Построение цифровых моделей рельефа местности на основе ГИС-технологии

 

 

Министерство сельского хозяйства Российской Федерации

Федеральное государственное образовательное учреждение

высшего профессионального образования

«Пермская государственная сельскохозяйственная академия

имени академика Д.Н. Прянишникова»

 

Факультет заочного образования

 

 

 

 

                                                                           Кафедра земельного кадастра

 

 

 

 

 

 

Контрольная работа

по дисциплине: «Географические и земельные

информационные системы»

тема: «Построение цифровых моделей рельефа местности на основе ГИС-технологии»

 

 

 

 

              Выполнил: ст. 5 курса

              группы ГК–11–36

              Васеньков А.О._________

              «____» ____________2015 г.

 

 

              Проверил: доцент

              Поносова Н.Н. __________

             «____» ____________ 2015 г.

 

 

 

Пермь 2015

 

Содержание

Введение . . . . . . . . . . . 3

Построение цифровых моделей рельефа местности  на основе

ГИС-технологии.   . . . . . . .. . . 4

Заключение . . . . . . . . . . . 22

Список используемой литературы . . . . . . . 23

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Введение

 

Развитие вычислительной техники и геоинформатики, оснащение государственных органов более новыми и мощными компьютерами, различными устройствами, средствами цифровой картографии  и появление систем автоматизированного ведения Государственного кадастра недвижимости существенно изменили содержание и технологию кадастровых работ.

Для решения большинства задач в области кадастра объектов недвижимости создание единого информационного пространства, которое включает в себя данные по обработке полевых измерений, графические компоненты для ведения дежурных карт, создание электронной базы объектам недвижимости. Именно для таких целей применяют различные программные обеспечения, к которым относят комплекс программ  Credo, ГИС MapInfo, ГИСинГео, ArcGIS, ГИС Карта 2011. Эти программы позволяют автоматизировать процесс сбора и обработки  информации, повысить скорость обработки исходных данных любой сложности и упростить задачу контроля.

Карта – это построение в картографической проекции, уменьшенное, обобщенное изображение поверхности Земли, показывающее расположенные на ней объекты в определенной системе условных знаков.

Географическая Информационная Система (ГИС) –  это компьютерная система, позволяющая показывать данные на электронной карте. Карты, созданные с помощью ГИС, можно назвать картами нового поколения. На карты ГИС можно нанести не только географические, но и статистические, демографические, технические и многие другие виды данных и применять к ним разнообразные аналитические операции. ГИС обладает уникальной способностью выявлять скрытые взаимосвязи и тенденции, которые трудно или невозможно заметить, используя привычные бумажные карты.

Электронная карта, созданная в ГИС, поддерживается мощным арсеналом аналитических средств, богатым инструментарием создания и редактирования объектов, а также базами данных, специализированными устройствами сканирования, печати и другими техническими решениями, космическими снимками и информацией со спутников.

Конечным продуктом при ведении государственного кадастра должны быть банки кадастровой информации. Пользователями информации, хранящейся в таких банках данных, могут быть органы управления территориями, администрации городов, областей, краев, республик в составе Российской Федерации и Федеральные органы управления. Уровень и объемы имеющейся информации о жизни настолько велики, что уже невозможны ее обработка, анализ и понимание без современных аппаратно-программных средств. Возможность на практике внедрять эффективные экономические механизмы в сфере управления недвижимостью ограничена отсутствием систематизированных и достоверных сведений о земельных участках и иных объектах недвижимости, современных автоматизированных систем и информационных технологий их учета и оценки. Решение этих проблем даст возможность реализовать конституционные нормы и гарантии права собственности на землю и иную недвижимость, активизировать вовлечение земли и иной недвижимости в гражданский оборот, создать основу для сохранения природных свойств и качеств земель в процессе их использования, сформировать базу экономически обоснованного налогообложения в части недвижимого имущества, а также совершенствовать систему управления недвижимостью, находящейся в государственной собственности.

Поэтому становится крайне необходимо создание автоматизированной  системы для кадастра на основе современных компьютерных технологий и телекоммуникаций как единого комплекса для получения полной информации.

 

 

 

 

 

 

 

 

 

Построение цифровых моделей рельефа местности  на основе

ГИС-технологии.

