Wykorzystanie danych z lotniczego skanowania laserowego w zarządzaniu zagrożeniem powodziowym

Transkrypt

1 BASZKIEWICZ Krzysztof 1 KOLANOWSKI Bogdan 2 KACZMAREK Izabela 3 LATOS Dorota 4 PACIOREK Agnieszka 5 Wykorzystanie danych z lotniczego skanowania laserowego w zarządzaniu zagrożeniem powodziowym WSTĘP Dyrektywa Powodziowa Parlamentu Europejskiego z 2007 r. zobowiązała Polskę do sporządzenia wstępnej oceny ryzyka powodziowego (WORP), której celem jest wyznaczenie obszarów narażonych na niebezpieczeństwo powodzi. Aby zrealizować ten cel powstał projekt Informatyczny System Osłony Kraju przed nadzwyczajnymi zagrożeniami (ISOK), prowadzony przez Krajowy Zarząd Gospodarki Wodnej (KZGW) we współpracy z Instytutem Meteorologii i Gospodarki Wodnej (IMGW), Głównym Urzędem Geodezji i Kartografii (GUGiK), Rządowym Centrum Bezpieczeństwa (RCB) i Instytutem Łączności. Stosowanie do analiz w zakresie geodezji i kartografii oraz w naukach pokrewnych trójwymiarowych modeli zjawisk fizjograficznych jest bardzo częstą praktyką, zwiększającą w znacznym stopniu ich precyzję i efektywność. Numeryczny Model Rzeźby Terenu (NMT) i Numeryczny Model Pokrycia Terenu (NMTP) są produktami geodezyjnymi stanowiącymi doskonałe narzędzia wszędzie tam, gdzie konieczne jest zobrazowanie ukształtowania powierzchni terenu i wszystkich elementów infrastruktury na tej powierzchni. Zbieranie danych koniecznych do uzyskania NMT metodami pomiaru bezpośredniego jest procesem żmudnym i kosztownym. Dlatego do tego celu często stosuje się metody fotogrametryczne i w ostatnich latach metodę skanowania laserowego z pułapu lotniczego LIDAR (Light Detection and Ranging). Zbiory danych pomiarowych LIDAR odznaczają się dużą objętością plików z danymi, w tym danymi nadliczbowymi. Niezredukowane pod względem ilościowym modele terenu mogą stanowić problem w przypadku przenoszenia danych pomiędzy programami, wczytywania dużych plików danych do programu, dokonywania analiz hydrologicznych czy archiwizowania dotychczas otrzymanych danych. Celem pracy jest określenie ilości i jakości danych niezbędnych do tworzenia modeli NMT i NMTP w celu wykorzystania ich do wykonywania szybkich i wiarygodnych analiz w zarządzaniu zagrożeniem powodziowym. 1. POMIARY METODĄ LASOWEGO SKANOWANIA LOTNICZEGO Od 2010 roku w naszym kraju realizowany jest projekt o nazwie Informatyczny System Osłony Kraju przed nadzwyczajnymi zagrożeniami (ISOK). W ramach tego projektu Główny Urząd Geodezji i Kartografii (GUGiK) pozyskał dane z nalotów LIDAR i opracowania produktów pochodnych dla zlewni rzek o łącznej docelowej powierzchni około 255 tys. km2 (ponad 80% powierzchni Polski) [7]. Zbiory tych danych określane są często w piśmiennictwie jako chmura punktów (ang. point cloud) [3, 5]. Ich gęstość w przypadku projektu ISOK wynosi od 4 do 12 pkt/m2. Średnia wielkość plików 1 Wojskowa Akademia Techniczna, Wydział Inżynierii Lądowej i Geodezji, Instytut Geodezji, Zakład Geodezji i Topografii, Warszawa ul. S.Kaliskiego 2, tel , k.b.geodeta@gmail.com 2 Wojskowa Akademia Techniczna, Wydział Inżynierii Lądowej i Geodezji, Instytut Geodezji, Zakład Geodezji i Topografii, Warszawa ul.s.kaliskiego 2, tel , b_kolanowski@wat.edu.pl 3 azewia@o2.pl 4 Wojskowa Akademia Techniczna, Wydział Inżynierii Lądowej i Geodezji, Instytut Geodezji, Zakład Geodezji i Topografii, Warszawa ul.skaliskiego 2, tel , dlatos@wat.edu.pl 5 agnieszka.paciorek@gmail.com 68

2 danych w I standardzie (4 lub 6 pkt/m2) wynosi ok. 400 MB (obejmujące obszar 1x1 km), w II standardzie (12 pkt/m2) 200 MB (tu obszary są o ¼ mniejsze) [6]. Rys. 1. Zasięg produktów planowany do opracowania do końca 2014 r. [7]. W przełożeniu na obszar podlegający opracowaniu dane zajmują prawie 100 TB. Powstaje pytanie na ile otrzymywane z pomiarów zbiory danych są nadliczbowe i czy zredukowanie ich do mniejszej gęstości nie spowoduje spadku jakości produktów opartych na danych z pomiarów lotniczym skanerem laserowym, których dokładność musi być zgodna z założeniami projektu. Inną istotną kwestią jest znalezienie odpowiedzi na pytanie: na ile otrzymane zredukowane zbiory mogą być przydatne do wykonywania analiz i tworzenia modeli na potrzeby m.in. zarządzania zagrożeniem powodziowym (rys.1.) Dokładność opracowań końcowych zależy zarówno od jakości danych źródłowych jak i od rodzaju użytego algorytmu interpolacyjnego. Jeśli chodzi o dokładność danych pomiarowych to wpływ na nią mają następujące komponenty systemu: dalmierz laserowy, system INS, system GPS. Rys. 2. Komponenty składowe systemu [19] 69

