Usporedba metoda interpolacije u izradi digitalnog … · modela reljefa – primjer PP ... •...
Transcript of Usporedba metoda interpolacije u izradi digitalnog … · modela reljefa – primjer PP ... •...
Usporedba metoda interpolacije u izradi digitalnog modela reljefa – primjer PP Vransko jezero
Zadar, studeni 2013.
dr. sc. Ante Šiljeg
dr. sc. Sanja Lozić
Vlatko Roland, mag. ing. el.
Sveučilište u Zadru
Odjel za geografiju
• Reljefni oblici na Zemljinoj površini su iznimno kopleksni, do te mjere da većina znanstvenika iste proučava kroz izradu i analizu digitalnog modela reljefa (digital terrain model) (Dikau i dr., 1995; Bishop i Shroder 2000; Millaresis i Argialas, 2000; Wilson i dr., 2000; Tucker i dr., 2001; Shary i dr., 2002; Chaplot i dr., 2006; Wilson, 2011).
• Jedan od najvažnijih zadataka geomorfometrije
• Model može imati nekoliko specifičnih ciljeva:
• istraživanja, predviđanja, procjene rizika, donošenje odluka u upravljanju okolišem itd. (Schloeder i dr., 2001; Hijmans i dr. 2005; Dobesch i dr., 2007; Li i Heap, 2008).
Digitalni model reljefa treba biti izrađen na način da zadovolji svrhu za koju je napravljen.
I N T E R P O L A C I J A
Prostorni kontinuirani podatci (s nizom različitih vrijednosti) imaju značajnu ulogu u različitim oblastima npr. planiranju, procjeni rizika, donošenju odluka u upravljanju okolišem itd.
Danas, bez obzira na rapidni razvoj tehnologije većina prikupljenih (izmjerenih) podataka su točkasti uzorci, dakle imaju točnu vrijednost odabrane varijable samo na izmjerenim x, y koordinatama.
Da bi se dobile kontinuirane površine koje su neophodne za proučavanje, a time i poznavanje, prostora u kojem živimo, potrebno je procijeniti vrijednosti na neuzorkovanim područjima koristeći pritom različite interpolacijske metode.
1) x, y, z
?
?
?
?
?
?
?
?
?
?
?
12 ? n
?
?
?
1) Koje metode, tehnike i procedure koristiti prilikom prikupljanja i obrade podataka? 2) Koju metodu interpolacije odabrati? 3) Kako usporediti metode interpolacije? 4) Koji alat koristiti? 5) Kako riješit problem ekstrapolacije? 6) Kolike su greške modela i zašto? 7) Koji parametri utječu na izlazne rezultate?
d
? ?
?
?
?
?
?
?
Interpolacija je jedna od ključnih sastavnica obrade i analize podataka u GIS okruženju. Predmet je proučavanja statistike i geostatistike.
Interpolacija je proces determinističke ili geostatističke procijene vrijednosti neuzorkovanih područja, na temelju skupa izmjerenih (promatranih) vrijednosti na poznatim koordinatama, a sve u svrhu dobivanja kontinuirane površine s nizom vrijednosti (Šiljeg, 2013).
• Opća formula većine prostornih interpolacija je:
• Gdje je Z(x0) procijenjena vrijednost u točki x0, Zxi
izmjerena vrijednost u točki i, N je ukupan broj
promatranih točaka i λi je ponder.
• Najveći problem je odrediti ponder λ koji će se koristiti u
interpolaciji i pronaći funkciju koja prolazi kroz ili pokraj zadanog
skupa točaka.
• Uz interpolaciju često se veže i pojam ekstrapolacija - predviđanje
vrijednosti određene varijable na mjestima izvan područja koje je
obuhvaćeno izmjerom.
• Rezultati ekstrapolacije su nesigurni, odnosno svrstavaju se u
područje pretpostavljenoga.
• Većina interpolacijskih metoda se temelji na prvom zakonu
geografije (Toblerovom pravilu, 1970): sve je povezano sa svime,
međutim točke koje su bliže jedna drugoj su povezanije.
