Архив
Том 20, 2023
Том 19, 2022
Том 18, 2021
Том 17, 2020
Том 16, 2019 г.
Том 15, 2018 г.
Том 14, 2017 г.
Том 13, 2016 г.
Том 12, 2015 г.
Том 11, 2014 г.
Том 10, 2013 г.
Том 9, 2012 г.
Том 8, 2011 г.
Том 7, 2010 г.
Выпуск 6, 2009 г.
Выпуск 5, 2008 г.
Выпуск 4, 2007 г.
Выпуск 3, 2006 г.
Выпуск 2, 2005 г.
Выпуск 1, 2004 г.
Поиск
Найти:
Подписка/отписка
на рассылку новостей
ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 3. С. 26-48

Состояние и перспективы использования данных дистанционного зондирования при изучении экзогенных геологических процессов на примере оползней

И.О. Смирнова 1 , А.А. Кирсанов 1 
1 Всероссийский научно-исследовательский геологический институт им. А.П. Карпинского, Санкт-Петербург, Россия
Одобрена к печати: 31.03.2021
DOI: 10.21046/2070-7401-2021-18-3-26-48
В связи с активным совершенствованием технологии получения и методов обработки данных дистанционного зондирования существенно расширились области практического использования дистанционных методов для изучения и мониторинга природных катастроф, вызванных экзогенными геологическими процессами, среди которых наиболее распространёнными являются оползни, приводящие к гибели людей и нанесению значительного материального ущерба. В статье приводится обзор и сравнительная оценка последних зарубежных и российских исследований оползней, проводимых с использованием различных дистанционных данных (мультиспектральных, в том числе в тепловых диапазонах, радиолокационных, лидарных, полученных со спутников, пилотируемых и беспилотных авиационных платформ) и новых методов их обработки для обнаружения, инвентаризации, картирования оползней, создания карт подверженности оползням, анализа опасности оползней, а также мониторинга оползней. Проанализированы факторы, вызывающие оползни. Отмечено, что анализ дистанционных данных должен осуществляться на базе геоинформационных систем в комплексе с ландшафтными, топографическими, геолого-геофизическими и полевыми данными, а также на основе математических моделей, созданных с помощью статистических методов, в том числе методов машинного обучения. Дана характеристика современному состоянию и перспективам развития методов дистанционного зондирования при изучении оползней.
Ключевые слова: данные дистанционного зондирования, оползни, экзогенные геологические процессы, мониторинг, методы обработки
Полный текст

Список литературы:

  1. Безгодова О. В., Распутина Е. А. Автоматизированное картографирование опасных экзогенных процессов Тункинской котловины с применением ГИС-технологий // Геодезия и картография. 2020. № 3. С. 8–20. DOI: 10.22389/0016-7126-2020-957-3-8-20.
  2. Безгодова О. В., Истомина Е. А., Овчинникова Е. В. Оценка и картографирование опасных экзогенных процессов Мондинской котловины на основе морфометрического ландшафтного анализа // Геодезия и картография. 2018. Т. 79. № 8. С. 28–37. DOI: 10.22389/0016-7126-2018-938-8-28-37.
  3. Беляев М. Ю., Сармин Э. Э., Бурцев М. А., Балашов И. В., Есаков А. М., Толпин В. А. Использование данных КЭ «Сценарий» для оценки состояния русла реки Бурея после схода скальных пород // Материалы Семнадцатой Всероссийской открытой конф. «Современные проблемы дистанционного зондирования Земли из космоса». 11–15 нояб. 2019. М.: ИКИ РАН, 2019. С. 76. DOI: 10.21046/17DZZconf-2019a.
  4. Бондур В. Г., Захарова Л. Н., Захаров А. И., Чимитдоржиев Т. Н., Дмитриев А. В., Дагуров П. Н. (2019а). Долговременный мониторинг оползневого процесса на берегу реки Бурея по данным интерферометрической съёмки радаров L-диапазона // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 5. C. 113–119. DOI: 10.21046/2070-7401-2019-16-5-113-119.
  5. Бондур В. Г., Захарова Л. Н., Захаров А. И., Чимитдоржиев Т. Н., Дмитриев А. В., Дагуров П. Н. (2019б). Мониторинг оползневых процессов с помощью космических интерферометрических радаров L-диапазона на примере обрушения склона берега реки Бурея // Исслед. Земли из космоса. 2019. №  5. C. 3–14. DOI: 10.31857/S0205 9614201953 14.
