استفاده از مدل زیرپیکسل به منظور افزایش قدرت تفکیک مکانی مدل DEM

توپوگرافی به عنوان عامل کنترل کننده توزیع مکانی رطوبت خاک، پوشش گیاهی، شوری خاک، بافت خاک و غیره است که دارای نقش مهمی در تغییر ویژگیهای خاک و فرایندهای هیدرولوژیکی می باشد .(Sorensen et. Al, 2005; Grabs et. Al, 2009)  در سالهای اخیر از توپوگرافی به عنوان یک فاکتور مهم برای پیش بینی خصوصیات خاک، اقلیم، جنس زمین و غیره استفاده شده است (Janzen et. Al, 2000; Starr et. Al, 2002). با توجه به اهمیت توپوگرافی به منظور استخراج اطلاعات مختلف، استفاده از تصاویر ماهوارهای با قدرت تفکیک مکانی بالا بسیار ضروری به نظر میرسد. تاکنون روشهای مختلفی به منظور افزایش قدرت  تفکیک مکانی تصاویر ماهوارهای مورد استفاده قرار گرفته است ولی هیچ کدام از این روشها بر روی مدلهای رقومی ارتفاعی (DEM) اعمال نشده اند. بدست آوردن جزئیات بیشتر از پیکسلها بوسیله نقشه برداری زیر پیکسلها اولین بار توسط اتکینسون ارائه شد ( (Atkinson, 2005.

در این تکنیک پیکسلها به چندین زیر پیکسل با توجه به مقادیر پیکسلهای همسایه تقسیم میشوند. در این روش نقشه برداری زیر پیکسل یک پیکسل درشت به زیر پیکسل تقسیم میشود و یک کلاس پوشش زمین به هر زیر پیکسل اختصاص مییابد، با این محدودیت که تعداد کل زیر پیکسل هر یک کلاس به طور مستقیم با درصد تاج پوشش پیکسل اصلی بزرگتر متناسب میشود (Atkinson, 2005).

با این روش، طبقات نرم ورودی را میتوان به طبقه بندی سخت با رزولوشن بهتر تبدیل نمود. مشکل اصلی در نقشه برداری زیر پیکسلها تعیین محل هر کلاس پوشش زمین در پیکسل بزرگتر است (Verhoeye, R.D. Wulf, 2001). روشهای متفاوتی برای حل این مشکل ارائه شده است که از جمله میتوان به  شبکه هوپفیلد (Tatem et. Al, 2001; Muad and Foody, 2012)، شبکه عصبی BP (Wu et. Al, 2011; Wang et. Al, 2011) ، تکنیک بهینه سازی خطی Tatem et. Al, 2001))  ، مدل جاذبه مکانی  Wang et. Al, 2011)  (Mertens et. Al, 2006;، الگوریتم جابجایی پیکسل (Atkinson, 2005)، الگوریتم ژنتیک (Mertens et. Al, 2014)، سیستم ایمنی مصنوعی (Zhong et. Al, 2009)، زنجیره تصادفی مارکوف (Kasetkasem et. Al, 2005; Tolpekin and Stein, 2009; Ardila et. Al, 2011)، و زمین آمار (Boucher et. Al, 2006; Boucher and Kyriakidis, 2008) اشاره نمود.

نتایج بررسی بوچر و همکاران در رابطه با افزایش قدرت تفکیک مکانی با استفاده از مدل جاذبه بر روی تصاویر ماهوارهای، نشان داد که استفاده از این مدل در افزایش قدرت تفکیک بسیار مفید است (Boucher,et al., 2008). در مدل جاذبه پیکسلها طبقه بندی میشوند و در واقع هر پیکسل به چند کلاس طبقه بندی میشود. با فرض وابستگی مکانی بیشتر دادهها نزدیکتر در مقایسه با دادههای دورتر این مدل  اجرا میشود  .(Atkinson, 2005) نقشه برداری زیر پیکسل یک روش برای به دست آوردن توزیع فضایی از طبقات مختلف در مقیاس زیرپیکسل است. فرض آماری  وابستگی مکانی پیکسلها، توسط اتکینسون و ورهوی و ولف با استفاده از یک تکنیک بهینهسازی خطی برای نقشه برداری زیر پیکسل انجام شد.(Atkinson, 2005; Verhoeye, R.D. Wulf, 2001)  

یکی از روشهای تقسیم پیکسلها، استفاده از وابستگی مکانی موقعیت پیکسل جاذب زیرپیکسل است. احتمال دیگر این فرض تعامل پیکسل فرعی زیر پیکسل است که توسط مرتنز و همکاران و اتکینسون به تصویب رسید (Atkinson, 2005. Mertens et.al, 2006)   

 مرتنز و همکاران استفاده از الگوریتم ژنتیک برای رسیدن به حداکثر تعداد زیر پیکسل از کلاسهای یکسان همسایه را پیشنهاد کردند ( .(Mertens et.al, 2006در حالی که اتکینسون جابجایی پیکسل تا به حداکثر رساندن همبستگی مکانی بین زیر پیکسل همسایه را ارائه نمود (Atkinson, 2005). در هر دو روش مذکوراستفاده از بخش کوچکی از مقادیر اولیه پیکسل به عنوان یک محدودیت شناخته شد. یکی از مزایای روش زیرپیکسل جاذبه استفاده از مقیاس است. به طور کلی روش زیر پیکسل جاذبه روش نسبتا جدیدی است که کمتر در علوم طبیعی به منظور افزایش
قدرت تفکیک مکانی تصاویر از آن استفاده شده است.

ادامه مطلب در کتاب پردازش داده های لیدار

مولفان سعید جوی زاده , منیژه براهیمی, مژگان صداقت

تلفن سفارش کتاب: 09382252774 - 07132341477

برای دانلود جزوات و فیلم های رایگان در زمینه GIS وRS به وب سایت زیر مراجعه نمایید:

https://gisland.org/

قدرت تفکیک DEM ,کیفیت مدل های رقومی ارتفاعی, زیرپیکسل در DEM , استفاده از مدل زیرپیکسل، کیفیت DEM  , دقت DEM ,مدل DEM ,مدل رقومی ارتفاع , Digital Surface Model, مدل, DTM مدل رقومی زمین,  , Digital Terrain Model مدل رقومی سطح, Digital Elevation Model, بررسی تفاوت مدل های    ,DEM, DTM, DSM,تولید DSM و DTM از داده های,  lidar تولید DSM و  DTM از داده های لایدار, تولید DSM و DTM از داده های لیدار, آموزش تولید مدل های ارتفاعی, DSM , DEM , DTM , تولید, DEM   تولید DTM  ,تولید digital elevation model تولید, digital surface model تولید, digital terrain model  آموزش  3Dدر arcgis , آموزش 3d در جی آی اس, آموزش سه بعدی, gis ,آموزش نمایش سه بعدی DEM در ArcGIS , نمایش سه بعدی DEM , کاربرد DEM, کاربرد DTM, کاربرد DSM,  ,سایتهای دانلود رایگان DEM , استفاده از مدل زیرپیکسل به منظور افزایش قدرت تفکیک مکانی مدل DEM