OCENA DOKŁADNOŚCI WYSOKOŚCIOWEJ DANYCH LOTNICZEGO SKANINGU LASEROWEGO SYSTEMU ISOK NA OBSZARZE DOLINY RZEKI WIDAWY 1

Acta Sci. Pol., Geodesia et Descriptio Terrarum 13 (3-4) 2014, 27-38 ISSN 1644 0668 (print) ISSN 2083 8662 (on-line) OCENA DOKŁADNOŚCI WYSOKOŚCIOWEJ DANYCH LOTNICZEGO SKANINGU LASEROWEGO SYSTEMU ISOK NA OBSZARZE DOLINY RZEKI WIDAWY 1 Kamila Pawłuszek, Marcin Ziaja, Andrzej Borkowski Uniwersytet Przyrodniczy we Wrocławiu Streszczenie. Głównym obszarem zastosowań lotniczego skaningu laserowego (ALS) jest budowa wysokorozdzielczych precyzyjnych numerycznych modeli terenu (NMT). W Polsce, na potrzeby budowy systemu osłony przed nadzwyczajnymi zagrożeniami, zeskanowano niemal całą powierzchnię kraju. Jakość i dokładność danych skaningu były przedmiotem kontroli na etapie ich pozyskiwania. W niniejszej pracy dane te poddano ocenie dokładności wysokościowej według odmiennej metodyki. Dokonano oceny dokładności wewnętrznej polegającej na wpasowaniu, metodą najmniejszych kwadratów, płaszczyzny w zbiór danych repezentujących płaską powierzchnię, np. połać dachu, oraz oszacowaniu błędu średniego na podstawie odchyłek danych ALS od tej powierzchni. Testy wykonano dla 36 płaszczyznowych powierzchni reprezentujących dachy, drogi, łąki oraz pola orne. W przypadku powierzchni antropogenicznych otrzymany błąd średni kształtuje się na poziomie zbliżonym do dokładności pomiaru odległości przez system skanujący i wynosi od 2 do 4 cm. Dla powierzchni naturalnych, o dużej szorstkości błąd ten rośnie do wartości od 3 do 20 cm. Ocenę dokładności zewnętrznej (absolutnej) wykonano na podstawie porównania wysokości danych ALS z wysokościami punktów referencyjnych pomierzonych technikami geodezyjnymi. Oszacowanie dokładności przeprowadzono w przypadku trzech klas pokrycia terenu (pola i łąki, drogi, lasy) oraz czterech obszarów testowych, zlokalizowanych na obszarze doliny rzeki Widawy. Ocenę dokładności wykonano na potrzeby modelowania hydrologicznego. Dokładność absolutna waha się w poszczególnych typach pokrycia od niewiele ponad 10 cm w przypadku dróg do ponad dwukrotnie większej wartości na terenach leśnych. Słowa kluczowe: lotniczy skaning laserowy, NMT, ISOK, dokładność Praca została sfinansowana z środków Narodowego Centrum Nauki w ramach projektu nr UMO-2011/01/D/ST10/07671 Copyright by Uniwersytet Przyrodniczy we Wrocławiu Adres do korespondencji Corresponding author: Kamila Pawłuszek, Instytut Geodezji i Geoinformatyki, Uniwersytet Przyrodniczy we Wrocławiu, 50-357 Wrocław, ul. Grunwaldzka 53, e-mail: kamila.pawluszek@igig.up.wroc.pl

28 K. Pawłuszek i in. WSTĘP Lotniczy skaning laserowy (ALS), jako technologia pozyskiwania punktowej informacji o skanowanej powierzchni, znajduje na przestrzeni ostatniego dziesięciolecia wciąż nowe zastosowania. Przegląd możliwości i obszarów wykorzystania danych ALS można znaleźć w pracy Vosselman i Maas [2010]. Głównym obszarem zastosowania ALS jest jednak budowa Numerycznych Modeli Terenu (NMT). W tym obszarze przewaga ALS nad innymi technikami jest oczywista, zwłaszcza na terenach trudno dostępnych. Na dokładność NMT interpolowanych na podstawie danych ALS wpływa przede wszystkim dokładność samych danych ALS, opisujących przebieg topograficznej powierzchni terenu. Ta z kolei zależy od dokładności i charakterystyki systemu skanowania (np. dywergencji wiązki laserowej), dokładności inercyjnych danych nawigacyjnych i GNSS, stabilności nalotu fotogrametrycznego, dokładności wyrównania i kalibracji danych oraz oczywiście ukształtowania i rodzaju pokrycia terenu [Krauss i in. 2006]. Znaczenie poszczególnych błędów związanych