مدل رقومی زمین (DTM) در شش بخش (بخش اول) (مهندس حسن فراهانی)

منبع : gisworld

مدل رقومی زمین (DTM) در شش بخش

نقل قول :

 ابتدا یه سری بحث های مقدماتی و تئوری و بعدا کارکردن با DTM در ARcGIS

بخش اول

۱- مقدمه ای بر مدل رقومی زمین (DTM)

1-1 نمایش سطح زمین

ویژگی های اساسی نقشه های مدرن :

۱- قابل اندازه گیری (توجیه شده به وسیله قوانین ریاضی) measurability –

۲- فراهم کردن دید اجمالی و کلی به وسیله generalization overview

3- قابل درک با symbolization مناسب intuition –

به طور اساسی، نقشه یک جنرالیزاسیون و abstraction از اشکال
موجود در زمین است. مهمترین ویژگی نقشه استفاده از نمایش دو بعدی برای واقعیت های
سه بعدی است. برای نمایش دو بعدی به سه بعدی در گذشته از روش های مختلفی چون
hachuring ، shading ، hypermetric units برای نقشه های توپوگرافی استفاده می
کردند. امروزه فقط از
shading استفاده می شوذ، چون پیاده سازی آن با کامپیوتر ساده
است.

Block diagram : زمین را می توان به وسیله دید
پرسپکتیو نمایش داد. پروسه نمایش یک سطح به این شیوه شامل تصویر کردن سطح در یک
نقشه و حذف خطوطی است که از نقطه تصویر
(projection) دیده نمی شود. به محصول این کار block
diagram
می گویند.
برای تولید چنین محصولی به یک نمایش رومی از سطح زمین نیاز داریم.

۱-۱-۱ نمایش رقومی سطح زمین

طبقه بندی روش های نمایش کامپیوتری :

۲-۱ مدل های رقومی زمین

۱-۲-۱ مفهوم مدل و مدل ریاضی

به طور کلی سه نوع مدل داریم :

۱- مفهومی

۲- فیزیکی

۳- ریاضی

مدل مفهومی : مدلی است که در ذهن یک قرد
درباره یک وضعیت یا یک شی مبنا بر اساس دانش یا تجربیات وی شکل می گیرد. اغلب این
نوع مدل مرحله اولیه مدلسازی را شکل می دهد که در دنباله با یک مدل فیزیکی یا
ریاضی ادامه پیدا می کند. البته اگر نمایش وضعیت یا شی خیلی مشکل باشد مدل، مفهومی
باقی می ماند.

مدل فیزیکی : اغلب مدلی آنالوگ است. یک مثال
از این نوع مدل، مدل سطح زمین است که توسط
rubber ، plastic یا cray ساخته شده است. مدل stereo از سطح زمین به وسیله دستگاه های
اپتیکی یا مکانیکی که در فتوگرامتری زیاد به کار می رود نیز در این دسته قرار می
گیرد. یک نوع مدل فیزیکی اغلب وچک تر از اشیا واقعی در علوم زمین است.

مدل ریاضی : نمایش یک وضعیت، شی یا پدیده
در ترم ریاضی است. به عبارتی، مدل ریاضی، مدلی است که مؤلفه های آن مفاهیم ریاضی
(ثابت ها، متغیرها، توابع، تساوی، نامساوی و…) است.

خود مدل ریاضی به دو دسته کیفی (بر اساس یک سیستم عددی) و
کمی (بر اساس تئوری مجموعه ها و … ، قابل ساده شدن به اعداد نیست) تقسیم می
شوند. تقسیم بندی مدل های ریاضی، تقسیم آن ها به دو دسته تابعی (برای حل مسائل
deterministic در نظر
گرفته می شود) و احتمالی (برای حل مسائل
Probabilistic در نظر گرفته می شود)

مزایای مدل های ریاضی:

۱- مدل ها امکان abstraction بر اساس یک صورت منطقی را بر اساس یک
زبان مرسوم را می دهد. بنابراین ابهام را کاهش می دهد و شانس توافق روی نتایج را
ازایش می دهد.

۲- به فرد امکان می دهد که یک خط فکری را دنبال کند و توجه
هود را به قسمت های مم مساله معطوف سازد.

۳- به تعمیم یت به کار بردن نتایح خل مساله، در موارد دیگر
نیز کمک می کند.

۴- امکان در نظر کردن حالات مختلف را راهم می کند.

۵- ابزاری برای درک جهان واقعی و کشف قوانین طبیعی است.

معیارهای ارزیابی مدل های ریاضی :

۱- accuracy – صحت – خروجی مدل صحیح یا نزدیک به صحیح باشد

۲- descriptive realism – توصیف واقعیت – بر
اساس فرضیات صحیح باشد

۳- precision
دقیق – پیش بینی مدل، اعداد معین ، توابع یا اشکال هندسی است

۴- robustness – قدرت – مربوط به ایمنی در مقابل خطاهای داده های
ورودی

۵- generality – قابل تعمیم – قابل به کار بردن در وضعیت
های مختلف

۶- fruitfulness – ثمربخش بودن - نتایج مناسب باشد، به
عبارتی راه ها یا مدل های خوب را ایجاد یا به آن ها اشاره کند

۷- simplicity – کمترین تعداد پارامترهای ممکن در مدل استفاده
شود. بر اساس اینکه همواره نباید مدل های پیچیده استفاده شود.

۲-۲-۱ مدل زمین و مدل رقومی زمین

مقایسه DTM در مقابل روش های مرسوم نمایش آنالوگ

۱- فرم های مختلف نمایش : در فرم رقومی ، فرم های مختلف
نمایش به سادگی تولید می شودمثل نقشه های توپوگرافیک ، برش های افقی و عمودی و
انیمشن سه بعدی

۲- با گذشت زمان نقشه های کاغذی دفرمه می شوند ولی DTM دقت خود را به واسطه استفاده از محیط رقومی حقظ
می کند

۳- کارایی بیشتر در اتوماسیون و پردازش های real time
یکپارچه سازی و به هنگام کردن داده ها در فرم رقومی خیلی راحت تر از فرم آنالوگ
است

۴- easier multi-scale representation DTM در resolution های مختلف
می تواند تنظیم شود که این مساله مطابق با نمایش در مقیاس های مختلف است.

۳-۲-۱ Digital Elevation Model
DTM

DEM : Digital Elevation Model

DHM : Digital Height Model

DGM : Digital Ground Model

DTEM : Digital Elevation Terrain Model

DGM بیشتر به معنی مدل رقومی سطح جامد زمین است. در مقابل DHM و DEM تاکید بر
اندازه گیری از یک دیتوم به سمت بالا دارد.
DTM معنی وسیع تری داردو شامل عوارض مشخص
زمین مثل رودخانه ها،
ridge line ها و break line ها نیز هست.

