Hidrológiai Közlöny, 2020 (100. évfolyam)
2020 / 3. szám
Ermilov A. A. és társai: Képalapú módszerek fejlesztése folyók morfodinamikai vizsgálatához 75 Rice és Church 1998). Természetesen nemcsak az ember szempontjából fontos mindez, hanem a vízi élőhelyek és élőlények részéről is. A szemösszetétel, kitettség, inhomogenitás, mederformák és porozitás a fenéklakó gerinctelenek és a halfajok számára egyaránt meghatározó (Sear és társai 2008, Buendia és társai 2013, Descloux és társai 2013). A fentiek miatt tehát igen fontos kérdés, hogy milyen paramétereket, hogyan és hol mérjünk. A folyók mederanyagának vizsgálatáról elmondható, hogy a fentiek ellenére a hagyományos mintavételi eljárások sok esetben időigényesek és költségesek. Továbbá nem is mindig biztosítanak megfelelő minőségű és menynyiségű információt, például átmeneti jellegű folyószakaszokon, ahol a mederanyag vegyes szemösszetételű (pl. a Duna magyarországi felsőszakasza), időben és térben erős változékonyságot mutat. Ilyen esetben, a bevett hordalék mintavételi eljárásokból nyerhető helyi, pontbeli adatok nem kielégítőek minden esetben, továbbá a reprezentatív minta kérdése is felvetődhet. Érdemes lehet tehát területi információt nyújtó eljárások fejlesztésére törekedni, melyek átfogó képük miatt újfajta összefüggéseket világíthatnának meg. Hasonlóképpen, a görgetett hordalékvándorlás terepi mérése sem kiforrott, jóllehet hazánkban a görgetett hordalékmozgás kutatása hosszú időre tekint vissza és jelentős tudományos eredményeket értek el a témával foglalkozó kutatók (Bogárdi 1939, Károlyi 1947, Rákóczi 1971). Korábbi hazai kutatások ráadásul a hagyományos fizikai mintavételen alapuló eljárások mellett innovatív módszerekkel is próbálkoztak, mint pl. a fluoreszcenssel vagy éppen rádióaktív anyaggal megjelölt hordalékszemek követése (Rákóczi 1965, 1972). A hagyományos görgetett hordalékmintavevők alkalmazásánál (pl. Helley-Smith, BfG-típusú, Károlyi-típusú) előfordulhat például, hogy a mintavevő a mederbe kap bele, vagy elfordul az áramlási irányból. De durvább mederszemcsék esetén is nehéz elhelyezni az egyenetlen folyófenéken. Általánosságban az is elmondható, hogy a mérési idő alatt nem folyamatosan érkezik a mintavevőbe a hordalék, pontos időbeli alakulásáról nem kapunk adatot (Ehrenberger 1931, Emmett 1980, Carey 1985, Van Rijn és Gaweesh 1992, Childers 1999, Vericat és társai 2006, Camenen és társai 2012). Erre és a többi, fent említett igényre a képfeldolgozás adhat választ. Ebben a cikkben egy kutatás első eredményeit mutatjuk be, amelyben a napjainkban gyorsan fejlődő, képalapú módszereket használjuk fel és fejlesztjük célirányosan a folyami mederanyag szemösszetételének és a görgetett hordalékhozam vizsgálatára. A cikk célja, hogy saját terepi tesztméréseken keresztül megvizsgálja ezeknek a közvetett méréstechnikai eljárásoknak az alkalmazhatósági területeit és korlátjait, továbbá, hogy rámutasson, milyen újszerű információkat nyerhetünk ki a képelemzésekből. KÉPALAPÚ ELEMZÉSI MÓDSZEREK Ha képfeldolgozásról beszélünk, akkor alapvetően két fő módszertani csoportot különíthetünk el. Az első, az ún. mélység kamerák (távolság szenzorok) osztálya. Infravörös (IR) sugarak kerülnek kibocsátásra, melyek visszaverődésének útját és idejét szenzorok érzékelik. A kibocsátás történhet strukturált (SturcturedLight, pl. Intel