  6. Бондур В. Г., Захарова Л. Н., Захаров А. И. (2019в). Мониторинг состояния оползневой зоны на реке Бурея в 2018–2019 годах по радиолокационным и оптическим космическим изображениям // Исслед. Земли из космоса 2019. № 6. C. 26–35. DOI: 10.31857/S0205-96142019626-35.
  7. Викторов А. С., Георгиевский Б. В., Капралова В. Н., Орлов Т. В., Трапезникова О. Н., Зверев А. В. Опыт дистанционного мониторинга опасных геологических процессов по трассе трубопроводных систем (Восточная Сибирь) // Геоэкология. Инженерная геология. Гидрогеология. Геокриология. 2018. № 6. С. 50–58. DOI: 10.1134/S0869780318050095.
  8. Временные требования к использованию материалов дистанционного зондирования Земли при ведении мониторинга экзогенных геологических процессов в составе государственного мониторинга состояния недр / сост. Зеркаль О. В., Мирнова А. В., Азаркина Н. Н., Воевода В. М., Евдокимов С. В. М.: Геоинформмарк, 2000. 52 с.
  9. Захаров А. И., Захарова Л. Н., Красногорский М. Г. Мониторинг оползневой активности методами радарной интерферометрии с помощью трехгранных уголковых отражателей // Исслед. Земли из космоса. 2018. № 3. С. 80–92. DOI: 10.7868/S0205961418030065.
  10. Захарова Л. Н., Захаров А. И. Наблюдение динамики зоны оползня на реке Бурея по данным интерферометрической съёмки Sentinel-1 в 2017–2018 гг. // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 2. С. 273–277. DOI: 10.21046/2070-7401-2019-16-2-273-277.
  11. Зеркаль О. В., Махинов А. Н., Кудымов А. В., Харитонов М. Е., Фоменко И. К., Барыкина О. С. Буреинский оползень 11 декабря 2018 г. Условия формирования и особенности механизма развития // Геориск. 2019. Т. 13. № 4. С. 18–30. DOI: 10.25296/1997-8669-2019-13-4-18-30.
  12. Инженерно-геологические изыскания для строительства. СП 11-105-97. Часть II. Правила производства работ в районах развития опасных геологических и инженерно-геологических процессов. М.: Госстрой России, 2003. 93 с.
  13. Караев Ю. И. К вопросу применения дистанционных методов исследований при изучении природных опасностей и рисков // Грозненский естественнонауч. бюл. 2017. № 3(7). С. 42–47.
  14. Крамарева Л. С., Лупян E. A., Амельченко Ю. А., Бурцев М. А., Крашенинникова Ю. С., Суханова В. В., Шамилова Ю. А. Наблюдение зоны обрушения сопки в районе реки Бурея 11 декабря 2018 года // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 7. С. 266–271. DOI: 10.21046/2070-7401-2018-15-7-266-271.
  15. Крамарева Л. С., Лупян E. A., Амельченко Ю. А., Бурцев М. А., Крашенинникова Ю. С., Суханова В. В., Шамилова Ю. А., Бородицкая А. В. (2019а). Наблюдение за ходом взрывных работ и устройством прорана в зоне схода скальных пород на реке Бурея // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 1. С. 259–265. DOI: 10.21046/2070-7401-2019-16-1-259-265.
  16. Крамарева Л. С., Лупян E. A., Амельченко Ю. А., Беляев М. Ю., Бурцев М. А., Суханова В. В., Шамилова Ю. А., Есаков А. М. (2019б). Наблюдение за динамикой прорана, устроенного в зоне схода скальных пород на реке Бурея // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 2. С. 278–283. DOI: 10.21046/2070-7401-2019-16-2-278-283.
  17. Лупян Е. А., Прошин А. А., Бурцев М. А., Кашницкий А. В., Балашов И. В., Барталев С. А., Константинова А. М., Кобец Д. А., Мазуров А. А., Марченков В. В., Матвеев А. М., Радченко М. В., Сычугов И. Г., Толпин В. А., Уваров И. А. Опыт эксплуатации и развития центра коллективного пользования системами архивации, обработки и анализа спутниковых данных (ЦКП «ИКИ-Мониторинг») // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 3. С. 151–170. DOI: 10.21046/2070-7401-2019-16-3-151-170.
  18. Меньшиков С. Н., Мельников И. В., Осокин А. Б., Смолов Г. К., Беленов А. В., Абросимов А. В., Сизов О. С. Мониторинг опасных экзогенных процессов на месторождениях п-ова Ямал с использованием результатов космической съемки // Газовая промышленность. 2016. № 7–8. С. 126–132.