به طور کلی DTM شامل ۴ گروه اطلاعات است :

۱- Landform : از قبیل ارتفاع، شیب، جهت شیب و سایر اشکال پیچیده
ژئومورفولوژیاست که برای نمایش ارتفاع زمین استفاده می شود

۲- terrain features : مثل عوارض هیدروگرافی (رودخانه، دریاچه ، خطوط ساحلی)
و شبکه های حمل و نقل ( جاده ها ، خطوط راه آهن) ،و مرزها و …

۳- Natural Resource Environment : مثل خاک ، پوشش گیاهی و …

۴- داده های Socioeconomic : مثل توزیع جمعیت در یک منطقه
(صنعتی، کشاورزی و …)

با توجه به موارد فوق تعریف کلی DTM عبارتست از :

DTM یک مجموعه منظم از داده های نقطه ای نمونه برداری شده است که
توزیع مکانی انواع مختلف اطلاعات روی زمین را نشان می دهد. بیان ریاضی این مساله
می تواند به صورت زیر باشد :

Kp=f ( up ,
vp ) , k =
1,2 , … , m , p= 1, 2, … , n

Kp : یک مقدار توصیفی k امین feature زمین در محل نقطه P ( که می تواند منفرد باشد ولی اغلب
یک سطح کوچک به مرکز
P است.)

up , vp :مختصات دو بعدی نقطه p

m=1 : تعداد انواع اطلاعات است

n : تعداد نقاط نمونه

DTM یک نمایش رقومی از توزیع مکانی یک یا چند نوع اطلاعات زمین است و
به وسیله موقعیت دو بعدی + نمایش ریاضی از اطلاعات زمین نمایش داده می شود. اغلب
یک نمایش ۲٫۵ بعدی از اطلاعات زمین در فضای جغرافیایی سه بعدی است. اگر
m=1 باشد نتیجه همان DEM می شود.

۳-۱ مدلسازی رقومی زمین

۱-۳-۱ پروسه مدسازی رقومی زمین

فرایند ساخت سطح DTM مدلسازی رقومی زمین نامیده می شود که یک پروسه مدلسازی
ریاضی است.

به طور کلی ۶ مرحله مدلسازی رقومی زمین داریم که در هر کدام
از این مراحل یک یا چند فعالیت انجام می شود. به طور کلی ۱۲ فعالیت همانطور که در
شکل زیر مشخص است انجام می شد.

کاربردهای مهم DTM :

1- برنامه ریزی و طراحی عمرانی، راه و مهندسی معدن

۲- ۳D-animation برای اهداف نظامی، طراحی
مناظر و طراحی شهری

۳- آنالیز جمع آوری باران و شبیه سازی هیدرولیکی

۴- آنالیزهای دید بین اشیا روی سطح زمین

۵- بحث ژئومورفولوژی و آنالیزهای فرسایش خاک

۶- تفسیر و پردازش تصاویر سنجش از دور

۷- آنالیزهای زمین و محاسبات حجم

۸- انواع مختلف آنالیزهای مکانی

و …

۴-۱ ارتباط بین مدلسازی رقومی زمین و سایر رشته ها :

مدلسازی رقومی زمین ۴ مؤلفه اصلی دارد که ارتباط بین آنها
خطی نیست :

-
اخذ داده : فتوگرامتری ، نقشه برداری ، سنجش از دور ، کارتوگرافی

-
محاسبات و مدلسازی : هتوگرامتری، نقشه
برداری، کارتوگرافی، جغرافی، محاسبا هندسی ، گرافیک کامپیوتری، پردازش تصاویر

-
مدیریت داده : تکنیک های پایگاه داده مکانی، تکنیک های فشرده سازی، کدگذاری داده ها، ساختار
داده ، گرافیک کامپیوتری

-
کاربرد : تمام علوم زمینی ، نقشه برداری ، فتوگرامتری، سنجش از دور، جغرافی،
ژومورفولوژی، عمران، معدن، طراحی مناظر، طراحی شهری، مدیریت منابع طبیعی و ….

پست های مرتبط:

بازگشت به صفحه اصلی وبلاگ مهندسی عمران راه و ساختمان(مهندس حسن فراهانی)

برچسب‌ها: مدل رقومی زمین, DTM, بخش اول, مهندس حسن فراهانی, مهندسی عمران راه و ساختمان

منبع: http://hfarahani48.blogfa.com/post-8639.aspx

مدل رقومی زمین (DTM) در شش بخش (بخش دوم) (مهندس حسن فراهانی)

منبع : gisworld

مدل رقومی زمین (DTM) در شش بخش

نقل قول :

 ابتدا یه سری بحث های مقدماتی و تئوری و بعدا کارکردن با DTM در ARcGIS

بخش دوم

۲ – توصیف
کننده های زمین و استراتژی های نمونه برداری

اخذ داده شامل دو مرحله می باشد:نمونه برداری، اندازه گیری.سه
موضوع مهم در ارتباط با منابع داده های
DTM عبارتند از:چگالی، دقت و توزیع.

۱-۲ توصیف کننده های کلی (کیفی) زمین

دو نوع توصیف کننده داریم:کیفی(کلی)، کمی(عددی)

توصیف کننده های کیفی:

برحسب نوع کاربرد مختلف هستند. مهمترین توصیف کننده های زمین
در مدل رقومی زمین،
roughness و پوشش سطح زمین را نشان می دهند. بعضی از این
توصیف کننده ها عبارتند از : توصیف کننده
ها بر اساس پوشش سطح زمین، توصیف کننده ها بر اساس پیدایش شکل زمین(شکل داخلی، شکل خارجی)، توصیف کننده ها بر
اساس جغرافیای طبیعی و توصیف کننده ها بر اساس سایر طبقه بندی ها.

توصیف کننده های کیفی در برنامه ریزی (و نه طراحی پروژه) و
توصیف کننده های کمی در طراحی پروژه استفاده می شوند.

۲-۲-توصیف کننده های عددی زمین

شامل طیف فرکانس، بعد فراکتال، انحنا، کووریانس و
اتوکووریانس،
variogram و موجک می باشد.

۱-۲-۲ طیف فرکانس

با تبدیل فوریه می توان از دامنه ی فضا به دامنه ی فرکانس
رفت.داریم:

که در آن S شدت فرکانس، F فرکانس وa وE ثوابت هستند. a وE دو آماره ای هستند که پیچیدگی سطح یا
پروفیل زمین را در کل منطقه بیا می کنند.در انواع مختلف سطح زمین ،
a وE نیز تغییر می کند.اگر a بزرگتر از ۲ باشد، منطقه شیبدار و صاف
است. اگر
a
کوچکتر از ۲ باشد، منطقه تخت و سطح ناهموار است.

۲-۲-۲-
بعد فراکتال

بعد فراکتال یک پارامتر آماری برای مشخص
کردن پیچیدگی منحنی یا سطح می‌باشد. در هندسة اقلیدسی بعد منحنی برابر با یک و بعد
سطح برابر با دو دست اما در هندسة فراکتان بعد باتوجه به بعد کار را تعریف می‌شود.
مثلاً اگر از فاصلة بی نهایت به سطح زمین نگاه کنیم بعد آن صفر است اگر از ماه به
زمین نگاه کنیم بعد آن ۳ است. اگر از ارتفاع ۸۳۰ کیلومتری بالای زمین به آن نگاه
کنیم بعد آن حدود ۲ است و اگر از روی زمین به آن نگاه کنیم بعد آن ۲ است. بعد
فراکتال منحنی بین ۱ و ۲ و بعد فراکتال سطح بین ۲ و ۳ است. اگر
D بعد از فراکتال باشد داریم:

که در آن C ثابت و r مقیاس است.
بعد
فراکتال سطح خیلی پیچیده و ناهموار حدود ۳ است درحالیکه بعد فراکتال سطح ساده
(نزدیک صفحه) تقریباً ۲ است.

