REZUMATUL TEZEI DE DOCTORAT - doctorat.tuiasi.ro · MULȚUMIRI În aceste momente deosebite,...
Transcript of REZUMATUL TEZEI DE DOCTORAT - doctorat.tuiasi.ro · MULȚUMIRI În aceste momente deosebite,...
IAŞI, 2018
UNIVERSITATEA TEHNICĂ
“GHEORGHE ASACHI” DIN IAŞI
REZUMATUL
TEZEI DE DOCTORAT
CERCETĂRI PRIVIND UTILIZAREA
TEHNOLOGIEI DE SCANARE LASER
PE CURSURI DE APĂ
Conducător de doctorat: Student doctorand:
Prof. Univ. Dr. Ing. ION GIURMA ANA-MARIA LOGHIN
Dedicată în amintirea dragului, regretatului meu tată,
croitor Mihai Loghin,
cel căruia ȋi datorez ceea ce sunt
(1955-2016)
“Si-mi pare-aşa ciudat că se mai poate
găsi atâta vreme pentru ură,
când viata e de-abia o picătură
ȋntre minutu-acesta care bate
și celălalt –
și-mi pare ne-nțeles și trist
că nu privim la cer mai des,
că nu culegem flori și nu zâmbim,
noi, care-atât de repede murim.”
(Magda Isanos – “Murim…ca mâine”)
MULȚUMIRI
În aceste momente deosebite, marcate de încheierea stagiului de doctorat,
doresc să aduc cuvinte de sinceră mulțumire și de profundă recunoștință tuturor
celor care m-au îndrumat și m-au susținut în toți acești ani.
În primul rând, sincere mulțumiri și sentimente de considerație domnului
prof. univ. dr.ing. Ion Giurma, în calitate de coordonator științific al prezentei
lucrări de doctorat, pentru permanenta sa îndrumare, pentru întreg sprijinul,
înțelegerea și încrederea acordată pe parcursul desfășurării activității de
cercetare științifică și de elaborare a tezei.
În mod deosebit, le mulțumesc distinșilor referenți oficiali prof. univ. dr.ing.
Petre Iuliu Dragomir, prof. univ. dr.ing. Maricel Palamariu şi conf. dr. ing. Ersilia
Oniga pentru timpul și onoarea acordată de a recenza această lucrare.
Mulțumesc în mod special doamnei Conf. dr. ing. Ersilia Oniga, cea care
mi-a deschis drumul și m-a călăuzit în universul minunat al Fotogrammetriei și
Teledetecției. Doresc să îi mulțumesc pentru sprijinul științific, îndrumarea
permanentă și în mod special pentru sprijinul deosebit acordat pentru pregătirea
stagiului Erasmus în cadrul Universității Tehnice din Viena, precum și pentru
ideile și sfaturile constructive în redactarea acestei lucrări.
De asemenea, le mulțumesc domnilor profesori din cadrul Universității
Tehnice “Gheorghe Asachi” din Iași: domnului prof. univ. dr. ing. Dorin
Cotiușcă-Zăucă, domnului conf. dr. ing. Constantin Bofu, care, în calitate de
membrii ai comisiei de susținere a rapoartelor de cercetare științifică, au
contribuit cu sugestii și sfaturi pentru îmbunătățirea prezentei lucrări.
Alese și sincere mulțumiri domnului prof. univ. dr. ing. Norbert Pfeifer,
conducătorul Grupului de cercetare de Fotogrammetrie al Universității Tehnice
din Viena, pentru răspunsul pozitiv la aplicarea stagiului de pregatire Erasmus.
Îi datorez deosebită recunoștință pentru întregul set de date oferit, pe baza căruia
s-au realizat analizele științifice, dar și pentru discuțiile constructive, pline de idei
și sugestii, care au contribuit la progresul cercetărilor. De asemenea, doresc să
le mulțumesc domnului prof. dr. ing Johannes Otepka, domnului asistent univ.
Markus Poechtrager, precum și întregii echipe din cadrul departamentului de
Geodezie și Geoinformație pentru disponibilitatea, explicațiile oferite și punerea
la dispoziție a softului OPALS, folosit în post-procesarea datelor de scanare laser.
Nu în ultimul rând, îi mulțumesc din suflet familiei mele: mamei și
surorilor şi celor apropriaţi, care au fost și sunt mereu alături de mine, pentru
sprijinul, încrederea, răbdarea, dragostea și susținerea morală cu care m-au
învăluit. Îi mulțumesc profund tatălui meu, care deși fizic nu mai este printre noi,
l-am simțit mereu aproape, i-am simțit ajutorul neîntrerupt și încurajarea
neîncetată.
Cuprins ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
i
CUPRINS
Mulțumiri Cuprins .................................................................................................................. i 1. O tehnologie care schimbă lumea ... ................................................................1 1.1 De unde a început totul ... .................................................................................1 1.2 Aspecte generale ...............................................................................................2 1.3 Motivație ...........................................................................................................3 1.4 Obiective și scop ...............................................................................................4 1.5 Structura tezei de doctorat ................................................................................4
2. Situaţia actuală privind utilizarea tehnologiei de scanare laser pe cursuri de
apă ..........................................................................................................................6 2.1 Introducere ........................................................................................................6 2.2 Relieful fluvial ..................................................................................................6 2.3 Tehnologia de scanare laser ..............................................................................7
2.3.1 Principiul de scanare al tehnologiei laser ..............................................7 2.3.2 Clasificarea sistemelor de scanare laser ................................................7 2.3.3 Sisteme de scanare laser aeropurtate .....................................................7 2.3.4 Sisteme de scanare laser terestre ...........................................................7
2.4 Situaţia actuală pe plan internaţional privind aplicarea tehnologiei de scanare
laser pe cursuri de apă .............................................................................................7 2.4.1 Condiţii de aplicare a tehnologiei de scanare laser pe cursuri de apă ....7 2.4.2 Clasificarea aplicaţiilor de utilizare a tehnologiei de scanare laser .......8 2.4.3 Aspecte importante privind aplicarea tehnologiei LiDAR în medii
străbătute de cursuri de apă ............................................................................8 2.4.4 Aplicaţii ale tehnologiei de scanare laser pe cursuri de apă ..................8 2.4.5 Scanarea laser aeriană ...........................................................................9 2.4.6 Scanarea laser terestră ...........................................................................9 2.4.7 Sisteme ULS ..........................................................................................9 2.4.8. Scanere laser topo-batimetrice ........................................................... 10 2.4.9 Situaţia actuală pe plan internaţional în ceea ce priveşte obţinerea
Medelului Digital al Terenului prin filtrarea datelor de scanare laser .......... 10 2.5. Situatia actuală pe plan naţional în ceea ce priveşte utilizarea sistemelor de
scanare laser în diverse aplicaţii ........................................................................... 10 2.5.1 Companii naţionale care utilizează sisteme de scanare laser 3D ......... 10 2.5.2 Domenii de utilizare a sistemelor laser de scanare pe plan naţional.... 10
2.6 Concluzii ......................................................................................................... 10
3. Clasificarea3D a norilor de puncte ................................................................ 11 3.1 Introducere ...................................................................................................... 11 3.2 Clasificarea tridimensională a norilor de puncte ............................................. 11
Cuprins ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
ii
3.2.1 Tipuri de clasificare ............................................................................. 11 3.2.2 Metode existente de clasificare a norilor de puncte............................. 11 3.2.3 Surse de date folosite în clasificarea 3D .............................................. 12
3.3 Studiu de caz: Râul Pielach – o bijuterie a naturii .......................................... 12 3.3.1 Prezentarea zonei de studiu ................................................................. 12 3.3.2 Surse de date, materiale și metode utilizate în clasificare ................... 13 3.3.3 Algoritmi utilizaţi pentru clasificarea tridimensională ........................ 13
3.4 Clasificarea norilor de puncte în medii naturale ............................................. 13 3.4.1 Pre-procesarea norilor de puncte ......................................................... 14 3.4.2 Stabilirea fluxului pentru clasificare ................................................... 14
3.5 Prezentarea algoritmului de clasificare supervizată ........................................ 14 3.5.1 Clasificarea bazată pe arbori de decizie .............................................. 14 3.5.2 Algoritmi de decizie ............................................................................ 14 3.5.3 Baza matematică a arborilor de decizie ............................................... 15 3.5.4 Etapele clasificării supervizate ............................................................ 15
3.6 Prezentarea algoritmului de clasificare semi-supervizată ............................... 15 3.6.1 Baza matematică pentru algoritmii de tip SVM .................................. 15 3.6.2 Clasificarea norilor de puncte prin utilizarea software-ului
CANUPO ..................................................................................................... 16 3.6.3 Aplicarea algoritmului de clasificare semi-supervizată pentru studiul de
caz ................................................................................................................ 16 3.7 Aplicarea algoritmului CSF de filtrare a punctelor teren ....................... 17
3.8 Compararea rezultatelor clasificării şi analiza preciziei rezultatelor .............. 18 3.9 Concluzii ......................................................................................................... 20
4. Algoritm propus pentru filtrarea, segmentarea şi clasificarea norilor de
puncte în scopul derivării Modelelor digitale ale terenului pe baza datelor de
scanare laser aeropurtat LSA ............................................................................ 21 4.1 Introducere ...................................................................................................... 21
4.1.1 Aspecte generale ................................................................................. 21 4.1.2 Avantajele utilizării datelor LSA (Laser Scaner Aeropurtat) pentru
obţinerea Modelelor Digitale ale Terenului ................................................. 21 4.2 Algoritm inovativ de filtrare, segmentare şi clasificare a norilor de puncte ... 21 4.3 Situaţia actuală pe plan international în ceea ce priveşte filtrarea norilor de
puncte ................................................................................................................... 22 4.3.1 Clasificarea metodelor existente de filtrare a norilor de puncte .......... 22 4.3.2 Limitări ale metodelor existente de filtrare ......................................... 22
4.4 Propunerea unui nou algoritm de filtrare a norilor de puncte ......................... 22 4.4.1 Obiective principale ale metodei propuse ........................................... 23 4.4.2 Etape de procesare ............................................................................... 23
4.5 Aplicarea metodei propuse – studii de caz...................................................... 24 4.5.1 Prezentarea etapelor algoritmului de filtrare a punctelor-teren ........... 24 4.5.2 Pre-procesarea şi filtrarea datelor ........................................................ 25
Cuprins ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
iii
4.5.3 Filtrare – robfilter ................................................................................ 25 4.5.4 Segmentarea norilor de puncte ............................................................ 25 4.5.5 Clasificare segmentelor - Implementare algoritm în Matlab ............... 26 4.5.6 Combinarea punctelor-teren ................................................................ 27
4.6 Analiza rezultatelorobţinute ............................................................................ 27 4.6.1 Generarea Modelului Digital al Diferenţelor ....................................... 27 4.6.2 Vizualizare profile transversale ........................................................... 28 4.6.3 Clase de puncte rezultate ..................................................................... 29
4.7 Studiu de caz numărul 2.................................................................................. 29 4.8 Concluzii ......................................................................................................... 32
5. Aplicaţii ale datelor de scanare laser pe cursuri de apă .............................. 33 5.1 Introducere ...................................................................................................... 33 5.2 Pre-procesarea datelor de scanare laser .......................................................... 33
5.2.1 Sisteme de scanare laser utilizate în prezentul studiu de caz ............... 33 5.2.2 Achiziţia datelor de scanare laser ........................................................ 33
5.3 Crearea Modelului Digital al Suprafeţei prin utilizarea datelor laser scaner
aeropurtat .............................................................................................................. 35 5.3.1 Aspecte generale ................................................................................. 35 5.3.2 Procesarea datelor ............................................................................... 35
5.3.2.1 Metoda aplicată pentru derivarea MDS ...................................... 35 5.3.2.2 Derivarea imaginii raster corespunzatoare rugozităţii suprafeţei 36 5.3.2.3 Modelul matematic ..................................................................... 36
5.3.3 Derivarea Modelului Digital al Suprafeţei .......................................... 37 5.4 Analize efectuate pentru vegetaţia din zonele străbătute de cursuri de apă .... 37
5.4.1 Determinarea locaţiei arborilor şi înălţimile acestora .......................... 37 5.4.2 Structura vegetaţiei pe verticală .......................................................... 38 5.4.3 Evoluţia vegetaţiei în timp .................................................................. 38
5.5 Aplicaţii ale Modelelor Digitale ale Terenului ............................................... 38 5.5.1 Derivarea MDT pentru întreaga suprafaţă de studiu ........................... 38
5.5.2 Aplicații ale Modelului Digital al Terenului ................................................ 39 5.6 Aplicații ale Modelului Digital al Terenului în hidrologie ............................. 39
5.6.1 Modelarea sistemului de drenaj ........................................................... 39 5.6.2 Direcţia scurgerii superficiale ............................................................. 39 5.6.3 Calculul direcţiei scurgerii superficiale pentru zona de studiu ............ 39 5.6.4 Acumularea scurgerii .......................................................................... 40
5.7 Analiza evoluţiei în timp a albiei râului .......................................................... 40 5.8 Concluzii ......................................................................................................... 42
6. Tehnologia de scanare laser topo-batimetrică .............................................. 43 6.1 Introducere ...................................................................................................... 43 6.2 Scurt istoric ..................................................................................................... 43 6.3 Principiul de măsurare al batimetriei LiDAR ................................................. 43
Cuprins ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
iv
6.3.1 Principiul de scanare al senzorului topo-batimetric............................. 44 6.3.2 Corecţia fenomenului de refracţie ....................................................... 44 6.3.3 Principiul corecţiei de refracţie ........................................................... 44
6.4 Studiu de caz – descrierea datelor topo-batimetrice ....................................... 44 6.4.3 Algoritmul de procesare pentru corecţia unghiului de refracţie .......... 45
6.4.3.1 Procesul de filtrare a norului de puncte ...................................... 45 6.4.3.2 Derivarea Modelului Digital de suprafață al Apei (MDSA) ....... 46 6.4.3.3 Calcului corecţiei de refracţie a ecourilor laser........................... 46
6.5 Vizualizarea şi analiza rezultatelor ................................................................. 47 6.5.1 Analiza rezultatelor pe baza profilelor transversale ............................ 47 6.5.2 Analiza rezultatelor pe baza calculului diferenţelor pe înălţime ......... 48
6.5.2.1 Calculul distanţei Hausfdorf ....................................................... 48 6.5.2.2 Calculul distanţei dintre un nor de puncte şi o suprafaţă interpolată
de tip mesh ..................................................................................... 48 6.5.2.3 Calculul Modelului Digital al Diferenţelor DoD ........................ 48
6.5.3 Compararea cu profile de referinţă .............................................................. 49 6.6 Concluzii ......................................................................................................... 50
7. Concluzii generale, contribuţii personale şi direcţii viitoare de cercetare . 51 7.1 Concluzii generale .......................................................................................... 51 7.2 Avantajele şi dezavantajele utilizării datelor de scanare laser şi a aplicaţiilor
propuse ................................................................................................................. 55 7.3 Contribuţii originale ........................................................................................ 58 7.4 Direcţii viitoare de cercetare ........................................................................... 59
Bibliografie .......................................................................................................... 61 Lista lucrărilor publicate ................................................................................... 67
1 O TEHNOLOGIE
CARE SCHIMBĂ LUMEA ...
1.1 De unde a început totul ...
V-aţi pus vreodată întrebarea unde sunt rădăcinile acestei minunate
tehnologii 3D de măsurare?
Încă de la începutul anilor 1900’ când lumina lanternelor era folosită pentru
studiul atmosferei şi până la industria automobilelor autonome din zilele noastre,
tehnologia de scanare laser a fost, este şi va fi într-o continuă evoluţie.
LiDAR – o tehnologie evoluată din radar, însă care utilizează undele de
lumină în locul microundelor – cunoaşte o gamă impresionantă de aplicaţii,
culminând cu rolul crucial pe care îl are industria maşinilor autonome.
Această fascinantă tehnologie, într-o continuă dezvoltare este folosită pentru
o înţelegere mai detaliată a mediului în care trăim: aer, apă şi întreaga suprafaţă a
uscatului.
În anul 1917, Albert Einstein a propus pentru prima data procesul care a făcut
posibilă existenţa laserelor, proces numit emisia simulată. În anul 1954, primul
articol referitor la maser (engl. MASER – microwave amplification by stimulated
emission of radiation – ampificarea microundelor prin stimularea emisiei de
radiaţie) a fost publicat ca rezultat al investigaţiilor realizate simultan şi
independent de Townes şi de colegul său la universitatea Columbia din New York
şi de Basov şi Prokhrov la Institutul Lebedev din Moscova
Capitolul 1 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
2
Totul a început de la fizicianul Edward
Hutchinson Synge, născut în anul 1890 în Dublin,
Irlanda, care a publicat o întreagă descriere teoretică
a microscopului optic de scanare la distanţă
apropiată, instrument folosit în nanotehnologie, care
a fost dezvoltat cu câteva decenii în urmă. A fost
primul care a aplicat principiul de scanare în
imagistică, care mai târziu a devenit important
pentru numeroase domenii, inclusiv televiziune,
radar şi microscopie de scanare electronică.
Cea mai importantă invenţie a sa a fost de a extinde
rezoluţia microscopului. Acest lucru a fost susţinut de
nimeni altul decât însuşi Einstein (1879 – 1955).
Acesta a arătat interes deosebit pentru studiul fizicii
atmosferei, întrucât a simţit că aceasta va fi importantă
pentru meteorologi. Metoda sa a fost bazată pe
utilizarea unor raze de lumină de pe vârful unui munte
pe timpul nopţii. La 18 mile depărtare ar fi un reflector
care ar direcţiona lumina într-un fotodetector. Sună
familiar? Acesta a fost începutul LiDAR-ului.
Cel mai probabil, viitorul acestei tehnologii ne va duce într-o lume a
taxiurilor aeropurtate fără pilot şi a sateliţilor capabili de a localiza de pe orbita
lor, sursele de gaz naturale de pe Pământ (Neff T. 2018).
Cerul nu reprezintă o limită pentru tehnologia de scanare laser, care
promite să ne facă lumea să fie mai în siguranţă, mai sănătoasă şi mai
frumoasă.
1.2 Aspecte generale
Morfologia terenului joacă un rol deosebit de important pentru înțelegerea,
modelarea și analiza proceselor geomorfologice ale suprafeței pământului.
Modelele Digitale ale Terenului (MDT) de o mare rezoluție și de o acuratețe
ridicată sunt absolut necesare pentru studii legate de analiza suprafeței terestre,
acestea reprezentând un subiect cheie pentru științele de cercetare a pământului.
Analiza reliefului fluvial, format datorită acțiunii continue a apelor
curgătoare prezintă un interes deosebit pentru domenii precum hidrologie,
geomorfologie, geografie și geologie. Acesta ia naștere în timp, prin procese
complexe de eroziune (regresivă, laterală și de adâncime), de transport și depunere
(acumulare) a sedimentelor.
Metodele fotogrammetrice tradiționale de derivare a Modelelor Digitale sunt
utile și suficient de precise pentru analiza suprafețelor lipsite de obstacole, cum ar
fi câmpuri agricole, suprafețe netede, învelișul de coronamente al arborilor, însă
prezintă limitări în ceea ce privește reprezentarea digitală a suprafeței terenului în
zonele acoperite de vegetație, în special pentru zonele de păduri dense.
Capitolul 1 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
3
În ultimele două decenii, reprezentarea digitală a morfologiei suprafeței este
folosită ca strat fundamental în numeroase aplicații, precum: modelarea suprafeței
terestre, planificare teritorială, aplicații inginerești și management. Chiar și studiile
de cercetare în hidrologie și geomorfologie au numeroase beneficii de pe urma
creșterii disponibilității datelor topografice în format digital. Pentru astfel de
aplicații, tehnologia de scanare laser prezintă un rol cheie, deoarece permite o mai
bună reprezentare a suprafeței terestre, într-un timp scurt și îmbunătățește
înțelegerea proceselor de suprafață (Tarolli şi Dalla Fontana 2009). Într-un interval
de timp de doar două decenii, scanarea laser aeriană și terestră au devenit
tehnologii de măsurare de sine stătătoare, folosite pentru colectarea de informații
geospațiale.
Spre deosebire de tehnicile tradiționale fotogrammetrice, o caracteristică
deosebit de valoroasă a tehnologiei de scanare laser este reprezentată de
capacitatea de a deriva date topografice ale suprafeței terestre, în mod direct, prin
filtrarea norului de puncte rezultat. Procesul de filtrare are rolul de a elimina
punctele ce reprezintă vegetația și a punctelor corespunzătoare unor altor
elemente, precum: clădiri, poduri, construcții ş.a. Chiar dacă pentru zonele
străbătute de ape, cu un relief fluvial, această tehnologie prezintă anumite limitări
cauzate de faptul că impulsul laser nu pătrunde apele adânci, totuși, în mod cert
reprezintă un instrument util pentru derivarea Modelelor Digitale ale Terenului cu
o acuratețe ridicată în zone complexe precum văile inundabile și bazine
hidrografice.
1.3 Motivație
Datele topografice de mare rezoluție constituie o sursă fundamentală pentru
analiza calitativă precum și cantitativă a zonelor străbătute de cursuri de apă.
Datele topografice derivate prin metode cartografice tradiționale sunt, de obicei,
mult prea generale pentru o analiză detaliată și pentru cartografierea
caracteristicilor morfologice ale suprafețelor, în timp ce sursele de date de o
acuratețe ridicată precum GPS sau teodolit, sunt scumpe și necesită un timp mai
îndelungat pentru realizarea măsurătorilor. Din acest motiv, este necesară găsirea
unei soluţii optime în ceea ce privește sursa de date necesare pentru analiza zonelor
străbătute de cursuri de apă.
Tehnologia de scanare laser furnizează date topografice de o mare rezoluție,
capabilă de a acoperi suprafețe largi, cu o precizie ridicată atât în plan orizontal,
cât și în cel vertical, într-o perioadă scurtă de timp, contribuind astfel în mod
semnificativ la reprezentarea suprafețelor de teren. O caracteristică deosebit de
valoroasă pe care o are această tehnologie, spre deosebire de tehnicile topografice
tradiționale de măsurare, este capacitatea de derivare a Modelelor Digitale ale
Terenului (MDT) cu o mare rezoluție (1 m), direct din norul de puncte.
Lucrarea de față realizează un studiu complex asupra aplicării tehnologiei de
scanare laser pe cursuri de apă, prin integrarea a patru surse diferite de date, și
anume: date laser scaner aeropurtat (engl. Aerial Laser Scanner - ALS), date laser
scaner aeropurtat batimetric (engl. Airborne LiDAR Bathymetry - ALB), date
laser scaner terestru (engl. Terestrial Laser Scanner - TLS) și date laser scaner
Capitolul 1 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
4
obținute prin montarea senzorului pe o platformă aeropurtată fără pilot de tip dronă
(engl. Unmanned LiDAR scanning - ULS).
1.4 Obiective și scop
Aplicarea tehnologiei de scanare laser în zonele cursurilor de apă este mult
mai complicată față de alte medii, datorită morfologiei complexe, a numărului
mare de categorii de folosință ale terenului și a prezenței suprafețelor acoperite de
ape adânci.
Scopul principal al acestei lucrări constă în analiza zonelor străbătute de
cursuri de apă, prin realizarea de aplicaţii, ce utilizează datele obţinute prin
tehnologie de scanare laser, precum şi de a evidenția capacitatea tehnologiei
LiDAR, dar și limitările acesteia.
În lucrarea de față se prezintă un studiu detaliat asupra modului de achiziție
și de utilizare a surselor de date de scanare laser menționate anterior, în zonele
străbătute de cursuri de apă, cu scopul evidențierii numeroaselor aplicații ce pot fi
realizate. De asemenea, se ține cont de următoarele aspecte: oferirea de soluții
optime în ceea ce privește numeroasele dificultăți ce pot apărea în pre- și post-
procesarea datelor, alegerea unui flux de lucru optim, managementul datelor,
utilizarea softurilor fotogrammetrice corespunzătoare, organizarea informațiilor
precum și analiza calitativă și cantitativă a rezultatelor.
Scanarea laser aeriană și terestră diferă în ceea ce privește modul de achiziție
a datelor, dimensiunile proiectelor de lucru, mecanismele de scanare, precum și
acuratețea și rezoluția obținută. Cu toate acestea, au în comun numeroase aspecte,
în special cele legate de tehnologia laser de măsurare comună. În mod particular,
în momentul procesării norilor de puncte, uneori aceiași algoritmi pot fi aplicați
atât pentru scanarea aeriană cât și pentru cea terestră.
Modelele Digitale ale Terenului obținute prin scanarea laser aeriană,
constituie cel mai calitativ strat informativ de bază pentru numeroase aplicații.
Acestea permit o aplicare mult mai eficientă a metodelor tradiționale, dezvoltarea
unor noi metodologii de analiză și o caracterizare morfologică și hidrologică
detaliată a zonelor străbtute de ape, astfel îmbunătățind înțelegerea proceselor
hidrologice și de transport a sedimentelor. Astfel, Modelele Digitale ale Terenului
rezultate în urma procesării datelor achiziționate în intervale diferite de timp sunt
utilizate atât pentru analiza reliefului fluvial în zonele străbătute de cursuri de apă,
cât și pentru monitorizarea în timp a evoluției acestuia (Tarolli et al. 2009).
