نقشه برداری توپوگرافی برای مدلسازی خطر بهمن – استفاده از نوآوری ها در فتوگرامتری ماهواره ای و لیدار در نیوزیلند

نویسندگان: Aubrey Miller, Pascal Sirguey, Simon Morris

پروژه در Aotearoa/نیوزیلند استفاده از DEM های با کیفیت بالا از نقشه برداری فتوگرامتری ماهواره ای (SPM) با فناوری های Lidar را برای مدل سازی خطراتی مانند بهمن برفی ترکیب می کند. نقشه‌برداری توپوگرافی حاصل می‌تواند برنامه‌ریزی و آمادگی را برای مقابله با جابجایی‌های انبوه برف و زباله‌ها در مناطق کوهستانی بهبود بخشد.

جابجایی‌های انبوه مانند بهمن‌های برفی و جریان‌های زباله خطراتی را برای مردم و زیرساخت‌ها در مناطق کوهستانی در سراسر جهان به همراه دارد. این خطرات را می‌توان با نرم‌افزار مدل‌سازی پیشرفته برای پشتیبانی از تصمیم‌گیری و کاهش ریسک شبیه‌سازی کرد، که برای معنادار کردن نتایج به مدل‌های ارتفاع دیجیتال با وضوح بالا (DEMs) نیاز دارد. پیشرفت‌ها در نقشه‌برداری فتوگرامتری ماهواره‌ای (SPM) DEM‌های با کیفیت بالا را به بسیاری از مناطق آلپی که قبلاً فاقد توپوگرافی دیجیتال مدرن بودند، می‌آورد.

در عین حال، از فناوری‌های لیدار برای کالیبره کردن مدل‌های خطر و ارائه ظرفیت واکنش سریع برای تعیین کمیت تأثیر مخاطراتی مانند بهمن برفی استفاده می‌شود. تحقیقات در حال انجام در Aotearoa/نیوزیلند اهمیت نقشه برداری توپوگرافی را در برنامه ریزی و آمادگی بهمن برفی برجسته می کند.

فناوری های نقشه برداری

توسعه ابزارهای منبع باز مانند Ames Stereo Pipeline ناسا (Beyer et al., 2018) گردش کار نقشه برداری فتوگرامتری ماهواره ای (SPM) را بسیار بهبود بخشیده است. تحقیقات در حال انجام در مرکز تحقیقات کوهستان (MRC) با هدف خودکارسازی گردش کار SPM برای تولید مدل‌های ارتفاعی دیجیتال با وضوح بالا (DEMs) دقیق به فاصله نمونه زمین تصویر، بدون نیاز به بررسی‌های کنترل زمینی است.

MRC در حال توسعه ابزارهایی برای خودکارسازی تشخیص تغییرات سه بعدی با نقشه برداری مکرر برای نظارت بر منظره و نقشه برداری از خطرات مانند برف و بهمن سنگ با طیف فزاینده ای از صورت های فلکی ماهواره ای از جمله Pléiades (PHR، Neo)، Worldview و SkySat است. به عنوان مثال، یک DSM 2 متری تولید شده از تصویر استریوی Pléiades PHR 0.5 متری برای تعیین کمیت توزیع عمق برف استفاده شده است (Eberhard et al., 2021).

صورت فلکی حسگر نسل بعدی مانند Pléiades Neo 0.3 متری زمان بازدید مجدد را کاهش می دهد، بنابراین سطح تشخیص و دقت بدست آمده توسط SPM را بهبود می بخشد.

توپوگرافی چالش برانگیز در یک اکتساب. اکنون به طور موثر با فناوری‌های نقشه‌برداری با وضوح بسیار بالا (VHR) که نزدیک‌تر به زمین عمل می‌کنند، تکمیل می‌شود. اسکن لیزری زمینی (TLS) و UAV-Lidar برای حل جزئیات دقیق در زمین های شدید و همچنین برای استقرار سریع برای مستندسازی خطرات طبیعی استفاده می شود. در کنار هم، پیشرفت‌ها در نقشه‌برداری توپوگرافی، محققان خطر را قادر می‌سازد که هم بینش جدیدی در مورد حساسیت مدل‌های خطر به نمایش توپوگرافی و هم داده‌های اعتبارسنجی بی‌سابقه برای مدل‌سازی به دست آورند.