История создания цифровых моделей рельефа(ЦМР).

Изображение рельефа издавна интересовало людей. На древнейших картах крупные формы рельефа отображались как неотъемлемая составляющая ландшафта и как элемент ориентирования. Первым способом отображения рельефа были перспективные знаки, показывающие горы и холмы; однако еще с восемнадцатого столетия началась активная разработка новых, все более сложных способов. Перспективный способ с штриховой прорисовкой представлен на карте Пиренейских гор (1730 г.). Цвет для оформления пластики рельефа впервые был применен в Атласе кампании российских войск в Швейцарии (1799 г.). Первые эксперименты по созданию ЦМР относятся к самым ранним этапам развития геоинформатики и автоматизированной картографии первой половины 1960-х гг.. Одна из первых цифровых моделей рельефа местности была изготовлена в 1961 г. на кафедре картографии Военно-инженерной академии. Впоследствии были разработаны методы и алгоритмы решения различных задач, созданы мощные программные средства моделирования, крупные национальные и глобальные массивы данных о рельефе, накоплен опыт решения с их помощью разнообразных научных и прикладных задач.

Цифровые модели рельефа (ЦМР) - одна из важных моделирующих функций геоинформационных систем, включающая две группы операций, первая из которых обслуживает решение задач создания модели рельефа, вторая - её использование.

Данный вид продукции является полностью трехмерным отображением реального рельефа местности на момент производства съемочных работ, что позволяет использовать его для решения различных прикладных задач, например: определение любых геометрических параметров рельефа, построение профилей поперечного сечения; проведение проектно-изыскательских работ; мониторинг динамики рельефа; вычисление геометрических характеристик (площади, протяженности, периметра) с учетом рельефа для нужд архитектуры и городского планирования; инженерных изысканий, картографии, навигации; расчет крутизны склонов, мониторинга и прогнозирование геологических и гидрологических процессов; расчет освещенности и ветрового режима для архитектуры и городского планирования, инженерных изысканий, экологического мониторинга; построение зон видимости для телекоммуникационных и сотовых компаний, архитектуры и городского планирования. Кроме того, ЦМР широко используются для визуализации территории в виде трехмерных изображений, тем самым, предоставляя возможность для построения виртуальных моделей местности (ВММ).

Актуальность обусловлена потребностью географических исследований в использовании данных о рельефе в цифровой форме в связи с возрастающей ролью геоинформационных технологий при решении различных задач, необходимостью повышения качества и эффективности методов создания и использования цифровых моделей рельефа (ЦМР), обеспечения достоверности создаваемых моделей.

Традиционными источниками исходных данных для создания ЦМР суши служат топографические карты, данные дистанционного зондирования (ДДЗ), данные спутниковых систем позиционирования, геодезических работ; данные промерных работ и эхолотирования, материалы фототеодолитной и радиолокационной съемки.

В настоящее время в некоторых развитых странах созданы национальные ЦМР, например, на территорию США, Канады, Дании, Израиля и других стран. На территорию РФ в настоящее время общедоступные данные подобного качества отсутствуют.

Альтернативным источником данных о высотах являются свободно распространяемые данные SRTM (Shuttle radar topographic mission), доступные на большую часть территории земного шара с разрешением модели 90 м.

Построение ЦМР требует определѐнной формы представления исходных данных (набора координат точек X,Y,Z) и способа их структурного 
описания, позволяющего восстанавливать поверхность путем интерполяции или аппроксимации исходных данных. Исходные данные для формирования ЦМР могут быть получены по картам – цифрованием горизонталей, по стереопарам снимков, а также в результате геодезических измерений или лазерного сканирования местности. Наиболее распространен первый способ, т.к. сбор по стереопарам снимков отличается трудоемкостью и требует специфического программного обеспечения, но в то же время позволяет обеспечить желаемую степень детальности представления земной поверхности. Лазерное сканирование перспективный современный метод, пока достаточно дорогой. 
Построение ЦМР требует определенной структуры данных, а исходные точки могут быть по разному распределены в пространстве. Сбор 
данных может осуществляться по точкам регулярной сетки, по структурным линиям рельефа или хаотично. Первичные данные с помощью тех 
или иных операций приводят к одному из наиболее распространенных в  
ГИС структур для представления поверхностей: GRID, TIN или TGRID. 
TIN (TriangulatedIrregularNetwork) – нерегулярная триангуляционная 
сеть, система неперекрывающихся треугольников. Вершинами треугольников являются исходные опорные точки. Рельеф в этом случае представляется многогранной поверхностью, каждая грань которой описывается 
либо линейной функцией (полиэдральная модель), либо полиноминальной поверхностью, коэффициенты которой определяются по значениям в вер- 
шинах граней треугольников. Для получения модели поверхности нужно 
соединить пары точек ребрами определенным способом, называемым триангуляцией Делоне (рис. 1).