1.5 Structura tezei de doctorat
Lucrarea de faţă este structurată pe şapte capitole, după cum urmează:
Capitolul 1 – “O tehnologie care schimbă lumea…” cuprinde o prezentare
succintă despre modul de apariţie al tehnologiei de scanare laser şi influenţa
acesteia în dezvoltarea măsurătorilor, motivaţia principală a temei alese,
obiectivele, scopul şi descrierea capitolelor.
Capitolul 2 – “Situaţia actuală privind utilizarea tehnologiei de scanare
laser pe cursuri de apă” cuprinde o prezentare a tehnologiei de scanare laser,
fiind menţionate principalele caracteristici, principiul de măsurare şi clasificarea
Capitolul 1 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
5
în: sisteme de scanare laser aeropurtată sau terestră. Se prezintă principalele
aplicaţii şi utilizarea pe cursuri de apă a acestei metode de măsurare atât pe plan
internaţional, cât şi pe plan naţional. De asemenea, prin referire la literatura de
specialitate, se descriu principalele metode existente folosite în prezent pentru
filtrarea norilor de puncte, în vederea obţinerii Modelului Digital al Terenului
(MDT).
Capitolul 3 – “Clasificarea 3D a norilor de puncte” prezintă câteva
aspecte teoretice referitoare la metodele existente de clasificare a norilor de
puncte, precum şi principalele surse de date folosite în clasificarea 3D. Ca studiu
de caz, s-a avut în vedere zona “Neubacher Au”, localizată în apropierea satului
Loosdorf, la aproximativ 100 km vest de Viena, în Austria. Norii de puncte
rezultati în urma măsurătorilor cu laser scanerul aeropurtat (LSA) au fost
clasificaţi prin două metode diferite, şi anume: (1) prin aplicarea unui algoritm de
clasificare supervizată, bazat pe arbori de decizie şi (2) prin aplicarea unui algoritm
de clasificare semi-supervizată. În final rezultatele clasificărilor au fost analizate
şi comparate.
Capitolul 4 – “Algoritm propus pentru filtrarea, segmentarea şi
clasificarea norilor de puncte în scopul derivării Modelelor Digitale ale
Terenului pe baza datelor LSA” prezintă metodele existente de filtrare a norilor
de puncte, cu principalele limitări ale acestora şi propunerea unei noi metode de
clasificare a punctelor-teren, care este bazată pe o combinaţie a doi algoritmi: de
filtrare şi de segmentare, în vederea obţinerii de Modele Digitale ale Terenului
care să descrie mai fidel suprafaţa terestră. Algoritmul este aplicat pentru două
studii de caz: zona “Neubacher Au” şi o zonă în vecinătatea acesteia, caracterizată
printr-un relief cu terasamente. În final, se prezintă principalele avantaje aduse de
acestă metodă.
Capitolul 5 – “Aplicaţii ale datelor de scanare laser pe cursuri de apă”
cuprinde principalele aplicaţii realizate pentru zona de studiu, prin utilizarea
datelor rezultate în urma scanărilor laser şi anume: crearea Modelului Digital al
Suprafeţei, analize pentru vegetaţia zonei, aplicaţii ale MDT pentru modelarea
sistemului de drenaj şi al scurgerii, precum şi analiza evoluţiei în timp a albiei
râului prin utilizarea datelor de scanare multitemporale, pentru o perioadă de 3 ani.
Capitolul 6 – “Tehnologia de scanare laser topo-batimetrică” prezintă
principalele caracteristici ale scanărilor laser topo-batimetrice, utilizate pentru
determinarea adâncimii apelor. S-a propus un algoritm pentru corecţia unghiului
de refracţie, împreună cu derivarea Modelului Digital al Suprafeţei Apei (MDSA).
Capitolul 7 – “Concluzii generale, contribuţii personale şi direcţii
viitoare de cercetare” cuprinde concluziile generale cu privire la utilizarea
tehnologiei de scanare laser pe cursuri de apă cu avantajele si dezavantajele
acesteia, contribuţiile originale aduse în prezenta lucrare şi principalele direcţii
viitoare de cercetare.
2 SITUAŢIA ACTUALĂ PRIVIND
UTILIZAREA TEHNOLOGIEI DE SCANARE
LASER PE CURSURI DE APĂ
2.1 Introducere
Din punct de vedere teoretic, orice sursă de lumină poate fi folosită pentru
crearea unui instrument LiDAR, însă în practică toate intrumentele moderne
utilizează un laser ca sursă principală. Tehnologia de scanare laser este ştiinţa de a
utiliza un laser pentru măsurarea distanţelor spre puncte specifice. În mod tehnic,
laserele pot utliza orice lungime de undă a luminii din cadrul spectrului
electromagnetic. Utilizarea tehnologiei de scanare laser pe cursuri de apă reprezintă
o abordare relativ nouă, comparativ cu metodele tradiţionale de măsurare.
Zonele străbătute de râuri se caracterizează printr-o morfologie complexă, cu
numeroase categorii de folosinţă ale terenului, precum şi prezenţa suprafeţelor de
apă. Din acest motiv, utilizarea tehnologiei de scanare laser în aceste medii este
mai dificilă comparativ cu aplicaţiile clasice de cercetare şi studiu a terenului. Cu
toate aceste neajunsuri însă, studiile de cercetare şi investigare a mediilor străbătute
de râuri prin utilizarea tehnologiei de scanare laser au continuat şi evoluat, chiar
dacă numărul lor este cu mult mai redus faţă de alte domenii.
2.2 Relieful fluvial
În general, pe parcursul traseului lor, apele curgătoare formează un relief
specific, ce poartă denumirea de relief fluvial. Acesta poate fi caracterizat prin:
albie, meandre, lunci, terase, piemonturi, câmpii de nivel de bază. De obicei râurile
şi fluviile, care au un curs permanent, pornesc din munţi, unde îşi au izvoarele până
ce ajung la mare sau ocean. În traseul lor, are loc un fenomen de eroziune
permanentă, în urma căruia se formează văile care pot fi largi şi chiar foarte adânci
uneori.
Albia reprezintă suprafaţa care este ocupată aproape în permanenţă de apă. În
cadul acesteia, au loc permanent procesele de eroziune, transport şi acumulare.
Aceasta mai este întâlnită şi sub denumirea de albie minoră, fiind delimitată de cele
două maluri (stâng şi drept) precum şi de canalul de etiaj (talvegul), care reprezintă
linia ce uneşte cele mai adânci puncte din albie, având o lăţime foarte redusă. În
evoluţia unui râu, pornind de la albia minoră, prin aceste procese de meandrare şi
deplasări unilaterale, se formează albia majoră, care este folosită doar în cazul de
inundaţii.
Capitolul 2 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
7
2.3 Tehnologia de scanare laser
Tehnologia LIDAR (Light Detection and Ranging), este o tehnică activă de
teledetecție, prin intermediul căreia se pot obţine date şi informaţii de o acurateţe
ridicată despre topografia terenului, vegetaţie, clădiri etc. (Iosub F. 2008)
Coordonatele tridimensionale (x, y, z sau latitudine, longitudine şi altitudine)
ale punctelor corespunzătoare obiectelor măsurate sunt calculate prin utilizarea a
trei elemente principale, şi anume: (1) diferenţa de timp dintre emisia şi întoarcerea
pulsului laser; (2) unghiul sub care a fost emis pulsul laser şi (3) locaţia exactă a
senzorului de pe suprafaţa Pământului sau deasupra acesteia.
2.3.1 Principiul de scanare al tehnologiei laser
Tehnologia de scanare laser este o tehnică activă de teledetecție, ce utilizează
proprietățile luminii dispersate pentru a determina anumite caracteristici ale
obiectelor aflate la distanță. Aceasta oferă date de o acuratețe ridicată despre
topografia terenului, vegetație, clădiri, resurse naturale etc.
2.3.2 Clasificarea sistemelor de scanare laser
Sistemele de scanare laser pot fi clasificate în funcţie de următoarele
caracteristici: Principiul de operare, Montare, Principii de scanare, Lungimi de
undă utilizate.
2.3.3 Sisteme de scanare laser aeropurtate
Scanarea laser aeropurtată cunoscută şi sub denumirea de ALS (engl.
Airborne Laser Scanning) reprezintă un sistem activ de teledetecţie, folosit în
numeroase domenii de măsurare. Laserul poate fi montat atât pe un avion, cât şi pe
un elicopter. Sistemele laser de măsurare active sunt independente de lumina
solară. Acestea pot fi operate atât pe timpul zilei, cât şi noaptea. Această
caracteristică este deosebit de importantă faţă de alte metode de măsurare.
2.3.4 Sisteme de scanare laser terestre
Principiile fundamentale de măsurare a distanţelor şi de scanare întâlnite la
scanerele laser montate pe platforme aeropurtate, se întâlnesc şi în cazul laserelor
terestre de scanare. Sistemele terestre sunt montate de obicei pe un trepied. Spre
deosebire de acestea, sistemele de scanare mobile sunt montate pe vehicole.
2.4 Situaţia actuală pe plan internaţional privind aplicarea tehnologiei de
scanare laser pe cursuri de apă
2.4.1 Condiţii de aplicare a tehnologiei de scanare laser pe cursuri de apă
În domeniul geomorfologiei, tehnologia de scanare laser aeriană este folosită
la scară largă în numeroase domenii, precum: pentru cercetarea morfologiei şi
distribuţiei alunecărilor de teren (Glenn et al. 2006; McKean şi Roering 2004),
dezvoltarea inventarierii acestora (Ardizzone et al. 2007; Van Den Eeckhaut et al.
Capitolul 2 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
8
2005), dar şi pentru recunoaşterea structurilor de depuneri în conurile aluviale
(Cavalli et al. 2008; Frankel şi Dolan 2007; Staley et al. 2006).
2.4.2 Clasificarea aplicaţiilor de utilizare a tehnologiei de scanare laser
Principalele aplicaţii ale acestei tehnologii în zonele străbătute de râuri, pot fi
grupate in şapte categorii tematice, precum:
1. Modelare hidraulică şi hidrologică (Cobby et al. 2003; French 2003; Hollaus
et al. 2005);
2. Cartografiere geomorfologică şi analiza cantitativă a zonelor inundabile (ex.
profile în secţiune transversală) (Challis 2006; Charlton et al. 2003; James et
al. 2007; Jones et al. 2007; Notebaert et al. 2009);
3. Monitorizarea şi analiza schimbărilor morfologice fluviale prin integrarea
LiDAR-ului topografic cu sisteme sonice (Hicks et al. 2007; Lollino et al.
2008) sau prin utilizarea LiDAR-ului batimetric (McKean et al. 2008);
4. Clasificarea automatatizată a suprafeţelor de apă (Hofle et al. 2009);
5. Evoluţia morfologigă a cursului de apă pe termen lung (Magirl et al. 2005);
6. Analiza eroziunii malurilor râurilor (Thoma et al. 2005);
7. Caracterizarea morfologiei fundului apelor (Cavalli et al. 2008).
2.4.3 Aspecte importante privind aplicarea tehnologiei LiDAR în medii
străbătute de cursuri de apă
În ceea ce urmează, vor fi prezentate câteva aspecte esenţiale legate de
aplicarea tehnologiei LiDAR în zonele de râuri.
Rezoluţia mare a Modelelor Digitale ale Terenurilor derivate prin utilizarea
datelor LiDAR precum şi precizia acestora (0.1 – 0.2 m în plan vertical şi 0.5 – 1
m în plan orizontal) permite utilizarea acestora în numeroase analize şi studii de
precizie pentru descrierea morfologiei reliefului fluvial. În domeniul modelării
hidraulice şi hidrologice, numărul ridicat de secţiuni transversale ce pot fi extrase
din MDT de-a lungul cursului râului, pot servi ca bază pentru simularea precisă a
inundaţiilor, atrăgând atenţia agenţiilor şi autorităţilor din domeniul
managementului de mediu (Maso 2002; Fema 2003).
2.4.4 Aplicaţii ale tehnologiei de scanare laser pe cursuri de apă
Unul dintre primele studii care a utlizat date LiDAR topografice pentru
analiza morfologică a zonelor străbătute de cursuri de apă este realizat de Charlton
et al. (2003). Aceştia au testat capacitatea datelor LiDAR de extragere a profilelor
transversale pentru un râu (Coquet, Regatul Unit), caracterizat prin instabilitate
laterală şi o continuă activitate. În acest caz, senzorul LiDAR topografic făcea parte
din prima generaţie, capabil de a înregistra un singur impuls.
Datele LiDAR ce descriu suprafeţele de apă sunt în mod evident afectate de
erori mai mari decât datele colectate pe suprafaţa uscatului. În orice caz, este
posibilă utilizarea acestor informaţii pentru analiza schimbărilor morfologice, cu
variaţii mai mai decât toleranţa instrumentului, fapt demonstrat în lucrarea lui
Magirl et al. (2005).
Capitolul 2 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
9
2.4.5 Scanarea laser aeriană
Tehnologia de scanare laser aeropurtat (LSA) este aplicată pentru
cartografierea elevaţiilor în zonele riverane, pentru realizarea unui bun
management în cazul fenomenelor de inundaţii (Pereira, Wicherson 1999) şi pentru
evaluarea eroziunii şi depozitării sedimentelor (Milan, Heritage, Hetherington
2007). Ca şi limitare a acestei tehnologii, de menţionat este faptul că scanarea laser
aeriană nu este capabilă de a detecta fenomenele locale de eroziune, din moment
ce malurile sunt, de obicei, sub-verticale.
2.4.6 Scanarea laser terestră
Astfel, sunt lucrări ştiinţifice în care se foloseşte scanarea laser terestră
(LST) pentru determinarea cantitativă a materialului erodat, dar şi pentru
identificarea transformărilor spaţiale şi temporale pe un întreg curs de râu
(Kociuba, Kubisz, Zagorski 2014) (Rosser, Petley, Lim, Dunning, Allison 2005).
Lotsari et al. (2014) a investigat corelaţia dintre intensitatea curenţilor de apă şi
durată, precum şi morfodinamica râurilor. La o scară mai mică, Rosser et al. (2005)
a analizat potenţialul utilizării datelor LST pentru identificarea schimbărilor
malurilor râurilor.
Figura 2.1 Identificarea zonelor de eroziune, depunere pentru râul alpin Tartano
din nordul Italiei (Longoni, Papini et al. 2016)
Scanarea terestră a cursurilor de apă este mai avantajoasă decât metodele
clasice de măsurare folosind staţiile totale şi tehnologia GNSS, datorită
măsurătorilor mai rapide şi obţinerea unui număr mai mare de puncte.
2.4.7 Sisteme ULS
În iulie 2016 departamentul de Geodezie şi Geoinformatică al Universităţii
Tehnice din Viena a prezentat în cadrul celui de-al XXIII-lea Congres ISPRS de la
Praga, evaluarea unei noi tehnici de construire a profilelor topo-batimetrice, prin
utilizarea unui senzor topo-batimetric (RIEGL BathyCopter) montat pe o platform
ă UAV de măsurare (RiCOPTER). Lungimea de undă a laserului ese de 532 nm,
corespunzătoare culorii verde din spectrul electromagnetic, care are capacitatea de
penetrare a apei (Mandlburger G. 2016).
Capitolul 2 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
10
2.4.8. Scanere laser topo-batimetrice
Scanerele laser topo-batimetrice moderne nu mai folosesc ca prim semnal
unda infraroşie (NIR), cu lungimi de undă de λ= 1064nm, ci emit şi primesc doar
semnalul verde λ= 532 nm (Mandlburger, Pfennigbauer, Pfeifer 2013). LiDAR-ul
batimetric nu mai este restricţionat doar pentru zonele costiere, ci poate fi utilizat
şi pentru topografia fluvială precum şi ape mici de suprafaţă, precum apele
superficiale, râuri, lacuri şi pârâuri (Pfennigbauer et al. 2011), (Steinbacher şi
Pfenningbauer 2010).
2.4.9 Situaţia actuală pe plan internaţional în ceea ce priveşte obţinerea
Medelului Digital al Terenului prin filtrarea datelor de scanare laser
Procedeele de filtrare a datelor obţinute din scanarea laser reprezintă un
aspect important, adresat în câteva studii recente (Jones et al. 2007; James et al.
2007; Cavalli et al. 2008). Această etapă de lucru are o influenţă majoră în obţinerea
unui Model Digital al Terenulu. Pe de altă parte, adoptarea unei metode potrivite
de filtrare a norilor de puncte, depăşeşte toate aceste probleme, contribuind la
obţinerea unui MDT de calitate, în care morfologia cursului de apă, secţiunile
transversale şi profilele longitudinale sunt detectate în mod corect.
2.5. Situatia actuală pe plan naţional în ceea ce priveşte utilizarea sistemelor
de scanare laser în diverse aplicaţii
2.5.1 Companii naţionale care utilizează sisteme de scanare laser 3D
La nivel naţional, printre companiile care deţin şi realizează lucrări cu sisteme
de scanare laser, se enumeră:
1. S.C. Primul Meridian S.R.L – Slatina, judeţul Olt
2. N. B. Trading ’93 S.R.L. în Bucureşti
3. S.C.ArenaCAD, cu sedii în Braşov şi Bucureşti
4. S.C. Habitat Proiect S.A. Iasi, Romania
5. S.C. GisCAD S.R.L. cu sedii în Arad şi Bucureşti
2.5.3 Domenii de utilizare a sistemelor laser de scanare pe plan naţional
Începând cu anul 2007, Administraţia Naţională “Apele Române”, în
cadrul proiectului “Hărţi de hazard şi de risc la inundaţii” foloseşte date obţinute
prin scanare laser, pentru realizarea hărţilor de hazard şi de risc din bazinul
hidrografic Prut-Bârlad. În ceea ce priveşte folosirea laserului cu lungimi de undă
de 532 nm pe plan naţional, încă nu există măsurători din această categorie.
2.6 Concluzii
Acest capitol prezintă principalele caracteristici ale tehnologiei de scanare
laser, împreună cu situaţia actuală pe plan internaţional şi naţional a utilizării
acestora în diverse apicaţii, însă în mod special pentru zonele străbătute de cursuri
de apă.
3 CLASIFICAREA
3D A NORILOR DE PUNCTE
3.1 Introducere
Procesul de clasificare constă într-un ansamblu de metode de căutare a
proprietăţilor comune pentru obiecte, care sunt ulterior grupate în clase diferite,
conform cu un model de clasificare (Pater 2006).
3.2 Clasificarea tridimensională a norilor de puncte
Norii de puncte tridimensionali reprezintă principalul rezultat al scanărilor
laser atât terestre cât şi aeropurtat. Pentru o procesare ulterioară, clasificarea norilor
de puncte este deosebit de importantă în aplicaţii precum: derivarea Modelului
Digital al Terenului, pentru delinierea zonelor de pădure, pentru extracţia clădirilor
şi modelarea acestora, ş. a.
3.2.1 Tipuri de clasificare
Clasificarea norilor de puncte rezultaţi în urma scanărilor laser, poate fi de
mai multe tipuri şi anume:
1. în funcţie de modul de realizare: supervizată şi nesupervizată
2. în funcţie de datele utilizate:
- clasificare bazată pe puncte (engl. Point-based);
- clasificare bazată pe segmente (engl. Segment-based);
- clasificare bazată pe voxel (engl. Vovel-based).
3.2.2 Metode existente de clasificare a norilor de puncte
În literatura de specialitate sunt menționate două tipuri majore de clasificare
a datelor: prima este reprezentată de analiza cluster (eng. Cluster analysis) iar a
doua este reprezentată de clasificarea orientată obiect, care vizează clasificarea
obiectelor identificate. Primul tip de clasificare, cel de analiză cluster, este utilizat
în procesarea imaginilor, fiind bazat pe caracteristicile geometrice sau spectrale ale
obiectelor (Zhang 2011). Li et al (2007) utilizează o metodă care combină imaginile
cu o rezoluție ridicată cu datele laser, pentru clasificarea orientată obiect a unei
zone urbane, având la bază algoritmii Support Vector Machines (mașini vectoriale
de suport). Clasificarea bazată pe obiecte este mai cunoscută și folosește
caracteristicile geometrice și spectrale ale obiectelor, care contribuie la
identificarea obiectelor pe baza diferențelor spațiale și spectrale.
Capitolul 3 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
12
3.2.3 Surse de date folosite în clasificarea 3D
În ultimii ani, tehnologia de scanare laser reprezintă o importantă metodă
de măsurare, fiind utilizată într-o varietate de domenii, precum: topografie, mediu,
industrie, conservarea monumentelor istorice. Unul dintre marile avantaje ale
acestei tehnologii îl constituie achiziția tridimensională a datelor cu o precizie
ridicată, bazată pe măsurători de unghiuri și distanțe (Loghin et al. 2017). Principiul
de măsurare are la bază emisia pulsurilor de lumină în spectrul infraroșu care
traversează atmosfera, sunt împrăștiate și apoi parțial absorbite de obiectele aflate
în câmpul instantaneu de vizare. Colecția rezultată de puncte având o cunoscută
poziție 3D geometrică în spațiu pi = (x, y, z) P, constituie norul de puncte.
3.3 Studiu de caz: Râul Pielach – o bijuterie a naturii
De multe ori subevalat şi nu foate cunoscut, precum Dunărea, Lech sau Mur,
râul Pielach, ce curge între Annaberg şi Melk, este considerat ca fiind una dintre
ultimele Grădini ale Edenului pentru animalele şi plantele aflate în pericol de
dispariţie din regiunea subalpină a Austriei de Nord-Est. Râul Pielach îşi are izvorul
la Hennesteck (Alpii Austriei – partea central-estică a ţării). Datorită frumuseţii
deosebite a locului, râul Pielach a fost numit o bijuterie a naturii.
Figura 3.1 Fotografii ale râului Pielach realizate pe teren în Martie 2016
(prima linie) şi Iunie 2016 (a doua linie)
3.3.1 Prezentarea zonei de studiu
Zona de studiu este reprezentată de Neubacher Au, localizată în apropierea
satului Loosdorf, la aproximativ 100 km vest de Viena, în Austria (48o 12’50” N,
15o 22’30” E, WGS 84). Acest teritoriu este străbătut de albia meandrată a râului
Pielach, afluent pe partea dreaptă al Dunării și face parte din ariile protejate din
cadrul proiectului Natura 2000. Datorită inundaţiilor care s-au produs, zona
prezintă o complexitate topografică ridicată, din punct de vedere al modificărilor
în ceea ce priveşte albia râului, prin formarea de noi canale, eroziune.
Capitolul 3 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
13
(a) (b)
Figura 3.2 Zona de studiu, Neubacher Au, Austria; (a) Harta Austriei;
(b) localizarea zonei de studiu
3.3.2 Surse de date, materiale și metode utilizate în clasificare
Pentru clasificarea tridimensională a norilor de puncte s-a luat în considerare
norul de puncte rezultat în urma campaniei de scanare laser aeropurtat din data de
26 februarie 2015, realizată cu senzorul de tip Riegl LMS-Q1560. Norul de puncte
rezultat, cu o densitate de 21 puncte / m2, având 2.8 milioane de puncte, acoperă o
suprafață de 45 150 m2.
3.3.3 Algoritmi utilizaţi pentru clasificarea tridimensională
În paginile care urmează sunt descrise două metode diferite de clasificare
tridimensională, aplicate pentru nori de puncte obținuți prin scanare laser aeriană.
1. În primul rând, este prezentat un algoritm de clasificare supervizată (eng.
Supervised Machine learning classification) ce folosește algoritmi cu arbori de
decizie și algoritmi de tipul Random Forest aplicați pe un set redus de date și
anume pe datele de antrenare (engl. Training data). Astfel sistemul este antrenat
să recunoască tipurile de clase definite.
2. Cea de-a doua metodă este un algoritm de clasificare semi-supervizat,
compus dintr-o cascadă de clasificatori binari, care au la bază mașini vectoriale
de suport (engl. Support Vector Machines). Aceste metode sunt aplicate pentru
a eticheta fiecare punct în una din următoarele patru clase: sol, apă, vegetatie și
pietriș.
3.4 Clasificarea norilor de puncte în medii naturale
Clasificarea norilor de puncte în medii naturale este o misiune destul de
dificilă, datorită caracterului complex și heterogen al suprafeţelor naturale. Această
complexitate provine din ne-uniformitatea obiectelor naturale individuale, precum:
mărimi diferite ale particolelor de pământ, tipuri de soluri cu granulații diferite,
vegetaţie de diferite tipuri și vârste (iarbă, arbuști, vegetație medie și înaltă),
Zona de studiu
Capitolul 3 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
14
litologie variabilă, morfologia dinamică a albiei cursurilor de râuri caracterizată
prin depuneri aluvionare, resturi și eroziuni.
