Show simple item record

dc.contributor.advisorVain, Ants
dc.contributor.advisorSepp, Kalev
dc.contributor.authorKappak, Priit
dc.date.accessioned2017-05-29T09:42:59Z
dc.date.available2017-05-29T09:42:59Z
dc.date.issued2017
dc.identifier.urihttp://hdl.handle.net/10492/3385
dc.descriptionMagistritöö Linna- ja tööstusmaastike õppekavalet
dc.description.abstractTöö eesmärk oli aerolaserskaneerimise ehk LiDAR-i andmestikust luua metoodika, mille alusel tuvastada kaevandusvaringute mõjul tekkinud maapinnavajumeid. Lisaks leida maapinna vajumid, mis on tekkinud vahemikus 2009-2013 a. Selleks kasutati Maa-ameti poolt koostatud 2009. ja 2013. aasta maapinnamudeleid täpsusega 5x5 meetrit. Nende andmete omavahelisel võrdluses leiti maapinna reljeefi muutused, mis on tingitud põlevkivi kaevandamisest. Analüüsi tulemusel leiti uuringualalt 7 maapinna vajumit, mis seotud põlevkivi kaevandamisega. Vajumite pindalad on vahemikus 12 000-42 000 m2 ja keskmiste sügavustega 0,8-1,1 meetrit. Kõik need vajumid paiknesid Estonia kaevanduse aladel, kus on maavara väljamiseks kasutatud tulptervikutega kamberkaevandamise tehnoloogiat. Vajumitest neli paiknesid põllumaal ja kolm metsaga kaetud aladel. Antud töö tulemusi võiks kasutada vajumialade põhjalikumaks uuringuteks. Sellist vajumite uuringut võiks teha järjepidevalt, et saada teadmisi ja uusi andmeid maapinna muutustest peale kaevandustegevuse lõpetamist.et
dc.description.abstractThe purpose of this thesis is to use airborne laser scanning (also LiDAR) data to detect possible subsidences on top of underground mining sites. The inputs are terrain models from 2009 and 2013 (made by Estonian Land Board) with 5x5 meter accuracy. The study area is about 320 km2 with 10 oil shale mines. The result of comparing these inputs is elevation variations, which may indicate to possible underground collapses. The study showed that the LiDAR data automatic classification had most errors in forest areas when compared to calculated subsidences. The data is more precise in agricultural lands thanks to lack of trees. During the analysis, 7 subsidences were found that have high probability to be caused by underground mining. The size of these subsidences ranges from 12 000 to 40 000 m2 and have an average depth of 0,7 to 1,1 meters. All subsidences are located on top of Estonia underground mine, four in agricultural and three in forest area. The study also showed that airborne laser scanning is efficient way to detect mine collapses. The errors in forest areas can be reduced, when scanned earlier in the year, before the growing season of the trees and plants begin. Also, denser point cloud on LiDAR (which can be achieved by flying lower) would give more precise relief image.en
dc.publisherEesti Maaülikoolet
dc.subjectmagistritöödet
dc.subjectkeskkonnamõjudet
dc.subjectallmaakaevandamineet
dc.titleAerolaserskaneerimise (ALS) andmestiku kasutamisvõimalusest põlevkivi kaevandamise mõjude uurimiselet
dc.title.alternativePossible applications of airborne laser scanning (ALS) data for exploring the impacts from oil shale miningen
dc.typeThesisen
dc.date.defensed2017-06-03
dc.contributor.departmentKeskkonnakaitseet


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record


DSpace software copyright © 2002-2015  DuraSpace
All items in EMU digital archive DSpace are protected by original copyright, with all rights reserved, unless otherwise indicated.