z systemem skanowania i opracowania chmur punktów oraz ich wpływ na ostateczny wynik dyskutowane są w pracach Maas [2003], Habib i in. [2008], Vang [2012]. Zhang i Liu [2004] przeanalizowali wpływ poszczególnych błędów systematycznych na końcową dokładność danych ALS. W zastosowanych praktycznych wpływ poszczególnych czynników na ogół trudno jest oddzielić i dlatego oceniany jest z reguły ich całkowity wpływ na dokładność danych ALS. Ocena dokładności wysokościowej danych ALS wykonywana jest zwykle na podstawie porównania, w danym punkcie, wysokości określonej (wyinterpolowanej) za pomocą chmury punktów ALS oraz pomierzonej bezpośrednio w terenie technikami o istotnie wyższej dokładności, z reguły technikami geodezyjnymi. Podejście takie zastosowane zostało w pracy Estornell i in. [2011], gdzie poddano analizie wypływ nachylenia terenu, gęstości punktów skanowania i roślinności na końcową dokładność NMT. Liu [2011] wykorzystał wysokości punktów osnowy geodezyjnej do oceny dokładności wysokościowej danych LiDAR. Badania te przeprowadzono na obszarze stanu Victoria w Australii, gdzie osnowa pomiarowa charakteryzuje się wysoką dokładnością (średni błąd wysokości 0,03 m) oraz dużym zgęszczeniem. W pracy Gołuch i in. [2007] przedstawiono ocenę dokładności wysokościowej danych skaningu laserowego systemu ScaLARS, bazującego na skanerze typu CW (continuous wave). Zastosowano tutaj metodologię oceny dokładności polegającą na porównaniu wysokości danych ALS z bezpośrednimi pomiarami terenowymi. Pola testowe natomiast zlokalizowano na obszarze doliny rzeki Widawy. Te same pola testowe wykorzystano w niniejszej pracy. Przedmiotem oceny dokładności w niniejszej pracy są dane lotniczego skanowania laserowego pozyskane za pomocą systemu ISOK (Informatyczny System Osłony Kraju przed nadzwyczajnymi zagrożeniami). Ocena ta wykonana została w dwóch wariantach: dokładności absolutnej (zewnętrznej) określonej na podstawie porównana wysokości danych ALS z wynikami pomiarów bezpośrednich technikami geodezyjnymi oraz GNSS; dokładności wewnętrznej, określonej na podstawie rozrzutu punktów ALS względem płaskiej powierzchni obszaru testowego. W odróżnieniu od standardowej kontroli dokładności w systemie ISOK [Wężyk 2015] ocena dokładności wykonana w niniejszej pracy dotyczy obszarów o różnych for- Acta Sci. Pol.

Ocena dokładności wysokościowej... 29 mach pokrycia terenu. Obszary testowe, reprezentujące różne kategorie pokrycia terenu, zlokalizowane zostały na obszarze doliny rzeki Widawy. Obiekt ten wykorzystywany był wielokrotnie w badaniach związanych z modelowaniem hydrodynamicznym [Borkowski i in. 2006a, b, c] i dostępne są dla niego różnego rodzaju dane referencyjne. W niniejszej pracy wyniki pomiarów GNSS na punktach kontrolnych wykorzystano do oceny dokładności bezwzględnej danych ALS systemu ISOK. KRÓTKA CHARAKTERYSTYKA DANYCH ALS SYSTEMU ISOK ISOK jest systemem, który został stworzony w celu wsparcia społeczeństwa, gospodarski i środowiska przed nadzwyczajnymi zagrożeniami, a także w celu wspomagania podejmowania decyzji w przypadku wystąpienia zagrożeń naturalnych, głównie powodzi. Na potrzeby tego systemu skanowanie laserowe zostało wykonane w dwóch różnych standardach. Skanowanie według pierwszego standardu, który pokrywa zdecydowaną większość kraju poza granicami miast, zostało wykonane z gęstością 4 6 pkt/m 2. Natomiast obszary w zasięgu standardu II (głównie w granicach miast) zostały zeskanowane z gęstością 12 pkt/m 2. Według założeń błąd średni wyznaczenia wysokości na płaskich utwardzonych powierzchniach nie powinien przekraczać 15 cm w standardzie I i 