Landslides often cause economic losses, property damage, and loss of lives. Monitoring landslides using high spatial and temporal resolution imagery and the ability to quickly identify landslide regions are the basis for emergency disaster management. This study presents a comprehensive system that uses unmanned aerial vehicles (UAVs) and Semi-Global dense Matching (SGM) techniques to identify and extract landslide scarp data. The selected study area is located along a major highway in a mountainous region in Jordan, and contains creeping landslides induced by heavy rainfall. Field observations across the slope body and a deformation analysis along the highway and existing gabions indicate that the slope is active and that scarp features across the slope will continue to open and develop new tension crack features, leading to the downward movement of rocks. The identification of landslide scarps in this study was performed via a dense 3D point cloud of topographic information generated from high-resolution images captured using a low-cost UAV and a target-based camera calibration procedure for a low-cost large-field-of-view camera. An automated approach was used to accurately detect and extract the landslide head scarps based on geomorphological factors: the ratio of normalized Eigenvalues (i.e., λ1/λ2 ≥ λ3) derived using principal component analysis, topographic surface roughness index values, and local-neighborhood slope measurements from the 3D image-based point cloud. Validation of the results was performed using root mean square error analysis and a confusion (error) matrix between manually digitized landslide scarps and the automated approaches. The experimental results using the fully automated 3D point-based analysis algorithms show that these approaches can effectively distinguish landslide scarps. The proposed algorithms can accurately identify and extract landslide scarps with centimeter-scale accuracy. In addition, the combination of UAV-based imagery, 3D scene reconstruction, and landslide scarp recognition/extraction algorithms can provide flexible and effective tool for monitoring landslide scarps and is acceptable for landslide mapping purposes

چکیده

رانش زمین اغلب منجر به تلفات اقتصادی، جانی و مالی می شود. پایش رانش زمین با استفاده از تصاویربا تفکیک مکانی و زمانی بالا و توانایی سریع شناسایی رانش زمین ها برای مدیریت بلایای طبیعی ضروری است. این مطالعه، سیستم جامعی را نشان می دهد که از پهبادها و تکنیک های Semi-Global dense Matching برای شناسایی و استخراج اسکارپ رانش زمین استفاده می کند. منطقه مورد مطالعه در طول بزرگراه اصلی در منطقه نجران قرار دارد، و رانش زمین ها در اثر بارش سنگین ایجاد می شود. مشاهدات در کل شیب و تحلیل تغییر شکل در طول بزرگراه و گابیون ها نشان داد که شیب فعال بوده و اسکارپ ها در این شیب ها در حال باز شدن هستند و ترک های جدید ایجاد شده که منجر به حرکت سنگ ها می شود. شناسایی اسکارپ ها در این مطالعه از طریق ابر نقاط سه بعدی حاصل از اطلاعات توپوگرافی ایجاد شده به دست امده از تصاویر با قدرت تفکیک بالای گرفته شده به وسیله پهباد و رویکرد کالیبراسیون دوربین مبتنی بر هدف برای دید گسترده تر دوربین صورت گرفت. رویکرد خودکار مبتنی بر فاکتورهای ژئومورفولوژی برای شناسایی و استخراج دقیق اسکارپ استفاده شد: نسبت مقادیر ویژه نرمال شده (λ1/ λ2>λ3) حاصل از تحلیل مولفه های اصلی، مقدار شاخص زبری سطح و مقادیر شیب مناطق مجاور حاصل از ابر نقاط. نتایج اعتبار سنجی با استفاده از ریشه میانگین مربعات خطا و ماتریس خطای بین رویکرد دستی و خودکار محاسبه شد. نتایج تجربی حاصل از الگوریتم تحلیل مبتنی نقاط نشان داد که این رویکردها می تواند به منظور تمایز اسکارپ ها استفاده شود. الگوریتم پیشنهاد شده می تواند اسکارپ رانش زمین را با دقت سانتی متر شناسایی کند. بعلاوه، ترکیب تصاویر مبتنی بر پهباد، بازسازی سه بعدی صحنه، و الگوریتم های استخراج/شناسایی اسکارپ می تواند ابزاری موثر و انعطاف پذیر را برای پایش اسکارپ رانش زمین ایجاد کند و به منظور پهنه بندی رانش زمین قابل قبول است.

1-مقدمه

نرخ بالای شهرنشینی و ایجاد بدون برنامه سکونتگاه ها باعث می شود که ساکنین شهرها در معرض خطرات ناشی از بلایای طبیعی قرار گیرند. زمین لرزه، سیل و رانش زمین از مهمترین بلایای طبیعی هستند (1 و 2). در دهه 1990، تقریبا 9 درصد از بلایای طبیعی جهان شامل رانش زمین بوده که پیش بینی آن مشکل است (3-5). رانش زمین ها شامل پدیده های زمین شناسی طبیعی هستند که به عنوان یک فرایند مهم در انتقال رسوب شناخته می شوند. آنها در طیف گسترده زمانی و مکانی متفاوت در مناطق کوهستانی روی می دهند (6-12)، و شناسایی کوچکترین مناطق قابل شناسایی مهم است چون رانش زمین های کوچک در شرایط باران سنگین گسترش می یابند...