شکل ۲-۱-خط کخ با بعد فراکتال ۲۶/۱

شکل ۲-۲-رابطه بین انحنا و پیچیدگی

۳-۲-۲ انحناء

سطح زمین ترکیبی از المان‌های زمینی است که
به عنوان واحد ناهمواری صفحه همگون یا انحنای پروفیل تعریف می‌شود. انحنا عبارتند
از:

هرچه مقدار c بزرگتر باشد، سطح ناهموارتر است در
نتیجه
c نمایشگر ناهمواری
زمین است انحنا برای برنامه ریزی استراتژی نمونه‌برداری استفاده می‌شود درحالیکه
برای استفراج مقدار انحنا نیاز به حجم زیادی داده داریم (مسئله مرغ و تخم مرغ)
.

۴-۲-۲ کووریانس و اتوکووریانس

درجة شباهت بین جفت نقاط سطح را می‌توان
توسط تابع همبستگی تعریف کرد که داروی فرم‌های زیادی است مانند کووریانس و
اتوکورلیش.

با افزایش cov (d), d کاهش و R (d) نیز کاهش می‌یابد.

شکل ۳-۲: مقادیر اتوکوریشن با افزایش فاصله
از ۱ به ۰ کاهش می‌یابد.

که در آن C فاصلة کورولیش که در آن مقدار کووریانس
به سمت صفر می‌رود را نشان می‌دهد. هرچه
C کوچکتر باشد شباهت کمتر و پیچیدگی بیشتر است.

۵-۲-۲ Semivariogram

شباهت سطح DTM و ناهمواری مدلسازی رقومی زمین را بیان
می‌کند.

Semivariogram را با (d) γنشان می‌دهند داریم:

که در آن A و b ثابت بوده و ناهمواری سطح را بیان می‌کنند.
هرچه
b بزرگتر باشد، سطح صاف
تر است. اگر
b
برابر با صفر باشد سطح بسیار و ناهموار است.

۳-۲ بردار ناهمواری زمین: شیب، پستی و
بلندی و طول موج

۱-۳-۲ شیب، پستی و بلندی و طول موج به
عنوان یک بردار ناهمواری

ناهمواری را نمی‌توان با یک پارامتر به طور
کامل تعریف کرد. بلکه برای تعریف کامل آن نیاز به
بردارناهمواری یا
مجموعه‌ای از پارامترها داریم.

شیب در هر نقطه تغییر می‌کند

شکل ۲-۴- رابطة بین شیب طول موج و پستی و
بلندی:
(a) رابطة کامل آنها، (b) دیاگرام ساده شده.

داریم:

.

که در آن آلفا

شیب متوسط است. رابطة
فوق اگر دو تا از آنها را داشته باشیم، سومی را می‌توانیم به دست آوریم.

۲-۳-۲- مناسب بودن بردار ناهمواری سطح برای
مقاصد
DIM

شیب، ارتفاع و طول موج پارامترهای مهمی برای
توصیف زمین هستند.

برای توصیف شکل زمین می‌توان از ارتفاع یا
مشتقات سطح استفاده کرد. مشتقات سطح را می‌توان به دو دسته شیب (جزء گرادیان یا
عمودی که همان مشتق اول عمودی سطح است و جزء صفحه‌ای یا
aspect که همان مشتق اول افقی سطح است) و تحدب
یا انحنا تقسیم کرد. خصوصیات سطح با تحدب مشخص می‌شود که همان تغییر در گرادیان یک
نقطه از پروفیل و
aspect
می‌باشد.

المان‌های اصلی توصیف سطح زمین، ۵ صفت
(ارتفاع ، گرادیان،
aspect
و تحدب پروفیل و تحدب صفحه) می‌باشند. گرادیان در عمیق‌ترین جهت اندازه گیری می‌شود،
شیبی که شامل گرادیان و
aspect
است – گرادیان را در هر جهت مشخص نشان می‌دهد و یک صفت پایه‌ای می‌باشد. شیب همان
مشتق اول ارتفاع روی سطح زمین است که نشاندهندة فرخ تغییر ارتفاع زمین روی فاصله
است. عقلاً شیب و پستی و بلندی به عنوان توصیف‌کننده‌های اصلی زمین برای
DIM در نظر گرفته می‌شوند. از نظر سنتی شیب
بسیار مهم است و در نقشه برداری استفاده می‌شود مثلاً منحنی میزان ها با شیب مشخص
می‌شوند. برای تعیین فاصلة قائم منحنی میزان‌ها برای نقشة توپوگرافی، شیب و پستی و
بلندی پارامترهای اصلی هستند. بسیاری از محققین وابستگی زیادی بین خطاهای
DIM و متوسط شیب منطقه پیدا کردند.

جدول ۲-۱- طبقه‌بندی زمین با استفاده از شیب
متوسط و پستی و بلندی

۳-۳-۲ تخمین شیب

در تخمین شیب با دو مشکل مواجه می‌شویم.

۱- :availability
برای کمک به تعیین بازة نمونه برداری، باید قبل از نمونه برداری یا مقدار شیب (با
استفاده از
DTM
موجود) وجود داشته باشد و یا تخمین زده شود (درحالتی که
DIM موجود نیست و با استفاده از نقشة منحنی
میزان یا مدل استریو در فتوگرامتری هوایی)

مقدار متوسط شیب:

که در آن فاصلة منحنی میزان‌ها، طول کلی منحنی بر میزان‌های
منطقه و
A
اندازة منطقه می‌باشد.

۲- :variability
مقدار شیب ممکن است از محلی به محل دیگر تغییر کند. بنابراین شیب تخمین زده شده
برای یک منطقه ممکن است برای منطقة دیگر مناسب نباشد. در این حالت از مقادیر
میانگین استفاده می‌شود. اگر تغییرات شیب در منطقه زیاد باشد، منطقه را به قسمت‌های
کوچکتری برای تخمین شیب تقسیم می‌کنیم. در مناطق مختلف می‌توان از استراتژی‌های
نمونه‌برداری مختلفی استفاده کرد.

با تخمین شیب و پستی و بلندی می‌توان طول
موج تغییرات زمین را محاسبه کرد و در نتیجه استراتژی نمونه برداری و بازة نمونه‌برداری
برای اخذ داده را تعیین نمود.

۴-۲ اساس تئوری نمونه برداری سطح

۱-۴-۲ پس زمینة تئوری نمونه برداری

از دیدگاه تئوری، یک نقطه روی سطح زمین
دارای بعد صفر است بنابراین اندازه‌ای ندارد، درحالیکه سطح زمین از تعداد نامحدودی
نقطه تشکیل شده است. بنابراین به دست آوردن اطلاعات کاملی از سطح زمین امکان پذیر
نمی‌باشد. اما از نظر عملی، نقطه ارتفاع یک منطقه با ابعاد مشخصی را نشان می‌دهد
بنابراین از تعداد محدودی نقطه برای نمایش سطح استفاده می‌شود.

تئوری نمونه برداری: اگر تابع g(a) در بازة d نمونه برداری شود، تغییرات با فرکانس
پیش از نمی‌تواند با نقاط
نمونه برداری شده بازسازی شود.

