Modelowanie powierzchni...

INFRASTRUKTURA I EKOLOGIA TERENW WIEJSKICH

INFRASTRUCTURE AND ECOLOGY OF RURAL AREAS
Nr 3/I/2012, POLSKA AKADEMIA NAUK, Oddzia w Krakowie, s. 167180
Komisja Technicznej Infrastruktury Wsi

Bartosz Mitka, Izabela Piech

MODELOWANIE POWIERZCHNI TERENU

____________
MODELLING OF TERRAIN SURFACE
Streszczenie
Od wielu lat modele 3D reprezentujce powierzchni terenu znajduj zastosowanie w rnych dziedzinach nauki i inynierii. W pracy pokazano i opisano
proces implementacji danych do NMT, dokonano przegldu metod tworzenia
NMT opartych na siatkach TIN i GRID. Przedstawiono te metody tworzenia siatek TIN. Opisano rwnie metody interpolacji wysokoci w modelach rastrowych
na podstawie danych pomiarowych z wykorzystaniem rnego typu algorytmw.
Sowa kluczowe: model, modelowanie powierzchni, Numeryczny Model Terenu
Summary
For many years 3D models representing the terrain surface are used in
various fields of science and engineering. The paper shows and describes the process of data implementation to the DTM, and reviews methods of creating DTM
based on the TIN and GRID meshes. The paper presents methods for creating TIN
meshes. It also describes the method of height interpolation in raster models based
on the measurement data using various algorithms.
Key words: model, surface modeling, digital terrain model

WPROWADZENIE

Od wielu lat w rnych dziedzinach nauki tworzone s modele wszelkiego

typu przedmiotw, zjawisk, procesw. Gwnym zadaniem modeli jest przyblione odtworzenie waciwoci i cech badanego obiektu. W ramach bada nad
struktur przestrzenn, rozmieszczeniem elementw w przestrzeni, bd efektywnoci jej wykorzystania trudno jest ogranicza si do modeli dwuwymiarowych. Paskie modele w ujciu kartograficznym, s reprezentowane przez r167

Bartosz Mitka, Izabela Piech

nego rodzaju mapy i mog wystpowa zarwno w postaci analogowej jak

i cyfrowej. Pomimo tego, e s one dwuwymiarow reprezentacj danego wycinka przestrzeni, posiadaj podstawowe cechy modelu, ktrymi s m.in. skala,
wpisanie w ukad wsprzdnych paskich, orientacja przestrzenna i dokadno
odwzorowania obiektu bada. Cechy map zapewniaj ich kartometryczno,
czyli zdolno wykorzystania ich waciwoci geometrycznych do przeprowadzania pomiarw wielkoci, takich jak dugo elementw liniowych, pole powierzchni obszarw itp.
Niejednokrotnie, modele dwuwymiarowe jak np. mapy sytuacyjnowysokociowe, posiadaj zaimplementowane informacje o trzeciej wsprzdnej
przestrzennej wysokoci. Problem dwuwymiarowoci takich modeli, sztucznie
rozwizano poprzez wprowadzenie izolinii wysokoci (warstwic), bd opisw
wartoci wysokoci przypisanych do danego punktu sytuacyjnego (pikiety wysokociowe). Dziki temu, moliwe jest analizowanie procesw zalenych od
trzeciej zmiennej przestrzennej, posiadajc jedynie model dwuwymiarowy.
Rozwizanie to, cho bardzo uyteczne jest czsto pewnym ograniczeniem.
Trudno jest odtworzy usytuowanie wysokociowe caoci badanego obszaru
w przypadku mniejszych rnic wysokoci. Podczas analizy przebiegu warstwic
bd wysokoci pikiet uwaga obserwatora skupiana jest jednoczenie na 2-3
miejscach, czyli lokalnie. W celu dokonania caociowej analizy rzeby terenu,
zwaszcza na duym obszarze, niejednokrotnie zachodzi potrzeba przejcia do
modelu trjwymiarowego. W praktyce oznacza to sporzdzenie tzw. Numerycznego Modelu Rzeby Terenu (NMT).
METODY TWORZENIA NUMERYCZNYCH MODELI TERENU

