Подать статью
Стать рецензентом
Online First
Научная статья
Геотехнология и инженерная геология

Исследования точности построения цифровых моделей рельефа техногенных массивов по данным спутниковых определений координат

Авторы:
М. Я. Брынь1
М. Г. Мустафин2
Д. Р. Баширова3
Б. Ю. Васильев4
Об авторах
  • 1 — д-р техн. наук профессор Петербургский государственный университет путей сообщения Императора Александра I ▪ Orcid
  • 2 — д-р техн. наук заведующий кафедрой Санкт-Петербургский горный университет императрицы Екатерины II ▪ Orcid
  • 3 — канд. техн. наук главный специалист отдела АО «Газпром диагностика» ▪ Orcid
  • 4 — канд. техн. наук ведущий инженер Санкт-Петербургский горный университет императрицы Екатерины II ▪ Orcid
Дата отправки:
2023-09-05
Дата принятия:
2024-11-07
Дата публикации онлайн:
2024-12-18

Аннотация

На всех этапах жизненного цикла зданий и сооружений выполняется геодезическое сопровождение электронными средствами измерений – системой лазерного сканирования, беспилотными воздушными суднами и спутниковым оборудованием. При этом получают набор геопространственных данных, которые можно представить в виде цифровой модели. Актуальность настоящей работы – практические рекомендации для построения локальной модели квазигеоида и цифровой модели рельефа (ЦМР) определенной точности. В качестве объектов исследования выбраны локальная модель квазигеоида и ЦМР. Отмечено, что ЦМР часто создается на обширные территории, и тогда на такие модели необходимо создавать локальную модель квазигеоида. Рассматривается задача оценки точности построения таких моделей, решение которой позволит получить лучшее приближение к реальным данным на заданных наборах полевых материалов. Представлен общий алгоритм создания как ЦМР, так и локальных моделей квазигеоида в программном продукте Golden Software Surfer. Построения выполнялись методами пространственной интерполяции. При построении локальной модели квазигеоида для площадного объекта отмечены методы триангуляции с линейной интерполяцией (наименьшее значение средней квадратической погрешности (СКП) интерполяции составило 0,003 м) и кригинга (0,003 м). Наименьшее значение СКП определения высот по контрольным точкам для площадного объекта получено методами естественного соседа (0,004 м) и кригинга (0,004 м). При построении локальной модели квазигеоида на линейный объект выделены методы кригинга (0,006 м) и триангуляции с линейной интерполяцией (0,006 м). Построение цифровой модели рельефа привело к наименьшему совокупному значению оцениваемых параметров: на равнинном участке земной поверхности – метод естественного соседа, для горного участка местности с антропогенным рельефом – метод квадратичного кригинга, для горного участка местности – квадратичный кригинг.

Ключевые слова:
цифровая модель рельефа облако точек методы пространственной интерполяции квазигеоид нормальная высота геодезическая высота средняя квадратическая погрешность кригинг триангуляция естественный сосед
Online First

