జర్నల్ ఆఫ్ రిమోట్ సెన్సింగ్ & GIS

నైరూప్య

ఫ్లడ్ మ్యాపింగ్ మరియు అసెస్‌మెంట్ కోసం LiDAR DEM డేటా; అవకాశాలు మరియు సవాళ్లు: ఒక సమీక్ష

గిజాచెవ్ కబితే వెదజో

వరదలు అత్యంత విపత్తు, విస్తృత వ్యాప్తి మరియు తరచుగా సంభవించే సహజ ప్రమాదాలు మౌలిక సదుపాయాలు, మానవ జీవితం మరియు పర్యావరణంపై విస్తృతమైన నష్టాన్ని కలిగిస్తాయి. వాతావరణ మార్పు మరియు పెరిగిన పట్టణీకరణ కారణంగా ప్రపంచమంతటా వరదల యొక్క ఫ్రీక్వెన్సీ మరియు తీవ్రత పెరుగుతోంది. అలాగే, వరద ముంపు ప్రాంతాలను పర్యవేక్షించే మరియు మ్యాపింగ్ చేసే సమస్య మరియు సాంకేతికతలు కూడా పెరుగుతున్నాయి. అత్యాధునిక సాంకేతికతల అభివృద్ధి వరద మ్యాపింగ్ మరియు పర్యవేక్షణను సులభతరం చేసింది మరియు మెరుగుపరచింది. వరద మ్యాపింగ్, పర్యవేక్షణ మరియు నష్టాన్ని అంచనా వేయడంలో భూమి పరిశీలన ముఖ్యమైన పాత్ర పోషిస్తుంది. అయినప్పటికీ, వరద అధ్యయనాల కోసం ఉపగ్రహ డేటాను ఉపయోగించకుండా నిరోధించే ప్రాథమిక సమస్యలు ఉన్నాయి. LiDAR DEM డేటా ఆధారిత వరద మోడలింగ్ విధానం భూమి పరిశీలన యొక్క కొన్ని పరిమితులను పరిష్కరిస్తుంది. మరోవైపు, LiDAR DEM డేటాను ఉపయోగించి వరద మోడలింగ్ సవాలుగా ఉంది. కాబట్టి, వరద మ్యాపింగ్ మరియు అంచనా కోసం LIDAR DEM డేటాను ఉపయోగించడంలోని అవకాశాలు మరియు సవాళ్లను గుర్తించడం ఈ సమీక్ష యొక్క లక్ష్యం. పేర్కొన్న లక్ష్యాన్ని సాధించడానికి గణనీయమైన సాహిత్య సమీక్ష జరిగింది. దట్టమైన పందిరి కింద మరియు పట్టణ ప్రాంతాల్లో వరదలు ఉన్న ప్రాంతాలను గుర్తించడం వంటి భూమి పరిశీలనను ఉపయోగించి వరదలను గుర్తించే పరిమితులను వరద మోడలింగ్ పద్ధతులు గణనీయంగా మెరుగుపరుస్తాయని అధ్యయనం వెల్లడించింది. ఇది ఖచ్చితమైన మరియు చక్కటి రిజల్యూషన్ LiDAR DEMకి ఆపాదించబడింది. ఇంకా, LiDAR సాంకేతికత సాపేక్షంగా ఖర్చు మరియు సమయ ప్రభావవంతమైన డేటా సేకరణ వ్యవస్థ, దట్టమైన వృక్షాలను చొచ్చుకుపోయే సామర్ధ్యం మరియు మెరుగైన వరద నమూనా ఖచ్చితత్వం మరియు ఫైన్ స్కేల్ ఫ్లడ్ మోడలింగ్ వంటి అనేక అవకాశాలను అందిస్తుంది. మరోవైపు, LiDAR డేటా ఫిల్టరింగ్ (వర్గీకరణ), డేటా లభ్యత మరియు ప్రాప్యత, డేటా ఫైల్ పరిమాణం, అధిక గణన సమయం, ఛానెల్‌ల బాతిమెట్రీని వర్గీకరించడంలో అసమర్థత మరియు సంక్లిష్టమైన పట్టణ లక్షణాలను సూచించడంలో అసమర్థత వంటివి కొన్ని సవాళ్లు. అందువల్ల, వరద మోడలింగ్ కోసం LiDAR సాంకేతికత యొక్క ప్రభావాన్ని పెంచడానికి బహుళ-ప్లాట్‌ఫారమ్ LiDAR డేటా (అనగా, భూమి-ఆధారిత, గాలిలో మరియు అంతరిక్షంలో) మరియు ఎకో సౌండింగ్‌లు మరియు ఎలక్ట్రానిక్ థియోడోలైట్ సర్వేల వంటి అదనపు వనరుల నుండి డేటాను ఏకీకృతం చేయాలి.