Pierwszym krokiem przy prbie stworzenia modelu NMT jest przede

wszystkim ustalenie celu, do ktrego ma on by wykorzystany, a nastpnie dopasowanie do niego rodzaju modelu (rastrowy, wektorowy). Razem z wyborem
rodzaju modelu, uytkownik decyduje si na zwizan z nim metod tworzenia
modelu. Wanie w tym miejscu wida podstawow rnic midzy modelami
rastrowymi i wektorowymi. Metody budowy Numerycznych Modeli Terenu,
w zalenoci od rodzaju modelu opieraj si na:
czeniu wzw regularnej siatki model wektorowy GRID,
triangulacji punktw pomiarowych model wektorowy TIN,
zapisie wysokoci punktw regularnej siatki pomiarowej w postaci macierzy (rastra), lub wykorzystaniu danych pomiarowych do interpolacji wysokoci na analizowanym obszarze i zapisie w postaci siatki rastrowej GRID model
macierzowy.
TWORZENIE NMT W FORMIE WEKTOROWEJ OPARTYCH
NA SIATKACH GRID I TIN

W modelach wektorowych, danymi wejciowymi s wsprzdne przestrzenne punktw pomiarowych. Punkty te mog by umieszczone w przestrzeni
168

Modelowanie powierzchni...

w sposb regularny lub rozproszony. W celu stworzenia wektorowego modelu

NMT, naley utworzy na ich podstawie siatk GRID lub TIN, bdc reprezentacj powierzchni terenu. Punkty danych s wzami siatki a jednoczenie
kocami tworzcych j wektorw.
W przypadku siatki GRID, operacja wektoryzacji ogranicza si do poczenia punktw uszeregowanych w regularnej siatce kwadratw. Model TIN,
podobnie jak w przypadku modelu GRID, jest modelem wektorowym utworzonym z wektoryzacji danych pomiarowych. Skada si on z nieregularnych trjktw, ktrych boki rozpite s na punktach o znanych wsprzdnych. Trjkty
tworzone s na podstawie procesu zwanego triangulacj.
Triangulacja jest to procedura tworzenia trjktw, ktrych wierzchokami
s punkty danych pomiarowych. Zasad jest, e po dokonaniu triangulacji na
pewnym zbiorze danych, aden punkt nie moe zosta niewykorzystany a boki
trjktw nie mog si przecina. Czsto mwi si, e musi zosta zachowanie
kryterium Delaunay, ktre polega na takim dobraniu pocze bokw trjktw, aby w okrgu opisanym na kadym z wybranych trjktw, nie znajdowa
si aden punkt znany. Poza spenieniem powyszego kryterium, wane jest, aby
utworzone trjkty byy w miar moliwoci mae i regularne. Unika si stosowania
trjktw nadmiernie wyduonych i o duym kcie rozwarcia. Wynika to
z potrzeby jak najwierniejszego oddania rzeczywistego ksztatu powierzchni terenu,
w ktrym ostre, wyranie zaznaczone krawdzie wystpuj stosunkowo rzadko.
Podstawow cech nieregularnych siatek trjktw jest fakt, nierwnomiernego rozmieszczenia punktw pomiarowych w przestrzeni. Pozwala to na
wystpowanie obszarw o rnej gstoci danych. Rozkad przestrzenny danych
oraz ich ilo, wpywa w znaczcym stopniu na sposb przeprowadzenia triangulacji, dobieranie parametrw trjktw i ostatecznie na ksztat skonstruowanej
siatki. Czynnik ten rzutuje, zatem na dokadno modelu i jego zgodno
z rzeczywistym ksztatem rzeby terenu.
Powstawanie wektorowego modelu pokrycia terenu bazujcego na siatce
TIN, odbywa si w nastpujcych etapach (rys. 1):

