دقت عمودی مدل‌های رقومی ارتفاعی

مطالعه موجود و تحلیل داده ها مربوط به مدل های رقومی ارتفاعی ASTER، AW3D30، MERIT، TanDEM-X، SRTM، و NASADEM می باشد که توسط گروه جغرافیا، موسسه اکولوژی و علوم زمین، دانشگاه تارتو استونی انجام شده است .

نتایج :

1 – دقت عمودی کلی

برای تمام نواحی مورد مطالعه و مدل‌های ارتفاعی، به‌جز چند مورد در ASTER و TanDEM-X، ME و MedE مثبت بودند . یعنی همه مدل‌های جهانی به طور کلی ارتفاع را در مقایسه با مدل‌های مرجع، که مورد انتظار بود، بیش از حد برآورد کردند. از توزیع مکانی خطاها مشخص می شود که مناطق جنگلی نسبت به مدل های مرجع دارای خطاهای مثبت قوی بوده است . با این حال، در موارد مناطق مطالعه استونی، نیوزیلند و نروژی، ASTER دارای ME و MedE منفی بود. خطاهای منفی از نظر مکانی در مناطقی با پوشش گیاهی کم رخ می دهد . دقت AW3D30 بر اساس RMSE و STD در سراسر مناطق مورد مطالعه پایدارترین بود و در بیشتر موارد بهترین عملکرد را نیز داشت. با این حال، ارتفاع را در هر چهار منطقه مورد مطالعه کمی بیش از حد برآورد کرد . از بین شش مدل جهانی، ASTER و در بیشتر موارد MERIT بر اساس RMSE بدترین عملکرد را داشتند. علاوه بر این، MERIT بیشترین تغییر را در مقادیر خطا نشان داد (NMAD بین 2.11 و 10.41 متر) . از بین چهار منطقه مورد مطالعه، بیشترین تنوع در خطاها (STD) در نیوزیلند مشاهده شد، جایی که نقش برجسته ناهموارترین بود و با پوشش گیاهی بلند و متراکم ترکیب شد.

2 – تأثیر شیب و جهت بر دقت

تأثیر واضحی از شیب بر دقت عمودی DEM ها در مناطق مورد مطالعه چین، نیوزیلند و نروژ وجود داشت. منطقه مورد مطالعه استونی اثر شیب نشان نداد زیرا بیشتر منطقه مورد مطالعه صاف است و 95٪ پیکسل ها دارای شیب کمتر از 10 درجه بودند . تأثیر شیب بر دقت برای AW3D30، SRTM و NASADEM کمترین بود. ASTER، MERIT، و TanDEM-X DEMs اثرات مشابهی قوی از شیب بر دقت خود نشان دادند. با افزایش شیب، RMSE و تغییرات خطا (STD) افزایش یافت . MedE رفتار کمی متفاوت در بین DEM ها نشان داد. MedE الگوی افزایش یا کاهش واضحی برای ASTER نداشت. برای تمام DEM های دیگر، MedE به طور کلی افزایش یافته است، به جز منطقه مورد مطالعه چینی.

3 – تاثیر پوشش زمین بر دقت

ما دریافتیم که تمام DEM ها به طور سیستماتیک ارتفاعات بالاتری نسبت به سطح واقعی زمین در مناطق جنگلی در کلاس های پوشش زمین 1 و 2 داشتند . MedE به طور مداوم برای همه DEMs مثبت بود، به جز مدل ASTER در منطقه مورد مطالعه استونی، و RMSE از 3.54 تا 13.66 متر برای جنگل بسته و 2.82 تا 10.5 متر برای جنگل باز در سراسر مناطق مورد مطالعه متغیر بود. ما بالاترین خطاها و تغییرات (STD) را برای مناطق جنگلی در منطقه مورد مطالعه نیوزیلند مشاهده کردیم. از بین هر شش مدل جهانی، AW3D30 دقیق ترین در مناطق جنگلی در تمام مناطق مورد مطالعه بود. DEM ها به طور کلی برای مناطق علفی و زیر کشت (کلاس های پوشش زمین 4 و 5) نسبت به مناطق جنگلی دقیق تر بودند . در بیشتر موارد، مدل‌های جهانی ارتفاع را در مناطق علفی و زیر کشت کمی بیش از حد برآورد کردند (MedE مثبت). RMSE در اکثر موارد کمتر از 5 متر بود، به جز ASTER DEM، که RMSE برای آن بیشتر از 5 متر و اغلب بیشتر از 10 متر بود. ASTER DEM نیز اغلب ارتفاع را برای مناطق علفی و زیر کشت دست کم می گرفت. بهترین عملکرد DEM در مناطق علفی و زیر کشت وجود نداشت. برخی از DEM هایی که دقت بالایی در برخی از مناطق مورد مطالعه نشان دادند، در برخی دیگر (به عنوان مثال، MERIT) دقت خوبی نداشتند. با این حال، AW3D30 سازگارترین و در بیشتر موارد بهترین دقت را در تمام مناطق مورد مطالعه نشان داد.
بزرگی خطا برای مناطق شهری و ساخته شده (کلاس پوشش زمین 6) مشابه مقادیر برای مناطق علفی و زیر کشت بود. برای مناطق شهری و ساخته شده، مقادیر MedE 5.56- تا 4.39 متر بود که مشابه مقادیر برای مناطق علفی و زیر کشت بود. همه DEM ها، به جز TanDEM-X، به شدت ارتفاع بیش از آب (کلاس پوشش زمین 10) را در منطقه مورد مطالعه چینی بیش از حد تخمین زدند.