  19. Методические рекомендации по организации и ведению государственного мониторинга экзогенных геологических процессов / сост. Шеко А. И., Круподеров В. С., Дьяконова В. И., Круглова Л. В., Мальнева И. В., Парфенов С. И., Постоев Г. П. М.: ВСЕГИНГЕО, 1997. 39 с.
  20. Остроухов А. В., Ким В. И., Махинов А. Н. Оценка морфометрических параметров оползня на Бурейском водохранилище и его последствий на основе ДДЗЗ и данных полевых измерений // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 1. С. 254–258. DOI: 10.21046/2070-7401-2019-16-1-254-258.
  21. Смольянинова Е. И., Киселева Е. А., Дмитриев П. Н., Михайлов В. О. О возможности применения РСА-интерферометрии с использованием снимков со спутников Sentinel-1 при изучении оползневой активности в районе горного кластера Большого Сочи // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 4. С. 103–111. DOI: 10.21046/2070-7401-2018-15-4-103-111.
  22. Смольянинова Е. И., Киселева Е. А., Михайлов В. О. Применение РСА-интерферометрии снимков со спутников Sentinel-1 при изучении областей активных деформаций поверхности в прибрежном районе Большого Сочи // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 5. C. 147–155. DOI: 10.21046/2070-7401-2019-16-5-147-155.
  23. Смольянинова Е. И., Михайлов В. О., Дмитриев П. Н. Возможности применения PCA-интерферометрии серий разночастотных спутниковых радарных снимков с различной геометрией съемки для изучения и мониторинга оползневой активности в районе Большого Сочи (на примере окрестностей Адлера 2007–2019 гг.) // Материалы 18-й Всероссийской открытой конф. «Современные проблемы дистанционного зондирования Земли из космоса». М.: ИКИ РАН, 2020. C. 98. DOI: 10.21046/18DZZconf-2020a.
  24. Солонько Е. В., Хлебникова Е. П. Использование разновременных космических снимков для оценки развития оползневых процессов на территории города Барнаула // Материалы международной науч. конф. Интерэкспо ГЕО-Сибирь-2016 «Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология». Новосибирск: СГГА, 2016. Т. 1. С. 59–63.
  25. Abancó C., Bennett G., Briant J., Battiston S. Towards an automatic landslide mapping tool based on satellite imagery and geomorphological parameters. A study of the Itogon area (Philippines) after Typhoon Mangkhut // 22nd EGU General Assembly. 4–8 May, 2020. id. 7940. DOI: 10.5194/egusphere-egu2020-17940.
  26. Ahmed B., Dewan A. Application of Bivariate and Multivariate Statistical Techniques in Landslide Susceptibility Modeling in Chittagong City Corporation, Bangladesh // Remote Sensing. 2017. V. 9. Art. No. 304. DOI: 10.3390/rs9090304.
  27. Barra A., Reyes-Carmona C., Monserrat O., Glave J. P., Herrera G., Mateos R. M., Sarro R., Bejar M., Azañón J. M., Crosetto M. Sentinel-1 for Granada coast landslides monitoring and potential damage assessment // 22nd EGU General Assembly. 4–8 May, 2020. id. 19236. DOI: 10.5194/egusphere-egu2020-19236.
  28. Behling R., Roessner S. Spatiotemporal Landslide Mapper for Large Areas Using Optical Satellite Time Series Data // Proc. 4th World•Landslide Forum (WLF). Ljubljana, Slovenia, 2017. Springer Intern. Publishing AG, 2017. P. 143–152. DOI: 10.1007/978-3-319-53498-5_17.
  29. Bickel V. T., Manconi A., Amann F. Quantitative Assessment of Digital Image Correlation Methods to Detect and Monitor Surface Displacements of Large Slope Instabilities // Remote Sensing. 2018. V. 10. Art. No. 865. DOI: 10.3390/rs10060865.
  30. Bivic R. L., Allemand P., Quiquerez A., Delacourt C. Potential and limitation of SPOT-5 Ortho-image correlation to investigate the Cinematics of landslides: The example of “Mare à Poule d’Eau” (Réunion, France) // Remote Sensing. 2017. V. 9. Art. No. 106. DOI: 10.3390/rs9090106.