3.4.1 Pre-procesarea norilor de puncte
Preprocesarea norilor de puncte LSA (georeferențiere directă, aducerea
benzilor în coincidență – strip adjustment) a fost realizată cu ajutorul software-ului
Riegl RiProcess, special destinat pentru lucrul, procesarea, analiza, registrația,
filtrarea și vizualizarea datelor achiziționate cu sisteme de scanare laser.
3.4.2 Stabilirea fluxului pentru clasificare
Ca prim pas de pre-procesare a datelor, a fost aplicată o filtrare a norului de
puncte. Norul de puncte rămas este tratat în mod separat cu cele două tipuri de
clasificare, implementate în OPALS și în software-ul Canupo. În final, rezultate
obținute în urma clasificărilor, s-au comparat și validat.
3.5 Prezentarea algoritmului de clasificare supervizată
Algoritmul de clasificare supervizată aplicat norului de puncte este bazat pe
arbori de decizie (Decision Trees) și pe algoritmi de tipul Random Forests.
Algoritmul de tip Random Forests este cunoscut ca un ansamblu de tehnici, care
conține un grup de clasificatori de o performanță ridicată, având la bază o
multitudine de arbori de decizie.
3.5.1 Clasificarea bazată pe arbori de decizie
Un arbore de decizie (arbore de clasificare) este o structură-suport de decizie,
care utilizează un grafic, asemănător unui copac, sau un model de decizii, împreună
cu posibilele consecinţe, inclusiv rezultate, costuri de resurse, utilitate.
Principalele componente ale unui algoritm de tip arbore de decizie sunt:
Nodurile – acestea sunt punctele de decizie, în care atributul este testat
(condiția)
Ramuri – cele două rezultate diferite ale testării
Frunze – acestea sunt reprezentate prin etichete și reprezintă decizia finală
luată în urma analizării tuturor atributelor.
3.5.2 Algoritmi de decizie
Trăsăturile de bază ale algoritmilor de decizie sunt:
- Majoritatea algoritmilor de decizie utilizează variabile de enumerare şi
regresia;
- Algoritmii de decizie sunt destinaţi doar pentru clasificarea de tip binar
- Decizia finală pentru clasificare se găseşte în nodul-frunză, decizie care
se stabileşte în urma analizei histogramei valorilor rezultate. Clasa cu
numărul cel mai mare de valori este stabilită ca rezultat final pentru
clasificare.
Capitolul 3 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
15
3.5.3 Baza matematică a arborilor de decizie
1). Presupunând ca există două clase P şi N:
a) fie un set de exemple S care conţin p elemente din clasa P şi n elemente
din clasa N
b) cantitatea de informaţie necesară pentru a decide dacă un exemplu arbitrar
din S aparţine clasei P sau clasei N este definită astfel (Pater, 2006):
𝐼 (𝑝, 𝑛) = −𝑝
𝑝+𝑛𝑙𝑜𝑔2
𝑝
𝑝+𝑛−
𝑛
𝑝+𝑛𝑙𝑜𝑔2
𝑛
𝑝+𝑛 (3.1)
2). presupunem că utilizând atributul A, un set S va fi partiţionat în seturile {S1,
S2, ..., Sv}
𝐸(𝐴) = ∑𝑝𝑖+𝑛𝑖
𝑝+𝑛𝐼(𝑝𝑖 , 𝑛𝑖)
𝑛𝑖=1 (3.2)
Detalii teoretice referitoare la acestă metodă se găsesc pe adresa:
http://ip.ase.ro.
3.5.4 Etapele clasificării supervizate
Etapele principale ale algoritmului de clasificare supervizată sunt
prezentate în următoarele secţiuni.
1. Selecţia şi clasificarea manuală a seturilor de date de antrenare
2. Calculul atributelor în fiecare punct
3. Crearea modelului de clasificare
4. Aplicarea modelului de clasificare pe întregul set de date
5. Vizualizarea şi analiza rezultatelor
3.6 Prezentarea algoritmului de clasificare semi-supervizată
3.6.1 Baza matematică pentru algoritmii de tip SVM
Algoritmii de tip Support Vector Machines (SVM) sunt foarte eficienţi
pentru problemele supervizate complexe, furnizând rezultate de o acurateţe
ridicată. Algoritmii SVM creează hiperplane care separă grupele cât mai clar. Un
hiperplan este un plan care divizează spațiul în două subspații.
a·x+b·y+c=0 (3.3)
De fapt hiperplanele sunt funcții de m variabile unde m este numărul de
variabile independente după care se face clasificarea. Pentru un spațiu de
dimensiune m ecuația hiperplanului este:
w1x1 + w2x2 + ... +wmxm + b = 0. (3.4)
Algoritmul constă în a identifica hiperplane care să despartă cât mai bine
punctele într-un spațiu de dimensiune m. Distanța dintre hiperplan și cele mai
apropiate puncte se numește marjă, iar aceste puncte sunt vectorii suport. Un
hiperplan desparte cu atât mai bine punctele cu cât marja este mai mare.
Capitolul 3 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
16
3.6.2 Clasificarea norilor de puncte prin utilizarea software-ului CANUPO
Pachetul CANUPO este utilizat cu eficienţă pentru clasificarea automată a
norilor de puncte. Permite crearea unor clasificatori proprii şi aplicarea acestora pe
un nor de puncte
- clasificatorii permit separarea în două clase diferite
- este implementat ca şi plugin in softul CloudCompare
De asemenea, are ca şi output un parametru ce indică precizia de clasificare
pentru fiecare punct, astfel încât se pot identifica problemele sau sursele de erori
ce pot interveni în clasificare.
Ce este un Clasificator?
Clasificatorii sunt stocaţi în fişiere de tip .prm, ce permit clasificarea unor
seturi de date. Aceştia pot fi aplicaţi oricărui nor de puncte, cu condiţia ca unitatea
sa de măsură să fie în concordanţă cu cea pentru care a fost definit clasificatorul
3.6.3 Aplicarea algoritmului de clasificare semi-supervizată pentru studiul de caz
Algoritmul de clasificare semi-supervizată aplicat în acest studiu este bazat
pe o cascadă de clasificatori binari și pe tehnici de tip mașini vectoriale de suport -
Support Vector Machines, cunoscute drept SVM. Această metodă de clasificare
descrisă în (Brodu 2012) este dezvoltată în mod special pentru nori de puncte 3D
preluați pentru medii naturale complexe.
După cum se poate vedea în figura 3.3, metoda utilizează o cascadă de
clasificatori binari, fiind contruită din trei faze principale. Pentru determinarea
gradului de acuratețe a fiecărui clasificator în parte, s-au folosit doi parametri:
balanced accuracy (ba) pentru cuantificarea performanței clasificatorului și un
raport de destriminare, Fisher Discriminant Ration (fdr), pentru stabilirea
separabilității claselor. De exemplu, o valoare ridicată a parametrului ba, de peste
95 % indică o clasificare foarte bună, în timp ce o valoare ridicată a parametrului
fdr arată o separare bună a claselor.
Figura 3.3 Fluxul de lucru pentru algoritmul semi-supervizat de clasificare
Capitolul 3 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
17
În figura 3.4 sunt prezentați cei trei clasificatori cu parametrii de analiză
a preciziei acestora. Primul clasificator separă punctele de pe vegetație de celelalte
trei clase, având parametrul ba de 98.57% și un grad de separabilitate fdr de 9.32.
Cel de-al doilea clasificator separă punctele situate pe apă de sol și suprafețele
acoperite cu pietriș. Procedura automatizată are o acuratețe de 98.87%, valoare ce
indică o foarte bună clasificare, iar valoarea ridicată a parametrului fdr de 12.46
reflectă un grad ridicat de separabilitate a claselor. Clasificatorul al treilea separă
punctele aflate pe pietriș de cele de la nivelul solului, cu o acuratețe de 92.25 % și
o valoare a parametrului fdr de 10.57.
(a) (b) (c)
Figura 3.4 Clasificatori semi-supervizați aplicați în procesul de clasificare
(Loghin 2018)
3.7 Aplicarea algoritmului CSF de filtrare a punctelor teren
Algoritmul CSF (Cloth Simulation Filter) este o metodă de extragere a
punctelor care aparţin terenului, din cadrul noilor de puncte LiDAR.
Figura 3.5 Vizualizarea norului de puncte clasificat, în urma aplicării
algoritmului CSF
Acest algoritm utilizează o metodă de simulare a unei pânze, care este
suprapusă peste norul de puncte, supus anterior unui proces de inversare. Acestă
pânză este folosită pentru filtrarea punctelor teren de punctele non-teren, prin
analiza legăturilor dintre aceasta şi punctele din norul iniţial de puncte. Algoritmul
este descris în lucrarea (Zhang 2016) şi este implementat ca plugin în software-ul
Canupo.
Capitolul 3 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
18
Cu ajutorul acestuia, au fost determinate punctele care aparţin terenului şi
punctele non-teren pentru zona de studiu, având următoarele rezultate:
Tabelul 3.1 Rezultatele clasificării în urma aplicării algoritmului CSF
Puncte Algoritm CSF Procentaj [ % ]
Teren 958 044 33,82
Non-teren 1 874 453 66,18
Număr total de puncte 2 832 497
3.8 Compararea rezultatelor clasificării şi analiza preciziei rezultatelor
Rezultatele finale ale clasificărilor, prin utilizarea celor două tipuri de
algoritmi este etichetarea fiecărui punct din norul de puncte în una din următoarele
patru clase: vegetație, apă, sol și pietriș.
(a) (b)
(c) (d)
Figura 3.6 Rezultatele procesului de clasificare pentru zona Neubacher Au
vizualizare de sus și vizualizare 3D - (a), (c) utilizând software-ul OPALS, și (b),
(d) utilizând pachetul CANUPO
Prin analiza statistică, se arată că dintr-un număr total de aproximativ 2.8
milioane de ecouri, procentajele rezultate pentru fiecare clasă în parte sunt după
cum urmează: 48.03% puncte sol, 44.63% puncte vegetație, 5.23% puncte apă și
2.10% puncte pietriș, utilizând pachetul Canupo și 47.99% puncte sol, 44.66%
puncte vegetație, 5.21% puncte apă și 2.14% puncte pietriș, utilizând software-ul
Opals.
Capitolul 3 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
19
(a)
(b)
Figura 3.7
Procentajul de puncte per clasă
(a) Clasificare semi-supervizată
(b) Clasificare supervizată
Legenda
În următorul tabel sunt prezentate numărul de puncte rezultate pentru fiecare
clasă, prin utilizarea celor două metode:
Tabelul 3.2 Rezultatele clasificării tridimensionale CANUPO OPALS Diferenţe [ % ]
Teren 1 360 527 1 359 242 0,05
Vegetaţie 1 264 223 1 265 124 0,03
Apă 148 181 147 593 0,02
Pietriş 59 566 60 538 0,03
Număr total de
puncte 2 832 497
Ambele metode de clasificare prezintă o acuratete ridicată, având rezultate
similare, cele mai mari diferențe 0,05 % fiind înregistrate pentru punctele din clasa
teren.
Evaluarea preciziei rezultatelor
Performanţa clasificatorilor se analizează prin construirea matricelor de
confuzie corespunzătoare (engl. confusion matrix). Acurateţea este calculată ca
raport dintre numărul de date clasificate, etichetate corect şi numărul total de date,
în timp ce rata erorii este dată de raportul dintre numărul de date etichetate greşit
şi numărul total de date.
În continuare sunt prezentate matricile de confuzie rezultate în urma aplicării
clasificării tridimensionale pentru prezentul studiu de caz.
Matricea de confuzie rezultată prin utilizarea clasificării supervizate
Clasa reală
Total σclasă
referinţă Teren Vegetaţie Apă Pietriş
Clasa
prezisă
Teren 1359242 1843 507 514 1362106 98.79
Vegetaţie 12598 1265124 183 112 1278017 98.99
Apă 5894 345 147593 474 154306 95.65
Pietriş 5938 812 217 31101 38068 81.70
Total 1383672 1268124 148500 32201 2832497
σclasă clasificator 98.23 97.76 97.39 96.58
Acurateţe totală 0.959607
Capitolul 3 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
20
Matricea de confuzie rezultată prin utilizarea clasificării semisupervizate
Clasa reală
Total σclasă
referinţă Teren Vegetaţie Apă Pietriş
Clasa
prezisă
Teren 1360527 1758 211 542 1363038 98.82
Vegetaţie 12456 1264223 57 214 1276950 97.00
Apă 6487 378 148181 321 155367 95.37
Pietriş 4202 1765 51 31124 37142 83.80
Total 1383672 1268124 148500 32201 2832497
σclasă clasificator 98.33 98.69 98.79 96.66
Acurateţe totală 0.969959
3.9 Concluzii
În acest capitol este prezentă clasificarea norilor de puncte obţinuţi prin
scanarea laser aeriană cu senzorul Riegl LMSQ 1560, în campania din 26 februarie
2015. Pentru aceasta, s-a considerat norul cu o densitate de 21 puncte / m2, având
în total un număr de 2.8 milioane de puncte, ce acoperă o suprafață de 45 150 m2
reprezentată de zona “Neubacher Au” de pe cursul râului Pielach din Austria.
Senzorul de tip “full-waveform” este capabil de a înregistra întreaga formă a undei,
fapt ce aduce în plus față de măsurători de distanță și alte atribute, precum:
amplitudinea ecoului, lățimea acestuia, dar și informații despre mai multe ecouri
doar dintr-un singur puls laser.
Pentru clasificarea acestui nor de puncte, s-au utilizat două metode diferite:
(1) clasificare supervizată ce folosește algoritmi cu arbori de decizie și algoritmi
de tipul Random Forest aplicați pe un set redus de date și anume pe datele de
antrenare (eng. Training data) şi (2) clasficarea semi-supervizată compus dintr-o
cascadă de clasificatori binari, care au la bază mașini vectoriale de suport (eng.
Support Vector Machines).
Aceste metode sunt aplicate pentru a eticheta fiecare punct în una din
următoarele patru clase: sol, apă, vegetatie și pietriș. Ca prim pas de pre-procesare
a datelor, a fost aplicată o filtrare a norului de puncte. Astfel, unctele rămase sunt
tratate în mod separat cu cele două tipuri de clasificare, implementate in OPALS și
în software-ul Canupo.
Principalele etape ale algoritmului de clasificatre supervizate, constă în:
selecţia şi clasificarea manuală a seturilor de date de antrenare, calculul atributelor
în fiecare punct, crearea modelului de clasificare, aplicarea modelului de clasificare
pe întregul set de date şi vizualizarea şi analiza rezultatelor. În cazul clasificării
semi-supervizate, s-au aplicat trei clasificatori diferiți: un clasificator pentru
vegetație, un clasificator pentru apă şi un clasificator pentru pietriș.
În final, rezultate obținute în urma clasificărilor, s-au comparat și validat,
având ca referinţă norii de puncte clasificaţi manul în softul DTMaster produs de
firma Inpho Trimble. Acurateţea cea mai mică se înregistrează pentru pietriş de 81
%, iar per total, precizia celor doi clasificatori este de 0.95 % pentru softul Opals
şi de 0.96 % pentru Canupo.
4 ALGORITM PROPUS PENTRU FILTRAREA,
SEGMENTAREA ŞI CLASIFICAREA NORILOR
DE PUNCTE ÎN SCOPUL DERIVĂRII
MODELELOR DIGITALE ALE TERENULUI PE
BAZA DATELOR LSA
4.1 Introducere
Ca sistem activ de măsurare prin utilizarea luminii, un laser scanner are
nevoie de o vizualizare clară a terenului. Acesta nu poate penetra norii, ceaţa sau
vegetaţia foarte densă. Impulsul laser trece prin coronametele arborilor de foioase,
în special in anotimpul iernii, când frunzele sunt căzute. Oricum, laserul nu va capta
terenul în cazul pădurilor dense de conifere. În ciuda tuturor acestor limitări,
scanarea laser aeriană, s-a dovedit a fi o metodă foarte productivă pentru
producerea Modelelor Digitale ale Terenului (Vosselman, Maas 2010).
4.1.1 Aspecte generale
Principiul care stă la baza tehnologiei de scanare laser, este emiterea unui puls
laser într-direcţie cunoscută, controlată şi măsurarea timpului de zbor de la emisie
până la recepţie (Loghin, Oniga, Wieser 2016). Norul de puncte este georeferenţiat
în spaţiu 3D (Otepka, Ghuffar, Waldhauser, Hochreiter, Pfeifer 2013).
Modelul Digital al Terenului, ca reprezentare matematică a tuturor
punctelor de pe suprafaţa terenului, este unul din produsele cele mai importante ale
datelor e tip LiDAR. Pentru obţinerea sa, este necesară o separare a punctelor-teren
dintre toate punctele din norul de puncte rezultat în urma scanării, acest proces fiind
este cunoscut sub nmele de “filtrare”.
4.1.2 Avantajele utilizării datelor LSA (Laser Scaner Aeropurtat) pentru
obţinerea Modelelor Digitale ale Terenului
Tehnologia de scanare laser are câteva avantaje, faţă de alte metode de
generare a modelelor digitale ale terenului, printre care se enumeră: Densitate mare
de măsurare şi acurateţe ridicată a datelor, Achiziţia rapidă a datelor, Penetrarea
coronamentului, Date pe teren minime.
4.2 Algoritm inovativ de filtrare, segmentare şi clasificare a norilor de puncte
În acest studiu, s-a dezvoltat un nou algoritm, care se referă la o nouă
metodă de filtrare, segmentare și clasificare a norilor de puncte pentru
derivarea Modelelor Digitale ale Terenului prin utilizarea datelor rezultate în
urma scanării laser aeriene, în vederea utilizării acestora la întocmirea unor proiecte
de precizie ridicată, cum ar fi: aplicații în hidrologie, geomorfologie, hidraulică;
Capitolul 4 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
22
monitorizarea albiei râurilor; crearea unor hărți de hazard și de risc în cazul unor
inundații; detecția schimbărilor în timp; management și monitorizare (El-Sheimy
et al. 2005).
4.3 Situaţia actuală pe plan international în ceea ce priveşte filtrarea norilor
de puncte
Pe plan internațional, de-a lungul timpului, au fost dezvoltate mai multe
metode automatizate care pot fi aplicate pentru filtrarea norilor de puncte. Cei mai
mulţi algoritmi sunt bazaţi pe analiză matematică (Vosselman et al. 2000), iteraţii
cu ponderi (Briese, Pfeifer et al. 2001) sau crearea de reţele de puncte (Wack,
Wimmer 2002).
4.3.1 Clasificarea metodelor existente de filtrare a norilor de puncte
Sunt cunoscute metodele existente de filtrare a norilor de puncte, care în
funcție de datele de intrare se clasifică în două categorii, astfel:
1. Metode de filtrare care au la bază punctul.
2. Meode de filtrare care au la bază segmente.
Sunt cunoscute, de asemenea metodele existente de filtrare a norilor de
puncte, care în funcție de conceptul folosit, se clasifică în patru categorii astfel:
1. Metode de filtrare morfologică (Vosselman et al. 2000)
2. Metode de densificare progresivă (Axelsson 2000)
3. Metode de filtrare care utilizează suprafețe (Kraus, Pfeifer et al. 1998)
4. Metode ce utilizează procese de segmentare (Tovari, Pfeifer 2005)
4.3.2 Limitări ale metodelor existente de filtrare
Toate aceste metode de filtrare existente prezintă anumite limitări și
dificultăți în anumite situații speciale. Spre exemplu: punctele outliers - ca erori de
scanare, obiectele cu o complexitate ridicată, obiectele de dimensiuni mici
(vehicule), obiectele atașate de teren (poduri), obiectele cu o configurație
complexă, nu pot fi eliminate în cadrul procesului de filtrare a norului de puncte.
Toți acești algoritmi de filtrare sunt construiți în special pentru suprafațe
netede și continue în toate direcțiile. Acest lucru conduce la o reprezentare netedă
a terenului, chiar și în cazul unor suprafețe cu discontinuități, fapt ce demonstrează
limitările acestor algoritmi. În studiul (Briese, 2004) este descrisă metoda de
obținere a Modelelor Digitale ale Terenului cu o acuratețe ridicată, metodă care are
la bază tehnica de interpolare a punctelor și modelarea manuală a zonelor de
discontinuitate. Pornind de aici, am dezvoltat o nouă metodă de obținere a
Modelelor Digitale ale Terenului de mare precizie, bazată pe un nou algoritm, care
are în vedere automatizarea procesului și eliminarea intervențiilor manuale.
4.4 Propunerea unui nou algoritm de filtrare a norilor de puncte
Scopul metodei inovative, prin realizarea unei noi metode care are la bază
procesele de interpolare robustă ierarhică, segmentare și clasificare a norilor de
puncte, este de a diminua efectul de netezire în special în zonele de discontinuitate
Capitolul 4 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
23
ale terenului (linii de schimbare a pantei), comparativ cu metodele tradiționale de
filtrare, de a automatiza întreg procesul de filtrare, segmentare și clasificare,
precum și de a crește acuratețea modelelor digitale ale terenului care sunt obținute
pe baza datelor laser scaner aeropurtat.
4.4.1 Obiective principale ale metodei propuse
1. Crearea unei noi metode de filtrare, segmentare și clasificare a norilor de
puncte rezultați din scanarea laser aeropurtată, care păstrează caracterul
discontinuu al suprafeței, fără însă a include o etapă manuală adițională care să
modeleze zonele de discontinuitate.
2. Diminuare a efectului de netezire indus de metodele de interpolare, efect
care apare în special în zonele de discontinuitate (pante abrupte, malurile râurilor),
prin păstrarea punctelor caracteristice ale terenului.
3. Automatizarea algoritmului de filtrare a norilor de puncte, în scopul
obținerii punctelor-teren într-un mod rapid și eficient.
4.4.2 Etape de procesare
În cazul de faţă, metoda se caracterizează printr-o succesiune logică de etape,
după cum urmează:
1) Norul de puncte LiDAR xP, yP, zP, Amplitudine, EchoWidth se folosește ca sursa
de date în vederea obținerii MDT.
2) Eliminarea erorilor
3) Filtrare Echo-Width – în această etapă, punctele care au o valoare a atributului
EchoWidth mai mare decât un anumit prag sunt eliminate. Acest prag a fost
ales în urma unor analize și crearea unei hărți tematice, pe intervale de valori
ale acestui atribut. Astfel, punctele rămase sunt considerate puncte candidat
teren, pentru care vor fi realizați următorii pași de procesare.
4) Interpolare ierarhică robustă – în această etapă, norul de puncte este filtrat, în
vederea obținerii punctelor-teren.
5) Segmentare –Procesul de segmentare are la bază condițiile de similaritate, iar
în acest caz, s-au folosit două condiții de similaritate: prima se referă la valoarea
vectorului normal în fiecare punct, care nu trebuie să depășească pragul de 5o,
comparativ cu punctele vecine; iar cea de-a doua condiție de similaritate are în
vedere diferențele pe înălțime dintre vecinătăți, care nu trebuie să depășească
20 cm. Astfel, dacă un punct îndeplinește condițiile de similaritate, este inclus
în segment.
6) Clasificare - condiția principală care este verificată în această etapă are în
vedere procentul de puncte teren din cadrul fiecărui segment în parte. Se
folosesc ca referință punctele-teren obținute din etapa de interpolare ierarhică
robustă. Astfel, segmentele care conțin un procent mai mare de 80% de puncte-
teren, sunt clasificate ca segmente-teren. De aici provin punctele-teren situate
în zonele de discontinuitate ale suprafeței și în imediata proximitate a liniilor
de schimbare de pantă, cum ar fi malurile râului în cazul de față. Restul
Capitolul 4 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
24
segmentelor vor fi clasificate ca non-teren și segmente care nu conțin deloc
puncte-teren.
7) Puncte – teren și crearea Modelului Digital final al Terenului- în ultima etapă
a metodei, se vor combina toate punctele-teren obținute în procesele de filtrare
ierarhică, segmentare și clasificare iar punctele duble vor fi eliminate. Prin
interpolarea tuturor punctelor-teren obținute, se va obține Modelul Digital Final
al Terenului, un model îmbunătățit, care redă în mod fildel forma suprafeței
terenului, prin păstrarea malurilor abrupte ale râului.
4.5 Aplicarea metodei propuse – studii de caz
Metoda inovativă de filtrare a norilor de puncte a fost realizată şi aplicată
pentru două studii de caz: Neubacher Au şi o zonă în apropierea acesteia,
carcaterizată de terasamente, fapt ce constituie un interes în analiza rezultatelor ce
vor fi obţinute pentru MDT.
