Моніторинг вертикальних зсувів у Солотвинській агломерації за допомогою супутникових знімків Sentinel-1

Simple item page
dc.contributor.authorТрофимчук, Олександрuk_UA
dc.contributor.authorГордієнко, Олександрuk_UA
dc.contributor.authorАнпілова, Євгеніяuk_UA
dc.contributor.authorЯковлєв, Євгенійuk_UA
dc.date.accessioned2025-10-07T10:41:30Z
dc.date.available2025-10-07T10:41:30Z
dc.date.issued2024
dc.descriptionThe Synthetic Aperture Radar (SAR) equipped Sentinel-1 satellites are a valuable source of Earth observation data. They provide a spatial resolution of 10 to 20 metres, depending on the imaging mode. Unlike optical sensors, SAR radars can operate day and night, in cloudy weather and in the absence of sunlight. This makes them a reliable source of data in all conditions. Google Earth Engine (GEE), in turn, includes dual-polarisation Sentinel-1 data in its large and up-to-date archive. Since GEE does not have a single lookup complex (SLC) that allows standard methods to investigate changes in terrain, the authors set out to build a model based on the Random Forest (RF) machine learning library built into GEE that would be well suited to detecting natural and anthropogenic changes in the gypsometric structure of the terrain. In this article we analyse Sentinel-1 satellite radar images and automatically obtain data on the location of significant relief changes. Our research area is the natural and anthropogenic zones covering the agglomeration of the village of Solotvyno and the fields of flooded salt mines with active development of karst forms and areas with vertical relief shifts. Maps and graphs of changes and deformations in the agglomeration of Solotvyno were prepared on the basis of satellite radar images. The authors developed a Random Forest machine learning algorithm to detect local vertical displacements of the earth's surface, which has advantages over other algorithms and is data-free (SLC). The algorithm is based on the classification of the earth's surface and identifies well the areas where relief displacements are filled with water, and allows to increase the accuracy of the assessment of hazardous areas of surface deformations (landscapes) in the area of residential, industrial, recreational facilities, important critical infrastructure.en_US
dc.description.abstractСупутники Sentinel-1, обладнані радіолокаційними системами із синтезованою апертурою (РСА), є цінним джерелом даних для спостереження за Землею. Вони забезпечують просторову роздільну здатність від 10 до 20 метрів, залежно від режиму зйомки. На відміну від оптичних сенсорів, радіолокатори РСА можуть працювати вдень і вночі, а також за хмарної погоди та відсутності сонячного світла. Це робить їх надійним джерелом даних у будь-яких умовах. В свою чергу, Google Earth Engine (GEE) містить дані Sentinel-1 у подвійній поляризації у своєму великому та актуальному архіві. Оскільки у GEE відсутній комплекс з єдиним пошуком (SLC), що дозволяє стандартними методами досліджувати зміни у рельєфі, авторами було поставлено за мету побудувати модель, на основі бібліотеки машинного навчання Random Forest (RF), вбудованої в GEE, яка б добре працювала для виявлення природних і антропогенних змін у гіпсометричній структурі рельєфу. У цій статті проаналізовано супутникові радіолокаційні знімки Sentinel-1 та автоматично отримано дані про місцезнаходження помітних змін рельєфу. Територією наших досліджень є природно-техногенні зони, що охоплюють агломерацію селища Солотвино та поля затоплених соляних шахт з активним розвитком карстових форм та ділянками, в яких спостерігаються вертикальні зсуви рельєфу. На основі супутникових радіолокаційних знімків побудовано карти та графіки змін та деформацій на території Солотвинської агломерації. Авторами розроблено алгоритм на основі машинного навчання Random Forest для виявлення локальних вертикальних зміщень земної поверхні, що має переваги над іншими алгоритмами та полягає в тому, що він не потребує обробки даних (SLC). Алгоритм базується на класифікації земної поверхні та добре ідентифікує ділянки, де рельєфні зміщення заповнені водою, та дозволяє підвищити точність оцінки небезпечних зон деформацій поверхні (ландшафтів) в районі розташування житлових, промислових, рекреаційних об'єктів, важливих об'єктів критичної інфраструктури.uk_UA
dc.identifier.citationМоніторинг вертикальних зсувів у Солотвинській агломерації за допомогою супутникових знімків Sentinel-1 / О. М. Трофимчук, О. В. Гордієнко, Є. С. Анпілова, Є. О. Яковлєв // Екологічна безпека та природокористування. - 2024. - Вип. 50 (2). - C. 102-114. - https://doi.org/10.32347/2411-4049.2024.2.102-114uk_UA
dc.identifier.issn2411-4049
dc.identifier.urihttps://doi.org/10.32347/2411-4049.2024.2.102-114
dc.identifier.urihttps://ekmair.ukma.edu.ua/handle/123456789/37039
dc.language.isoukuk_UA
dc.relation.sourceЕкологічна безпека та природокористуванняuk_UA
dc.statusfirst publisheduk_UA
dc.subjectдистанційне зондуванняuk_UA
dc.subjectSARen_US
dc.subjectдеформація рельєфуuk_UA
dc.subjectприродні та антропогенні зміниuk_UA
dc.subjectмоніторингuk_UA
dc.subjectохорона навколишнього середовищаuk_UA
dc.subjectстаттяuk_UA
dc.subjectremote sensingen_US
dc.subjectrelief deformationen_US
dc.subjectnatural and anthropogenic changesen_US
dc.subjectmonitoringen_US
dc.subjectenvironmental protectionen_US
dc.titleМоніторинг вертикальних зсувів у Солотвинській агломерації за допомогою супутникових знімків Sentinel-1uk_UA
dc.title.alternativeMonitoring vertical landslides in the Solotvyno aglomeration using Sentinel-1 satellite imageryen_US
dc.typeArticleuk_UA
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Trofymchuk_Monitoring_vertical_landslides_in_the_Solotvyno_aglomeration_using_Sentinel_1_satellite_imagery.pdf
Size:
961 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Науково-дослідна лабораторія "Науки про Землю"