10 cm w standardzie II [Wężyk 2015]. W celu oszacowania dokładności georeferencji bezwzględnej danych LiDAR zostały wybrane, a następnie pomierzone w terenie technikami geodezyjnymi płaszczyzny kontrolne wysokościowe oraz sytuacyjno-wysokościowe. Minimalna liczba płaszczyzn kontrolnych zależy od wielkości bloku LiDAR i w przypadku kontroli wysokościowej wynosiła: pięć, jeśli wielkość bloku jest poniżej 400 km 2, osiem, jeśli wielkość bloku wynosi od 400 do 1000 km 2, dziesięć, jeśli wielkość bloku jest powyżej 1000 km 2. Pomiar terenowy płaszczyzn kontrolnych realizowany był metodą tachimetryczną, przy czym współrzędne stanowisk pomiarowych wyznaczono metodą GNSS-RTK w nawiązaniu do osnowy wysokościowej I lub II klasy. Dla każdej płaszczyzny kontrolnej otrzymano rozbieżności Δh pomiędzy wynikami pomiaru geodezyjnego a danych LiDAR. Ze względu na różne standardy wyznaczania płaszczyzn referencyjnych oraz sposoby wyznaczania różnic Δh stosowano w różnych okresach realizacji projektu różne wartości odchyłek dopuszczalnych. Generalnie, georeferencja bezwzględna była akceptowalna, jeśli różnice Δh nie przekraczały maksymalnie 30 cm w przypadku standardu I i 20 cm dla standardu II [Wężyk 2015]. Ponadto w procesie kontroli sprawdzano szereg innych parametrów dokładnościowych, jak rozbieżności na stykach bloków LiDAR, poprawność klasyfikacji czy kontrola nadania atrybutów RGB. OBIEKT BADAWCZY I OBSZARY TESTOWE Ocenę dokładności bezwzględnej danych ALS wykonano na podstawie czterech obszarów testowych zlokalizowanych na obszarze doliny rzeki Widawy, położonej na północ od Wrocławia. Lokalizacje obszarów testowych przedstawia rysunek 1. Geodesia et Descriptio Terrarum 13 (3-4) 2014

30 K. Pawłuszek i in. Rys. 1. Lokalizacja obiektów testowych z zaznaczonym rozmieszczeniem punktów referencyjnych Fig. 1. The location of the test sites with reference points Skanowanie laserowe tego obszaru zostało wykonane w standardzie II. Wybrano cztery reprezentatywne obszary testowe (Szewczenki, Krzywoustego, Paniowice, Sołtysowice nazwy pochodzą od nazw osiedli bądź ulic, w okolicach których te obszary się znajdują) o zróżnicowanym pokryciu terenu. Obszary te zlokalizowane są w różnych miejscach doliny rzeki Widawy (rys. 1). Dane referencyjne pozyskano w czasie realizacji prac badawczych przedstawionych w pracach [Gołuch i in. 2007, 2008]. Z ogólnej liczby punktów pomierzonych na obszarach testowych w niniejszej pracy wykorzystano 498 punktów. Jest to tylko część pomierzonych wówczas punktów referencyjnych. Ze względu na zmiany ukształtowania powierzchni terenu w okresie pomiędzy pozyskaniem danych referencyjnych a danych ALS, spowodowane procesami inwestycyjnymi czy zagospodarowaniem terenu, część obszarów testowych została wyłączona z opracowania w niniejszej pracy. Wyłączenie obszarów (bądź punktów referencyjnych) poprzedziły analizy porównawcze ortofotomapy i zdjęć lotniczych. Pomiar punktów referencyjnych wykonany był bezpośrednio w terenie, wykorzystując technikę pomiaru GPS-RTK i metodę tachimetryczną. Dolina rzeczna charakteryzuje się dużą różnorodnością ukształtowania i pokrycia terenu. Analizę przeprowadzono dla trzech kategorii terenu: las i zadrzewienia, teren o bardzo urozmaiconym ukształtowaniu z licznymi lokalnymi obniżeniami i oczkami wodnymi, łąki i pola orne teren użytkowany rolniczo, generalnie obszar płaski; do tej kategorii włączono również pastwiska i nieużytki ze średnio wysoką trawą (wysokość ok. 40 60 cm), drogi są to drogi gruntowe, brukowe i asfaltowe, wzdłuż tych dróg często występują drzewa i zarośla, są także rowy i nieduże skarpy. Acta Sci. Pol.

