CC BY
18
ГИАБ. Горный информационно-аналитический бюллетень / MIAB. Mining Informational and Analytical Bulletin, 2021;(5—1):235—247 ОРИГИНАЛЬНАЯ СТАТЬЯ / ORIGINAL PAPER
УДК 528.88+551.4.03 DOI: 10.25018/0236_1493_2021_51_0_235
АНАЛИЗ КАЧЕСТВА ЦИФРОВЫХ МОДЕЛЕЙ РЕЛЬЕФА НА ОСНОВЕ ДАННЫХ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ДЛЯ РЕЛЬЕФА ОВРАЖНО-БАЛОЧНОГО ТИПА
П. А. Рыбников12, А. Ю. Смирнов12
1 Институт горного дела Уральского отделения РАН, Екатеринбург, Россия;
2 Уральский государственный горный университет, Екатеринбург, Россия,
Аннотация: Широкий спектр научных и прикладных задач, решаемых при выполнении пространственного моделирования, зачастую требует наличия цифровой модели рельефа, охватывающей всю исследуемую область. Так, например, для гидрологического моделирования наличие релевантной модели поверхности рельефа является одним из критических факторов, влияющих на качество прогнозных расчетов. Одной из наиболее часто используемых и бесплатных моделей рельефа является SRTM. В данной статье проведен сравнительный анализ SRTM-моделей рельефа с моделями, полученными путем векторизации рельефа топопланшетов для последующего моделирования рельефа овражно-балочного типа. Средняя высотная погрешность, рассчитанная для всего исследуемого района, составила 34 см. Однако на некоторых участках высотная погрешность достигла 30—65 м, что свидетельствует о необходимости в обязательной постобработке исходных данных. Авторами предложена методика дополнения цифровых моделей рельефа, полученных по результатам дистанционного зондирования Земли облаком точек высотных отметок с топопланшетов участков вблизи основных водотоков, а также отвесных склонов. При этом последующее построение цифровой модели рекомендуется выполнять статистическими интерполяторами (кригингом) для учета и минимизации разнородностей в исходных данных, поскольку линейные интерполяторы приведут к появлению ещё больших ошибок в данных. Ключевые слова: картография, дистанционное зондирование Земли, ГИС, цифровая модель рельефа, SRTM, DEM, уровненная поверхность, плановая погрешность, высотная погрешность.
Благодарность: Статья подготовлена в рамках выполнения государственного задания ИГД УрО РАН по теме № 0328—2019—0005.
Для цитирования: Рыбников П. А., Смирнов А. Ю. Анализ качества цифровых моделей рельефа на основе данных дистанционного зондирования Земли для рельефа овражно-ба-лочного типа // Горный информационно-аналитический бюллетень. — 2021. — № 5—1. — С. 235—247. DOI: 10.25018/0236_1493_2021_51_0_235.
Quality analysis of digital terrain models by the remote sensing data: A case-study of the gully-ravine relief
P. A. Rybnikov12, A. Yu. Smirnov12
1 Institute of Mining, Ural Branch, Russian Academy of Sciences, Ekaterinburg, Russia; 2 Ural State Mining University, Ekaterinburg, Russia
© П. А. Рыбников, А. Ю. Смирнов. 2021
Abstract: A wide spectrum of the basic and applied problems solvable using spatial modeling requires a digital terrain model to embrace the entire area under examination. For instance, in hydrological modeling, the relevant terrain model is a critical factor of the quality of predictive calculations. One of the highest-usage and free-of-charge terrain models is SRTM. This article offers a comparative analysis of SRTM models of land surface with the models obtained by vectorization of topo maps with a view to modeling a gully-ravine relief. The average elevation error in the whole test region was 34 mm. In some areas, however, the elevation error made 30-65 mm, which required post-processing of the input data. The authors propose a procedure for adding the digital terrain models obtained using the remote sensing data with the cloud of ground elevations from topo maps of the areas nearby the main water courses and steep slopes. The further digital modeling is advised to carry out by statistical interpolation (kriging) in order to take into account and minimize diversity in the input data as the linear interpolation can initiate even more errors in the data.
Key words: cartography, remote sensing, GIS, digital elevation model, SRTM, DEM, level surface, horizontal error, elevation error.