рис.1

Триангуляция Делоне в приложении к двумерному пространству формулируется следующим образом: система взаимосвязанных неперекрывающихся треугольников имеет наименьший периметр, если ни одна из вершин не попадает внутрь ни одной из окружностей, описанных вокруг образованных треугольников (рис.2).Образовавшиеся треугольники при такой триангуляции максимально приближаются к равносторонним, а каждая из сторонообразовавшихся треугольников из противолежащей вершины видна под максимальным углом из всех возможных точек соответствующей полуплоскости. Интерполяция выполняется по образованным ребрам.

рис.2

Отличительной особенностью и преимуществом триангуляционной мо- 
дели является то, что в ней нет преобразований исходных данных. С одной стороны, это не дает использовать такие модели для детального анализа, но с другой стороны, исследователь всегда знает, что в этой модели нет привнесенных ошибок, которыми грешат модели, полученные при использовании других методов интерполяции. Немаловажен и тот факт, что это самый быстрый метод интерполяции. Однако, если в ранних версиях большинства ГИС триангуляционный методы был основной, то сегодня большое распространение получили модели в виде регулярной матрицы значений высот. 
GRID – модель, представляет собой регулярную матрицу значений 
высот, полученную при интерполяции исходных данных. Для каждой 
ячейки матрицы высота вычисляется на основе интерполяции. Фактически 
это сетка, размеры которой задаются в соответствии с требованиями точности конкретной решаемой задачи. Регулярная сетка соответствует земной поверхности, а не изображению. При использовании GRID – модели существует 
некоторая сложность в  выборе интервала между точками. Например, участки поверхности могут быть как сильно пересеченными, так и выположенными. В первом случае необходимо большее количество точек на единицу площади.

Рис. 3. Плотность точек в модели GRID

TGRID (triangulatedgrid) – модель, сочетающая  в себе элементы моделей TIN и GRID. Такие модели имеют свои преимущества, например, позволяют использовать  дополнительные данные для описания  сложных форм рельефа (обрывы, скальные выступы). Восстановление поверхностей реализуется на основе интерполяции исходных данных. Интерполяция – восстановление функции на заданном интервале по известным ее значениям конечного множества точек, принадлежащих этому интервалу. В настоящее время известны десятки методов интерполяции поверхностей, наиболее распространенные: линейная интерполяция; метод обратных взвешенных расстояний, кригинг; сплайнинтерполяция; трендинтерполяция. Кригинг - метод интерполяции, который основан на использовании методов математической статистики. В его реализации применяется идея регионализированной переменной, т.е. переменной, которая изменяется от места к месту с некоторой видимой непрерывностью, поэтому не может моделироваться только одним математическим уравнением. Поверхность рассматривается в виде трех независимых величин. Первая − тренд, характеризует изменение поверхности в определенном направлении. Далее 
предполагается, что имеются небольшие отклонения от общей тенденции, 
вроде маленьких пиков и впадин, которые являются случайными, но все 
же связанными друг с другом пространственно. Наконец, имеется случайный шум (например, валуны). С каждой из трех переменных надо оперировать в отдельности. Тренд оценивается с использованием математического уравнения, которое наиболее близко представляет общее изменение поверхности, во многом подобно поверхности тренда.

Рис.4. Элементы кригинга: 1 − тренд, 2 − случайные, но пространственно связанные высотные колебания, 3− случайный шум.