Ocena dokładności wysokościowej... 31 Ocenę dokładności wewnętrznej danych LiDAR wykonano na podstawie 36 pól testowych stanowiących różnorodne, naturalne bądź sztuczne powierzchnie reprezentujące płaszczyzny, również nachylone. Jako pola testowe wykorzystano między innymi połacie dachów, pokrytych gładkim materiałem, bądź ich fragmenty, utwardzone powierzchnie (drogi/place) oraz płaskie fragmenty powierzchni naturalnych zlokalizowanych na terenach uprawianych rolniczo i wałach przeciwpowodziowych. METODOLOGIA I WYNIKI Ocena dokładności wewnętrznej Ocenę dokładności wewnętrznej danych ALS na obszarze objętym badaniem wykonano na podstawie stosunkowo niewielkich obszarów płaskich zlokalizowanych na powierzchniach naturalnych i sztucznych (np. dachy). Punktem wyjścia jest założenie, że obszary te reprezentują płaszczyznę w przestrzeni trójwymiarowej. Zbiór punktów ALS {x,y,z} na tym obszarze aproksymowany jest płaszczyzną Ax+By+Cz+D=0 z wykorzystaniem metody najmniejszych kwadratów, przy czym minimalizowane są odległości d punktów ALS od płaszczyzny aproksymacyjnej, n d 2 i i= 1 min. (1) Miarą dokładności wewnętrznej jest odchylenie standardowe (błąd średni) σ d, 1 σ =, n d 2 di 2 n i= 1 gdzie n jest liczbą punktów, na podstawie których obliczane są parametry płaszczyzny. Wyniki obliczeń wraz z informacją dotyczącą estymowanej powierzchni pokrycia podano w tabeli 1. Ponadto, w przypadku otrzymanych w wyniku aproksymacji odchyłek d i wykonano test Shapiro-Wilka mający na celu weryfikację hipotezy zerowej H 0 o rozkładzie normalnym tych odchyłek. W wyniku obliczeń wykonanych według metodologii podanej w pracy Sobczyk [2002] stwierdzono, że w większości pól testowych odchyłki nie mają charakteru rozkładu normalnego. Brak podstaw do odrzucenia hipotezy H 0 stwierdzono w czterech przypadkach, dwóch dla powierzchni dachów i dwóch dla dróg. Powierzchnie te wyszczególnione są pod pozycjami 2, 3, 17 i 18 w tabeli 1. Z drugiej strony, powszechnie wiadomo, że testy typu Shapiro-Wilka są bardzo wrażliwe na pojedyncze obserwacje odstające. W przypadku dużej liczby danych są bardzo trudne do spełnienia i już obecność czterech powierzchni testowych spełniających kryterium rozkładu normalnego na poziomie istotności α = 0,05 świadczy o wysokiej jakości danych ALS. Należy zauważyć, że wyboru powierzchni testowych dokonano w ten sposób, aby wyeliminować ewentualne błędy grube, np. odbicia od anten, kominów itd. Z drugiej strony, jeśli w zbiorze pozostały pojedyncze punkty odstające, np. odbicia od piorunochronów, to ich wpływ na wynik estymacji był całkowicie zaniedbywalny, z racji dużej liczby punktów (do kilku tysięcy, tab. 1) reprezentujących daną powierzchnię. (2) Geodesia et Descriptio Terrarum 13 (3-4) 2014

32 K. Pawłuszek i in. Tabela 1. Zestawienie wyników oceny dokładności wewnętrznej danych ALS Table 1. Results of the inner accuracy evaluation of the ALS data Lp. Typ powierzchni Liczba punktów Odchylenie standardowe [m] Lp. Typ powierzchni Liczba punktów Odchylenie standardowe [m] 1. dach 3132 0,042 19 łąka 2578 0,038 2. dach 814 0,020 20 łąka 3939 0,073 3. dach 247 0,023 21 łąka 3992 0,103 4. dach 1026 0,033 22 łąka 2000 0,061 5. dach 1241 0,042 23 łąka 17063 0,086 6. dach 1875 0,028 24 łąka 1635 0,051 7. dach 2439 0,031 25 łąka 11396 0,245 8. dach 4909 0,027 26 łąka 33022 0,248 9. dach 4574 0,032 27 łąka 25471 0,318 10. droga 1586 0,026 28 pole orne 4471 0,155 11. droga 1126 0,028 29 pole orne 4188 0,085 12. droga 1594 0,025 30 pole orne 4608 0,101 13. droga 840 0,030 31 pole orne 30134 0,169 14. droga 682 0,038 32 pole orne 15546 0,183 15. droga 1614 0,029 33 pole orne 6009 0,146 16. droga 1060 0,032 34 pole orne 11390 0,111 17. droga 1241 0,024 35 pole orne 13610 0,093 18. droga 708 0,030 36 pole orne 9014 0,140 Analizując wyniki w tabeli 1, uwagę zwraca wysoka dokładność