PN-III-P1-1.1-PD-2021-0145

• Project code:

  • • • • • • • PN-III-P1-1.1-PD-2021-0145

• Project Title:

  • • • • • • • Hybrid UAV LiDAR and Photogrammetry for Data Fusion in Construction and Land Monitoring  [FLYSURVEY]

      • Contract No. PD 85 from 19/04/2022
      • Host Institution UNIVERSITATEA TEHNICA DIN CLUJ-NAPOCA

• • • • • • Project Leader Paul SESTRAS
            • • Engineering Sciences
              • Project Leader: WoS ResearcherID
          • Mentor: Prof. dr. Sergiu NEDEVSCHI
            • https://www.scopus.com/authid/detail.uri?authorId=6602876540
            • https://www.adscientificindex.com/scientist/sergiu-nedevschi/4327423

***

2023, December – Project report  PN-III-P1-1.1-PD-2021-0145 

Scientific report – Stage 2023

Stage No. 2

Stage title: [WP1,WP2,WP3] Realizare DFM, analiza de precizie si implementarea in studii de caz 

Abstract

[Stage 2, 2023]/Rezumatul etapei 2, 2023:

A doua etapa a proiectului a constat intr-o continuare a procesului de revizuire a literaturii de specialitate si cercetari bibliografice privind folosirea tehnologiilor LiDAR si digital photography Structure-from-Motion (SfM). Pe langa cercetarile bibliografice, s-a efectuat o cercetare originala, diseminata printr-un articol stiintific, utilizand aparatura din dotare, inainte de achizitionarea de echipamente noi. Procesului de achizitie de echipamente a inceput in lunile martie-aprilie a etapei 2, cu ocazia alocarii de fonduri. In cadrul acestei etape, dupa intrarea in gestiunea Departamentului Masuratori Terestre si Cadastru a aparaturii achizitionate, s-au efectuat numeroase teste pe teren si prelucrari de date, in vederea perfectionarii si optimizarii livrabilelor rezultate cu senzori de specialitate. In cadrul primelor sub-etape dedicate perfectionarii si optimizarii modelului DFM, s-au efectuat analize de precizie a masuratorilor rezultate, prin analiza norilor de puncte si a modelelor digitale de elevatie fata de puncta masurate la sol prin metode si instrumente topo-geodezice. Implementarea in studii de caz a fost efectuata in aceasta etapa, prin alegerea unei alunecari de teren active, urmata de masuratori in vederea elaborarii modelului DFM conceput, cat si o implementare intr-un studiu de caz necesar domeniului de constructii. Masuratorile necesare celor doua implementari pe studii de caz prevazute in proiect au fost efectuate in lunile august-septembrie-octombrie. La momentul actual, procesarea de date a fost finalizata pentru cercetarile aferente implementarii modelului DFM in monitorizarile de alunecari de teren, si este in lucru la un stadiu avansat scrierea articolului stiintific. Se preconizeaza trimiterea manuscrisului la un jurnal indexat ISI in urmatoarele 30 zile, iar apoi continuarea procesarii de date, finalizarea si trimiterea celuilat articol (referitor la implementarea modelului DFM in constructii) pana in luna martie 2024.

Rezultate științifice obținute pe parcursul derulării proiectului

Cercetarile finalizate si diseminate in cadrul acestei etape au constat dintr-un studiu de caz adecvat tematicii proiectului, unde s-au folosit principii si obiective din metodologia gandita in proiectul Flysurvey, dar folosind instrumentatia semi-profesionista din dotarea centrului Erris “Research Center for Land Measurements and Geospatial Data Processing” din cadrul UTCN. Diseminarea rezultatelor a fost efectuata prin publicarea unui articol intr-un jurnal indexat WoS cu factor de impact 3.0 si situat in Q2.

Activitățile derulate în cadrul acestei etape și rezultatele științifice aferente acestora

Activitate 2.1: [A.I.1] Achizitie echipamente: platforma UAV, senzori si software

Activitate 2.2: [A.I.2] Zboruri de testare si planificari de misiuni, teste de calibrare a camerei si a senzorilor          

Activitate 2.3: [A.I.2] Teste de achiziție de date si prelucrarea livrabilelor LiDAR și fotogrammetrice        

Activitate 2.4: [A.I.1] [A.I.3, A.II.1] Analiza preciziei obtinute intre livrabilele generate de fiecare senzor

Activitate 2.5: [A.I.4, A.II.2] Fuziunea datelor și dezvoltarea DFM (digital feature model) conform metodologiei prevazute in proiect

In cadrul acestor activitati au fost efectuate principalele etape premergatoare implementarii conceptului DFM. Acestea au constat in achizitia de echipamente, testarea, calibrarea si perfectionarea calitatii livrabilelor, cat si postprocesarea acestora.

Sistemul UAV DJI M300 cu senzorul P1 (stanga) si senzorul L1 (dreapta)

Testarea echipamentelor intr-un mediu controlat (stanga) si statia DRTK (dreapta)

 Testarea sistemului DJI M300 RTK cu camera P1 si LiDAR L1

Testarea sistemului si prelucrarea datelor fotogrammetrice

Testarea sistemului si prelucrarea datelor LiDAR

Activitate 2.5: [A.III.1, A.III.2] Implementarea de DFM propus ca inovatie metodologica intr-o lucrare de monitorizare de alunecari de teren

            In cadrul acestei etape a fost aleasa o zona de studiu cu alunecari de teren active, si cu o susceptibilitate crescuta la aparitia acestor hazarde naturale. Masuratorile de teren au fost efectuate in lunile august-septembrie-octombrie. La momentul actual, procesarea de date a fost finalizata pentru cercetarile aferente implementarii modelului DFM in monitorizarile de alunecari de teren, si este in lucru la un stadiu avansat scrierea articolului stiintific. Se preconizeaza trimiterea manuscrisului la un jurnal indexat ISI in urmatoarele 30 zile. Atasat sunt o parte din figurile prevazute in articol.

