Тип работы:
Предмет:
Язык работы:


ДЕШИФРИРОВАНИЕ ГЕОМОРФОМЕТРИЧЕСКИХ ХАРАКТЕРИСТИК ДНЕВНОЙ ПОВЕРХНОСТИ ПОКРОВНЫХ ЛЕДНИКОВ ПО МАТЕРИАЛАМ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ

Работа №136818

Тип работы

Магистерская диссертация

Предмет

картография

Объем работы78
Год сдачи2019
Стоимость4885 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
45
Не подходит работа?

Узнай цену на написание


ВВЕДЕНИЕ 3
ГЛАВА 1. СТАНЦИЯ ПРОГРЕСС И ЕЕ РОЛЬ В ИССЛЕДОВАНИИ АНТАРКТИДЫ 5
1.1. История отечественных антарктических экспедиций 5
1.2. Российская научная станция Прогресс 8
ГЛАВА 2. ИССЛЕДОВАНИЯ ЛЕДНИКОВЫХ ТРЕЩИН 12
2.1. Ледниковые трещины 12
2.2. Наземные способы изучения ледниковых трещин 15
2.3. Применение дистанционного зондирования Земли в исследовании ледниковых трещин 17
ГЛАВА 3. МЕТОДЫ ИЗУЧЕНИЯ РЕЛЬЕФА МЕСТНОСТИ 22
3.1. Геоморфометрический анализ рельефа 22
3.2. Текстура цифровых моделей местности 30
3.3. Методы текстурного анализа изображений 33
ГЛАВА 4. ПРАКТИЧЕСКАЯ ЧАСТЬ 41
4.1. Обоснование выбора методов анализа цифровой модели поверхности ледника 41
4.2. Используемые материалы и описание региона 42
4.3. Анализ цифровой модели поверхности 46
4.3.1. Расчет локальных геоморфометрических характеристик 46
4.3.2. Расчет текстурных признаков Харалика 49
4.4. Результаты практической части 53
4.4.1. Оценка эффективности используемых методов 53
4.4.2. Обнаружение новых трещин 56
ЗАКЛЮЧЕНИЕ 60
СПИСОК ЛИТЕРАТУРЫ 61
ПРИЛОЖЕНИЕ 1 65
ПРИЛОЖЕНИЕ 2 68


Российские научные исследования в Антарктиде начались в середине прошлого века и продолжаются до сих пор. Сегодня на континенте находится пять постоянно - действующих научных станций, из которых одна внутриконтинентальная - станция Восток. Обеспечение ее жизнедеятельности осуществляется санно-гусеничными походами (СГП), а с 2007 года отправным пунктом СГП является станция Прогресс. Однако трасса следования санно-гусеничных походов является небезопасной из -за наличия на ее пути ледниковых трещин. Обнаружение и локализация трещин, также поиск оптимального маршрута санно - гусеничных походов является актуальной задачей. Из всех видов трещин затруднения в их поиске представляют скрытые трещины, а их размеры колеблются от десятков сантиметров до нескольких метров.
В настоящий момент для оперативного выявления скрытых ледниковых трещин не существует однозначного решения. Поскольку речь идет о быстром и в тоже время безопасном способе, сразу же не подходит использование наземных методов исследования ледниковых трещин ввиду непосредственного контакта с поверхностью ледника. Применение данных дистанционного зондирования Земли является безопасным способом при любых географических исследованиях, поскольку не требует обязательного присутствия человека на исследуемых объектах. Аэрофотосъемка как вид дистанционного зондирования применяется при крупномасштабных картографических работах, поэтому предположительно может быть использована для поиска скрытых трещин. При этом особый интерес вызывают возможности анализа цифровых моделей поверхности, как результата аэрофотосъемки. Причиной этому является неявное изображение скрытых трещин на ортофотоплане и тот факт, что ледниковые трещины являются формами ледникового рельефа.
Данная работа посвящена актуальной проблеме - поиску методов обнаружения ледниковых трещин с использованием данных дистанционного зондирования Земли. Цель работы заключается в разработке методики выделения скрытых ледниковых трещин на основе анализа цифровой модели дневной поверхности покровного ледника.
Поставленная цель предполагает решение следующих задач:
• Изучить существующие подходы к исследованию и поиску ледниковых трещин;
• Ознакомиться с особенностями географического положения станции Прогресс;
• Изучить методы анализа цифровых моделей местности;
• Провести текстурный и геоморфометрический анализ цифровых моделей поверхности ледника;
• Оценить эффективность использования текстурного и геоморфометрического анализов цифровых моделей местности для обнаружения скрытых ледниковых трещин.
Объектом исследования является цифровая модель дневной поверхности покровного ледника на участок санно-гусеничного похода между станциями Восток и Прогресс длиной 30 км, в качестве предмета исследования выступают ледниковые трещины данного района.