aproksymacji powierzchni antropogenicznych typu dach i droga utwardzona. We wszystkich przypadkach wyraźna jest również duża homogeniczność wyników dla poszczególnych powierzchni. Wyjątek stanowią pola testowe wybrane na łące, gdzie występuje spory rozrzut wyników dokładności aproksymacji. Przyczyną tego może być zróżnicowana kultura uprawy tego typu użytku (wyższa/niższa trawa). Ocena dokładności absolutnej Dokładność absolutną danych ALS określono na podstawie porównania wysokości punktów pomierzonych technikami geodezyjnymi z wysokościami tych samych punktów określonych na podstawie danych ASL. Wysokości punktów pomierzone technikami geodezyjnymi przyjęto jako bezbłędne. Różnice h i obliczone pomiędzy wysokościami punktów referencyjnych a wysokościami danych ALS posłużyły do obliczenia błędu średniego danych ALS, zgodnie z zależnością (2) (d i zastępujemy h i ). Problemem w takim postępowaniu jest wybór punktu ALS odpowiadającemu punktowi referencyjnemu. Ponieważ ślad plamki lasera na powierzchni terenu wynosi około 0,3 m, postanowiono wybierać punkt z pewnego większego otoczenia punktu bezbłędnego, w przypadku którego można założyć, że wszystkie znajdujące się wewnątrz niego punkty powierzchni terenu mają taką samą wysokość. Rozpatrywana była klasa grunt sklasyfikowanej chmury punktów. Obliczenia wykonano w dwóch wariantach: Acta Sci. Pol.

Ocena dokładności wysokościowej... 33 Wariant I: jako odpowiednik punktu referencyjnego wybierany był najniżej położony (w ustalonym obszarze poszukiwania) punkt skaningu; Wariant II: jako odpowiednik punktu referencyjnego wybierany był punkt skaningu o wysokości najbardziej zbliżonej do wysokości punktu referencyjnego (w ustalonym obszarze sąsiedztwa). Takie postępowanie uzasadnione jest szorstkością powierzchni terenu. W większości przypadków punkt wybrany w tym wariancie był tożsamy z punktem wybranym w wariancie I. Obliczenia w wariancie II można traktować jako pewnego rodzaju kontrolę obliczeń wykonanych w wariancie I. Na podstawie wysokości punktów referencyjnych oraz wysokości punktów zidentyfikowanych w wariancie I lub II wyznaczone zostały dwie wartości h 1 i h 2, będące miarą dokładności danych ALS oraz podstawą do obliczenia dalszych parametrów dokładnościowych. Metodologia wyznaczenia błędu wysokości pojedynczego punktu, zastosowana w niniejszej pracy, przedstawiona została szczegółowo w pracy Gołuch i in. [2007]. Z tego powodu nie będziemy tutaj przytaczać szczegółów. Do realizacji algorytmu wyznaczenia błędu pojedynczego punktu przyjęto następujące założenia: Kryterium sąsiedztwa r zdefiniowano jako trzykrotną wielkości plamki lasera, to znaczy rozpatrywano tylko punkty ALS odległe od punktu referencyjnego w tym zakresie. Jeśli w przedziale < 0, r > było mniej niż dwa punkty ALS, wówczas taki punkt referencyjny nie był uwzględniany w dalszych obliczeniach. Jeśli w przedziale < 0, r > zidentyfikowano minimum dwa punkty, wówczas dokonano wyboru punktów ALS zgodnie z wariantem I i II oraz obliczano wartości residuów h 1 i h 2. Na podstawie wartości h 1, h 2 wyznaczonych w przypadku wszystkich punktów referencyjnych obliczono błędy średnie dla poszczególnych kategorii terenu. Wyniki obliczeń zestawiono w tabeli 2. Oprócz błędów średnich, dla poszczególnych kategorii terenu oraz ogółem, podano następujące charakterystyki: maksymalną i minimalną odchyłkę, wartość średnią odchyłek oraz bezwzględną wartość średnią odchyłek. Dodatkowo, wartości te zestawiono również dla poszczególnych pól testowych w II wariacie obliczeń (punkty najbliższe wysokościowo ). Analizując wartości zestawione w tabeli, należy stwierdzić, że dokładności wyznaczenia wysokości wynoszą od 0,12 do 0,24 m, w zależności od kategorii terenu i obszaru testowego. Dokładności te są stosunkowo homogeniczne niezależnie od kategorii terenu. Ponadto, w