Acknowledgements: The article is prepared in the framework of the State Contract with the Institute of Mining, Ural Branch of the Russian Academy of Sciences, Topic No. 0328-20190005.
For citation: Rybnikov P. A., Smirnov A. Yu. Quality analysis of digital terrain models by the remote sensing data: A case-study of the gully-ravine relief. MIAB. Mining Inf. Anal. Bull. 2021;(5—1):235—247. [In Russ]. DOI: 10.25018/0236_1493_2021_51_0_235.
Введение
В современных геоинформационных системах трехмерное представление земной поверхности описывается с помощью цифровых моделей рельефа (Digital Elevation Models). Цифровая модель рельефа представляет собой файл геоданных, содержащих сведения о значении высот земной поверхности в заданной проекции, и может быть представлена в виде растрового файла (GeoTIFF), нерегулярной триангуляционной сети (TIN), облака точек регулярной сетки (GRID) и т. д. [1, p. 1580]. Данные модели применяются во многих областях науки и практической деятельности человека, таких как: науки о земле, цифровое моделирование, градостроительное планирование, сельское хозяйство, различные виды мониторинга окружающей среды [2, p. 225].
Несмотря на то, что основным источником получения цифровых моделей рельефа является дистанционное зондирование, такие модели могут быть получены различными способами
[3]. В зависимости от конечного назначения модели к ней могут выдвигаться различные точностные требования. В данном случае особенно актуальным становится вопрос соотношения баланса качества подготовки цифровой модели рельефа и временных затрат на её создание.
Наиболее точным способом является векторизация топографических материалов карт и планов, а при наличии данных полевых измерений — непосредственное импортирование высотных отметок из измерительных приборов. Точность представления земной поверхности в такой модели определяется требованиями к масштабу исходных картографических материалов (высоте сечения рельефа, генерализацией), требованиями к методике съемки, предельной точности масштаба и т. д.
Другим источником геоданных для цифровых моделей рельефа является дистанционное зондирование Земли с использованием фотограмметрических методов съемки земной
поверхности. Стоит отметить, что при этом дистанционное зондирование Земли является не только источником данных о высотных отметках поверхности, но также позволяет решать огромный спектр научных и прикладных задач: от определения растительного и снежного покрова исследуемой территории [4, 5] до прогноза развития природных процессов [6]. Общая схема получения данных дистанционного зондирования выглядит следующим образом: излучатель, зачастую устанавливаемый на одном носителе с приемником радиосигнала, — фюзеляже самолета, искусственного спутника Земли или другого носителя [7] — излучает микроволны, после чего приемником фиксируется и обрабатывается отраженный сигнал (при использовании активного метода ДЗЗ). Точность получаемых данных определяется шагом регулярной сетки и разрешающей способностью приемника, методики подготовки и обработки исходных данных, длиной волны радиосигнала, количества облетов с перекрытием снимаемого участка и т. д.
В данной статье проведен сравнительный анализ качества цифровых моделей рельефа, полученных двумя способами: векторизацией картографических материалов и дистанционным зондированием.
В качестве модели, полученной методом дистанционного зондирования Земли, выбрана модель, полученная по результатам радиолокационной топографической миссии шаттла — SRTM (Shuttle Radar Topography Mission) 4-й версии. Выбор данной модели мотивирован широким применением в научном сообществе, наличием бесплатного доступа к исходным данным [8], покрытием порядка 80 % земной поверхности от 56° южной широты до 60° северной широты (рис. 1). При этом, 94,6 % площади снималось с перекрытием не менее двух раз, а 50 % — не менее 3 раз [9]. Хотя данные о поверхности Земли миссией шаттла SRTM были собраны ещё в феврале 2000-го года, использование этих данных было мотивировано тем, что исходные топографические материалы (речь о которых пойдет далее)
Рис. 1. Карта покрытия Земли съемкой SRTM [9]
Fig. 1. Map of the Earth's coverage by SRTM survey [9]
были подготовлены с 2000 по 2005 гг., что обеспечивает наилучшую корреляцию рельефа двух моделей. Для исследовательских задач, в которых особое значение имеет актуальность материалов, могут быть использованы такие источники данных, как ASTER GDEM, GMTED2010, RuDTM2014 и др; данные радарных съемок, например, с сайта Государственной геологической службы США (https: // earthexplorer. usgs.gov/).
