Новый алгоритм корегистрации цифровых моделей высот (ILEM)

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В работе предлагается новый алгоритм, позволяющий производить высокоточное совмещение разновременных цифровых моделей высот, не имеющих надлежащей абсолютной географической привязки, для вычисления по ним разности высот за известный интервал времени. Подобные алгоритмы существуют, предлагаемый – основан на несколько иных принципах, а потому может дополнять инструментарий для корегистрации пространственных данных. В работе описаны этапы алгоритма, в обобщенном виде включающего сначала совмещение регистрируемой модели с референсной в плане, затем – по высоте. Проведена апробация алгоритма на двух участках и качественно разных данных: 1) обвал-оползень 2014 г. в долине р. Гейзерной на Камчатке по данным космической съемки и стереофотограмметрии (ArcticDEM), 2) участок мониторинга эрозии в урочище Гитче-Гижгит на Большом Кавказе по данным аэрофотосъемки и подхода “структура из движения” (БПЛА). Предлагаемый алгоритм оказывается эффективно применимым к данным разного происхождения, детальности, пространственного охвата. Условия его эффективного применения – наличие: 1) сколько-нибудь значительных по площади участков с неизменным рельефом и 2) выраженного рисунка топографического расчленения (текстуры изображения или цифровой модели высоты). Показано, что уточнение географической привязки регистрируемой модели высот значительно улучшает оценки объемов денудированного и аккумулированного материала, что особенно важно в задачах динамической геоморфологии. В приведенных примерах ошибка регистрации цифровых моделей высот снизилась по итогу работы алгоритма от 3–4 до почти 70 раз. А объемы изменений поверхности на участках достоверно преобладающей денудации скорректировались как по величине (как правило, в сторону уменьшения), так и по знаку.

Полный текст

Доступ закрыт

Об авторах

С. В. Харченко

Московский государственный университет имени М.В. Ломоносова; Институт географии РАН

Автор, ответственный за переписку.
Email: xar4enkkoff@yandex.ru

географический факультет

Россия, Москва; Москва

Список литературы

  1. Девдариани А.С. (1950). Кинематика рельефа. В сб.: Вопросы географии. Сборник 21. Геоморфология. М.: Географгиз. С. 55–85.
  2. Лебедева Е.В., Сугробов В.М., Чижова В.П. и др. (2020). Долина р. Гейзерной (Камчатка): гидротермальная деятельность и особенности рельефообразования. Геоморфология. № 2. C. 60–73. https://doi.org/10.31857/S0435428120020066
  3. Леонов В.Л. (2014). Обвал и оползень, произошедшие 4 января 2014 г. в Долине Гейзеров, Камчатка, и их последствия. Вестник КРАУНЦ. Науки о Земле. № 1. Вып. 23. С. 7–20.
  4. Харченко С.В. (2023). Способ корегистрации цифровых моделей высот для получения гидрологически корректного представления земной поверхности. Геоморфология и палеогеография. Т. 54. № 3. С. 150–164.https://doi.org/10.31857/S2949178923030039
  5. Чибуничев А.Г. (2022). Фотограмметрия. М.: Изд-во МИИГАиК. 328 с.
  6. Aguilar F.J., Aguilar M.A., Fernandez I., et al. (2012). A New Two-Step Robust Surface Matching Approach for Three-Dimensional Georeferencing of Historical Digital Elevation Models. IEEE Trans. Geosci. Electron. № 9. P. 589–593. https://doi.org/10.1109/LGRS.2011.2175899.2012
  7. Besl P.J., McKay N.D. (1992). Method for registration of 3-D shape. Sensor fusion IV: control paradigms and data structures. V. 1611. P. 586–606.https://doi.org/10.1109/34.121791
  8. Beyer R.A., Alexandrov O., McMichael S. (2018). The Ames Stereo Pipeline: NASA’s open source software for deriving and processing terrain data. Earth and Space Sci. V. 5. Iss. 9. P. 537–548.https://doi.org/10.1029/2018EA000409
  9. Bishop T.F., Minasny B., McBratney A.B. (2006). Uncertainty analysis for soil‐terrain models. Int. J. of Geographical Information Sci. V. 20. Iss. 2. P. 117–134.https://doi.org/10.1080/13658810500287073
  10. Crosetto M. (2002). Calibration and validation of SAR interferometry for DEM generation. ISPRS J. of Photogrammetry and Remote Sensing. V. 57. Iss. 3. P. 213–227.https://doi.org/10.1016/S0924-2716(02)00107-7
  11. Girardeau-Montaut D. (2016). CloudCompare. France: EDF R&D Telecom ParisTech. V. 11. P. 5.
  12. NCALM-UH/CODEM [Electronic data]. Access way: https://github.com/NCALM-UH/CODEM/tree/main (access date: 09.09.2023).
  13. Nuth C., Kääb A. (2011). Co-registration and bias corrections of satellite elevation data sets for quantifying glacier thickness change. The Cryosphere. V. 5. Iss. 1. P. 271–290.https://doi.org/10.5194/tc-5-271-2011
  14. Sedaghat A., Naeini A.A. (2018). DEM orientation based on local feature correspondence with global DEMs. GIScience & Remote Sensing. № 55. P. 110–129.https://doi.org/10.1080/15481603.2017.1364879
  15. Shean D.E., Alexandrov O., Moratto Z.M. et al. (2016). An automated, open-source pipeline for mass production of digital elevation models (DEMs) from very-high-resolution commercial stereo satellite imagery. ISPRS J of Photogrammetry and Remote Sensing. № 116. P. 101–117.https://doi.org/10.1016/j.isprsjprs.2016.03.012
  16. Van Niel T.G., McVicar T.R., Li L. et al. (2008). The impact of misregistration on SRTM and DEM image differences. Remote Sensing of Environment. V. 112. Iss. 5. P. 2430–2442.https://doi.org/10.1016/j.rse.2007.11.003
  17. Westoby M.J., Brasington J., Glasser N.F. et al. (2012). ‘Structure-from-Motion’ photogrammetry: A low-cost, effective tool for geoscience application. Geomorphology. № 179. P. 300–314.https://doi.org/10.1016/j.geomorph.2012.08.021

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Варианты генерации гексагональной сетки для поиска устойчивых площадок на участке многорукавного русла р. Гейзерной. Во всех случаях шаг сетки D = 15 м. Размеры полигонов: (а) – 1D, (б) – 0.7D, (в) – 1.5D, (г) – 2D.

3. Рис. 2. Процедура корегистрации ЦМВ с использованием алгоритма ILEM. Пронумерованы обязательные пункты. Сокращения: ОФП – ортофотоплан, реф. – референсный (ая), рег. – регистрируемый (ая), стат. – статистическое.

4. Рис. 3. Участок долины р. Гейзерной (Камчатка). (а) – фотоплан (ESRI Imagery); разности высот за 2012–2020 гг.: (б) – до корегистрации и (в) – после нее, (г) и (д) – то же за 2012–2022 гг.

5. Рис. 4. Участок Гитче-Гижгит (Кавказ). (а) – ортофотоплан участка на 2020 г., (б) – цифровая модель рельефа на 2020 г., (в) – разность высот за 2020–2022 гг. без корегистрации, (г) – разность высот за 2020–2023 гг. после корегистрации.

Скачать (882KB)

© Российская академия наук, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».