مدل رقومی زمین (DTM) در شش بخش
نقل قول :
ابتدا یه سری بحث های مقدماتی و تئوری و بعدا کارکردن با DTM در ARcGIS
بخش پنجم
5- نمايش multi scale از مدل رقومي زمين(DTM)
مقدمه:
Scale يک مفهوم گيج کننده است و اغلب معاني مختلفي وابسته به چارچوب مطالعه دارد.
Level Of Detail (LOD) که روي نقشه بزرگ مقياس نشان داده مي شود, نمي توان روي نقشه کوچک مقياس نشان داد. يعني نمايش يک feature در يک منطقه در مقياس هاي مختلف نقشه, متفاوت است ومسئلهmulti scale در کارتوگرافي مطرح مي شود. مسئله اين است که چگونه يک نقشه small scale از نقشه large scale با عملياتي چون simplification وaggregation بدست آوريم که يک مسئله generalization ناميده مي شود.
تبديل در مقياس: يک فرآيند غير قابل برگشت در geographic space
در geographical space , بعد شي عدد صحيح نيست (مفهوم بعد فرکتالي توسط Mandelbrot معرفي شده است) ومقداري بين 1و2 براي خط وبين 2 و3 براي سطح مي باشد. مدت ها قبل کشف شده است که طول هاي مختلف براي coastline نمايش داده شده روي نقشه در مقياس هاي مختلف به دست مي آيد. طول اندازه گيري شده در مقياس هاي کوچک تر, کوتاهتر خواهند بود واين به خاطر آن است که سطوح مختلف reality اندازه گيري شده است. در واقع روي نقشه با مقياس کوچک تر, ميزان پيچيدگي شي کاهش پيدا مي کند تا اين که براي نمايش در آن مقياس مناسب باشد. اما وقتي نمايش در مقياس کوچک تر قرار است که enlarge شود وبه سايز اوليه خود برسد, سطح پيچيدگي قبل نمي تواند دوباره به دست بيايد و چنين تبديلي غير قابل برگشت ناميده مي شود.
Generalization يکDTM از مقياس بزرگ به مقياس کوچک يک فرايند غير قابل برگشت است.
مقياس و رزولوشن وساده سازي نمايش
سايز واحد پايه براي اندازه گيري يا نمايش به عنوان رزولوشن اشاره مي شود. اگر داده ها در فرمت رستري هستند, سايز پيکسل ها به عنوان رزولوشن مطرح است. در مورد گريدهاي DTM, فاصله بين گريد ها به عنوان رزولوشن مطرح است.
رزولوشن,Level Of Detail معني مي دهد ومقياس Level Of Abstraction معني مي دهد.
شکل زير چهار تصوير در يک مقياس, اما با چهار رزولوشن مختلف نشان مي دهد.
روش ها براي نمايش multi scale
دو نوع مختلف از نمايش multi scale وجود دارد:
1-metric multi scale representation : شبيه به نقشه است و تاکيد روي کيفيت متريک دارد. مسئله multi scale در DTM مرتبط با با اين است که چگونه به طور خودکار بتوانيم داده هاي DTM مناسب براي هر نمايش با مقياس کوچک تر را از داده هاي DTM در مقياس بزرگ تر استخراج کنيم(چرا که داده هاي DTM در مقياس بزرگ به طور پيوسته update مي شود) چنين پروسه اي generalization ناميده مي شود و به طور يکنواخت براي همه سطح داده به کار مي رود وداده ها در سطح دقت يکساني دارند.
2-visual multi scale representation :اين نوع نمايش multi scale تنها براي visual impression (مثل بازي هاي کامپيوتري) بکار مي رود. به عبارت ديگر LOD نمايش داده شده روي يک تصوير از محلي به محل ديگر متفاوت است و به آن LOD در computer graphics مي گويند.به اين روش view dependant LOD نيز مي گويند ودر مقابل به روش قبل view independent LOD مي گويند.
دو نوع تبديل در مقياس وجود دارد:تبديل گسسته وپيوسته
در تبديل گسسته, تعداد مقياس هاي مختلف از يک منطقه تعداد معدودي است. در حالي که در تبديل پيوسته, از منطقه در همه مقياس ها داده مي توانيم داشته باشيم.