Figura 4.1 Localizarea zonelor de studiu
4.5.1 Prezentarea etapelor algoritmului de filtrare a punctelor-teren
- Date inițiale: norul de puncte LiDAR de coordonate cunoscute xP, yP, zP și
atribute cunoscute: Amplitudine, EchoWidth – norul de puncte inițial are un
număr total de 2 832 902 puncte;
- Eliminarea erorilor care intervin în urma procesului de scanare: au fost
eliminate un număr de 370 de puncte;
- Filtrare Echo-Width - au fost eliminate un număr de 684 293 de puncte, care
au valoarea pentru atributul EchoWidth mai mare de 4.7;
- Interpolare ierarhică robustă – în urma acestui proces au rezultat 1 225 707 de
puncte care au fost clasificate drept teren;
- Segmentare – in urma acestui procedeu au rezultat 125 de segmente, care sunt
ulterior analizate și clasificate;
- Clasificare, verificarea condiției– se verifică segmentele care conțin peste 80%
puncte-teren, având ca referință rezultatele din metoda de filtrare ierarhică
robustă. Astfel, segmentele au fost clasificate în: 89,6% segmente-teren, 10,4%
segmente non-teren și 2,4% segmente ce nu conțin puncte teren.
Raul
Pielach
Loosdorf
Capitolul 4 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
25
- Puncte – teren și crearea Modelului Digital final al Terenului. În urma
combinației, are loc o creștere a numărului de puncte ce sunt clasificate drept
teren, cu 32 531, puncte-teren care sunt obținute în urma procedeului de
segmentare și clasificare a segmentelor rezultate.
Figura 4.2 Paşi de lucru
4.5.2 Pre-procesarea şi filtrarea datelor
1. În primul rând, se elimină din norii de puncte, punctele aleatorii, eronate.
2. Pentru determinarea MDT se folosesc doar ultimele ecouri
3. Filtrare după atributul EchoWidth - un bun indicator pentru determinarea
punctelor ce corespund vegetaţiei şi este folosit pentru filtrarea acestora.
4.5.3 Filtrare – robfilter
Pentru prezentul studiu de caz al teritoriului Neubacher Au, s-au utilizat
metoele de filtrare robuste “robust filtering” descris în (Kraus. Pfeifer et al. 1998),
care constă în parcurgerea următorilor paşi:
1. interpolarea unei suprafeţe iniţiale, în care punctele au ponderi individuale egale
2. calculul coeficienţilor procesului de filtrare
3. utilizând noile valori determinate pentru ponderi, este calculată o nouă suprafaţă
4. paşii 2 şi 3 sunt reiteraţi până în momentul obţinerii unei bune aproximări a
suprafeţei terenulu
5. ultimul pas este dat de identificarea punctelor care aparţin terenului.
4.5.4 Segmentarea norilor de puncte
Procesul de segmentare are la bază condițiile de similaritate, iar în acest caz,
s-au folosit două condiții de similaritate:
Capitolul 4 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
26
1. prima se referă la valoarea vectorului normal în fiecare punct, care nu trebuie
să depășească pragul de 5o, comparativ cu punctele vecine;
2. a doua condiție de similaritate are în vedere diferențele pe înălțime dintre
vecinătăți, care nu trebuie să depășească 20cm. Astfel, dacă un punct
îndeplinește condițiile de similaritate, este inclus în segment.
Figura 4.3 Rezultatul aplicării procesului de segmentare
4.5.5 Clasificare segmentelor - Implementare algoritm în Matlab
Figura 4.4 Secvenţă a programului Matlab folosit pentru clasificarea
segmentelor în segmente teren şi segmente non-teren
Capitolul 4 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
27
Figura 4.5 Procentajul segmentelor teren şi non-teren
4.5.6 Combinarea punctelor-teren
În final, punctele-teren obţinute prin cele două metode: de filtrare robustă şi
segmentare respectiv, sunt combinate, iar punctele duble sunt eliminate.
Figura 4.6 Combinarea punctelor-teren
În final punctele-teren au fost interpolate şi s-a obţinut Modelul Digital al
Terenului îmbunătăţit, prin aplicarea metodei propuse.
Figura 4.7 Modelul Digital al Terenului îmbunătăţit, ce descrie în mod fidel albia
și malurile râului
4.6 Analiza rezultatelorobţinute
4.6.1 Generarea Modelului Digital al Diferenţelor
Pentru analiza rezultatelor, s-a calculat Modelul digital al Diferenţelor între
MDT final îmbunătăţit cu metoda propusă şi MDT iniţial, obţinut doar prin
aplicarea algoritmului de filtrare robustă iterativă.
Capitolul 4 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
28
Figura 4.8 DoD Figura 4.9 Vizualizare îmbunătăţiri
4.6.2 Vizualizare profile transversale
Figura 4.10 MDT cu localizarea
unor profile semnificative
Figura 4.11 Profile ale norilor de puncte
Aceste profile evidențază îmbunătățirile pe care această metodă le aduce.
Se poate vedea în mod cert, faptul că modelul digital obținut pe baza noii metode,
redă cu acuratețe forma reală a terenului.
Capitolul 4 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
29
4.6.3 Clase de puncte rezultate
Figura 4.12 Clase de puncte
Tabelul 4.1 Numărul de puncte din fiecare clasă
ID Clasă
Nume Descriere Număr de
puncte
1
Pu
ncte
- t
eren
“comune” - puncte – teren commune în rezultatul
filtrării robuste şi segmentare 1 036 036
2
“doar
filtrare
robustă”
- puncte – teren obţinute doar prin filtrare
robustă, care nu se regăsesc în segmente 189 671
3 “doar
segmentare”
- puncte – teren doar din segmente, care nu se
regăsesc în rezultatul filtrării robuste 27 965
4 “altele” - alte puncte (e.g. vegetaţie) 1 579 230
Număr total de puncte 2 832 902
Figura 4.13 Procentajul de puncte per clasă
4.7 Studiu de caz numărul 2
Pentru al doilea studiu de caz, etapele de procesare au fost asemănătoare,
cu precizarea unor aspecte, ce vor fi prezentate în continuare.
Capitolul 4 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
30
Figura 4.14 Norul de puncte cu segmente clasificate
Figura 4.15 Clasificare segmente
Tabelul 4.2 Numărul total de segmente şi puncte Nr de segmente Numar puncte
Segmente
omogene
Teren 15 2 561 puncte
Non - teren 207 184 439 puncte
Segmente
mixte
Teren 94 8 121 288 puncte
„Necunoscute“ Formă
regulată
Non -
teren
4 4 362 puncte
Formă
neregulată
Teren 52 10 685 puncte
Non -
teren
3 408 puncte
Non - teren 6 4 718 puncte
Număr total de puncte 381 8 328 461 puncte
În urma combinării punctelor - teren obţinute prin cele două metode, s-a
obţinut următorul rezultat:
Capitolul 4 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
31
Tabelul 4.3 Numărul de puncte din fiecare clasă
ID
Nume Descriere Nr puncte
1 P
un
cte
- te
ren
“comune”
- puncte – teren commune în rezultatul filtrării robuste şi segmentare
7 985 176
2 “doar filtrare
robustă”
- puncte – teren obţinute doar prin filtrare
robustă, care nu se regăsesc în segmente 9 578
3 “doar
segmentare”
- puncte – teren doar din segmente, care nu se
regăsesc în rezultatul filtrării robuste 139 775
4
“altele” - alte puncte (e.g. vegetaţie) 5 876 150
Număr total de puncte 14 010 679
Figura 4.16 –Clase de puncte cu procentajele corespunzătoare
Figura 4.17 Vizualizare MDT cu
localizarea unor profile
Capitolul 4 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
32
Figura 4.18 Vizualizare profile prin norii de puncte
4.8 Concluzii
Algoritmul propus pentru filtrarea, segmentarea şi clasificarea norilor de
puncte obţinuţi prin scanarea laser aeropurtat, în scopul obţinerii Modelului Digital
al Terenului cuprinde trei metode diferite, şi anume: (1) Metoda de filtrare, (2)
Metoda de segmentare şi (3) Metoda de clasificare a norilor de puncte.
(1). Metoda de filtrare a norilor de puncte este caracterizată prin algoritmul
de interpolare ierarhică robustă. Această metodă prevede mai mulţi paşi
consecutivi, şi anume: interpolarea unei suprafete inițiale, în care punctele au
ponderi individuale egale, calculul coeficienților în funcție de deviațiile verticale
ale punctelor la suprafață, calculul unei noi suprafețe, iterații succesive şi în final,
identificarea punctelor ce aparțin terenului pentru obținerea Modelelor Digitale ale
Terenului.
(2). Metoda de segmentare propusă pentru norii de puncte rezultați în urma
utilizării tehnologiei de scanare laser aeriană, se caracterizează prin calculul
valorilor normalelor în fiecare punct, selecția punctelor, analiza punctelor în funcție
de vecinătăți, procesul “region growing” de formare a segmentelor prin
îndeplinirea condițiilor de similaritate: pragul pentru valorile normalelor în fiecare
punct și pragul diferențelor pe înălțime dintre puncte, obținerea segmentelor
utilizate în derivarea Modelelor Digitale ale Terenului.
(3). Metoda de clasificare are în vedere analiza comparativă a punctelor teren
obținute prin interpolarea ierarhică robustă și segmentare, clasificarea segmentelor
în: segmente-teren, segmente non-teren și segmente ce nu conțin puncte-teren,
urmată de clasificarea norilor de puncte în puncte ce aparțin terenului și puncte
non-teren, în vederea obținerii Modelelor Digitale ale Terenului.
5 APLICAŢII ALE DATELOR DE SCANARE
LASER PE CURSURI DE APĂ
5.1 Introducere
Datele de scanare laser prezintă numeroase aplicaţii pentru zonele străbătute
de cursuri de apă, printre care se menţionează: modelare hidraulică şi hidrologică,
cartografiere geomorfologică şi analiza cantitativă a zonelor inundabile (ex. profile
în secţiune transversală), monitorizarea şi analiza schimbărilor morfologice
fluviale prin integrarea LiDAR-ului topografic cu sisteme sonice sau prin utilizarea
LiDAR-ului batimetric, clasificarea automatatizată a suprafeţelor de apă, evoluţia
morfologigă a cursului de apă pe termen lung, analiza eroziunii malurilor râurilor
şi caracterizarea morfologiei topografiei subacvatice.
5.2 Pre-procesarea datelor de scanare laser
5.2.1 Sisteme de scanare laser utilizate în prezentul studiu de caz
Sisteme de scanare laser utilizate în cercetările efectuate sunt: RIEGL VQ -580,
RIEGL LMS – Q1560, RIEGL VQ820 – G, RIEGL VUX-1UAV şi RIEGL VZ-2000.
5.2.2 Achiziţia datelor de scanare laser
Tabelul 5.1 Achiziţia datelor
Nr
item
Data zborului
fotogrammetric
Tip de
scanare Senzor
Densitatea
punctelor
[puncte/m2]
Numărul total de
puncte
1 24 Mai 2013 ALS VQ-580 11 1 958 483
2 24 Mai 2013 ALB VQ-820G 5 1 528 812
3 14 Octombrie 2014 ALS LMS-Q680 4 2 018 402
4 26 Februarie 2015 ALS LMS-Q1560
57 2 832 498
5 26 Februarie 2015 ULS VUX 20 151 572 791
6 10 Martie 2016 TLS VZ2000 8-1000 17 309 106
7 7 Iunie 2016 TLS VZ2000 8-1000 27 395 336
Co-registraţia şi geo-referenţierea norilor de puncte – un aspect deosebit de
important îl reprezintă procesele de co-registraţie şi georeferenţiere, procese prin
intermediul cărora norii de puncte obţinuţi din scanările laser din diferite puncte de
preluare, sunt aduşi într-un sistem comun de referinţă, cu o poziţie spaţială reală.
Acest proces se realizează în softul RiSCAN, prin utilizarea punctelor de legătură
(tie points), care sunt în acelaşi timp şi puncte de control la sol. Pentru realizarea
registraţiei, un număr de 21 de puncte de legătură (tie points), marcate în teren prin
ţinte circulare cu diametrul de 5 cm (Riegl) au fost fixate în teren pentru a fi ulterior
utilizate ca puncte de legătură în etapa de pre-procesare (registraţie şi
Capitolul 5 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
34
georeferenţiere). Aceste ţinte reflectorizante au fost măsurate cu aparatura GNSS,
cu o acurateţe de mai puţin de 1cm de poziţionare.
Georeferenţierea este procesul prin care norii de puncte, aflaţi în sistemul de
coordonate al proiectului sunt aduse în referinţă spaţială reală, cu ajutorul punctelor
de control la sol. Pentru analiza georeferenţierii, se calculează diferenţele dintre
seturile de date preluate la momente de timp diferite şi se analizează histograma
diferenţelor.
Figura 5.1 Diferenţele pe înălţime dintre suprafeţele interpolate pentru ALS şi
Histograma diferenţelor pe înălţime, este considerată masca pentru vegetaţie
Se observă valoarea deviaţiei standard de 1 cm şi a erorii medii residuale
RMS de 0.094 m, ceea ce dovedeşte faptul că datele sunt bine georeferenţiate.
Pentru aducerea în corespondenţă a norilor de puncte obţinuţi prin scanarea
laser aeropurtat la norii de puncte obţinuţi în urma scanării terestre, se utilizează
algoritmul ICP (engl. Iterative Colsest Point), implementat în Matlab de Philipp
Glira, în prezent doctorand la Universitatea Tehnică din Viena, departamentul de
Geodezie şi Geoinformatică.
Figura 5.2 Zone fixe, stabile în timp şi Rezultatul algoritmului ICP
Pentru aceasta, s-a selectat din norul de puncte LST anumite zone,
considerate a fi fixe şi stabile în timp. În urma unui număr de 5 iteraţii, în final s-a
obţinut o eroare medie pătratică pentru toate scanările aeropurtate de 0.55 m.
Din rasterul diferenţelor rezultat şi pe baza histogramei rezultate, poate fi
văzut faptul că în zona deschisă de iarbă, diferenţele sunt de ordinul -2 şi +2 cm,
fapt ce demonstrază că scările laser terestre se suprapun foarte bine cu scanările
aeriene în acelaşi sistem de coordonate ETRS89, UTM Zona 33N.
Capitolul 5 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
35
Rezultatul scanărilor laser terestre sau
aeriene nu este numai norul de puncte
cu coordonate X, Y, Z cunoscute, ci şi
o serie de atribute pentru fiecare punct
în parte, atribute ce pot fi folosite
ulterior în procesarea datelor.
Figura 5.3 – Vizualizare 3D a norilor
de puncte ALS şi TLS
Norul de puncte obţinuţi prin scanarea laser pe platforma aeropurtată (151.5
mil. puncte) fără pilot se caracterizează printr-o mare densitate (20 puncte / m2),
fapt ce duce la creşterea timpului de procesare a datelor.
Figura 5.4 Vizualizarea
MDS “shaded” şi cu paleta
standard de colori
5.3 Crearea Modelului Digital al Suprafeţei prin utilizarea datelor laser
scaner aeropurtat
5.3.1 Aspecte generale
Pentru prezentul studiu de caz, s-a derivat Modelul Digital al Suprafeţei
pentru zona “Neubacher Au” din Austria, model generat pe baza unei combinaţii a
două produse, şi anume: DSMmax şi gridul de interpolare DSMmpl. Întregul algoritm
este implementat în soft-ware-ul ştiinţific OPALS.
În prezent, există numeroşi algoritmi matematici pentru crearea modelelor
digitale, prezentate în (Maune, Kopp, Crawford, Zervas 2007): interpolare liniară,
biliniară, interpolare spline, spline bi-cubică, interpolare IDW (Inverse Distance
Weighted), metoda vecinului celui mai apropiat, triangulaţia Delaunay, interpolare
prin utilizarea planurilor mobile (moving planes).
5.3.2 Procesarea datelor
În procesul de achiziţie, s-a utilizat senzorul laser Riegl LMS Q1560,
caracterizat printr-o rată mare a impulsurilor laser de până la 80k Hz şi utilizează o
lungime de undă de 1064 nm, în domeniul infraroşu al spectrului electromagnetic.
Misiunea de zbor s-a desfăşurat în 26 Februarie 2015, în sezon de iarnă, norul de
puncte rezultat având o densitate de 57 de puncte pe m2.
5.3.2.1 Metoda aplicată pentru derivarea Modelului Digital al Suprafeţei
Zona de studiu, Neubacher Au, cuprinde o porţiune meandrată a râului
Pielach, o zonă de pădure cu vegetaţie aluvionară, şi o zonă de câmp deschis.
Capitolul 5 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
36
Figura 5.5 Ilustraţie pentru derivarea MDS (a)
corespunzător vegetaţiei înalte (b) zone
deschise, şi (c) profilul cursului de apă
Se poate vedea că pentru arbori, Modelul Digital al Suprafeţei obţinut prin
utilizarea interpolării “moving planes” este situat sub poziţia reală a punctelor,
acest model subestimează inălţimile copacilor, conducând la diferenţe mari între
situaţia reală şi modelul aproximat. Modelul Digital obţinut prin utilizarea valorilor
maxime din puncte, DSMmax, conduce spre o mai bună aproximare a suprafeţei
reale din teren.
Figura 5.6 Paşi de procesare pentru
obţinerea MDS (Loghin et al. 2016)
Pe de altă parte, pentru suprafeţele
netede şi înclinate, DSMmax,
aproximează valorile Z ale fiecărei
celule raster cu valorile maxime,
producând o supra-estimare a
situaţiei reale din teren:este
recomandată utilizarea DSMmpl.
Figura următoare este o scurtă
prezentare a principalilor paşi de
procesare, aplicaţi pentru a obţine
Modelul Digital al Suprafeţei,
pentru zona de studiu, Neubacher
Au.
5.3.2.2 Derivarea imaginii raster corespunzatoare rugozităţii suprafeţei
Un parametru foarte important utilizat în calculele următoare este valoarea
σz, ce defineşte rugozitatea suprafeţei. Aceasta joacă un rol deosebit de important
în implementarea modelului matematic, deoarece este utilizată pentru identificarea
acoperişurilor de clădiri, a străzilor şi arealelor deschise pe de o parte, dar şi pentru
identificarea şi marcarea zonelor de vegetaţie, pe de altă parte (Hollaus,
Mandlburger, Pfeifer, Mucke 2010).
5.3.2.3 Modelul matematic
În principal, modelul mathematic este reprezentat de implementarea în limbaj
pseudocod în software-ul OPALS:
Z[DSM] = z[σz]<0.5 or not z[DSMmax] ? z[DSMmpl] :
z[DSMmax]
Capitolul 5 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
37
5.3.3 Derivarea Modelului Digital al Suprafeţei
În primul rând, este obţinut Modelul Digital al Suprafeţei DSMmax, ce conţine
în fiecare celulă raster cu dimensiunea de 20 cm, punctele cu valoarea Z cea mai
mare. Pentru a obţine un Model al Suprafeţei îmbunătăţit, dezavantajele Modelului
bazat pe valorile maxime din fiecare celulă raster sunt reduse prin utilizarea unui
grid de interpolare DSMmpl, ce se obţine prin aplicarea metodei “moving planes”
de interpolare (interpolare pe baza panurilor mobile). În final, cele două modele s-
au combinat, conform modelului matematic definit anterior.
Figura 5.7 MDS Vizualizare 3D in
software-ul“ArcScene”, prin utilizarea
paletei de culori standard
Figura 5.8 MDS pentru întreaga arie de
zbor – valori Z clasificate
5.4 Analize efectuate pentru vegetaţia din zonele străbătute de cursuri de apă
Vegetaţia din zonele străbăturte de cursuri de apă se caracterizează printr-o
mare varietate şi o complexitate ridicată. În cadrul acestui studiu, s-au determinat
poziţiile arborilor, s-a analizat structura acestora pe verticală şi s-a estimat evoluţia
vegetaţiei în timp.
5.4.1 Determinarea locaţiei arborilor şi înălţimile acestora
Pentru identificarea poziţiilor trunchiurilor arborilor s-a utilizat o metodă
bazată pe căutarea punctelor de maxim local “local maxima” din cadrul Modelului
Digital al Suprafeţei normalizat (MDSn).
Figura 5.9 Vizualizarea locaţiilor arborilor şi
Vizualizare 3D în softul “ArcScene” a trunchiurilor arborilor
Prin această metodă, au fost determinaţi un număr de 578 de arbori împreună
cu localizarea pe teren şi cu înălţimile corespunzătoare, care au fost exportaţi într-
un fişier de tip .xyz.
Capitolul 5 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
38
5.4.2 Structura vegetaţiei pe verticală
În general, modulul PointStats al softului Opals permite extragerea de
caracteristici, ce permite clasificarea punctelor. Prin filtrarea punctelor cu o
distribuţie spaţială locală de cel putin 5 m şi o poziţie relativă în cadrul sferei de
căutare de mai mult de 90%, se exportă fişierul ce conţine punctele menţionate
anterior. Prin simpla inversare a filtrului, celelalte puncte sunt scrise într-un alt
fişier.
Figura 5.10
Vizualizarea părţii
superioare a
coronamentelor
arborilor şi a tuturor
celorlalte puncte
5.4.3 Evoluţia vegetaţiei în timp
Prin utilizarea rezultatelor în ceea ce priveşte punctele de pe coronamentele
arborilor, s-a efectuat o comparaţie între numărul de puncte obţinute pentru
scanarea laser aeropurtat din anul 2013 cu cea din anul 2015.
Tabelul 5.2 Analiza evoluţiei coronamentului arborilor
Data de
achiziţie
Tipul de
sensor ALS
Număr total
de puncte
Număr de
puncte
coronament
Restul
punctelor
Procentaj
puncte
coronament
24 Mai 2013 VQ-580 1 958 483 148 631 1 809 852 7,59 %
26 Februarie
2015 LMS-Q1560 2 832 498 119 814 2 712 684 4,23 %
5.5 Aplicaţii ale Modelelor Digitale ale Terenului
5.5.1 Derivarea MDT pentru întreaga suprafaţă de studiu
În cazul de faţă, pentru prezentul studiu de caz, pentru derivarea MDT-ului,
s-a utilizat metoda propusă în capitolul anterior, bazată pe îmbinarea metodei de
filtrare robustă cu procesul de segmentare al norilor de puncte.
(a) (b) Fig. 5.11 Clasificarea norilor de puncte în puncte-teren si puncte non-teren (a) vizualizare 3D a
norilor de puncte cu localizarea unui profil;(b) MDT pentru întreaga arie măsurată
Capitolul 5 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
39
5.5.2 Aplicații ale Modelului Digital al Terenului
Un model al terenului constituie o necesitate în vederea identificării și
analizării problemelor într-o varietate de domenii, precum: hidrologie,
geomorfologie, precum și în modelarea mediului înconjurător.
5.6 Aplicații ale Modelului Digital al Terenului în hidrologie
5.6.1 Modelarea sistemului de drenaj
Determinarea limitelor unui bazin hidrografic și modul în care apa se
acumulează în cadrul unui bazin hidrografic este realizată având la bază Modelul
Digital al Terenului. Algoritmul de calcul este implementat în software-ul ArcGis
și este bazat pe metoda dezvoltată de (Hutchinson 1989), metodă care constă în
următoarele două etape principale:
1. Determinarea coeficientului și a direcției de curgere din fiecare pixel al rasterului
2. Determinarea acumulării
5.6.2 Direcţia scurgerii superficiale
Determinarea modului și a direcției în care se scurge apa reprezintă, în mod
natural, o primă etapă în delimitarea unui bazin hidrografic.
În figura 5.12 este reprezentat un
model ipotetic de MDT, cu
elevațiile scrise în interiorul
fiecărei celule. Săgețile albastre
indică direcțiile de curgere, iar în
partea din dreapta sunt prezentați
coeficienții de direcție pentru
fiecare celulă în parte.
Figura 5.12 Codificarea direcției
de curgere
Direcția de curgere este determinată de direcția scăderii altitudinale maxime
pentru fiecare celulă, conform următoarei formule de calcul:
𝑝 % = 𝛥𝑧
𝑑𝑖𝑠𝑡𝑎𝑛𝑡𝑎∗ 100 (5.1)
Distanța este calculată între centrele celulelor. Rezultatul este calculat ca
diferențe pentru valorile elevaţiilor Z, divizate de lungimea distanței dintre celule,
exprimat în procente. Pentru celulele vecine, această formulă este asemănătoare cu
formula ce definește panta.
5.6.3 Calculul direcţiei scurgerii superficiale pentru zona de studiu
Pentru calculul direcţiei scurgerii superficiale a fost folosit Algoritmul D8
(Dterministic Eight), dezvoltat de (O’Callaghan, Mark 1984), algoritm de direcţie
singulară, ce foloseşte fereastra de 3 x 3 şi calculează direcţia scurgerii superficiale
prin aproximarea acesteia cu direcţia înclinării maxime a pantei.
Capitolul 5 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
40
5.6.4 Acumularea scurgerii
În cazul unui model digital de
elevaţie de tip grid, pentru
determinarea acumulării
scurgerii se însumează numărul
total de celule care deversează în
alte celule ale modelului. Figura 5.13 Acumularea scurgerii
Figura 5.14 Direcțiile de scurgere
Figura 5.15 Acumularea scurgerii
5.7 Analiza evoluţiei în timp a albiei râului
Disponibilitatea datelor rezultate în urma scanărilor laser pentru aceeaşi zonă
în diferite perioade de timp, este strategică pentru analiza evoluţiei morfologice a
canalului râului. Pe baza datelor LiDAR multi-temporale se obţine Modelul Digital
al Diferenţelor (DoD – Digital Elevation Model of Differences), care este analizat,
în vederea identificării schimbărilor topografiei terenului.