• Interpolacijske metode se mogu klasificirati na različite načine.
• Lokalne i globalne
• Determinističke i stohastičke (geostatističke)
• Točne i približne metode
• Postoje različiti programi i moduli koji se koriste za interpolaciju izmjerenih podataka, u svrhu izrade pravilne kvadratne mreže koja služi za analizu i vizualizaciju:
• QTC CLAMS (CLAssification Mapping Suite)
• SAGA (System For Automated Geoscientic Analyses)
• Surfer
• ILWIS (Integrated Land and Water Information System)
• MATLAB R
• GSLIB (Geostatistical Software LIBrary)
• S-PLUS itd.
• Metode usporedbe i procjene kvalitete IM
• Budući da svaka metoda daje različite prikaze, glavni je izazov generirati najtočniju moguću površinu na osnovi uzoraka, te utvrditi karakter pogrešaka i varijabilnosti procijenjenih vrijednosti testiranjem i usporedbom različitih metoda inerpolacije.
• Postoji nekoliko metoda usporedbe:
• Unakrsnog vrednovanja (cross-validation)
• Podijeljenih uzoraka (split sampling)
• Jackknifing
• Reziduala
Unakrsno vrednovanje (najbolja) - prije interpolacijskog
procesa izostavlja jednu točku, za koju se kasnije procjenjuje
vrijednost i izračunava razlika između predviđenih i stvarnih
vrijednosti. Ovaj proces ponavlja se za svaki uzorak.
• Najbolja metoda interpolacije je odabrana na temelju 8 parametara:
• minimalna vrijednost, maksimalna vrijednost, doseg, zbroj vrijednosti, srednja vrijednost, varijanca i standardna devijacija.
• Ovi parametri ocjenjuju uspješnost metoda interpolacije.
• Standardna devijacija ili srednja kvadratna pogreška (root mean square) je u znanosti najkorištenija mjera za ocjenjivanje točnosti digitalnih modela.
• Formula:
Srednja kvadratna pogreška izražava razinu po kojoj se interpolirane vrijednosti razlikuju od izmjerenih.
• Za izradu DMR-a i njihovu međusobnu usporedbu analizirano je 15 metoda interpolacije:
• 7 determinističkih (NN, IDW, LP, ROF – TPS, ROF - SWT, ROF - CRS, ROF - MQ, ROF - IMQ)
• 8 geostatističkih (OK, SK, UK, DK, OCK, SCK, UCK, DCK)
• Kao ulazni podatci za izradu modela i usporedbu metoda interpolacija korištena su dva skupa visinskih podataka koji su dobiveni različitim metodama, tehnikama i procedurama prikupljanja podataka:
• 1) aerofotogrametrijskom izmjerom i stereorestitucijskom obradom
• 2) batimetrijskom izmjerom
Izrada DMR iz podataka prikupljenih fotogrametrijom
• Za izradu rasterskog DMR korišteno je 14 slojeva: nasip, usjek, uska cesta, put/staza, obalna linija, kanal, uski kanal, vode stajaćice, potok, pojedinačne markantne točke, raster visinskih točaka, prijolomnica, linija oblika (DGU, 2003).
• Izrada DMR iz navedenih podataka uključivala je nekoliko koraka:
• 1) konvertiranje podataka iz jednog formata u drugi
• 2) konvertiranje linija, točnije lomnih točaka u pojedinačne točke
• 3) topološka korekcija podataka
• 4) testiranje metoda interpolacije – odabrano je 17 metoda interpolacije (9 determinističkih i 8 geostatističkih)
• 5) odabir prostorne rezolucije
• Za statističku usporedbu metoda interpolacije korištene su tri metode usporedbe metoda interpolacije:
• 1) unakrsnog vrednovanja
• 2) metoda podjeljenih uzoraka
• 3) jackknifing
• Statistika je najprije izračunata za 83657 visinskih točaka (šire područje PP Vransko jezero), od kojih se 70806 odnosi na točke prikupljene fotogrametrijskom izmjerom i stereorestitucijskom obradom i 12851 točka prikupljena batimetrijskom izmjerom.