Activitate 2.6: [A.IV.1, A.IV.2] Implementarea de DFM propus ca inovatie metodologica intr-o lucrare de ridicari topografice in vederea elaborarii de documentatii tehnice 

            In cadrul acestei etape a fost aleasa o implementare intr-un studiu de caz necesar domeniului de constructii. Masuratorile necesare implementarii studiului de caz prevazut in proiect a fost finalizat in luna octombrie. La momentul actual, procesarea de date este in desfasurare, iar finalizarea si trimiterea articol se realizeaza pana in luna martie 2024.

Activitati complementare etapei 2 (2023):

In cadrul acestei etape si perioade de raportare, directorul de proiect a finalizat cercetari intr-un amplu studiu de caz adecvat tematicii proiectului, unde s-au folosit principii si obiective din metodologia gandita in proiectul Flysurvey, dar folosind instrumentatia semi-profesionista din dotarea centrului Erris “Research Center for Land Measurements and Geospatial Data Processing” din cadrul UTCN. Rezultatele obtinute evidentiaza avantajele indispensabile in folosirea sistemelor UAV pentru aplicatii in inginerie civila, dar si afirma nevoia de o implementare si fuziune a norilor de puncte achizitionati cu tehnologiile LiDAR si RGB digital photography. Diseminarea rezultatelor a fost efectuata prin publicarea unui articol intr-un jurnal indexat WoS cu factor de impact 3.0 (Q2). Titlul articolului este “The use of budget UAV systems and GIS spatial analysis in cadastral and construction surveying for building planning”, disponibil online accesand urmatorul link:

https://www.frontiersin.org/articles/10.3389/fbuil.2023.1206947/full.

Jurnalul in care a fost publicat articolul este Frontiers in Built Environment (https://www.frontiersin.org/journals/built-environment), un jurnal indexat Web of Science cu Factorul de Impact 3.0, respectiv quartila Q2 din categoria “CONSTRUCTION & BUILDING TECHNOLOGY”.

O selectie a ideilor principale prezentate in articol, cat si rezultate obtinute (figurile atasate) ce demonstreaza numeroasele avantaje a modelarii 3D folosind fotogrammetria, dar si limitarile acestei metode de unde reiese nevoia de o metodologie imbunatatita prin fuziunea cu date LiDAR (crearea metodologiei DFM din proiectul Flysurvey ce urmeaza sa fie facuta dupa achizitia de echipamente in etapele 2 si 3) sunt prezentate in urmatoarele paragrafe:

“Incertitudinea care vine cu planificarea, construirea și întreținerea clădirilor este o problemă constantă pentru arhitecți și inginerii civili. Deoarece topografia este cadrul care unește arhitectura și peisajul, proiectele de proiectare și planificare se bazează în mare măsură pe o gamă largă de metode de monitorizare, topografie și date cuprinzătoare de teren. Alături de instrumentele tradiționale topo-geodezice utilizate în topografia terenurilor și a construcțiilor, vehiculele aeriene fără pilot echipate cu camere digitale și structură din software-ul de mișcare au fost utilizate din ce în ce mai mult recent într-o varietate de domenii pentru a crea modele digitale de elevație de înaltă rezoluție. În ciuda acestei utilizări larg răspândite, în majoritatea proiectelor de topografie se consideră că reprezentările topografice produse prin această tehnologie sunt inferioare celei obținute cu relevările efectuate prin metode convenționale, alături de alte constrângeri impuse de legislație, de mediu și de condițiile meteorologice. În timp ce anumite limitări ale sistemelor de vehicule aeriene fără pilot (UAV) sunt provocatoare, avantajul lor de a culege date dintr-o perspectivă diferită și rezultatele generate au potențialul de a avansa semnificativ industria construcțiilor. Prezentul articol oferă o privire de ansamblu asupra utilității sistemelor UAV bugetare în dezvoltarea unei metodologii care însoțește procesul de sondaj convențional pentru aplicațiile de inginerie civilă. Astfel, alături de sondajul stabilit pentru documentațiile cadastrale și tehnice necesare procesului de arhitectură, a fost elaborat un sondaj UAV complementar, cu analiză spațială ulterioară într-un sistem de informații geografice (GIS), în vederea extinderii gamei de livrabile. Acestea includ hartă ortofoto utilă, reprezentări la scară mai mare și mai dense ale topografiei, modele digitale de suprafață și teren, hărți de panta, aspect și radiație solară, care vor oferi informații și instrucțiuni utile la începutul procesului de planificare a construcției. Metodologia conține două studii de caz cu grade diferite de provocări legate de teren și vegetație și, de asemenea, prezintă o evaluare a acurateței și o discuție generală asupra beneficiilor privind implementarea UAV.