Радиолокационный комплекс состоял из трех компонентов: основной антенны длиной 12 м, расположенной в грузовом отсеке шаттла; раздвижной фермы ADAM длиной 60 м; внешней антенны длиной 12 м, расположенной на конце фермы. Для радиолокационной съемки применялась технология C-Band с дли-
ной волны 5,6 см, при которой луч антенны работал в режиме ScanSAR, направляясь на различные углы возвышения ступенчатым образом [10].
Областью исследования (ри^ 2) являлась территория площадью 178 км2. Высотные отметки исследуемого участка изменяются в диапазоне от 100 м до 370 м. Средняя высотная отметка на участке исследования составила 257,172 м. Рельеф представлен овражно-балочным типом, характерным для возвышенно-равнинных районов платформенных областей, подвергавшихся нормальной эрозии и расчлененными руслами временного стока: ложбинами, лощинами и балками. Древесная растительность представлена преимущественно лиственными породами деревьев (дуб, ясень,
Рис. 2. Цифровая модель рельефа участка исследования
Fig. 2. Digital elevation model of test area
акация, берест) и расположена в долинах рек. Высоты деревьев составляют в среднем от 10 до 20 м. При таком типе рельефа и наличии древесной растительности в низовьях балочной сети особенно актуальным становится вопрос о возможности получения достоверной цифровой модели поверхности рельефа вдоль водотоков.
Методы исследования
Исходными топографическими материалами являлись топографические карты масштаба 1:25000 с сечением рельефа через 1 м. Было осуществлено трансформирование растровых материалов методом аффинного преобразования, их пространственная привязка в прямоугольной системе координат (СК-42, Зона 7) с использованием программных продуктов Credo Transform и MapInfo.
Векторизация растровых материалов выполнена вручную с использованием программного продукта AutoCAD Civil 3D с учетом условных знаков рельефа и гидрографии, принятых для топографических карт и планов. Для задания постоянной высоты зеркала водоемов использовались структурные линии. Данные о высотных отметках уреза воды рек приведены по среднему меженному уровню.
По результатам векторизации была получена цифровая модель горизонталей рельефа, содержащая 495 тысяч узловых точек с высотными отметками. На её основе была построена цифровая поверхность рельефа по нерегулярной триангуляционной сетке (TIN-модель) с общим количеством структурных треугольников в размере 991 тысячи. Усредненное значение уклонов участка исследования составило 6,59 %.
Для построения цифровой поверхности рельефа по результатам дистанционного зондирования был получен
тайл SRTM-модели 4-й версии в формате GeoTIFF, подготовленной консорциумом пространственной информации (CGIAR-CSI). Отличительной особенностью данной версии является постобработка исходной SRTM-модели NASA первой версии с заполнением «пустых зон», возникающих над водоемами и в районах со снежным покровом вследствие различной отражающей способности сигнала поверхностей [11]. Подобная методика часто применяется для устранения данного недостатка при расчете границ водосбора речных бассейнов [12]. Исходный тайл имеет размеры 5*5 градусов, шаг сетки — 3 угловые секунды (около 90 м).
На следующем этапе из растрового файла были извлечены геодезические значения координат с высотой над уровнем моря с помощью модуля «gdal2xyz» геоинформационной системы QGIS и преобразованы в формат текстового файла с разделителями (csv — comma separated values).
Для преобразования координатного положения точек из геодезических координат (геоцентрическая система координат WGS-84) в плоские прямоугольные координаты проекции Гаусса-Крюгера (референцная система координат СК-42, эллипсоид Крассовского) был написан модуль преобразования координат на языке программирования PHP.
Цифровая поверхность рельефа построена на основе облака из 233 тысяч точек. Средний уклон поверхности составил 5,57 %.
