Доступно с лицензией 3D Analyst.
Лидар используется в качестве точного источника данных о высотах. В большой степени, это достигается благодаря высокой плотности сбора данных. Иногда работу с лидаром называют "раскрашиванием земли значениями высот". Проведение измерений с точностью менее метра не является для лидара необычным режимом работы. Лидар может пробиваться сквозь кроны деревьев, что повышает точность моделирования земной поверхности в лесных районах. Высокая плотность точек также улучшает результаты различных исследований, например изучение границ области затопления. Однако, лидар не всегда является оптимальным источником данных для различных задач моделирования поверхности. Проблемы могут возникать в двух случаях: построение изолиний и анализ уклонов.
Беспорядочные изолинии и крутые склоны
Построение на компьютере высококачественных изолиний по традиционным источникам данных довольно сложная задача. Еще сложнее построить их по данным лидара. Изолинии, построенные по данным лидара с высоким разрешением, часто получаются спутанными и могут образовывать замкнутые кольца.
Вычисление уклонов с помощью данных лидара также проблематично. Если вы хотите получить значение среднего уклона по данным лидара с высоким разрешением, вы обнаружите, что это значение необычно высокое. Это верно даже для относительно ровной поверхности, как показано на рисунке ниже, иллюстрирующем уклон, полученный по данным лидара с высоким разрешением. Зеленым показан отсутствующий или небольшой уклон, желтым - умеренный уклон, красным - крутой уклон. Обратите внимание на большое количество желтых и красных участков, разбросанных по поверхности.
Можно предположить, что подобные ошибки появляются в результате того, что данные лидара значительно более точные, чем другие данные поверхности. При достаточно больших масштабах, практически все поверхности выглядят грубыми. Это утверждение верно, но лишь отчасти. Значительная часть проблем возникает в силу взаимосвязи между плотностью выборки по горизонтали и вертикальной точностью. Как и любая технология измерения, лидар не идеально точен. Его вертикальная точность варьирует в пределах от 12 до 15 см. Это приводит к появлению случайных различий в высоте на 24-30 см между двумя соседними точками. Когда расстояние между точками по горизонтали составляет около 1 метра или менее, различия в высоте становятся значительными. С точки зрения обработки сигналов, это явление называется высокочастотным шумом.
Способы уменьшения шума
Чтобы получить более точные изолинии и уклоны, следует убрать шум в данных лидара, при этом минимизировать потери нужной информации. Полностью избежать потери информации нельзя. Для набора данных terrain есть несколько инструментов, которые позволяют это сделать. Один из них позволяет уменьшить количество точек, другой - выполнить интерполяцию с высоким качеством. Если ваши данные находятся в формате LAS, и вам известно, что они были классифицированы с выделением точек модели (т.е. класса 8), см. секцию Альтернативный рабочий процесс (Alternate Workflow), находящуюся в конце данного раздела.
Уменьшение количества точек происходит по время построения пирамидных слоев terrain. Некоторые считают, что пирамидные слои - способ визуализации, позволяющий повышать скорость отрисовки. Это относится только к построению пирамидных слоев для растровых данных, не для наборов данных terrain. Наборы данных terrain были разработаны с учетом необходимости генерализации данных лидара для некоторых областей их применений.
В ArcGIS доступны два алгоритма генерализации точек набора данных terrain: построение пирамид с допуском по z и построение пирамид по размеру окна. Оба алгоритма имеют свои особенности и значительно превосходят фильтры случайных точек, которые больше подходят для задач визуализации, но не для анализа.
Фильтр допуска по z использует алгоритм на основе TIN для поиска поднаборов точек, подходящих для построения поверхности в пределах заданного расстояния по вертикали от поверхности с полным разрешением. Использование этого фильтра рекомендуется, когда требуется вертикальная точность, поддающаяся количественному измерению.
Фильтр по размеру окна используется для выбора точек в пределах заданного расстояния выборки по горизонтали. Для каждой пары значений x,y (определяющей размер окна выборки), изучаются точки в пределах этой области и одна или две выбираются в зависимости от заданных опций. При этом может выбираться точка, ближайшая к среднему других точек окна выборки, верхняя или нижняя точка окна выборки, или обе, и верхняя и нижняя. Как обсуждалось ранее, большая часть проблем с шумом связана с неверным соотношением между высокой плотностью выборки по горизонтали и вертикальной точностью. Фильтр по размеру окна позволяет улучшить это соотношение. Несмотря на то, что довольно сложно количественно оценить точность прореженных данных, эмпирически доказано, что такой подход позволяет получить хорошие результаты.