3 Urządzenie IMU (ang. Inertial Measurement Unit), które w ramach INS dokonuje pomiaru wysokości samolotu, kierunków jego skręcenia w trzech płaszczyznach i przyspieszeń w składowych kierunkach rejestruje je uzyskując kątowe dokładności między 0,005 0,03, natomiast odległości 9 50 cm / 1000 m [4]. Pomiary GPS/INS uznaje się za prawie ciągłe. Oszacowano, że błąd pomiaru odległości jest na poziomie 0,02 0,03 m, błąd pomiaru techniką GPS 0,05 0,07 m, a błąd pomiaru INS zależny od wysokości lotu wynosi ok. 0,02 m ( ten sam błąd kątowy spowoduje większy błąd liniowy punktu laserowego z wyższej wysokości ). Wówczas dokładność wysokościowa jest na poziomie 0,15 m, lecz można ją zwiększyć do 0,10 m zmniejszając wysokość nalotu [14]. Dokładność sytuacyjna wynosi [16]: Dokładność wysokości NMT uzyskanego z pomiarów skanerem laserowym wynosi 0,15 0,25 m. Jest to błąd średni ustalony empirycznie [14]. Im wyższa roślinność, tym dokładność jest gorsza. Na stromych stokach porośniętych drzewami można ona wynosić nawet 0,7 m. Wzór przedstawiający dokładność wysokości NMT: (1) gdzie: m_(z NMT) średni błąd wysokości, α kąt nachylenia stoku [12]. (2) Na dokładność NMT ma również wpływ gęstość punktów laserowych. Wtedy wzór (2) ulega modyfikacji do postaci: gdzie: α kąt nachylenia stoku, n średnia liczba punktów na 1 m2 [12]. (3) 2. OCENA DOKŁADNOŚCI NMT Jako miarę dokładności NMT można przyjąć następujące wielkości: błąd średni kwadratowy (ang. Root Mean Square Error RMSE) [8, 13],: m hnmt 2 h RMSEh (4) NMT n wartość średnia: odchylenie standardowe: h hśr (5) n h h 2 śr (6) n 1 gdzie: Δh różnice wysokości terenowej i wyinterpolowanej z NMT, n liczba punktów kontrolnych, Δhśr średnia (średnia arytmetyczna) różnica wysokości. 70

4 Błąd średni opisuje bezwzględną dokładność wysokościową całego modelu NMT, określoną na podstawie wybranych punktów kontrolnych [13]. Punktami kontrolnymi mogą być wybrane punkty ze zbioru danych źródłowych do generowania NMT, nie biorące udziału w utworzeniu modelu (wtedy mówi się o dokładności wewnętrznej modelu) lub punkty pochodzące z niezależnego pomiaru kontrolnego, których położenie jest określone z dokładnością o rząd wielkości większą niż dokładność punktów, na podstawie których wygenerowano model (wtedy mamy do czynienia z błędem zewnętrznym) [8]. Wartość średnią różnic wysokości można interpretować jako błąd systematyczny NMT na badanym obszarze. Odchylenie standardowe charakteryzuje przypadkową składową błędu NMT i jest interpretowane jako dokładność względna [13]. Czynniki wpływające na dokładność NMT takie jak: błędy danych źródłowych, wielkość oczka siatki, charakter rzeźby terenu ujmuje wzór [20]: 2 m p1 A p2 D tg( ) C (7) h NMT gdzie: mh NMT średni błąd wysokości wyznaczanego (interpolowanego) punktu powierzchni terenu, określający również dokładność odwzorowania powierzchni terenu na podstawie punktów odniesienia, p 1 współczynnik zależny od zastosowanej metody interpolacji powierzchniowej, A parametr, charakteryzujący za pomocą błędu średniego dokładność określenia (pomiaru) wysokości punktów odniesienia, p 2 współczynnik wynikający z wpływu kąta α, występującego tutaj jako parametr związany z oddziaływaniem warunków terenowych (chropowatość terenu), D przeciętna odległość punktów pomiarowych, α przeciętny kąt nachylenia terenu na opracowywanym obszarze, C parametr charakteryzujący wpływ chropowatości terenu na dokładność odwzorowania jego powierzchni przy małych wartościach kąta nachylenia terenu i różnych wielkościach D. Według [20] wzór (4) lepiej oddaje błąd NMT, niż wzór Ackermana [1]: 2 2 hnmt h 2 m m D (8) gdzie: mh średni błąd wysokości wyznaczenia (pomiaru) wysokości punktów NMT, D średnia odległość między punktami struktury NMT, α parametr opisujący charakter terenu przyjmujący wartości: 0,004 0,007 dla terenów łatwych o gładkich powierzchniach, 0,010 0,020 dla terenów o średniej trudności, 0,022 0,044 dla terenów trudnych (o nieregularnych i stromych powierzchniach). Zaletą obydwu wzorów jest to, że pozwalają na oddanie przestrzennego rozkładu błędu modelu. Aby można było wiarygodnie wypowiedzieć się na temat jakości opracowań należy ocenić te produkty wykonane różnymi metodami (algorytmami) w zróżnicowanym terenie. Charakter terenu wpływa na wynik interpolacji i jest składową błędu NMT Przy określaniu charakteru terenu najczęściej padają takie określenia jak: łatwy, średni i trudny. Oczywiście powstały one przez uogólnienie składowych cech opisujących powierzchnię terenu, bowiem można mówić o różnym stopniu zmienności powierzchni (monotoniczny lub nie), złożoności rzeźby (występuje dużo lub mało morfologicznych form terenu), i ogólnej tendencji np. płaski, pagórkowaty o takich a takich spadkach. Niemniej pokrycie terenu, jego zagospodarowanie, ogólna dostępność terenu do wykonania pomiarów ma także znaczenie, gdyż jak wiadomo czynniki te determinują rozmieszczenie, gęstość a nawet dokładność punktów pomiarowych (np. trudno jest pomierzyć pikiety w gęstym lesie, wiązka światła 71