نمايش سلسله مراتبي DTM در مقياس هاي گسسته
نمايش سلسله مراتبي در مقياس هاي گسسته براي داده هاي DTM نمايش معروفي است. اين نمايش براي سرعت بخشيدن به پردازش داده ها مي باشد.هم شبکه هاي مثلثي وهم شبکه هاي گريدي در فرم سلسله مراتبي مي توانند نمايش داده شوند.
ساختار هرمي براي نمايش سلسله مراتبي
شکل زير ساختار هرمي از گريد مربعي ومثلثي را نشان مي دهد .چهار مربع (مثلث) در سطح سوم تشکيل يک مربع (مثلث) بزرگ تر در سطح دوم را نشان مي دهند.تعداد مربع ها در level k برابر k-14 است.سايز مربع ها(مثلث ها)در يک سطح از ساختار هرمي برابر هستند.
در يک فرايند four to one aggregation , متوسط گيري ساده براي محاسبه مقدار ارتفاع گريد جديد پذيرفته مي شود.
در اين روش , feature هاي مشخص زميني در نظر گرفته نمي شوند. پس به طور واضح از شکل افتادگي هاي بصري نسبتا واضحي به علت از دست دادن مشخصه هاي سطح زمين و عدم پيوستگي در مرز گريدها ايجاد مي شود.
ساختار quadtree براي نمايش سلسله مراتبي
نقص بزرگ ساختار هرمي ساده در اين است که فاصله گريد ها در يک سطح از هرم برابر هستند, حال چه سطح زمين پيچيده باشد وچه ساده. همين مسئله در مورد مناطق ناهمگون مشکل ايجاد مي کند. در اين موارد ساختار سلسله مراتبي با سايز گريد متغير مناسب تر هستند. قسمت هاي پيچيده تر مي توانند با گريد هايي با رزولوشن بهتر (فاصله گريد هاي کوچک تر) وقسمت هاي ساده تر با گريدهايي با رزولوشن کمتر (فاصله گريد هاي بزرگ تر)نمايش داده شوند.
شکل زير مثالي از ساختار quadtree مثلثي است. Aggregation چهار سلول در يک سلول مشابه ساختار هرمي است. تنها اختلاف آن در اين است که در quadtree معيار هايي براي اين که آيا Aggregation براي چهار سلول داده شده لازم هست يا نه, تنظيم مي شوند. براي مثال اگر اختلاف ارتفاع از يک حد آستانه بزرگ تر باشد, نيازي به Aggregation نيست ودر غير اين صورت لازم است.
نمايش multi scale از DTM در مقياس پيوسته
ليستي با شش معيار توسط Weibel براي ارزيابي روش هاي multi scale مطرح شده است که عبارتند از:
1-اجرا روش به صورت اتوماتيک ممکن باشد.
2-بتوان بازه وسيعي از تغييرات مقياس را درآن اجرا کرد.
3-براي مشخصه هاي توپوگرافي منطقه قابل تطبيق باشد.
4-به طور مستقيم روي پايه DTM کار کند.
5-بتواند از نتايج يک آناليز داشته باشد.
6-فرصتي براي جايگزيني feature ها بر اساس feature هاي مهم توپوگرافي وland form ها فراهم کند.
سه روش براي نمايشmetric multi scale براي داده هاي DTM ارائه شده است:
1-روش هاي فيلترينگ
2-جنراليزه کردن structure lines
3-ترکيبي از دو روش فوق
اگر مجموعه معيار هاي پيشنهادي Weibel براي ارزيابي نمايش هرمي به کار رود, نتيجه خيلي خوبي نمي دهد. مهم ترين عيب اين روش آن است که تنها شمار مشخصي از مقياس ها را مي توان توليد کند.
اصل طبيعي براي جنراليزه کردن DTM
اگر سطح زمين از ارتفاعات مختلف ديده شود, شکل هاي متفاوتي از آن مي بيند. اگر سطح زمين از ماه ديده شود , همه ناهمواري هاي زميني ناپديد مي شود وسطح زمين شبيه يک توپ آبي ظاهر مي شود. اگر سطح زمين از محل يک هواپيما ديده شود, جزئيات کوچک هنوز آشکار نيست بلکه مشخصه هاي اصلي تغييرات زمين واضح است.
اصل طبيعي که به وسيله Li & Openshow معرفي شده است, بيان مي کند که:
براي هر مقياس داده شده , همه جزئيات در مورد تغييرات فضايي اشيا که وراي حد مشخصي هستند نمي توانند نمايش داده شوندو بايد ناديده گرفته شوند.