przypadku poszczególnych kategorii pokrycia wykonano wykresy kwantyl-kwantyl (rys. 2), na których obserwowane wartości odchyłek wykreślane są względem teoretycznych wartości kwantyli rozkładu normalnego. Jest to alternatywa do testów statystycznych, graficzna metoda oceny zgodności danych obserwacji z rozkładem normalnym. Wykresem wynikowym jest wykres rozrzutu wartości obserwowanych względem standaryzowanych, oczekiwanych wartości wynikających z rozkładu normalnego [Cleveland 1985]. Z dobrym dopasowaniem obserwacji (w naszym przypadku odchyłek h) do rozkładu normalnego mamy do czynienia wtedy, gdy punkty wykresu układają się wzdłuż linii prostych. Z wykresów przedstawionych na rysunku 2 wynika, że rozkład odchyłek odbiega od rozkładu normalnego. W części środkowej szereg obserwacji koncentruje się wokół rozkładu normalnego, jednak jest wiele obserwacji o zbyt dużych wartościach (błędy grube). Przyczynami tego są szorstkość powierzchni oraz występowanie roślinności niskiej (trawy). Geodesia et Descriptio Terrarum 13 (3-4) 2014

34 K. Pawłuszek i in. Tabela 2. Zestawienie wyników oceny dokładności absolutnej danych ALS z rozbiciem na kategorie terenu i obszary testowe Table 2. Results of the absolute accuracy evaluation of the ALS data by categories of land use and test sites Wariant obliczeń Wariant I Wariant II Obszary testowe Razem Razem Krzywoustego Sołtysowice Paniowice Szewczenki Pola i łąki Max Δh [m] 1,047 0,697 0,081 0,233 0,697 Min Δh [m] -0,619-0,619-0,619-0,423-0,359 Średnia Δh [m] -0,105-0,118-0,217-0,128 0,103 Średnia Δh [m] 0,168 0,156 0,225 0,136 0,216 Błąd średni [m] 0,222 0,203 0,292 0,169 0,292 Liczebność 141 20 107 14 Drogi Max Δh [m] 0,290 0,172 0,172 0,070 Min Δh [m] -0,865-0,865-0,865-0,210 Średnia Δh [m] 0,007-0,036-0,064 0,000 Średnia Δh [m] 0,092 0,053 0,075 0,025 Błąd średni [m] 0,141 0,117 0,151 0,046 Liczebność 99 56 43 Las Max Δh [m] 1,479 1.419 1,419 0,278 Min Δh [m] -1,054-1,054-0,594-1,054 Średnia Δh [m] -0,001-0,062 0,044-0,125 Średnia Δh [m] 0,168 0,120 0,805 0,140 Błąd średni [m] 0,27 0,230 0,219 0,230 Liczebność 258 95 163 Ogółem Max Δh [m] 1,479 1,419 Min Δh [m] -1,054-1,054 Średnia Δh [m] -0,03-0,070 Średnia Δh [m] 0,15 0,117 Błąd średni [m] 0,24 0,200 Liczebność 498 Acta Sci. Pol.

Ocena dokładności wysokościowej... 35 0.8 Pola i ki 0.4 Drogi 1.5 Las Kwantyle ró nic wysoko ci h 0.6 0.4 0.2 0-0.2-0.4-0.6 Kwantyle ró nic wysoko ci h 0.2 0-0.2-0.4-0.6-0.8 Kwantyle ró nic wysoko i h 1 0.5 0-0.5-0.8-3 -2-1 0 1 2 3 Kwantyle rozk adu normalnego -1-3 -2-1 0 1 2 3 Kwantyle rozk adu normalnego -1-3 -2-1 0 1 2 3 Kwantyle rozk adu normalnego Rys. 2. Wykresy kwantyli rozkładu różnic wysokości pomiędzy punktami referencyjnymi a punktami danych ALS względem kwantyli rozkładu normalnego Fig. 2. The quantile-quantile plot for height differences between reference points and ALS points versus normal distribution PODSUMOWANIE Głównym przeznaczeniem danych lotniczego skaningu laserowego pozyskanych w ramach projektu ISOK jest ich wykorzystanie do budowy numerycznych modeli powierzchni topograficznej terenu bądź powierzchni pokrycia terenu na potrzeby modelowania hydrologicznego w dolinach rzecznych oraz opracowanie map zagrożenia powodziowego [Kowalski 2013, Bakuła 2015]. Dane były kontrolowane według przyjętej metodologii na etapie ich pozyskiwania. W niniejszej pracy podjęto ocenę dokładności danych ALS, według odmiennej metodologii, na obszarze doliny rzeki Widawy. Obszar ten jest dobrze rozpoznanym poligonem badawczym związanym z modelowaniem hydrologicznym. Dla obszaru tego wykonano w 2005 r. lotniczy skaning laserowy z wykorzystaniem skanera ScaLARS [Borkowski i in. 2006b, c] oraz referencyjne pomiary bezpośrednie techniką RTK-GPS. Dane te zostały wykorzystane również w niniejszej pracy do oceny dokładności bezwzględnej danych ALS. W zakresie