Литература

  1. Пономаренко М.Р., Кутепов Ю.И., Шабаров А.Н. Информационно-аналитическое обеспечение мониторинга состояния объектов открытых горных работ на базе технологий веб-картографии // Горный информационно-аналитический бюллетень. 2022. № 8. С. 56-70. DOI: 10.25018/0236_1493_2022_8_0_56
  2. Рагузин И.И., Быкова Е.Н., Лепихина О.Ю. Метод полигональной метрической сетки для оценки кадастровой стоимости земельных участков // Вестник Московского университета. Серия 5. География. 2023. Т. 78. № 3. С. 92-103. DOI: 10.55959/MSU0579-9414.5.78.3.8
  3. Bykowa E., Skachkova M., Raguzin I. et al. Automation of Negative Infrastructural Externalities Assessment Methods to Determine the Cost of Land Resources Based on the Development of a «Thin Client» Model // Sustainability. 2022. Vol. 14. Iss. 15. № 9383. DOI: 10.3390/su14159383
  4. Бажин В.Ю., Масько О.Н., Мартынов С.А. Автоматизированный контроль и управление балансом шихты при производстве металлургического кремния // Цветные металлы. 2023. № 4. С. 53-60. DOI: 10.17580/tsm.2023.04.07
  5. Bazhin V.Yu., Masko O.N., Huy H. Nguyen. Increasing the speed of information transfer and operational decision-making in metallurgical industry through an industrial bot // Non-ferrous Metals. 2023. № 1. P. 62-67. DOI: 10.17580/nfm.2023.01.10
  6. Гендлер С.Г., Крюкова М.С. Управление тепловым режимом линий метрополитена, включающих в себя двухпутные и однопутные тоннели // Горный информационно-аналитический бюллетень. 2023. № 9-1. С. 248-269. DOI: 10.25018/0236_1493_2023_91_0_248
  7. Карасев М.А., Поспехов Г.Б., Астапенко Т.С., Шишкина В.С. Анализ моделей прогноза напряженно-деформированного состояния техногенных грунтов низкой прочности // Горный информационно-аналитический бюллетень. 2023. № 11. С. 49-69. DOI: 10.25018/0236_1493_2023_11_0_49
  8. Кульчицкий А.А., Мансурова О.К., Николаев М.Ю. Распознавание дефектов грузоподъемных канатов металлургического оборудования оптическим методом с помощью нейронных сетей // Черные металлы. 2023. № 3. С. 81-88. DOI: 10.17580/chm.2023.03.13
  9. Петров П.А., Шестаков А.К., Николаев М.Ю. Сбор и обработка данных алюминиевого электролизера с использованием многофункционального пробойного устройства и системы технического зрения // Цветные металлы. 2023. № 4. С. 45-53. DOI: 10.17580/tsm.2023.04.06
  10. Петрова Т.А., Астапенко Т.С., Кологривко А.А., Есман Н.М. Снижение геоэкологических последствий при складировании галитовых отходов // Горный информационно-аналитический бюллетень. 2022. № 10-1. С. 155-162 (in English). DOI: 10.25018/0236_1493_2022_101_0_155
  11. Беликов А.А., Беляков Н.А. Методика прогноза напряженно-деформированного состояния междукамерных целиков, закрепленных податливой тросовой крепью // Горный информационно-аналитический бюллетень. 2023. № 4. С. 20-34. DOI: 10.25018/0236_1493_2023_4_0_20
  12. Беляков Н.А., Беликов А.А. Прогноз целостности водозащитной толщи на Верхнекамском месторождении калийных руд // Горный информационно-аналитический бюллетень. 2022. № 6-2. С. 33-46. DOI: 10.25018/0236_1493_2022_62_0_33
  13. Huxiong Li, Weiya Ye, Jun Liu et al. High-Resolution Terrain Modeling Using Airborne LiDAR Data with Transfer Learning // Remote Sensing. 2021. Vol. 13. Iss. 17. № 3448. DOI: 10.3390/rs13173448
  14. Hashemi-Beni L., Jones J., Thompson G. et al. Challenges and Opportunities for UAV-Based Digital Elevation Model Generation for Flood-Risk Management: A Case of Princeville, North Carolina // Sensors. 2018. Vol. 18. Iss. 11. № 3843. DOI: 10.3390/s18113843
  15. Гусев В.Н., Блищенко А.А., Санникова А.П. Исследование комплекса факторов, оказывающих влияние на погрешность реализации маркшейдерской съемки горных объектов с применением геодезического квадрокоптера // Записки Горного института. 2022. № 254. С. 173-179. DOI: 10.31897/PMI.2022.35
  16. Кремчеев Э.А., Данилов А.С., Смирнов Ю.Д. Состояние метрологического обеспечения систем мо-ниторинга на базе беспилотных воздушных судов // Записки Горного института. 2019. Т. 235. C. 96-105. DOI: 10.31897/PMI.2019.1.96
  17. Меньшиков С.Н., Джалябов А.А., Васильев Г.Г. и др. Пространственные модели, разрабатываемые с применением лазерного сканирования на газоконденсатных месторождениях северной строительно-климатической зоны // Записки Горного института. 2019. Т. 238. С. 430-437. DOI: 10.31897/PMI.2019.4.430