5 przenikając przez pokrywę roślinną rozprasza się i traci swoją moc), co ma z także wpływ na jakość NMT. Rys. 3. 1) Teras Wisły przy Józefowie, 2) Poligon WAT, 3) Górka w Parku Moczydło Ze względu na swoje cechy pewne metody interpolacji mogą być zalecane do stosowania na określonym terenie. Zatem aby wiarygodnie ocenić metody interpolacji danych pomiarowych lotniczego skanowania laserowego, niezbędnym jest wybranie przynajmniej kilku testowych pól roboczych, zróżnicowanych pod względem rzeźby terenu Rys.3. Należy pamiętać, że kiedy charakteryzuje się jakość NMT w oparciu o pomiar kontrolny, to błąd jest adekwatną wielkością. Pomiar kontrolny wykonuje się w wybranych punktach, a zatem błąd średni kwadratowy uzyskany na jego podstawie pozwala tylko na pewne oszacowanie jakości NMT. [8]. 3. BEZPOŚREDNIE POMIARY KONTROLNE 3.1. Pola robocze Badania optymalizacji gęstości pomiarowej skanowania laserowego przeprowadzono na trzech obszarach zlokalizowanych na terenie Warszawy i okolic (rys.3). W pierwszej kolejności wykonany pomiary terenowe. Pomiary metodami bezpośrednimi miały na celu pozyskanie punktów kontrolnych wykorzystanych później w porównaniach modeli utworzonych na podstawie danych LiDAR. Każde z pól roboczych charakteryzuje się innymi deniwelacjami. Pierwszym z pól jest fragment Poligonu Wojskowej Akademii Technicznej na warszawskim Bemowie. Charakteryzuje się małymi deniwelacjami terenu. Znaczna część obszaru pokryta jest niską wegetacją (o wysokości do 0,40 m), do której zalicza się trawa i krzewy, a z trzech stron graniczy z wysoką wegetacją (o wysokości powyżej 2,00 m), w skład której wchodzą drzewa. Na jego obszarze nie znajdują się żadne zabudowania ani powierzchnie wód. W zachodniej części obszaru są dwa niskie pagórki. Wykorzystana osnowa państwowa znajduje się całkowicie poza badanym polem roboczym. Drugi obszar to sztuczne wzniesienie w Parku Moczydło w dzielnicy Wola (wzniesienie w parku jest to sztuczny obiekt o wysokości 20 m). Szczyt wzniesienia znajduje się na wysokości 132,5 m n.p.m. Nachylenie zboczy pagórka wynosi 5 7. Zachodnie zbocze jest łagodniejsze od pozostałych. Forma terenu jest nieregularna, tzn. można wyróżnić kilka linii grzbietowych. Pagórek porośnięty jest niską, średnią i wysoką wegetacją. Na powierzchni pagórka znajduje się sieć chodników, betonowe schody oraz drewniane ławki i barierki. Na terenie Parku Moczydło znajdują się zbiorniki wodne oraz 72

6 budynki, natomiast nie należą one do obszaru opracowania. Wykorzystana osnowa państwowa znajduje się poza obszarem analizowanego wzniesienia, lecz w jego bliskim sąsiedztwie. Trzecim obszarem jest wybrzeże Wisły w Józefowie. Jest to teren w znacznej części płaski, lecz na jego obszarze znajdują się niewielkie wzniesienia i zagłębienia o różnych kształtach. Przeważająca część pola roboczego jest pokryta niską wegetacją, a na pozostałej jego części średnią i wysoką wegetacją. Na jego terenie nie znajdują się zabudowania. Pole robocze graniczy z powierzchnią wód. Brzeg Wisły jest stromy i wysoki (4 m). Wykorzystana osnowa państwowa znajduje się całkowicie poza badanym polem roboczym. Dla tego terenu opracowano mapy zagrożenia i ryzyka powodziowego, ponieważ tereny zalewowe są przedmiotem zainteresowania projektu ISOK. Powierzchnia pól roboczych jest w przybliżeniu jednakowa i wynosi średnio 15 ha. Wybór trzech pól roboczych rozmieszczonych w różnych blokach nalotu zapewnia niezależność otrzymanych wyników, a zróżnicowana charakterystyka terenu pozwala na przeprowadzenie licznych analiz. Obszar Warszawy został zeskanowany w II Standardzie, a wybrzeże Wisły w Józefowie w I Standardzie. Główną różnicą pomiędzy standardami jest gęstość punktów skanowania i wynosi ona w I Standardzie min. 4 punkty/1 m2 lub min. 6 punktów/1 m2 na obszarach priorytetowych oraz min. 12 punktów/1 m2 w II Standardzie Pomiary polowe i analiza dokładności Pomiary terenowe wykonano od marca do kwietnia, mając na względzie słaby rozwój wegetacji i niewiele liści w terenach zalesionych i zakrzaczonych. Bezpośrednie pomiary terenowe wykonano w oparciu o założoną osnowę pomiarową w dowiązaniu do osnowy państwowej. Punkty osnowy szczegółowej na terenie Warszawy posiadały współrzędne poziome w układzie PL-2000, natomiast na terenie Józefowa w układzie Warszawa 75. Na każdym z pól roboczych pomiar wykonano technikami klasycznymi i satelitarną. Do pomiarów wykorzystano sprzęt o parametrach podanych w tabeli 1. Tab.1. Dane techniczne instrumentów pomiarowych Niwelator Carl Zeiss Jena Ni025 Nr błąd podwójnej niwelacji na 1 km ± 2.5 mm Tachimetr Geodimeter 422 Nr pomiar odległości pomiar kątów ± (3mm +3 ppm) ± 6 cc Zestaw GPS Odbiornik Leica GPS 1200 Nr Antena Leica ATX 1230 GG L1/L2 Osnowę pomiarową sytuacyjną założono z użyciem techniki GPS RTK/RTN w nawiązaniu do wybranych sieci stacji referencyjnych ASG-Eupos, uprzednio dokonując pomiaru kontrolnego na punktach poziomej osnowy państwowej wymaganego rozporządzeniem MSWiA [18]. Pomiary były wykonywane w miejscach zapewniających odsłonięty horyzont. Wysokości punktów osnowy pomiarowej określono wykonując niwelację geometryczną techniczną w nawiązaniu do reperów osnowy państwowej, W programie C-Geo v obliczono przybliżone wysokości i przeprowadzono wyrównanie ciągu metodą najmniejszych kwadratów. Współrzędne punktów położonych w obrębie pól roboczych wyznaczono w oparciu o pomiary wykonane metodą tachimetrii z użyciem tachimetru elektronicznego nawiązując je do założonej wcześniej osnowy pomiarowej. W przypadku obiektu Górka w Parku Moczydło pomiary tachimetryczne były wykonywane również w oparciu o państwową osnowę szczegółową. Obliczenia wykonano w programie WinKalk

