Дистанционное зондирование (геология) - Remote sensing (geology)

Структура Риша от Миссия Shuttle Radar Topography (SRTM). Вместо того, чтобы быть удар метеорита, рельеф, скорее всего, будет разрушенным куполом складчатая структура.

Дистанционное зондирование в геологии является дистанционное зондирование используется в геологические науки как метод сбора данных, дополняющий полевое наблюдение, потому что это позволяет отображение геологических характеристик регионов без физического контакта с исследуемыми территориями.[1] Около четверти общей площади поверхности Земли - это обнаженная земля, где информация готова для извлечения из подробных наблюдений Земли с помощью дистанционного зондирования.[2] Дистанционное зондирование осуществляется путем обнаружения электромагнитное излучение датчиками.[1] Излучение может быть естественным (пассивное дистанционное зондирование) или производиться машинами (активное дистанционное зондирование) и отражаться от поверхности Земли.[1] Электромагнитное излучение действует как носитель информации для двух основных переменных. Во-первых, интенсивности отражательная способность в разных длины волн обнаружены и нанесены на кривая спектрального отражения.[1] Этот спектральный отпечаток определяется физико-химическими свойствами поверхности целевого объекта и, следовательно, помогает минеральная идентификация и, следовательно, геологическое картирование, например гиперспектральное изображение.[1] Во-вторых, время двустороннего прохождения излучения от датчика и обратно к датчику позволяет рассчитать расстояние в активных системах дистанционного зондирования, например, Интерферометрический радар с синтезированной апертурой. Это помогает геоморфологические исследования движения грунта и, таким образом, может освещать деформации связан с оползни, землетрясения, так далее.[3]

Данные дистанционного зондирования могут помочь в исследованиях, связанных с геологическим картированием, геологические опасности и экономическая геология (т.е. разведка полезных ископаемых, нефти и т. д.).[3] В этих геологических исследованиях обычно используется множество инструментов, классифицируемых в соответствии с короткими и длинными длинами волн электромагнитного излучения, к которому чувствительны различные инструменты.[3] Более короткие длины волн обычно полезны для характеристики участка вплоть до минералогического масштаба, тогда как более длинные волны показывают информацию о поверхности в более крупном масштабе, например региональные термические аномалии, шероховатость поверхности и др.[3] Такие методы особенно полезны для исследования недоступных областей и планет, кроме Земли.[3] Дистанционное зондирование прокси для геологии, например почвы и растительность который преимущественно растет над различными типами горных пород, также может помочь в определении основных геологических структур.[3] Данные дистанционного зондирования часто визуализируются с помощью Географическая информационная система (ГИС) инструменты.[3] Такие инструменты позволяют проводить ряд количественных анализов, таких как использование различных длин волн собранных наборов данных в различных конфигурациях красный-зеленый-синий для получения ложный цвет образы раскрыть ключевые особенности. Таким образом, обработка изображений - важный шаг для расшифровки параметров собранного изображения и извлечения информации.

Обзор

Тепловое излучение согласно Закон Планка. Температура поверхности Солнца составляет примерно 6000K, а пики излучения наблюдаются в видимом свете. Земля с температурой около 300К также излучает невидимое излучение.

При дистанционном зондировании электромагнитное излучение действует как носитель информации на расстоянии от десятков до тысяч километров между датчиком и целью.[3] Проксимальное зондирование - аналогичная идея, но часто относится к лабораторным и полевым измерениям, а не к изображениям, показывающим большую пространственную протяженность.[4] Геофизические методы, например Сонар и акустические методы, обладает схожими свойствами с дистанционным зондированием, но электромагнитная волна - не единственная среда.[5] Геотехнические приборы, например пьезометр, наклономер и Глобальная система позиционирования (GPS), с другой стороны, часто относятся к приборам, установленным для измерения дискретных точечных данных, по сравнению с изображениями при дистанционном зондировании.[5] Подходящий датчик, чувствительный к конкретной области длин волн, в соответствии с назначением, выбирается и используется для сбора электромагнитной волны, отраженной или испускаемой от целевого объекта.[3]

Принцип работы

При дистанционном зондировании в типичной системе дистанционного зондирования измеряются две основные переменные: сияние (или интенсивность) и время прибытия для активных систем.[1] Яркость (т. Е. Интенсивность возвращаемого сигнала) в зависимости от длины волны отображается как кривая спектрального отражения.[3] Следует отметить, что собранные данные представляют собой смесь отражения солнечного излучения и излучения (согласно Закон планка ) от объекта для видимый и ближний инфракрасный (VNIR) область, край.[6] В тепловой инфракрасный (TIR) ​​в основном измеряются выбросы, в то время как микроволновая печь региональный рекорд обратное рассеяние часть отражения.[6] Яркость определяется взаимодействием излучения с веществом, которое регулируется физико-химическими свойствами целевого объекта.[6] Заметные поглощения на определенной длине волны, показанные на кривой спектральной отражательной способности, являются отпечатками пальцев для идентификации в спектроскопии.[3] Время двустороннего распространения излучения может определять расстояние, поскольку скорость примерно равна скорость света, примерно 3 x 10 ^ 8 м / с. Это позволяет применять в диапазоне обнаружение света и дальность (LiDAR) и Радиообнаружение и дальность (радар) и т.п.[1]

Так как датчики смотрят сквозь атмосфера Чтобы достичь цели, есть атмосферное поглощение. Можно выделить три основных атмосферных окна, через которые проникает излучение.[1] Они составляют 0,4–3 микрометра (видимая и ближняя инфракрасная область (VNIR)), 3–14 микрометров (тепловая инфракрасная TIR) и от нескольких миллиметров до метров (микроволновая печь).[6] Камера в повседневной жизни - это пассивная система визуализации в диапазоне длин волн VNIR.[1] Простая классификация преобладающих инструментов дистанционного зондирования в геологии, модифицированная из Rees (2013) в соответствии с контекстом этой страницы.[1][6] Текст в [] относится к соответствующим инструментам.

Диапазон длин волнДлина волныЧувствительны кПассивныйАктивные системы (ранжирование или визуализация)
ВНИР0,4-3 микрометраВнутриатомные электронные переходыСпектроскопия [спектрометр ]; Аэрофотосъемка / Фотограмметрия [камера ][LiDAR ]
МДП3–14 микрометровМежатомный прочность сцепления в молекулах[TIR Imager]/
СВЧнесколько миллиметров в метры (микроволновая печь)температура, неровность местности, размер частиц/Радар с синтезированной апертурой / InSAR [Радар ]
Относительное пропускание излучения по отношению к длине волны. Имеются 3 атмосферных окна (VNIR, TIR и Microwave), позволяющие излучению проникать через атмосферу без заметного поглощения. Некоторые поправки все еще необходимы для устранения атмосферного ослабления.

