Краткое сравнение по назначению, датчикам, параметрам съёмки и алгоритмам обработки для раннего обнаружения оползней и оценки зон риска в Карпатах.

1) Наземная фотограмметрия / TLS (локальный мониторинг)

Датчики: цифровая камера (RGB, макро), наземный LiDAR (TLS). Параметры съёмки: GSD/точность съёмки для фотограмметрии (\sim 1\text{–}5\ \text{мм}) на ближних объектах; TLS точность (\leq 5\ \text{мм}). Необходимы контрольные точки с точностью GNSS-RTK/PPK (\leq 2\ \text{см}). Частота съёмки — при очаговой активности от ежедневной до еженедельной. Алгоритмы обработки: Structure‑from‑Motion (SfM) + MVS для получения плотного облака/DSM; ICP/регистрация облаков для серии TLS; DEM/DoD (DEM of Difference); M3C2‑метод для сравнения облаков; локальная фильтрация, извлечение трещин и краевых линий. Преимущества/ограничения: очень высокая точность, годится для детальной верификации и мониторинга очагов; малая зона покрытия, трудоёмкость.

2) Аэрофотосъёмка с БПЛА (быстрая зональная детекция и детальный картографический материал)

Датчики: RGB матрицы (высокая разрешающая способность), мультиспектральные камеры (включая красный край), опционально LiDAR для сквозной съемки через крону. Параметры съёмки: рекомендуемая продольная перекрываемость (\sim 80\%), поперечная (\sim 60\text{–}70\%); целевой GSD для карт оползней (2\text{–}10\ \text{см}) (для детекции изменений и контура скольжения — (<5\ \text{см})); полёты высотой до регламента (обычно (\leq 120\ \text{м}), при наличии разрешений — выше). Геопривязка: GCP или PPK/RTK GNSS для абсолютной точности (\leq 2\ \text{см}). Частота съёмки — оперативные вылеты по обнаружению аномалий, периодические повторные съёмки (еженедельно/ежемесячно). Алгоритмы обработки: SfM + MVS для DSM/ортомозаики; плотная стереопара/SGM для DSM; фильтрация и классификация облака (LiDAR) для CHM; DoD и M3C2 для объёмных изменений; автоматическое обнаружение деформаций (корреляция образов, dense image correlation) для покадровых смещений. Преимущества/ограничения: хорошая точность и покрытие локальных площадей, оперативность; в плотной растительности оптическая съёмка ограничена — нужен LiDAR или мультиспектр для индикаторов состояния растительности.

3) Космические снимки (широкая зона мониторинга, частая повторяемость)

Датчики: оптические (Sentinel‑2, Planet, WorldView), SAR (Sentinel‑1 C‑band, TerraSAR‑X X‑band, ALOS‑2 L‑band). Параметры съёмки: оптичесные разрешения от ~() (\text{0.3–0.5 m}) (коммерческие) до (\text{10 m}) (Sentinel‑2); SAR разрешения и режими: Sentinel‑1 IW (\sim 5\text{–}20\ \text{m}), revisit у Sentinel‑1 ~() (\text{6–12 суток}) (зависит от конфигурации), ALOS‑2 (L‑band) revisit ~(\text{14 суток}). Для InSAR важны короткие пространственные/временные базисы и стабильность отражения (коэренция). Алгоритмы обработки: DInSAR/PSInSAR/SBAS для детекции горизонтальных/вертикальных деформаций (серийная интерферометрия); коэренц‑карты, временные ряды смещений; оптическая тематическая классификация и change detection (NDVI/индексы, разностные изображения); глубокие сети для детекции аномалий. Преимущества/ограничения: широкая зональность, регулярность — хороший ранний индикатор зарождающейся деформации; SAR лучше в условиях облачности и ночи, L‑band лучше для вегетированного рельефа; ограниченная пространственная детализация у свободно доступных данных, проблемы с декорреляцией в сложном горном рельефе и густой растительности.