7 Numeryczne dane wysokościowe LIDAR pozyskane z CODGiK są w układach PL-1992 i PL- KRON86-NH. Położenie poziome punktów kontrolnych wyrażono w układzie współrzędnych PL strefa 7 (ze względu na brak zapisanych w pamięci odbiornika parametrów układu PL-1992), wysokościowe w układzie wysokości PL-KRON86-NH. Współrzędne punktów kontrolnych przetransformowano w programie GEONET w wersji W/2002/2.3 z układu PL-2000 do PL Tab.2. Wyniki analizy dokładności określenia położenia punktów kontrolnych Względem stanowiska Sytuacyjny m Wysokościowy P m h < ± 0,01 m ± 0,02 m GPS sytuacyjny m P' ± 0,04 m Z uwzględnieniem wpływu błędów osnowy pomiarowej Dawna klasa III sytuacyjny m P' ± 0,15 m Dawna klasa IV wysokościowy m h' ± 0,02 m Charakterystyki dokładności położenia punktów pomierzonych metodą tachimetryczną dokonano w oparciu o prawo przenoszenia się błędów średnich Gaussa. Przyjmując następujące oznaczenia błędów pomiaru: ms odległości skośnej, mβ kąta pionowego (zenitalnego), mα kąta poziomego, mi wysokości instrumentu, mj wysokości lustra dalmierczego oraz ich wartości: dokładność pomiaru wysokości lustra i instrumentu m i = m j = ± 0,01 m, najdłuższą celową wynoszącą s = 249,71 m, dokładność położenia sytuacyjnego punktów osnowy pomiarowej pomierzonych techniką GPS RTK/RTN wynoszącą m GPS = ± 0,03 m, dokładność położenia sytuacyjnego punktów osnowy szczegółowej m osn = ± 0,10 m, największy błąd wysokości punktu osnowy pomiarowej, jaki otrzymano w procesie wyrównania sieci niwelacyjnych m Hs = ± 0,005 m na podstawie wzorów zawartych w [17] można obliczyć wartości błędów współrzędnych płaskich i wysokości, których wielkości podane są w tabeli POMIARY LASEROWYMI SKANERAMI LOTNICZYMI Opracowywane dane pochodzące z lotniczego skanowania laserowego pozyskano z CODGiK w Warszawie w formie plików binarnych LAS. Na obszarach standardu II skanowania pliki obejmują zasięgiem arkusze w skali 1: 1250, czyli ok. 0,5 0,5 km, a na obszarach standardu I są to arkusze w skali 1:2500, czyli ok. 1 1 km. Opatrzone są nazwą godła odpowiedniego dla podziału mapy topograficznej w skali 1: w układzie 1992, do którego dodano 3 cyfry wynikające z podziału tego arkusza. Objętość plików w standardzie II to ok. 200 MB, natomiast dla standardu I wynosi ok. 400 MB. Oprócz plików zawierających zbiór punktów wykorzystano również raport i dokumentację z wykonanego projektu, która świadczyła o dokładności i wiarygodności danych. W tabeli 3 zawarto charakterystykę danych LIDAR'owych. Tab.3. Parametry skanowania laserowego [10, 11] Parametr Pole robocze nr 1 i 2 Pole robocze nr 3 Numer bloku LiDAR Standard II I Maksymalna różnica wysokości 71 m 94 m terenu (w bloku) Termin rozpoczęcia nalotów

8 LiDAR Termin zakończenia nalotów LiDAR Typ i model skanera laserowego ALS70 ALS70 Wysokość lotu skanera LiDAR względem powierzchni terenu m m Warunki pogodowe, meteorologiczne, hydrologiczne optymalne: bezchmurna słoneczna pogoda i średni stan wód w zakresie opracowania optymalne: bezchmurna słoneczna pogoda i średni stan wód w zakresie opracowania W plikach LAS zawarte są współrzędne każdego punktu oraz informacje o intensywności odbicia w zakresie barwy niebieskiej, zielonej i czerwonej, które określono na podstawie zdjęć lotniczych. Wśród punktów, które bierze się pod uwagę w obliczeniach gęstości znajdują się wyłącznie te z ostatnim lub jedynym odbiciem. W raportach z gęstością danych wyszczególnia się próbki, dla których określa się gęstość punktów na metr kwadratowy. Szerokość próbki stanowi szerokość skanowanego pasa, a długość jest równa długości próbki [10, 11]. Do przetworzenia danych pomiarowych lotniczego skanowania laserowego użyto systemu LASTools. Jest to zbiór narzędzi, które można używać za darmo do celów naukowych i niekomercyjnych. Dla każdego obiektu za pomocą lasmerge połączono odpowiednie arkusze ze sobą tworząc jeden plik LAS. Następnie dzięki las2las (filtr) docięto złączone arkusze do pożądanego zakresu poprzez podanie współrzędnych lewego górnego i prawego dolnego narożnika oraz wyselekcjonowano punkty pomiarowe należące do klasy 2 - grunt. Optymalizacja gęstości pomiarowej przejawiająca się redukcją danych powoduje zmniejszenie liczby danych w plikach o formacie LAS, które charakteryzują się dużą wielkością, służy poprawie efektywności zarządzania danymi, w tym ich archiwizacji, jak też ułatwia wykorzystanie danych przy tworzeniu NMT. Redukcję punktów pochodzących ze skanowania laserowego przeprowadzono na kilku poziomach określonych procentowo. Redukcji danych dokonano przy użyciu algorytmu thin aplikacji LAStools, który pozostawiał 1 punkt w jednolitej siatce o określonej wielkości. Określano manualnie różne wielkości oczka siatki, w której pozostawał jeden, losowo wybrany punkt. Pozostałe punkty były usuwane. W wyniku zastosowanej procedury otrzymano pliki tekstowe ze współrzędnymi równomiernie rozmieszczonych punktów. Po przeliczeniu liczby punktów zawartych w pliku określono procent redukcji danych w odniesieniu do pierwotnego zbioru, na którym wykonywałam operacje redukcji. Przyjęto kilka stopni redukcji, od 17% do 98% dla plików charakteryzujących się gęstością 12 punktów/1 m2 oraz od 75% do 98% dla pliku, w którym znajdowały się 4 punkty/1 m2. Tabela 4 i tabela 5 przedstawiają rozmiary siatki oraz liczbę punktów w poszczególnych plikach, które pozostały po tak przeprowadzonej redukcji. Tab. 4. Rozmiar siatki wybrany w module thin aplikacji LAStools oraz uzyskana liczba punktów po redukcji dla obszarów zeskanowanych w II Standardzie Liczba danych Pole robocze nr 1 Bemowo Pole robocze nr 2 Wola rozmiar siatki liczba punktów rozmiar siatki liczba punktów 100% % 0, , % 0, , % 0, , % 1, , % 2, , % 3, ,