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


В работе предложена методика поиска скрытых ледниковых трещин с использованием цифровых моделей поверхности ледника. Суть заключается в расчете и интерпретации геоморфометрических характеристик. Поскольку в общем виде, морфометрические методы исследования рельефа применяют количественные критерии к анализу форм, традиционные морфометрические величины могут быть дополнены текстурными характеристиками, которые по своей сути тоже основываются на анализе числовых данных. Данная идея и легла в основу разработанной методики. Практической реализацией методики стали обнаруженные скрытые ледниковые трещины.
Выполненный обзор существующих методов исследований ледниковых трещин показал, что для изучения трещин как отдельных объектов наиболее подходящими являются результаты аэрофотосъемки, выполняемые сегодня преимущественно БПЛА. Были проведены геоморфометрический и текстурный анализ цифровых моделей дневной поверхности покровного ледника участка СГП Восток-Прогресс с учетом географических особенностей данного региона. Оценка эффективности применения обоих анализов показала, что трещины удается распознать с вероятностью 73%, а также было найдено еще 18 скрытых ледниковых трещин.
Полученные результаты показывают, что использование данных дистанционного зондирования Земли, а именно аэрофотосъемки является не только безопасным, но и эффективным способом обнаружения ледниковых трещин, в том числе скрытых.
Безусловно, предложенная методика может быть дополнена. Из многообразия методов текстурного анализа был рассмотрен только один. В практической части участвовал ограниченный набор данных ввиду отсутствия их разнообразия. Наконец, ледниковые трещины движутся, и знание об их перемещении также может быть полезным для проведения санно-гусеничных походов.



