Szorstkość pokrycia terenu jako źródło błędu metody SfM zastosowanej do rekonstrukcji zasięgu pokrywy śnieżnej = Terrain roughness as a source of error with the SfM method applied to the reconstruction of snow cover extent

Szafert, Damian; Miziński, Bartłomiej; Niedzielski, Tomasz

doi:0033-2143 (print)

- ris
- BibTeX
- EndNote
- Csv

Szorstkość pokrycia terenu jako źródło błędu metody SfM zastosowanej do rekonstrukcji zasięgu pokrywy śnieżnej = Terrain roughness as a source of error with the SfM method applied to the reconstruction of snow cover extent Szafert, DamianMiziński, BartłomiejNiedzielski, Tomasz

Object structure

Przegląd Geograficzny T. 92 z. 3 (2020)

Szafert, Damian : Autor ; Miziński, Bartłomiej : Autor ; Niedzielski, Tomasz : Autor

zasięg pokrywy śnieżnej ; Góry Izerskie ; Structure-from-Motion ; szorstkość pokrycia terenu ; bezzałogowy statek powietrzny ; geoinformatyka

Artykuł ma na celu zbadanie związku pomiędzy błędami rekonstrukcji zasięgu pokrywy śnieżnej wyznaczanego na podstawie grubości pokrywy śnieżnej estymowanej metodą Structure-from-Motion (SfM) a szorstkością pokrycia terenu. Jako miarę szorstkości wykorzystano Terrain Roughness Index (TRI). Prace kameralne przeprowadzono z wykorzystaniem rastrowych map grubości pokrywy śnieżnej, opracowanych autorską metodą estymacji, bazującą na przetwarzaniu zdjęć lotniczych wykonanych przez bezzałogowy statek powietrzny metodą SfM oraz na georeferencji do drzew. Mapy pochodzą z trzech pól badawczych zlokalizowanych na obszarze Gór Izerskich oraz Pogórza Izerskiego, dla których dostępne są niskopułapowe zobrazowania lotnicze wykonane niskobudżetową kamerą w zakresie światła widzialnego (380–750 nm) zamontowaną na bezzałogowym statku powietrznym. Zaobserwowano, że w badanym obszarze skuteczność estymacji grubości pokrywy śnieżnej z wykorzystaniem metody SfM na terenach o wyższej szorstkości jest mniejsza niż na obszarach bez przeszkód terenowych.