• Batimetrijski izmjerene točke su korištene da bi se izbjegla ekstrapolacija u obalnom dijelu jezera.
• Da bi se utvrdile karakteristike podataka prikupljenih aerofotogrametrijskom izmjerom i stereorestitucijskom obradom, izračunata je statistika za 15542 točke koje se odnose na kopneni dio unutar PP Vransko jezero.
• Kod determinističkih metoda interpolacije na izlazne rezultate standardne devijacije i drugih statističkih parametara utječu: eksponent jačine, broj susjeda, udaljenost i tip sektora.
Problem ekstrapolacije u obalnim područjima jezera
Primjer mogućeg rješenja ekstrapolacije u obalnim područjima
• Na izlazne rezultate geostatističkih metoda utječu:
• izrađeni semivariogram, broj susjeda i tip sektora
• Za sve geostatističke metode eksperimentalni semivariogram integrirana je u sferni model (jedan od najčešće korištenih), broj susjeda je 5 (točnije 20, zbog odabranog tipa sektora), sektor podjeljen na 4 s nagibom od 45°.
• Kod kreiranja semivariograma najvažniji parametri su:
• teorijski model, broj susjeda, sektor i udaljenost
• Oni utječu na doseg, prag i odstupanje, a time i na izlazne statističke podatke.
• Za razliku od determinističkih metoda interpolacije, udaljenost je kod geostatističkih metoda podjeljena na odmake i broj odmaka.
Dvodimenzionalni prikazi vertikalno raščlanjenijeg dijela PP Vransko jezero
Dvodimenzionalni prikazi vertikalno raščlanjenijeg dijela PP Vransko jezero
Pravci regresije mjernih i predikcijskih vrijednosti za šire područje PP
Pravci regresije mjernih i predikcijskih vrijednosti za šire područje PP
Trodimenzionalni prikazi vertikalno raščlanjenijeg dijela PP Vransko jezero
Razlike u površinama između odabranih modela
Trodimenzionalni prikazi vertikalno raščlanjenijeg dijela PP Vransko jezero
Udio pogrešaka po klasama
Trodimenzionalni prikazi vertikalno raščlanjenijeg dijela PP Vransko jezero
Udio pogrešaka po klasama
Razlike u površinama između odabranih modela
Proizvoljno ucrtani profili
Razlike između profila za 5 najboljih metoda interpolacije
„Nasilno“ poboljšavanje prostorne rezolucije u modelu rezultira
pojavom tkz. pruskih šljemova (termin se ustalio u literaturi zbog
toga što se u izrađenom modelu javljaju „špicevi“ koji podsjećaju
na šljemove pruske vojske)
S obzirom na važnost prostorne rezolucije (piksela) kod kreiranja
modela objašnjeno je više metoda za izračun veličine piksela: kartografsko pravilo, kontrola gustoće, analiza gustoće točaka i kompleksnost terena (McCullagh, 1988; Hengel, 2006).
PROSTORNA REZOLUCIJA
n
Ap 375,0
DOF preklopljen preko optimalnog modela
Utjecaj prostorne rezolucije na izlazne rezultate metoda interpolacije
DMR šireg područja PP Vransko jezero
• ZAKLJUČAK
• Zahvaljujući razvoju metoda, tehnika i procedura, proces modeliranja reljefa postaje sve brži, međutim, istodobno zahtijeva interdisciplinarna znanja koja su neophodna za razumijevanje i interpretaciju rezultata procesa modeliranja.
• Rezultati ovog istraživanja pokazali su da izlazni rezultati digitalnog modeliranja i analize reljefa ovise o:
• metodama prikupljanja podataka
• gustoći uzoraka
• metodama interpolacije
• osobinama reljefa (prije svega vertikalna raščlanjenost)
• veličini piksela
• primijenjenim algoritmima
Z A H V A LJ U J E M N A P A Ž NJ I!
dr. sc. Ante Šiljeg
Trg kneza Višeslava 9
Mail: [email protected]
Skype: ante.siljeg1
Fax: 023/345-021
Sveučilište u Zadru
Odjel za geografiju