Платформа для переноски

Датчик может находиться в космосе (переносится спутниковое ), бортовой (переносится самолет, или совсем недавно Беспилотный летательный аппарат (БПЛА)) или наземного (иногда называемого проксимальным зондированием).[7] Данные, полученные с большей высоты, захватывают более крупный поле зрения / пространственный охват, но резолюции часто ниже.[8] Перед развертыванием необходимо выполнить предварительное планирование полета в отношении траектории полета, весовой нагрузки, датчика переноски и т. Д.[7] При геологических исследованиях часто требуется высокое разрешение, поэтому в исследованиях преобладают бортовые и наземные системы. геодезия.[7]

Схематическое изображение пассивного (слева) и активного (справа) дистанционного зондирования. Взаимодействие излучения с веществом в микроскопическом масштабе (поглощение, пропускание и отражение) показано в левом нижнем углу диалогового окна. Относительная пропорция определяется физико-химическими свойствами материала. Плоская поверхность способствует зеркальному отражению, в то время как шероховатая поверхность дает рассеянное отражение. Датчик обнаруживает (синий прямоугольник) отражение солнечного излучения от цели при пассивном дистанционном зондировании, в то время как активные системы дистанционного зондирования освещают цель и обнаруживают отражение. И пассивные, и активные получают естественное тепловое излучение, испускаемое в соответствии с законом Планка. Они также подвержены атмосферным воздействиям.

Общее геологическое приложение

Диапазон длин волнинструментыОбщие приложения в геологии
ВНИРМульти /Гиперспектральная визуализацияМинеральная / рок Идентификация
ФотограмметрияФорма рельефа Исследования
LiDARГеодезический Опрос
МДПТепловое инфракрасное изображениеТепловые аномалии
СВЧРадар с синтезированной апертуройСмещение Временные ряды

Преимущества и ограничения

Основное преимущество использования дистанционного зондирования для решения геологической проблемы заключается в том, что оно обеспечивает прямую информацию о поверхностном покрове с использованием синоптического покрытия или иногда стереоскопический вид.[3] Отсюда общая картина кинематика можно было бы лучше оценить. Это также снижает нагрузку на полевые работы, необходимые для данной области, за счет синоптических исследований интересующей области.[3] Спектральное зрение позволяет идентифицировать атрибуты горных пород для картирования поверхности.[3] Однако разрешение контролирует точность.

Существует компромисс между пространственным и спектральным разрешением.[6] Поскольку интенсивность падающего луча фиксирована, для более высокого спектрального разрешения ожидается, что он будет иметь более низкое пространственное разрешение (один пиксель представляют большую площадь) для поддержания стандартного сигнал-шум для анализа.[6] Кроме того, объем данных для передачи ограничен из-за проблем с сигнализацией.[6] Из-за этих ограничений невозможно получить данные с максимальным разрешением во всех пространственных, спектральных и радиометрических разрешениях. Под временным разрешением можно понимать как частоту повторных посещений, так и продолжительность деформации.[3] Например, мгновенное оползень или воронка коллапс вряд ли можно было бы записать без высокоскоростной камеры, в то время как реликвии можно было бы отобразить во временном ряду, где временные изменения, например ледяной отел может быть раскрыто.

Еще один недостаток - непоследовательный метод сбора данных и схемы их интерпретации.[4] В результате создание идеальной базы данных вряд ли возможно из-за динамических условий окружающей среды в разных местах.[4] Вместо этого предлагается повторная разведка для изучения конкретной местности.[7]

Полевое наблюдение и разведка остаются незаменимыми и никогда не будут полностью заменены дистанционным зондированием, поскольку полевые данные в значительной степени поддерживают интерпретацию данных дистанционного зондирования.[3] Дистанционное зондирование лучше рассматривать как дополняющее, которое направлено на получение мгновенных изображений различного масштаба, перспективы или спектрального зрения.[3] Подповерхностное картирование Геофизические исследования а имитационные модели по-прежнему играют важную роль в трехмерной характеристике грунта под землей.[4] Следует предупредить о том, что не существует такого «идеального» датчика, способного или оптимизированного для изучения всего.[3] Выбор набора данных и извлечение информации часто зависит от предпочтений и опыта ученого.[3] Например, аэрофотоснимки могут быть более четкими в безоблачной местности, но в противном случае радар может лучше работать в пасмурную погоду.

Обрыв шельфового ледника Фильхнера в Антарктиде. Изображение в ближнем инфракрасном диапазоне позволяет отличить воду от льда - Landsat

Геологическое картирование

Типичный рабочий процесс для решения геологической проблемы, начиная от определения проблемы до отбора и интерпретации данных, вдохновленный Гуптой (1991)
Пример кривой спектрального отражения минерального кварца

Дистанционное зондирование может помочь в геологическом картировании поверхности и характеристике рельефа.

Спектральные особенности

В видимый и ближний инфракрасный (VNIR) и тепловое инфракрасное (TIR) чувствительны к внутриатомным электронным переходам, и прочность межатомных связей соответственно может помочь в идентификации минералов и горных пород. спектрорадиометр в лабораторных и визуализирующих спектрометрах или мульти- / гиперспектральных сканерах в качестве удаленных датчиков для визуализации.[3] При условии, что земля не заслонена плотным растительность, некоторые характеристики поверхностного почва (неконсолидированные осадочные материалы, покрывающие землю в виде поверхностных отложений из выветривание и эрозия коренной породы) можно измерить с глубиной проникновения в границу раздела воздух-почва примерно половиной используемой длины волны (например, зеленый свет (~ 0,55 микрометры ) дает глубину проникновения ~ 0,275 мкм).[4] Следовательно, большинство систем дистанционного зондирования, использующих диапазон длин волн VNIR, дают характеристики поверхности почвы или иногда обнаженных пород.[9] Еще один параметр, контролирующий общую отражательную способность: шероховатость поверхности.[3] Одна и та же поверхность может казаться шероховатой в VNIR, может казаться гладкой в микроволновая печь, аналогично тому, что мы воспринимаем, когда используем линейку измерителя для измерения шероховатости, когда колебания поверхности измеряются в сантиметрах. По мере уменьшения размера зерна увеличивается шероховатость поверхности и, следовательно, общая отражательная способность увеличивается по мере увеличения диффузное отражение, вместо того зеркальное отражение, доминирует.[1] Зеркальное отражение от гладкой поверхности, например спокойной воды, дает мало обратное рассеяние и, следовательно, кажутся темными. Например, лед в основном прозрачен в больших размерах, но становится сильно отражающим при разбивании на мелкие зерна.