Результаты исследования
На основе подготовленных ранее поверхностей была построена результирующая поверхность посредством вычитания одной поверхности из другой. Также определялось среднее квадратичное отклонение высотных
Рис. 3. Ортогональный вид результирующей поверхности с нанесенной речной сетью Fig. 3. Orthogonal view of resultant surface with river network mapping
отметок поверхностей, составившее 0,345 м. При этом, в самых неблагоприятных участках исследуемой области (речь о которых пойдет далее) разница высотных отметок между поверхностями может достигать 20 — 30 м.
Результирующая поверхность помимо статистических характеристик позволяет визуально определить участки наибольшей разности высот между двумя поверхностями (рис. 3). Если принять во внимание траекторию полета шаттла вокруг земного шара (рис. 1), становится очевидно, что наибольшая разность высот приходится преимущественно на северо-западные участки вдоль основных водотоков. Это вызвано отражающей способно-
I Canopy Height Model I Digital Surface Model I Digital Elevation Model
Рис. 4. Различие между цифровой моделью рельефа и уровненной поверхностью земли [13] Fig. 4. Difference of digital elevation model and level ground surface
Рис. 5. Растительность преобладает в овражной сети вдоль водотоков. Пунктирная линия — SRTM поверхность; сплошная — поверхность с топопланшетов Fig. 5. Prevailing vegetation in ravine network along water courses. Dashed line—SRTM terrain; solid line—topo map terrain
стью водной поверхности, а также преобладанием древесной растительности вблизи водоемов, что вносит дополнительные погрешности в интерпретацию данных (рис. 4).
Для анализа участков с наибольшей разницей в значениях высотных отметок, а также других типичных форм рельефа, были построены продольные профили (рис. 5 — 7).
Первый профиль (рис. 5) был построен для участка с пробладающей овражной сетью. Как можно заметить, модель рельефа, полученная методом дистанционного зондирования совершенно не способна учесть быстрое изменение высотных отметок, а растительность высотой 18 — 20 м дополнительно сглаживает кривую поверхности.
Следующий исследованный участок (рис. 6) лишен вышеописанных недостатков. Поверхности рельефа имеют высокую корреляцию, однако заметна плановая погрешность: SRTM-поверхность сдвинута на 40 — 60 м на юго-восток относительно поверхности (вдоль астрономического азимута траектории полета шаттла), полученной с топопланшетов, что скорее всего вызвано искажением центральной проекции.
Наиболее критичной для моделирования оказалась балочная сеть, чередование балок которой с наличием древесной растительности (до 5—8 м в высоту) привело к максимальному значению разности высот в 20—30 м. В данном случае сглаженная SRTM-поверхность крайне схожа с поверхностью, характерной для овражного типа рельефа.
В качестве дополнительной проверки выдвинутой гипотезы о необходимости обязательного дополнения цифровых моделей рельефа вдоль долин рек был выбран объект-аналог в долине р. Косьвы (Пермский край).
Рельеф данного района также характеризуется овражно-балочным типом, но при этом является густозалесенным. Аналогично вышеописанному алгоритму был оцифрован лист топографической карты масштаба 1:25000 с сечением рельефа через 1 м (рис. 8). В качестве поверхности сравнения была построена цифровая поверхность рельефа по результатам дистанционного зондирования (SRTM v.4).
С использованием ГИС Surfer была построена карта на основе разностной поверхности между двумя вышеописанными поверхностями (рис. 9). В высотном отношении наибольшее количество узловых точек двух поверхностей отличается в диапазоне от 0 до 10 м. Однако важно отметить, что максимальная погрешность разности высот для узловых точек с одинаковым плановым положением составила 65 м в долинах рек в районах с крутыми берегами, а также на подтопляемых участках.
Методы корректировки
Поскольку в рамках исследования данной темы был выявлен ряд проблем, необходимо дать рекомендации по их решению.
Данные дистанционного зондирования требуют предварительной обработки — преобразования в необходимую для работы систему координат, необходимо устранение бесстоковых областей и т. д. [14].
Площадные водные объекты должны быть оцифрованы и затем сочленены с цифровой моделью рельефа в виде структурных линий, т. е. всем точкам уровненной поверхности, попадающим в границы водного объекта, должна быть присвоена уровненная отметка уреза воды.