در نتیجه در هر پریود نیاز به دو نقطة نمونه‌برداری
داریم اگر فرکانس نمونه‌برداری
F باشد نمونه برداری حداقل در می‌باشد. یک گرید منظم
از نقاط نمونه برداری شده می‌تواند تنها تغییراتی را نشان دهد که طول موجشان حداقل
۲ برابر بازة نمونه برداری است.

شکل ۲-۵- رابطه ی بین حداقل بازه نمونه برداری
وماکزیمم فرکانس

۲-۴-۲- نمونه‌برداری از دیدگاه‌های مختلف

روش‌های نمونه‌برداری مختلفی وجود دارد:

۱- نمونه برداری آمار مبنا: این نمونه
برداری در
DIM
مناسب نمی‌باشد. سطح زمین به عنوان یک جمعیت (فضای نمونه برداری) است. جمعیت را می‌توان
با استفاده از داده نمونه برداری شده مطالعه نمود. استراتژی‌های نمونه‌برداری در
اینجا عبارتند از:

- نمونه برداری رندوم: در آن هر نقطه شانسی
برای انتخاب شدن دارد. در نمونه برداری رندوم ساده شانس نقاط با هم برابر است.

- نمونه برداری سیستماتیک: در آن شانس هر
نقطه صد درصد است.

- نمونه برداری لایه‌ای و نمونه برداری خوشه‌ای

۲- نمونه برداری هندسه مبنا

سطح زمین می‌تواند توسط الگوهای هندسی
مختلفی نمایش داده شود که عبارتند از:

- الگوهای منظم: یک بعدی (پروفیل و منحنی
میزان)، دو بعدی (گریدهای مربعی، گریدهای منظم، گریدهای مثلثی، گریدهای شش ضلعی)

- الگوهای نامنظم

۳- نمونه برداری عارضه مبنا: شامل موارد زیر
است:

نقاط یا خطوط Feature specific یا Surface specific,
F.S

نقاط FS مانند اکسترسم‌های محلی (قله، دره و
نقاط گذر) می‌باشد که در آنها ارتفاع نقطه همراه با اطلاعات توپولوژی اطراف آنها
فراهم است

شکل ۲-۶- نقاط و خطوط عوارض زمینی

شکل ۲-۷- نقاط روی یک خط الرأس متعلق به
ماکزیمم محلی هستند

خطوط FS مانند خط الرأس‌ها، خطوط ساحلی،
رودخانه، دره، سیل و خطوط شکست می‌باشد که نقاط
F.S خاصی را به هم متصل می‌کند.

- نقاط رندوم: از دیدگاه موروفولوژیکی همان
مشخص شدن خصوصیات کامل سطح با شیب است.

در نقاط FS جهت، علامت یا بزرگی شیب تغییر می‌کند
و در نقاط تحدب و تقعر زاویه عمودی (و نه علامت آن) تغییر می‌کند.

شکل ۲-۸- تغییر شیب در نقاط FS

5-2 استراتژی‌های نمونه‌برداری برای اخذ
داده

۱- نمونه برداری انتخابی (نقاط بسیار مهم +
سایر نقاط)

این نمونه برداری مشابه کاری است که در نقشه
برداری صورت می‌گیرد. همة نقاط بسیار مهم انتخاب می‌شوند. نقاط دیگری نیز برای
ایجاد نمونه برداری با چگالی مشخص انتخاب می‌شوند. مزایای این استراتژی این است که
داده به طور منطقی جامع است و با نقاط کمتری، نمایش صحیح‌تری از سطح به دست می‌آید.
از جمله معایب این استراتژی می‌توان به این مواد اشاره کرد که در اخذ دیتا با
فتوکارانیست، زیرا اپراتور باید مدل استریو را تفسیر کند. همچنین این کار به صورت
اتوماتیک قابل انجام نمی‌باشد. سرعت اخذ داده نیز کم بوده و این استراتژی کاربرد
نظامی ندارد.

۳- نمونه‌برداری با دو بعد ثابت (نمونه
برداری گرید منظم و نمونه برداری پیش رونده)

نمونه برداری گرید منظم: در آن داده‌ها به
شکل گرید منطمی به دست می‌آیند. گرید در صفحة با اینتروژن ثابت می‌سازیم و نقاط
روی نودگرید را اندازه می‌گیریم. در این روش برای نمونه‌برداری نیاز به داده اضافی
زیادی داریم تا مطمئن از کشف همة ناپیوستگی‌های شیب و نمایش خوب تغییرات توپوگرافی
شویم (عیب). برای رفع این عیب از روش پیش رونده استفاده می‌کنیم.

نمونه پردازی پیش رونده: برای حل مشکل زیادی
داده اضافی در گرید از این استراتژی استفاده می‌شود. در اینجا ابتدا در یک چگالی
پایین نقاط گرید را اندازه می‌گیریم. ارتفاع این نقاط توسط کامپیوتر آنا تحلیل شده
و موقعیت نقاط جدید که با نمونه برداری بدست آمده مشخص می‌شود و این فرآیند آنقدر
تکرار می‌شود تا ملاک موردنظر ها را برآورده کند. ایدة این استراتژی توسط برخی از
دستگاه‌های فتوگرامتری (مانند
analytical plotter) پیاده‌سازی شده است.

ملاک این استراتژی را می‌توان مقدار اختلاف
دوم ارتفاع در دو جهت سطری و سنوتی از گرید بزرگتر تعریف کرد. ملاک‌های دیگری نیز
مانند منحنی میزان، فاصلة سهوی و تغییرات رندوم می‌توان استفاده کرد. معایب این
استراتژی عبارتند از: در تقریب سراشیبی‌های ناگهانی نمونه‌برداری اضافی زیاد
هستند. همچنین ممکن است که در اولین اجرا با گریدهای بزرگ، عوارض مهمی را از دست
بدهیم و به آنها دسترسی نداشته باشیم. از طرف دیگر مسیر ردیابی تقریبا طولانی است
که این باعث کاهش کارایی می‌شود و لذا این روش کمتر پیاده سازی می‌شود.

۴- نمونه برداری ترکیبی: استراتژی تلفیقی.

این نمونه برداری می‌تواند در دو نوع صورت
گیرد.

- نمونه برداری گردید منظم به علاوة نمونه
برداری انتخابی: این روش برای نمایش سطح و برای اندازه‌گیری کارا بوده و شامل
تغییرات شیب ناگهانی و نقاط
FS می‌باشد.

- نمونه برداری پیشرونده به علاوة نمونه‌برداری
انتخابی

نمونه‌برداری ترکیبی ممکن است مشکلات نمونه
برداری گرید و پیشرونده را برطرف کند.

۶-۲ صفات سورس داده‌های نمونه‌برداری شده )داده‌های خام (DTM

این
خصوصیت عبارتند از:

۱- توزیع: توسط نرم‌های موقعیت و الگو مشخص
می‌شود.

- موقعیت: با مختصات دو بعدی (λ,ρ) یا (E, N)
مشخص می‌شود.

- الگو

منظم:

- دو بعدی (گرید مربعی، گرید مستطیلی، سلسله
مراتبی / پیشرونده) گرید منظم یا پیش رونده.

- یک بعدی (پروفیل، منحنی میزان) با یک بعد
ثابت.

- خاص (مثلث‌های منظم، شش ضلعی).

غیرمنظم:

- رندوم (نقاط اندازه‌گیری به صورت رندوم
واقع شده‌اند).

- خوشه (نقاط اندازه گیری کلاستر شده‌اند).