Минерал и камень

В изучение литологического состава, лаборатория и поле спектроскопия проксимального и дистанционного зондирования могут помочь. В спектральная отражательная способность данные спектрометрии изображения с использованием коротких волн, например, Бортовой спектрометр видимого / инфракрасного изображений (AVIRIS),[9] обеспечивают химические свойства целевого объекта. Например, содержание железа, которое указывает на плодородие почвы и возраст осадок, можно приблизить.[9][4] Для почвы с высоким содержанием оксида железа, который красный в цвете, должен давать более высокий коэффициент отражения в красной части длины волны и уменьшается в синий и зеленый. Также может быть поглощение при 850-900 нм.[9] Индекс покраснения и площадь поглощения в 550 нм на кривой спектральной отражательной способности являются примерами количественного определения содержания железа в почве.[10]

Для идентификации минералов доступны библиотеки спектральной отражательной способности, например Спектральная библиотека USGS суммировать диагностические полосы поглощения для многих материалов, не ограничиваясь горными породами и минералами. Это помогает создать карту минералов для определения типа минерала с одинаковыми спектрами с минимальными полевыми работами на месте.[3] Минералогия определяется путем сопоставления собранной пробы со спектральными библиотеками статистическим методом, таким как частичная регрессия методом наименьших квадратов. Помимо высокого отношения сигнал / шум (> 40: 1), точное пространственное разрешение, ограничивающее количество элементов внутри одного пикселя, также способствует точности решения.[4] Также доступны инструменты цифрового субпиксельного спектрального разделения. В USGS Tetracorder который применяет несколько алгоритмов к одним спектральным данным по отношению к спектральной библиотеке, является чувствительным и дает многообещающие результаты.[11] Различные подходы обобщены и классифицированы в литературе, но, к сожалению, не существует универсального рецепта для идентификации минералов.

Для скал, будь они огненный, осадочный или метаморфический, большинство их диагностических спектральных характеристик минералогии присутствуют в более длинных волнах (SWIR и TIR), что для пример присутствует в АСТЕР миссия.[9] Это связано с чувствительностью колебательных полос с большей длиной волны. В отличие от автоматической статистической интерпретации, упомянутой выше для минералов, более целесообразно использовать визуальную интерпретацию для идентификации породы, поскольку поверхностные изменения породы могут давать очень разные спектральные характеристики.[3]

Для идентификации типа породы предлагается несколько индексов, таких как Quartz Index, Carbonate Index и Mafic Index, где Di - данные i-го диапазона в ASTER.[12][13][14]

  • Карбонатный индекс (CI): D13 / D14
  • Кварцевый индекс (QI): D11 * D11 / D10 * D12
  • Основной индекс (MI): D12 / D13
Гиперспектральная визуализация дает высокое спектральное разрешение, но в качестве компромисса пространственное и радиометрическое разрешение ниже.

Почва

Поверхностная почва - хороший пример геологии под ней. Некоторые свойства почвы, наряду с литологией, упомянутой выше, могут быть восстановлены с помощью данных дистанционного зондирования, например Landsat ETM +, для разработки горизонт почвы и, следовательно, помочь его классификация.[9][4]

Текстура почвы и влажность

Количество влажность в почвенных частицах регулируется размер частицы и текстура почвы поскольку межклеточное пространство может быть заполнено воздухом для сухой почвы и водой для насыщенной почвы. По сути, чем мельче размер зерна, тем выше способность удерживать влагу. Как упоминалось выше, более влажная почва на радиолокационном изображении ярче сухой. Для коротковолновой области VNIR, согласно той же теории, глинистая поверхность с меньшим размером зерна, способствующая большему обратному рассеянию, должна давать более высокий спектральный отклик. Однако более высокая влажность почвы и органическое содержание делает глина темнее на изображениях по сравнению с илистым и песчаным почвенным покровом после атмосферные осадки.[9] Что касается области VNIR, по мере увеличения содержания влаги происходит более заметное поглощение (1,4, 1,9, 2,7 микрометра, а иногда и 1,7 для полосы поглощения гидроксила). С другой стороны, радар чувствителен еще к одному фактору: диэлектрическая постоянная.[1] Поскольку вода имеет высокую диэлектрическую проницаемость, она имеет высокую отражательную способность и, следовательно, имеет место большее обратное рассеяние, то есть кажется более ярким на радиолокационных изображениях.[1] Таким образом, почва выглядит ярче при более высоком содержании влаги в ней (при наличии капиллярная вода ), но кажется темным для затопленной почвы (зеркальное отражение). Количественно, тогда как текстура почвы определяется статистическими методами: регресс с участием калибровка, ученые также разработали Индекс почвенных вод (SWI).[15] для долгосрочного обнаружения изменений. Другой подход - модель баланса поверхностной энергии, которая делает прогноз на основе фактического эвапотранспирация.[4]

Короче говоря, общий коэффициент отражения почвенной влаги может быть сведен в таблицу.

инструментыСухая почваМокрый грунтЗатопленная почва
Радартемнее (энергия проникает в грунт с низкой диэлектрической проницаемостью)ярче (вода имеет высокую диэлектрическую проницаемость)очень темный (зеркальное отражение)
ВНИРярче (меньше поглощения)темнее (заметное водопоглощение)как вода (малая глубина проникновения)
Органический углерод почвы

Органический углерод почвы в основном получают путем проксимального зондирования с использованием средней инфракрасной отражательной способности.[4] Более темный цвет почвы получается из-за насыщенного органическая материя плюс переменное количество черного гуминовая кислота и влажность почвы.[4] Чем выше количество органических веществ в почве, тем больше будет поглощаться падающая энергия, и в результате в целом ожидается более низкая отражательная способность.[9][4] Контраст цвета почвы позволяет проводить количественный анализ глубины полосы, Анализ главных компонентов и моделирование.[4]

Засоленность почвы

Засоленность почвы является результатом недостаточного количества дождевой воды атмосферные осадки что приводит к накоплению растворимой соли в почвенном горизонте. Спектральное проксимальное зондирование в VNIR чувствительно к поглощению воды гидратированными испарить минералы, наиболее заметно на 505 нм, 920 нм, 1415 нм и 2205 нм.[9][3][4] Для еще более засоленной почвы 680, 1180 нм и 1780 нм также дадут более низкую отражательную способность (более высокое поглощение) и более высокую отражательную способность при 2200 нм, возможно, из-за потери кристалличность в глинистых минералах.[9][4] Спектральная кривая также показывает уменьшение общего наклона от 800 нм до 1300 нм для более высокой солености.[4] Общая кривая отражения на всех длинах волн увеличивается с увеличением концентрации соли, в то время как составы соли будут показывать некоторые изменения в полосах поглощения.[9]

Поверхностные проявления геологической кинематики дают подсказки для интерпретации фотографий, вдохновленных Гуптой (1991).