9 Tab. 5. Rozmiar siatki wybrany w module thin aplikacji LAStools oraz uzyskana liczba punktów po redukcji dla obszaru zeskanowanego w I Standardzie Pole robocze nr 3 Józefów Liczba danych rozmiar siatki liczba punktów 100% % 0, % 1, % 1, % 2, Za pomocą aplikacji Las2shp zostały utworzone pliki SHP z punktowym typem obiektów. Modele NMT wygenerowano systemie ArcGIS 5 metodami: Naturalnego sąsiedztwa (ang. Nearest Neighbour), Ważonej odwrotnością odległości (IDW ang. Inverse Distance Weighted), Kriging: semiwariogram Sferyczny, semiwariogram Kołowy, semiwariogram Wykładniczy, semiwariogram Gauss a, semiwariogram Liniowy; Wygładzania zakrzywienia, czyli Spline, Trend. Na wynikowy model ma ogromny wpływ ustawienie pewnych parametrów, indywidualnych dla danej metody interpolacji, bowiem wyznaczają one sposób działania algorytmu. 5. OCENA DOKŁADNOŚCI WYBRANYCH MODELI INTERPOLACJI Wygenerowano 52 modele NMT w zapisie rastrowym, w układzie PL-1992 i PL-KRON86-NH, o pikselu 1 m i wadze 0,9-1,5 MB każdy. Dla obiektu Górka w Parku Moczydło uzyskano po 8, zamiast planowanych 9 modeli, dla każdego z dwóch zbiorów danych wejściowych. Interpolacja metodą Kriging z zastosowaniem semiwariogramu Gauss a dawała błędny model rzeźby terenu (rys. 4). Rys. 4. Obiekt Górka w Parku Moczydło. Wyniki interpolacji metodą Kriging semiwariogram Gauss a. Z lewej dla danych o gęstości 0,4 pkt/m2, z prawej 1,6 pkt/m2 1) Teras Wisły przy Józefowie, 2) Poligon WAT, 3) Górka w Parku Moczydło Utworzone modele przycięto w miejscach, gdzie występowały dziury z powodu braku danych LIDAR (np. pod budynkami; gdzie występowała woda) ale została wykonana interpolacja. Posłużono się w tym narzędziem ArcGIS Spatial Analyst Ekstrakcja Wydziel maską. Punkty kontrolne zaimportowano do ArcGIS za pomocą narzędzia 3D Analyst Konwersja Z pliku ASCII 3D do klasy obiektów. Z plików TXT zawierających numery, współrzędne (x, y 76

10 w układzie PL-1992), wysokości (w układzie odniesienia PL-KRON86-NH) punktów kontrolnych utworzono pliki SHP point. Wysokości punktów wyinterpolowanych z NMT pozyskano dzięki narzędziom ArcGIS (rys.6): Spatial Analyst Ekstrakcja Wydziel wiele wartości do punktów, Konwersja Excel Tabela do Excela. Rys. 5. Przykład ekstrakcji wartości wysokości z modelu NMT. Analiza dokładności polegała na określeniu dla każdego wygenerowanego modelu, odchyłek pomiędzy odpowiadającymi sobie punktami pomierzonymi w terenie i wyinterpolowanymi z modelu. Uzyskane odchyłki pozwoliły na wyznaczenie podstawowych parametrów statystycznych i ocenę metod interpolacji. W tym celu sporządzono wykresy (wykres 1, 2, 3). Przeprowadzono również analizę wizualną wygenerowanych modeli. Przykład dla obiektu Teras Wisły przy Józefowie pokazuje rysunek 4. Przy ocenie metod interpolacji wzięto pod uwagę rozmiar plików wejściowych (tabela 6) i uwzględniono czas wykonywania interpolacji (tabela 7). Tab.6. Rozmiar przetwarzanych danych. TERAS ZALEWOWY WISŁY standard I Obiekt (4-6 pkt/m 2 ) pow. opracowania ~15,7 ha POLIGON WAT standard II (12 pkt/m 2 ) pow. opracowania ~ 27,4 ha GÓRKA W PARKU MOCZYDŁO standard II (12 pkt/m 2 ) pow. Opracowania ~ 15,5 ha Rodzaj LAS SHP point LAS SHP point LAS SHP point klasa grunt 1,6 pkt/m 2 5 MB 11 MB 15 MB 19 MB 8 MB 11 MB klasa grunt 0,4 pkt/m 2 1 MB 3 MB 4 MB 5 MB 2 MB 3 MB 77