Figura 5.16– DoD cu localizarea unor
profile Mai 2013 – Iunie 2016
După cum se poate observa in legenda
de culori, diferenţele variază între -0,5 m
(eroziune), până la +0,5 m (depuneri) şi
sunt localizate de-a lungul albiei râului
Pielach.
Diferenţele medii pe înălţime pentru
suprafeţele din cadrul pădurii aluvionare
pentru această perioadă de timp sunt în
intervalul a 5 cm, după cum poate fi
văzut în profilele 1 şi 7.
Inundaţia din luna Iunie 2013 a cauzat o
eroziune substanţială a malului râului
(profilul 4) şi în mod special la malul
abrupt localizat în cadrul meandrului,
după cum se poate vedea în profilul nr.
5. De asemenea, depuneri de pietriş se
pot vedea în profilul nr.6.
Capitolul 5 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
41
De asemenea, s-au preluat şi un
număr de fotografii pe teren, atât în
luna Martie cât şi în luna îunie,
pentru o referinţă vizuală a
schimbărilor. Figura 5.17 –Fotografii, prima coloană –
Martie 2016, a doua coloană: Iunie 2016
(a) Eroziunea malului, (b) Canal principal cu pădure, (c) câmp deschis cu vegetaţie
Fig 5.18 Fotografii la teren penttru zona de
pietriş analizată. Stânga: Martie 2016, dreapta: Iunie 2016
Secţiunea de profil de 20 m lungime
arată diferenţe ale formei malului.
Fig 5.19 Vizualizarea norilor de puncte din
epoci diferite, corespunzători malului de pietriş, cu un profil de 0.5 m
Celelalte detalii analizate sunt reprezentate de trei arbori de foioase, cu
diferite forme ale coroanelor şi anume: extinsă (sub-coroane de la diferite
trunchiuri într-un singur arbore – detaliul B), coroană în formă de coloană (o
singură coroană cu un trunchi central – detaliul C) şi coroană ovală (detaliul D).
Fig 5.20 Nori de puncte corespunzători
arborilor analizaţi,
pentru cele patru epoci diferite: (1)LSA Mai
2013, (2) LSA
Februarie 2015, (3) LST Martie 2016 şi (4)
LST Iunie 2016
Tabelul 5.3 arată schimbări ale înălţimilor arborilor pentru perioada Mai 2013
- Iunie 2016. Valorile diferenţelor pentru această perioadă nu depăşesc 1 m.
Tabelul 5.3 Înălţimile arborilor
Tipul de date Epoca Înălţime arbore [m]
B C D
LSA
Mai 2013 21,73 15,59 11,07
Februarie 2015 22,55 16,32 11,65
Diferenţa 0,82 0,73 0,58
LST
Martie 2016 22,96 16,61 11,77
Iunie 2016 23,25 16,75 11,89
Diferenţa 0,29 0,14 0,12
Diferenţa totală [m] 1,52 1,16 0,82
Diferenţa totală % 6,54 6,93 6,90
Capitolul 5 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
42
5.8 Concluzii
În acest capitol s-au analizat principalele aplicaţii ale scanărilor laser pe
cursuri de apă. S-a analizat în detaliu o suprafaţă de 447 pe 428 m, ce cuprinde o
porţiune a râului Pileach, care a fost scanat în mod repetat, atât cu laser scaner
aeropurtat, cât şi cu cel terestru.
Pentru derivarea Modelului Digital al Suprafeţelor, s-a utilizat o metodă care
ţine cont de categoriile de folosinţă ale terenului. Pentru identificarea poziţiilor
trunchiurilor arborilor s-a utilizat o metodă bazată pe căutarea punctelor de maxim
local din cadrul Modelului Digital al Suprafeţei normalizat (MDSn). De asemenea,
au fost efectuate analize pentru structura vegetaţiei pe verticală, în urma cărora au
rezultat punctele situate în partea superioară a coroanelor arborilor.
Modelul Digital al Terenului, determinat prin metoda propusă de filtrare şi
segmentare a norilor de puncte, prezintă numeroase aplicaţii pentru modelarea
sistemului de drenaj, determinarea scurgerii superficiale şi acumularea scurgerii,
obţinându-se în final cursul râului Pielach, prin modelare hidrologică.
Figura 5.21 redă o vizualizare comparativă a rezultatelor obţinute, cu datele
de referinţă. Datele de referinţă fac parte dintr-o bază de date a Austriei, numită
OSM (engl. Open Street Map) ce cuprind fişiere shape georeferenţiate pentru
următoarele categorii: clădiri, drumuri, căi ferate, cursuri de râuri şi lacuri şi
categorii de folosinţă a terenului.
Fig 5.21 Comparaţie a rezultatelor
acumulării scurgerii cu date OSM (Open
Street Map) de referinţă
Cursul râului, obţinut prin metodele
hidrologice aplicate pe MDT este
reprezentat în culoarea albastru închis,
în timp ce cursul de referinţă cu nuanţa
albastru deschis. În ansamblu, se
observă o bună suprapunere între
acestea, cu diferenţe în general de sub 5
m, valoarea maximă de 10 m
înregistrându-se în zona de meandru.
Trebuie însă ţinut cont de faptul că
datele de referinţă sunt preluate în 2018,
în timp ce rezultatul obţinut pe baza
MDT din anul 2015.
Pe baza datelor LiDAR multi-temporale se obţine Modelul Digital al
Diferenţelor (DoD – Digital Elevation Model of Differences), care a fost analizat,
în vederea identificării schimbărilor topografiei terenului pentru o perioadă de trei
ani. Prin analiza Modelului Digital al Diferentelor, se observă evoluţia în timp a
teritoriului, cu principalele zone de eroziune a malurilor dar şi zone de depunere.
Anumite detalii au fost analizate şi comparate în timp, utilizând ca referinţă şi
fotografii preluate la teren.
6
TEHNOLOGIA DE SCANARE
LASER TOPO-BATIMETRICĂ
6.1 Introducere
Batimetria lidar (LSB – Laser Scaner Batimetric) sau batimetria LiDAR este
o tehnică de măsurare a adâncimilor apelor superficiale sau a apelor costiere, din
aer, prin utilizarea impulsurilor laser (Guenther et al. 2000).
Batimetria LiDAR aeriană permite obţinerea de date referitoare la adâncimea
apei. Este o metodă foarte eficientă aplicată în zonele în care nu se pot folosi
metodele tradiţionale de măsurare. Adâncimea de penetrare este în funcţie de
claritatea apei; aceasta va descreşte pe măsură ce apa este mai tulbure. În condiţii
favorabile, se pot măsura adâncimi de mai mult de 50 m.
6.2 Scurt istoric
Odată cu apariţia laserului, la începutul anilor 60, s-a dezvoltat conceptul de
batimerie laser aeriană. Ideea de utilizare a laserului pentru detecţia subacvatică s-
a folosit iniţial pentru detectarea submarinelor (Ott 1965; Sorenson 1966).
În anii ’80 sistemele laser batimetrice au cunoscut o evoluţie continuă,
trecând de la faza de practică experimentală în regim operaţional. Firma Optech
din Canada, sponsorizată de Seviciul de Hidrografie, a construit sistemul
LASRSEN – 500 de scanare laser aeriană, dotat cu sensor activ pentru măsurarea
adâncimilor apelor costiere (Banic 1986). Acesta a fost lansat în anul următor şi
este şi astăzi funcţionabil (Hare 1994).
6.3 Principiul de măsurare al batimetriei LiDAR
Figura 6.1 Scanerul laser topografic
(infraroşu) şi topo-batimetric (verde)
montate pe aceeaşt platformă de
zbor; stânga:reflexia semnalului
infraroşu pe suprafaţa apei; dreapta:
principiul batimetriei laser aeriene
(refracţia razei laser la suprafaţa
apei, ecourile din apă , coloana de
apă fundul apei) (adaptat după
Mandlburger, Pfennigbauer, Pfeifer
2013)
Sistemele de tip batimetric utilizează două tipuri de sisteme LiDAR: unul în
domeniul infraroşu (1064 nm) şi unul în domeniul vizibil corespunzător undei de
culoare verde (532 nm) (Wozencraft, Millar 2005).
Capitolul 6 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
44
Lumina laser verde pătrunde în apă şi suferă două fenomene: de refracţie - la
suprafaţa apei şi de reflexie – la fundul apei. Lumina infraroşie este doar reflectată
la suprafaţa apei şi este folosită pentru a determina distanţa dintre platforma aeriană
de măsurare şi suprafaţa apei.
6.3.1 Principiul de scanare al senzorului topo-batimetric
Principiul de bază al tehnologiei batimetrice de scanare este dat de faptul că
scanerul laser emite două raze laser cu lungimi de ună diferite: infraroşie şi
respectiv verde. Adâncimea apei poate fi calculată din diferenţa de timp al
impulsurilor returnate, reflectate de la suprafaţa apei, respectiv de la fundul
acesteia. În majoritatea sistemelor, unda infraroşie (1064 nm) este folosită pentru
detecţia suprafeţei, în timp ce fundul apei se determină cu unda verde (532 nm).
6.3.2 Corecţia fenomenului de refracţie
Laserul de tip batimetric utilizează două tipuri de sisteme LiDAR: unul în
domeniul infraroşu (1064 nm) – folosit pentru determinarea modelului suprafeţei
apei şi unul în domeniul vizibil, corespunzător culorii verde (532 nm), care
pătrunde prin apă şi suferă fenomenele de refracţie (la suprafaţa apei) şi de reflexie
(la fundul apei). Aşadar, ecourile laser care penetrează în coloana de apă trebuie să
fie corectate, prin aplicarea legii de refracţie definită de Snell.
sin
sin
apaaer aer
apa apa aer
nc
c n
(6.1)
În care: naer şi napa sunt indicii de refracţie în aer şi apă; caer şi capa sunt vitezele
de deplasare în aer şi în apă; aer - unghiulde incidenţă a razei laser cu normal la
suprafaţa apei (direcţia zenitului, în general), apa - unghiul de refracţie
6.3.3 Principiul corecţiei de refracţie
Laserul scaner batimetric permite măsurarea în două medii diferite: aer şi apă.
Din acest motiv, propagarea undei prezintă diferenţe între aer şi apă, în principal în
ceea ce priveşte viteza de propagare a undei laser prin cele două medii (exemplu:
viteza luminii). Din acest motiv, impulsurile laser care penetrază coloana de apă
trebuie să fie corectate.
6.4 Studiu de caz – descrierea datelor topo-batimetrice
Datele laser topo-batimetrice utilizate în prezentul studiu de caz, au fost
achiziţionate cu un senzor topo-batimetric de tip Riegl VQ-820-G cu o lungime de
undă de 532 nm. Zborul fotogrammetric a avut loc pe data de 24 mai 2013, la o
altitudine de 600 m, rezultând o amprentă la sol cu un diametru de 60 cm.
În următoarele figuri şi profile este evidenţiată penetrabilitatea razei laser de
culoare verde prin coloana de apă. Pentru o bună analiză, s-a realizat o comparaţie
cu datele obţinute prin scanare cu senzorul infraroşu de tip Riegl LMS-Q1560,
achiziţionate în data de 26 februarie 2015. Astfel, în culoarea roşie este reprezentat
norul de puncte rezultat în urma scanării cu senzorul corespunzător pentru
Capitolul 6 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
45
infraroşu, în timp ce cu verde este reprezentat norul de puncte rezultat în urma
scanării cu senzorul topo-batimetric. Se poate uşor observa faptul că punctele
preluate cu lumina verde penetrează apa, în timp ce celelalte înregistrează doar
punctele de la nivelul suprafeţei apei.
Figura 6.2 Vizualizarea norilor de
puncte rezultaţi în urma scanărilor
cu senzori diferiţi, localizarea unei
zone de detaliu şi a unor profile
Figura 6.3 Zonă de detaliu
Figura 6.4 Profilul numărul 1 și histogramele pe înălțime ale acestuia: senzorul
infraroșu LMSQ 1560 (stânga) și senzorul batimetric VQ-820 (dreapta)
Pe baza acestor histograme, se poate observa elevaţia minimă a punctelor
rezultate prin scanarea cu senorul topo-batimetric de 258.57 m, mai mică faţă de
valoarea de 260 m, corespunzătoare senzorului topografic.
6.4.3 Algoritmul de procesare a datelor pentru corecţia unghiului de refracţie
Corecţia unghiului de refracţie este realizată pentru toate punctele datelor de
intrare. Procesarea datelor constă în realizarea următoarelor etape de lucru:
6.4.3.1 Procesul de filtrare a norului de puncte
Prima etapă în procesarea datelor o constituie procesul de filtrare a norului
de puncte, care constă în eliminarea punctelor măsurate în mod eronat. Acestea
sunt reprezentate de punctele singulare din atmosferă sau chiar situate sub nivelul
terenului, cauzate de păsări, praf sau alte particole. Acestea sunt considerate ca
valori aberante și din acest motiv trebuie să fie eliminate din norul de puncte. Pentru
acest lucru, sunt folosite trei moldule ale software-ului Opals: OpalsImport,
OpalsAddInfo şi OpalsExport.
Capitolul 6 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
46
6.4.3.2 Derivarea Modelului Digital de suprafață al Apei (MDSA)
Determinarea intersecției razei laser cu modelul de suprafață al apei
implică memorarea vectorului razei laser. Din acest motiv, în etapa de import a
norului de puncte în format odm (opals datamanager) se consideră şi traiectoria de
zbor corespunzătoare, care permite stocarea atributelor vectorului razelor pentru
fiecare punct. Pentru toate ecourile batimetrice corecţiile de refracţie pe cele 3
direcţii precum şi adâncimea apei sunt înregistrate ca atribute adiţionale ale
fişierului ce conţine norul de puncte.
Figura 6.5 Vizualizarea
punctelor după atributul
“WaterDepth”
Figura 6.6 Modelul Digital al Suprafeţei
Apei (MDSA) şi Modelul Digital al
Suprafeţei (MDS) învecinate
MDSA are un rol semnificativ şi serveşte drept bază pentru determinarea
corecţiei de refracţie în fiecare punct, pe baza legii lui Snell. Astfel, toate punctele
situate sub acest model sunt clasificate ca puncte localizate în apă sau puncte situate
la fundul acesteia. Pentru aceste puncte este necesară şi este calculată corecţia de
refracţie, în timp ce pentru punctele situate deasupra Modelului Digital al
Suprafeţei Apei, nu este aplicată nicio corecţie.
6.4.3.3 Calcului corecţiei de refracţie a ecourilor laser
După derivarea Modelului Digital de Suprafaţă al Apei (MDSA), urmează
calculul corecţiilor de refracţie pentru toate punctele clasificate ca aparţinând clasei
apă, corecţii ce sunt memorate ca atribute adiţionale în norul de puncte, cu
denumirile: _RefCorrX, _ReffCorrY, _ReffCorrZ. Calculul este realizat cu ajutorul
modulului opalsSnellius al software-ului Opals, având ca date de intrare norul de
puncte topo-batimetric filtrat şi Modelul Digital de Suprafaţă al Apei (MDSA).
Tabelul 6.1 Rezultatele aplicării corecţiei de refracţie Nr. de puncte procesate cu succes: 196136
Nr. de puncte filtrate 0
Nr. de puncte ignorate 1271115
Nr. de puncte fără informaţie a razei vector 0
Nr. de puncte/raze nelocalizate pe MDSA 56562
Nr. de puncte fără intersecţie cu MDSA 943
Capitolul 6 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
47
6.5 Vizualizarea şi analiza rezultatelor
Următoarea figură reprezintă vizualizări ale unor zone de detaliu, în care se
observă cum punctele pentru care a fost aplicată refracţia de corecţie (culoarea
verde) sunt situate deasupra punctelor din norul iniţial (culoarea portocalie).
Figura 6.7 Vizualizarea norilor de puncte iniţial şi corectat pentru doua zone de detaliu
6.5.1 Analiza rezultatelor pe baza profilelor transversale
Un mod efectiv de a evidenţia efectul corecţiei de refracţie este de a plota mai
multe profile, pe baza celor doi nori de puncte suprapuşi (norul original şi cel
obţinut în urma aplicării corecţiei), la care se adaugă şi suprafaţa apei.
Figura 6.8 Vizualizarea norilor
de puncte cu localizarea unor
profile reprezentative
Figura 6.9 Histogramele
corespunzătoare secţiunii
transversale 2 prin norul
de puncte original (roşu),
norul corectat (verde) şi
suprafaţa apei (albastru)
Capitolul 6 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
48
6.5.2 Analiza rezultatelor pe baza calculului diferenţelor pe înălţime
Un alt mod de a analiza rezultatele obţinute în urma aplicării corecţiei de
refracţie, este de a calcula şi a vizualiza diferenţele pe înălţime între norul de puncte
original şi norul de puncte corectat.
6.5.2.1 Calculul distanţei Hausfdorf
Distanţa Hausdorff aplicată pentru
doi nori de puncte diferiţi este definită de
distanţa euclidiană care constă în: pentru
fiecare punct p din primul nor N este
calculată distanţa până la punctul său cel
mai apropiat p’ din norul de puncte N’.
𝑑(𝑝, 𝑁′) = 𝑚𝑖𝑛‖ 𝑝 −𝑝′‖, 𝑝′ ∈ 𝑁′ (6.2)
Figura 6.10 Rezultatul calculului distanţei
Haussdorf între norii de puncte
6.5.2.2 Calculul distanţei dintre un nor de puncte şi o suprafaţă interpolată de tip
mesh
Calculul distanţei dintre un nor de puncte şi o suprafaţă de tip mesh se
realizează astfel: pentru fiecare punct din norul de puncte se determină triunghiul
cel mai apropiat din suprafaţa de tip mesh. Figura de mai jos redă distanţele dintre
norul de puncte original şi suprafaţa mesh. Se observă că diferenţele se situează în
intervalul [-0.30 m 0.20 m], valorile negative înregistrându-se în special în zona
cursului de apă, fapt ce sugerează că suprafaţa de tip mesh este situată deasupra
norului de puncte original.
(a) (b)
Figura 6.11 (a) Rezultatul calculului distanţei dintre norul de puncte iniţial şi
suprafaţa mesh a punctelor corectate şi (b) Histograma distribuţiei diferenţelor
6.5.2.3 Calculul Modelului Digital al Diferenţelor DoD
Pentru determinarea Modelului Digital al Diferenţelor, într-o primă etapă, pe
baza procesului de interpolare a suprafeţelor mobile, se determină cele două
Modele Digitale de Elevaţie corespunzătoare celor doi nori de puncte. Pe baza
Capitolul 6 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
49
acestora sunt calculate apoi diferenţele în fiecare celulă-raster în parte, diferenţe ce
vor fi salvate într-un nou fişiei de tip .tif, după cum se observă în următoarea figură:
Fig. 6.12 Diferenţele între cele două Modele
Digitale de Elevaţie, corespunzătoare norului
original şi a celui corectat
Fig. 6.13 Histograma diferenţelor
înălţimilor
Atât din reprezentarea grafică cât şi din histogramă se poate observa că
toate diferenţele sunt negative, ceea ce implică faptul că punctele corectate au
valori pe Z mai mari decât cele originale. Acest lucru se datorează faptului că
adâncimile originale sunt supraestimate ca urmare a neluării în considerare a
reducerii vitezei de propagare a luminii in apă.
6.5.3 Compararea cu profile de referinţă
În acest caz, pentru compararea coordonatelor corectate cu cele reale, s-au
luat în considerare două profile transversale pe cursul de apă, cu lungimi de 22 şi
respectiv 27 m.
Fig. 6.14 Poziţiile celor două profile pe suprafaţa Modelului Digital de Elevaţie
Măsurătorile RTK au fost realizate în luna noiembrie 2016, în timp ce
achiziţia datelor topo-batimetrice a fost efectuată pe data de 24 mai 2013. Se
observă diferenţe majore, datorită caracterului dinamic şi morfologiei cursului
apei. Un exemplu elocvent este eroziunea malurilor, foarte bine distinctă în partea
din dreapta a acestor profile.
În următorul tabel sunt prezentate o selecţie de puncte din cadul profilelor
transversale, cu coordonatele reale, elevaţia iniţială extrasă din norul de puncte
batimetric (coloana 5), elevatia corectată (coloana 6), precum şi diferenţele dintre
acestea şi valoarea reală (coloanele 7 şi 8). Datorită timpului diferit de achiziţie a
datelor, diferenţele înregistrează valori de până la 30 cm. În coloana a 9-a sunt
calculate diferenţele dintre coordonatele punctelor obţinute prin scanarea
Capitolul 6 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
50
batimetrică iniţială şi coordonatele calculate în urma aplicării corecţiei de refracţie,
cu o valoare a erorii medii pătratice de 35.6 cm. Tabelul 6.2 Calculul diferenţelor între coordonatele reale măsurate, iniţiale şi corectate Nr.
pct
Coordonate reale RTK Z (m)
iniţial
Z (m)
corectat
ZRTK -
Z init
ZRTK -
Z cor
Zcor - Z
init X (m) Y (m) Z (m)
1 2 3 4 5 6 7 8 9
1 527699.459 5340278.497 259.480 259.190 259.290 0.290 0.190 0.380
2 527695.354 5340282.221 259.500 258.780 259.160 0.720 0.240 0.330
3 527694.877 5340282.691 259.510 258.800 259.130 0.710 0.280 0.260
… … … … … … … … …
89 527689.597 5340287.451 259.900 259.560 259.680 0.340 0.220 0.380
Valoarea medie 0.495 0.271 0.343
Deviaţia standard 0.148 0.097 0.079
Eroarea medie pătratică 0.515 0.287 0.356
6.6 Concluzii
În acest capitol se prezintă modul de lucru şi procesarea datelor obţinute prin
scanare topo-batimetrică, pentru zona de studiu situată în partea de nord-vest a
Austriei, pe râul Pielach – afluent al Dunării, pe o lungime de aproximativ 380 m.
Datele au fost achiziţionate în urma unui zbor efectuat în data de 24 mai 2013 cu
senzorul topo-batimetric de tip VQ- 820-G, la o altitudine de 600 m. Comparativ
cu LiDAR-ul topografic, scanarea laser batimetrică are avantajul şi capacitatea de
a penetra coloana de apă, fiind folosită pentru cartografierea topografiei
subacvatice şi determinarea adâncimii apei.
În propagarea lor, undele laser batimetrice suferă două fenomene diferite: de
refracţie (la suprafaţa apei) şi de reflexie (la fundul acesteia). Aşadar, ecourile laser
care penetrează în coloana de apă sunt corectate, prin aplicarea legii de refracţie
definită de Snell. În acest scop, realizat un algoritm, implementat în softul Opals,
algoritm care a constat în următoarele etape principale: (1) filtrarea norilor de
puncte, (2) derivarea Modelului Digital al Suprafeţei apei, (3) calculul corecţiei de
refracţie a ecourilor laser şi (4) Vizualizarea şi analiza rezultatelor.
Pentru analiza rezultatelor obţinute, s-au propus mai multe metode, care au
fost procesate atât cu softul Opals, cât şi cu softul fotogrammetric Cloud Compare.
Astfel, s-au analizat o serie de profile transversale pe cursul de apă, s-au calculat
diferenţele dintre elevaţiile punctelor din norul iniţial şi cel rezultat în urma
aplicării corecţiei de refracţie. Analiza s-a efectuat prin 3 metode diferite, şi anume:
prin calculul distanţei Haussdorf, direct pe norii de puncte; prin determinarea
distanţei dintre puncte şi o suprafaţă de tip mesh şi prin calculul Modelului Digital
al Diferenţelor
Coordonatele punctelor pentru profilele de referinţă au fost determinate prin
tehnologie GNSS, prin metoda RTK. Aceste măsurători au fost folosite drept
referinţă în procesul de evaluare a rezultatelor obţinute în urma aplicării corecţiei
de refracţie. În total, s-au măsurat un număr de 89 de puncte: 47 pentru profilul (a)
şi 42 de puncte pentru profilul (b). În urma analizelor efectuate, diferenţele de
elevaţie între punctele din norul iniţial şi cel obţinut în urma aplicării corecţiei de
refracţie sunt de maxim 0.35 m, dovedind influenţa majoră a corecţiei de refracţie.
7 CONCLUZII GENERALE,
CONTRIBUŢII PERSONALE ŞI DIRECŢII
VIITOARE DE CERCETARE
7.1 Concluzii generale
Tehnologia de scanare laser este o tehnică de măsurare 3D relativ nouă, care
aduce un potenţial pentru achiziţia cu acurateţe a datelor geospaţiale
tridimensionale şi a geometriei obiectelor. Cu ajutorul Modelelor Digitale ale
Terenului obținute prin aplicarea acestei tehnologii, caracterizate printr-o mare
rezoluție, este posibilă recunoașterea și analiza proceselor de eroziune și depunere
la scară mai largă, evitându-se utilizarea secțiunilor. De asemenea, tehnologia
LiDAR poate fi folosită pentru analize calitative și cantitative legate de
recunoașterea schimbărilor morfologice ale râurilor. Principala limitare a acestei
tehnologii o reprezintă lipsa de informație colectată la suprafața de contact aer-apă,
precum și pierderea acurateței și calității la penetrarea coronamentului în zonele de
vegetație.