Геоморфология

Трехмерные геоморфологические особенности, возникающие из региональных тектоника и механизмы формирования можно также понять с точки зрения мелкомасштабных изображений, показывающих большую площадь, полученную на возвышении. В топография области часто характеризуется вулканическая активность или орогенез. Эти процессы горообразования определяются отношение напряжения к деформации в соответствии с типами пород.[3] Они ведут себя как упругие / пластические / разрушающие деформации в ответ на различную кинетику. Методы дистанционного зондирования предоставляют такие доказательства, как наблюдаемые линеаменты, распределение гор в глобальном масштабе, сейсмичность и вулканическую активность, чтобы подтвердить масштаб земной коры. тектоника и геодинамика исследования.[8] Дополнительная спектральная информация также помогает. Например, снег и лед различаются по размеру зерна.[6] Помимо планарного геологическая карта с поперечными сечениями, иногда в трехмерном виде со стереофотографий или представлением в Цифровая модель рельефа (ЦМР) может помочь визуализации.[3] Теоретически LiDAR дает лучшее разрешение с точностью до сантиметра, в то время как радар дает оценку до 10 метров из-за своей высокой чувствительности к мелкой неровности.[4] Наклонные изображения могут значительно улучшить третье измерение, но пользователи должны помнить о затенении и искажениях.

Дельтовый рельеф в устье Хуанхэ, Китай - Landsat

Недоступные районы

Хотя полевое картирование является наиболее первичным и предпочтительным способом получения достоверных данных, этот метод не работает, когда области становятся недоступными, например, в слишком опасных или экстремальных условиях. Иногда въезд ученых запрещен по политическим причинам. Дистанционное зондирование, с другой стороны, предоставляет информацию об интересующей области, не отправляя ни человека, ни датчик на место.

Пустыня

Площадь пустыни сформирована эоловые процессы и его формы рельефа эрозия и отложение.[3] Стереопары аэрофотоснимки обеспечить трехмерную визуализацию рельефа при гиперспектральное изображение предоставьте информацию о масштабе зерен для размера зерна, состава песка и т.[3] Изображения часто представляют собой высокие фототоны в коротких длинах волн в VNIR, что соответствует скудной растительности и небольшой влажности.[3] Еще одним инструментом является радар, который может проникать в поверхностный песок, материал с низкой диэлектрической проницаемостью.[16] Эта прозрачная характеристика, особенно микроволны L-диапазона (1,25 ГГц) с проникновением 1–2 м, позволяет картировать подповерхностные слои и, возможно, идентифицировать прошлый водоносный горизонт.[16] Выявлена ​​палеогидрография в пустыне Сахара и пустыне Гоби, и в будущих исследованиях предлагаются дальнейшие исследования с использованием бортового P-диапазона (435 МГц) для проникновения 5 м.[16]

Политическая чувствительная область

Политика бросает вызов научным исследованиям. Одним из примеров является Горы Тибести, который в последние десятилетия является отдаленным и политически нестабильным из-за конфликтов из-за уран депозит внизу.[17] Однако этот район может служить одним из ярких примеров внутриконтинентального вулканизма или горячая точка.[17] Детальные исследования территории, разделенной на вулканическую провинцию Западный, Центральный и Восточный Тибести, не показывают существенных признаков пространственно-прогрессирующего вулканизма, и, следовательно, вряд ли это будет горячая точка как проявление вулканизма. Гавайский или Галапагосские острова Острова.[17] Дополнительные данные и систематические полевые исследования и исследования, например геохимический и радиометрическое датирование, отличные темы, на которых стоит сосредоточиться в ближайшем будущем.[17] Купол вала Тибести также изучается как региональная речная система для оценки скорости подъема.[18]

Водные объекты, например океан и ледники, можно изучать с помощью дистанционного зондирования. Вот два примера картирования планктона и ледников.

Цветение фотосинтезирующего фитопланктона является экологическим признаком благоприятных условий окружающей среды.[19] Спутниковое дистанционное зондирование в диапазоне длин волн VNIR помогает определить место спорадического изменения цвета океана из-за относительного увеличения соответствующего поглощения на спектральной кривой.[19] Различные математические методы (например, алгоритмы соотношения полос и разность спектральных диапазонов) разработаны для обслуживания прибрежных и открытых водоемов и даже некоторых конкретных типов цветения (например, цветение кокколитофоридов и цветение триходесмий).[19] Возможность мониторинга в реальном времени за счет комбинированного использования долгосрочных спутниковых данных позволяет лучше понять динамику океана.[19]

Картирование ледников облегчается с помощью дистанционного зондирования, в отличие от перевозки тяжелого оборудования на опасные ледяные земли.[20] Некоторые известные приложения включают составление карт ледников, покрытых чистым льдом и покрытых обломками, записи колебаний ледников, исследования баланса массы и изменения объема для помощи в создании топографической карты и количественного анализа.[20] Аналогичным образом, автоматизированный подход, использующий математику полос и расчеты ЦМР с использованием данных высокого разрешения, необходим для изучения ледниковых вариаций из-за динамических условий окружающей среды.[20]

Геологические опасности

Геологические опасности привести к несчастным случаям и серьезному повреждению имущества. Хотя предотвратить стихийные бедствия практически невозможно, их влияние можно уменьшить и свести к минимуму с помощью надлежащей предварительной оценки и планирования рисков.[21]

Карты сейсмической опасности США 2014 г.

Землетрясения

Землетрясения проявляется в движении земной поверхности.[22] Дистанционное зондирование также может помочь в изучении землетрясений по двум аспектам. Один из них - лучше понять местные условия грунта. Например, какой-то тип почвы, склонный к разжижение (например, насыщенный рыхлый аллювиальный материал), наносят больший ущерб при вибрации, и поэтому зонирование сейсмической опасности может помочь в сокращении материального ущерба.[3] Другой - локализовать исторические землетрясения в неотектонизме (за последние 11000 лет) и проанализировать их пространственное распределение, и, следовательно, зоны разломов со структурными разрывами нанесены на карту для дальнейших исследований.[3] С геодезической точки зрения радиолокационная техника (SAR интерферометрия, также называемый InSAR) обеспечивает измерение смещения земли до сантиметрового масштаба.[23][8][24][25] SAR-интерферометрия - это технология, использующая несколько изображений SAR, регистрирующих обратное рассеяние микроволнового сигнала.[23][24][25] Обратный сигнал можно использовать для оценки расстояния между землей и спутником.[23][24][25] Когда два изображения получены в одной и той же точке, но в разное время, некоторые пиксели, показывающие задержанные возвраты, показывают смещение, при условии отсутствия изменений грунта.[23][24][25] Карта смещения (интерферограмма) создается для визуализации изменений с точностью до половины длины волны, то есть с точностью до сантиметра.[23][24][25] Еще одна похожая техника Глобальная система позиционирования (GPS), который фиксирует смещение во времени дискретных точек через трилатерация микроволновых спутниковых сигналов GPS.[8][22] Та же идея и принцип измерения смещения грунта могут быть также распространены на мониторинг других опасных природных явлений, таких как вулканизм, оползни и лавины.[26][24][21][25] Спутниковые тепловые изображения в среднем ИК диапазоне (11–12 микрометров) показали некоторые тепловые поля в геологических активных областях, таких как системы линеаризации и разломов.[27] Помимо этих долгоживущих тепловых полей, есть несколько положительных тепловых аномалий в 3-4 ° C на поверхности суши или около -5 ° C для морской воды при землетрясении. эпицентр области. Контраст появляется за 7–14 дней до движения Земли. Хотя это наблюдение подтверждается лабораторными экспериментами, возможные причины этих различий все еще остаются спорными.