UAV-urile au fost în curs de dezvoltare extinsă în ultimele decenii, iar progresul lor în tehnologie și aplicabilitate reprezintă un salt cuantic pentru multe domenii de activitate. Sondajele la scară largă sunt de obicei utilizate în inginerie civilă pentru a aborda incertitudinile care pot apărea înainte, în timpul și după construcție. UAV-urile oferă topografilor, arhitecților și inginerilor civili modalități suplimentare de a-și înțelege proiectele sau problemele pe care le întâmpină, precum și să completeze datele obținute din teren. Se ajunge la concluzia că utilizarea UAV-urilor și a analizei spațiale GIS poate fi un progres semnificativ în cercetarea și aplicațiile profesionale ale proiectării clădirilor. Funcţionarea foarte simplă a acestor dispozitive și potențialul de a obține DSM, DTM și ortofoto georeferențiat de înaltă rezoluție, fac posibilă extinderea bazelor de date și tehnicilor de cartografiere utilizate în prezent în industria construcțiilor. Dificultăți operaționale încă există atunci când se utilizează fotogrammetria UAV pentru topografie. Cea mai mare provocare este mediul, în special prezența vegetației medii și înalte. Sistemele cu georeferențiere directă superioară, inclusiv GPS cu frecvență dublă pe UAV, precum și senzori de măsurare mai precisi și avantajoși, cum ar fi soluții LiDAR pentru o mai bună determinare DTM, vor fi disponibile în curând la o scară mai mare și un plan de accesibilitate. Metodologia multidisciplinară utilizată în studiu a fost practică, de încredere și de succes. Datele, interpretarea și discuțiile oferă informații științifice și utile relevante pentru zona de studiu și alte domenii de cercetare din întreaga lume. Pe baza constatărilor, investigațiile și instrumentele ulterioare vor fi extinse. Drept urmare, UAV-urile echipate cu LiDAR sunt următorul deziderat pentru măsurători mai amănunțite care pot pătrunde în stratul de vegetație și pot oferi reprezentări mai precise ale terenului gol, pentru progrese ulterioare în proiectele de arhitectură și inginerie civilă”.

Articolul are menționat numele prezentului proiect precum și cel al finanțatorului în secțiunea „acknowledgments”, respectiv: This work was supported by a grant of the Ministry of Research, Innovation and Digitization, CNCS-UEFISCDI, project number PN-III-P1-1.1-PD-2021-0145, within PNCDI III.

Tot in cadrul perioadei de raportare, directorul de proiect a participat la doua conferinte internationale si la un workshop, toate acestea fiind mentionate pe platforma EVoC.

Așadar, conform Contractului de Finanțare pentru PD 85 din 19/04/2023 s-au desfășurat toate activitățile programate pentru perioada de raportare (01.01.2023-31.12.2023). Finalizarea celor doua articole prevazute si trimiterea acestora la jurnale indexate ISI urmeaza sa se efectueze pana la finalizarea proiectului.

Director de Proiect,

Sef lucr. dr. ing. Paul SESTRAS

Articolul publicat cu rezultate din proiect:

Sestras, P., Roșca, S., Bilașco, Ș., Șoimoșan, T., & Nedevschi, S. (2023). The Use of Budget UAV Systems and GIS Spatial Analysis in Cadastral and Construction Surveying for Building Planning. Frontiers in Built Environment, 9, 1206947. https://doi.org/10.3389/fbuil.2023.1206947

***

***

***

2022, December – Project report  PN-III-P1-1.1-PD-2021-0145 

Scientific report – Stage 2022

 Project code: PN-III-P1-1.1-PD-2021-0145

Contract No. PD 85 from 19/04/2022

Project Title: Hybrid UAV LiDAR and Photogrammetry for Data Fusion in Construction and Land Monitoring  [FLYSURVEY]

Stage No. 1

Stage title: [WP1] Investigations and preliminary steps for obtaining DFM (digital feature model)

Abstract [Stage 1, 2022]: The first stage of the project consisted of an extensive investigation process of specialized literature and research regarding the use of LiDAR and Structure-from-Motion (SfM) digital photography technologies. In addition to bibliographic research, preparatory steps were taken for the equipment acquisition process that is to begin in the first month of stage 2 (January 2023), and some administrative procedures provided for in the project were carried out (e.g. preparation of the web page of the project). During this stage, the research of a case study was completed in which principles and objectives from the methodology conceived in the Flysurvey project were used. The dissemination of the results was carried out by publishing an article in a WoS indexed journal with an impact factor (IF), ranked in Q1. In stages 2 and 3, the complexity of the research will increase through the acquisition and implementation of modern sensors and technologies (the UAV system / professional drone, the LiDAR sensor, and the DJI P1 RGB sensor), in order to develop and test the innovative DFM methodology, according to the proposal of project.

***

reSULTS

According to the ‘Financing Contract’ for PD 85, dated 04/19/2022, all the activities scheduled within the project for the reporting period (04/01/2022-12/31/2022) were carried out, with 100% of them being completed.

Main results: [Articles] Publication of a manuscript in a Q1 journal: Remote Sensing. 2022, 14(22), 5822; https://doi.org/10.3390/rs14225822

Multi-Instrumental Approach to Slope Failure Monitoring in a Landslide Susceptible Newly Built-Up Area: Topo-Geodetic Survey, UAV 3D Modelling and Ground-Penetrating Radar

Remote Sensing 2022, 14(22), 5822; https://doi.org/10.3390/rs14225822

Special Issue:  UAVs for Civil Engineering Applications

Suggestive images with the activities and results obtained, presented in the article

***

Figure 1. Landslide susceptibility map [4] with relevant hotspots

Figure 2. The geographic location of the study area

Figure 3. Aerial photos of the emerged residential complex and monitored study area

Figure 4. Collage of images depicting the old retaining wall right before failure, and the damages that ensued on the industrial production hall after the slope failure

Figure 5. Collage of images depicting the newly constructed retaining wall and land improvement measures.