شکل ۲-۹- الگوهای نقاط نمونه برداری شده

۲- چگالی: با اندازه‌گیری‌های زیر مشخص می‌شود.

- فاصلة بین دو نقطة نمونه برداری شده (بازة
نمونه برداری ، فضا، فاصله) اگر این فاصله در موقعیت‌های مختلف تغییر کند، میانگین
آن در نظر گرفته می‌شود. به صورت عددی همراه با واحد بیان می‌شود.

- تعداد نقاط در هر واحد سطح: مانند صد نقطه
در کیلومتر مربع.

- فرکانس قطع: وقتی از دامنة فضا به دامنة
فرکانس می‌رویم فرکانس قطع (ماکزیمم فرکانسی که نمایشگر داده نمونه برداری است) به
دست می‌آوریم و زیر آن را بعنوان بازة نمونه برداری در نظر می‌گیریم.

شکل ۲-۱۰- فرکانس قطع

۳- دقت: بستگی به روش‌های مورد استفاده برای
اندازه گیری دارو مانند موارد زیر:

- تکنیک (نقشه برداری میدانی، فتوگرافری،
رقومی کردن نقشه)

پست های مرتبط:

بازگشت به صفحه اصلی وبلاگ مهندسی عمران راه و ساختمان(مهندس حسن فراهانی)

برچسب‌ها: مدل رقومی زمین, DTM, بخش دوم, مهندس حسن فراهانی, مهندسی عمران راه و ساختمان

منبع: http://hfarahani48.blogfa.com/post-8640.aspx

مدل رقومی زمین (DTM) در شش بخش (بخش سوم) (مهندس حسن فراهانی)

منبع : gisworld

مدل رقومی زمین (DTM) در شش بخش

نقل قول :

 ابتدا یه سری بحث های مقدماتی و تئوری و بعدا کارکردن با DTM در ARcGIS

بخش سوم

۲ – توصیف
کننده های زمین و استراتژی های نمونه برداری

برای
ساخت یک شبکه مثلثی از مجموعه نقاطی که به صورت مجموعه تصادفی توزیع شده
اند، راه های مختلفی وجود دارد که هر کدام بر اساس پایه های متفاوتی است که
بدان ها اشاره می کنیم.

شیوه های تشکیل TIN

برای تشکیل TIN دو شیوه برای وارد کردن داده ها داریم :

۱) تمام داده ها را به صورت کلی به شبکه بدهیم — (static) batch

2) اجازه حذف یا اضافه کردن نقاط را در حین پروسه مثلث بندی بدهیم–dynamic

باید توجه کرد منظور از دینامیک حرکت نقاط نیست. (حرکت نقاط موضوع کینماتیک است.)

داده های مکانی هم می تواند به فرم رستری و هم به فرم برداری باشد، بنابراین مثلث بندی در هر دو وضعیت می تواند انجام شود.

شبکه مثلث بندی هم می تواند به طور مستقیم از روی داده ها تولید شود و هم به طور غیر مستقیم از روی dual آن Voronoi diagram ساخته شود. شیوه غیر مستقیم بیشتر در وضعیت رستری انجام می شود، چون در فضای رستری ساخت Voronoi diagram راحت تر است.

اصول تشکیل TIN

اصل empty circumcircle : هیچ نقطه دیگری داخل دایره محیطی مثلث دلونی قرار نمی گیرد.

اصل local equiangularity :
شبکه مثلثی بهینه است اگر جابجا کردن قطر چهار ضلعی محدبی که با دو مثلث
مجاور ساخته شده منجر به کاهش کوچکترین زاویه داخلی یا افزایش بزرگتریم
زاویه داخلی نشود. به این اصل
max-min angle نیز می گویند.

اصل می نیمم کردن مجموع فاصله ها : اضافه کردن نقطه جدید، برای ساخت مثلث جدید ، مثلثی می شود که جمع فاصله آن از نقاط baseline کمترین مقدار باشد.

اصل مینیمم کردن شعاع دایره محیطی : نقطه جدید برای ساخت مثلث با کمترین شعاع دایره محیطی ساخته می شود.

Vector-based Static Delunay Triangulation

انتخاب نقطه شروع :

مزیت مثلث بندی دلونی
: شکل نهایی شبکه به نقطه شروع وابسته نیست. انتخاب آن تنها برای راحتی
پیاده سازی الگوریتم مطرح می شود. برخی از انتحاب ها عبارتست از :

۱٫ مرکز (تقریبی) هندسی داده

۲٫ دو نقطه ای که کمترین فاصله را نسبت به هم دارند

۳٫ یک line segment روی مرز فرضی

۴٫ یک line segment روی مرز convex hall

بعد از انتخاب اولین نقطه دومین نقطه که نزدیکترین نقطه بین نقاط موجود است شناسایی شده و نقطه سوم search می شود. نقطه
سوم به صورت ساعتگرد نسبت به دو نقطه قبل انتخاب می شود. یک روش جستجوی
ساده ، رسم دایره به صورتی است که خط واصل بین دو نقطه اول قطر آن دایره
باشد. اگر فقط یک نقطه داخل دایره بود آن نقطه به عنوان نقطه سوم انتخاب می
شود. اگر بیش از یک نقطه داخل دایره بود نقطه ای که به پایه نزدیکتر بود
انتحاب می شود و اگر نقطه ای داخل دایره نبود به تدریج شعاع دایره را زیاد
می کنیم طوری که پایه وتر دایره باشد، تا نقطه سومی داخل دایره قرار گیرد.

برای تشکیل مثلث های بعدی، یک راه این است که از روی مرز convex hall به تدریح حرکت کرده تا به مرکز برسیم.

Vector-based Dynamic Delunay Triangulation

هنگامی که حجم داده ها بالاست جستجوی نقاط کارایی نخواهد داشت. به همین دلیل مثلث بندی اغلب به صورت دینامیکی و با افزایش تدریجی نقاط انجام می شود.(incremental triangulation) الگوریتم های مختلفی برای مثلث بندی به این شیوه وجود دارد که در اینجا الگوریتم Bowyer-Watson شرح داده می شود :

ایده
پایه این روش شروع با مثلث های بزرگ است. مرحله اول تشکیل مثلث های بزرگ
خیلی ساده است. پس از تشکیل مثلث های بزرگ نقاط به تدریج وارد می شود. به
طور مثال نقطه
P وارد یکی از مثلث ها می شود (تشخیص این که نقطه به کدام مثلث وارد شده یه عهده الگوریتم walk است.) و آن مثلث را به سه قسمت تقسیم می کند. سپس برای هر ضلع مثلث قبلی اصل empty circumcircle چک می شود.

الگوریتم Walk

هنگامی
که حجم داده ها بالاست ، برای افزایش کارایی پیدا کردن مثلثی که نقطه جدید
به آن وارد شده توسط این الگوریتم انجام می شود. در این الگوریتم دو مساله
در نظر گرفته می شود :

۱٫ یک معیار عددی که مشخص کند نقطه داخل مثلث هست یا نه

۲٫ یک pointer که اگر نقطه داخل مثلث فعلی نبود به مثلث بعدی اشاره کند


ارتباط جهتی بین نقطه
P و خط AB با فرمول زیر مشخص می شود :

اگر D0 نقطه P سمت چپ AB قرار دارد. (پادساعتگرد)

اگر D=0 نقطه P روی AB قرار دارد.