rdo: opracowanie wasne

Source: own elaboration

Rysunek 1. Schemat etapw powstawania wektorowego modelu pokrycia terenu

Figure 1. Scheme of stages of creating vector model of covering terrain
169

Bartosz Mitka, Izabela Piech

Przed przystpieniem do triangulacji i wyznaczeniem siatki trjktw naley odpowiednio przygotowa dane pomiarowe. Naley zastanowi si nad
tym, czy do tworzenia siatki potrzebne bd wszystkie pomierzone dane. Nadmierne zagszczenie danych pomiarowych, moe wprowadza do modelu du
ilo mao wnoszcych danych, bd odwrotnie niedostateczna ilo danych,
moe uniemoliwi utworzenie modelu o zaoonych wymogach dokadnociowych. Opracowanie danych pomiarowych jest szczeglnie wane, przy pomiarach wykonywanych metod skaningu laserowego gdzie jednoczenie otrzymywana jest bardzo dua liczba punktw pomiarowych. Optymalizacja liczby
punktw, musi by dostosowana do zaoonej dokadnoci modelu, oraz jego
przeznaczenia. Wstpne opracowanie danych pomiarowych, ma na celu
oszczdno czasu przetwarzania modelu, osigan przez dostosowanie stopnia
skomplikowania geometrycznego siatki do potrzeb uytkownika, przy jak najwikszej zgodnoci z rzeczywistym ksztatem pomierzonej rzeby terenu.
W fazie wstpnej trzeba zwrci uwag na fakt, czy pomierzone zostay wszystkie charakterystyczne punkty rzeby i linie szkieletowe. Pominicie ich przy
przygotowywaniu danych moe doprowadzi do powstania rnic pomidzy
modelem a stanem faktycznym.
Kolejnym etapem tworzenia NMT jest utworzenie wektorowej siatki,
opartej na zebranych danych pomiarowych. Siatk TIN mona utworzy posugujc si jednym z wielu algorytmw triangulacyjnych, opisanych szeroko
w literaturze dotyczcej tego zagadnienia. Do najpopularniejszych metod triangulacji nale midzy innymi:
metoda inkrementacyjna [Lee, Schachter, 1980],
metoda dziel i zwyciaj - ang. divide and conquer [Lee, Schachter,
1980],
metoda omiatania(poszukiwanie cykliczne wok punktu) ang.
radial sweep [Mirante, Weingarten,1982],
metoda hierarchiczna [Floriani, 1985],
metoda krok po kroku ang. step by step [McCullagh, Ross, 1980],
metoda rekurencyjnego podziau - ang. recursive split [Lewis, Robinson
1978],
metoda usu i buduj ang. incremental delete and build [Watson,
1981].
Metody te dziel si na statyczne i dynamiczne. Pierwszy rodzaj wyrnia
si tym, e do oblicze brany zostaje od razu cay zbir danych wejciowych.
Do tego grona zaliczaj si metody: rekurencyjnego podziau, omiatanie i algorytm divide and conquer (dziel i zwyciaj). W przeciwiestwie do nich, wyrnia si metody dynamiczne, w ktrych tworzenie trjktw nastpuje w sposb krokowy. Oznacza to, e ukad budowanej siatki jest aktualizowany na
bieco wraz z dodawaniem do niej kolejnych punktw z tablicy danych wejciowych. Takimi cechami charakteryzuj si metody: krok po kroku, inkre170

Modelowanie powierzchni...

mentacyjna oraz metoda incremental delete and build. Wspln cech algorytmw triangulacyjnych, jest denie do minimalizacji czasu oblicze,
oszczdnoci zasobw pamiciowych oraz poprawnoci geometrycznej nowopowstaej sieci.
Wanym elementem triangulacji, poza samym algorytmem jest dobr parametrw tworzonej siatki. Przede wszystkim naley dobra optymaln dugo
bokw tworzonych trjktw oraz rozwarto ich ktw wewntrznych. Parametry siatki s uzalenione od potrzeb uytkownika, zagszczenia punktw pomiarowych oraz zaoonych wymogw dokadnociowych modelu. Pewn
wskazwk przy konstruowaniu sieci, mog by informacje zawarte w wytycznych technicznych K-2.8 Opracowanie ortofotomap w skali 1:10000 [2001].
Wspomniane wytyczne, opisuj zastosowanie modeli NMT w poczeniu
z ortofotomapami tworzonymi na podstawie zdj lotniczych. Podaj one zalecany interwa siatki pomiarowej, dla opracowa wykonywanych w rnych
skalach, w zalenoci od stopnia trudnoci terenu.
Tabela nr 1 opisuje zalecane odlegoci punktw pomiarowych, uoonych
w regularnej siatce kwadratw, ktre trzeba uwzgldni przy projektowaniu
siatki TIN, w ktrej punkty s rozoone w sposb nieregularny. Wartoci
w tabeli naley traktowa, jako maksymalne dugoci bokw trjkta siatki.
Minima naley dobiera wedug potrzeb, metod prb. Podobnie trzeba postpowa w przypadku ustalania wartoci ktw rozwarcia trjktw. Wikszo
programw do triangulacji, ustawia domyln warto minimalnego kta, jako
22,5o. Ma to zapewni brak nadmiernych zmian zaama powierzchni siatki.
Wartoci maksymalne mona okrela dowolnie wedug potrzeb, z unikaniem,
w miar moliwoci, tworzenia trjktw rozwartoktnych.
Tabela 1. Zalecana odlego midzy punktami regularnej siatki pomiarowej, w zalenoci od skali ortofotomapy i stopnia trudnoci terenu
Table 1. Recommended distance between points of regular measuring mesh, in dependence from scale of ortofotomap and degree of difficulty of terrain.
Stopie
trudnoci
terenu
atwy
trudny