Figure 6. Methodological flowchart

Figure 7. Map of the prior research study’s landslide susceptibility [4] (a) and of the study area (b); the twelve factors that have been examined as potential influencing factors for slope mass movement: altitude (c), slope (d), aspect (e), distance to settlements (f), roads (g), hydrography (h), wetness index (i), stream power index (j), land-use (k), geology (l), depth of fragmentation (m), and fragmentation density (n)

Figure 8. Established local geodetic network

Figure 9. Obtained orthophoto with GCPs and CPs positioning and the instrumentation used

Figure 10. Obtained orthophoto with GPR profile locations and the instrumentation used

Figure 11. Displacement analysis on each axis, as well as overall spatial values

Figure 12. Surface movement rate

Figure 13. GPR longitudinal profile

References

1. Corpade, C.; Man, T.; Petrea, D.; Corpade, A.-M.; Moldovan, C. Changes in landscape structure induced by transportation projects in Cluj-Napoca periurban area using GIS. Carpathian J. Earth Environ. Sci. 2014, 9, 177–184. [Google Scholar]
2. Dolean, B.-E.; Bilașco, Ș.; Petrea, D.; Moldovan, C.; Vescan, I.; Roșca, S.; Fodorean, I. Evaluation of the Built-Up Area Dynamics in the First Ring of Cluj-Napoca Metropolitan Area, Romania by Semi-Automatic GIS Analysis of Landsat Satellite Images. Appl. Sci. 2020, 10, 7722. [Google Scholar] [CrossRef]
3. Cebotari, S.; Cristea, M.; Moldovan, C.; Zubașcu, F. Renewable Energy’s Impact on Rural Development in Northwestern Romania. Energy Sustain. Dev. 2017, 37, 110–123. [Google Scholar] [CrossRef]
4. Sestras, P.; Bilasco, S.; Roşca, S.; Naș, S.; Bondrea, M.; Gâlgău, R.; Vereş, I.; Salagean, T.; Spalevic, V.; Cimpeanu, S. Landslides Susceptibility Assessment Based on GIS Statistical Bivariate Analysis in the Hills Surrounding a Metropolitan Area. Sustainability 2019, 11, 1362. [Google Scholar] [CrossRef]
5. Sestras, P.; Bilașco, Ș.; Roșca, S.; Dudic, B.; Hysa, A.; Spalević, V. Geodetic and UAV Monitoring in the Sustainable Management of Shallow Landslides and Erosion of a Susceptible Urban Environment. Remote Sens. 2021, 13, 385. [Google Scholar] [CrossRef]
6. Bilaşco, Ş.; Roşca, S.; Fodorean, I.; Vescan, I.; Filip, S.; Petrea, D. Quantitative evaluation of the risk induced by dominant geomorphological processes on different land uses, based on GIS spatial analysis models. Front. Earth Sci. 2018, 12, 311–324. [Google Scholar]
7. Bălteanu, D.; Micu, M.; Jurchescu, M.; Malet, J.-P.; Sima, M.; Kucsicsa, G.; Dumitrică, C.; Petrea, D.; Mărgărint, M.C.; Bilaşco, S.T.; et al. National-scale landslide susceptibility map of Romania in a European methodological framework. Geomorphology 2020, 371, 107432. [Google Scholar] [CrossRef]
8. Kerekes, A.H.; Poszet, S.L.; Andrea, G.Á.L. Landslide susceptibility assessment using the maximum entropy model in a sector of the Cluj–Napoca Municipality, Romania. Rev. Geomorfol. 2018, 20, 130–146. [Google Scholar] [CrossRef]
9. Kerekes, A.H.; Poszet, S.L.; Baciu, L.C. Investigating land surface deformation using InSAR and GIS techniques in Cluj–Napoca city’s most affected sector by urban sprawl (Romania). Rev. Geomorfol. 2020, 22, 43–59. [Google Scholar] [CrossRef]
10. Roşca, S.; Bilaşco, Ş.; Petrea, D.; Fodorean, I.; Vescan, I.; Filip, S. Application of landslide hazard scenarios at annual scale in the Niraj River basin (Transylvania Depression, Romania). Nat. Hazards 2015, 77, 1573–1592. [Google Scholar]
11. Galli, M.; Ardizzone, F.; Cardinali, M.; Guzzetti, F.; Reichenbach, P. Comparing landslide inventory maps. Geomorphology 2008, 94, 268–289. [Google Scholar] [CrossRef]
12. Cruden, D.M.; Varnes, D.J. Landslides: Investigation and mitigation. Chapter 3-Landslide types and processes. Transp. Res. Board Spec. Rep. 1996, 247, 36–75. [Google Scholar]
13. Artese, S.; Perrelli, M. Monitoring a Landslide with High Accuracy by Total Station: A DTM-Based Model to Correct for the Atmospheric Effects. Geosciences 2018, 8, 46. [Google Scholar] [CrossRef]
14. Guzzetti, F.; Mondini, A.C.; Cardinali, M.; Fiorucci, F.; Santangelo, M.; Chang, K.T. Landslide inventory maps: New tools for an old problem. Earth Sci. Rev. 2012, 112, 42–66. [Google Scholar] [CrossRef]