اگر D نقطه P سمت راست AB قرار دارد. (ساعتگرد)


به این ترتیب معیار عددی به صورت زیر خواهد بود:

۱ ، ۲ و ۳ سه راس مثلث مورد نظر



اگر این سه مقدار مثبت بود نقطه P داخل مثلث ۱۲۳ خواهد بود.

برای ایجاد pointer
از اولین ضلعی که مقدار مربوط به آن منفی بود عبور می کنیم و همین روند را
برای مثلث (های) بعدی تکرار می کنیم تا به مثلثی برسیم که هر سه مقدار
مثبت شود.

معیار عددی برای swap :

بعد
از این که مثلث پیدا شد با وصل کردن نقطه جدید به راس های آن مثلث ، مثلث
قبلی به سه مثلث تقسیم می شود. حال همانطور که گفته شد باید شرط
empty circumcircle برای این سه مثلث چک شود.

برای بررسی این شرط برای نقطه P و سه مثلث مجاور مثلث قبلی این شرط را چک می کنیم :

A ، B و C ، سه راس مثلث در جهت پادساعتگرد و D نقطه چهارم است.

اگر H0 بود آنگاه ضلع جدید باید swap شود. این شرط برای مثلث های مجاور مثلث swap شده به وسیله stack
باید چک شود و این کار تا زمانی که تمام مثلث ها در شرط دلونی صدق کند
باید تکرار شود. برای جنوگیری از مشکل حلقه نامتناهی یک مقدار صفر به عنوان
خارج دامنه در نظر می کیریم و وقتی به آن رسیدیم
swap را انجام نمی دهیم.

حذف نقطه از شبکه مثلث بندی دلونی :

این الگوریتم عکس الگوریتم وارد کردن نقطه است. برای این کار الگوریتم های مختلفی وجود دارد :

الگوریتم Heller :

مثلثی که کوچکترین دایره محیطی را دارد با swap کردن ضلع حذف می شود. این کار برای هر سه ضلع انجام می شود و پس از swap کردن هر سه ضلع نقطه حذف می شود.

الگوریتم Deviller :

در این روش مثلث هایی که شامل نقطه مورد نظر هستند به ترتیب power of P حذف می شوند.

در این روش برای حذف مثلث ها از ساختار queue استفاده می شود.

الگوریتم مصطفوی :

در این روش مثلثی حذف می شود که دایره محیطی آن شامل هیچ کدام از نقاط همسایه P نباشد.

Constrained Delunay Triangulation

دقت DTM نهایی با در نظر گرفتن نقاط و خطوط F-S بالاتر خواهد رفت. به عبارتی نمی خواهیم این خطوط توسط ضلع های مثلث قطع شود.

ساده ترین راه : روی این خطوط نقاط را dense در نظر بگیریم ( فاصله بین آنها از نصف فاصله متوسط نقاط مجموعه کمتر باشد.) ایراد این روش افزایش حجم فایل است.

شیوه دیگر برخورد با این خطوط به عنوان قید است.

مثلث بندی مقید : (Constrained Delunay Triangulation – CDT)

یک CDT در حقیقت یک شبکه delunay
نیست. چون برخی از مثلث ها ممکن است در شرط دلونی صدق نکند. برای یک
مجموعه داده مشخص و یک مجموعه خط به عنوان قید رئوس مثلث بندی باید شرایط
زیر را داشته باشد :

۱٫ خطوط قید مشخص در مثلث بندی لحاظ می شود.

۲٫ مثلث بندی نهایی تا جای ممکن به مثلث بندی دلونی نزدیک باشد

منظور از CDT این است که خطوط F-S توسط اضلاع مثلث قطع نشود. برای برآورده کردن این منظور این خطوط یک مانع در نظر گرفته می شوند و اصل circle circumcircle
این گونه بهبود می یابد که فقط برای نقاطی که بتواند از یک سمت خط دیده
شوند این اصل در نظر گرفته می شود. برای این منظور شیوه دو مرحله ای برای
ساخت
CDT در نظر گرفته می شود :

۱٫ ساخت مثلث بندی دلونی استاندارد با تمام نقاط شامل داده های نقطه ای بدون در نظر گرفتن قیدها انجام می شود

۲٫ برای برقراری قیود و سازگار کردن تمام مثلث ها ، اضلاع مثلث هایی که این خطوط را قطع کرده اند، swap می شوند.

Triangulation from Contour Data with Skeletonization

شیوه های مثلث بندی از داده های منحنی میزان :

۱٫ با خطوط منحنی میزان به صورت نقاط تصادفی رفتار شود و از مثلث بندی دلونی برای تشکیل مثلث ها استفاده شود.

۲٫ با خطوط منحنی میزان مثل قید رفتار شود.

۳٫ حد وسط بین دو شیوه فوق

در شیوه اول برخی اثرات ناخواسته مثل flat triangle ( سه راس مثلث از یک منحنی انتخاب شده باشد) ممکن است اتفاق بیفتد. در شیوه دوم هم حجم محاسبات خیلی زیاد می شود.

حد وسط این دو شیوه ، این گونه است که نقاط بیشتری برای جلوگیری از این دو مشکل اضافه کنیم ß استخراج خطوط skeleton :

برای این کار از Medial Axis Transform(MAT) استفاده می شود. نقاط روی MAT مرکز دایره های محاطی مماس حداقل در دو نقطه است.(شکل ۲۳-۵ صفحه ۱۰۴)

از روی Voronoi Diagram می توان MAT را استخراج نمود.

پس از استخراج خطوط Skeleton
از منحنی میزان ها باید ارتفاع آنها را استخراج نمود. قسمت عمده ای از این
خطوط بین دو خط منحنی مجاور قرار می گیرند که ارتفاع آنها به ساگی از
میانگین ارتفاع دو منحنی مجاور استخراج می شود. قسمت های از این خطوط شامل
شاخه های کوچک است (شکل ۲۶-۵ صفحه۱۰۶ ) . برای بدست آوردن ارتفاع این نقاط
از مقایسه شعاع دایره هر نقطه و شعاع دایره در محل برخورد با محور اصلی
Skeleton استفاده می شود :

Zc : ارتفاع منحنی میزان نزدیکتر

Zb : ارتفاع منحنی میزان دیگر

Zi : ارتفاع نقطه مورد نظر

Ri : شعاع دایره در نقطه مورد نظر

Rc : شعاع دایره مرجع

نقاط Skeleton برای مثلث بندی از روی منحنی میزان به شبکه نقاط اضافه می شوند.

Delunay Triangulation Via Voronoi Diagram

همانطور که گفته شد مثلث بندی دلونی را می توان به طور غیر مستقیم از روی Voronoi Diagram ساخت و برعکس.

ساخت دلونی از Voronoi : پس از ساخت Voronoi هر دو نقطه ای که یک مرز مشترک در ناحیه voronoi دارند به هم وصل می شوند و به این شیوه مثلث ها ساخته می شود. پیوستگی مثلث ها بررسی و نهایتا مثلث بندی شکل می گیرد.