Li & Openshow اين حد مشخص را به عنوان Smallest Visible Object(SVO) معرفي کردند. در اين کتاب با عنوان Smallest Visible Size(SVS) آن را مي شناسيم.
سوال مهم آن است که چگونه SVS را محاسبه کنيم؟در ميان تست هاي مختلفي که Li & Openshow انجام دادند به اين نتيجه رسيدند که, مقدار 0.5 تا 0.7 ميليمتر روي تارگت (نقشه) مقدار مناسبي است.
اگر SVS روي سطح زمين را باK وSVS روي نقشه را با k وSt فاکتور مقياس براي نقشه تارگت باشد, آن گاه داريم: K=k*St
در ارتباط با اين فرمول مشکلي وجود دارد وآن اين است که مقدارK هيچ فرقي نمي کند که مقياس ورودي (منبع) چقدربزرگ باشد. براي حل اين مشکل فرمول به صورت زير اصلاح شده است:
وقتي که اختلاف بين Ss وSt کم است, مقدار K کوچک است واين يعني مي دهد که تغيير کمتر لازم است. در حالت نهايي اگر Ss =St باشد, آن گاه K=0 است وهيچ جنراليزه کردني لازم نيست.
فرايند به کار بردن اصل طبيعي براي جنراليزه کردن DTM شبيه به فرايند کانولوشن است که cell به cell روي DTM ورودي اجرا مي شود.در هر زمان يک template با سايز مساوي با SVS روي يک cell از DTM ورودي گذاشته مي شود.همه cell ها در template براي تخمين ارتفاع cell در DTM خروجي بکار برده مي شود. در حقيقت تمام متد هاي انترپولاسيون point based براي اين منظور مي تواند مورد استفاده قرار گيرد. هر چه قدر مقياس کوچک تر مي شود, سطح smooth تر مي شود و اين در تطابق با اصل طبيعي است.
متدهاي جنراليزه کردن شبيه به فيلترهاي زير گذر مي باشند, اما در برخي جنبه ها متفاوت هستند. از آن جمله مي توان گفت که:
1-template مي تواند به تدريج پيکسل به پيکسل حرکت کند ويا از يک پيکسل به ديگري جهش داشته باشد. ممکن است حتي overlap اي بين template ها نباشد که به ساختار هرمي ما را هدايت مي کند.
2- سايز template ها از مقادير مقياس تارگت ومنبع محاسبه مي شوند.
اصول براي view dependant LOD
جزئيات بيشتر براي مناطق واشيا نزديک تر به viewpoint وجزئيات کمتر براي مناظر واشيا دورتر از viewpoint استفاده مي شود. اگر DTM در فرم گريد است, پس cell هاي Coarse تر براي نمايش مناظر واشيا دورتر بکار مي روند و cell هاي fine تر براي نمايش مناظر واشيا نزديک تر به کار ميروند.
Cell هاي coarse تر در گريد مربعي وشبکه مثلثي به وسيله تعدادي عملگر شبيه collapse & removal توليد مي شوند.
در شکل چهار عملگر پايه براي ساده سازي شبکه مثلثي براي اهداف LOD نشان داده شده است:
1-vertex removal: يک vertex حذف مي شود ومثلث هاي جديد ايجاد مي شود.
2-triangle removal:يک مثلث با سه راس آن حذف مي شود ومثلث هاي جديد تشکيل مي شوند.
3- edge collapse:يک edge با دو vertex به يک نقطه تبديل مي شود ومثلث هاي جديد ايجاد مي شوند.
4-triangle collapse: يک مثلث با سه vertex تبديل به يک نقطه مي شود ومثلث هاي جديد ايجاد مي شوند.
سوالي که مطرح است اين است که چه زماني از اين الگوريتم ها استفاده کنيم ؟ در انتخاب VIP دو کانسترين استفاده مي شود: 1-تعداد VIP ها بايد حفظ بماند .2-accuracy loss مجاز باشد.
اين دو کانسترين براي ساده سازي داده هاي DTM براي توليد view dependant LODنيز استفاده مي شود, که به دو روش مجزا ما را هدايت مي کند. به هر حال تعداد مثلث ها در LOD بجاي تعداد VIPها استفاده مي شوند که اين کانسترين به نام budget- based simplification است واستفاده از کانسترين خطاي مجاز به نام fidelity_based simplification است.
نظرات شما عزیزان:
