Ustalenie wielkości siatki bazowej struktury GRID w zależności od ukształtowania terenu

• Autorzy: Gościewski D.

Warianty tytułu

EN

Determining the size of base network of grid structure subject to terrain morphology

• Języki publikacji: PL

Abstrakty

PL

Jednym ze sposobów reprezentacji numerycznego modelu terenu (DTM) w systemach informacji przestrzennej (SIP, GIS) jest regularna siatka kwadratów (GRID). Podstawowym problemem pojawiającym się podczas konstrukcji takiej siatki jest odpowiednie ustalenie jej zagęszczenia w zależności od ukształtowania terenu. W większości przypadków dobór elementarnego parametru konstrukcyjnego, jakim jest wielkość kwadratu bazowego, dokonywany jest przez operatora systemu. Różnie ukształtowany teren wymaga różnej rozdzielczości siatki interpolacyjnej, odpowiednio dobranej, w celu uchwycenia szczegółów morfologicznych terenu i przedstawienia go w odpowiedniej jakości oraz z odpowiednią dokładnością. Dobór zagęszczenia siatki w zależności od ukształtowania terenu jest pracochłonny i bywa często intuicyjny oraz subiektywny ponieważ wynika z doświadczenia danego operatora. Rosnące wymagania, stawiane współczesnym systemom informacji przestrzennej, determinują stosowanie procedur, które automatyzują proces przetwarzania danych, czyniąc go obiektywnym dla różnego rodzaju informacji. Dotyczy to także definiowania zagęszczenia węzłów GRID. W artykule zaproponowano automatyzację ustalania tej wielkości w zależności od ukształtowania morfologicznego terenu. Po zastosowaniu opisywanych procedur różnie ukształtowany teren otrzymuje różne zagęszczenie siatki, co pozwala zminimalizować niedokładności tworzonego modelu powierzchni. W rezultacie powstaje GRID niejednorodny, który umożliwia ograniczenie liczby punktów przechowywanych w bazie DTM do niezbędnego minimum, przy jednoczesnym zachowaniu zrównoważenia dokładności modelu terenu na całym obszarze.

EN

A regular network of squares (GRID) is often used to represent digital terrain models (DTM) in spatial information systems (SIS, GIS). The need to adjust network density to terrain morphology is one of the greatest challenges in the network construction process. In most cases, the basic structural parameter, namely the size of the base square, is selected by the system operator. Variously shaped terrains require GRID of different resolution that will adequately capt ure morphological details and represent the terrain with satisfactory quality and precision. The selection of network density that appropriately matches a terrain's morphological features is a labor-consuming process that is often intuitive and subjective since it relies on the experience of a given operator. The growing demands placed on contemporary spatial information systems predetermine the choice of procedures which automate data processing, turning them into objective tools for handling various types of information. The above also applies to the density of GRID. This paper proposes an automated method for determining density values subject to terrain morphology. The discussed procedures are applied to create networks with different densities for morphologically varied terrains, and the proposed approach minimizes inconsistencies in the developed surface model. The result is a non-homogenous GRID which limits the number of points stored in the DTM base to the required minimum, while preserving an equiva lent level of model accuracy throughout the terrain.

Słowa kluczowe

PL

system informacji przestrzennej; model numeryczny terenu; siatka regularna kwadratów; analiza dokładności

EN

spatial information system; digital terrain model (DTM); regular network of squares; accuracy analysis

• Wydawca: Oficyna Wydawnicza Politechniki Rzeszowskiej
• Czasopismo: Zeszyty Naukowe Politechniki Rzeszowskiej. Budownictwo i Inżynieria Środowiska
• Rocznik: 2012
• Tom: z. 59, nr 1/II
• Strony: 121--133
• Opis fizyczny: Bibliogr. 17 poz., il.

Twórcy

autor

Gościewski D.

• Instytut Geodezji, Wydział Geodezji i Gospodarki Przestrzennej, Uniwersytet Warmińsko-Mazurski, Olsztyn

Bibliografia

• [1] O'SULLIVAN D., UNWIN D.J. Geographic Information Analysis. Hoboken, NJ: Wiley 2003.
• [2] MAGUIRE D.J. GIS customization; Longley P.A., Goodchild M.F., Maguire D.J., Rhind D.W. Geographical Information Systems: Principles, Techniques, Management and Applications. Hoboken, NJ: Wiley 2005.
• [3] MAUNE D.F. Digital Elevation Model Technologies and Applications: The DEM Users Manual (American Society for Photogrammetry and Remote Sensing: Bethesda, MD) 2001.
• [4] CARLISLE B.H. Digital Elevation Model Quality and Uncertainty in DEM-based Spatial Modelling. Ph.D. Thesis, University of Greenwich, London, UK 2002.
• [5] ARUGA K, SESSIONS J., AKAY A.E. Application of an airborne laser scanner to forest road design with accurate earthwork volumes. Journal of Forest Research 10: 2, 2005, s. 113-123.
• [6] AXELSSON P. DEM generation from laser scanner data using adaptive TIN models. In Beek KJ & M Molenaar. International Archives of Photogrammetry and Remote Sensing, Vol. 33, Part
• [7] SHI W., FISHER P.F., GOODCHILD M.F. Recent developments in modeling uncertainties in geo-spatial data and analysis. Photogrammetric Engineering and Remote Sensing 70: 8, 2004.
• [8] PIGOZZI B.W. A hierarchy of spatial marginality through spatial filtering. Professional Geographer 56: 4, 2004, s. 460-470.
• [9] GOŚCIEWSKI D. Wykorzystanie danych pozyskiwanych masowo do konstrukcji numerycznego modelu terenu. Technical Sciences. Supplement No 2. University of Warmia and Mazury in Olsztyn, Olsztyn 2005, s. 169-183.
• [10] ARCTUR D., ZEILER M. Designing Geodatabases: Case Studies in GIS Data Modeling. Redlands, CA: ESRI Press 2004.
• [11] GOŚCIEWSKI D. Zastosowanie kompresji RLE do redukcji wielkości zbiorów typu GRID. Czasopismo Techniczne R.105, z. 2 - Ś/2008. Wydawnictwo Politechniki Krakowskiej, Kraków 2008, s. 121-129.
• [12] RAAFLAUB L.D., COLLINS M.J. The effect of error in gridded digital elevation models on the estimation of topographic parameters. Environmental Modelling and Software 21: 5, 2006, s. 710-732.
• [13] WECHSLERS.P. Perceptions of digital elevation model uncertainty by DEM users. URISA Journal 15: 2, 2003, s. 57-64.
• [14] TAKEFUSA A. A Performance Evaluation System for Scheduling Algorithms on the Grids. JSPS Workshop on Applied Information Technology for Science, JWAITS 2001.
• [15] ZHOU Q., LIU X. Error analysis on grid-based slope and aspect algorithms. Photogrammetric Engineering and Remote Sensing 70: 8, 2004, s. 957-962.
• [16] PASŁAWSKI J. Jak opracować kartogram. Uniwersytet Warszawski, Wydział Geografii i Sudiów Regionalnych. Warszawa 2003.
• [17] ROBINSON A., SALE R., MORRISON J. Elements of Cartography. Podstawy kartografii. PWN Warszawa 1998.