Skala ortofotomapa
1:1000
3000-5000
5-10m
3-5m

1:2000
1:5000
1:10000
Mianownik skali zdj(Mz)
5000-8000
12000-18000
20000-30000
10-15m
15-20m
20-30m
5-10m
10-15m
15-20m

1:25000
50000-60000
30-50m
20-30m

rdo: Wytyczne techniczne K-2.8, 2001

Source: Technical guidelines K-2.8, 2001

Utworzon w wyniku triangulacji siatk TIN mona uzna za NMT lub

wykorzysta jak podstaw do dalszej obrbki np. do interpolacji regularnej siatki kwadratw badanego obszaru. Utworzon powierzchni modelu naley
171

Bartosz Mitka, Izabela Piech

sprawdzi z punktu widzenia ewentualnych bdw triangulacji oraz przeprowadzi analiz dokadnociow.
Dokadno modelu NMT mona utosami ze rednim bdem wysokoci
punktu wyznaczonego z powstaego modelu. Na uzyskan dokadno maj
wpyw bdy pomiarowe danych wejciowych, zaoona rozdzielczo modelu
a take sama konfiguracja rzeby analizowanego obszaru. Dokadno Numerycznego Modelu Terenu mona wyznaczy na podstawie empirycznego wzoru
Ackermanna (1) [Wytyczne techniczne K-2.8, 2001]:
mNMT 2 = m2z + ( d )2

(1)

gdzie:
mNMT - redni bd wysokoci wyinterpolowanej na podstawie modelu
NMT,
mz - redni bd okrelenia wysokoci punktu,

- wspczynnik opisujcy charakter rzeby terenu

d
- rednia odlego punktw pomiarowych.
W powyszym wzorze Ackermanna maj zastosowanie nastpujce wartoci czynnika :
= 0,004 0,007 dla terenu atwego (o gadkiej powierzchni),
= 0,010 0,020 dla terenu o redniej trudnoci,
= 0,022 0,044 dla terenu trudnego (nieregularne powierzchnie,
strome zbocza).
Wytyczne K-2.8 mwi, e oczekiwan warto bdu redniego dla wyznaczenia wysokoci punktu naley oblicza ze wzoru:
mz =

(2)

Otrzymana warto nie moe przekracza 1/3 wielkoci cicia warstwicowego mapy, utworzonej na podstawie modelu NMT. Z reguy jest to docelowa
skala opracowania modelu.
METODY INTERPOLACJI WYSOKOCI W MODELACH RASTROWYCH
NA PODSTAWIE DANYCH POMIAROWYCH

Modele macierzowe (Regular Raster Grid rys. 2) nadaj si przede

wszystkim do wykonywania analiz hydrograficznych, hipsometrycznych, analiz
zwizanych z ustalaniem zlewni rzek oraz sieci drenaowych.
Modele rastrowe przedstawiaj wysokociowy obraz powierzchni terenu. Kady piksel, lub inaczej komrka macierzy, stanowi zapis wysokoci danego fragmentu terenu w rzeczywistoci. W zwizku z powyszym, wymagaj one
danych wejciowych w formie punktw wysokociowych, rozplanowanych
172