Участки шириной от 50 до 100 м вдоль водотоков должны быть допол-
Рис. 6. Растительность отсутствует. Пунктирная линия — SRTM поверхность; сплошная — поверхность с топопланшетов
Fig. 6. Vegetation is absent. Dashed line — SRTM terrain; solid line — topo map terrain
Рис. 7. Профиль балочной сети вкрест простирания. Пунктирная линия — SRTM поверхность; сплошная — поверхность с топопланшетов
Fig. 7. Elevation of gully network across the strike. Dashed line—SRTM terrain; solid line — topo map terrain
нены релевантными данными об уровненных отметках поверхности земли. Для этого предлагается оцифровка планшетов топографических карт и планов крупных масштабов, либо выполнение топографической съемки на данные участки. Такие данные могут быть преобразованы в формат csv и дополнены к цифровой модели рельефа.
После объединения данных о высотных отметках в узловых точках двух моделей в областях речных долин будут присутствовать отметки с кардинально отличающимися высотами. Использование линейных интерполяторов приведет к появлению большого числа артефактов в ЦМР (резкие пики и впадины на участках, содержащих
Рис. 8. Планшет топографической карты М 1:25 000 Fig. 8. Topographic map. Scale 1:25 000
данные о высотных отметках из разных источников), поэтому их применение в данном случае существенно ограничено. При векторизации топографических материалов плотность узловых точек, полученных с топопланшетов
получается в разы больше шага сетки SRTM-данных. Для создания конечной карты эффективно использование статистических интерполяторов, таких как интерполяция методом кригинга с подбором теоретических параметров
Рис. 9. Цифровая поверхность разности двух моделей Fig. 9. Digital surface of difference between two models
вариограммы на этапе вариограммного анализа, поскольку интерполяция методом кригинга позволяет статистически учесть влияние доминирующих высотных отметок (т. е. отметок с топопланшетов) [15].
Заключение
Сравнительный анализ моделей, полученных методом дистанционного зондирования и векторизацией топопланшетов обнаруживает несовершенство SRTM-моделей. Данные модели наиболее уязвимы к быстрому изменению высотных отметок, а также наличию древесной растительности. При этом в некоторых исследуемых
областях обнаруживается плановая погрешность до 40 — 60 м.
Для сложных форм рельефа, таких как овражно-балочный тип, эта модель является неподходящей для работ, связанных с вычислением площадей и объемов поверхностей, например, определением границ водосбора, расчетом объема выемки/насыпи и т. д. Высотная погрешность для такого типа рельефа на некоторых участках достигает 30 — 65 м. При этом средняя высотная погрешность, рассчитанная для исследуемых районов, составила 34 см, что является удовлетворительным показателем для некоторых видов моделирования.
Сравнительный анализ различных исходных параметров SRTM-моделей позволяет сделать вывод, что их использование без дополнения данными вдоль водотоков обеспечивает точность, характерную для генерализованных карт масштаба 1:100 000. Для обеспечения повышенной точности необходимо выполнять объединение данных о высотных отметках узловых точек таких моделей с данными крупномасштабных топографических съемок или карт и планов.
СПИСОК ЛИТЕРАТУРЫ
Анализ точности SRTM-моделей показывает, что их использование (без корректировки) оправдано для больших площадей (например, моделирования водосборов крупных речных долин). Для повышения точности ЦМР при работе в масштабах 1:50 000 и крупнее участки вблизи основных водотоков, а также крутых склонов, нуждаются в дополнении облаком точек высотных отметок с топоплан-шетов.
1. Shashi S, Hui X., Xun Z. Encyclopedia of GIS / 2-nd Ed. — Switzerland, Cham: Springer International Publishing, 2017. — 2504 p.
2. Sefercik, U. G., Gokmen, U. Country-scale discontinuity analysis of AW3D30 and SRTM Global DEMS: case study in Turkey // Arabian Journal of Geosciences. — 2019. — №12. — 11 p. DOI 10.1007/s12517—019 — 4370—8
3. Maune D. Digital elevation model technologies and applications: the DEM users manual / 3-rd. Ed. — Bethesda: American Society for Photogrammetry and Remote Sensing, 2019. — 655 p.