ساخت Voronoi Diagram :

الگوریتم بر مبنای بردار :

از نقطه نظر محاسبات هندسی، یک Voronoi Diagram تقسیم بندی صفحه به نواحی پلیگونی n-ضلعی
است که هر کدام از آنها مرتبط با یک نقطه مشخص است . ناحیه مربوط به یک
نقطه مجموعه نقاطی است که به آن نقطه از سایر نقاط نزدیک تر است. پلیگون
های
Thiessen یا نواحی Voronoi یک الگو از پلیگون های محدب است که کل صفحه را پوشش می دهد.

روش ساده ساخت Voronoi الگوریتم تدریجی است که ایده پایه آن اضافه کردن نقطه در زمان است.

الگوریتم بر مبنای رستر :

از آنجایی که مرزهای Voronoi نقطه P از خطوط عمود منصف بین P و همسایه های نزدیکش ساخته می شود، فاصله در تولید Voronoi یک مفهوم کلیدی است. از طرفی چون کار با اعداد صحیح در فضای رستری ساده تر است مساله تعریف فاصله integer
مطرح می شود. دو شیوه تعریف فاصله در شکل ۳۲-۵ صفحه ۱۱۲ نشان داده شده
است. با تعریف فاصله رستری فاصله هر پیکسل با پیکسل های مرجه مشخص شده و آن
پیکسل به ناحیه مرجعی تعلق می گیرد که کمترین فاصله را از آن دارد. در
واقع تبدیل فاصله می تواند توسط اپراتور ها در ریاضیات مورفولوژی توسعه
یابد.

پست های مرتبط:

بازگشت به صفحه اصلی وبلاگ مهندسی عمران راه و ساختمان(مهندس حسن فراهانی)

برچسب‌ها: مدل رقومی زمین, DTM, بخش سوم, مهندس حسن فراهانی, مهندسی عمران راه و ساختمان

منبع: http://hfarahani48.blogfa.com/post-8641.aspx

مدل رقومی زمین (DTM) در شش بخش (بخش چهارم) (مهندس حسن فراهانی)

منبع : gisworld

مدل رقومی زمین (DTM) در شش بخش

نقل قول :

 ابتدا یه سری بحث های مقدماتی و تئوری و بعدا کارکردن با DTM در ARcGIS

بخش چهارم

۴
درونیابی (انترپولاسیون)

انترپولاسیون تکنیک پایه ای در DTM هست چرا که در مراحل مختلفی از
فرایند مدلسازی زمین شامل می شود مثل : دقت، آنالیز، زمین،کاربرد،کنترل کیفیت ،ارزیابی،
بازسازی سطح

با معیار سایز منطقه ای برا ی انترپولاسیون ، دو روش مشخص شده است :

area based , point based

در روش area based
سطح با استفاده از همه نقاط مرجع (معلوم) در سطح بنا می شود و ارتفاع هر نقطه در
این سطح با استفاده از سطح بنا شده ، بدست می آید . این روش می توانند هم
global ,هم local باشد .

Global interpolation
شامل بنای یک سطح
۳D پیچیده از همه داده های نقاط اندازه
گیری شده است و مقدار ارتفاع برای سایر نقاط با استفاده از این سطح بدست می آید.
سودمندی این روش به پیچیدگی سطح زمین و سایز واقعی سطح وابسته است. یک روش مناسب
تر تقسیم کردن سطح به مجموعه ای از
patch ها با شکل و سایز یکسان (identical) است که این روش local
or patchwise interpolation

می گویند.

برای هر patch
یک سطح بنا می شود با استفاده از همه نقاط مرجع و ارتفاع همه نقاط دیگر در این
patch با استفاده از سطح بنا شده بدست می
آید. سایز
patch
با پیچیدگی سطح تعیین می
شود و می تواند با درجه معینی با patch های همسایه overlap داشته باشد برای اطمینان از smooth
connection
بین patch ها استفاده می شود.

اگر از همه نقاط مرجع عبور کندexact reconstruction داریم که
exact fitting می نامند. اگر از همه نقاط مرجع عبور
نکند ( آن هم به علت خطا در بعضی نقاط ) . پس انحرافی از هر نقطه مرجع ممکن است
وجود داشته باشد . اگر چنین انحرافاتی مینیمم شود (محدودیت قائل می شویم که مینیمم
کنیم ) سپس سطح بهترین
fit
را دارا می شود به این نوع انترپولاسیون
best fitting می گویند.

bilinear یک گرید مربعی که
تشکیل می دهد. و می تواند برای هر ۴ نقطه ( که در طول یک خط نیستند) اجرا شود
.

z=a0+a1*x+a2*y+a3*x*y

یک مسئله می تواندdeterministic و یا probabilistic باشد. یک تابع deterministic برای مسائل deterministic و یک stochastic model برای مسائل probabilistic استفاده می شود.

اتنرپولاسیون می تواند در space domain و یا در spectral domain صورت گیرد . اغلب تکنیک های انترپولاسیون برای terrain
modeling
برای spatial
interpolation
هستند. با این
حال این امکان وجود دارد که داده را به فضای فرکانس انتقال دهیم و در آنجا
انترپولاسیون را انجام دهیم.

همان طور که در فصل ۴ گفته شد یک صفحه با سه نقطه روی آن تعیین می شود و یک
رویه مثلثی یک مثال نمونه ای از چنین صفحه ای است
.معادله ریاضی صفحه:

z=a0+a1*x+a2*y

درونیابی چند لایه ای (Hardy
Method)
:

انترپولاسیون multi-surface مشهور به hardy method هستند. ایده اصلی این است که هر سطح
پیوسته
curved
(چه
regular و چه irregular ) می تواند به وسیله مجموع یک سری از
سطوح ساده با دقت مطلوبی تقریب زده شود (مثل سطوح ریاضی تک مقداری) این روش می
تواند با سری فوریه مقایسه شود. این فرایند یک سطح
curved برای هر نقطه مرجع با استفاده از
تابع پایه (که
kernel function
نامیده می شود) ایجاد می کند. و ارتفاع هر نقطه بین نقاط و فرض از متوسط وزن دار
این سطوح
curved
مقدار می گیرد. به این شیوه ، سطح نهایی
continous خواهد بود واز میان همه نقاط فرض می گذرد.

Area Based Exact Fitting of Curved Surface

Bilinear interpolation
به طور وسیعی در انترپولاسیون
DTM استفاده می شوند چرا که هم ساده هستند و هم شهودی (intutive) اما سطح نتیجه smooth نیست . برای اینکه سطح حاصل () باشد،
یک سطح پلی نومیال به مجموعه ای از سطوح
linear همسایه فیت می شوند.

روش دیگر ، exact fitting
برای سطوح
curved
ممکن هست . مثل توابع
bicubic spline

Bicubic Spline Interpolation:

برای غلبه بر نقص توابع bilinear ، توابع bicubic spline برای ساختن یک سطح smooth
DTM
روی یک DTM شامل ۴ نقطه گرید استفاده می شود

Z=f(x,y)=∑∑aij xi
* yj

16 ضریب باید مشخص شود. ۱۲ معادله دیگر از شرایط connection بین patch ها بدست می آید.

۱- slope
در هر
node
ای (
join بین patch های همسایه ) باید در هر دو جهت x,y پیوسته باشد.

۲- torque
از
join بین patches
adjacent نیز بایدcontinuos باشد.