4) Какие алгоритмы и индексы полезны для раннего обнаружения оползней и оценки риска

Интерферометрия (DInSAR, PSInSAR, SBAS): выявляет суб‑см/см‑уровневые накопленные деформации по времени; подходит для предварительного таргетинга зон риска. Чувствительность в благоприятных условиях (\sim 1\ \text{мм–1 см}). Структурная матрица / SfM + MVS: генерация DSM/ORTHO и плотных облаков для DoD, выявления смещений и трещин; точность при должной геопривязке — см/дес. см. M3C2 и DoD: количефикация объёма и смещений между облаками точек. Dense image correlation (фотограмметрическая крос‑корреляция): измерение полевых смещений по оптическим/Аэро снимкам с точностью до долей пикселя (см/дес. см при высоком GSD). Классификация растительности: NDVI, NDRE, tasseled cap, влагосодержащие индексы (NDWI) + LiDAR‑метрики (CHM, плотность точек, высота деревьев) используются как прокси состояния корневого укрепления и влажности почвы; изменения индексов во времени — ранний предиктор ослабления растительного покрова. Машинное обучение / DL: Random Forest, SVM, CNN/U‑Net для сегментации зон оползания, комбинируя топографические (slope, curvature, TWI), спектральные и мульти‑временные признаки.

5) Рекомендованный интегрированный рабочий процесс для раннего оповещения и оценки рисков

Шаг 1 (широкая зона): постоянно мониторить SAR‑серии (DInSAR/PS) и оптические ряды (Sentinel‑1/2, коммерческие) для выявления аномалий деформации и изменений растительности. Рекомендованная периодичность анализа — автоматизированно при каждом новом кадре (Sentinel cadence (\sim) каждые (\text{6–12}) дней). Шаг 2 (триггер): при обнаружении деформации/аномалии — оперативный вылет БПЛА (RGB + мульти/лидар) для детального картирования. Целевые параметры: GSD (2\text{–}5\ \text{см}), перекрытие (80\%)/(70\%), GCP/PPK. Шаг 3 (верификация): наземный TLS + GNSS наблюдения (реперы) для калибровки и точного контроля смещений (точность мм–см). Шаг 4 (анализ риска): формирование высокодетального DEM/DTM, расчет Slope/Curvature/TWI, классификация уязвимых участков (ML), оценка объёмов возможного сдвига (DoD/M3C2) и влияние на инфраструктуру. Шаг 5 (мониторинг после события): регулярные повторения (БПЛА/наземно) и включение InSAR‑временных рядов для долгосрочного тренда.

6) Практические рекомендации (параметры и ограничения)

Для карт риска локального уровня необходим DEM с разрешением (\leq 1\ \text{m}); для оперативного реагирования желателен (\leq 0.1\ \text{m}) визуальный/точечный контроль. Для обнаружения ранних смещений используйте сочетание InSAR (широкая зона, чувствительность мм–см) + БПЛА (локальная детализация см/дес. см). В горных и густо вегетированных областях отдавать приоритет L‑band SAR или LiDAR (UAV‑LiDAR / TLS) для преодоления декорреляции и плотной кроны. Обеспечьте чёткую систему геопривязки: GCP / PPK / контроль GNSS для согласования разных источников до (\leq 2\ \text{см}) при локальных анализах. Автоматизируйте пайплайн: инжест SAR/оптики → обнаружение аномалий (threshold + ML) → триггер на UAV → SfM/MVS + DoD → оценка риска и оповещение.

Коротко: для раннего обнаружения — основной «щит» широкозонный InSAR (C‑/L‑band) и оптический анализ; для подтверждения и количественной оценки — UAV (RGB/мульти/LiDAR) с SfM/MVS и точечными TLS/GNSS измерениями; алгоритмы — DInSAR/PSInSAR, SfM + MVS, M3C2/DoD, dense image correlation, и ML/CNN для классификации растительности и автоматизации выделения зон риска.