Цунами

Мангровые заросли предлагает защиту от цунами и штормы от сметания внутренних районов, потому что мангровые заросли были повреждены и забрали всю энергию.[28] Поэтому актуальной темой становится дистанционное зондирование мангровых зарослей и растительности как естественного барьера для управления рисками. Последние достижения и разработки очень ожидаются в ближайшем будущем, особенно в связи с преобладанием системы гиперспектральных изображений и спутниковых изображений с очень высоким разрешением (до субметрового уровня).[29] Для экологических исследований могут быть разработаны новые схемы классификации, позволяющие отличать виды от состава.[29] Предварительный расчет площадь листа высота растительного покрова, биомасса и продуктивность также могут быть улучшены с появлением существующих и будущих датчиков и алгоритмов.[29] Наводнение, вызванное цунами, приводит к изменению прибрежной зоны, что можно количественно оценить с помощью дистанционного зондирования.[30] Подход на основе разделения для разделения больших изображений на частичные изображения для дальнейшего анализа путем переопределения порога обнаружения изменений позволил сократить время вычислений и показал свою совместимость с ручным картированием затронутых областей.[30]

Интерферограмма, показывающая движение грунта в пустыне Трех сестер, где 1500 лет назад произошло извержение. Каждый цветной контур представляет собой равное поднятие, которое, возможно, вызвано накоплением магмы на глубине около 7 км. Поднятие около 130 мм при боковой протяженности 20 км. Белые кнопки - это станции GPS. ENVISAT / Wicks, C.W. et al., 2002, Геологическая служба США

Вулканизм

Динамичный магма под плитами, на которых мы живем, вызывает вулканическую активность на поверхности Земли.[3] Чтобы углубить понимание вулканологии и мониторинга активных вулканов, основные потоки данных, получаемые с помощью дистанционного зондирования, включают измерения деформации поверхности и тепловые измерения, а также поток и состав газа.[31] Сейсмичность с другой стороны, считается геофизическим методом. Данные могут собираться на протяжении всего цикла извержения, от волнений до извержения и затем расслабления.[31] Например, Ультрафиолет (УФ) и область VNIR чувствительна к диоксид серы, один из вулканических газов. BrO (образуется из взрыв брома внутри шлейфов)[32] и CO2 также являются возможными кандидатами для вулканического мониторинга в наши дни.[31] Тепловое возмущение, например, из-за изменения температуры в кратерные озера и нагнетание горячего газа в атмосферу, может быть обнаружено с помощью датчиков TIR для автоматизации тепловых оповещений о вулканах.[31] Подъем и оседание грунта можно было количественно оценить дистанционно с помощью InSAR техника.[31] Поверхностное проявление вулканизма имеет тенденцию отдавать предпочтение простой геометрии, в то время как сложности вносятся подземными взаимодействиями.[31] В то время как дистанционное зондирование может собирать данные с земли, 3-D моделирование с использованием анализ методом конечных элементов добавление геофизических исследований недр настоятельно рекомендуется.[31]

Ночное тепловое инфракрасное изображение ASTER, на котором запечатлено извержение вулкана Кальбуко в 2015 году в Чили. Горячий изверженный материал на вершине выглядит белым (горячим) с фиолетовым шлейфом, струящимся вправо, что указывает на то, что он покрыт пеплом.

Оползни

Оползень это одна из форм массового истощения, вызванная сила тяжести и неустойчивость склона.[3] Рок и мусор быстро падают вниз и наружу со склона. Помимо характеристики участка с помощью геологического картирования, можно использовать многие из упомянутых инструментов дистанционного зондирования.[33] Например, использование аэрофотоснимков для обновления инвентаризации оползней популярно в Гонконг оползневые исследования.[34] В LiDAR техника для создания Цифровая модель рельефа высокого разрешения (HRDEM) и Цифровая модель местности (DTM) с растительным покровом имеет решающее значение для количественной оценки наклон, уклон, мощность потока, плотность дренажа и многие другие параметры для моделей опасности оползней.[33] Микроволновая РЛС также может принять участие в распознавании оползней в радар с синтезированной апертурой (SAR) изображения и мониторинг через InSAR техника, которая эффективно показывает мелкомасштабную деформацию.[33] Управление рисками опасностей может быть дополнительно обсуждено с использованием географическая информационная система (ГИС).

Экономическая геология

В контексте экономическая геология, поверхностные данные помогают определить возможные запасы природные ресурсы.

Разведка полезных ископаемых и нефти

Возникновение природных заповедников, которые можно эксплуатировать, тесно связано с окружающей геологией. Возможные исследования ресурсов должны подкрепляться точными геологические модели найти перспективу руда и нефть депозиты из предварительного регионального обзора.[3] Дистанционное зондирование может обеспечить масштабируемое расследование по мере продвижения программы разведки при разумных затратах. Одним из примеров является отслеживание деформации поверхности в шахте с помощью InSAR Временные ряды.[5] Другой пример - использование коротковолновой области в VNIR для оценки нефтяного коллектора, потому что VNIR может обеспечить как точное измерение расстояния с помощью лидара, так и спектральные данные от спектрального сканирования.[35] Следует иметь в виду следующее ограничение: дистанционное зондирование предназначено для обнаружения поверхности, в то время как природные ресурсы сосредоточены в глубине, поэтому его использование несколько ограничено. Тем не менее, есть некоторые прокси, которые предоставляют ценные данные, включая следующие примеры.[3]

  1. стратиграфико-литологические: некоторые минералы сингенетичны или эпигенны с вмещающими породами
  2. геоморфологический: механическая концентрация полезных ископаемых в морфологии
  3. структурный: пересечение структурных особенностей для формирования структурные ловушки
  4. изменение горных пород: кварц -полевые шпаты, карбонаты, гидроксил -содержащие минералы, листовые силикаты, оксиды железа (лимонит ), обычно проявляется в виде кольца или ореола с зональными изменение, с помощью улучшения изображения
  5. геоботанический: стресс и аномальный рост растительности могут быть связаны с наличием металла в почве
Расширение хвостохранилища для экономии воды и минимизации воздействия на окружающую среду на руднике Эскондида, Чили, крупнейшем в мире источнике меди - Landsat