Așadar, utilizarea LiDAR-ului topografic este adecvată pentru cursuri de apă
din zonele montane, unde dinamica malurilor constituie un aspect major și unde
adâncimea apei este destul de redusă. Oricum, pentru înlăturarea acestor limitări,
comunitățile de cercetare științifică și companiile private depun numeroase eforturi
pentru dezvoltarea algoritmilor de filtrare a ecourilor multiple și pe îmbunătățirea
acurateței datelor, prin integrarea instrumentelor tradiționale, a LiDAR-ului
batimetric pentru măsurători topografice detaliate, în zonele străbătute de râuri cu
o adâncime mai mare.
Posibilitatea de a realiza măsurători topografice într-un mod rapid şi precis
pe zone extinse la un preţ optim precum şi capacitatea de a achiziţiona simultan şi
alte surse de date, cu ar fi imagini aeriene de mare rezoluţie şi imagini
hiperspectrale, fac din tehnologia de scanare laser aeropurtată un instrument
important pentru numeroase aplicaţii legate de planificare şi management teritorial.
Zonele străbătute de râuri se caracterizează printr-o morfologie complexă, cu
numeroase categorii de folosinţe ale terenului, precum şi prezenţa suprafeţelor de
apă. Din acest motiv, utilizarea tehnologiei de scanare laser în aceste medii este
mai dificilă comparativ cu aplicaţiile clasice de cercetare şi studiu a terenului. Cu
toate aceste neajunsuri însă, studiile de cercetare şi investigare a mediilor străbătute
de râuri prin utilizarea tehnologiei de scanare laser au continuat să evolueze, chiar
dacă numărul lor este cu mult mai redus faţă de alte domenii.
Măsurarea suprafeţelor zonelor străbătute de ape, a devenit esenţială pentru
evaluarea volumelor de sedimente, pentru analiza schimbării cursului de apă,
pentru calculul vitezei şi dinamica nivelului apei, pentru descrierea structurii şi
Capitolul 7 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
52
schimbărilor geomorfologice a teritoriilor. Aceste măsurători pot fi obţinute într-
un mod efectiv prin utilizarea laserelor topo-batimetrice. În acest studiu, s-a folosit
senzorul aerian topo-batimetric Riegl VQ-820-G, proiectat pentru măsurarea
topografiei subacvatice a mărilor, a râurilor sau a lacurilor. Acesta este integrat
într-o platformă destinată scanării aeriene, care poate fi uşor instalată pe orice tip
de avion, de exemplu cu aripă fixă sau elicopter.
Prin utilizarea datelor de scanare laser aeriene, se uşurează studierea
morfologiei râurilor de dimensiuni mari, eliminându-se astfel dificultăţile
măsurătorilor pe teren. În momentul în care analizele sunt focusate pentru o scară
spaţială şi temporală fină, LiDAR-ul terestru este preferat, întrucât este mai precis,
Modelul Digital al Terenului generat prezintă o rezoluţie mai mare (0.01 m
dimensiunea unei celule grid), iar măsurătorile sunt repetabile. Aceste specificaţii
subliniază utilitatea instrumentului de a monitoriza morfologia râului în condiţii de
schimbări frecvente şi rapide.
Principalele limitări ale LiDAR-ului topografic aeropurtat pentru zonele
străbătute de cursuri de apă, sunt în mod principal legate de suprafaţa apei, care nu
este orizontală, ci se caracterizează printr-o continuă dinamică. Limitările LiDAR-
ului topografic în cazul apelor adânci nu sunt prezente pentru cazul apelor alpine
mai mici şi mai puţin adânci, unde alegerea unui timp favorabil de măsurare (ex.
perioada cu o scurgere mai scăzută), face ca mediul montan să fie favorabil pentru
utilizarea tehnologiei LiDAR. Pentru aceste zone, un Model Digital al Terenului
de o mare rezoluţie derivat din date LiDAR topografic este foarte util pentru
recunoaşterea morfologiei canalului, prin utilizarea unor indecşi morfometrici.
Concluzii privind clasificarea tridimensională a norilor de puncte LSA
Datorită caracterului complex al mediului natural, cu o morfologie complexă
într-o continuă dinamică, în aceste zone clasificarea norilor de puncte este o
misiune destul de dificilă. Această complexitate provine din ne-uniformitatea
obiectelor naturale individuale, precum: mărimi diferite ale particolelor de pământ,
tipuri de soluri cu granulații diferite, vegetaţie de diferite tipuri și vârste (iarbă,
arbuști, vegetație medie și înaltă), litologie variabilă, morfologia dinamică a albiei
cursurilor de râuri caracterizată prin depuneri aluvionare, resturi și eroziuni.
În acest studiu, s-au analizat și comparat rezultatele a două metode diferite de
clasificare: clasificare supervizată și clasificare semi-supervizată. Acești algoritmi
au fost aplicați cu succes pe un nor de puncte achiziționat prin scanare laser aeriană
LSA, pentru un mediu natural cu o morfologie complexă. Ambele metode de
clasificare prezintă o acuratete ridicată, având rezultate similare, cele mai mari
diferențe 0,05 % fiind înregistrate pentru punctele din clasa teren.
Norii de puncte astfel clasificați, cu puncte etichetate, oferă o mai bună
vizualizare a datelor și pot fi utilizați într-o varietate de domenii precum:
geomorfologie, cartografie și modelare 3D, studii legate de mediu.
S-a prezentat o comparație între două metode diferite de clasificare aplicate
pentru un nor de puncte preluat prin scanare laser aeriană, pentru zona Neubacher
Au. Prima metodă este un algoritm de clasificare supervizată pe calculator, bazată
pe algoritmi cu arbori de decizie și de tipul Random Forests, în timp ce cea de-a
Capitolul 7 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
53
doua metodă este reprezentată de un algoritm de clasificare semi-supervizată, ce
conține o cascadă de clasificatori binari, generati prin tehnica mașinilor vectoriale
de suport (Support Vector Machines). Procesarea norilor de puncte necesită
software specializat, pentru facilitarea lucrului cu un volum mare de date.
Cele două tipuri de clasificare sunt implementate în OPALS și în software-ul
Canupo. Software-ul Canupo este utilizat în mod eficient în procesul de clasificare
automatizată a norului de puncte, permițând generarea unor clasificatori proprii, ce
lucrează asemenea unor clasificatori binari, care separă punctele laser în două
categorii diferite. Clasificatorii au un caracter general și pot fi transferați și utilizați
cu succes pe orice alt nor de puncte, cu condiția ca unitatea de măsură să fie aceeași
cu cea în care a fost definit clasificatorul, iar densitatea punctelor să fie relativ
aceeași. Precizia de clasificare este calculată în fiecare punct, fapt ce conduce la
posibilitatea de creare a noi clase de incertitudine, corespunzătoare punctelor în
care clasificarea este incertă. Metoda de clasificare semi-supervizată folosește
geometria locală a obiectelor și poate fi aplicată pe nori de puncte de dimensiuni
mari, care conțin de la zece până la sute de milioane de puncte, pe un sistem
computer normal, într-un timp rezonabil.
Rezultatele arată că dintr-un număr total de puncte de 2 832 497, cu softul
Canupo, implementat în CloudCompare au rezultat 1 360 527 puncte-teren,
1 264 223 puncte-vegetaţie, 148 181 puncte-apă şi 59 566 puncte-pietriş. În cazul
softului Opals au rezultat 1 359 242 puncte-teren, 1 265 124 puncte-vegetaţie,
147 593 puncte–apă şi 60 538 puncte-pietriş. Ambele metode de clasificare
prezintă o acuratete ridicată, având rezultate similare, cele mai mari diferențe 0,05
% fiind înregistrate pentru punctele din clasa teren.
În cazul algoritmului CSF (Cloth Simulation Filter) punctele au fost
clasificate în doar două tipuri şi anume: 958 044 puncte-teren şi 1 874 453 puncte
non-teren.
Concluzii privind algoritmul propus pentru filtrarea, segmentarea şi
clasificarea norilor de puncte LSA
Scanarea laser aeriană, s-a dovedit a fi o metodă foarte productivă pentru
producerea Modelelor Digitale ale Terenului
În acest studiu, s-a dezvoltat un nou algoritm, prin care este propusă o nouă
metodă de filtrare, segmentare și clasificare a norilor de puncte pentru derivarea
Modelelor Digitale ale Terenului, prin utilizarea datelor rezultate în urma scanării
laser aeriene, în vederea utilizării acestora la întocmirea unor proiecte de precizie
ridicată, fiind unica de acest tip din România.
Metoda inovativă are la bază procesele de interpolare robustă ierarhică,
segmentare și clasificare a norilor de puncte. Scopul este de a diminua efectul de
netezire în special în zonele de discontinuitate ale terenului (linii de schimbare a
pantei), comparativ cu metodele tradiționale de filtrare, de a automatiza întreg
procesul de filtrare, segmentare și clasificare, precum și de a crește acuratețea
modelelor digitale ale terenului care sunt obținute pe baza datelor laser scaner
aeropurtat.
Capitolul 7 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
54
În urma aplicării acestui algoritm, s-a obţinut un număr adiţional de puncte-
teren (32 531 puncte-teren), realizându-se astfel o îmbunătăţire a filtrării iniţiale.
Prin vizualizarea profilelor transversale, se observă în mod clar îmbunătăţirea ce se
produce la malurile abrupte ale râului. Modelul Digital al Terenului obținut pe baza
noii metode redă cu acuratețe forma reală a terenului.
În cazul celui de-al doilea studiu de caz, cu suprafaţa de terasamente, se
constată o creştere a numărului de puncte-teren cu 139 775.
Concluzii referitoare la aplicaţiile tehnologiei de scanare laser pentru
prezentul studiu de caz – râul Pielach
Într-o primă etapă, norii de puncte au fost aduşi in cadrul aceluiaşi sistem de
referinţă, prin procedee de co-registraţie şi georeferenţiere, realizate în softul
RiScan Pro (software dezvoltat de compania Riegl) şi Matlab (algoritmul ICP).
Valoarea deviaţiei standard obţinută este de 1 cm şi a erorii medii residuale RMS
de 0.094 m, ceea ce dovedeşte faptul că datele au fost bine georeferenţiate.
Printre principalele aplicaţii realizate, se numără: procesul de integrare a
datelor rezultate în urma scanărilor aeropurtate cu cele terestre, analiza atributelor
punctelor şi vizualizarea acestora, generarea Modelelor Digitale ale Suprafeţelor,
ale Modelelor Digitale ale Terenului, analize efectuate pentru vegetaţie, structura
pe verticală a acesteia, determinarea localizării arborilor, aplicaţii ale MDT-ului în
hidrologie, modelarea sistemului de drenaj, determinarea scurgerii superficiale,
acumularea scurgerii şi analiza evoluţiei cursului de apă în timp.
Modelul Digital al Suprafeţei pentru zona “Neubacher Au” din Austria fost
generat pe baza unei combinaţii a două produse, şi anume: DSMmax şi gridul de
interolare DSMmpl. Întregul algoritm este implementat in software-ul ştiinţific
OPALS (Orientation and Processing of Airborne Laser Scanning data). Pentu acest
areal, s-au utilizat date de scanare laser aeropurtat, cu o densitate a punctelor de 57
ecouri/ m2. Comparat cu Modelul Digital a Suprafeţei obţinut prin metode
tradiţionale, obişnuite, Modelul final obţinut prin metoda propusă, oferă o mai bună
vizualizare a teritoriului, fiind utilizat cu uşurinţă în numeroase aplicaţii.
În ceea ce priveşte analizele pentru vegetaţia complexă din teritoriu, au fost
determinaţi un număr de 578 de arbori împreună cu localizarea pe teren şi cu
înălţimile corespunzătoare. Prin realizarea aplicaţiei de hidrologie, s-a obţinut in
final traseul de curgere al râului Pielach, numai prin metode automatizate având ca
dată de intrare doar MDT. Rezultatul se suprapune foarte bine cu datele de referinţă
din baza de date Open Street Map.
Prin analiza Modelului Digital al Diferenţelor, se observă evoluţia în timp a
teritoriului, cu principalele zone de eroziune a malurilor dar şi zone de depunere.
De asemenea, anumite zone au fost analizate în detaliu, precum şi parametrii
arborilor au fost analizaţi în evoluţia lor.
Concluzii privind utilizarea datelor LSB pe cursuri de apă
Pentru prezentul studiu de caz, s-a utlizat norul de puncte rezultat în urma
scanării aeropurtate cu senzorul topo-batimetric Riegl VQ-820-G, care permite atât
scanarea topografică a suprafeţei uscatului, cât şi scanarea topografiei subacvatice
Capitolul 7 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
55
a apelor cu adâncimi reduse sau a râurilor. Capacitatea impulsului de a penetra apa
depinde de gradul de turbititate al acesteia: în cazul în care apa este caracterizată
prin claritate, atunci adâncimea maximă poate ajunge până la 50 m.
Datele au fost achiziţionate în urma unui zbor efectuat în data de 24 mai 2013
cu senzorul topo-batimetric de tip Riegl VQ- 820-G, la o altitudine de 600 m,
pentru râul Pielach – afluent al Dunarii, pe o lungime de aproximativ 380 m,
rezultând un nor cu număr de 3049512 de puncte. Sistemul batimetric este proiectat
pentru măsurători combinate: topografice şi hidrografice, ce utilizează două tipuri
de sisteme LiDAR: unul în domeniul infraroşu (1064 nm) – ce scanează suprafaţa
uscatului- şi unul în domeniul vizibil corespunzător undei de culoare verde (532
nm), pentru scanarea topografiei subacvatice.
Cu toate acestea însă, raza laser batimetrică suferă două fenomene: de
refracţie - la suprafaţa apei şi de reflexie – la fundul apei. Pentru aceasta, este
necesară aplicarea corecţiei de refracţie. Aşadar, ecourile laser care penetrează în
coloana de apă sunt corectate, prin aplicarea legii de refracţie definită de Snell.
Pentru aceasta, realizat un algoritm în care s-a utilizat modulul Snellius al software-
ului fotogrammetric OPALS, ce constă în următoarele etape de calcul: în primul
rând, s-a realizat filtrarea norilor de puncte pentru eliminarea punctelor măsurate
în mod eronat. În al dilea rând, s-a determinat Modelul Digital de Suprafaţă al Apei,
care joacă un rol semnificativ pentru determinarea corecţiei de refracţie în fiecare
punct. În următorul pas, s-au determinat corecţiile de refracţie pentru fiecare punct
de pe suprafaţa apei, rezultând un număr de 196 136 de puncte procesate cu succes.
Numărul mare de puncte ignorate (1 271 115) se datorează punctelor de la suprafaţa
terenului şi a vegetaţiei, întrucât în procesare se consideră întregul nor de puncte,
iar algoritmul le selectează doar pe cele de la suprafaţa apei. În urma analizei, au
rezultat îmbunătaţiri pe elevaţie de până la 50 cm, pentru punctele situate sub apă.
Pentru validarea rezultatelor, s-au folosit două profile transversale,
determinate prin tehnologie GNSS, prin metoda RTK. În total, s-au utlizat un
număr de 89 de puncte, pentru care s-au calculat diferenţele pe înălţime atât faţă de
norul batimetric iniţial, cât şi faţă de cel obţinut în urma prelucrării, pentru care s-
a obţinut o valoare medie de 0.34 m şi o eroare medie pătratică de 0.35 m. În urma
analizelor efectuate, diferenţele de elevaţie între punctele din norul iniţial şi cel
obţinut în urma aplicării corecţiei de refracţie sunt de maxim 0.50 m, cu o deviaţie
standard de 0.36 mşi o valoare a erorii medii pătratice de 0.37 m.
7.2 Avantajele şi dezavantajele utilizării datelor de scanare laser şi a
aplicaţiilor propuse
În urma cercetărilor efectuate, se desprind următoarele avantaje şi dezavantaje în
ceea ce priveşte aplicarea tehnologiei de scanare laser pe cursuri de apă.
Avantajele utilizării tehnologiei LSA pe cursuri de apă
permite studierea morfologiei râurilor de dimensiuni mari, eliminându-se astfel
dificultăţile măsurătorilor pe teren;
tehnologia de scanare laser furnizează date topografice de o mare rezoluție,
capabilă de a acoperi suprafețe largi, într-o perioadă scurtă de timp, contribuind
astfel în mod semnificativ la reprezentarea suprafețelor de teren;
Capitolul 7 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
56
are o precizie ridicată atât în plan orizontal, cât și în cel vertical;
o caracteristică deosebit de valoroasă, spre deosebire de tehnicile topografice
tradiționale de măsurare, este capacitatea de derivare a Modelelor Digitale ale
Terenului (MDT) cu o mare rezoluție (1 m), direct din norul de puncte;
în mod cert reprezintă un instrument util pentru derivarea Modelelor Digitale
ale Terenului cu o acuratețe ridicată în zone complexe precum văi inundabile și
bazine hidrografice.
Dezvantajele utilizării tehnologiei LSA pe cursuri de apă
pentru zonele străbătute de ape, cu un relief fluvial, această tehnologie prezintă
anumite limitări cauzate de faptul că impulsul laser nu pătrunde apele adânci;
un dezavantaj încă mare al acestor echipamente, îl reprezintă costurile ridicate;
procesarea tridimensională a norilor de puncte necesită personal şi software
specializat;
prelucrarea norilor de puncte necesită timp îndelungat de procesare, datorită
densităţii mari de puncte rezultate în urma scanărilor;
chiar şi în prezent, datele obţinute în urma scanărilor (norii de puncte) trebuie
să fie transferaţi pe hard diskuri externe care au capacitate mare de stocare,
deoarece transferul datelor foarte mari nu se poate realiza prin email sau prin
intermediul serverelor de tip FTP (File Transfer Protocol);
norul de puncte arată foarte frumos, însă multi îl consideră inutil, datorită
dimensiunilor sale. Un nor obişnuit de puncte poate avea între 10 GB până la
100 GB, fiind inoperabil în programele de tip CAD- Adevărata putere a
scanărilor se dovedeşte în momentul în care norul de puncte se poate utiliza în
sistemul software curent.
Avantajele utilizării tehnologiei de scanare laser topo-batimetrică
Comparativ cu LiDAR-ul topografic, scanarea laser batimetrică are avantajul şi
capacitatea de a penetra coloana de apă, fiind folosită pentru cartografierea
topografiei subacvatice şi determinarea adâncimii apelor;
Este folosit cu succes în special pentru cartografierea zonelor costiere, dar şi a
apelor cu adâncimi reduse;
Este o metodă foarte eficientă aplicată în zonele în care nu se pot folosi
metodele tradiţionale de măsurare;
Un singur sistem poate măsura atât suprafaţa uscatului cât şi fundul apelor;
Comparativ cu batimetria convenţională, această metodologie prezintă
beneficii atât în ceea ce priveşte costurile de realizare, cât şi în creşterea
productivităţii;
La valori mari ale ratei de impuls, batimetria lidar poate lucra în mod
topografic, scanând astfel sufrafaţa terenului.
Dezvantajele utilizării tehnologiei de scanare laser topo-batimetrică
Partea de procesare a norilor de puncte necesită un timp destul de mare, datorită
numărului ridicat de puncte rezultate din scanare;
Capitolul 7 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
57
Adâncimea de penetrare este în funcţie de claritatea apei; aceasta va descreşte
pe măsură ce apa este mai tulbure. În condiţii favorabile, se pot măsura
adâncimi de până la 50 m. Cantitatea de oxigen din apă poate influeneţa de
asemenea gradul de penetrare a undei laser verde;
Nu este destinat pentru măsurarea apelor de o mare adâncime;
Pentru estimarea şi obţinerea unor adâncimi corecte ale apelor, este necesară
aplicarea corecţiei de refracţie;
Costurile pentru preluarea datelor sunt ridicate;
Prelucrarea necesită software fotogrammetric specializat, precum şi specialişi
în domeniu cu cunoştinţe de programare;
Comparativ cu scanarea laser aeriană, batimetria LiDAR necesită o cantitate
mai mare de energie, deoarece raza laser verde, în momentul în care pătrunde
în apă, suferă fenomene de refracţie, absorbţie şi dispersie.
Avantajele si dezavantajele arborilor de decizie
Principalele avantajele ale arborilor de decizie sunt ca ei produc modele
eficiente, usor de înteles, usor de utilizat si ca nu sunt afectaţi de lipsa valorilor
unor date. De asemenea ei sunt perfect aplicabili unor probleme reale cum ar fi
regulile comerciale. Acesti arbori se potrivesc bazelor de date de dimensiuni mari
deoarece dimensiunea arborelui este independentă de dimensiunea bazei de date.
Dintre dezavantaje amintim faptul că arborii de decizie impun anumite
restricţii asupra datelor care sunt analizate. În primul rând, arborii de decizie permit
doar o singură variabilă dependentă. Pentru a prezice mai mult de o variabila
dependentă, fiecare variabilă cere un model diferit. De asemenea, cei mai mulţi
algoritmi pentru arbori de decizie pretind ca datele continue să fie grupate sau
convertite la date de tip enumerare, multi algoritmi bazaţi pe arbori de decizie fiind
instabili.
Avantajele metodei propuse pentru derivarea MDT
Datorită numeroaselor avantaje pe care le prezintă și gradului ridicat al
preciziei de măsurare, tehnologia de scanare laser aeropurtat este metoda preferată
pentru derivarea Modelelor Digitale ale Terenului, care sunt utilizate în proiecte
inginerești, în proiecte de modelare a mediului, hidrologie, topografie, hidraulică,
geomorfologie, management și monitorizare, analiza schimbărilor în timp. Prin
utilizarea metodei inovative de filtrare, segmentare și clasificare a norilor de
puncte, se obțin Modele Digitale ale Terenului cu o precizie mai bună, comparativ
cu alte metode tradiționale de derivare a acestora. Noua metodă are la bază
procesele de interpolare robustă ierarhică, segmentare și clasificare a norilor de
puncte obținuți prin scanarea laser aeropurtată.
Obiectivele principale ale invenției sunt:
diminuarea efectului de netezire în special în zonele de discontinuitate ale
terenului (linii de schimbare a pantei), comparativ cu metodele tradiționale de
filtrare;
automatizarea întregului proces de filtrare, segmentare și clasificare, în scopul
eficientizării;
Capitolul 7 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
58
creșterea acurateței modelelor digitale ale terenului care sunt obținute pe baza
datelor de scanare laser aeropurtat.
Metoda propusă prezintă următoarele avantaje principale:
oferă posibilitatea obținerii unor Modele Digitale ale Terenului, pe baza
utilizării datelor de scanare laser preluate de la o înalțime de zbor de 600 m;
contribuie la creșterea numărului de puncte care sunt clasificate drept teren,
comparativ cu metodele existente;
oferă posibilitatea păstrării punctelor care aparțin teren în zonele de
discontinuitate (pante abrupte, maluri de râu);
eficiență și rapiditate prin automatizarea întregului algoritm de filtrare,
segmentare și clasificare a norului de puncte obținut prin scanare laser aeriană;
îmbunătățirea Modelelor Digitale ale Terenului, care descriu în mod fidel forma
reală a suprafeței terenului, comparativ cu metodele tradiționale de filtrare, ce
introduc efecte de netezire în zonele de discontinuitate;
7.3 Contribuţii originale
Lucrarea de faţă şi-a propus analiza şi dezvoltarea de aplicaţii pe cursuri de
apă, prin utilizarea datelor rezultate în urma scanărilor laser de diferite tipuri.
Contribuţiile originale aduse în acest studiu sunt prezentate pe scurt, după cum
urmează:
Lucrarea prezintă un studiu original, complex a zonelor străbătute de cursuri de
apă, prin integrarea a patru surse diferite de date, și anume: date laser scaner
aeropurtat (engl. Aerial Laser Scanner - ALS), date laser scaner aeropurtat
batimetric (engl. Airborne LiDAR Bathymetry - ALB), date laser scaner
terestru (engl. Terestrial Laser Scanner - TLS) și date laser scaner obținute prin
montarea senzorului pe o platformă aeropurtată fără pilot de tip dronă (engl.
Unmanned LiDAR scanning - ULS).
Prezentarea unei analize detaliate asupra modului de achiziție și de utilizare a
surselor de date de scanare laser în zonele străbătute de cursuri de apă;
Propunerea unei algoritm inovativ bazat pe o combinație a proceselor de
interpolare robustă ierarhică segmentare și clasificare a norilor de puncte, fiind
unica de acest tip din domeniu.