Modelowanie powierzchni...

przestrzennie w formie siatki. Wysoko ci przypisane s pikselom, o wybranych

przez u ytkownika rzeczywistych wymiarach terenowych. Wielko terenowa
piksela jest narzucana przez rozdzielczo poziom modelu i za o enia pomiarowe. Warto ci rz dnej terenu stanowi ce elementy macierzy modelu, mog
przedstawia redni wysoko wierzcho kw oczka siatki lub wysoko jego
punktu centralnego. Je eli punkty pomiarowe nie s uszeregowane w regularnej
siatce pomiarowej, o oczku siatki identycznym jak rozdzielczo modelu, ktr
chcemy uzyska , zachodzi potrzeba interpolacji wysoko ci na podstawie danych
z pomiaru.

rd o: opracowanie w asne.
Source: own elaboration.

Rysunek 2.Macierz modelu Regular Raster Grid zawieraj ca wysoko ci terenu. Wysoko elementw rastra przedstawiono kolorami jak na wizualizacji 2D tego obszaru
(po prawej)
Figure 2. The matrix of Regular Raster Grid model containing elevations of terrain.
Elevations of elements have been showed by colours as on 2D visualization
of this area (on right)

Do popularnych metod interpolacyjnych w modelach GRID, stosowanych

dzi w r nego typu oprogramowaniu zwi zanym z analizami GIS nale mi dzy innymi:
a) metoda najbli szego s siada,
b) metoda naturalnego s siedztwa przy u yciu poligw Thiessena,
kriging,
c) interpolacja funkcjami sklejanymi (ang. spline, b-spline interpolation).
173

Bartosz Mitka, Izabela Piech

Pierwsza z wymienionych metod, cho najprostsza to wykorzystywana jest

bardzo rzadko. Algorytm metody najbli szego s siada polega na obliczaniu odleg o ci mi dzy punktem interpolowanym a punktami w zbiorze danych wejciowych. W przypadku modeli NMT, dane wysoko ciowe mog by zapisane
w postaci rastra lub wsp rz dnej wysoko ciowej (dla modeli wektorowych).
Podstawow zasad , a jednocze nie g wn wad tej metody jest przypisanie
interpolowanemu punktowi wysoko ci najbli szego s siada. Prowadzi to do
maksymalnego uproszczenia interpolacji, lecz jest ma o efektywne i mo e prowadzi do powstania du ych rozbie no ci w stosunku do rzeczywistej powierzchni terenu. Jak ju wspomniano metoda ta jest bardzo rzadko stosowana w
praktyce, s u y g wnie do zag szczania brakw w danych wej ciowych
i mo e by stosowana w przypadku regularnego rozmieszczenia punktw znanych.
Metoda naturalnego s siedztwa, podobnie jak poprzednia, wykorzystuje
zale no ci pomi dzy odleg o ciami punktw danych. Koncepcja zale no ci pomi dzy warto ciami punktw danych a interpolowanych jest tutaj bardziej rozwini ta. Zauwa ono, e punkty dane, mog wp ywa na szukane wielko ci tylko
w pewnym otoczeniu. Granice takich strefowych wp yww, wyznaczy mo na
tworz c tzw. poligony Thiessena.
Poligonami nazywa si wielok ty zamkni te, wydzielone z otoczenia za
pomoc zbioru prostych, wzajemnie przecinaj cych si w wierzcho kach figury.
Utworzenie poligonu Thiessena odbywa si na zasadzie geometrycznej i odbywa
si na zbiorze danych wej ciowych, np. pikiet wysoko ciowych. Zbir taki
przedstawiony jest na rysunku nr 3.
Przedstawia on zasad powstawania poligonw Thiessena. Proces ten
sk ada si z trzech etapw. Pierwszym etapem, jest triangulacja punktw danych
zgodnie z kryterium Delaunaya. Kryterium to zapewnia racjonalizacj kszta tu
sieci i wygl du trjk tw. Najlepiej spe nia si przy rwnomiernym rozproszeniu punktw w przestrzeni.
Drugim etapem jest utworzenie symetralnych do ka dego z bokw trjk tw utworzonej wcze niej sieci. W miejscach przeci powsta ych linii utworzone zostaj wierzcho ki poligonw Thiessena. Po ich po czeniu uzyskuje si
powierzchnie, wewn trz ktrych punkty odznaczaj si najmniejsz odleg o ci
w stosunku do punktu centralnego ka dego z poligonw (etap trzeci). Punkty
centralne s punktami nale cymi do zbioru danych wej ciowych, a zatem ich
warto ci nie s interpolowane. Dowolnemu punktowi po o onemu wewn trz
powsta ej strefy przypisuje si cechy p yn ce z obecno ci najbli szego s siada.
Po wstawieniu punktu, ktry ma zosta wyinterpolowany w otoczenie
punktw znanych, tworzy si wok niego nowy poligon Thiessena. Nowo
utworzony obszar z o ony jest z cz ci przynale nych do poprzednio utworzonych poligonw. Obszary sk adaj ce si na nowy poligon, pokazuj wp yw znanych punktw na wyznaczany element. Mo na to zaobserwowa na rysunku nr 4.
174