4. Хатиб А., Малинников В. А. Методика обнаружения изменения растительного покрова Средиземноморского региона по многозональным космическим изображениям с учетом данных цифровой модели рельефа // Известия высших учебных заведений «Геодезия и аэрофотосъемка». — 2019. — №64 (4). — С. 432 — 439. DOI 10.30533/0536—101X-2019—63—4-432 — 439
5. Кравцова В. И., Вахнина О. В., Харьковец Е. Г. Картографирование динамики дельты Енисея в начале XXI века по разновременным космическим снимкам // Известия высших учебных заведений «Геодезия и аэрофотосъемка». — 2019. — №64 (6). — С. 689—700. DOI 10.30533/0536 — 101X-2019—63—6-689—700
6. Бляхарский Д. П., Ишалина О. Т., Тюрин С. В. Дешифрирование скрытых ледниковых трещин по материалам беспилотной аэрофотосъемки в районе станции Прогресс (Восточная Антарктида) // Известия высших учебных заведений «Геодезия и аэрофотосъемка». — 2020. — №64 (1). — С. 45—53. DOI 10.30533/0536 — 101X-2020—64—1-45 — 53
7. Gansvind, I. N. Small Satellites in Remote Sensing of the Earth. // Izvestiya, Atmospheric and Oceanic Physics. — 2020. — №56. P. 1177 — 1181. DOI 10.1134/ S0001433820090108
8. U. S. Releases Enhanced Shuttle Land Elevation Data: [сайт] URL: https: // www2. jpl.nasa.gov/srtm/ (дата обращения: 01.04.2020)
9. Shuttle Radar Topography Mission Data Coverage [сайт] URL: https: // www2.jpl. nasa.gov/srtm/coverage.html (дата обращения: 01.04.2020)
10. Bamler R. The SRTM mission: a worldwide 30m resolution DEM from SAR interferometry in 11 days // Photogrammetric Week. — 1999. — №99. — P. 145 — 154.
11. CGIAR-CSI SRTM Frequently Asked Questions (FAQ) [сайт] URL: http: // srtm.csi. cgiar.org/faq/ (дата обращения: 01.04.2020)
12. Wang L., Liu H. An efficient method for identifying and filling surface depressions in digital elevation models for hydrologic analysis and modelling // International Journal of Geographical Information Science. — 2006. — №20(2). — P. 193—213.
13. Lidar Applications [сайт] URL: http: // gsp.humboldt.edu /OLM/Courses/GSP_216_ Online/lesson7—1/applications.html (дата обращения: 01.04.2020)
14. Рыбников П. А., Смирнов А. Ю. Особенности цифрового описания понижений рельефа при моделировании поверхности водосборных бассейнов // Проблемы недропользования. — 2020. — №2. — С. 174—180. DOI 10.25635/2313—1586.2020.02.174
15. Рыбников П. А., Смирнов А. Ю. Опыт применения методов геостатистики для оценки загрязнения воздуха в районе промышленного предприятия (Средний Урал) // Горный информационно-аналитический бюллетень. — 2019. — № 11 (специальный выпуск 37). — С. 596—605. DOI 10.25018/0236—1493—2019—11—37—596 — 605 ЕШ
REFERENCES
1. Shashi S, Hui X., Xun Z. Encyclopedia of GIS / 2-nd Ed. Switzerland, Cham: Springer International Publishing, 2017. 2504 p.
2. Sefercik, U. G., Gokmen, U. Country-scale discontinuity analysis of AW3D30 and SRTM Global DEMS: case study in Turkey. Arabian Journal of Geosciences. 2019. no.12. 11 p. DOI 10.1007/s12517 — 019 — 4370—8
3. Maune D. Digital elevation model technologies and applications: the DEM users manual / 3-rd. Ed. Bethesda: American Society for Photogrammetry and Remote Sensing, 2019. 655 p.
4. Khatib A., Malinnikov V. A. Interpretation of Mediterranean vegetation in multichannel space images using digital elevation model data. Izvestiya vusov «Geodeziya i aerofotosyemka». Izvestia vuzov «Geodesy and Aerophotosurveying». 2019, 63 (4): 432 — 439. [In Russian]. DOI: 10.30533/0536—101X-2019—63 — 4-432 — 439
5. Kravtsova V. I., Vakhnina O. V., Kharkovets E. G. Mapping the dynamics of the river Yenisei delta at the beginning of the XXI century by multitemporal satellite images Izvestiya vusov «Geodeziya i aerofotosyemka». Izvestia vuzov «Geodesy and Aerophotosurveying».