RealSense) vagy strukturálatlan (Time of Flight [ToF], pl. Xbox Kinect v2, Samsung GalaxyNote 10+) rendszerben. A mélység kamerák eredményeként lényegében egy 3D pontfelhőt kapunk a beszkennelt, lefotózott területről, melyhez a kamera képi felvétele társul utolsó lépésben. A kapott mélység és távolság térképből már meghatározhatók a felvett tárgyak méretei. Ezen eljárás vízi környezetben történő tesztelésére már léteznek példák (Digumarti és társai 2016, Anwer és társai 2017). Morfodinamikai hasznosíthatóságát tekintve, alkalmas lehet a meder fmomléptékű, hordalékszemcse szintű, „domborzatjellegü” feltérképezésére és a vizsgált terület mederérdességének meghatározására. Az infravörös sugarak vízben történő elnyelődési hossza azonban egyértelmű korlátot szab az alkalmazható kameratávolságnak (és így az egyszerre belátható területnek). Továbbá, mivel a kamerák víz alatti használat során általában valamilyen tokban vannak elhelyezve, a kibocsátott infravörös sugarak hullámtani viselkedésükből kifolyólag megtörnek, irányt váltanak az új közeg határán. Ez 3 közeget (levegő, tok anyaga, víz), és kétszeri törést jelent kibocsátáskor, majd visszaérkezéskor is. A refrakcióra azonban matematikai modellekkel és kalibrációval, vagy gömbi geometriájú védőtokkal lehet válaszolni. Jordt (2014), Jordt és társai (2016), Digumarti és társai (2016) és Anwer és társai (2017) is végeztek kísérletet a különböző korrekciós eljárások lehetőségeire. Vizi környezetben ez idáig leginkább tisztavizű medencékben, illetve óceánokban kerültek alkalmazásra ezek az infravörös fény alapú eljárások. Morfodinamikai vizsgálatokhoz azonban a folyó által szállított hordalékkal (lebegtetett, vagy akár görgetett) is számolni kell, mivel ezek zajként fognak megjelenni a felvételen és tovább csökkentik az alkalmazható kameratávolságokat. A másik fő kategória a (gépi) látás alapú módszerek, ahol lényegében a természetben megtalálható képalkotást vesszük alapul, azaz a tárgyakról visszaverődő fényből színeket érzékelünk. Távolságot és mélységet pedig valamilyen referencia mérethez viszonyítva becsiünk, illetve a több nézőpontból (pl. két szem megléte) történő érzékelésből. Ennek megfelelően ebben a kategóriában beszélhetünk monokuláris (Bassmann és Besslich 1989) és sztereó gépi látásról (Beheyelea-Sterp és társai 2017). Az elsőben, mint a neve is sugallja, egyetlen kamera érzékel és csak egyetlen szemszögből. Ez tehát azt jelenti, hogy méretek meghatározása csakis egy referencia alapján történhet. A monokuláris képfeldolgozó szoftverek folyami környezetben történő alkalmazására az említett mélység kameráknál szélesebb körben láthatunk példákat. Használatuk leginkább szárazra került kavicsos meder fotók alapján történő felszíni/felületi szemeloszlás görbéinek meghatározására terjed ki, bizonyos esetben irányultsági és alaki információval kiegészítve. A képfeldolgozás a képrögzítés után történhet vonalmenti számlálás (grid-by-number) (Attal 2011), geometriai (Detert és Weitbrecht 2012), vagy tapasztalati (empirikus) módszerrel (Buscombe 2013). A sztereó látás alcsoportjába pedig a 3D mozifilmek készítésére használt ún. sztereó kamerák felvételei, vagy épp több, hagyományos kamera szimultán alkalmazása (az adott területre irányítva, több nézőpontból) tartoznak. Természetesen egy kamerával is megoldható, ha ugyanazon