15. Corominas, J.; van Westen, C.; Frattini, P.; Cascini, L.; Malet, J.-P.; Fotopoulou, S.; Catani, F.; Van Den Eeckhaut, M.; Mavrouli, O.; Agliardi, F.; et al. Recommendations for the quantitative analysis of landslide risk. Bull. Eng. Geol. Environ. 2014, 73, 209–263. [Google Scholar] [CrossRef]
16. Stiros, S.C.; Vichas, C.; Skourtis, C. Landslide Monitoring Based on Geodetically Derived Distance Changes. J. Surv. Eng. 2004, 130, 156–162. [Google Scholar] [CrossRef]
17. Tsaia, Z.; Youa, G.J.Y.; Leea, H.Y.; Chiub, Y.J. Use of a total station to monitor post-failure sediment yields in landslide sites of the Shihmen reservoir watershed. Geomorphology 2012, 139–140, 438–451. [Google Scholar] [CrossRef]
18. Westoby, M.J.; Brasington, J.; Glasser, N.F.; Hambrey, M.J.; Reynolds, J.M. “Structure-from-motion” photogrammetry: A low-cost, effective tool for geoscience applications. Geomorphology 2012, 179, 300–314. [Google Scholar] [CrossRef]
19. Turner, D.; Lucieer, A.; De Jong, S.M. Time Series Analysis of Landslide Dynamics Using an Unmanned Aerial Vehicle (UAV). Remote Sens. 2015, 7, 1736–1757. [Google Scholar] [CrossRef]
20. Al-Rawabdeh, A.; Moussa, A.; Foroutan, M.; El-Sheimy, N.; Habib, A. Time Series UAV Image-Based Point Clouds for Landslide Progression Evaluation Applications. Sensors 2017, 17, 2378. [Google Scholar] [CrossRef]
21. 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 Sens. 2020, 12, 3566. [Google Scholar] [CrossRef]
22. Akca, D. Photogrammetric monitoring of an artificially generated shallow landslide. Photogramm. Rec. 2013, 28, 178–195. [Google Scholar] [CrossRef]
23. Jaboyedoff, M.; Oppikofer, T.; Abellán, A.; Derron, M.H.; Loye, A.; Metzger, R.; Pedrazzini, A. Use of LIDAR in landslide investigations: A review. Nat. Hazards 2012, 61, 5–28. [Google Scholar] [CrossRef]
24. Dewitte, O.; Jasselette, J.C.; Cornet, Y.; Van Den Eeckhaut, M.; Collignon, A.; Poesen, J.; Demoulin, A. Tracking landslide displacements by multi-temporal DTMs: A combined aerial stereophotogrammetric and LIDAR approach in western Belgium. Eng. Geol. 2008, 99, 11–22. [Google Scholar] [CrossRef]
25. Görüm, T. Landslide recognition and mapping in a mixed forest environment from airborne LiDAR data. Eng. Geol. 2019, 258, 105155. [Google Scholar] [CrossRef]
26. Syzdykbayev, M.; Karimi, B.; Karimi, H.A. Persistent homology on LiDAR data to detect landslides. Remote Sens. Environ. 2020, 246, 111816. [Google Scholar] [CrossRef]
27. Bernat Gazibara, S.; Krkač, M.; Mihalić Arbanas, S. Landslide inventory mapping using LiDAR data in the City of Zagreb (Croatia). J. Maps 2019, 15, 773–779. [Google Scholar] [CrossRef]
28. Peduto, D.; Oricchio, L.; Nicodemo, G.; Crosetto, M.; Ripoll, J.; Buxó, P.; Janeras, M. Investigating the kinematics of the unstable slope of Barbera de la Conca (Catalonia, Spain) and the effects on the exposed facilities by GBSAR and multi-source conventional monitoring. Landslides 2021, 18, 457–469. [Google Scholar] [CrossRef]
29. Althuwaynee, O.F.; Pradhan, B.; Lee, S. A novel integrated model for assessing landslide susceptibility mapping using CHAID and AHP pair-wise comparison. Int. J. Remote Sens. 2016, 37, 1190–1209. [Google Scholar] [CrossRef]
30. Martha, T.R.; Kerle, N.; Jetten, V.; van Westen, C.J.; Kumar, K.V. Landslide volumetric analysis using cartosat-1-derived dems. IEEE Geosci. Remote Sens. Lett. 2010, 7, 582–586. [Google Scholar] [CrossRef]
31. Cigna, F.; Bianchini, S.; Casagli, N. How to assess landslide activity and intensity with persistent scatterer interferometry (PSI): The PSI-based matrix approach. Landslides 2012, 10, 267–283. [Google Scholar] [CrossRef]
32. Lu, P.; Catani, F.; Tofani, V.; Casagli, N. Quantitative hazard and risk assessment for slow-moving landslides from persistent Scatterer interferometry. Landslides 2014, 11, 685–696. [Google Scholar] [CrossRef]
33. Ghorbanzadeh, O.; Didehban, K.; Rasouli, H.; Kamran, K.V.; Feizizadeh, B.; Blaschke, T. An Application of Sentinel-1, Sentinel-2, and GNSS Data for Landslide Susceptibility Mapping. ISPRS Int. J. Geo Inf. 2020, 9, 561. [Google Scholar] [CrossRef]
34. Simeoni, L.; Ferro, E.; Tombolato, S. Reliability of Field Measurements of Displacements in Two Cases of Viaduct-Extremely Slow Landslide Interactions. Eng. Geol. Soc. Territ. 2015, 2, 125–128. [Google Scholar]
35. Afeni, T.B.; Cawood, F.T. Slope Monitoring using Total Station: What are the Challenges and How Should These be Mitigated? S. Afr. J. Geomat. 2013, 2, 41–53. [Google Scholar]
