№81-7

Застосування фотограмметрії на основі безпілотних літальних апаратів для моніторингу поверхневих деформацій у кар’єрах

О.А. Пащенко¹, Ю.О. Заболотна¹, Є.А. Коровяка¹, В.О. Расцвєтаєв¹

¹Національний технічний університет «Дніпровська політехніка», Дніпро, Україна

Coll.res.pap.nat.min.univ. 2025, 81:74–85

Full text (PDF)

АНОТАЦІЯ

Мета. Дослідити ефективність використання фотограмметрії з дронів як масштабованої альтернативи традиційному моніторингу деформацій у кар’єрах, з акцентом на точність виявлення просадок і провалів, а також підвищення безпеки, на прикладі мідного рудника площею 50 га.

Методика. Фотограмметрія на основі дронів застосовувалася з використанням дрону DJI Phantom 4 RTK з 20-мегапіксельною камерою, що збирає двотижневі зображення з БПЛА на висоті 100 м з 80% перекриттям вперед і 60% з боків. Близько 1200 зображень за сеанс було зроблено за 2 години, досягнувши відстані вибірки землі 5 см/піксель. П’ятнадцять наземних контрольних точок забезпечили точність геоприв’язки ±2 див. Agisoft Metashape обробив зображення в цифрові моделі поверхні (ЦМП) з роздільною здатністю 5 см/піксель, використовуючи алгоритми «структура з руху». Деформація розраховувалася за допомогою різницевої ЦМП (Δh = DSM_t2 – DSM_t1), а випадкова лісова модель класифікувала зони як стабільні (Δh < 5 см), помірного ризику (5-10 см) або високого ризику (> 10 см).

Результати. Вертикальні усунення варіювалися від 5 см у стабільних областях до 15 см у зонах високого ризику поблизу східного схилу, із середнім значенням -5,1 см. Метод досяг точності ±3 см, підтвердженої наземними контрольними точками, і скоротив час зйомки на 40%, з 5 днів до 3 днів, охоплюючи 16,7 га на день порівняно з 10 га для традиційних методів, що дозволяє проводити частий моніторинг та комплексне картування деформацій.

Наукова новизна. У дослідженні виявлено залежності між просторовими параметрами рельєфу та ризиком нестабільності в кар’єрах. Зміщення понад 10 см і ухили понад 30° корелюють з високим ризиком зсувів. Оклюзії та освітлення спричиняють похибки в 15 % DSM, що вказує на потребу в корекціях і вдосконаленні методики.

Практична значимість. Дані виявили зони ризику, зокрема 15-см просідання, запобігаючи обвалам. Зменшення часу на 40% дозволило моніторити двічі на тиждень, що сприяло своєчасним рішенням. Високоточні DSM оптимізували виїмку та зменшили екологічний вплив, підвищуючи безпеку й стійкість кар’єру.

Ключові слова: фотограмметрія на основі дронів; моніторинг деформації поверхні; безпека відкритих гірничих робіт; цифрові моделі поверхні; застосування БПЛА у геодезії; ефективність маркшейдерських робіт.

Перелік посилань

1. Lumbroso, D., Davison, M., Body, R., & Petkovšek, G. (2021). Modelling the Brumadinho tailings dam failure, the subsequent loss of life and how it could have been reduced. Natural Hazards and Earth System Sciences, 21(1), 21–37.https://doi.org/10.5194/nhess-21-21-2021

2. Awange, J.L., & Grafarend, E.W. (2005). Solving algebraic computational problems in geodesy and geoinformatics: The answer to modern challenges. Springer. https://doi.org/10.1007/b138214

3. Khomenko, V. L., Ratov, B. T., Pashchenko, O. A., Davydenko, O. M., & Borash, B. R. (2023, May 22–26). Justification of drilling parameters of a typical well in the conditions of the Samskoye field. 4th International Conference on Sustainable Futures: Environmental, Technological, Social and Economic Matters (ICSF 2023), Kryvyi Rih, Ukraine. IOP Conference Series: Earth and Environmental Science, 1254(1), 012052. https://doi.org/10.1088/1755-1315/1254/1/012052

4. Pashchenko, O., Ratov, B., Khomenko, V., Gusmanova, A., & Omirzakova, E. (2024, July 1–7). Methodology for optimizing drill bit performance. 24th International Multidisciplinary Scientific Geoconference: Science and Technologies in Geology, Exploration and Mining (SGEM 2024), Albena, Bulgaria. International Multidisciplinary Scientific GeoConference Surveying Geology and Mining Ecology Management, SGEM, 24(1.1), 623–631. https://doi.org/10.5593/sgem2024/1.1/s06.78