Adams M.S., Bühler Y., Fromm R., 2018, Multitemporal Accuracy and Precision Assessment of Unmanned Aerial System Photogrammetry for Slope-Scale Snow Depth Maps in Alpine Terrain, Pure and Applied Geophysics, 175, 9, s. 3303-3324. https://doi.org/10.1007/s00024-017-1748-y
Baltsavias E.P., Favey E., Bauder A., Bosch H., Pateraki M., 2001, Digital surface modelling by airborne laser scanning and digital photogrammetry for glacier monitoring, The Photogrammetric Record, 17, 98, s. 243-273. https://doi.org/10.1111/0031-868X.00182
Bolstad P., Lillesand T.M., 1991, Rapid maximum likehood classification, Photogrammetric Engineering and Remote Sensing, 57, 1, s. 67-74.
Bühler Y., Adams M.S., Bösch R., Stoffel A., 2016, Mapping snow depth in alpine terrain with unmanned aerial systems (UASs): potential and limitations, The Cryosphere, 10, 3, s. 1075-1088. https://doi.org/10.5194/tc-10-1075-2016
De Michele C., Avanzi F., Passoni D., Barzaghi R., Pinto L., Dosso P., Ghezzi A., Gianatti R., Della Vedova G., 2015, Microscale variability of snow depth using UAS technology, Cryosphere, 9, 1, s. 1047-1075. https://doi.org/10.5194/tcd-9-1047-2015
ESRI, 2012, ArcGIS: Desktop. Release 10.0, Enviromental System Research Institute, Redlands.
Harder P., Schirmer M., Pomeroy J., Helgason W., 2016, Accuracy of snow depth estimation in mountain and prairie environments by an unmanned aerial vehicle, The Cryosphere, 10, 6, s. 2559-2571. https://doi.org/10.5194/tc-10-2559-2016
James M.R., Robson S., 2014, Mitigating systematic error in topographic models derived from UAV and ground-based image networks, Earth Surface Processes and Landforms, 39, 10, s. 1413-1420. https://doi.org/10.1002/esp.3609
Keutterling A., Thomas A., 2006, Monitoring glacier elevation and volume changes with digital photogrammetry and GIS at Gepatschferner glacier, Austria, International Journal of Remote Sensing, 27, 19, s. 4371-4380. https://doi.org/10.1080/01431160600851819
Kondracki J., 2000, Geografia regionalna Polski, Wydawnictwo Naukowe PWN, Warszawa.
Langhammer J., Bernsteinová J., Miřijovský J., 2017, Building a High-Precision 2D Hydrodynamic Flood Model Using UAV Photogrammetry and Sensor Network Monitoring, Water, 9, 11, 861. https://doi.org/10.3390/w9110861
Langhammer J., Hartvich F., Kliment Z., Jeníček M., Bernsteinová (Kaiglová) J., Vlček L., Su Y., Štych P., Miřijovský J., 2015, The impact of disturbance on the dynamics of fluvial processes in mountain landscapes, Silva Gabreta, 21, s. 105-116.
Lucieer A., de Jong S.M., Turner D., 2014, Mapping landslide displacements using Structure from Motion (SfM) and image correlation of multi-temporal UAV photography, Progress in Physical Geography, 38, 1, s. 97-116. https://doi.org/10.1177/0309133313515293
Maguire C., 2014, Using Unmanned Aerial Vehicles and "Structure from Motion" Software to Monitor Coastal Erosion in Southeast Florida, University of Miami, Miami.
Memarasadeghi N., Mount D.M., Netanyahu N.S., Le Moigne J., 2005, A fast implementation of the ISODATA clustering algorithm, International Journal of Computational Geometry & Applications, 17, 1, s. 71-103. https://doi.org/10.1142/S0218195907002252
Miřijovský J., Šulc Michalková M., Petyniak O., Máčka Z., Trizna M., 2015, Spatiotemporal evolution of a unique preserved meandering system in Central Europe - The Morava River near Litovel, Catena, 127, s. 300-311. https://doi.org/10.1016/j.catena.2014.12.006
Miziński B., Niedzielski T., 2017, Fully-automated estimation of snow depth in near real time with the use of unmanned aerial vehicles without utilizing ground control points, Cold Regions Science and Technology, 138, s. 63-72. https://doi.org/10.1016/j.coldregions.2017.03.006
Niedzielski T., Spallek W., Witek-Kasprzak M., 2018, Automated Snow Extent Mapping Based on Orthophoto Images from Unmanned Aerial Vehicles, Pure and Applied Geophysics, 175, s. 3285-3302. https://doi.org/10.1007/s00024-018-1843-8
Niedzielski T., Szymanowski M., Miziński B., Spallek W., Witek-Kasprzak M., Ślopek J., Kasprzak M., Błaś M., Sobik M., Jancewicz K., Borowicz D., Remisz J., Modzel P., Męcina K., Leszczyński L., 2019, Estimating snow water equivalent using unmanned aerial vehicles for determining snow-melt runoff, Journal of Hydrology, 578,124046. https://doi.org/10.1016/j.jhydrol.2019.124046
Niedzielski T., Witek M., Spallek W., 2016, Observing river stages using unmanned aerial vehicles, Hydrology and Earth System Sciences, 20, s. 3193-3205. https://doi.org/10.5194/hess-20-3193-2016
Nolan M., Larsen C.F., Sturm M., 2015, Mapping snow-depth from manned-aircraft on landscape scales at centimeter resolution using Structure-from-Motion photogrammetry, Cryosphere Discussions, 9, s. 1445-1463. https://doi.org/10.5194/tc-9-1445-2015
Riley S.J., DeGloria S.D., Elliot R., 1999, Index that quantifies topographic heterogeneity, Intermountain Journal of Sciences, 5, 1-4, s. 23-27.
Vander Jagt B., Lucieer A., Wallace L., Turner D., Durand M., 2015, Snow depth retrieval with UAS using photogrammetric techniques, Geosciences, 5, 3, s. 264-285. https://doi.org/10.3390/geosciences5030264
Warrick J.A., Ritchie A.C., Adelman G., Adelman K., Limber P.W., 2016, New techniques to measure cliff change from historical oblique aerial photographs and structure-from-motion photogrammetry, Journal of Coastal Research, 33, 1, s. 39-55. https://doi.org/10.2112/JCOASTRES-D-16-00095.1
Westoby M.J., Brasington J., Glasser N.F., Hambrey M.J., Reynolds J.M., 2012, 'Structure-from-Motion' photogrammetry: A low-cost, effective tool for geoscience applications, Geomorphology, 179, s. 300-314. https://doi.org/10.1016/j.geomorph.2012.08.021
Woodget A.S., Carbonneau P.E., Visser F., Maddock I.P., 2015, Quantifying submerged fluvial topography using hyperspatial resolution UAS imagery and structure from motion photogrammetry, Earth Surface Processes and Landforms, 40, s. 47-64. https://doi.org/10.1002/esp.3613