  31. Bliss C., Wainwright J., Donoghue D., Jordan C. Estimating soil moisture from COSMO-SkyMed data at an active landslide site in North Yorkshire, UK // 22nd EGU General Assembly. 4–8 May, 2020. id. 22063. DOI: 10.5194/egusphere-egu2020-22063.
  32. Bozzano F., Mazzanti P., Perissin D., Rocca A., Pari P., Discenza M. Basin Scale Assessment of Landslides Geomorphological Setting by Advanced InSAR Analysis // Remote Sensing. 2017. V. 9. Art. No. 267. DOI: 10.3390/rs9090267.
  33. Catani F. Landslide recognition by deep learning of non-standard multi-source images // 22nd EGU General Assembly. 4–8 May, 2020. id. 19477. DOI: 10.5194/egusphere-egu2020-19477.
  34. Comert R., Avdan U., Gorum T., Nefeslioglu H. A. Mapping of shallow landslides with object-based image analysis from unmanned aerial vehicle data // Engineering Geology. 2019. V. 260. Art. No. 105264. DOI: 10.1016/j.enggeo.2019. 05264.
  35. Cuervas-Mons J., Monserrat O., Domínguez-Cuesta M. J., Mateos-Redondo F., González-Pumariega P., López-Fernández C., Valenzuela P., Barra A., Pascual-Lombardía P., Jiménez-Sánchez M. DInSAR and topographic techniques applied to study the Tazones Lighthouse landslide (N Spain) // 22nd EGU General Assembly. 4–8 May, 2020. id. 10455. DOI: 10.5194/egusphere-egu2020-10455, 2020.
  36. Deijns A. J., Bevington A. R., Van Zadelhoff F., De Jong S. M., Geertsema M., McDougall S. Semi-automated detection of landslide timing using harmonic modelling of satellite imagery, Buckinghorse River, Canada // Intern. J. Applied Earth Observation and Geoinformation. 2020. V. 84. Art. No. 101943. DOI:10.1016/j.jag.2019 101943.
  37. Devoto S., Macovaz V., Mantovani M., Soldati M., Furlani S. Advantages of Using UAV Digital Photogrammetry in the Study of Slow-Moving Coastal Landslides // Remote Sensing. 2020. V. 12. Art. No. 3566. DOI: 10.3390/rs12213566.
  38. Di Napoli M., Marsiglia P., Di Martire D., Ramondini M., Ullo S. L., Calcaterra D. Landslide susceptibility assessment of wildfire burnt areas through earth-observation techniques and a machine learning-based approach // Remote Sensing. 2020. V. 12. Art. No. 2505. DOI: 10.3390/rs12212505.
  39. Fang Z., Wang Y., Duan G., Peng L. Landslide Susceptibility Mapping Using Rotation Forest Ensemble Technique with Different Decision Trees in the Three Gorges Reservoir Area, China // Remote Sensing. 2021. V. 13(2). Art. No. 238. DOI: 10.3390/rs13020238.
  40. Frodella W., Gigli G., Morelli S., Lombardi L., Casagli N. Landslide Mapping and Characterization through Infrared Thermography (IRT): Suggestions for a Methodological Approach from Some Case Studies // Remote Sensing. 2017. V. 9. Art. No. 1281. DOI: 10.3390/rs9091281.
  41. Golovko D., Roessner S., Behling R., Wetzel H-U., Kleinschmit B. Evaluation of remote-sensing-based landslide inventories for hazard assessment in southern Kyrgyzstan // Remote Sensing. 2017. V. 9. Art. No. 943. DOI: 10.3390/rs9090943.
  42. Hastaoglu K. O., Gül Y. H., Poyraz F., Kara B. C. Monitoring 3D areal displacements by a new methodology and software using UAV photogrammetry // Intern. J. Applied Earth Observation and Geoinformation. 2019. V. 83. Art. No. 101916. DOI: 10.1016/j.jag.2019.101916.
  43. Hermle D., Keuschnig M., Krautblatter M. Potential of multisensor assessment using digital image correlation for landslide detection and monitoring // 22nd EGU General Assembly. 4–8 May, 2020. id. 16982. DOI: 10.5194/egusphere-egu2020-16982, 2020.
  44. Intrieri E., Frodella W., Raspini F., Bardi F., Tofani F. Using Satellite Interferometry to Infer Landslide Sliding Surface Depth and Geometry // Remote Sensing. 2020. V. 12. Art. No. 1462. DOI: 10.3390/rs12091462.