36. Sestras, P. Methodological and On-Site Applied Construction Layout Plan with Batter Boards Stake-Out Methods Comparison: A Case Study of Romania. Appl. Sci. 2021, 11, 4331. [Google Scholar] [CrossRef]
37. Salagean, T.; Rusu, T.; Onose, D.; Farcas, R.; Duda, B.; Sestras, P. The use of laser scanning technology in land monitoring of mining areas. Carpathian J. Earth Environ. Sci. 2016, 11, 565573. [Google Scholar]
38. Song, Y.; Wu, P. Earth Observation for Sustainable Infrastructure: A Review. Remote Sens. 2021, 13, 1528. [Google Scholar] [CrossRef]
39. Sestras, P.; Roșca, S.; Bilașco, Ș.; Naș, S.; Buru, S.M.; Kovacs, L.; Spalević, V.; Sestras, A.F. Feasibility Assessments Using Unmanned Aerial Vehicle Technology in Heritage Buildings: Rehabilitation-Restoration, Spatial Analysis and Tourism Potential Analysis. Sensors 2020, 20, 2054. [Google Scholar] [CrossRef]
40. Solazzo, D.; Sankey, J.B.; Sankey, T.T.; Munson, S.M. Mapping and measuring aeolian sand dunes with photogrammetry and LiDAR from unmanned aerial vehicles (UAV) and multispectral satellite imagery on the Paria Plateau, AZ, USA. Geomorphology 2018, 319, 174–185. [Google Scholar] [CrossRef]
41. Oniga, V.-E.; Breaban, A.-I.; Pfeifer, N.; Chirila, C. Determining the Suitable Number of Ground Control Points for UAS Images Georeferencing by Varying Number and Spatial Distribution. Remote Sens. 2020, 12, 876. [Google Scholar] [CrossRef]
42. Oniga, V.-E.; Breaban, A.-I.; Pfeifer, N.; Diac, M. 3D Modeling of Urban Area Based on Oblique UAS Images—An End-to-End Pipeline. Remote Sens. 2022, 14, 422. [Google Scholar] [CrossRef]
43. Glira, P.; Pfeifer, N.; Mandlburger, G. Hybrid Orientation of Airborne Lidar Point Clouds and Aerial Images. ISPRS Ann. Photogramm. Remote Sens. Spat. Inf. Sci. 2019, 4, 567–574. [Google Scholar] [CrossRef]
44. Bandini, F.; Sunding, T.P.; Linde, J.; Smith, O.; Jensen, I.K.; Köppl, C.J.; Bauer-Gottwein, P. Unmanned Aerial System (UAS) observations of water surface elevation in a small stream: Comparison of radar altimetry, LIDAR and photogrammetry techniques. Remote Sens. Environ. 2020, 237, 111487. [Google Scholar] [CrossRef]
45. Cramer, M.; Haala, N.; Laupheimer, D.; Mandlburger, G.; Havel, P. Ultra-High Precision UAV-Based Lidar and Dense Image Matching. In Proceedings of the ISPRS TC I Mid-term Symposium “Innovative Sensing—From Sensors to Methods and Applications”, Karlsruhe, Germany, 10–12 October 2018. [Google Scholar]
46. Pirasteh, S.; Li, J. Landslides investigations from geoinformatics perspective: Quality, challenges, and recommendations. Geomatics, Nat. Hazards Risk 2017, 8, 448–465. [Google Scholar] [CrossRef]
47. Lissak, C.; Maquaire, O.; Malet, J.P.; Lavigne, F.; Virmoux, C.; Gomez, C.; Davidson, R. Ground-penetrating radar observations for estimating the vertical displacement of rotational landslides. Nat. Hazards Earth Syst. Sci. 2015, 15, 1399–1406. [Google Scholar] [CrossRef]
48. Qi, L.; Tan, W.; Huang, P.; Xu, W.; Qi, Y.; Zhang, M. Landslide Prediction Method Based on a Ground-Based Micro-Deformation Monitoring Radar. Remote Sens. 2020, 12, 1230. [Google Scholar] [CrossRef]
49. Hussain, Y.; Cardenas-Soto, M.; Martino, S.; Moreira, C.; Borges, W.; Hamza, O.; Prado, R.; Uagoda, R.; Rodríguez-Rebolledo, J.; Silva, R.C.; et al. Multiple Geophysical Techniques for Investigation and Monitoring of Sobradinho Landslide, Brazil. Sustainability 2019, 11, 6672. [Google Scholar] [CrossRef]
50. Verbovšek, T.; Košir, A.; Teran, M.; Zajc, M.; Popit, T. Volume determination of the Selo landslide complex (SW Slovenia): Integrating field mapping, ground penetrating radar and GIS approaches. Landslides 2017, 14, 1265–1274. [Google Scholar] [CrossRef]
51. Barnhardt, W.A.; Kayen, R.E. Radar structure of earthquake-induced, coastal landslides in Anchorage, Alaska. Environ. Geosci. 2000, 7, 38–45. [Google Scholar] [CrossRef]
52. Bichler, A.; Bobrowsky, P.; Best, M.; Douma, M.; Hunter, J.; Calvert, T.; Burns, R. Three-dimensional mapping of a landslide using a multi-geophysical approach: The Quesnel Forks landslide. Landslides 2004, 1, 29–40. [Google Scholar] [CrossRef]
53. Sass, O.; Bell, R.; Glade, T. Comparison of GPR, 2D-resistivity and traditional techniques for the subsurface exploration of the Öschingen landslide, Swabian Alb (Germany). Geomorphology 2008, 93, 89–103. [Google Scholar] [CrossRef]