Modelowanie powierzchni...

rd o: opracowanie w asne.
Source: own elaboration.

Rysunek 3. Schemat etapw powstawania poligonw Thiessen

Figure 3. Scheme of stages of creating Thiessen polygons

rd o: http://dilbert.engr.ucdavis.edu/~suku/nem/nem_intro/img29.png
Source: http://dilbert.engr.ucdavis.edu/~suku/nem/nem_intro/img29.png

Rysunek 4. Interpolacja wysoko ci w metodzie naturalnego s siedztwa na podstawie

poligonw Thiessena
Figure 4. The interpolation of height in method of natural neighbourhood based on
Thiessen polygons
175

Bartosz Mitka, Izabela Piech

Wysoko nowego punktu (oznaczonego liter X) uzyskuje si , jako sum

iloczynw wag oraz wysoko ci punktw centralnych ju istniej cych poligonw
Thiessena (15). Wag jest stosunek powierzchni cz ci sk adowych nowego
poligonu, do jego oglnej powierzchni. Zgodnie z powy szym rysunkiem, wysoko interpolowanego punktu X b dzie wygl da nast puj co:
(3)
Wzr (3) [Sibson, 1981] pokazuje, zatem, e wysoko punktu szukanego
jest uzale niona zarwno od wysoko ci H centralnego punktu poligonw
Thiessena oraz strefy ich wp ywu, wyznaczonych we wst pnej fazie pracy algorytmu. Poligony Thiessena, zwane te diagramami Voronoi maj zastosowanie
zarwno przy modelowaniu siatek rastrowych jak i wektorowych.
Kriging nale y do geostatycznych metod interpolacji. Oznacza to, e
dzia a on na zasadach stochastycznych, czyli bierze pod uwag zmienno losow interpolowanej powierzchni. Interpolacja odbywa si na zasadzie znalezienia
zale no ci statystycznej pomi dzy warto ciami znanymi punktw w zbiorze
danych, a warto ci estymowan punktu interpolowanego. Kriging korzysta z
zale no ci pomi dzy odleg o ci punktw, a stopniem ich zale no ci. Cz sto
zale no t mo na przedstawi na wykresach zwanych semiwariogramami. S
one opisane kilkoma parametrami:
warto ci semiwariancji, czyli stopniem zale no ci (),
zakresem (range), po jego przekroczeniu semiwariancja jest warto ci sta ,
warto ci progow (sill) na ko cu zakresu,
nuggetem, czyli zakres wyst powania dolnego szumu, wyst puj cego
w s abej korelacji z danymi pomiarowymi. Jest to inaczej warto semiwariancji
dla odleg o ci pomi dzy punktami znanymi, zmierzaj cej do zera.
Przyk adowy semiwariogram przedstawiony zosta na rysunku 5.

rd o: http://www.plantmanagementnetwork.org/pub/ats/guide/2004/gis/image/weed2.gif
Source: http://www.plantmanagementnetwork.org/pub/ats/guide/2004/gis/image/weed2.gif

Rysunek 5. Podstawowe parametry sk adowe semiwariogramu

Figure 5. Basic parameters components of semivariogram
176

Modelowanie powierzchni...