بازنمایی توپوگرافی در مدلسازی بهمن

مدل‌های خطر پویا مانند شبیه‌سازی حرکت توده‌ای سریع (RAMMS) حرکات توده‌ای مانند بهمن برفی را در زمین واقعی شبیه‌سازی می‌کنند که با یک DEM نشان داده می‌شود. خروجی های مدل خطر به آماده شدن برای رویدادهای شدید کمک می کند و به طراحی سازه های کاهش دهنده مانند برم ها برای کاهش خطر برای مردم و زیرساخت ها از بهمن کمک می کند. برای مثال، مدل‌ها برای نقشه‌برداری نشانه خطر و مشخصات طراحی ساختمان‌ها و جاده‌هایی که در مناطق در معرض خطر یک بهمن ۱۰۰ ساله یا ۳۰۰ ساله قرار دارند، استفاده می‌شوند.

مدل‌های خطر پویا به دقت و وضوح DEM اساسی حساس هستند. مصنوعات حاصل از تولید و درونیابی DEM، یا از توپوگرافی قدیمی، می توانند منجر به خطاهای متعاقب در خروجی های مدل خطر شوند. در عین حال، DEM های با وضوح بالاتر (به عنوان مثال 1 یا 2 متر) زبری سطح بالاتری را در مقایسه با همتایان با وضوح پایین خود ثبت می کنند، که بر نحوه شبیه سازی جریان بهمن در همان زمین تأثیر می گذارد.

تفاوت های ظریف بین DEM ها به دلیل فناوری حسگر و تکنیک نقشه برداری نیز می تواند بر مدل سازی خطر تأثیر بگذارد. به عنوان مثال، استفاده از یک مدل سطح دیجیتال (DSM) در مقابل یک مدل زمین دیجیتال (DTM) ممکن است زبری سطح اضافی را در مدل ایجاد کند که زمین شامل پوشش گیاهی قابل توجهی باشد. همچنین، هنگام نقشه برداری از زمین های شیب دار، جهت گیری حسگر بر نمایش توپوگرافی مشتق و دقت تأثیر می گذارد.

نسبت های پایه به ارتفاع بزرگتر در SPM دقت را بهبود می بخشد، اما به قیمت افزایش احتمال انسداد زمین. اسکن زمینی می‌تواند زمین‌های بسیار شیب‌دار را حل کند، اما ممکن است اسکن‌های متعددی برای کاهش موانع مورد نیاز باشد. پلت فرم های وسایل نقلیه هوایی بدون سرنشین (UAV یا “پهپاد”) می توانند به پر کردن شکاف بین نقشه برداری توپوگرافی ماهواره ای و زمینی کمک کنند.

لیدار زمینی و بهمن در فیوردلند

تیمی از متخصصان اختصاصی کاهش بهمن، خطرات بهمن برفی را در جاده میلفورد در فیوردلند، نیوزلند با استفاده از ابزارهای مختلف، از جمله شبکه ای از ایستگاه های هواشناسی کوهستانی، وب کم های HD و یک اسکنر فوق برد RIEGL VZ-6000 مدیریت می کنند (شکل ها). 2 و 3). این اسکنر برای تولید DEM بدون برف از زمین بهمن در تابستان و همچنین نقشه برداری مجدد در زمستان برای تخمین عمق برف استفاده می شود. این اسکنر همچنین برای مستندسازی مسیرهای بهمن پس از یک رویداد برای کالیبره کردن مدل RAMMS بهمن استفاده می شود.

برد این اسکنر نمای دقیقی از برف رها شده در بهمن و همچنین برف به جا مانده را ارائه می دهد. به عنوان مثال، تکنسین‌ها از شدت لیدار در محدوده مادون قرمز نزدیک برای توصیف لایه‌بندی برف در دیواره تاج که پس از رها شدن بهمن در مسیر مک‌فرسون در سال 2020 (شکل 4) تا فاصله 2 کیلومتری باقی مانده است، استفاده کردند، بنابراین داده‌های ارزشمند بسته برف مورد استفاده را ارائه می‌کنند. در مدل سازی چگالی پالس، به طور متوسط ​​468 نقطه در متر مربع، لایه های پیچیده را در بسته برف حل کرد و ارتفاع شکستگی را قادر ساخت که از فاصله ایمن اندازه گیری شود.

همچنین از اسکنر در کنار SPM برای تولید DEM برای مدل‌سازی خطر استفاده می‌شود. ترکیبی از 24 اسکن با مجموع سه میلیارد نقطه برای تولید یک DSM 0.5 متری در 5 کیلومتر مربع استفاده شد. تحقیقات اخیر (Miller et al., 2022) نشان می دهد که چگونه تفاوت های ظریف در نمایش زمین در مسیر بهمن مک فرسون بین TLS و SPM DSM بر نحوه تکرار مدل خطر بهمن واقعی حاکم است، با پیامدهایی برای چگونگی انتخاب مدل سازهای خطر DEM مناسب.

