Monitoring vertical landslides in the Solotvyno aglomeration using Sentinel-1 satellite imagery
The 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 o...
Gespeichert in:
| Datum: | 2024 |
|---|---|
| Hauptverfasser: | , , , |
| Format: | Artikel |
| Sprache: | Ukrainian |
| Veröffentlicht: |
Kyiv National University of Construction and Architecture
2024
|
| Schlagworte: | |
| Online Zugang: | https://es-journal.in.ua/article/view/308699 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Environmental safety and natural resources |
Institution
Environmental safety and natural resources| id |
es-journalinua-article-308699 |
|---|---|
| record_format |
ojs |
| institution |
Environmental safety and natural resources |
| baseUrl_str |
|
| datestamp_date |
2024-07-18T03:11:49Z |
| collection |
OJS |
| language |
Ukrainian |
| topic |
remote sensing SAR relief deformation natural and anthropogenic changes monitoring environmental protection |
| spellingShingle |
remote sensing SAR relief deformation natural and anthropogenic changes monitoring environmental protection Trofymchuk, Oleksandr M. Hordiienko, Oleksandr V. Anpilova, Yevheniia S. Yakovliev, Yevhenii O. Monitoring vertical landslides in the Solotvyno aglomeration using Sentinel-1 satellite imagery |
| topic_facet |
дистанційне зондування SAR деформація рельєфу природні та антропогенні зміни моніторинг охорона навколишнього середовища remote sensing SAR relief deformation natural and anthropogenic changes monitoring environmental protection |
| format |
Article |
| author |
Trofymchuk, Oleksandr M. Hordiienko, Oleksandr V. Anpilova, Yevheniia S. Yakovliev, Yevhenii O. |
| author_facet |
Trofymchuk, Oleksandr M. Hordiienko, Oleksandr V. Anpilova, Yevheniia S. Yakovliev, Yevhenii O. |
| author_sort |
Trofymchuk, Oleksandr M. |
| title |
Monitoring vertical landslides in the Solotvyno aglomeration using Sentinel-1 satellite imagery |
| title_short |
Monitoring vertical landslides in the Solotvyno aglomeration using Sentinel-1 satellite imagery |
| title_full |
Monitoring vertical landslides in the Solotvyno aglomeration using Sentinel-1 satellite imagery |
| title_fullStr |
Monitoring vertical landslides in the Solotvyno aglomeration using Sentinel-1 satellite imagery |
| title_full_unstemmed |
Monitoring vertical landslides in the Solotvyno aglomeration using Sentinel-1 satellite imagery |
| title_sort |
monitoring vertical landslides in the solotvyno aglomeration using sentinel-1 satellite imagery |
| title_alt |
Моніторинг вертикальних зсувів у Солотвинській агломерації за допомогою супутникових знімків Sentinel-1 |
| description |
The 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. |
| publisher |
Kyiv National University of Construction and Architecture |
| publishDate |
2024 |
| url |
https://es-journal.in.ua/article/view/308699 |
| work_keys_str_mv |
AT trofymchukoleksandrm monitoringverticallandslidesinthesolotvynoaglomerationusingsentinel1satelliteimagery AT hordiienkooleksandrv monitoringverticallandslidesinthesolotvynoaglomerationusingsentinel1satelliteimagery AT anpilovayevheniias monitoringverticallandslidesinthesolotvynoaglomerationusingsentinel1satelliteimagery AT yakovlievyevheniio monitoringverticallandslidesinthesolotvynoaglomerationusingsentinel1satelliteimagery AT trofymchukoleksandrm monítoringvertikalʹnihzsuvívusolotvinsʹkíjaglomeracíízadopomogoûsuputnikovihznímkívsentinel1 AT hordiienkooleksandrv monítoringvertikalʹnihzsuvívusolotvinsʹkíjaglomeracíízadopomogoûsuputnikovihznímkívsentinel1 AT anpilovayevheniias monítoringvertikalʹnihzsuvívusolotvinsʹkíjaglomeracíízadopomogoûsuputnikovihznímkívsentinel1 AT yakovlievyevheniio monítoringvertikalʹnihzsuvívusolotvinsʹkíjaglomeracíízadopomogoûsuputnikovihznímkívsentinel1 |
| first_indexed |
2025-07-17T11:19:34Z |
| last_indexed |
2025-07-17T11:19:34Z |
| _version_ |
1837892815957262336 |
| spelling |
es-journalinua-article-3086992024-07-18T03:11:49Z Monitoring vertical landslides in the Solotvyno aglomeration using Sentinel-1 satellite imagery Моніторинг вертикальних зсувів у Солотвинській агломерації за допомогою супутникових знімків Sentinel-1 Trofymchuk, Oleksandr M. Hordiienko, Oleksandr V. Anpilova, Yevheniia S. Yakovliev, Yevhenii O. дистанційне зондування SAR деформація рельєфу природні та антропогенні зміни моніторинг охорона навколишнього середовища remote sensing SAR relief deformation natural and anthropogenic changes monitoring environmental protection The 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. Супутники 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. Kyiv National University of Construction and Architecture 2024-06-28 Article Article application/pdf https://es-journal.in.ua/article/view/308699 10.32347/2411-4049.2024.2.102-114 Environmental safety and natural resources; Vol. 50 No. 2 (2024): Environmental safety and natural resources; 102-114 Екологічна безпека та природокористування; Том 50 № 2 (2024): Екологічна безпека та природокористування; 102-114 2616-2121 2411-4049 10.32347/2411-4049.2024.2 uk https://es-journal.in.ua/article/view/308699/300261 Copyright (c) 2024 O.M. Trofymchuk, O.V. Hordiienko, Y.S. Anpilova, Y.O. Yakovliev http://creativecommons.org/licenses/by/4.0 |