В отношении вышеупомянутых средств изменения горных пород предлагается новый метод в свете недостатков низкой отражательной способности из-за растительного покрова и неоднозначности некоторых минералов, например каолинит которые могут или не могут быть результатом изменения минерала. Общая форма спектра от гиперспектральное изображение сначала рассматривается в их алгоритме, а затем следуют полосы поглощения. Затем рассчитываются коэффициенты корреляции для каждого пикселя путем сравнения данных дистанционного зондирования и данных наземного поля. Решение будет закреплено за каждым пиксель наиболее восприимчивым доминантным объектом, но не установкой порога.[36]

Исследования подземных вод

Таргетинг грунтовые воды ресурсы для снабжения - одна из конечных целей в управлении водными ресурсами. Хотя большая часть информации действительно предоставлена гидрогеология, геофизические методы и бурение, метод дистанционного зондирования, использующий тот же принцип для интеграции данных, собранных на поверхности, может сделать вывод о возможных замкнутых / неограниченных водоносные горизонты.[37] Например, в данных радара (георадар ), который способен проникать в землю на глубину до метров, может давать некоторое диффузное отражение от «шероховатой» поверхности относительно используемой длины волны. Изменение литологии может указывать на мягкие породы и рыхлые отложения, где пористость в приоритете.

Растительность

Исследования поверхностной растительности в основном выполняются с помощью мультиспектрального или гиперспектрального анализа изображений, в основном из-за меньшей глубины проникновения и более высокого разрешения в диапазоне длин волн VNIR.[29] В анализе растительности доступно множество датчиков, алгоритмов обработки и классификации изображений и схем оценки результатов на основе дополнительных данных.[29] Например, характеристика пастбищных угодий в отношении количества и качества биомассы может быть выведена на основе гиперспектральных данных.[38][29] Обнаружение фотосинтетических активных (стоячие живые) по сравнению с нефотосинтетическими активными (стоячие мертвые) и их соотношение в интересующей области поддерживает количественную оценку биомасса. Качество кормов, представленных в Углерод:Азот соотношение может быть оценено путем обработки гиперспектральных данных с точностью более 80%.

Растительность изменилась с густого леса на прямоугольные земли для возделывания сои в Санта-Крус, Боливия - Landsat

С геологической точки зрения, некоторое поверхностное покрытие может скрывать интересующую область изображения. Что касается растительности, временной ряд Нормализованного разностного индекса растительности (NDVI), который характеризует рост сельскохозяйственных культур, может определить структуру почвы.[4] Биогеографический градиент, включающий параметры окружающей среды, такие как флористические условия, осадки и температура, также дает ключ к разгадке почвенного покрова.[4] Метод спектрального несмешивания, предполагающий, что полная отражательная способность пикселя представляет собой линейную смесь отражательной способности компонентов, очерчивает объекты, вносящие вклад в результирующий сигнал, полученный в датчике.[4] Для характеристики почвы возможны некоторые другие параметры и показатели почвы, такие как нефотосинтезирующий растительный покров, лишайники, функциональные типы растений и значения индикаторов Элленберга.[4]

Планетарные наблюдения

Вулканизм на Ио теряет тепло, полученный камерой LORRI зонда New Horizons

Помимо Земли, дистанционное зондирование сделало возможным исследование планет без отправки космонавт в космос. Для большинства планетных исследований из-за толстой атмосфера, радар является подходящим инструментом для исследования поверхности планеты. Радар может проникать в атмосферу и обнаруживать неровности поверхности. Кроме того, топографические карты могут быть получены с помощью радиолокационной альтиметрии и InSAR методы, например в карта Венеры. В качестве примера планетарных приложений с использованием дистанционного зондирования можно проиллюстрировать вулканизм наблюдение на Ио, который имеет самое большое количество действующих вулканов на квадратный километр в Солнечная система. Хотя важность Ио вулканология хорошо документирован как учебник,[39] Новые наблюдения указывают на то, что временная эволюция спектрального отношения между тепловым излучением 2: 5 микрометров (тепловая сигнатура) может указывать на режимы извержения, от фонтана лавы до потоков кремнистой лавы.[40] Недавно было сделано предложение улучшить пространственное разрешение для более точного определения местоположения источника тепла, чтобы прояснить нерешенную загадку вулканологии, которая тесно связана с приливное отопление вызвано орбитальный эксцентриситет из Юпитер. Моделирование показало, что необходимо поддерживать подходящее расстояние между исследуемой землей и датчиком, чтобы обеспечить значимый размер пикселя для разрешения поверхности Io. Дистанционное зондирование со спутника также снижает дрожание, поскольку датчик устойчив в космосе и дает точные данные в отсутствие атмосферы для наземных наблюдений, несмотря на сильные зона излучения в Юпитере, что резко ограничивает срок службы датчика.[41] Все это способствует будущему проектированию приборов и орбиты.

Обработка изображений

Основная статья: Цифровая обработка изображений

Обработка изображений крайне важен для преобразования необработанных данных в полезную информацию. Для дистанционного зондирования изображений, когда спектральные данные собираются и записываются в пиксели из образ, двумерное представление. После удаления шума и калибровка, тогда изображения с географической привязкой относиться пиксель к реальной географии. Затем данные из первых рук корректируются для удаления шума, такого как атмосферные возмущения, структурные эффекты и искажение. Данные дистанционного зондирования часто подтверждаются наземная правда, который обычно служит данные обучения в классификации изображений для обеспечения качества.[3][4] Интерпретация изображения может быть достигнута с помощью интерпретатора или вычислений.[3] Надежность интерпретируемой карты высока только в том случае, если эксперт имеет полное представление о геоморфологии, о том, как поверхностный ландшафт может быть сформирован возможным взаимодействием множества факторов и ограничениями метода. Хотя существует богатый опыт визуальной интерпретации аэрофотоснимков, этот метод требует много времени и подвержен человеческим ошибкам. Цифровая контролируемая или неконтролируемая классификация рельефа с использованием хрустящий или нечеткий Логика кластеризации открыла новые возможности для жизнеспособных решений. Однако вычислительные алгоритмы зависят от масштабной зависимости и произвольного определения границ классов. Наличие растительного покрова и пересеченной местности также может снизить применимость.[4] Статистические и вычислительные алгоритмы для выявления корреляций активно развиваются для анализа изображений. Например, появление непараметрических классификаторов, таких как нейронная сеть, становится альтернативой классификации массивных данных.[1]

Интеграция с ГИС

Техника дистанционного зондирования тесно связана с более поздней интерпретацией и визуализацией данных, что является одной из возможностей в Географическая информационная система (ГИС).[9][1][2] ГИС также позволяет вводить другую информацию, такую ​​как социально-экономические условия и биофизические условия с точки зрения слоев.[37] Дальнейший анализ проводится в том же пространственном экстенте, и затем создаются тематические карты для презентации.[9][1][2] Применение интеграции ГИС и дистанционного зондирования ни в коем случае не может быть исчерпывающим, но здесь обсуждаются темы гидрологии, оползней и городского планирования.