54. Mantovani, M.; Devoto, S.; Forte, E.; Mocnik, A.; Pasuto, A.; Piacentini, D.; Soldati, M. A multidisciplinary approach for rock spreading and block sliding investigation in the north-western coast of Malta. Landslides 2013, 10, 611–622. [Google Scholar] [CrossRef]
55. Kadioglu, S.; Ulugergerli, E.U. Imaging karstic cavities in transparent 3D volume of the GPR data set in Akkopru dam, Mugla, Turkey. Nondestruct. Test. Eval. 2012, 27, 263–271. [Google Scholar] [CrossRef]
56. Kannaujiya, S.; Chattoraj, S.L.; Jayalath, D.; Bajaj, K.; Podali, S.; Bisht, M.P.S. Integration of satellite remote sensing and geophysical techniques (electrical resistivity tomography and ground penetrating radar) for landslide characterization at Kunjethi (Kalimath), Garhwal Himalaya, India. Nat. Hazards 2019, 97, 1191–1208. [Google Scholar] [CrossRef]
57. Şerban, G.; Rus, I.; Vele, D.; Breţcan, P.; Alexe, M.; Petrea, D. Flood-prone area delimitation using UAV technology, in the areas hard-to-reach for classic aircrafts: Case study in the north-east of Apuseni Mountains, Transylvania. Nat. Hazards 2016, 82, 1817–1832. [Google Scholar] [CrossRef]
58. Hysa, A.; Spalevic, V.; Dudic, B.; Roșca, S.; Kuriqi, A.; Bilașco, Ș.; Sestras, P. Utilizing the Available Open-Source Remotely Sensed Data in Assessing the Wildfire Ignition and Spread Capacities of Vegetated Surfaces in Romania. Remote Sens. 2021, 13, 2737. [Google Scholar] [CrossRef]
59. Matei, I.; Pacurar, I.; Rosca, S.; Bilasco, S.; Sestras, P.; Rusu, T.; Jude, E.T.; Tăut, F.D. Land Use Favourability Assessment Based on Soil Characteristics and Anthropic Pollution. Case Study Somesul Mic Valley Corridor, Romania. Agronomy 2020, 10, 1245. [Google Scholar] [CrossRef]
60. Fîrțală-Cioncuț, A.; Bilașco, S.; Fodorean, I.; Roșca, S.; Vescan, I. Identification and evaluation of the risk induced by landslides based on G.I.S. models of spatial analysis. Case study: Bicazu Ardelean, Romania. Nova Geodesia 2022, 3, 52. [Google Scholar] [CrossRef]
61. Jaedicke, C.; Van Den Eeckhaut, M.; Nadim, F.; Hervás, J.; Kalsnes, B.; Vangelsten, B.V.; Smith, J.T.; Tofani, V.; Ciurean, R.; Winter, M.G. Identification of landslide hazard and risk ‘hotspots’ in Europe. Bull. Eng. Geol. Environ. 2014, 73, 325–339. [Google Scholar] [CrossRef]
62. Jebur, M.N.; Pradhan, B.; Shafri, H.Z.M.; Yusoff, Z.M.; Tehrany, M.S. An integrated user-friendly ArcMAP tool for bivariate statistical modelling in geoscience applications. Geosci. Model Dev. 2015, 8, 881–891. [Google Scholar] [CrossRef]
63. Chalkias, C.; Ferentinou, M.; Polykretis, C. GIS Supported Landslide Susceptibility Modeling at Regional Scale: An Expert-Based Fuzzy Weighting Method. ISPRS Int. J. Geo Inf. 2014, 3, 523–539. [Google Scholar] [CrossRef]
64. Vakhshoori, V.; Zare, M. Is the ROC curve a reliable tool to compare the validity of landslide susceptibility maps? Geomat. Nat. Hazards Risk 2018, 9, 249–266. [Google Scholar] [CrossRef]
65. Borrelli, L.; Ciurleo, M.; Gullà, G. Shallow Landslide Susceptibility Assessment in Granitic Rocks Using Gis-Based Statistical Methods: The Contribution of the Weathering Grade Map. Landslides 2018, 15, 1127–1142. [Google Scholar] [CrossRef]
66. Ciurleo, M.; Cascini, L.; Calvello, M. A comparison of statistical and deterministic methods for shallow landslide susceptibility zoning in clayey soils. Eng. Geol. 2017, 223, 71–81. [Google Scholar] [CrossRef]
67. Pelzer, H. Zur Analyse Geodatischer Deformations-Messungen; Verlag der Bayer. Akad. d. Wiss.: Munchen, Germany, 1971; Volume 164. [Google Scholar]
68. Baarda, W. A Testing Procedure for Use in Geodetic Networks; Rijkscommissie Voor Geodesie: Delft, The Netherlands, 1968; Volume 2. [Google Scholar]
69. Chrzanowski, A. Optimization of the breakthrough accuracy in tunneling surveys. Can. Surv. 1981, 35, 5–16. [Google Scholar] [CrossRef]
70. Chrzanowski, A.; Chen, Y.; Romero, P.; Secord, J.M. Integration of geodetic and geotechnical deformation surveys in the geosciences. Tectonophysics 1986, 130, 369–383. [Google Scholar] [CrossRef]
71. Kersten, T.; Kobe, M.; Gabriel, G.; Timmen, L.; Schön, S.; Vogel, D. Geodetic monitoring of sub erosion-induced subsidence processes in urban areas. J. Appl. Geod. 2017, 11, 21–29. [Google Scholar]