Wielko mo na okre li na podstawie wzoru nr (4), podanego przez

Bachmaiera i Backesa (2008r.) We wzorze tym, z jest wielko ci przypisan
do punktu znanego (np.wysoko ci punktu w modelu NMT), h jest odleg oci , w jakiej szukane s pary punktw podobnych, za n(h) to liczba par
w przedziale zale nym od wybranej warto ci h.
(4)
Kriging pozwala na wyznaczenie najlepszego nieobci onego estymatora
liniowego warto ci szukanej (ang. best linear unbiased estimator), ktry jest
dany wzorem (5):
(5)
Estymator oszacowany na podstawie powy szego wzoru, w przypadku
rozwa a zwi zanych z wysoko ci punktw w modelu NMT, jest sum iloczynw wysoko ci punktw znanych ( Z(xi) ) oraz ich wag. Wymogi metod stochastycznych zak adaj , e wagi, musz spe ni warunek minimalizacji redniokwadratowego b du estymacji (ang. kriging variance, kriging error):
(6)
gdzie, c(xi, xo) to kowariancja pomi dzy po o eniem punktu znanego i interpolowanego.
Oba rwnania, (5) oraz (6), pozwalaj na zachowanie warunku nieobci ono ci analizowanej prby punktw dla warto ci oczekiwanej (x) = E[Z(x)]:
(7)
Wszystkie te warunki pozwalaj na wyznaczenie optymalnych warto ci
wag, tak, aby zminimalizowa b d estymacji, b d cy r nic mi dzy warto ci
oszacowan a faktycznie wyst puj c w rzeczywisto ci.
Interpolacja wysoko ci punktw metod krigingu ma wiele odmian, ktre
r ni si od siebie sposobem przyjmowania warto ci oczekiwanej (x). Najcz ciej spotykane odmiany tej metody to:
kriging prosty (ang. simple kriging) przyjmuj cy (x) = 0,
kriging zwyk y (ang. ordinary kriging) wed ug ktrego (x) = ,
kriging uniwersalny (ang. universal kriging).

177

Bartosz Mitka, Izabela Piech

Kolejn metod interpolacji powierzchni terenu na podstawie danych przestrzennych jest metoda opieraj ca si o wykorzystanie tzw. funkcji sklejanych.
Algorytm interpolacyjny tej metody dzia a na zasadzie obliczania nieznanych
parametrw funkcji matematycznej okre laj cej np. przybli on powierzchni
terenu, przy u yciu wielomianw niskiego stopnia. Sposb ten nale y do rodziny interpolacji wielomianowych, dokonywanych w sposb numeryczny uzyskana w wyniku interpolacji powierzchnia jest opisana matematycznie.
W matematyce funkcj typu spline (sklejan ) nazywa si tak funkcj rzeczywist S o stopniu n, ktra, gdy jest okre lona w przedziale [a, b] spe nia warunki:
w ka dym przedziale [c, ci] [a, b] jest wielomianem stopnia, co najwy ej s,
funkcja S, oraz jej pochodne o stopniu od 1 do n-1 s ci g e w przedziale [a, b].
Zgodnie z powy szym, mo na wnioskowa , e podstawowym za o eniem
tej metody jest zachowanie ci g o ci funkcji oraz jej krzywizny. Interpolacja,
odbywa si przy tym na zasadzie poszukiwania wielomianw opisuj cych p aszczyzn w wielu przedzia ach [c, ci], b d cych cz ci przedzia u g wnego [a,
b]. Algorytm interpolacyjny musi tak e zapewnia racjonalizacj parametru
g adko ci wyznaczonej funkcji.
W praktyce stosuje si kilka rodzajw metod opartych na wykorzystaniu
funkcji sklejanych. Najcz ciej spotykane typy takich funkcji to:
funkcje kubiczne (stopnia m=3),
funkcje B-spline,
krzywe Beziera (rys. 6).

rd o: http://git.zcu.cz/images/archive/5/59/20090811160210!Sextante_Sur2.png
Source: http://git.zcu.cz/images/archive/5/59/20090811160210!Sextante_Sur2.png

Rysunek 6. Powierzchnia utworzona przy pomocy interpolacji krzywymi Beziera

Figure 6. Surface created by interpolation of Bezier curves
178

Modelowanie powierzchni...