Ожидаемое изменение высоты измеряется по вариограмме, на которой 
по горизонтальной оси откладывается расстояние между отсчетами, а на 
вертикальной − полудисперсия. Полудисперсия определяется как половина дисперсии между значениями высоты исходных точек и высот соседних точек. Затем через точки данных проводится кривая наилучшего приближения. Дисперсия в какой-то момент достигает максимума и остается постоянной (выявляется предельный радиус корреляции). Интерполяция методом кригинга в большинстве случаев дает хорошие результаты, даже когда плотность исходных точек не велика. Однако, при некотором расположении точек возможно появление резких пиков и впадин. Метод обратных взвешенных расстояний. Этот метод основан на предположении, что чем ближе друг к другу находятся исходные точки, тем ближе их значения. Для точного описания топографии набор точек, по которым будет осуществляться интерполяция, необходимо выбирать в  
некоторой окрестности определяемой точки, так как они оказывают наибольшее влияние на ее высоту. Это достигается следующим образом. Вводится максимальный радиус поиска или количество точек, ближайших по 
расстоянию от начальной (определяемой) точки. Затем значению высоты в  
каждой выбранной точке задается вес, вычисляемый в зависимости от 
квадрата расстояния до определяемой точки. Этим достигается, чтобы 
более близкие точки вносили больший вклад в определение интерполируемой высоты по сравнению с более удаленными точками. Тренд интерполяция. В некоторых случаях исследователя интересуют общие тенденции поверхности, которые характеризуются поверхностью тренда. Аналогично методу обратных взвешенных расстояний для поверхности тренда используется набор точек в пределах заданной окрестности. В пределах каждой окрестности строится поверхность наилучшего приближения на основе математических уравнений, таких как полиномы или сплайны. Поверхности тренда могут быть плоскими, показывая общую тенденцию или более сложными. Тип используемого уравнения или степень полинома определяет величину волнистости поверхности. Например, поверхность тренда первого порядка будет выглядеть как плоскость, пересекающая под некоторым углом всю поверхность. Если поверхность имеет 
один изгиб, то такую поверхность называют поверхностью тренда второго 
порядка.

Сплайн интерполяция. Возможность описания сложных поверхностей 
с помощью полиномов невысоких степеней определяется тем, что при 
сплайн интерполяции вся территория разбивается на небольшие непересекающиеся участки. Аппроксимация полиномами осуществляется раздельно для каждого участка. Обычно используют полином третьей степени -  кубический сплайн. Затем строится общая функция «склейки» на всю область, с заданием условия непрерывности на границах участков и непрерывности первых и вторых частных производных, т.е. обеспечивается гладкость склеивания полиномов. Сглаживание сплайн-функциями особенно удобно при моделировании поверхностей, осложненных разрывными нарушениями, и позволяет избежать искажения типа «краевых эффектов».1. Основными процессами построения ЦМР по картам являются: 
1) Преобразование исходных карт в растровые изображения, т.е. 
сканирование. При сканировании важным является выбор разрешения 
получаемого изображения, излишне высокое разрешение требует больших объемов памяти для хранения исходной информации, в тоже время 
разрешение должно обеспечить необходимую точность сбора информации, которая определяется целями формирования ЦМР. 
2) Монтаж растровых фрагментов. Монтаж или «сшивка» - это 
стыковка нескольких изображений произвольной формы в одно таким 
образом, чтобы границы между исходными изображениями были незаметны. При монтаже осуществляется геопривязка растровых данных. В 
ГИС имеются различные модули для решения этой задачи. 
3) Векторизация растрового изображения. Векторизация, или дигитализация горизонталей может выполняться в ручном, полуавтоматическом и автоматическом режимах. Для различных ГИС разработаны отдельные модули, реализующие эту задачу в автоматических режимах, например, МарЕdit. 
4) Формирование ЦМР. ЦМР создается на основе методов интерполяции и может быть представлена в разных форматах. 
5) Визуализация результатов. ЦМР обеспечивает визуализацию 
информации о поверхностях в разных формах. 
В общем случае можно сказать, что чем больше исходных точек, 
тем более точной будет интерполяция и тем с большей вероятностью построенная модель поверхности будет адекватно отображать земную поверхность. Однако, существует предел числу точек (дискретности), поскольку для любой поверхности излишнее количество точек обычно не улучшает существенно качество результата, но лишь увеличивает объем данных и время вычислений. В некоторых случаях избыточные данные в  отдельных областях могут приводить к неравномерному представлению поверхности и, следовательно, неодинаковой точности. Другими словами, большее число точек не всегда повышает точность.