hand, some small, but hazardous rocks can remain completely unnoticed. At the same time, it is shown that high-resolution data from unmanned aerial vehicles do not replace satellite remote sensing data, but rather complement it. The methods serve different spatial scales and research objectives. The results confirm that satellite data and data from unmanned aerial vehicles should be complementary. Satellite data are suitable for regional landslide susceptibility mapping, while data from unmanned aerial vehicles are essential for detailed studies of individual areas identified using satellite data. Therefore, a hybrid methodology is recommended: satellite data for the initial zoning of hazardous areas, and data from unmanned aerial vehicles for the detailed study of hazardous areas.
The authors declare that there are no conflicts of interest present.