نتایج کلی :

AW3D30 قوی‌ترین و دقیق‌ترین DEM را برای همه مناطق ارائه می‌کند، که با مطالعات قبلی که نشان می‌داد RMSE عمودی در مناطق مسطح زیر 5 متر است و تا ارتفاع 12 یا 14 متر در مناطق با برجسته‌سازی پیچیده‌تر افزایش می‌یابد همسو است.
بهترین DEM های بعدی SRTM و NASADEM بودند. برای SRTM، مطالعات قبلی دقت عمودی RMSE 5 متر با استفاده از نقاط کنترل زمینی GPS و 14.9 متر (RMSE) را با استفاده از LiDAR به عنوان مدل مرجع گزارش کردند . نتایج ما با این مطالعات قبلی موافق است، زیرا دریافتیم که RMSE کلی به ترتیب 6.59، 10.00 و 13.07 متر در مناطق مورد مطالعه استونی، چین و نیوزلند است. NASADEM اخیراً منتشر شده، که قرار است جانشین SRTM باشد، با RMSE کلی که به ترتیب 6.39، 8.53 و 12.08 متر در مناطق مطالعه استونی، چین و نیوزلند یافت شده اند، دقت کمی بهتر نشان داد.
برای مدل MERIT، ما دقت کلی (RMSE) به ترتیب 3.01، 12.43، 13.58، و 10.49 متر برای مناطق مطالعه استونی، چین، نیوزیلند و نروژ پیدا کردیم. برای TanDEM-X DEM، RMSE کلی به ترتیب 7.16، 11.10، 15.05 و 6.84 متر برای مناطق مورد مطالعه استونی، چین، نیوزلند و نروژ بود. اینها در محدوده دقت مورد انتظار در تحقیقات قبلی قرار دارند: 12 متر برای MERIT و 10 متر برای TanDEM-X . با این حال، برخی از مطالعات دقت های بهتری را شناسایی کرده اند. به عنوان مثال، هاوکر و همکاران. RMSE را برای MERIT و TanDEM-X به ترتیب 2.32 و 3.10 متر برآورد کرد. برآوردهای خطای ما احتمالاً به دلیل پیچیده تر بودن زمین در مناطق مورد مطالعه ما بالاتر است. با این حال، در منطقه مطالعه مسطح استونی، نتایج ما مشابه این نتایج قبلی است. MERIT و TanDEM-X نسبت به SRTM به امداد حساس تر هستند، عمدتاً به دلیل وضوح فضایی پایین تر. این منجر به تغییرات درون پیکسلی می شود که در شیب های تند تشدید می شود.
ASTER بدترین مدل را در تمام مناطق مورد مطالعه انجام داد (RMSE 9.22 تا 13.52 متر). همچنین دارای بالاترین عدم قطعیت (STD بالا) در سراسر مناطق مورد مطالعه برای طیف وسیعی از شرایط توپوگرافی و انواع پوشش زمین بود. چندین مطالعه دقت مشابهی را برای ASTER پیدا کرده اند . ASTER DEM همچنین شامل مصنوعاتی است که احتمالاً به دلیل پوشش ابری، عدم تطابق بین صحنه های مختلف و تکنیک های پردازش است که نقص اصلی آن است.

دقت DEM های جهانی تا حد زیادی به ویژگی های منحصر به فرد هر منطقه بستگی دارد. مدل ASTER کمترین دقت و بیشترین عدم قطعیت را در تمام مناطق مورد مطالعه، شرایط توپوگرافی و انواع پوشش زمین داشت. AW3D30 کمترین عدم قطعیت و بالاترین دقت را در تمام مناطق مورد مطالعه نشان داد. با این حال، NASADEM نیز دقت بسیار مشابهی را نشان داد، اما شمالی ترین عرض های جغرافیایی را پوشش نمی دهد. MERIT و TanDEM-X علیرغم وضوح فضایی پایین‌تر و همچنین از آنجایی که عرض‌های جغرافیایی بالاتری را پوشش می‌دهند، عملکرد خوبی داشتند. ما دریافتیم که شیب مهمترین عامل مؤثر بر دقت DEM است. کوچکترین سوگیری در مقادیر ارتفاعی در مناطق مسطح (شیب کمتر از 5 درجه) تشخیص داده شد، و بایاس با افزایش شیب افزایش یافت، در نتیجه تنوع خطاها افزایش یافت. جنبه به طور سیستماتیک بر عملکرد DEM تأثیر نمی گذارد، که با مطالعات قبلی موافق است. مناطق جنگلی انبوه باعث تخمین بیش از حد ارتفاع توسط تمام DEM ها شد. با این حال، MERIT اندکی کمتر تحت تأثیر مناطق جنگلی قرار گرفت، عمدتاً به دلیل روش حذف پوشش گیاهی. سایر DEM ها می توانند با استفاده از مجموعه داده جدید Global Forest Canopy Height از اصلاح پوشش گیاهی مشابه بهره مند شوند.

 

 

طراح گرافیک و مسلط به نرم افزارهای ادوبی ایلاستراتور،ادوبی فتوشاپ،کورل دراو . مسلط به تولید و کارتوگرافی نقشه های موضوعی . دوستدار طبیعت و حیات وحش و از علاقه مندان ورزش کوهنوردی .

8 Comments

Leave a Reply

Your email address will not be published. Required fields are makes.

error: Content is protected !!