11 METODA Tab. 7. Czas wykonywania interpolacji poszczególnymi metodami TERAS ZALWOWY WISŁY W JÓZEFOWIE POLIGON WAT GÓRKA W PARKU MOCZYDŁO OBIEKT standard I standard II standard II (4-6 pkt/m2) (12 pkt/m2) (12 pkt/m2) obliczona obliczona obliczona 6,7 pkt/m2 25,8 pkt/m2 19,6 pkt/m2 pow. [ha] 15,7 27,4 15,5 cała chmura ~ 25% 6% 6% 2% 8% 2% klasa grunt ~ 100% 25% 59% 15% 51% 13% ilość pkt ~ gęstość punktów klasy grunt [pkt/m 2 ] 1,6 0,4 1,6 0,4 1,6 0,4 1 Naturalne Sąsiedztwo 10 sek 4 sek 32 sek 9 sek 11 sek 5 sek Ważone odwrotnością odległości Kriging - semiwariogram Sferyczny Kriging - semiwariogram Kołowy Kriging - semiwariogram Wykładniczy Kriging - semiwariogram Gauss'a Kriging - semiwariogram Liniowy Wygładzanie zakrzywienia Spline 12 sek 4 sek 35 sek 10 sek 12 sek 5 sek 24 min 1 min 1 godz 5 min 23 min 1 min 24 min 1 min 1 godz 4 min 23 min 1 min 23 min 1 min 1 godz 4 min 23 min 1 min 24 min 1 min 1 godz 4 min min 1 min 1 godz 5 min 23 min 1 min 21 sek 5 sek 41 sek 13 sek 15 sek 7 sek 9 Trend 3 min 44 sek 6 min 1 min 3 min 45 sek 78

12 Wykres 1. Wyniki analizy dokładności wygenerowanych modeli dla obiektu Teras Wisły przy Józefowie Wykres 2. Wyniki analizy dokładności wygenerowanych modeli dla obiektu Poligon WAT 79

13 Wykres 3. Wyniki analizy dokładności wygenerowanych modeli dla obiektu Górka w Parku Moczydło NATURALNEGO SĄSIADA WAŻONE ODWROTNOŚCIĄ ODLEGŁOŚCI KRIGING - SFERYCZNY KRIGING - KOŁOWY KRIGING - WYKŁADNICZY KRIGING - GAUSS A < 83,0 83,0-83,5 83,5 84,0 84,0 84,5 84,5 85,0 85,0 85,5 85,5 86,0 86,0 86,5 86,5 87,0 > 87,0 KRIGING - LINIOWY SPLINE TREND Rys. 6. Analiza wizualna na przykładzie obiektu Teras Wisły przy Józefowie. 80

14 W wyniku przeprowadzonych analiz oceniono metody interpolacji punktów lotniczego skanowania laserowego LIDAR, pochodzących z projektu ISOK (tabela 8). Tab. 7. Czas wykonywania interpolacji poszczególnymi metodami miejsce TARAS ZALEWOWY WISŁY POLIGON WAT GÓRKA W PARKU MOCZYDŁO 1 Naturalnego Sąsiedztwa Naturalnego Sąsiedztwa Spline 2 Ważonych odwrotności odległości IDW 3 Spline Spline Ważonych odwrotności odległości IDW Kriging: Wykładniczy Kriging: Sferyczny 4 Kriging: Wykładniczy Kriging: Sferyczny Kriging: Kołowy 5 Kriging: Sferyczny Kriging: Wykładniczy Kriging: Liniowy 6 Kriging: Kołowy Kriging: Kołowy Naturalnego Sąsiedztwa 7 Kriging: Liniowy Kriging: Liniowy Ważonych odwrotności odległości IDW 8 Kriging: Gauss'a Kriging: Gauss'a Trend 9 Trend Trend Kriging: Gauss'a - błędna interpolacja PODSUMOWANIE I WNIOSKI W referacie wykorzystano produkty pochodne lotniczego skanowania laserowego LIDAR do generowania NMT. Ocenę metod interpolacji przeprowadzono dla trzech obiektów o zróżnicowanej rzeźbie terenu. Utworzone modele były poddane analizie dokładności w stosunku do tachimetrii elektronicznej. Analiza wykazała błędy o wielkościach rzędu od ± 0,13 m dla obiektu Teras Wisły przy Józefowie, od ± 0,05 m dla obiektu Poligon WAT i od ± 0,10 m dla obiektu Górka w Parku Moczydło. Dokonano oceny wizualnej wygenerowanych modeli NMT i porównania ich między sobą. W oparciu o kryteria takie jak: obliczone na punktach kontrolnych błędy modeli, czas wykonania interpolacji sporządzono ranking metod interpolacji. Wnioski z przeprowadzonych badań są następujące: Przyjęta w projekcie ISOK podstawowa gęstość I standardu 4 pkt/m2 oznacza średnią odległość punktów wynoszącą 0,50 m. Dane pozyskane metodą lotniczego skanowania laserowego LIDAR są zbyt redundancyjne. Do generowania NMT o dokładności zbliżonej do dokładności metody pomiarowej można zredukować punkty sklasyfikowane jako punkty na gruncie nawet o ponad 70%. Niemniej jednak dane z I standardu jak i z II (12 pkt/m2) są przydatne do odwzorowywania bardzo małych, naturalnych form terenowych, oraz form antropogenicznych takich jak: skarpy, wały przeciwpowodziowe, nasypy drogowe i inne, które są kluczowe biorąc pod uwagę cel projektu ISOK. Przyjęty krok siatki pomiarowej punktów kontrolnych ma znaczenie dla otrzymanych wyników, ale głównie zależy on od ukształtowania terenu. Największy wpływ na jakość NMT ma metoda pozyskiwania danych źródłowych oraz wybór metody interpolacji. Wybór metody pomiarowej determinuje rozmieszczenie pikiet. Zagadnienie wpływu rodzaju metody interpolacji na dokładność NMT trudno jest ujmować w formuły matematyczne, bowiem wynik zawsze zależy od obiektu podlegającemu analizie charakteru rzeźby terenu. Nie ma uniwersalnej, najlepszej metody interpolacji. Można stwierdzić, że jedna z metod jest lepsza niż inne; ustalić hierarchię. 81