1. Астафуров В.Г., Аксёнов С.В., Евсюткин Т.В. Классификация перистой облачности по данным MODIS с помощью нечеткой нейронной сети//Современные проблемы дистанционного зондирования Земли из космоса. 2014, Том 11, № 4. - С. 265-275
2. Батюков А.М., Разработка и реализация алгоритмов классификации изображений биомедицинских препаратов: дис. к. ф.-м.н. СПбГУ, Санкт-Петербург, 2015 — С.107
3. Владов М.Л., Старовойтов А.В. Введение в георадиолокацию. Учебное пособие - М.: Издательство МГУ, 2004. - С. 153
4. Грузман И.С., Петрова К.Ю. Обнаружение квазипериодических текстур с использованием характеристик двумерного спектра мощности//Автометрия. 2015, №2 - С. 4-11
5. Епифанцев О.Г., Плетенчук Н.С. Трещиноватость горных пород. Основы теории и методы изучения. Методические рекомендации - Новокузнецк: СибГИУ, 2008 - С.41
6. Кизевальтер Д. С, Раскатов Г. И., Рыжова А. А. Геоморфология и четвертичная геология. (Геоморфология и генетические типы отложений) - М.: Недра, 1981.- С.215
7. Конкин Ю.В., Колесенков А.Н. Распознавание изображений на основе текстурных признаков Харалика и искусственных нейронных сетей // Известия ТулГУ. Технические науки. 2016. №2. - С.117-123
8. Крылов Б.А. Фрактальный анализ полутоновых изображений // Научно-технический вестник информационных технологий, механики и оптики.2003, Том 3, №5 - С. 112-114
9. Лукин В.В, Клепиков А.В., Быстрамович А.А. Россия в Антарктике: современное состояние и перспективы // Проблемы Арктики и Антарктики, 2010, Том 84, №1 - С. 53-66
10. Лукин В.В. Российская антарктическая экспедиция на рубеже веков. Связь времен и поколений // Проблемы Арктики и Антарктики, 2014, Том 99, №1 - С.22-39
11. Патана Е.И. Статистический анализ и кластеризация основных текстурных функционалов // Известия ЮФУ. Технические науки. № 4. Тематический выпуск "Интеллектуальные САПР", 2008. - С. 192-198.
12. Пигаль А.С., Пигаль П.Б. Применение вейвлет-преобразования для анализа кардиосигналов: предварительные результаты исследования // Здоровье для всех, 2014, №1 - С.9-14.
13. Попов С. В., Поляков С.П. Георадарное лоцирование трещин в районе российских антарктических станций Прогресс и Мирный (Восточная Антарктида) в сезон 2014/15
года. // КРИОСФЕРА ЗЕМЛИ, 2016, Том XX, № 1 - С. 90-98.
14. Прэтт У. Цифровая обработка изображений: Пер. с англ. - М.: Мир, 1982. — Кн. 2 — С. 480
15. Саватюгин Л.М., Преображенская М.А. Российские исследования в Антарктике. Т. I. Первая - двадцатая советская антарктическая экспедиция. - СПб.: Гидрометеоиздат, 1999. - С.337
16. Фисенко В. Т., Фисенко Т. Ю. Компьютерная обработка и распознавание изображений. Учебное пособие - СПб.: СПбГУИТМО, 2008. - С.192
17. Флоринский И.В. Теория и приложения математико-картографического
моделирования рельефа:дисс. д.т.н.. ИМПБ РАН, Пущино,2010 - С.267
18. Флоринский И. В. Иллюстрированное введение в геоморфометрию // Электронное научное издание Альманах Пространство и Время, 2016, Том 11, № 1: Система планета Земля
19. Фраленко В. П. Методы текстурного анализа изображений, обработка данных дистанционного зондирования Земли // Программные системы: теория и приложения: электрон. научн. журн.2014, Том 5, № 4(22) - С. 19-39
20. Шарый П.А., Шарая Л.С., Использование морфометрических статистик для описания внутренней геометрии равнинных и горных местностей // Изв. Самарского науч. центра РАН. 2003, Том 5. № 2 - С. 278-286.
21. Шарый П.А. Геоморфометрия в науках о земле и экологии, обзор методов и приложений // Известия Самарского научного центра РАН. 2006, Том 8, №2 - С. 458-473
22. Шитова О.В, Пухляк А.Н., Дроб Е.М. Анализ методов сегментации текстурных областей изображений в системах обработки изображений// Научные ведомости. 2014, Том 30, № 8 - С. 182-188
23. Яковлева Е.В., Нестерова Е.П. Сравнительный анализ методов характеристик Лавса и матриц совпадений в задачах сегментации текстурных изображений // Прикладная радиоэлектроника. 2009, Том 8, №2 - С. 181-187.