برای زمین معین شکل 4 یک سایه تپه 0.5 متری از TLS را در بالای بهترین DEM قبلی موجود برای منطقه (15 متر) نشان می دهد. بهمن در سال 2020 با مواد منفجره از یک هلیکوپتر رها شد تا خطر بزرگراه را کاهش دهد. این مدل سازی نشان می دهد که بیش از 70000 تن برف در عرض سه ثانیه رها می شود و با سرعت بیش از 200 کیلومتر در ساعت حرکت می کند، در هوا بر فراز صخره می رود و در فاصله کوتاهی از بزرگراه توقف می کند. برای مدل‌سازی فیزیک بهمن بزرگی که در زمین‌های شدید جریان دارد، نقشه‌برداری توپوگرافی با وضوح بالا مورد نیاز بود.

پهپاد-لیدار و بهمن در پارک ملی

استفاده از پهپادها برای نقشه برداری بهمن، سطح جدیدی از جزئیات را در برآورد حجم زباله ها فراهم می کند. این تخمین ها برای تکرار رویداد واقعی با یک شبیه سازی کامپیوتری استفاده می شود. پس از کالیبره شدن، سناریوهای مدل‌سازی شده (یعنی اگر بهمن بزرگ‌تر بود چه می‌شد؟ اگر یک ابر پودری ایجاد شد؟) می‌تواند به برنامه‌ریزان کمک کند تا خطرات ناشی از بهمن‌های آینده را کاهش دهند. هر دو بررسی SPM و UAV-Lidar نقشه های DEM of Difference (DoDs) و تخمین حجم را برای زباله های بهمن ارائه می دهند.

چرخه گسترده بهمن در پارک ملی کوه آئوراکی کوک نیوزلند در جولای 2022 باعث ایجاد برخی از بزرگترین بهمن های مشاهده شده در این پارک در چند دهه اخیر شد. یک بررسی پهپادی که به سفارش وزارت حفاظت انجام شد، بقایای یک بهمن بزرگ برفی را در نزدیکی روستای کوه کوک، جایی که اخیراً یک اسکله برای منحرف کردن بهمن‌ها از جاده‌ها و ساختمان‌ها ساخته شده بود، ترسیم کرد. یک پهپاد سری DJI Matrice 300، با موقعیت‌یابی سینماتیک (RTK) در زمان واقعی و حسگر DJI L1 Lidar، 35 هکتار را با 531 نقطه در متر مربع ترسیم کرد.

DSM 0.5 متری با DSM 2 متری SPM مشتق شده از Pléiades PHR برای تخمین حجم زباله های بهمن (11386 ± 175860 مترمکعب) تفاوت داشت که برای کالیبره کردن مدل RAMMS و کمک به ارزیابی خطر ایجاد شده برای روستا توسط بهمن های آینده شکل 5 تصاوير و نمونه‌هاي DoD از دو رويداد بهمن در پارک ملي کوه آئوراکي کوک را نشان مي‌دهد که توسط UAV-Lidar در جولاي 2022 و SPM اندازه‌گيري شد – يک DSM 2 متري که از تصاوير 0.5 متري SkySat در اکتبر 2021 توليد شد. به لطف پلتفرم های webGL مانند Potree به طور موثر و تعاملی تجسم شود.

نتیجه

نوآوری‌ها در نقشه‌برداری فتوگرامتری ماهواره‌ای (SPM) نقشه‌برداری توپوگرافی با وضوح بالا را از زمین‌های چالش‌برانگیز آلپی که قبلاً فاقد چنین داده‌هایی بودند، ممکن می‌سازد. در عین حال، پیشرفت‌های فناوری لیدار از اسکنرهای زمینی و پهپادها ظرفیت واکنش سریع را برای نقشه‌برداری و مستندسازی خطرات طبیعی با جزئیات بی‌سابقه فراهم می‌کند.

مدل‌سازی بهمن برفی به DEM‌های باکیفیت برای شبیه‌سازی رویدادها در زمین‌های دنیای واقعی متکی است و داده‌هایی را ارائه می‌دهد که برای کاهش خطرات ناشی از بهمن‌های بزرگ برای مردم و زیرساخت‌ها استفاده می‌شود. پیشرفت‌های آینده در دقت، وضوح، پوشش و ظرفیت بازبینی فناوری‌های نقشه‌برداری توپوگرافی، برنامه‌ریزی و آمادگی بهتری را برای خطرات جابجایی انبوه در مناطق کوهستانی فراهم می‌کند.