Использование данных дистанционного зондирования для оценки послеоползневого ущерба и планирования восстановления

Использование данных дистанционного зондирования для оценки послеоползневого ущерба и планирования восстановления

Технология дистанционного зондирования изменила то, как ученые и аварийно-спасательные службы оценивают ущерб после оползней. Объединив спутниковые снимки, аэрофотоснимки и обследования беспилотников, эксперты могут быстро оценивать пострадавшие регионы даже в опасной или труднодоступной местности. В этой статье рассматриваются типы используемых данных дистанционного зондирования, их применение в оценке ущерба и планировании восстановления, а также новые тенденции, которые обещают еще больше улучшить реагирование на бедствия.

Понимание дистанционного зондирования и его роли в реагировании на оползни

Оползни относятся к числу наиболее разрушительных геологических опасностей, часто поражающих без предупреждения и вызывающих значительные потери жизни, имущественный ущерб и разрушение транспортных сетей. Традиционные наземные обследования, необходимые для проверки данных, являются трудоемкими, дорогостоящими и опасными для персонала, работающего на неустойчивых склонах. Дистанционное зондирование предлагает безопасную и эффективную альтернативу, которая обеспечивает всеобъемлющую, многовековую информацию в местном, региональном и глобальном масштабах.

Дистанционное зондирование относится к получению информации об объекте или области без физического контакта, обычно с использованием датчиков, установленных на спутниках, самолетах или беспилотных летательных аппаратах (БПЛА). В контексте оползней эти данные позволяют аналитикам обнаруживать сбои наклона, отображать размеры мусора, количественно оценивать изменения в топографии и контролировать текущие опасности. Скорость и широта дистанционного зондирования делают его незаменимым как для реагирования на чрезвычайные ситуации, так и для долгосрочного планирования восстановления.

Ключевые датчики и платформы

Различные платформы дистанционного зондирования обеспечивают различные преимущества в зависимости от масштаба и срочности события:

Вклад дистанционного зондирования в оценку ущерба

Оценка ущерба после оползня требует быстрой и точной идентификации пострадавших районов, затронутой инфраструктуры и изменений в земельном покрове или топографии. Данные дистанционного зондирования непосредственно поступают в эти оценки с помощью нескольких хорошо зарекомендовавших себя методов.

Оптические изображения для визуальной интерпретации

Оптические спутниковые снимки высокого разрешения (например, WorldView-3, Pleiades) позволяют аналитикам визуально идентифицировать шрамы от оползней, отложения мусора, разрушенные здания и заблокированные дороги. Методы обнаружения изменений сравнивают изображения до и после события, чтобы выделить измененные пиксели. Например, Нормализованный индекс разности растительности (NDVI) может выявить области, где растительность была удалена слайдом, в то время как композиты ложного цвета могут различать почву, камень и воду. Правительственные учреждения и гуманитарные организации, такие как Спутниковый центр Организации Объединенных Наций (UNOSAT) [FLT: 1]], регулярно производят карты оценки ущерба от оптических изображений в течение нескольких часов после события.

Радар с синтетической апертурой (SAR) для всепогодной визуализации

Сенсоры SAR, такие как на борту Sentinel-1, излучают микроволновые импульсы и измеряют обратно рассеянный сигнал. В отличие от оптических датчиков, SAR работает через облака, дым и темноту - главное преимущество, когда оползни происходят во время суровой погоды. Обнаружение изменений на основе SAR использует когерентность или амплитуду различий между изображениями до и после события, чтобы найти поверхностные сбои. Кроме того, интерферометрический SAR (InSAR) может обнаружить тонкие смещения земли до триггеров оползня, обеспечивая раннее предупреждение. После скольжения InSAR помогает идентифицировать остаточное движение наклона, которое может представлять постоянную опасность для работников восстановления.

LiDAR для топографии высокого разрешения

Воздушно-десантный LiDAR (Light Detection and Ranging) генерирует высокоточные цифровые модели возвышения (DEM) путем измерения времени возврата лазерного импульса. Исследования после событий LiDAR захватывают подробные трехмерные представления массы оползня, включая головные защелки, боковые поля и зоны осаждения. Разница между DEM до и после событий (метод, называемый DEM of Difference, или DoD) количественно определяет разрушенные и отложенные объемы, позволяя инженерам оценивать масштаб опасности и проектировать соответствующие структуры смягчения. LiDAR также проникает в растительность, выявляя поверхностные особенности, скрытые под лесным пологом - общий сценарий в горных оползнях.

Пример: LiDAR для оценки объема

После обломков Монтесито в Калифорнии в 2017 году, аэрофотосъемки LiDAR помогли властям измерить объемы залежей мусора и моделировать потенциальные будущие пути потока. Данные информировали о временных каналах дренажа и конструкциях мусорного бассейна, снижая риск во время последующих штормов. Аналогичные приложения были задокументированы Программой по оползневым угрозам USGS , которая поддерживает обширный архив оценок, полученных LiDAR.

Приложения в планировании восстановления

Оценка ущерба является лишь первым шагом. Данные дистанционного зондирования становятся еще более ценными при использовании для планирования восстановления, распределения ресурсов и долгосрочного мониторинга.

Приоритет зон вмешательства

Карты повреждений, полученные из дистанционного зондирования, помогают менеджерам по ликвидации последствий стихийных бедствий выявлять наиболее сильно пострадавшие районы, критическую инфраструктуру (мосты, линии электропередач, системы водоснабжения) и маршруты доступа, которые нуждаются в немедленной очистке. Накладывая оползни, повреждения зданий и слои плотности населения, власти могут выделять аварийные группы и тяжелое оборудование там, где они наиболее необходимы. Во время оползня 2021 года в Чамоли, Индия, спутниковые снимки предоставили первоначальный обзор, который направлял спасательные команды в изолированные деревни.

Проектирование реабилитационных проектов

Геоморфный анализ с использованием DSM и карт шероховатости поверхности информирует о мерах стабилизации наклона, таких как удержание стен, забивание грунта или дренажные системы. Например, DEM с высоким разрешением может выявить местоположение трещин напряжения, которые могут распространиться на дальнейшие сбои. Планировщики восстановления используют эти данные для выбора безопасных строительных площадок для восстановления домов и дорог, избегая нестабильных зон, которые могут активироваться в сезон дождей.

Мониторинг прогресса и остаточных рисков

Повторные обследования дистанционного зондирования - будь то еженедельные спутниковые обзоры, ежемесячные полеты беспилотников или ежегодные LiDAR - позволяют осуществлять постоянный мониторинг прогресса восстановления. Изменения в росте растительности, движении осадков в каналах или продолжающейся деформации склонов могут быть обнаружены на ранней стадии. Этот мониторинг особенно важен для крупных, медленно движущихся оползней, которые могут оставаться активными в течение многих лет после первоначального сбоя. Обсерватория НАСА Земли часто использовала спутниковые снимки временных рядов для отслеживания ландшафтов, пострадавших от оползней, по мере их восстановления, предоставляя ценные данные для будущих планов смягчения опасности.

Интеграция дистанционного зондирования с другими источниками данных

Полный потенциал дистанционного зондирования реализуется, когда он сочетается с наблюдениями in-situ, геотехническими данными и информацией, сообщенной сообществом. Геологи и инженеры часто проверяют карты повреждений, полученные со спутников, с помощью полевых посещений, отчетов гражданской науки (например, с помощью мобильных приложений) и наземных датчиков, таких как инклинометры или дождевые датчики. Интеграция этих слоев в географические информационные системы (ГИС) создает комплексные инструменты поддержки принятия решений для менеджеров восстановления.

Машинное обучение и автоматизированный анализ

Недавние достижения в области искусственного интеллекта и компьютерного зрения ускорили оценку ущерба. Свёрточные нейронные сети (CNN), обученные на тысячах изображений до и после событий, могут автоматически определять границы оползней, классифицировать степень повреждения и даже оценивать скорость разрушения зданий. Автоматизированные системы, такие как разработанные немецким исследовательским центром геонаук GFZ, теперь обрабатывают оптические и SAR данные в режиме реального времени, сокращая труд, необходимый для аналитиков-людей. Хотя эти инструменты еще не идеальны, они резко сокращают время между сбором данных и созданием действенных карт.

Преимущества и ограничения дистанционного зондирования оползней

Преимущества

  • Быстрое реагирование: Спутники и беспилотники могут быть поставлены на задачу в течение нескольких часов после события, доставляя информацию о повреждениях ответчикам, уже находящимся на пути.
  • Безопасность: Устраняет необходимость в том, чтобы персонал входил в нестабильные и опасные зоны на этапе первоначальной оценки.
  • Широкое покрытие: Крупные оползни, которые потребуют нескольких недель для обследования пешком, могут быть отображены в одном эстакаде.
  • Многовременные возможности: Частые пересмотры позволяют отслеживать как непосредственное воздействие, так и эволюцию опасностей после оползня.
  • Экономическая эффективность: Хотя первоначальные инвестиции в датчики могут быть высокими, стоимость квадратного километра намного ниже, чем обширные наземные исследования, особенно в удаленной местности.

Ограничения

  • Погодная и световая зависимость: Оптические датчики блокируются облаками; в то время как SAR решает эту проблему, его пространственное разрешение может быть более грубым.
  • Необходимость в данных для предварительного определения событий: Для точного обнаружения изменений требуются базовые изображения и DEM-диапазоны, которые могут быть недоступны для каждого региона при требуемом разрешении.
  • Проблемы интерпретации: Автоматизированные алгоритмы могут ошибочно классифицировать тени, водоемы или недавнее строительство как оползень.
  • Объем данных и время обработки: Изображения высокого разрешения и облака точек LiDAR генерируют терабайты данных, которые требуют значительных ресурсов для хранения и вычислений.
  • Вопросы регулирования и координации: полеты беспилотников часто ограничены в зонах бедствия, и выполнение задач со спутниками может быть отложено из-за конкуренции между несколькими кризисами.