Interpolacja metod funkcji sklejanych jest skuteczna ze wzgl du na szerokie mo liwo ci doboru sposobu kszta towania krzywych interpolacyjnych, co
umo liwia jej zastosowanie w zale no ci od potrzeb u ytkownika.
PODSUMOWANIE

W dzisiejszym wiecie, rozwj technologii i narz dzi, s u cych do

opisywania otaczaj cej cz owieka przestrzeni, przyczynia si do zmiany sposobu
prezentacji danych pomiarowych. Coraz cz ciej, dla zastosowa in ynierskich
i naukowych wykorzystuje si tworzenie trjwymiarowych modeli istniej cego
wiata. Ze wzgl du na lepsze odwozorwanie ukszta towania pionowego,
modelowanie powierzchni terenu staje si obecnie, preferowanym sposobem
prezentacji przestrzeni, zw aszcza dla celw projektowych. obiektw, zwi zanych z rze b , pozwala na wykorzystanie procesu modelowania w szeregu
zastosowa praktycznych.
Integracja cyfrowych danych przestrzennych do modelu NMT, pozwalaj
na skonstruowanie Numerycznego Modelu Pokrycia Terenu. Implementacja
informacji o po o eniu i cechach obiektw, zwi zanych z rze b , pozwala na
wykorzystanie procesu modelowania w szeregu zastosowa praktycznych.
BIBLIOGRAFIA
De Floriani L., Falcidieno B., Penovi C. 1985. Delaunay-based representation of surfaces defined
over arbitrarily shaped domains. Computer Vision, Graphics and Image Processing; tom
32, wyd. Academic Press, San Diego, USA; str.127-140.
Lee D., Schachter B. 1980. Two algorithms for constructing a Delaunay triangulation. International Journal of Parallel Programming, tom 9, nr 3, wyd. Springer Netherlands, Houten, Holandia; str. 219-242
Lewis B., Robinson J. 1978. Triangulation of planar regions with applications. The Computer
Journal, tom 21, wyd. Oxford University Press, Oxford, Wielka Brytania; str. 324-332
McCullagh M., Ross C. 1980. Delaunay triangulation of a random data set for isarithmic mapping.
The Cartographic Journal, tom 17, nr 2, wyd. Maney Publishing, Londyn, Wielka Brytania;
str. 93-99
Miller C., Laflamme R. 1958. The Digital Terrain Model: Theory an application. Photogrammetric Engineering and Remote Sensing, tom 24, nr 3, wyd. American Society for Photogrammetry and Remote Sensing, Bethesda, USA; str. 433-442
Mirante A., Weingarten N. 1982. The Radial Sweep algorithm for constructing Triangulated Irregular Networks. IEEE Computer Graphics and Applications, tom 2, nr 3, wyd. IEEE Computer Society Press, Los Alamitos, USA; str. 11-21
Sibson R. 1981. A brief description of natural neighbor interpolation. [w:] Barnett V. Interpreting
Multivariate Data, wyd. John Wiley & Sons, Nowy Jork, USA; str. 21-36
Watson D. 1981. Computing the n-dimensional Delaunay triangulation with application to Voronoi polytopes. The Computer Journal, tom 2, nr 24, wyd. Oxford University Press, Oxford,
Wielka Brytania; str. 167-172
Wytyczne i instrukcje techniczne

179

Bartosz Mitka, Izabela Piech

Wytyczne techniczne K-2.8. Zasady wykonywania ortofotomap w skali 1:10000. 2001, wyd.
G wny Urz d Geodezji i Kartografii, Warszawa
Strony internetowe:
http://www.plantmanagementnetwork.org/pub/ats/guide/2004/gis/image/weed2.gif
http://dilbert.engr.ucdavis.edu/~suku/nem/nem_intro/img29.png
Dr in . Izabela Piech
tel:(12) 662-45-31
rmpiech@cyf-kr.edu.pl
Dr in . Bartosz Mitka
bartosz.mitka@ar.krakow.pl
Katedra Geodezji Rolnej, Katastru i Fotogrametrii
30-149 Krakw, ul.Balicka 253a