5. Mancini, F., Dubbini, M., Gattelli, M., Stecchi, F., Fabbri, S., & Gabbianelli, G. (2013). Using Unmanned Aerial Vehicles (UAV) for High-Resolution Reconstruction of Topography: The Structure from Motion Approach on Coastal Environments. Remote Sensing, 5(12), 6880–6898. https://doi.org/10.3390/rs5126880

6. Awange, J. L., & Grafarend, E. W. (2005). Solving algebraic computational problems in geodesy and geoinformatics: The answer to modern challenges. Springer.https://doi.org/10.1007/b138214

7. Wang, Y., Duan, P., Li, J., & Zhang, Z. (2023). Research on side-slope monitoring by integrating terrestrial laser scanning and UAV-based photogrammetry. Environmental and Engineering Geoscience, 29(2), 1–14. https://doi.org/10.2113/EEG-D-22-00035

8. Nocquet, J.-M., & Calais, E. (2004). Geodetic measurements of crustal deformation in the Western Mediterranean and Europe. Pure and Applied Geophysics, 161(3), 661–681. https://doi.org/10.1007/s00024-003-2468-z

9. Pascucci, N., Alicandro, M., Zollini, S., & Dominici, D. (2024). Improving infrastructure monitoring: UAV-based photogrammetry for crack pattern inspection. In Lecture Notes in Networks and Systems: Vol. 1154 LNNS (pp. 351–373). Springer. https://doi.org/10.1007/978-3-031-73110-5_24

10. Xu, Q., Li, W.-L., Ju, Y.-Z., Dong, X.-J., & Peng, D.-L. (2020). Multitemporal UAV-based photogrammetry for landslide detection and monitoring in a large area: A case study in the Heifangtai terrace in the Loess Plateau of China. Journal of Mountain Science, 17(8), 1826–1839. https://doi.org/10.1007/s11629-020-6064-9

11. Fonstad, M. A., Dietrich, J. T., Courville, B. C., Jensen, J. L., & Carbonneau, P. E. (2013). Topographic structure from motion: A new development in photogrammetric measurement. Earth Surface Processes and Landforms, 38(4), 421–430. https://doi.org/10.1002/esp.3366

12. Deguchi, T., & Kutoglu, H. (2012, September 26–27). Monitoring of mining induced land subsidence by PALSAR and TerraSAR-X. SAR Image Analysis, Modeling, and Techniques XII. Proceedings of SPIE, 8536, 853611. https://doi.org/10.1117/12.971416

13. Ganaie, M. A., Tanveer, M., Suganthan, P. N., & Snasel, V. (2022). Oblique and rotation double random forest. Neural Networks, 153, 496–517. https://doi.org/10.1016/j.neunet.2022.06.012

14. Ma, Y. Z., Gomez, E., & Luneau, B. (2017). Integration of seismic and well-log data using statistical and neural network methods. The Leading Edge, 36(4), 324–329.https://doi.org/10.1190/tle36040324.1

15. Zumr, D., David, V., Jeřábek, J., Noreika, N., & Krása, J. (2020). Monitoring of the soil moisture regime of an earth-filled dam by means of electrical resistance tomography, close range photogrammetry, and thermal imaging. Environmental Earth Sciences, 79(12), 299. https://doi.org/10.1007/s12665-020-09052-w

16. Hejmanowski, R., Witkowski, W. T., Guzy, A., & Malinowska, A. (2020, May 17–21). Identification of the ground movements caused by mining-induced seismicity with the satellite interferometry. 10th International Symposium on Land Subsidence (TISOLS 2020), Delft, Netherlands. Proceedings of the International Association of Hydrological Sciences, 382, 297–301. https://doi.org/10.5194/piahs-382-297-2020

17. Meza, J., Marrugo, A. G., Sierra, E., Guerrero, M., Meneses, J., & Romero, L. A. (2018). A structure-from-motion pipeline for topographic reconstructions using unmanned aerial vehicles and open source software. In Communications in Computer and Information Science: Vol. 885 (pp. 213–225). Springer. https://doi.org/10.1007/978-3-319-98998-3_17

18. Mancini, F., Stecchi, F., Zanni, M., & Gabbianelli, G. (2009). Monitoring ground subsidence induced by salt mining in the city of Tuzla (Bosnia and Herzegovina). Environmental Geology, 58(2), 381–389. https://doi.org/10.1007/s00254-008-1597-1