15 Dana metoda interpolacji daje lepsze lub gorsze wyniki w zależności od reliefu i rozkładu danych źródłowych. Dobranie odpowiedniej metody interpolacji ma ogromne znaczenie, bowiem w przypadku generowania produktów pochodnych (np. nachyleń, spadków) mamy do czynienia z przenoszeniem się błędów z modelu na produkt. Pomiary metodą lotniczego skanowania laserowego zostały wykonane w celu opracowania map ryzyka i zagrożenia powodziowego. Dane pomiarowe zgromadzone w plikach LAS odznaczają się dużą szczegółowością i dokładnością. Pozwalają na wykonanie wspomnianych opracowań na podstawie wcześniej utworzonych NMT i NMPT oraz danych dotyczących przepływów rzek. Złożone obliczenia hydrograficzne oraz niekiedy konieczność wykonania analiz w krótkim czasie wymagają sprawnego wykorzystania danych do wykonywanych zadań. Możliwe to jest wówczas, gdy zbiory danych nie są obciążone danymi nadmiarowymi, które powodują wzrost wielkości plików. W pracy przedstawiono proces przetwarzania danych z LiDAR do generowania NMT. Badania wykazały, że pomiary LiDAR charakteryzują się wysoką dokładnością uzyskania współrzędnych wysokościowych w porównaniu do pozostałych metod fotogrametrycznych i teledetekcyjnych. Dodatkowo, metodę skanowania laserowego cechuje niezależność od warunków pogodowych i wydajność. Koszt opracowania mapy z danych LiDAR jest niższy niż przy wykorzystaniu innych technologii [16]. Do wad pomiarów lotniczym skanerem laserowym zalicza się konieczność wykorzystania specjalistycznego sprzętu pomiarowego, a do opracowania wyników pomiarów sprzętu komputerowego i oprogramowania. Wykonywanie analiz w oparciu o dane pomiarowe jest procesem złożonym, jednak wraz ze zmniejszaniem wielkości plików z danymi LiDAR można ten proces przyspieszyć. Nierzadko zredukowanie danych jest koniecznością wynikającą z ograniczeń możliwości obliczeniowych sprzętu komputerowego. Opracowanie danych częściowo można wykonać w oparciu o darmową aplikację lastools, która umożliwia przycięcie arkuszy z danymi LiDAR, klasyfikację danych, redukcję zbioru punktów wg zadanego parametru oczka siatki oraz eksport danych pomiarowych do regularnej siatki GRID, jednak na dalszym etapie analiz należy użyć specjalistycznego oprogramowania (tu ArcGIS), który pozwala na wygenerowanie i porównanie NMT oraz wykonanie mapy spadków terenu. Wykorzystując nieznaczną część danych z pomiaru LiDAR można utworzyć wysoko dokładne opracowania porównywalne do utworzonych z kompletnych danych. Dokładność pomiaru metodą skanowania laserowego wynoszącą ± 0,15 0,25 osiągnęły wszystkie punkty kontrolne w polu roboczym nr 1, 96% punktów w polu roboczym nr 2 i 93% punktów w polu roboczym nr 3. Wprowadzony współczynnik redukcji powinien zależeć od charakteru terenu, a przede wszystkim od stopnia nachylenia terenu. Zależność między spadkiem terenu a dokładnością NMT wykazują wykonane mapy spadków terenu. Nawet redukcja danych do 95% umożliwia wykonanie NMT z zakładaną przez projekt ISOK dokładnością. Niekiedy wyższy stopnień redukcji danych zmniejsza błąd średni wysokości NMT względem danych niezredukowanych. Należy mieć na uwadze również to, że optymalizacja gęstości pomiarowej musi być dostosowana do wymaganej dokładności NMT oraz do jego przeznaczenia. Na przykładzie trzech pól roboczych charakteryzujących się odmienną rzeźbą terenu można wyciągnąć ogólne wnioski co do spodziewanych dokładności na tego typu obszarach. Błąd średni wysokości NMT dla obszaru o małych deniwelacjach jest niższy niż w przypadku terenu o dużych deniwelacjach oraz wyższy niż na terenie płaskim. Model wygenerowany dla terenu ze stromym wzniesieniem posiada niską dokładność. Podobna sytuacja ma miejsca przy wybrzeżu Wisły, kiedy to wysokość punktów kontrolnych na modelu wskazuje inne wartości niż z pomiaru bezpośredniego. Różnica czasowa pomiędzy wykonaniem pomiarów obiema metodami może mieć znaczący wpływ na rezultaty porównania tych samych obszarów w odstępie 2,5 roku. Podmywanie skarpy przez rzekę powoduje zmianę morfologii terenu. Pomimo wysokiej wegetacji na przeważającym obszarze pól roboczych, w wyniku klasyfikacji prawidłowo rozdzielono punkty z ostatnim odbiciem informujące o wysokości powierzchni terenu, co pozwoliło na utworzenie dokładnych NMT. W tym celu wykonano naloty wczesną wiosną oraz późną jesienią. 82