  18. Luethje F., Tiede D., Eisank C. Terrain Extraction in Built-Up Areas from Satellite Stereo-Imagery-Derived Surface Models: A Stratified Object-Based Approach // ISPRS International Journal of Geo-Information. 2017. Vol. 6. Iss. 1. № 9.DOI: 10.3390/ijgi6010009
  19. Das R.K., Samanta S., Jana S.K., Rosa R. Polynomial interpolation methods in development of local geoid model // The Egyptian Journal of Remote Sensing and Space Science. 2018. Vol. 21. Iss. 3. P. 265-271. DOI: 10.1016/j.ejrs.2017.03.002
  20. Ahmed H.M., Mohamed E.A., Bahaa S.A. Evaluating two numerical methods for developing a local geoid model and a local digital elevation model for the Red Sea Coast, Egypt // Journal of King Saud University – Engineering Sciences. 2023. Vol. 35. Iss. 6. P. 384-392. DOI: 10.1016/j.jksues.2021.04.004
  21. Banasik P., Bujakowski K. The Use of Quasigeoid in Leveling Through Terrain Obstacles // Reports on Geodesy and Geoinformatics. 2017. Vol. 104. Iss. 1. P. 57-64. DOI: 10.1515/rgg-2017-0015
  22. Borowski Ł., Banaś M. The Best Robust Estimation Method to Determine Local Surface // Baltic Journal of Modern Computing. 2019. Vol. 7. № 4. P. 525-540. DOI: 10.22364/bjmc.2019.7.4.06
  23. Habib M., Alzubi Y., Malkawi A., Awwad M. Impact of interpolation techniques on the accuracy of large-scale digital elevation model // Open Geosciences. 2020. Vol. 12. Iss. 1. P. 190-202. DOI: 10.1515/geo-2020-0012
  24. Amodio A.M., Aucelli P.P.C., Garfì V., Rosskopf C.M. Digital photogrammetric analysis approaches for the realization of detailed terrain models // Rendiconti Online della Società Geologica Italiana. 2020. Vol. 52. P. 69-75. DOI: 10.3301/ROL.2020.21
  25. Bui L.K., Glennie C.L., Hartzell P.J. Rigorous Propagation of LiDAR Point Cloud Uncertainties to Spatially Regular Grids by a TIN Linear Interpolation // IEEE Geoscience and Remote Sensing Letters. 2022. Vol. 19. № 7003105. DOI: 10.1109/LGRS.2021.3134587
  26. Boreggio M., Bernard M., Gregoretti C. Evaluating the Differences of Gridding Techniques for Digital Elevation Models Generation and Their Influence on the Modeling of Stony Debris Flows Routing: A Case Study From Rovina di Cancia Basin (North-Eastern Italian Alps) // Frontiers in Earth Science. 2018. Vol. 6. № 89. DOI: 10.3389/feart.2018.00089
  27. Fazilova D., Magdiev H. Comparative Study of Interpolation Methods in Development of Local Geoid // International Journal of Geoinformatics. 2018. Vol. 14. № 1. P. 29-33.
  28. Banasik P., Bujakowski K., Kudrys J. et al. Development of a precise local quasigeoid model for the city of Krakow – QuasigeoidKR2019 // Reports on Geodesy and Geoinformatics. 2020. Vol. 109. Iss. 1. P. 25-31. DOI: 10.2478/rgg-2020-0004
  29. Mysen E. On the uncertainty of height anomaly differences predicted by least-squares collocation // Journal of Geodetic Science. 2020. Vol. 10. Iss. 1. P. 53-61. DOI: 10.1515/jogs-2020-0111
  30. Hosseini-Asl M., Amiri-Simkooei A.R., Safari A. Establishment of a corrective geoid surface by spline approximation of Iranian GNSS/levelling network // Measurement. 2022. Vol. 197. № 111341. DOI: 10.1016/j.measurement.2022.111341
  31. Medved K., Kuhar M., Koler B. Regional gravimetric survey of central Slovenia // Measurement. 2019. Vol. 136. P. 395-404. DOI: 10.1016/j.measurement.2018.12.065
  32. Chymyrov A. Comparison of different DEMs for hydrological studies in the mountainous areas // The Egyptian Journal of Remote Sensing and Space Science. 2021. Vol. 24. Iss. 3. Part 2. P. 587-594. DOI: 10.1016/j.ejrs.2021.08.001
  33. Mahbuby H., Safari A., Foroughi I. Local gravity field modeling using spherical radial basis functions and a genetic algorithm // Comptes Rendus Geoscience. 2017. Vol. 349. № 3. P. 106-113. DOI: 10.1016/j.crte.2017.03.001
  34. Belay E.Y., Godah W., Szelachowska M., Tenzer R. ETH-GQS: An estimation of geoid-to-quasigeoid separation over Ethiopia // Geodesy and Geodynamics. 2022. Vol. 13. Iss. 1. P. 31-37. DOI: 10.1016/j.geog.2021.09.006
  35. Qingwang Liu, Liyong Fu, Qiao Chen et al. Analysis of the Spatial Differences in Canopy Height Models from UAV LiDAR and Photogrammetry // Remote Sensing. 2020. Vol. 12. Iss. 18. № 2884. DOI: 10.3390/rs12182884
  36. Мустафин М.Г., Баландин В.Н., Брынь М.Я. и др. Топографо-геодезическое и картографическое обеспечение Арктической зоны Российской Федерации // Записки Горного института. 2018. Т. 232. С. 375-382. DOI: 10.31897/PMI.2018.4.375