Metodă de filtrare a norilor de puncte rezultați în urma utilizării tehnologiei de
scanare laser aeriană, caracterizată prin algoritmul de interpolare ierarhică
robustă, interpolarea unei suprafete inițiale, în care punctele au ponderi
individuale egale, calculul coeficienților în funcție de deviațiile verticale ale
punctelor la suprafață, calculul unei noi suprafețe prin iterații succesive,
identificarea punctelor ce aparțin terenului pentru obținerea Modelelor Digitale
ale Terenului.
Metodă de segmentare a norilor de puncte rezultați în urma utilizării tehnologiei
de scanare laser aeriană, caracterizată prin: calculul valorilor normalelor în
fiecare punct, selecția punctelor, analiza punctelor în funcție de vecinătăți,
procesul “region growing” de formare a segmentelor prin îndeplinirea
condițiilor de similaritate (pragul pentru valorile normalelor în fiecare punct și
Capitolul 7 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
59
pragul diferențelor pe înălțime dintre puncte), obținerea segmentelor utilizate
în derivarea Modelelor Digitale ale Terenului.
Metodă de clasificare a norilor de puncte rezultați în urma utilizării tehnologiei
de scanare laser aeriană, caracterizată prin analiza comparativă a punctelor
teren obținute prin interpolarea ierarhică robustă și segmentare, clasificarea
segmentelor în: segmente-teren, segmente non-teren și segmente ce nu conțin
puncte-teren, urmată de clasificarea norilor de puncte în puncte ce aparțin
terenului și puncte non-teren, în vederea obținerii Modelelor Digitale ale
Terenului.
Elaborarea unei formule de calcul pentru identificarea segmentelor care aparţin
clasei teren, în scopul filtrării şi clasificării punctelor.
Realizarea unei analize complexe pentru aplicarea Modelelor Digitale ale
Terenului în hidrologie, prin modelarea sistemului de drenaj, determinarea
scurgerii superficiale şi acumularea scurgerii.
Realizarea unei monitorizări în timp a evoluţiei cursului de apă, din Februarie
2013 până în Iunie 2016, cu evidenţierea schimbărilor albiei.
Crearea unui flux de lucru pentru procesarea datelor obţinute în urma scanărilor
topo-batimetrice pe cursuri de apă.
Realizarea şi implementarea algoritmului pentru determinarea şi aplicarea
corecţiei de refracţie, în cazul norilor de puncte topo-batimetrici.
Propunerea de metode diferite pentru evaluarea rezultatelor în urma aplicării
algoritmului de corecţie al refracţiei şi analiza comparativă a acestora.
Implementarea algoritmilor pentru aplicaţiile realizate în limbajele Matlab şi
Python de programare.
Dezvoltarea de fişiere-script (cod) pentru softul Opals, executabile direct din
linia de comandă sau din mediul DOS / unix shell.
Analiza situaţiei pe plan internaţional şi naţional, în ceea ce priveşte aplicaţiile
tehnologiei de scanare laser pe cursuri de apă, metodele de filtrare, segmentare
şi clasificare a norilor de puncte, precum şi evoluţia tehnologiei de scanare laser
topo-batimetrică.
Propunerea unor direcţii viitoare de cercetare, de interes ştiinţific şi de
actualitate pentru specialişti atât din domeniul măsurătorilor terestre, cât şi
pentru cei din domeniul hidrologiei.
Punerea la dispoziţie a unei liste bibliografice, ce cuprinde numeroase lucrări
ştiinţifice publicate în jurnale internaţionale de specialitate, de interes pentru
specialiştii preocupaţi de cunoaşterea şi aplicarea tehnologiei de scanare laser.
7.4 Direcţii viitoare de cercetare
Studiile cuprinse în această lucrare pot fi continuate pe următoarele direcţii
de cercetare, după cum urmează:
Analiza detaliată a vegetației aluvionare și influențe ale acesteia asupra
coeficientului de scurgere precum şi analiza în timp a variației coeficientului de
scurgere.
Capitolul 7 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
60
Clasificarea norilor de puncte prin aplicarea unor algoritmi de tip rețele
neuronale (engl. neural networks), rețele neuronale profunde (engl. deep neural
networks), îmbinați cu procese avansate de învățare (engl. deep learning).
Îmbinarea tehnologiei de scanare laser cu alte surse fotogrammetrice de date,
de tip dronă sau imagini satelitare cu o mare rezoluţie spaţială – combinarea
norilor de puncte rezultati în urma scărilor laser cu norii de puncte obținuți prin
reconstrucție 3D, pe baza algoritmului de corelare densă a imaginilor (engl.
Dense Image Matching).
Procesarea și clasificarea norilor de puncte rezultați în urma reconstrucției 3D
a imaginilor aeriene și satelitare.
Analiza schimbărilor în timp a claselor de puncte (ex: un punct clasificat inițial
ca fiind “teren”, ulterior acesta își poate schimba clasa în “apă”).
Analiza comparativă a metodologiei de obținere a Modelului Digital al
Terenului prin utilizarea unor date din surse diferite, nori de puncte obţinuţi
prin scanarea laser terestră, scanarea aeropurtată fără pilot sau obţinuţi prin
reconstrucţie pe bază de imagini aeriene/satelitare.
Îmbunătăţirea softului Cloud Compare, astfel încât să poată realiza automat
filtrarea punctelor care aparţin terenului, prin implementarea metodei propuse.
Realizarea unui studiu de caz pe platforma softului OPALS al Universităţii
Tehnice din Viena, referitor la clasificarea, segmentarea şi filtrarea norilor de
puncte pentru extragerea Modelului Digital al Terenului.
Implementarea algoritmului propus în limbajul Python de programare.
Determinarea automată a axurilor cursurilor de râuri, direct din norul de puncte,
prin utilizarea punctelor de maximă adâncime.
Calculul volumelor de depuneri de sedimente, a volumelor erodate şi
determinarea ariilor suprafeţelor de eroziune / depunere pentru suprafeţe
extinse ale cursurilor de apă.
Integrarea analizelor efectuate într-o bază de date, care să permit
predictibilitatea zonelor de risc la inundaţii, în cazul unor ploi torenţiale.
Integrarea datelor tridimensionale - nori 3D de puncte- cu date bidimensionale
- 2D GIS.
Determinarea Modelului Digital al Suprafeţei apei, în cazul râurilor cu o viteză
mai mare de scurgere, prin adoptarea unei formule, care să ţină cont de aspectul
neregulat al suprafeţei apei.
Bibliografie ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
61
BIBLIOGRAFIE
1. A. Loghin, I. Giurma, E. Oniga, Digital Surface Models Derivation from Airborna Laser Scanning Data, “1
Decembrie 1918” University of Alba Iulia RevCAD, 22, 2017, 141-150.
2. A. Loghin, V. E. Oniga, C. Giurma-Handley, 3D Point cloud classification of natural environments using
Airborne Laser Scanning Data, American Journal of Engineering Research (AJER), 7 /2, pp. 191-197, 2018.
3. Abalharth, M., Hassan, M. A., Klinkenberg, B., Leung, V., & McCleary, R. (2015). Using LiDAR to characterize
logjams in lowland rivers. Geomorphology, 246, 531-541.
4. Abdallah, H., Bailly, J. S., Baghdadi, N. N., Saint-Geours, N., & Fabre, F. (2013). Potential of space-borne
LiDAR sensors for global bathymetry in coastal and inland waters. IEEE Journal of selected topics in applied
earth observations and remote sensing, 6(1), 202-216.
5. Ahokas, E., Kaartinen, H., & Hyyppä, J. (2003). A quality assessment of airborne laser scanner data. International
Archives of Photogrammetry and Remote Sensing, 34(part 3), W13.
6. Allouis, T., Bailly, J. S., & Feurer, D. (2007, November). Assessing water surface effects on LiDAR bathymetry
measurements in very shallow rivers: A theoretical study. In Second ESA Space for Hydrology Workshop,
Geneva, CHE (pp. 12-14).
7. Al‐Manasir, K., & Fraser, C. S. (2006). Registration of terrestrial laser scanner data using imagery. The
Photogrammetric Record, 21(115), 255-268.
8. Antonarakis, A. S., Richards, K. S., & Brasington, J. (2008). Object-based land cover classification using airborne
LiDAR. Remote Sensing of Environment, 112(6), 2988-2998.
9. Apostol B., (2015) – Utilizarea tehnicilor modern ale teledetecţiei în estimarea unor caracteristici dendrometrice
la arbori şi arboreta de molid din valea Lotrului, Teză de doctorat, Universitatea “Transilvania” din Braşov
10. Apostol, B., Petrila, M., Lorenţ, A., Gancz, V., Creţ, A. (2011). Potential use of airborne LiDAR technology by
the integration of remote sensing and terrestrial datasets for forests assessment and mapping in Romania.
Proceedings to Symposium “Forest and Sustainable Development” - Editura Universitatii “Transilvania” din
Braşov, pp. 513-518.
11. Apostol, B., Petrila, M., Lorenţ, A., Gancz, V., Silaghi, D. (2012). Estimarea volumului de masă lemnoasă pe
picior la arborete de molid utilizând date LiDAR aeropurtat şi măsurători terestre. Revista Pădurilor nr.2: 14-22.
12. Ardizzone F, Cardinali M, Galli M, Guzzetti F, Reichenbach P (2007) Identification and mapping of recent
rainfall-induced landslides using elevation data collected by airborne Lidar Natural Hazards and Earth System
Science 7:637-650
13. Awwad, T. M., Zhu, Q., Du, Z., & Zhang, Y. (2010). An improved segmentation approach for planar surfaces
from unstructured 3D point clouds. The Photogrammetric Record, 25(129), 5-23.
14. Axelsson, (2000), DEM generation from laser scanner data using adaptive TIN models, International Archives of
Photogrammetry and Remote Sensing, Vol. XXXIII, Part B4. Amsterdam, pp. 110-117.
15. Axelsson, A. (2010, October). Rapid topographic and bathymetric reconnaissance using airborne LiDAR. In
Electro-Optical Remote Sensing, Photonic Technologies, and Applications IV (Vol. 7835, p. 783503).
International Society for Optics and Photonics.
16. Ajin, R. S., Loghin, A. M., Karki, A., Vinod, P. G., & Jacob, M. K. (2016). Delineation of forest fire risk zones
in Thenmala forest division, Kollam, Kerala, India: A study using geospatial tools. J Wetl Biodivers, 6, 139-48.
17. Ajin, R. S., Loghin, A. M., Vinod, P. G., Jacob, M. K., & Krishnamurthy, R. R. (2014). Landslide Susceptible
Zone Mapping Using ARS and GIS Techniques in Selected Taluks of Kottayam District, Kerala, India.,
International Journal of Applied Remote Sensingand GIS.
18. Bailly, J. S., Le Coarer, Y., Languille, P., Stigermark, C. J., & Allouis, T. (2010). Geostatistical estimations of
bathymetric LiDAR errors on rivers. Earth Surface Processes and Landforms, 35(10), 1199-1210.
19. Baltsavias E.P. (1999) - Airborne laser scanning: basic relations and formulas. ISPRS Journal of Photogrammetry
& Remote Sensing, 54: 199-214.
20. Banic J., Sizgoric S. and O’neil R. (1986), Scanning lidar bathymeter for water depth measurement, Proc. of SPIE
conference on Laser Technology and Applications, Quebec City, Quebec, SPIE, Vol. 663, 187.
21. Bertoldi, W., Gurnell, A. M., & Drake, N. A. (2011). The topographic signature of vegetation development along
a braided river: results of a combined analysis of airborne lidar, color air photographs, and ground measurements.
Water Resources Research, 47(6).
22. Besl P., McKay N., (1992). A Method for Registration of 3-D Shapes. In: IEEE Trans. PAMI, Vol. 14, No. 2:
239-256.
23. Bienert, A., Maas, H., Scheller, S., (2006). Analysis of the information content of terrestrial laserscanner point
clouds for the automatic determination of forest inventory parameters. In: T. Koukal, W. S. (Ed.), Proceedings
International Workshop 3D Remote Sensing In Forestry. pp. 44–49.
24. Birjaru C., (2011) – Cercetări privind utilizarea tehnologiei LiDAR în lucrările de silvicultură, Teză de doctorat,
Universitatea “Transilvania” din Braşov.
25. Boivin, M., & Buffin-Bélanger, T. (2010, September). Using a terrestrial LIDAR for monitoring of large woody
debris jams in gravel-bed rivers. In 7th Gravel bed Rivers Conference (pp. 5-10).
26. Bornaz, L., & Rinaudo, F. (2004, July). Terrestrial laser scanner data processing. In XXth ISPRS Congress
Istanbul.
Bibliografie ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
62
27. Bremer M, Sass O (2012) Combining airborne and terrestrial laser scanning for quantifying erosion and
deposition by a debris flow event Geomorphology 138:49-60
28. Briese C (2004) Three-dimensional modelling of breaklines from airborne laser scanner data.
29. Briese C, Pfeifer N., 2001. Airborne Laser Scanning and Derivation of Digital Terrain Models. Proceedings of
the 5th Conference on Optical 3-D Measurement Techniques Vienna, pp. 80 – 87.
30. Briese C., Glira P., Pfeifer N., (2013), “Integration of multi-temporal airborne and terrestrial laser scanning data
for the analysis and modeling of proglacial geomorphodynamic processes”, Geophysical Research Abstracts Vol.
15, EGU General Asembly 2013 – 9479.
31. Briese C., Hollaus M., 2012, Workshop: Point Clouds from ALS and Aerial Images for Vegetation Analysis.
Derivation of topographic models DTM/ DSM, I.P.F., 24-25 September 2012, TU Vienna.
32. Briese C., Pfeifer N., Dorninger P.,(2002), Applications oft the robust interpolation for DTM determination,
International Archives of Photogrammetry and Remote Sensing, proceedings, Vol. XXXIV, 3A, pp.55-61.
33. Briese, (2004), Three-dimensional modeling of breaklines from airborne laser scanner data, IAPRS XXXV B/3,
Istanbul, Turkey
34. Briese, C. (2004). Breakline modelling from airborne laser scanner data.
35. C. Waldhauser, R. Hochreiter, J. Otepka, N. Pfeifer, S. Ghuffar, K. Korzeniowska, G. Wagner (2014), Automated
classification of Airborne Laser Scanning Point Clouds, Solving Computationally Expensive Engineering
Problems. Springer Proceedings in Mathematics & Statistics, Volume 97, 2014, 269-292.
36. Cassela V. (2003) - Introduzione al laser scanning aereo. In: CROSILLA F. & GALLETTO R.(eds) - La tecnica
del laserscanning - Teoria ed applicazioni, 1-37, CISM, Udine.
37. Cavalli M, Tarolli P, Marchi L, Dalla Fontana G (2008) The effectiveness of airborne LiDAR data in the
recognition of channel-bed morphology Catena 73:249-260
38. Cavalli M. & Marchil L. (2008) - Characterisation of the surface morphology of an alpine alluvial fan using
airborne LiDAR. Nat. Hazards Earth Syst. Sci., 8: 323-333.
39. Cavalli M., Mathys N. & Jacome A. (2008a) - Quality and vertical accuracy assessment of airborne LiDAR data:
a case study on the Draix basins (French Alps). Geophysical Research Abstracts, 10, EGU2008-A-04926.
40. Cavalli M., Tarolli P., Marchi L. & Dalla Fontana G. (2008b) - The effectiveness of airborne LiDAR data in the
recognition of channel-bed morphology. Catena, 73(3): 249-260.
41. Challis K. (2006) - Airborne laser altimetry in alluviated landscapes. Archaeological Prospection, 13(2): 103-
127.
42. Charlton ME, Large AR, Fuller IC (2003) Application of airborne LiDAR in river environments: the River
Coquet, Northumberland, UK Earth Surface Processes and Landforms: The Journal of the British
Geomorphological Research Group 28:299-306
43. Chen, Q., Gong, P., Baldocchi, D., & Xie, G. (2007). Filtering airborne laser scanning data with morphological
methods. Photogrammetric Engineering & Remote Sensing, 73(2), 175-185.
44. Church, M., Biron, P., & Roy, A. (Eds.). (2012). Gravel bed rivers: Processes, tools, environments. John Wiley
& Sons.
45. CloudCompare 3D point cloud and mesh processing software. Available online: http://www.danielgm.net/cc/
(Accessed on 12 May 2016)
46. Cobby D. M., Mason D. C., Horrit M.S. & Bates P.D (2003) - Two-dimensional hydraulic flood modelling using
a fi nite-element mesh decomposed according to vegetation and topographic features derived from airborne
scanning laser altimetry. Hydrological Processes, 17: 1979-2000.
47. Cobby D. M., Mason D.C. & Davenport I.J. (2001) - Image processing of airborne scanning laser altimetry data
for improved river flood modeling. ISPRS Journal of Photogrammetry & Remote Sensing, 56: 121-138.
48. Datasheet Riegl LMS (ALS). RiProcess, (2015). Available online http://www.riegl.co.at/products/software-
packages/riprocess/ (Accesat pe 12 Octombrie 2016)
49. Datasheet Riegl LMS (ALS). RiProcess, (2015). Available online http://www.riegl.co.at/products/software-
packages/riprocess/ (Accessed on 12 May 2016)
50. DataSheet Riegl LMS-Q1560, Full Waveform Digitizing, Dual Channel, Airborne LiDAR Scanning System for
Ultra Wide Area Mapping. Available online:
http://www.riegl.co.at/uploads/tx_pxpriegldownloads/DataSheet_LMS-Q1560_2015-03-19.pdf (Accessed on 14
May 2016)
51. DataSheet Riegl VQ-580, Airborne Laser Scanner with Online Waveform Processing. Available online:
http://www.riegl.com/uploads/tx_pxpriegldownloads/DataSheet_VQ-580_2015-03-23.pdf (Accessed on 14 May
2016)
52. DataSheet Riegl VZ-2000, Long Range, High Speed 3D Terrestrial Laser Scanner with Online Waveform
Processing. Available online: http://www.riegl.com/uploads/tx_pxpriegldownloads/DataSheet_VZ-2000_2015-
03-24.pdf (Accessed on 14 May 2016)
53. DataSheet RiSCAN PRO 2015, Operating & Processing Software RiSCAN PRO for RIEGL 3D Laser Scanners.
Available online: http://www.riegl.co.at/products/software-packages/riscan-pro/ (Accessed on 12 May 2016)
54. Delai, F., Moretto, J., Picco, L., Rigon, E., Ravazzolo, D., & Lenzi, M. A. (2014). Analysis of morphological
processes in a disturbed gravel-bed river (Piave River): integration of LiDAR data and colour bathymetry. Journal
of Civil Engineering and Architecture, 8(5).
55. Deruyter G., Vanhaelst M., Stal C., Glas H., Wulf A. (2015), The use of terrestrial laser scanning for
measurements in shallow water: correction of the 3D coordinates of the point cloud, International
Multidisciplinary Scientifig GeoConference – SGEM, p. 1203-1209.
Bibliografie ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
63
56. Dold C., Brenner C., 2006, Registration of terrestrial laser scanning data using planar patches and image data,
IAPRS Volume XXXVI, Part 5, Dresden 25-27 September 2006, pp.78-83
57. El-Sheimy N., Valeo C., Habib A., (2005) – Digital Terrain Modelling – Acquisition, Manipulation and
Applications, Artech House, ISBN 1-58053-921-1, Norwood, United States ofAmerica.
58. Emilio Domenech, Clément Mallet, 2014, “Change detection in high-resolution land use/land cover geodatabases
(at object level), European Spatial Data Research, Official Publication No. 64, April 2014, pp 54.
59. Eysn L., Hollaus M., Vetter M., Mucke W., Pfeifer N., Regner B., 2010, „Adapting α-shapes for forest delineation
using ALS data“, in 10th International Conference on LiDAR Applications for Assessing Forest Ecosystems
(Silvilaser 2010), Freiburg, Germany, Vol. 10p.
60. Fema (2003) - Guidelines and Specifications for flood hazard mapping partners, Appendix A:www.fema.gov.
61. Filin, S., & Pfeifer, N. (2006). Segmentation of airborne laser scanning data using a slope adaptive neighborhood.
ISPRS journal of Photogrammetry and Remote Sensing, 60(2), 71-80.
62. Flener, C., Vaaja, M., Jaakkola, A., Krooks, A., Kaartinen, H., Kukko, A. & Alho, P. (2013). Seamless mapping
of river channels at high resolution using mobile LiDAR and UAV-photography. Remote Sensing, 5(12), 6382-
6407.
63. Florinsky, I. V. (2002). Errors of signal processing in digital terrain modelling. International Journal of
Geographical Information Science, 16(5), 475-501.
64. Florinsky, I. V., & Kuryakova, G. A. (2000). Determination of grid size for digital terrain modelling in landscape
investigations—exemplified by soil moisture distribution at a micro-scale. International Journal of Geographical
Information Science, 14(8), 815-832.
65. Frankel K.L. & Dolan J.F. (2007) - Characterizing arid-region alluvial fan surface roughness with airborne laser
swath mapping digital topographic data. J. Geophys. Res. - Earth Surface, 112: F02025,
doi:10.1029/2006JF000644.
66. French J.R. (2003) - Airborne LiDAR in support of Geomorphological and Hydraulic Modeling. Earth Surface
Processes and Landform, 28: 321-335.
67. G. Mandlburger, J. Otepka, W. Karel, W. Wagner, N. Pfeifer, Orientation and processing of airborne laser
scanning data (OPALS)–Concept and first results of a comprehensive ALS software, IAPRS- International
Archives of Photogrammetry and Remote Sensin., Vol.XXXVIII, Part3/W8, September 1-2, 2009, 55-60.
68. Gancz, V., Apostol, B., Petrila, M., Lorenţ, A. (2010). Detectarea cu ajutorul imaginilor satelitare a doborâturilor
de vânt şi evaluarea efectelor acestora, Revista pădurilor nr 6: 30-36.
69. Garvey K., Morrissey L., Rizzo D. M., Underwood K., Wemple B., Kline M., “Estimating channel erosion and
deposition using multi-date LiDAR in the Browns River, Chittenden County, VT, 24th Annual Nonpoint Source
Pollution Conference, Burlington, May 14, 2013
70. George Vozikis, Alexander Haring, Evangelos Vozikis, Karl Kraus (2004) Laser Scanning: A new method for
recording and documentation in Archaeology , Workshop – Archaeological Surveys, FIG Working Week 2004,
Athens, Greece, May 22-27, 2004
71. Gilvear, D., Tyler, A., & Davids, C. (2004). Detection of estuarine and tidal river hydromorphology using hyper-
spectral and LiDAR data: Forth estuary, Scotland. Estuarine, Coastal and Shelf Science, 61(3), 379-392.
72. Glenn NF, Streutker DR, Chadwick DJ, Thackray GD, Dorsch SJ (2006) Analysis of LiDAR-derived topographic
information for characterizing and differentiating landslide morphology and activity Geomorphology 73:131-148
73. Glira P., Pfeifer N., Briese C., Ressl C., 2015: A correspondence framework for ALS strip adjustments based on
variants of the ICP algorithm.
74. Gomes Pereira L.M. & Wicherson R.J. (1999) - Suitability of laser data for deriving geographical information: a
case study in the context of management of fluvial zones. ISPRS Journal of Photogrammetry & Remote Sensing,
54: 105-114.
75. Gottfried Mandlburger, Martin Pfennigbauer and Norbert Pfeifer (2013)- Analyzing near water surface
penetration in laser bathymetry – A case study at the river Pielach, ISPRS Annals of the Photogrammetry, Remote
Sensing and Spatial Information Sciences, Volume II-5/W2, 2013, ISPRS Workshop Laser Scanning 2013, 11 –
13 November 2013, Antalya, Turkey
76. Guenther G. C., Cunningham A., Laroque P. E. and Reid D. J. (2000) Meeting the accuracy challenge in airborne
lidar bathymetry. In: Proceedings of the 20th EARSeL Symposium: Workshop on Lidar Remote Sensing of Land
and Sea, Dresden, Germany.
77. Guenther G.C., Brooks M.W., and LaRocque P.E., (1998) New capabilities of the ‘SHOALS’ airborne lidar
bathymeter, 5th International Conference on Remote Sensing for Marine and Coastal Environments, October,
San Diego, CA.
78. Hare R. (1994), Calibrating Larsen-500 lidar bathymetry in Dolphin and Union Strait using dense acoustic ground
truth, International Hydro Review, Monaco, LXX(1), 91-108.
79. Hare, R. (2015). Calibrating Larsen-500 lidar bathymetry in Dolphin and Union Strait using dense acoustic
ground-truth. The International Hydrographic Review, 71(1).
80. Heritage G. & Hetherington D. (2007) - Towards a protocol for laser scanning in fluvial geomorphology. Earth
Surface Processes and Landforms, 32: 66-74.
81. Hicks D, Duncan M, Lane S, Tal M, Westaway R (2007) Contemporary morphological change in braided gravel-
bed rivers: new developments from field and laboratory studies. In. Elsevier
82. Höfle B., Vetter M., Pfeifer N., Mandlburger G. & Stötter J. (2009) - Water surface mapping from airborne laser
scanning using signal intensity and elevation data. Earth Surface Processes and Landforms, 34(12): 1635-1649.