Прореживание данных
Точки, полученные с помощью лидара, прореживаются при построении набора данных terrain. Применяемый алгоритм фильтрации основывается на типе пирамидных слоев, который выбран для построения terrain. Названия типа пирамидных слоев и алгоритма фильтрации совпадают. Тип пирамидных слоев выбирается в Мастере построения Terrain , который открывается из контекстного меню набора классов объектов в ArcCatalog или Окне Каталога (Catalog window).
Далее, необходимо задать уровни пирамидных слоев. Для уменьшения помех лучше выбрать первый уровень пирамидных слоев, ближайший к данным с полным разрешением. Допуск по z, равный вертикальной точности данных, хорошо подходит для этого уровня. Это позволит удалить столько шума, сколько возможно, при минимальном снижении точности выходных данных. Если вы начнете с вертикальной точности 15 см, вы получите точность около 30 см; затем, при построении изолиний задайте интервал вдвое больше этого значения, т.е. 60 см или примерно 2 фута. При построении пирамидных слоев в размер окна, лучше использовать расстояние выборки, равное удвоенному расстоянию между точками.
После построения набора данных terrain, прореженные точки находятся в пирамидном слое. Используйте инструменты геообработки Изолинии поверхности (Surface Contour) и Уклоны поверхности (Surface Slope), чтобы создать изолинии и уклоны. В результате, вы получите более качественные данные, чем при использовании непрореженных точек. Однако, изолинии и уклоны, построенные по этим TIN поверхностям, могут быть более ступенчатые, чем необходимо, и иметь разрывы. В качестве альтернативы можно использовать растр, на котором можно получить лучший результат.
Интерполяция растра
Изолинии и уклоны можно улучшить, вычисляя их по растрам, полученным из наборов данных terrain. Инженеры традиционно предпочитают работать непосредственно с TIN, а не конвертировать ее в растр, но, при построении изолиний и уклонов по данным лидара, использование TIN может быть нежелательно. Точки, полученные помощью лидара, имеют случайное распределение, и получившиеся треугольники могут не соответствовать математической модели, использованной в САПР (например, компоновке дорожной сети).
Кроме того, поверхность из фрагментированных линий, образованная гранями плоских треугольников, не является гладкой. Для получения более сглаженной поверхности предпочтительнее использовать инструмент геообработки Terrain в растр (Terrain To Raster) с опцией интерполяции методом естественных соседей. Дополнительное преимущество использования инструмента Terrain в растр (Terrain To Raster) состоит в том, что вы можете сразу растеризовать весь набор данных terrain и сэкономить дисковое пространство, необходимое для извлечения TIN.
После создания растровой модели поверхности набора данных terrain для обработки полученных данных можно использовать инструменты геообработки растров Изолинии (Contour) и Уклон (Slope). На следующем рисунке показано отличие изолиний и уклонов, вычисленных по данным с полным разрешением и по генерализованным данным.
Изолинии, построенные по данным лидара с полным разрешением, показаны слева, растеризованный вариант прореженных данных - справа. Результат, несмотря на не картографическое качество, значительно лучше.
Уклон, построенный по данным лидара с полным разрешением, показан слева, по прореженным и растеризованным данным - справа.
Шум в данных лидара появляется из-за низкой вертикальной точности, относительно расстояния выборки по горизонтали. Этот шум приводит к снижению качества изолиний и к получению слишком высоких значений уклонов. Шум можно уменьшить прореживанием точек и сглаживанием, при незначительном снижении точности и детализации. Для этого можно использовать построение пирамидных слоев и интерполяцию по методу естественной окрестности.
Альтернативный рабочий процесс
Если ваши данные находятся в формате LAS, они были классифицированы с выделением точек модели (т.е. класса 8), вам не нужно строить пирамиды для данных terrain для получения упрощенного набора точек, который бы подходил для построения изолиний и осуществления анализа уклонов. Эта работа уже проделана поставщиком данных. В этой связи вы можете использовать ваш набор данных LAS и работать напрямую с файлами LAS. Убедитесь, что вы прочитали все описанное выше в данном разделе и понимаете значение основных описанных здесь понятий, однако замените описанные выше шаги, чтобы создать растр, из которого могут быть построены изолинии и уклоны:
- Используйте инструмент геообработки Создать набор данных LAS (Create LAS Dataset), чтобы сделать набор данных, работающий с вашими файлами LAS и структурными линиями - в случае наличия последних.
- Создайте слой LAS и установите настройки фильтра, чтобы работать только с точками класса 8. Слой можно создать, добавив набор данных LAS к карте или сцене либо запустив инструмент геообработки Создать слой из набора данных LAS (Make LAS Dataset Layer).
- Запустите инструмент геообработки Набор данных LAS в растр (LAS Dataset To Raster), используя значение параметра Способ назначения ячеек NATURAL_NEIGHBOR. Выходной размер ячейки должен быть больше, чем среднее расстояние между точками во входных данных.