  45. Jongmans D., Fiolleau S., Bièvre G., Chambon G., Lacroix P. Combination of high frequency (Sentinel-2) and high resolution (Pléiades) satellite images for the monitoring of clayey landslide reactivations, application to the Harmalière landslide (French Alps) // 22nd EGU General Assembly. 4–8 May, 2020. id. 9368. DOI: 10.5194/egusphere-egu2020-9368, 2020.
  46. Khan H., Shafique M., Khan M., Bacha M., Shah S. U., Calligaris C. Landslide susceptibility assessment using frequency ratio, a case study of northern Pakistan // Egyptian J. Remote Sensing and Space Sciences. 2019. V. 22. P. 11–24. DOI: 10.1016/j.ejrs.2018.03.004.
  47. Kirschbaum D., Stanley T. Satellite based assessment of rainfall-triggered landslide hazard for situational awareness // Earth’s Future. 2018. V. 6. P. 505–523. DOI: 10.1002/2017EF00071.
  48. Konishi T., Suga Y. Landslide detection using COSMO-SkyMed images: A case study of a landslide event on Kii peninsula, Japan // European J. Remote Sensing. 2018. V. 51. No. 1. P. 205–221. DOI: 10.1080/22797254.2017.1418185.
  49. Lacroix P., Bièvre G., Pathier E., Kniess U., Jongmans D. Use of Sentinel-2 images for the detection of precursory motions before landslide failures // Remote Sensing of Environment. 2018. V. 215. P. 507–516. DOI: 10.1016/j.rse.2018.03.042.
  50. Lee D. H., Kim Y. T., Lee S. R. Shallow Landslide Susceptibility Models Based on Artificial Neural Networks Considering the Factor Selection Method and Various Non-Linear Activation Functions // Remote Sensing. 2020. V. 12. Art. No. 1194. DOI: 10.3390/rs12071194.
  51. Li W., Fan X., Huang F., Chen W., Hong H., Huang J., Guo Z. Uncertainties Analysis of Collapse Susceptibility Prediction Based on Remote Sensing and GIS: Influences of Different Data-Based Models and Connections between Collapses and Environmental Factors // Remote Sensing. 2020. V. 12. Art. No. 4134. DOI: 10.3390/rs12244134.
  52. Melis M. T., Da Pelo S., Erbì I., Loche M., Deiana G., Demurtas V., Meloni M. A., Dessì F., Funedda A., Scaioni M., Scaringi G. Thermal Remote Sensing from UAVs: A Review on Methods in Coastal Cliffs Prone to Landslides // Remote Sensing. 2020. V. 12. Art. No. 1971. DOI: 10.3390/rs12121971.
  53. Motagh M., Roessner S., Akbari B., Behling R., Stefanova-Vassileva M., Haghshenas-Haghighi M., Ulrich-Wetzel H. Landslides triggered by 2019 extreme rainfall and flood events in Iran: Results from satellite remote sensing and field survey // 22nd EGU General Assembly. 4–8 May, 2020. id. 10715. DOI: 10.5194/egusphere-egu2020-10715.
  54. Pappalardo G., Mineo S., Angrisani A. C., Di Martire D., Calcaterra D. Combining field data with infrared thermography and DInSAR surveys to evaluate the activity of landslides: The case study of Randazzo Landslide (NE Sicily) // Landslides. 2018. V. 15. P. 2173–2193. DOI: 10.1007/s10346-018-1026-9.
  55. Park H. J., Jang J. Y., Lee J. H. Physically Based Susceptibility Assessment of Rainfall-Induced Shallow Landslides Using a Fuzzy Point Estimate Method // Remote Sensing. 2017. V. 9. Art. No. 487. DOI: 10.3390/rs9090487.
  56. Piroton V., Schlögel R., Havenith H. B. Monitoring recent activity of the Koytash Landslide (Kyrgyzstan) using radar and optical remote sensing techniques // 22nd EGU General Assembly. 4–8 May, 2020. id. 20180. DOI: 10.5194/egusphere-egu2020-20180.
  57. Prakash N., Manconi A., Loew S. Mapping landslides from EO data using deep-learning methods // 22nd EGU General Assembly. 4–8 May, 2020. id. 11876. DOI: 10.5194/egusphere-egu2020-11876.
  58. Rabby Y. W., Ishtiaque А., Rahman S. Evaluating the Effects of Digital Elevation Models in Landslide Susceptibility Mapping in Rangamati District, Bangladesh // Remote Sensing. 2020. V. 12. Art. No. 2718. DOI: 10.3390/rs12172718.