72. Hassan, K.M.Z. Comparative evaluation among various robust estimation methods in deformation analysis. Spat. Inf. Res. 2016, 24, 485–492. [Google Scholar] [CrossRef]
73. Bilașco, Ș.; Hognogi, G.-G.; Roșca, S.; Pop, A.-M.; Iuliu, V.; Fodorean, I.; Marian-Potra, A.-C.; Sestras, P. Flash Flood Risk Assessment and Mitigation in Digital-Era Governance Using Unmanned Aerial Vehicle and GIS Spatial Analyses Case Study: Small River Basins. Remote Sens. 2022, 14, 2481. [Google Scholar] [CrossRef]
74. Akturk, E.; Altunel, A.O. Accuracy assesment of a low-cost UAV derived digital elevation model (DEM) in a highly broken and vegetated terrain. Measurement 2019, 136, 382–386. [Google Scholar] [CrossRef]
75. Gong, C.; Lei, S.; Bian, Z.; Liu, Y.; Zhang, Z.; Cheng, W. Analysis of the development of an erosion gully in an open-cast coal mine dump during a winter freeze-thaw cycle by using low-cost UAVs. Remote Sens. 2019, 11, 1356. [Google Scholar] [CrossRef]
76. Han, X.; Thomasson, J.A.; Xiang, Y.; Gharakhani, H.; Yadav, P.K.; Rooney, W.L. Multifunctional Ground Control Points with a Wireless Network for Communication with a UAV. Sensors 2019, 19, 2852. [Google Scholar] [CrossRef] [PubMed]
77. Lendzioch, T.; Langhammer, J.; Jenicek, M. Estimating Snow Depth and Leaf Area Index Based on UAV Digital Photogrammetry. Sensors 2019, 19, 1027. [Google Scholar] [CrossRef] [PubMed]
78. Okeson, T.J.; Barrett, B.J.; Arce, S.; Vernon, C.A.; Franke, K.W.; Hedengren, J.D. Achieving Tiered Model Quality in 3D Structure from Motion Models Using a Multi-Scale View-Planning Algorithm for Automated Targeted Inspection. Sensors 2019, 19, 2703. [Google Scholar] [CrossRef] [PubMed]
79. Cignetti, M.; Godone, D.; Wrzesniak, A.; Giordan, D. Structure from Motion Multisource Application for Landslide Characterization and Monitoring: The Champlas du Col Case Study, Sestriere, North-Western Italy. Sensors 2019, 19, 2364. [Google Scholar] [CrossRef]
80. Leary, R.J.; Hensleigh, J.W.; Wheaton, D.J.M.; Demeurichy, K.D. Recommended Geomorphic Change Detection Procedures for Repeat TLS Surveys from Hells Canyon, Idaho; Utah State University: Logan, UT, USA, 2012. [Google Scholar]
81. Xie, P.; Wen, H.; Xiao, P. Evaluation of ground-penetrating radar (GPR) and geology survey for slope stability study in mantled karst region. Environ. Earth Sci. 2018, 77, 122. [Google Scholar] [CrossRef]
82. Hallal, N.; Yelles Chaouche, A.; Hamai, L.; Lamali, A.; Dubois, L.; Mohammedi, Y.; Hamidatou, M.; Djadia, L.; Abtout, A. Spatiotemporal evolution of the El Biar landslide (Algiers): New field observation data constrained by ground-penetrating radar investigations. Bull. Eng. Geol. Environ. 2019, 78, 5653–5670. [Google Scholar] [CrossRef]
83. Costea, A.; Bilasco, S.; Irimus, I.-A.; Rosca, S.; Vescan, I.; Fodorean, I.; Sestras, P. Evaluation of the Risk Induced by Soil Erosion on Land Use. Case Study: Guruslău Depression. Sustainability 2022, 14, 652. [Google Scholar] [CrossRef]
84. Bilașco, Ș.; Roșca, S.; Vescan, I.; Fodorean, I.; Dohotar, V.; Sestras, P. A GIS-Based Spatial Analysis Model Approach for Identification of Optimal Hydrotechnical Solutions for Gully Erosion Stabilization. Case Study. Appl. Sci. 2021, 11, 4847. [Google Scholar] [CrossRef]
85. Spalevic, V.; Barovic, G.; Vujacic, D.; Curovic, M.; Behzadfar, M.; Djurovic, N.; Dudic, B.; Billi, P. The Impact of Land Use Changes on Soil Erosion in the River Basin of Miocki Potok, Montenegro. Water 2020, 12, 2973. [Google Scholar] [CrossRef]
86. Chalise, D.; Kumar, L.; Spalevic, V.; Skataric, G. Estimation of Sediment Yield and Maximum Outflow Using the IntErO Model in the Sarada River Basin of Nepal. Water 2019, 11, 952. [Google Scholar] [CrossRef]
87. Nikolic, G.; Spalevic, V.; Curovic, M.; Khaledi Darvishan, A.; Skataric, G.; Pajic, M.; Kavian, A.; Tanaskovik, V. Variability of Soil Erosion Intensity Due to Vegetation Cover Changes: Case Study of Orahovacka Rijeka, Montenegro. Not. Bot. Horti Agrobot. Cluj Napoca 2018, 47, 237–248. [Google Scholar] [CrossRef]
88. Gocić, M.; Dragićević, S.; Radivojević, A.; Martić Bursać, N.; Stričević, L.; Đorđević, M. Changes in Soil Erosion Intensity Caused by Land Use and Demographic Changes in the Jablanica River Basin, Serbia. Agriculture 2020, 10, 345. [Google Scholar] [CrossRef]

***