  37. Mustafin M.G., Valkov V.A., Kazantsev A.I. Monitoring of Deformation Processes in Buildings and Structures in Metropolises // Procedia Engineering. 2017. Vol. 189. P. 729-736. DOI: 10.1016/j.proeng.2017.05.115
  38. Rusli N., Majid M.R., Nur Fakihin Auni A. Razali, Nur Fatma Fadilah Yaacob. Accuracy Assessment of DEM from UAV and TanDEM-X Imagery // 2019 IEEE 15th International Colloquium on Signal Processing & Its Applications, 8-9 March 2019, Penang, Malaysia. IEEE Xplore, 2019. P. 127-131. DOI: 10.1109/CSPA.2019.8696088
  39. Habib M. Evaluation of DEM interpolation techniques for characterizing terrain roughness // Catena. 2021. Vol. 198. № 105072. DOI: 10.1016/j.catena.2020.105072
  40. Li L., Nearing M.A., Nichols M.H. et al. The effects of DEM interpolation on quantifying soil surface roughness using terrestrial LiDAR // Soil and Tillage Research. 2020. Vol. 198. № 104520. DOI: 10.1016/j.still.2019.104520
  41. Chuanfa Chen, Yixuan Bei, Yanyan Li, Weiwei Zhou. Effect of interpolation methods on quantifying terrain surface roughness under different data densities // Geomorphology. 2022. Vol. 417. № 108448. DOI: 10.1016/j.geomorph.2022.108448
  42. Cățeanu M., Ciubotaru A. Accuracy of Ground Surface Interpolation from Airborne Laser Scanning (ALS) Data in Dense Forest Cover // ISPRS International Journal of Geo-Information. 2020. Vol. 9. Iss. 4. № 224. DOI: 10.3390/ijgi9040224
  43. Tao Zhang, Xiaosu Xu, Shengbao Xu. Method of establishing an underwater digital elevation terrain based on kriging interpolation // Measurement. 2015. Vol. 63. P. 287-298. DOI: 10.1016/j.measurement.2014.12.025
  44. Ikechukwu M.N., Ebinne E., Idorenyin U., Raphael N.I. Accuracy Assessment and Comparative Analysis of IDW, Spline and Kriging in Spatial Interpolation of Landform (Topography): An Experimental Study // Journal of Geographic Information System. 2017. Vol. 9. № 3. P. 354-371. DOI: 10.4236/jgis.2017.93022
  45. Павлова А.И. Анализ методов интерполирования высот точек для создания цифровых моделей рельефа // Автометрия. 2017. Т. 53. № 2. С. 86-94. DOI: 10.15372/AUT20170210
  46. Helwig Z.D., Guggenberger J., Elmore A.C., Uetrecht R. Development of a variogram procedure to identify spatial outliers using a supplemental digital elevation model // Journal of Hydrology X. 2019. Vol. 3. № 100029. DOI: 10.1016/j.hydroa.2019.100029
  47. Arun P.V. A comparative analysis of different DEM interpolation methods // The Egyptian Journal of Remote Sensing and Space Science. 2013. Vol. 16. Iss. 2. P. 133-139. DOI: 10.1016/j.ejrs.2013.09.001
  48. Bui L.K., Glennie C.L. Estimation of lidar-based gridded DEM uncertainty with varying terrain roughness and point density // ISPRS Open Journal of Photogrammetry and Remote Sensing. 2023. Vol. 7. № 100028. DOI: 10.1016/j.ophoto.2022.100028
  49. Agüera-Vega F., Agüera-Puntas M., Martínez-Carricondo P. et al. Effects of point cloud density, interpolation method and grid size on derived Digital Terrain Model accuracy at micro topography level // International Journal of Remote Sensing. 2020. Vol. 41. Iss. 21. P. 8281-8299. DOI: 10.1080/01431161.2020.1771788
  50. McRoberts R.E., Domke G.M., Qi Chen et al. Using genetic algorithms to optimize k-Nearest Neighbors configurations for use with airborne laser scanning data // Remote Sensing of Environment. 2016. Vol. 184. P. 387-395. DOI: 10.1016/j.rse.2016.07.007
Статистика
Просмотр аннотаций
36
Просмотр полного текста
5
Процитировано
Scopus:
0
Crossref:
0
Меню статьи

Похожие статьи

Исследование строения порового пространства зерен щебня из гранита и габбродолерита различной крупности
2024 Е. Е. Каменева, В. С. Никифорова
Разработка оборудования и совершенствование технологии инерционного сгущения закладочных гидросмесей на финальных этапах транспортирования
2024 А. А. Волчихина, М. А. Васильева
Разработка и обоснование подхода к эколого-экономической оценке проектов декарбонизации нефтегазовой компании
2024 Н. А. Шевелева
Метод анализа нормированного акустического отклика при мониторинге подземных конструкций
2024 А. А. Чуркин, В. В. Капустин, М. С. Плешко
Новый взгляд на учет минерального состава карбонатных коллекторов при глушении скважин: экспериментальные исследования
2024 В. И. Черных, Д. А. Мартюшев, И. Н. Пономарева
Повышение интерпретируемости моделей прогнозирования электропотребления горно-добывающих предприятий с помощью аддитивного объяснения Шепли
2024 П. В. Матренин, А. И. Степанова