  59. Ray R. L., Lazzari M., Olutimehin T. Remote Sensing Approaches and Related Techniques to Map and Study Landslides // Landslides — Investigation and Monitoring. IntechOpen, 2020. 24 p. DOI: 10.5772/intechopen.93681.
  60. Reyes-Carmona C., Galve J. P., Barra A., Monserrat O., Mateos R. M., Azañón J. M., Pérez-Peña J. V., Ruano P. The Sentinel-1 CNR-IREA SBAS service of the European Space Agency’s Geohazard Exploitation Platform (GEP) as a powerful tool for landslide activity detection and monitoring // 22nd EGU General Assembly. 4–8 May, 2020. id. 19410. DOI: 10.5194/egusphere-egu2020-19410.
  61. Roessner S., Behling R., Motagh M., Ulrich-Wetzel H. Multi-scale analysis of landslide occurrence and evolution using optical and radar time series // 22nd EGU General Assembly. 4–8 May, 2020. id. 20702. DOI: 10.5194/egusphere-egu2020-20702.
  62. Rosi A., Tofani V., Tanteri L., Tacconi Stefanelli C., Agostini A., Catani F., Casagli N. The new landslide inventory of Tuscany (Italy) updated with PS-InSAR: geomorphological features and landslide distribution // Landslides. 2018. V. 15. P. 5–19. DOI: 10.1007/s10346-017-0861-4.
  63. Roy J., Saha S., Arabameri A., Blaschke T., Bui D., Tien A. Novel Ensemble Approach for Landslide Susceptibility Mapping (LSM) in Darjeeling and Kalimpong Districts, West Bengal, India // Remote Sensing. 2019. V. 11. Art. No. 2866. DOI: 10.3390/rs11232866.
  64. Schiller A., Vecchiotti F., Amabile A. S., Guardiani C., Dhital M. R., Dhakal A., Pant B. R., Ostermann M., Supper R. Ground motion and PSI density analysis from Envisat and Sentinel 1A InSAR data in the context of a complex landslide monitoring strategy in Karnali river basin, Far-Western Nepal // 22nd EGU General Assembly. 4–8 May, 2020. id. 21875. DOI: 10.5194/egusphere-egu2020-21875.
  65. Shahzad N., Ding X., Abbas S. Prediction ability of machine learning algorithms in Himalaya region of Pakistan for landslide susceptibility mapping // 22nd EGU General Assembly. 4–8 May, 2020. id. 6757. DOI: 10.5194/egusphere-egu2020-6757.
  66. Solari L., Bianchini S., Franceschini R., Barra A., Monserrat O., Thuegaz P., Bertolo D., Crosetto M., Catani F. Satellite interferometric data for landslide intensity evaluation in mountainous regions // Intern. J. Applied Earth Observation and Geoinformation. 2020. V. 87. Art. No. 102028. DOI: 10.1016/j.jag.2019.102028.
  67. Sun W., Tian Y., Mu X., Zhai J., Gao P., Zhao G. Loess landslide inventory map based on GF-1 satellite imagery // Remote Sensing. 2017. V. 9. Art. No. 314. DOI: 10.3390/rs9040314.
  68. Wang Q., Wang Y., Niu R., Peng L. Integration of information theory, K-means cluster analysis and the logistic regression model for landslide susceptibility mapping in the three gorges area, China // Remote Sensing. 2017. V. 9. Art. No. 938. DOI: 10.3390/rs9090938.
  69. Ye C., Li Y., Cui P., Li L., Pirasteh S., Marcato J., Goncalves W. N., Li J. Landslide detection of hyperspectral remote sensing data based on deep learning with constrains // IEEE J. Selected Topics in Applied Earth Observations and Remote Sensing. 2019. V. 12. No. 12. P. 5047–5060. DOI: 10.1109/JSTARS.2019.2951725.
  70. Zhang P., Xu C., Ma S., Shao X., Tian Y., Wen B. Automatic Extraction of Seismic Landslides in Large Areas with Complex Environments Based on Deep Learning: An Example of the 2018 Iburi Earthquake, Japan // Remote Sensing. 2020. V. 12(23). Art. No. 3992. DOI: 10.3390/rs12233992.
  71. Zhao F., Mallorqui J. J., Iglesias R., Gili J. A., Corominas J. Landslide monitoring using multi-temporal SAR interferometry with advanced persistent scatters identification methods and super high-spatial resolution TerraSAR-X images // Remote Sensing. 2018. V. 10. Art. No. 921. DOI: 10.3390/rs10060921.