Гидрология

Существует множество применений данных ГИС и дистанционного зондирования в управлении водными ресурсами, начиная от разведки, моделирования подземных потоков и естественного пополнения, контроля загрязнения и мониторинга гидрогеологических процессов. По сути, топография, растительный покров, дренажные формы рельефа и водоносный горизонт типы могут быть выведены из данных дистанционного зондирования и изображений с различных типов датчиков и платформ.[37] Пример из практики Бурдур, индюк представление использования данных дистанционного зондирования и пространственного анализа, выполняемого ГИС, является одним из первых проектов.[42] Дистанционное зондирование собирало данные о геологии и плотности линеаментов, в то время как ГИС выводила данные о плотности дренажа, высоте топографии, градиенте, землепользовании и годовом количестве осадков.[42] С помощью взвешенного наложения создается карта потенциала подземных вод для определения возможных новых источников воды.[42]

Оползень

Обширная литература показывает, что использование методов дистанционного зондирования оползней успешно во всех аспектах распознавания, мониторинга и оценки опасности.[33][43] Помимо примеров в Европе, оползни в Гонконге привели к человеческим жертвам и материальному ущербу на территории до создания соответствующей правительственной организации для проведения систематических исследований по снижению риска обрушения склонов.[44] Основными факторами, способствующими оползням во всем мире, являются геология, неоднородности (структурные), выветривание и осадки. Интенсивные осадки (> 2000 мм / год) быстро повышают поровое давление из-за проникновение. В то время как местные гидрогеологические модели, созданные с помощью, например, in situ, пьезометрические измерения и картографирование разрывов, может помочь выяснить кинематику оползней, использование дистанционного зондирования для оценки оползней в Гонконге всегда имеет достаточный опыт. Например, Интерферометрический радар с синтезированной апертурой[26] и интерпретация аэрофотоснимков[34] - это инструмент, используемый в истории для обнаружения деформации поверхности и обновления инвентаризации оползней соответственно. ГИС также используется для наложения слоев местности (высота и угол наклона), литологии с данными об осадках для создания карт опасности оползней. С разными весами в соответствующих параметрах, опасность может быть зонирована, чтобы контролировать риск.

Городские экологические приложения

Дистанционное зондирование имеет большой потенциал в экологических приложениях. В последнее десятилетие большой интерес вызывают планирование землепользования (например, размещение атомных электростанций и свалки), мониторинг эрозии почвы и загрязнения атмосферы, растительности и т. Д.[3]