metodyki oceny dokładności zastosowanej w niniejszej pracy wykonano również ocenę dokładności wewnętrznej, której miarą jest rozrzut punktów ALS względem dobrze zdefiniowanej i jednoznacznie identyfikowalnej w terenie powierzchni płaskiej. Miara ta w przypadku powierzchni typu dachy budynków oraz powierzchnie utwardzone (drogi) kształtujące się przeciętnie na poziomie trzech centymetrów, co wskazuje na bardzo dobrą jakość danych ALS. Biorąc dodatkowo pod uwagę homogeniczność tych wartości dla poszczególnych powierzchni testowych, należy stwierdzić, że zaobserwowane wartości błędów średnich kształtują się na poziomie dokładności pomiaru odległości przez system skanujący. Wykonane w przypadku tych powierzchni testy statystyczne wskazują na przypadkowy charakter błędów. Dla powierzchni naturalnych typu łąka czy pole orne błędy wahają się od kilku do trzydziestu centymetrów. W przypadku tych powierzchni głównym czynnikiem mającym wpływ na dokładność jest szorstkość powierzchni. Dokładność absolutna (bezwzględna) waha się dla poszczególnych typów pokrycia od niewiele ponad 10 cm dla dróg do ponad dwukrotnie większej wartości dla terenów leśnych. W przypadku powierzchni typu łąka i pole orne dokładności obliczone obydwoma metodami są zbliżone. Świadczy to o tym, że głównym czynnikiem błędu jest szorstkość powierzchni. Znaczna rozbieżność wartości dla dróg może wynikać również z tego, że w przypadku określania dokładności wewnętrznej brano pod uwagę tylko drogi asfaltowe, Geodesia et Descriptio Terrarum 13 (3-4) 2014

36 K. Pawłuszek i in. natomiast w drugim przypadku często były to drogi nieutwardzone. Ogólnie, dane ALS na badanym obszarze cechują się wysoką dokładnością, zwłaszcza jeśli uwzględnimy fakt, że pola testowe wybierane były na obszarach raczej trudnych, np. na skarpach wałów przeciwpowodziowych. Z drugiej strony wielkości te są wyższe niż ostateczne uzyskane w ramach projektu ISOK (poniżej 10 cm w standardzie I oraz poniżej 7 cm w standardzie II) [Wężyk 2015]. Porównując otrzymane dokładności z dokładnościami skanera ScaLARS (skaner typu CW) dla tych samych pól kontrolnych, podanymi w pracy Gołucha i in. [2007], należy zauważyć kilkucentymetrowy wzrost dokładności w przypadku skanerów impulsowych stosowanych w projekcie ISOK w stosunku do skanera typu CW. PIŚMIENNICTWO Bakuła K.I., 2014. Rola redukcji ilościowej danych wysokościowych pozyskanych z lotniczego skaningu laserowego w procesie tworzenia map zagrożenia powodziowego. Rozprawa doktorska, Politechnika Warszawska, Wydział Geodezji i Kartografii. Borkowski A., Gołuch P., Mokwa M., Tymków P., 2006a. Wykorzystanie lotniczego skaningu laserowego do budowy numerycznego modelu terenu doliny rzeki Widawy. Problemy Hydrotechniki, 171 178. Borkowski A., Gołuch P., Wehr A., 2006b. Rejestracja doliny rzeki Widawy z wykorzystaniem lotniczego skanowania laserowego. Archiwum Fotogrametrii, Kartografii i Teledetekcji, Vol. 16, 53 62. Borkowski A., Gołuch P., Wehr A., Schiele O., Thomas M. 2006c. Airborne laser scanning for the purpose of hydrodynamic modelling of Widawa river valley. Reports on Geodesy, No. 2 (77), 85 94. Cleveland W.S., 1985. The Elements of Graphing Data. Wadsworth. Estornell J., Ruiz L.A., Velázquez-Martí B., Hermosilla H., 2011. Analysis of the factors affecting LiDAR DTM accuracy in a steep shrub area. International Journal of Digital Earth, Vol. 4 (6), 522 538. Gołuch P., Borkowski A., Jóźków G., 2007. Ocena dokładności danych lotniczego skaningu laserowego systemu ScaLARS. Archiwum Fotogrametrii, Kartografii i Teledetekcji, Vol. 17, 261 270. Gołuch P., Borkowski A., Jóźków G., 2008. Badanie dokładności NMT interpolowanego na podstawie danych lotniczego skaningu laserowego systemu ScaLARS. Acta Scientiarum Polonorum seria Geodesia et Dercriptio Terrarum, (7) 2, 37 47. Habib A.F., Al-Durgham M., Kersting A.P., Quackenbush P., 2008. Error budget of LiDAR systems and quality control of the derived point cloud. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. XXXVII. Part B1. Beijing, 203 210. Kowalski M., 2013. Zastosowanie technologii lotniczego skaningu laserowego na przykładzie projektu Informatyczny System Osłony Kraju przed nadzwyczajnymi zagrożeniami (ISOK). Przegląd Geodezyjny, LXXXV, Nr 11, 9 12. Kraus K., Karel W., Briese C., Mandlburger G., 2006. Local accuracy measure for digital terrain models. Photogrammetric Record 2 (116), 342 354. Liu X., 2011. Accuracy assessment of LiDAR elevation data using survey marks. Survey Review, 43 (319), 80 93. Acta Sci. Pol.

Ocena dokładności wysokościowej... 37 Maas H.G., 2003. Planimetric and height accuracy of airborne lasers canner data: user requirements and system performance [in:] D. Fritsch (ed.), Photogrammetric Week 03, Wichmann, 117 125. Sobczyk M., 2002. Statystyka. PWN Warszawa. Wężyk P. (red.), 2015. Podręcznik dla uczestników szkoleń z wykorzystaniem produktów LiDAR. ISOK, Warszawa Wang J., Xu L., Li X., Quan Z., 2012. Quantitative evaluation of impacts of random errors on ALS accuracy using multiple linear regression method. IEEE Transaction on Instrumentation and Measurement. Vol. 61 (8), 2242 2252. Vosselman G., Maas H.G., 2010. Airborne and terrestrial laser scanning. Whittles Publishing, Dunbeath. Zhang X., Liu J., 2004. Analysis of systematic error influences on accuracy of Airborne Laser Scanning Altimetry. Geospatial Information Science, Vol. 7 (3), 218 224. ACCURACY ASSESSMENT OF THE HEIGHT COMPONENT OF THE AIRBORNE LASER SCANNING DATA COLLECTED IN THE ISOK SYSTEM FOR THE WIDAWA RIVER VALLEY Abstract. The main application of airborne laser scanning (ALS) technology is the data collection for creating high quality digital elevation models (DEM). In Poland, almost entire area of the country has been scanned for the implementation phase of extraordinary hazards (mostly water hazards) protection system (ISOK). The quality of acquired data was a subject of inspection at the acquisition time. In this study, an alternative methodology was applied to evaluate the height component accuracy of the ALS data. For the inner accuracy evaluation (data consistency), subsets of the point cloud representing flat surfaces (e.g. roofs) were used. This data was approximated by a plane using least squares method. Based on residuals between approximated plane and the ALS data a mean square error was calculated. Numerical tests were executed for 36 planes representing roofs, roads, meadows and arable fields. For the anthropogenic areas the estimated mean square error is similar to the accuracy of distance measurement by a scanning system and ranges from two to four cm. In the case of natural surfaces that are characterized by high roughness, the error increases to a value of three to twenty cm. In order to assess the external (absolute) accuracy of the ALS data, heights of the reference points measured by geodetic techniques were compared with the heights of corresponding (neighboring) ALS points. The accuracy assessment was carried out for three classes of the land use (arable fields and meadows, roads, forests) and four test areas, located in the area of Widawa River Valley. The absolute accuracy varies for different types of land use from slightly more than ten cm for roads to more than double the value for forests. Key words: airborne laser scanning, DTM, ISOK, accuracy Zaakceptowano do druku Accepted for print: 15.12.2014 Do cytowania For citation: Pawłuszek K., Ziaja M., Borkowski A., 2014. Ocena dokładności wysokościowej danych lotniczego skaningu laserowego systemu ISOK na obszarze Doliny Rzeki Widawy, Acta Sci. Pol. Geod. Descr. Terr. 13 (3-4), 27 38. Geodesia et Descriptio Terrarum 13 (3-4) 2014