Bibliografie ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
64
83. Hollaus M., Wagner W. & Kraus K. (2005) - Airborne laser scanning and usefulness for hydrological models.
Advances in Geosciences, 5: 57-63.
84. Huggett, R. J.”Fundamentals of Geomorphology”, RoutledgeFundamentals of Physycal Geography, London and
New York: Taylor and Francis Group, 2003
85. Hyyppa H., Hyyppa J., Kaartinen H., Kaasalainen S., Honkavaara E., Ronnholm P., 2005, Factors affecting the
quality of DTM generation in forested areas, ISPRS WG III/3, V/4 Workshop “Laser scanning 2005”, Enschede,
the Netherlands, September 12-14, 2005.
86. Iosub F. (2008). Manipularea seturilor de date LiDAR (Light Detection and Ranging), www.geo-spatial.org
87. Kager H (2004) Discrepancies between overlapping laser scanner strips–simultaneous fitting of aerial laser
scanner strips International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences
35:555-560
88. Kennie, T. J. M., & Petrie, G. (1990). Digital terrain modelling (pp. 391-426). John Wiley & Sons Inc., New
York.
89. Kraus K., Briese C (2000)., Attwenger M., Pfeifer N., 2000, Quality measures for digital terrain models, ISPRS,
Proceedings, XXXV Congress, papers, 107.
90. Kraus K., Pfeifer N., (1998), Determination of terrain models in wooded areas with airborne laser scanner data,
ISPRS Journal of Photogrammetry and Remote Sensing, 53: 193-203.
91. Kraus K., Ressl C., Roncat A., Least-Squares Matchng with Airborne Laserscanning Data, (2000), IAPRS
Proceedings, Vol XXXIII, Part B3, Amsterdam 2000, pp.548-555
92. Kraus, K., & Pfeifer, N. (2001). Advanced DTM generation from LIDAR data. International Archives Of
Photogrammetry Remote Sensing And Spatial Information Sciences, 34(3/W4), 23-30.
93. LaRocque, P. E., & West, G. R. (1999, October). Airborne laser hydrography: an introduction. In Proc.
ROPME/PERSGA/IHB Workshop on Hydrographic Activities in the ROPME sea area and Red Sea (Vol. 4, pp.
1-15).
94. Lato J. M., Hutchinson D. J., Ondercin M., 2014, “Comparison of airborne laser scanning, terrestrial laser
scanning and terrestrial photogrammetry for mapping differential slope change in mountainous terrain”, July
2014, in Canadian Geotechnical Journal No. 52, pp. 1-12
95. Lindenberger (1993) Laser Profilmessungen zur topograophiechen Gelandeaufnahme, BVol C400, Deutsche
Geodätische Komission, München
96. Liu, Z. (1990, September). Estimate of maximum penetration depth of lidar in coastal water of the China sea. In
Ocean Optics X (Vol. 1302, pp. 655-662). International Society for Optics and Photonics.
97. Loghin A., Oniga E., Wieser M., (2016), Analysing and Modelling Terrain Surface Changes using Airborne Laser
Scanning Data, World Journal of Engineering Research and Technology WJERT, Vol. 2, Issue 3, 87-95
98. Loghin A., Giurma I., ONIGA, V. E., & Ajin R.S. (2017) Digital Surface Models Derivation from Airborne Laser
Scanning data, “1 Decembrie 1918” University of Alba Iulia, RevCAD no. 22, 141-150
99. Loghin, A. M., Oniga, V. E., & Giurma-Handley, (2018) C. R. 3D Point Cloud Classification of Natural
Environments Using Airborne Laser Scanning Data, American Journal of Engineering Research and Technology
WJERT, Vol. 7, Issue 2, 191-197
100. Lohmann, P., Koch, A. and Schaeffer, M., 2000, Approaches to the filtering of laser scanner data. In IAPRS,
Vol.XXXIII, Amsterdam, Netherlands.
101. Lollino G, Giordan D, Baldo M, Allasia P, Pellegrini F (2008) L’uso dei modelli digitali del terreno come
strumento per lo studio dell’evoluzione morfologica dei corsi d’acqua: proposte metodologiche e primi risultati
Il Quaternario Italian Journal of Quaternary Sciences 21:331-342
102. M. Wieser, M. Hollaus, G. Mandlburger, P. Glira, N. Pfeifer, ULS LiDAR supported analyses of laser beam
penetration from different ALS systems into vegetation, ISPRS Annals of the Photogrammetry, Remote Sensing
and Spatial Information Sciences, Volume III-3, 2016 XXIII ISPRS Congress, 12–19 July 2016, Prague, Czech
Republic, 233-239.
103. Magirl C.S., Webb R.H. & Griffiths P.G. (2005) - Changes in the water surface profile of the Colorado River in
Grand Canyon, Arizona, between 1923 and 2000. Water Resources Research 41(5): Art. No. W05021.
104. Mallet, C., & Bretar, F. (2009). Full-waveform topographic lidar: State-of-the-art. ISPRS Journal of
photogrammetry and remote sensing, 64(1), 1-16.
105. Mandlburger G., Briese C., Pfeifer N., 2007, Progress in LiDAR sensor technology – chance and challenge for
DTM generation and data administration, Vienna University of Technology, Pub Geo 1949.
106. Mandlburger, G., Pfennigbauer, M., & Pfeifer, N. (2013). Analyzing near water surface penetration in laser
bathymetry—A case study at the River Pielach. ISPRS Annals of the Photogrammetry, Remote Sensing and
Spatial Information Sciences, 5, W2.
107. Marco Cavalli, Paolo Tarolli (2011), Application of LiDAR technology for rivers analysis, Italian Journal of
Engineering Geology and Environment, Special Issue 1, DOI: 10.4408/IJEGE.2011-01.S-03
108. Masaharu, H., & Ohtsubo, K. (2002). A filtering method of airborne laser scanner data for complex terrain. IAPRS,
34(3/B), 165-169.
109. Maso M. (2002) - Note sulle metodologie operative per i rilievi laser-scanning e la generazione di DTM d’alta
qualità. Rivista Cinque Fiumi, Autorità di Bacino dell’alto Adriatico, 1: 23-33.
110. Maune D. F., Kopp S. M., Crawford C. A., Zervas C.E., (2007) – Introduction. In: Maune, D. F. (Ed.), Digital
Elevation Model Technologies and Applications: The DEM Users Manual, second Edition. American Society for
Photogrammetry and Remote Sensing, Bethesda, pp. 9- 16.
Bibliografie ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
65
111. Mckean J., Isaak D. & Wright W. (2009) - Geomorphic controls on salmon nesting patterns described by a new,
narrow-beam terrestrial-aquatic lidar. Frontiers in Ecology and Environment, 6(3): 125-130.
112. Mercer, B. (2004, July). DEMs created from airborne IFSAR–an update. In Proceedings of the ISPRS XXth
Congress (Vol. 35, No. B2, pp. 841-848).
113. Moore, I. D., Grayson, R. B., & Ladson, A. R. (1991). Digital terrain modelling: a review of hydrological,
geomorphological, and biological applications. Hydrological processes, 5(1), 3-30.
114. Moretto, J., Delai, F., Rigon, E., Picco, L., Mao, L., & Lenzi, M. A. (2012). Assessing short term erosion-
deposition processes of the Brenta River using LiDAR surveys. WIT Transactions on Engineering Sciences, 73,
149-160.
115. Munoz, D., Vandapel, N., & Hebert, M. (2008, June). Directional associative markov network for 3-d point cloud
classification. In Fourth international symposium on 3D data processing, visualization and transmission (pp. 65-
72). Atlanta, US: Georgia Institute of Technology.
116. N. Brodu, D. Lague, 3D Terrestrial lidar data classification of complex natural scenes usng a multi-scale
dimensionality criterion: Applications in geomorphology, ISPRS Journal of Photogrammetry and Remote
Sensing 68, 2012, 121-134.
117. Naesset, E. (1997). Determination of mean tree height of forest stands using airborne laser scanner data. ISPRS
Journal of Photogrammetry and Remote Sensing, 52(2), 49-56.
118. Neff T. (2018), The Laser that’s Changing the World: The Amazing stories behind Lidar, from 3D Mapping to
Self-Driving Card, Kindle Edition, 13 September 2018.
119. Notebaert B., Verstraeten G., Govers G. & Poesen J., (2009) - Qualitative and quantitative applications of LiDAR
imagery in fluvial geomorphology. Earth Surface Processes and Landform, 348: 217-231.
120. Oniga E. (2014), Fotogrammetrie 1, 2, 3 şi 4, Note de curs, Iaşi
121. Oniga E. (2014), Modelarea 3D a clădirilor prin fotogrammetria clasică şi digitală, ISBN 978-606-687-119-8,
Editura Tehnopress, Iaşi
122. Oniga E. (2014), Teledetecţie, Note de curs, Iaşi
123. Onu Cristian (2009) – Contribuţii privind folosirea metodelor topo-geodezice la urmărirea comportării in situ a
construcţiilor, Teză de doctorat, Universitatea Tehnică din Iaşi
124. Otepka J., Ghuffar S., Waldhauser C., Hochreiter R., Pfeifer N.(2013) Georeferenced point clouds: A survey of
features and point cloud management. ISPRS Int. J. Geoinf. 2013, No. 2, pp. 1038–1065.
125. Ott L.M. (1965), Underwater ranging measurements using blue-green laser, NAVAIRDEVCEN Reort No.
NADC-AE-6519, Naval Air Development Center, Warminister, Pa. England.
126. Pater Alexandrina Mirela, Contributii la dezvoltarea algoritmilor de extragere a datelor din bazele de date multi-
nivel, Teză de Doctorat, Universitatea Politehnica Timişoaa, Facultatea de Automaticăşi calculatoare, Timişoara,
2006.
127. Pfeifer N., Briese C., 2007, Geometrical Aspects of Airborne Laser Scanning and Terrestrial Laser Scanning,
IAPRS Volume XXXVI, Part 3/ W52, ISPRS Workshop on Laser Scanning 2007 and SilviLaser 2007, Espoo,
September 12-14, 2007, Finland
128. Pfeifer N., Mandlburger G., Otepka J., Karel W.,2014 “OPALS - A framework for Airborne Laser Scanning data
analysis.” Comput. Environ. Urban Syst. 2014, No. 45, pp. 125–136.
129. Pfeifer, N., & Mandlburger, G. (2018). 11 LiDAR Data Filtering and Digital Terrain Model Generation.
Topographic Laser Ranging and Scanning: Principles and Processing, 349.
130. Q. Zhan L. Yu, Objects classification from Laser Scanning Data based on Multi-Class Support Vector Machine,
Remote Sensing, Environment and Transportantion Engineering (RSETE), 2011, 520-523
131. Renslow M. S. (2012) – Manual of Airborne Topographic LiDAR, American Society for Photogrammetry and
Remote Sensing (ASPRS), The Imaging & Geospatial Information Society, ISBN 1-57083-097-5, Maryland,
United States of America
132. Ressl C., Kager H., Mandlburger G., 2008, Quality checking of ALS projects using statistics of strip differences,
2008, The International Archives the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol.
XXXVII, Part B3b. Beijing 2008, pp. 253 – 260.
133. Richardson, J. J., & Moskal, L. M. (2014). Assessing the utility of green LiDAR for characterizing bathymetry
of heavily forested narrow streams. Remote sensing letters, 5(4), 352-357.
134. RIEGL Laser Measurement Systems, Ltd., 2007. Airborne Laser Scanner LMSQ560 User Instructions, Horn,
Austria.
135. Savu A., (2010) – Perfecţionări ale lucrărilor topografice şi geodezice în domeniul căilor de comunicaţii, Teză de
doctorat, Universitatea Tehnică de Construcţii Bucureşti
136. Sithole, G., & Vosselman, G. (2001). Filtering of laser altimetry data using a slope adaptive filter. International
Archives of Photogrammetry Remote Sensing and Spatial Information Sciences, 34(3/W4), 203-210.
137. Sithole, G., & Vosselman, G. (2004). Experimental comparison of filter algorithms for bare-Earth extraction from
airborne laser scanning point clouds. ISPRS journal of photogrammetry and remote sensing, 59(1-2), 85-101.
138. Tacon, S., Liébault, F., & Piégay, H. (2011). LiDAR-derived morphological changes of gravel-bed rivers in the
French Prealps. In European Geophysical Union Conference EGU2011 (Vol. 13, p. 7165).
139. Tarolli P., Arrowsmith J R. & Vivoni E.R. (2009) - Understanding earth surface processes from remotely sensed
digital terrain models. Geomorphology, 113: 1-3.
140. Thoma D.P., Gupta S.C., Bauerc M.E. & Kirchoff C.E (2005) - Airborne laser scanning for riverbank erosion
assessment. Remote Sensing of Environment, 95: 493-501.
Bibliografie ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
66
141. Tóvári D., Pfeifer N., 2005, Segmentation based robust interpolation – a new approach to laser data filtering,
International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, ISPRS Workshop
"Laser scanning 2005", Enschede, the Netherlands, September 12-14
142. Tóvári, D. (2006). Segmentation based classification of airborne laser scanner data (Doctoral dissertation, PhD
Thesis, Universität Karlsruhe, Karlsruhe, Germany. http://digbib. ubka. uni-karlsruhe.
de/volltexte/documents/3278 (accessed 15 May 2009)).
143. Trevisani S., Cavalli M. & Marchi L. (2010) - Reading the bed morphology of a mountain stream: a
geomorphometric study on high-resolution topographic data. Hydrology and Earth System Science, 14: 393-405.
144. Vianello A., Cavalli M. & Tarolli P. (2009) - LiDAR-derived slopes for headwater channel network analysis.
Catena, 76(2): 97-106.
145. Vorovencii, I. (2010). Fotogrammetrie. Editura Matrix Rom, București.
146. Vosselman G., (2000). Slope based filtering of laser altimetry data. International Archives of Photogrammetry
and Remote Sensing, Amsterdam,Netherlands 32,B3/2, pp. 935 – 942
147. Vosselman G., Maas H.G., (2010) – Airborne and Terrestrial Laser Scanning, Whittles Publishing, ISBN 978-
1904445-87-6, Scotland, UK
148. Vosselman, G., & Maas, H. G. (2001, March). Adjustment and filtering of raw laser altimetry data. In Proceedings
of OEEPE Workshop on Airborne Laserscanning and Interferometric SAR for Detailed Digital Terrain Models,
Stockholm, Sweden.
149. Wack, R., & Wimmer, A. (2002). Digital terrain models from airborne laserscanner data-a grid based approach.
International Archives of Photogrammetry Remote Sensing and Spatial Information Sciences, 34(3/B), 293-296.
150. Wang, Z., Zhang, L., Fang, T., Mathiopoulos, P. T., Tong, X., Qu, H., ... & Chen, D. (2015). A multiscale and
hierarchical feature extraction method for terrestrial laser scanning point cloud classification. IEEE Transactions
on Geoscience and Remote Sensing, 53(5), 2409-2425.
151. Wehr A. & Lohr U. (1999) - Airborne laser scanning - an introduction and overview. ISPRS Journal of
Photogrammetry & Remote Sensing, 54: 68-82.
152. Wei, H., & Bartels, M. (2006, August). Unsupervised segmentation using Gabor wavelets and statistical features
in LIDAR data analysis. In Pattern Recognition, 2006. ICPR 2006. 18th International Conference on (Vol. 1, pp.
667-670). IEEE.
153. Wozencraft J. M., Millar D., (2005) Airborne LiDAR and integrated technologies for coastal mapping and
nautical charting, Martine Technology Society Journal, 39(3), 27-35.
154. Yu, X., Hyyppä, J., Kukko, A., Maltamo, M., & Kaartinen, H. (2006). Change detection techniques for canopy
height growth measurements using airborne laser scanner data. Photogrammetric Engineering & Remote Sensing,
72(12), 1339-1348.
155. Zăvoianu Fl. (1999), Fotogrammetria, Editura Tehnică, ISBN 973-31-1414-6, Bucureşti, România
156. Zhang W, Qi J, Wan P, Wang H, Xie D, Wang X, Yan G. An Easy-to-Use Airborne LiDAR Data Filtering Method
Based on Cloth Simulation. Remote Sensing. 2016; 8(6):501.
157. Zhang, J., Lin, X., & Ning, X. (2013). SVM-based classification of segmented airborne LiDAR point clouds in
urban areas. Remote Sensing, 5(8), 3749-3775.
158. Zhang, Z., Zhang, L., Tong, X., Mathiopoulos, P. T., Guo, B., Huang, X., ... & Wang, Y. (2016). A multilevel
point-cluster-based discriminative feature for ALS point cloud classification. IEEE Transactions on Geoscience
and Remote Sensing, 54(6), 3309-3321.
159. http://astrofotografieluna.blogspot.ro
160. http://fae-drones.com/ro/
161. http://geo.tuwien.ac.at/opals
162. http://ip.ase.ro/Classification.pdf
163. http://www.riegl.com/
164. https://www.mathworks.com
165. www.faro.com
Lista lucrărilor ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
67
LISTA LUCRĂRILOR PUBLICATE
1. Ana-Maria Loghin, Valeria Ersilia Oniga, Catrinel-Raluca Giurma-Handley (2018).
3D Point Cloud Classification of Natural Environments Using Airborne Laser
Scanning Data - American Journal of Engineering Research AJER, Vol. 7, Issue 2,
pp. 191-197, ISSN 1583-2279
2. R. S. Ajin, Ana-Maria Loghin, P. G. Vinod, A. R. R. Menon and Mathew K. Jacob
(2018). Forest fire risk assessment using geospatial techniques: A study in
Mannarkkad forest division of Palakkad district, Kerala, India. ECOTERRA - Journal
of Environmental Research and Protection, 15(1),pp. 1-9. [ISSN: 1584-7071, E-
ISSN: 2248-3128]
3. R. S. Ajin, Ana-Maria Loghin, Rabina Sipai, Arya Viswam, P. Adarsh, P. G. Vinod,
A. R. R. Menon and Mathew K. Jacob (2017). Delineation of flood hazard zones in
Meenachil River Basin, Kottayam, Kerala, India: A study using geo-information
technology. International Journal of Health System and Disaster Management,
5(4), pp. XX-XX. [E-ISSN: 2347-9019]
4. Ana-Maria Loghin, Ion Giurma, Valeria Ersilia Oniga, Ajin R. S. (2017). Digital
Surface Models derivation from Airborne Laser Scanning data, Journal of Geodesy
and Cadastre RevCAD, no. 22/2017, pag. 141-150, Romania, ISSN 1583-2279.
5. R. S. Ajin, Ana-Maria Loghin, P. G. Vinod and Mathew K. Jacob (2018). Flood
hazard zone mapping in the tropical Achankovil River Basin in Kerala state, India: A
study using RS and GIS techniques. Journal of Wetlands Biodiversity. [ISSN: 2247-
0506, ISSN-L: 2247-0506] (accepted)
6. H. S. Veena, R. S. Ajin, Ana-Maria Loghin, Rabina Sipai, P. Adarsh, Arya Viswam,
P. G. Vinod, Mathew K. Jacob and M. Jayaprakash (2017). Wildfire risk zonation in
a tropical forest division in Kerala, India: A study using geospatial techniques.
International Journal of Conservation Science, 8(3), pp. 475-484. [ISSN: 2067-
533X, E-ISSN: 2067-8223]
7. R. S. Ajin, Ana-Maria Loghin, P. G. Vinod and Mathew K. Jacob (2017). Mapping
of forest fire risk zones in Peechi-Vazhani Wildlife Sanctuary, Thrissur, Kerala, India:
A study using geospatial techniques. Journal of Wetlands Biodiversity, 7, pp. 7-16.
[ISSN: 2247-0506, ISSN-L: 2247-0506]
8. R. S. Ajin, Ana-Maria Loghin, P. G. Vinod and Mathew K. Jacob (2017). The risk
analysis of potential forest fires in a Wildlife Sanctuary in the Western Ghats
(Southwest Indian Peninsula) using geospatial techniques. International Journal of
Health System and Disaster Management, 5(1), pp. 18-23. DOI:
10.4103/ijhsdm.ijhsdm_26_16 [E-ISSN: 2347-9019]
9. Ana-Maria Loghin, Valeria Ersilia Oniga, Martin Wieser (2016). Analysing and
modeling terrain surface changes using airborne laser scanning data - World Journal
of Engineering Research and Technology WJERT, Vol. 2, No. 3, pag. 87-95, ISSN
2454-695X.
10. Valeria Ersilia Oniga, Ana-Maria Loghin, Daniela Corina Păun (2016). Crashed
vehicle profile creation based on digital close-range photogrammetry, World Journal
of Engineering Research and Technology WJERT, Vol. 2, No. 4, pag. 16-29, , ISSN
2454-695X.
11. R. S. Ajin, Ana-Maria Loghin, P. G. Vinod and Mathew K. Jacob (2016). Forest fire
risk zone mapping using RS and GIS techniques: A study in Achankovil forest
division, Kerala, India. Journal of Earth, Environment and Health Sciences, 2(3),
pp. 109-115. DOI: 10.4103/2423-7752.199288 [E-ISSN: 2423-7752]
Lista lucrărilor ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪
68
12. R. S. Ajin, Ana-Maria Loghin, P. G. Vinod, Mathew K. Jacob and R. R.
Krishnamurthy (2016). Landslide susceptible zone mapping using ARS and GIS
techniques in selected taluks of Kottayam district, Kerala, India. International
Journal of Applied Remote Sensing and GIS, 3(1), pp. 16-25. [ISSN: 2394-8698, E-
ISSN: 2395-4388]
13. R. S. Ajin, Ana-Maria Loghin, P. G. Vinod and Mathew K. Jacob (2016). Forest fire
risk zone mapping in Chinnar Wildlife Sanctuary, Kerala, India: A study using
geospatial tools. Journal of Global Resources, 3, pp. 16-26. [ISSN: 2395-3160, E-
ISSN: 2455-2445]
14. R. S. Ajin, Ana-Maria Loghin, Mathew K. Jacob, P. G. Vinod and R. R.
Krishnamurthy (2016). The risk assessment of potential forest fire in Idukki Wildlife
Sanctuary using RS and GIS techniques. International Journal of Advanced Earth
Science and Engineering, 5(1), pp. 308-318. [E-ISSN: 2320-3609]
15. R. S. Ajin, Ana-Maria Loghin, Alina Karki, P. G. Vinod and Mathew K. Jacob
(2016). Delineation of forest fire risk zones in Thenmala forest division, Kollam,
Kerala, India: A study using geospatial tools. Journal of Wetlands Biodiversity, 6, pp.
139-148. [ISSN: 2247-0506, ISSN-L: 2247-0506]
16. R. S. Ajin, Ana-Maria Loghin, P. G. Vinod and Mathew K. Jacob (2016). RS and
GIS based forest fire risk zone mapping in the Periyar Tiger Reserve, Kerala, India.
Journal of Wetlands Biodiversity, 6, pp. 175-184. [ISSN: 2247-0506, ISSN-L: 2247-
0506]
17. Loghin Ana-Maria, Ajin R. S., Oniga Valeria Ersilia (2015) – The three -
dimensional geodetic networks adjustment automation using Matlab, Journal of
Geodesy and Cadastre RevCAD, no. 19/2015, pag. 15-22, Romania, ISSN 1583-2279.
18. Loghin Ana-Maria, Oniga Valeria Ersilia (2015) A comparative study on camera
calibration algorithms , GeoMAT 2015 – Journal of Geodesy and Cadastre RevCAD,
no. 19/2015, pag. 135-144, Romania, ISSN 1583-2279.
19. Loghin Ana-Maria, Oniga Valeria Ersilia (2015) Digital Images and Total Station
Measurment Fusion for 3D Buildings Models Creation, Journal of Geodesy and
Cadastre RevCAD, no. 18/2015, pag. 64-71, Romania, ISSN 1583-2279.
20. Loghin Ana-Maria, Oniga Valeria Ersilia (2014) The influence of calibration
parameters on 3D buildings models creation, Journal of Geodesy and Cadastre
RevCAD, no. 17, pag. 178-185, Alba Iulia, Romania, ISSN 1583-2279.
21. Valeriu MOCA, Adrian POPIA, Constantin SAVU, Mihaela CÂRDEI, Ana-Maria
Loghin (2014) - Elements related to updating the basic topographic plans from the
cadastral territories foreseen with underground pipe drainage system International
Symposium GEOMAT 2014, 13-15 November, Iasi, Romania.
CERERI DE BREVET
1. Ana-Maria LOGHIN, Valeria Ersilia ONIGA, Ion GIURMA - Metodă inovativă de
filtrare, segmentare şi clasificare a norilor de puncte pentru derivarea modelelor
digitale ale terenului (MDT) pe baza datelor laser scaner aeropurtat (LSA),
21/07/2017, nr. A/00501.
2. Valeria Ersilia ONIGA, Ana-Maria LOGHIN, Corina Daniela PĂUN – Câmp inovativ
de calibrare şi testare a camerelor digitale montate pe platforme aeropurtate fără pilot
(UAV), 18/10/2017, nr. A/00834.