использованная литература

  1. ^ а б c d е ж г час я j k л м п о п Рис, В. Г. (2013). Физические принципы дистанционного зондирования, 3-е издание. Издательство Кембриджского университета.
  2. ^ а б c Куен, Ф., Кинг, Т. В. В., Хёриг, Б., Петерс, Д. К., Ньюком, К., Томс, Х. (2000). Дистанционное зондирование для определения характеристик участка. Springer.
  3. ^ а б c d е ж г час я j k л м п о п q р s т ты v ш Икс у z аа ab ac объявление ае аф аг ах ай эй ак аль Гупта, Р. П. (1991). Геология дистанционного зондирования. Springer-Verlag.
  4. ^ а б c d е ж г час я j k л м п о п q р s т ты v ш Малдер, В. Л., де Брюин, С., Шепман, М. Э., Майр, Т. Р. (2011). Использование дистанционного зондирования при картировании почв и местности - обзор. Геодермия, 162, 1–19.
  5. ^ а б c Параделла, У. Р., Ферретти, А., Мура, Дж. К., Коломбо, Д., Гама, Ф. Ф., Тамбурини, А., ... и Сильва, А. К. (2015). Картирование деформации поверхности в карьерах железных рудников в провинции Карахас (регион Амазонки) с использованием интегрированного анализа SAR. Инженерная геология, 193, 61–78.
  6. ^ а б c d е ж г час я Винсент, Р. К. (1997). Основы геолого-экологического дистанционного зондирования. Прентис Холл.
  7. ^ а б c d Коломина И., Молина П. (2014). Беспилотные авиационные системы для фотограмметрии и дистанционного зондирования: обзор. Журнал ISPRS по фотограмметрии и дистанционному зондированию 92 (2014) 79–97
  8. ^ а б c d Бюргманн, Р., Тэтчер, В. (2013). Космическая геодезия: революция в измерениях деформации земной коры тектонических процессов. Специальный доклад Геологического общества Америки 500. 397–430.
  9. ^ а б c d е ж г час я j k л м Дженсен, Дж. Р. (2007). Дистанционное зондирование окружающей среды с точки зрения ресурсов Земли. Пирсон.
  10. ^ Бартоломеус, Х., Эпема, Г., Шепман, М.Е. (2007). Определение содержания железа в средиземноморских почвах на частично покрытых растительностью территориях с использованием спектральной отражательной способности и визуальной спектроскопии. Int. J. Appl. Earth Obs. Geoinf. 9 (2), 194–203.
  11. ^ Кларк, Р. Н. и др., 2003. Спектроскопия изображений: дистанционное зондирование Земли и планет с помощью USGS Tetracorder и экспертных систем. J. Geophys. Res. 108 (5), 44.
  12. ^ Ниномия, Ю., Фу, Б., Кудахи, Т.Дж., 2005. Обнаружение литологии с помощью многоспектрального теплового инфракрасного "теплового излучения на датчике" усовершенствованного космического радиометра теплового излучения и отражения (ASTER). Remote Sens. Environ. 99 (1–2), 127–139.
  13. ^ Асадзаде, С., и де Соуза Филхо, К. Р. (2016). Обзор методов спектральной обработки для дистанционного геологического зондирования. Международный журнал прикладного наблюдения Земли и геоинформации, 47, 69–90.
  14. ^ Калиновский А., Оливер С. (2004). Руководство по обработке минерального индекса ASTER. Приложения дистанционного зондирования. Геонауки Австралия.
  15. ^ Wagner, W., Pathe, C., Sabel, D., Bartsch, A., Kunzer, C., Scipal, K., 2007. Экспериментальные продукты влажности почвы на 1 км от ENVISTAT ASAR для южной части Африки, проекта SHARE и MISAR проект. Европейское космическое агентство.
  16. ^ а б c Пайлоу, П. (2017). Картографирование палеогидрографии в пустынях: вклад космического радиолокатора. Вода, 9 (3), 194. Дои:10.3390 / w9030194
  17. ^ а б c d Перментер, Дж. Л., и Оппенгеймер, К. (2007). Вулканы массива Тибести (Чад, Северная Африка). Вестник вулканологии, 69 (6), 609–626.
  18. ^ Робертс, Г. Г., и Уайт, Н. (2010). Оценка историй скорости подъема по профилям рек на африканских примерах. Журнал геофизических исследований: Твердая Земля, 115 (B2).
  19. ^ а б c d Блондо-Патисье, Д., Гауэр, Дж. Ф., Деккер, А. Г., Финн, С. Р., и Брандо, В. Э. (2014). Обзор методов дистанционного зондирования цвета океана и статистических методов для обнаружения, картирования и анализа цветения фитопланктона в прибрежных и открытых океанах. Прогресс в океанографии, 123, 123-144.
  20. ^ а б c Бхамбри, Р., и Болч, Т. (2009). Картирование ледников: обзор с особым упором на Индийские Гималаи. Прогресс в физической географии, 33(5), 672-704.
  21. ^ а б Джойс, К. Э., Беллисс, С. Е., Самсонов, С. В., МакНил, С. Дж. И Глесси, П. Дж. (2009). Обзор состояния спутникового дистанционного зондирования и методов обработки изображений для картирования опасных природных явлений и стихийных бедствий. Успехи в физической географии, 33 (2), 183–207.
  22. ^ а б Прескотт, В. (1993). Увидеть землетрясения издалека. Природа, 364, 100–101.
  23. ^ а б c d е Европейский центр космических исследований и технологий. (2007). Принципы InSAR: Руководство по интерпретации SAR-интерферометрии. Публикации ЕКА.
  24. ^ а б c d е ж Крозетто М., Монсеррат О., Куэвас-Гонсалес М., Девантери Н. и Криппа Б. (2016). Интерферометрия стойкого рассеивателя: обзор. Журнал ISPRS по фотограмметрии и дистанционному зондированию, 115, 78–89.
  25. ^ а б c d е ж Кадафф, Р., Шлунеггер, Ф., Кос, А., и Висманн, А. (2015). «Обзор наземной радиолокационной интерферометрии для измерения изменения поверхности в науках о Земле». Процессы земной поверхности и формы рельефа, 40(2), 208–228.
  26. ^ а б Чен Ф., Лин. Х. и Ху X. (2014). Мониторинг поверхностного смещения склона с помощью малой базовой SAR-интерферометрии с использованием данных ALOS PALSAR в диапазоне L и TerraSAR в диапазоне X: пример Гонконга, Китай. Дистанционное зондирование, 6, 1564–1586.
  27. ^ Узунов Д., Фройнд Ф. (2004). Излучение в среднем инфракрасном диапазоне перед сильными землетрясениями проанализировано с помощью данных дистанционного зондирования. Успехи космических исследований, 33, 268–273.
  28. ^ Дахдух-Гуэбас, Ф., Джаятисса, Л. П., Ди Нитто, Д., Бозире, Дж. О., Сеин, Д. Л., и Коэдам, Н. (2005). Насколько эффективны мангровые заросли в качестве защиты от недавнего цунами ?. Текущая биология, 15 (12), R443-R447.
  29. ^ а б c d е ж Хойманн, Б. В. (2011). Спутниковое дистанционное зондирование мангровых лесов: последние достижения и будущие возможности. Успехи в физической географии, 35 (1), 87–108.
  30. ^ а б Боволо Ф. и Бруззоне Л. (2007). Подход на основе разделения к неконтролируемому обнаружению изменений в многотемпоральных изображениях большого размера: приложение к оценке ущерба от цунами. IEEE Transactions по геонауке и дистанционному зондированию, 45 (6), 1658–1670.
  31. ^ а б c d е ж г Пайл, Д. М., Мазер, Т. А., и Биггс, Дж. (2013). Дистанционное зондирование вулканов и вулканических процессов: интеграция наблюдений и моделирования - введение. Геологическое общество, Лондон, Специальные публикации, 380 (1), 1–13.
  32. ^ Hörmann, C .; Sihler, H .; Bobrowski, N .; Beirle, S .; Penning de Vries, M .; Platt, U .; Вагнер, Т. (8 мая 2013 г.). «Систематическое исследование окиси брома в вулканических шлейфах из космоса с помощью прибора ГОМЭ-2». Атмосферная химия и физика. 13 (9): 4749–4781. Дои:10.5194 / acp-13-4749-2013.
  33. ^ а б c d Scaioni, M .; Longoni, L .; Melillo, V .; Папини, М. (2014). «Дистанционное зондирование для расследования оползней: обзор последних достижений и перспектив». Дистанционное зондирование. 6 (10): 9600–9652. Bibcode:2014RemS .... 6.9600S. Дои:10.3390 / RS6109600.
  34. ^ а б Хо, Х. (2004). Применение интерпретации аэрофотоснимков в геотехнической практике Гонконга (Магистерская диссертация). Университет Гонконга, Покфулам, САР Гонконг. Дои:10.5353 / th_b4257758. HDL:10722/55931.
  35. ^ Ходжетс, Д. (2013). Лазерное сканирование и цифровая геология обнажений в нефтяной промышленности: обзор. Морская и нефтяная геология, 46, 335–354.
  36. ^ Сюй, Ю., Ма, Х., Пэн, С. (2014). Исследование по идентификации измененных горных пород на гиперспектральных изображениях по спектру полевого объекта. Обзоры рудной геологии, 56, 584–595.
  37. ^ а б c Джа, М. К., Чоудхури, А., Чоудари, В. М., и Пайффер, С. (2007). Управление подземными водами и их освоение с помощью интегрированных систем дистанционного зондирования и географической информации: перспективы и ограничения. Управление водными ресурсами, 21 (2), 427–467.
  38. ^ Бери О, Филлипс Р., Хендриксон Дж. И др. (2007) Оценка количества и качества кормов с использованием аэрофотоснимков для северных разнотравных прерий. Remote Sens Environ 110: 216–25.
  39. ^ Дэвис, А. Г. (2007). Вулканизм на Ио в сравнении с Землей. Издательство Кембриджского университета.
  40. ^ Дэвис, А. Г., Кестхейи, Л. П., Харрис, А. Дж. Л. (2010). Тепловая подпись вулканических извержений на Ио и Земле. Журнал вулканологии и геотермальных исследований, 194, 75–99.
  41. ^ Делори, Г. Т., Лейвер, К., де Патер, И., Питман, Дж., Дункан, А. (2010). Наблюдения с помощью дистанционного зондирования высокого разрешения для миссий в систему Юпитера: Ио в качестве примера. Планетарная и космическая наука, 58, 1699–1707.
  42. ^ а б c Шенер, Э., Давраз, А., Озчелик, М. (2007). Интеграция ГИС и дистанционного зондирования в исследованиях подземных вод: тематическое исследование в Бурдуре, Турция. Журнал гидрогеологии, 13, 826–834.
  43. ^ Тофани В., Сегони С., Агостини А., Катани Ф. и Касагли Н. (2013). Техническое примечание: использование дистанционного зондирования для изучения оползней в Европе. Опасные природные явления и науки о Земле, 13, 299–309.
  44. ^ Хенчер, С. Р., Мэлоун, А. В. (2012). Гонконгские оползни. Оползни: типы, механизмы, моделирование. Издательство Кембриджского университета.

внешние ссылки