В.И. Афанасьева1, А.Р. Бестугин2, И.А. Киршина3

1-3 Санкт-Петербургский государственный университет аэрокосмического приборостроения (Санкт-Петербург, Россия)

1 victoria_afanaseva@mail.ru; 2 fresguap@mail.ru; 3 ikirshina@mail.ru

Постановка проблемы. Изменение динамики береговой зоны под воздействием естественных и антропогенных процессов остается одной из наименее формализованных задач в системах контроля аквасистем. Эпизодический характер наблюдений, ограниченная доступность береговых склонов и неоднородность растительного покрова препятствуют применению традиционных средств оценки эрозионной активности. В современных условиях необходим переход от эмпирических описаний к алгоритмическим методам анализа, способным объективно фиксировать признаки нестабильности рельефа на ранней стадии.

Цель. Разработать автоматизированный метод поиска зон эрозионного риска на основании анализа морфометрических характеристик, получаемых из данных воздушного лазерного сканирования, с акцентом на воспроизводимость, масштабируемость и независимость от внешних факторов.

Результаты. Представлен метод количественной оценки эрозионной подверженности берегов, реализующий последовательную обработку цифровой модели рельефа: от фильтрации и интерполяции до расчета нормализованных градиентов и кривизн. Введен интегральный индекс, учитывающий геометрические и структурные параметры склона. Результаты тестирования предложенного алгоритма на типовых фрагментах береговой линии показали значимую корреляцию между рассчитанным индексом и фактическими зонами разрушения.

Практическая значимость. Представленный метод обеспечивает объективное выделение эрозионно-опасных участков без участия оператора и необходимости в наземных измерениях, что позволяет его использовать в оперативной съемке, в задачах оценки инженерных рисков, а также для регулярного мониторинга динамики берегов озерных, речных и водохранилищных систем. Полученные индексные модели совместимы с геоинформационными системами и могут служить основой для прогнозных сценариев развития береговой линии.

Афанасьева В.И., Бестугин А.Р., Киршина И.А. Метод количественной оценки эрозионной подверженности береговых склонов природных аквасистем на основе анализа цифровой модели рельефа, построенной по данным воздушного лазерного сканирования // Радиотехника. 2025. Т. 89. № 8. С. 67-74. DOI: https://doi.org/10.18127/j00338486-202508-09

1. Ненашев С.А., Бестугин А.Р., Чембарисова Р.И., Киршина И.А., Ненашев В.А. Контроль толщины льда на основе применения сверхширокополосных сигнально-кодовых конструкций // Информационно-измерительные и управляющие системы. 2024. Т. 22. № 6. С. 13-22. DOI: 10.18127/j20700814-202406-02.
2. Ненашев В.А., Афанасьева В.И., Залищук А.А. и др. Формирование трехмерных моделей местности на основе лидарной съемки для выявления структурных изменений земной поверхности // Труды МАИ. 2023. № 131. DOI: 10.34759/trd-2023-131-15.
3. Демидов В. Э. Применение воздушного лазерного сканирования для картирования рельефа, поиска следов антропогенного воздействия и изучения растительного покрова на территории Приокско-Террасного государственного природного биосферного заповедника // Труды Мордовского гос. природного заповедника им. П.Г. Смидовича. 2021. Т. 28. С. 74–82.
4. Цай С.С. Использование материалов лидарной съемки участков лесного фонда, полученных с беспилотных летательных аппаратов, для определения углов наклона местности // Труды БГТУ. Сер. 1. Лесное хозяйство, природопользование и переработка возобновляемых ресурсов. 2024. № 2(282). С. 30–37. DOI: 10.52065/2519-402X-2024-282-4.
5. Ашаткин И.А., Мальцев К.А., Гайнутдинова Г.Ф., Усманов Б.М., Гафуров А.М., Ганиева А.Ф., Мальцева Т.С., Гиззатуллина Э.Р. Морфометрический анализ рельефа по глобальным моделям высот в южной части Европейской территории России // Ученые записки Казанского университета. Сер. Естественные науки. 2020. Т. 162. № 4. С. 612–628. DOI: 10.26907/2542-064X.2020.4.612-628.
6. Shekar P.R., Mathew A. Morphometric analysis of watersheds: A comprehensive review of data sources, quality, and geospatial techniques // Watershed Ecology and the Environment. 2024. V. 6. P. 13–25. DOI: 10.1016/j.wsee.2023.12.001.
7. Barbosa N., Andreani L., Gloaguen R., Ratschbacher L. Window-based morphometric indices as predictive variables for landslide susceptibility models // Remote Sensing. 2021. V. 13. № 3. P. 451. DOI: 10.3390/rs13030451.
8. Acebes P., Lillo P., Jaime-González C. Disentangling LiDAR contribution in modelling species–habitat structure relationships in terrestrial ecosystems worldwide: a systematic review and future directions // Remote Sensing. 2021. V. 13. № 17. P. 3447. DOI: 10.3390/rs13173447.
9. Mohebzadeh H., Biswas A., Rudra R., Daggupati P. Machine learning techniques for gully erosion susceptibility mapping: a review // Geosciences. 2022. V. 12. № 12. P. 429. DOI: 10.3390/geosciences12120429.
10. Christofi D., Mettas C., Evagorou E., Stylianou N. et al. A Review of open remote sensing data with GIS, AI, and UAV support for shoreline detection and coastal erosion monitoring // Applied Sciences. 2025. V. 15. № 9. P. 4771. DOI: 10.3390/app15094771.