16 Na uzyskane wyniki miało również wpływ przekształcenie danych pomiarowych do siatki GRID (co wpływa na szczegółowość wyników), kiedy punktom węzłowym siatki przypisano wartość średnią punktów sąsiednich, a następnie wyinterpolowanie danych metodą krigingu. Przeprowadzenie tych operacji umożliwia wyznaczenie wysokości w dowolnym punkcie modelu, które natomiast mogą się różnić w zależności od przyjętych parametrów interpolacji. Metoda krigingu spełniająca warunek minimum sumy kwadratów odchyleń od regresji wydaje się być dobrym wyborem algorytmu opisującego powierzchnię terenu. W celu poprawy modelowania obszarów, w których brak jest odbicia wiązki lasera (od powierzchni wód na granicy z powierzchni Ziemi i od zbiorników wodnych), wymagane byłoby wykorzystanie LiDARa batymetrycznego, lecz to zwiększyłoby koszt pozyskania danych. Przeprowadzone badania wg ustalonej metodyki pozwoliły na potwierdzenie tezy, że zredukowanie danych pomiarowych z lotniczego skanowania laserowego pozwala na utworzenie NMT o dokładności zbliżonej do tych, które utworzono z danych kompletnych i spełniających wymagania warunków technicznych projektu ISOK. Streszczenie Celem pracy jest ustalenie wpływu sposobu opracowania wyników lotniczego skanowania laserowego (LIDAR) na jakość Numerycznego Modelu Terenu (NMT). Autorzy postawili sobie za cel zbadanie czy zredukowanie liczby pomiarów nadliczbowych (zawartych w wynikach pomiarów wykonanych metodą Laserowego Skaningu Lotniczego) wpłynie na spadek jakości produktów opartych na danych z tych pomiarów, których dokładność musi być zgodna z założeniami. Istotną częścią pracy jest przeanalizowanie kwestii na ile otrzymane redukcje mogą być przydatne do wykonywania analiz i tworzenia modeli na zbiorach punktów na potrzeby m.in. zarządzania zagrożeniem powodziowym. Istotnym aspektem pracy jest ocena dokładności danych do utworzenia tzw. map zagrożenia powodziowego uzyskanych ze skaningu laserowego używanych zarówno do określania ryzyka zalania trenów (dla ubezpieczycieli i inwestorów) jak i do zarządzania kryzysowego (ryzyko przelania się wody przez wały, czas i zasadność podejmowania decyzji). The use of LIDAR data in the flood emergency management Abstract The goal of the paper is to present the influence of a different air laser scanning (LIDAR) product preparation methods on the quality of the Digital Terrain Model (DTM). The authors aim to analyze if the reduction of the number of LIDAR overflow observations (which are included in the final product) will change the quality of LIDAR results, assuming the accuracy requirements will remain as planned. In particular, how such reduction could impact the use of LIDAR data in emergency management. The research is based on the LIDAR-driven flood risk maps, which are used by building developers and insurance companies to establish the flood risk factor or by crisis management centers to monitor the safety of flood embankments among many others and to help with efficiency of the emergency decision-making process. BIBLIOGRAFIA 1. Ackerman F., 1996, Technique and strategies for DEM generation. Digital, American Society for Photogrammetry and Remote Sensing., pp Aguilar F. J., Agüera F., Aguilar M. A., Carvajal F., 2005, Effects of terrain morphology, sampling density, and interpolation methods on Grid DEM accuracy, Photogrammetric Engineering & Remote Sensing, pp Adamczyk J., Będkowski K., 2007, Metody cyfrowe w teledetekcji, Wydawnictwo SGGW. 83

17 4. Będkowski K., 2010, Teledetekcja i fotogrametria obszarów leśnych, s Borowiecki I., Ślusarski M., 2010, Lotniczy skaning laserowy LIDAR miasta Krakowa (ocena dokładnościowa), Polska Akademia Nauk. 6. CODGiK, 2014, [data uzyskania dostępu: marzec 2014]. 7. GUGiK, 2014, [data uzyskania dostępu: marzec 2014]. 8. Hejmanowska B., Drzewiecki W. Kulesza Ł.,2008, Zagadnienie jakości Numerycznych Modeli Terenu, Archiwum Fotogrametrii, Kartografii i Teledetekcji, 9. Idrees M. O., Shafri H. Z. M., Saeidi V., 2013, Assessing accuracy of the vertical component of airbone laser scanner for 3D urban infrastructural mapping [W:] Tenże, International Journal of Geoinformatics, Vol. 9, No. 3, September, p ISOK, 2012A, Część Nr 3, Etap Nr 07, Blok LIDAR Nr 3022, Raport dostawy. Zasób bazowy. Numer KERK M /11, Geopolis Sp. z o. o., Kucera International Inc., ISOK, 2012B, Część Nr 3, Etap Nr 10, Blok LIDAR Nr 3049, Raport dostawy. Zasób bazowy. Numer KERK M /11, Geopolis Sp. z o. o., Kucera International Inc., Kraus K., 2014, LaserScanDTMs for Modeling Flood Risk Areas. Photogrammetrische Woche, 2003 [Online] [Dostęp: ] 13. Kurczyński Z., 2008, Metodyka oceny dokładności i scalania wieloźródłowych Numerycznych Modeli Terenu, Archiwum Fotogrametrii, Kartografii i Teledetekcji, 14. Kurczyński Z., Preuss R., 2011, Podstawy fotogrametrii, Oficyna Wydawnicza Politechniki Warszawskiej, Wyd. V, Warszawa. 15. Mandlburger G., Hauer C., Höfle B., Habersack H., Pfeifer N., 2008, Optimisation of LiDAR derived terrain models for river flow modelling [W:] Tenże, Hydrology and Earth System Sciences (HESS), Vol. 5, p Marmol U., 2014, Lotniczy skaning laserowy. Podstawy, Akademia Górniczo-Hutnicza, Kraków,[online:] lotniczy_is.pdf [Dostęp: ] 17. Osada E., 2002, Geodezja, Oficyna Wydawnicza Politechniki Wrocławskiej. 18. Rozp. MSWiA , Rozporządzenie Ministra Spraw Wewnętrznych i Administracji z dnia 9 listopada 2011r. w sprawie standardów technicznych wykonywania geodezyjnych pomiarów sytuacyjnych i wysokościowych oraz opracowywania i przekazywania wyników tych pomiarów do państwowego zasobu geodezyjnego i kartograficznego, Dz. U. Nr 263, Poz State of Ohio Government, 2014, CaddMapping/Aerial/PublishingImages/Remote%20Sensing/Picture2.jpg [Dostęp: ] 20. Wysocki J., 2008, Zagadnienie metody oceny dokładności cyfrowych modeli terenu w aspekcie implementacji europejskiej dyrektywy INSPIRE, Wydawnictwo Politechniki Krakowskiej. 84