24. Яковлева Е.В., Панченко И.А. Применение энергетических характеристик Лавса для сегментации изображений // БИОНИКА ИНТЕЛЛЕКТА. 2007, Том 67, № 2 - С. 94-98
25. XXVII КСДА Заключительный отчет тридцать седьмого Консультативного совещания по Договору об Антарктике, 2014, Буэнос-Айрес
26. Bhardwaj, A., Sam, L., Martin-Torres, F., Kumar, R. UAVs as remote sensing platform in glaciology: Present applications and future prospects. // Remote Sensing of Environment
2016, No175 - P.196-204.
27. Colgan, W., Rajaram H., Abdalati W., McCutchan C., Mottram R., M. S. Moussavi M. S., and Grigsby S. Glacier Crevasses: Observations, Models, and Mass Balance Implications // Reviews of Geophysics 2016, V 54, № 1 - P. 119-161.
28. Crocker, R. I., Maslanik, J. A., Adler, J. J., Palo, S. E., Herzfeld, U. C., & Emery, W. J. Asensor package for ice surface observations using small unmanned aircraft systems // IEEE Transactions on Geoscience and Remote Sensing 2011, V 50, №4 - P.1033-1047.
29. D^bskia, M., Zmarzb, A., Pabjanekb, P., Korczak-Abshirec, M., Karszniab, I.,
Chwedorzewska, K.J. UAV-based detection and spatial analyses of periglacial landforms on Demay Point (King George Island, South Shetland Islands, Antarctica) // Geomorphology
2017, V 290, №1 - P 29-38.
25. Dikau, R., Brabb, E.E., Mark, R.M. Landform classification of New Mexico by computer // Open File Report 91-634. U.S. Geological Survey, 2011 - P.15
26. Dinesh, S. Analysis of surface textures of physiographic features extracted from multiscale digital elevation models via grey level co-occurrence matrix //Journal of Geodesy and Geoinformation,2013, V 2, №9 - P. 19-28.
27. Florinsky, I.V., Bliakharskii, D.P. Detection of crevasses by geomorphometric treatment of data from unmanned aerial surveys // Remote Sensing Letters 2019, V 10, №4, - P. 323-332.
28. Glasser, N., Scambos, T. A structural glaciological analysis of the 2002 Larsen B Ice-Shelf collapse// Journal Glaciology 2008, V 54, №184 - P. 3-16.
29. Hall-Beyer, M. GLCM Texture: A Tutorial v. 3.0 March 2017, 2017 - P. 75
30. Hengl, T., Reuter, H.I. (eds). Geomorphometry: Concepts, Software, Applications.Developments in Soil Science 2008, V 33 - P. 772
31. Holt, T., Glasser, N., Quincey, D. (2013), The structural glaciology of southwest Antarctic Peninsula Ice Shelves (ca. 2010) // Journal Maps 2013, V 9, №4 - P. 37-41.
32. Huang XL., Tang G.A., Liu K. Influence of DEM Resolution on the Extraction of Terrain Texture Feature // Journal of Geoinformation Science 2015,V 17, №7 - P.822-829.
33. Liu, K, Tang, G.A., Jiang, S. Research on the classification of terrain texture from DEMs based on BP neural network // Geomorphometry org, 2013
34. Liu, Y., Cheng, X., Hui, F., Wang, X., Wang, F, and Cheng, C. Detection of crevasses over polar ice shelves using Satellite Laser Altimeter // Science China Earth Science 2014, V 57 №6 - P1267-1277.
35. Pike, R.J., Acevedo, W., Card, D.H. Topographic grain automated from digital elevation models // Proceedings of the Ninth International Symposium on Computer Assisted Cartography. ASPRS/ASCM, Baltimore, MD 1989 — P 128-137.
36. Ryan, J. C., Hubbard, A. L., Box, J. E., Todd, J., Christoffersen, P., Carr, J. R., Snooke N. UAV photogrammetry and structure from motion to assess calving dynamicsat Store Glacier, a large outlet draining the Greenland ice sheet //The Cryosphere 2015,V 9№1 - P 1-11.
37. Xu, T., Yang, W., Liu, Y., Zhou, C., Wang, Z. Crevasse Detection in Antarctica Using ASTER Images // Image Analysis and Recognition, 2011, V 6754. - P.370-379.
Интернет-источники
37. http://www.mining-enc.ru/l/ - Горная энциклопедия под редакцией Козловского
38. http://www.saga-gis.org/saga_tool_doc/2.2.3/a2z.html- описание работы модулей SAGA GIS


Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2024 Cервис помощи студентам в выполнении работ