Тематические исследования, демонстрирующие эффективное использование

2014 Осо Ландслид, Вашингтон, США

В марте 2014 года в результате массивного оползня погибли 43 человека вблизи Осо, штат Вашингтон. Данные LiDAR, собранные до события, уже определили склон как неустойчивый, но постскользящая LiDAR и спутниковые снимки сыграли важную роль в картировании поля обломков и поиске жертв. Многовременной анализ помог исследователям понять механизм отказа и способствовал пересмотру строительных норм в аналогичной местности.

2017 Сьерра-Леоне Мадслид

После разрушительных внезапных наводнений и оползней в Фритауне, Сьерра-Леоне и вокруг него, ЮНОСАТ быстро подготовил карты оценки ущерба с использованием оптических спутниковых изображений высокого разрешения. Эти карты руководили развертыванием поисково-спасательных групп и позже проинформировали о планировании переселения тысяч перемещенных лиц. Сочетание спутниковых снимков с данными карты открытой улицы позволило властям идентифицировать наиболее уязвимые неформальные поселения.

2023 Тубанская оползень, Индонезия

После крупного оползня в Тубане, Восточная Ява, индонезийские власти развернули беспилотники для захвата ортофотоснимков и DSM-диапазонов пострадавшего района. Данные позволили местному правительству рассчитать объем смещенного материала и спроектировать дренажную систему, которая отводила поверхностный стоок от неустойчивого склона. Весь процесс оценки и планирования занял менее недели, иллюстрируя преимущество скорости дистанционного зондирования на основе беспилотников для событий среднего размера.

Будущие направления: новые технологии и тенденции

Роль дистанционного зондирования в управлении оползнями будет продолжать расширяться по мере созревания новых датчиков и аналитических методов.

Более высокое разрешение и более частое спутниковое покрытие

Созвездия малых спутников, таких как спутники, управляемые Planet Labs, теперь обеспечивают ежедневное глобальное покрытие с разрешением от 3 до 5 метров. Предстоящие миссии, такие как NISAR NASA-ISRO, будут предоставлять глобальные данные SAR L-диапазона быстрого обзора, улучшая обнаружение медленно движущихся оползней в растительной области. Сочетание высокого временного разрешения с умеренным пространственным разрешением сделает дистанционное зондирование более отзывчивым, чем когда-либо.

Слияние данных в реальном времени и облачные вычисления

Облачные платформы, такие как Google Earth Engine и Microsoft Planetary Computer, позволяют пользователям обрабатывать и комбинировать оптические, SAR и LiDAR наборы данных без локальных аппаратных ограничений. В режиме реального времени прием спутниковых изображений и каналов беспилотников в сочетании с автоматизированными алгоритмами обнаружения оползней может вскоре доставить обновления повреждений полевым командам в течение нескольких минут после эстакады.

Интеграция с датчиками Интернета вещей (IoT)

Данные дистанционного зондирования все чаще интегрируются с наземными датчиками IoT, такими как зонды влажности почвы, наклонные и дождевые датчики, для подачи в системы раннего предупреждения. Обнаруженная спутником аномалия деформации может запускать локальные датчики для сбора данных более высокой частоты, создавая многоуровневую сеть мониторинга, которая уравновешивает покрытие с точностью.

Валидация на основе сообщества через краудсорсинг

Такие платформы, как Гуманитарная команда OpenStreetMap (HOT) OpenStreetMap и инициатива НАСА «Foster», позволяют добровольцам проверять карты повреждений, полученные с помощью спутниковых снимков и полевых фотографий. Эта краудсорсинговая наземная правда ускоряет производство надежных продуктов оценки, особенно когда профессиональные команды не могут добраться до места.

Заключение

Данные дистанционного зондирования стали незаменимым активом для оценки и планирования послеоползновенного ущерба. От оптических спутников, которые рисуют картину разрушений, до датчиков SAR, которые видят сквозь штормовые облака и LiDAR, которые показывают скрытую топографию горки, каждая технология предлагает уникальные сильные стороны. В сочетании с наземными данными и автоматизированным анализом эти инструменты позволяют быстрее, безопаснее и более объективные оценки, которые непосредственно поддерживают сообщества в кризисе. По мере расширения спутниковых созвездий и более сложных вычислительных методов окно между оползнем и подробной, действенной картой будет продолжать сокращаться - спасая жизни и укрепляя устойчивость в регионах, подверженных оползням по всему миру.

Для дальнейшего чтения о применении дистанционного зондирования при оценке оползней обратитесь к ресурсам ЮНЕСКО по снижению риска оползней и USGS Landslide Hazards Program .