2019, 63 (6): 689—700. [In Russian]. DOI: 10.30533/0536 — 101X-2019—63—6-689—700
6. Bliakharskii D. P., Ishalina O. T., Turin S. V. Decoding of crevasses on date from unmanned aerial surveys near the station «Progress» (East Antarctica). Izvestiya vuzov «Geodeziya i aerofotosyemka». Izvestia vuzov «Geodesy and aerial photography». 2020, 64 (1): 45 — 53. [In Russian]. DOI:10.30533/0536 — 101X-2020—64—1-45 — 53
7. Gansvind, I. N. Small Satellites in Remote Sensing of the Earth. Izvestiya, Atmospheric and Oceanic Physics. 2020. no.56. P. 1177 — 1181. DOI 10.1134/S0001433820090108
8. U. S. Releases Enhanced Shuttle Land Elevation Data: [site] URL: https:. www2.jpl. nasa.gov/srtm/ (accessed: 01.04.2020)
9. Shuttle Radar Topography Mission Data Coverage [site] URL: https:. www2.jpl. nasa.gov/srtm/coverage.html (accessed: 01.04.2020)
10. Bamler R. The SRTM mission: a worldwide 30m resolution DEM from SAR interferometry in 11 days. Photogrammetric Week. 1999. no.99. рр. 145 — 154.
11. CGIAR-CSI SRTM Frequently Asked Questions (FAQ) [site] URL: http:. srtm.csi. cgiar.org/faq/ (accessed: 01.04.2020)
12. Wang L., Liu H. An efficient method for identifying and filling surface depressions in digital elevation models for hydrologic analysis and modelling. International Journal of Geographical Information Science. 2006. no.20(2). рр. 193 — 213.
13. Lidar Applications [site] URL: http:. gsp.humboldt.edu /OLM/Courses/GSP_216_ Online/lesson7 — 1/applications.html (accessed: 01.04.2020)
14. Rybnikov Petr A., Smirnov A. Yu. Eculiarities in digital description of topographic low while modeling the surface of the drainage basins. Problems of subsurface management.
2020. no.2. рр. 174—180. [In Russian]. DOI 10.25635/2313 — 1586.2020.02.174
15. Rybnikov, P., Smirnov, A. Experience in applying geostatistical methods to assess air pollution in the area of an industrial enterprise (Middle Urals). MIAB. Mining Inf. Anal. Bull. 2019. no. 11 (special num. 37). рр. 596-605. [In Russian]. DOI 10.25018/0236-14932019-11-37-596-605
ИНФОРМАЦИЯ ОБ АВТОРАХ
Рыбников Петр Андреевич1,2 - канд. геол.-минерал. наук, в.н.с. зав. лаборатории «Геоинформационных и цифровых технологий в недропользовании», e-mail: ribnikoff@yandex.ru;
Александр Юрьевич Смирнов1,2 - м.н.с лаборатории «Геоинформационных и цифровых технологий в недропользовании», е-mail: alexsm94@gmail.com;
1 Институт горного дела Уральского отделения РАН, Екатеринбург, Россия;
2 Уральский государственный горный университет, Екатеринбург, Россия.
INFORMATION ABOUT THE AUTHORS
Rybnikov P. A.1,2, Cand. Sci. (Geol. Mineral.), Leading Researcher at the Laboratory of Geoinformation and Digital Technologies in Subsoil Management; ribnikoff@yandex.ru Smirnov A. Yu.1,2, Junior Researcher at the Laboratory of Geoinformation and Digital Technologies in Subsoil Management; alexsm94@gmail.com;
1 Institute of Mining, Ural Branch, Russian Academy of Sciences, Ekaterinburg, Russia;
2 Ural State Mining University, Ekaterinburg, Russia.
Получена редакцией 21.12.2020; получена после рецензии 16.03.2021; принята к печати 10.04.2021. Received by the editors 21.12.2020; received after the review 16.03.2021; accepted for printing 10.04.2021.
Д_