Searching For neighbor Points :

نقطه همسایه باید به نقطه انترپوله
نزدیک باشند. فاصله به عنوان یک معیار می تواند مورد استفاده قرار گیرد. یک دایره
و یا مستطیل حول نقطه انترپوله کشیده شود و همه نقاط در این محدوده انتخاب شوند. و اگر تعداد نقاط زیادی در این محدوده انتخاب
شوند. پس تعدادی خاص مورد بررسی قرار می گیرند مثلا ۶ نقطه نزدیک انتخاب می شود در
انتخاب بر حسب تعداد نقاط (حالت دوم ) ، وقتی اغلب نقاط در یک جهت خاص انتخاب شوند
می تواند مشکل ایجاد کند. مثل شکل های صفحه ۱۲۹ کتاب

یک راه حل این است که به point distribution توجه کنیم، یعنی اینکه نقاط را به ۴
و یا ۸ گروه تقسیم کنیم ( در جهات مختلف ) و تعدادی مشخص نقطه در هر
sector انتخاب کنیم.

روش دیگر که مشابه ایده partitioning هست، این است که یک voronoi diagram برای نقاط داده ایجاد کنیم و سپس نقاطی که voronoi
diagram
آنها مرز مشترک
با
voronoi region نقطه
انترپوله دارد، برای انترپولاسیون انتخاب شوند. البته بحث پیش می آید که اگر ما
voronoi
diagram
مجموعه نقاط را
بنا کرده ایم چرا که نباید انترپولاسیون را روی شبکه مثلثی انجام دهیم .

Determination of weighting Function :

ایده اصلی دادن وزن به نقاط رفرنس
بررسی اثر آن نقاط روی نقطه انترپوله هست. تابع
distanceاستفاده
می شود . هر چه فاصله کوچک تر باشد، وزن بیشتر است. این معلوم است که هر چه نقاط
به هم نزدیک تر باشند شباهت آنها بیشتر است و بالعکس در روش
moving average معمولا تابع مرتبط با فاصله پذیرفته می
شود.
wi
وزن برای نقاط رفرنس
R
شعاع دایره ،
di
فاصله نقطه رفرنس از نقطه انترپوله
k ثابت.

* روش جایگزینی آن است که وزن یک تابع از سطح باشد بجای تابعی ازفاصله .

Voronoi region هر نقطه
رفرنس می تواند مورد استفاده قرارگیرد برای بنا کردن تابع وزن
.

میزان مساحت stolenمی
تواند به عنوان وزن در انترپولاسیون مورد استفاده قرار گیرد
.

Point-Based
Moving Surfaces
:

در moving average ، مقدار متوسط تعدادی نقاط همسایه برای نقطه انترپوله بکار می رفت
در واقع با
moving average
یک
moving surface تولید می
شود. انواع مختلفی از سطوح می توانند برای
point besed interpolation تولید شوند.

Principle of
Moving Surfaces
:

برای یک مجموعه داده، انواع مختلفی از
سطح می تواند تولید شود. حالت اول اگر ارتفاع نقطه رفرنس که نزدیک ترین به نقطه انترپوله
هست به نقطه انترپوله داده شود، این
nearest neighbor interpolation نام دارد (اگر چه که هیچ
انترپولاسیون د رواقع صورت نگرفته ) این مورد یک صفحه افقی با استفاده از
deterministic
function
ایجاد می شود.

If di=min(d1,d2,…..,di,……,dn)

Point-Based Moving average:

در یخش قبل، روشهایarea
based
معرفی شد.

The principle of point Based moving average:

یک روش انترپولاسیونpoint based عبارت است ازmoving average که به عنوانsmoothing
method
مطرح می شود.

تکنیک معمول درDTM:

روش moving average
برای انترپوله کردن یک نقطه با استفاده از تعداد نقاط رفرنس در نزدیک آن صورت می
گیرد. بیان ریاضی به صورت زیر است :
Z=∑zi / n

n تعداد کل نقاط
رفرنس برای
.average

zi ارتفاعi امین نقطه رفرنس یک averaging simple است یعنی اینکه اهمیتی ندارد که چقدر نقاط رفرنس به نقطه انترپوله
نزدیک باشند ، وزن برای همه نقاط یکسان است . وزن های مساوی به نظر منصفانه نمی
آید (
weighted moving average)

دو مسئله مطرح می شود۱- کدام نقاط باید به عنوان نقطه رفرنس برای نقطه
انترپوله در نظر گرفته شوند ۲- چگونه به نقاط رفرنس وزن دهیم.

Least Square Fitting of Finite Elements:

Finite Elements روشی است
که به طور وسیع در مکانیک مورد استفاده قرار می گیرد. در این روش قطعات بزرگ به
واحد های کوچک (
cell)
تقسیم میشود. در مورد
DTM،
یک سطح روی یک منطقه بزرگ می تواند به
واحد های کوچکی مثل
grid,triangular تقسیم شود. سپس یک تابع ریاضی ساده برای تقریب زدن سطح روی هر ()
کوچک مورد استفاده قرارمی گیرد. پس سطح بزرگ شامل تعدادی واحد های کوچک می شود.

در حقیقت انترپولاسیونbicubic,bilinear برای آنالیز این المان ها بکار گرفته می شود (بخصوص درموردexact
fitting
ازbicubic spline استفاده میشود. ) در روشی که در اینجا بحث می شود،node های گرید نا شناخته هستند و لازم است
انترپوله شوند (توجه کن که در قبل
node های گرید ، نقاط رفرنس بودند و ما از آن ها استفاده می کردیم با
روش
bilinear برای تعیین مقدار
برای سایر نقاط) در اینجا برای نقطه
p معلوم است p(x,y,z) برای نقاط گرید ،z نداریم ( z مجهول هست)

Area Based Best Fitting Of Surfaces:

این قابل فهم است که اگر سطح زمین پیچیده باشد ، غیر ممکن است تابع ریاضی‌ای
بتواند آن را به طور کامل توضیح دهد بجای آن از
interpolation
function
استفاده میشود برای تقریب سطح زمین . در اینجا
باید بیان کنیم که یک سطحی که از میان همه نقاط رفرنس می گذرد لزوما بهترین
approximation
نسبت به سایر سطوح نیست . اگر منطقه خیلی بزرگ
باشد و نقاط رفرنس زیاد در دسترس باشد، لازم است که پلی نومیال با درجات بالا برای
رسیدن
exact fitting
استفاده کنیم . در حقیقت این روش ، روشی
dangerous است چرا که نوساناتunstable
میتواند با چنین تابع های پلی نومیال درجه بالا
ایجاد شود شکل زیر چنین نوسانه را نشانه میدهد.

Best fittingبجایexact
fitting
برای سطوحcurved یک روشی که به طور وسیعی استفاده می شود تئوری
در پس
best fitting
آن است که
variationهای کوچک روی سطح زمین آنقدر پیچیده
هستند که می توانند به عنوان یک فرایند
stochastic مورد بحث قرارگیرند.

Least Square Fitting of a local surface:

possibilityهای زیادی برایbest fitting وابسته به تعریفbest وجود دارد. یک تعریف ساده می تواند به صورتsum of
the absolute value of the errors is at a minimum
باشد. تعریف
مشهور دیگر است که به روش حداقل مربعات (که به طور وسیعی در تئوری خطا ها استفاده
می شود) راهنمایی می کند
.

بیان ریاضی در تعریف فوق:=min ei2 =min , ∑ei

ei:انحراف
نقطه رفرنس
iام ازfitting surface وn
تعداد کل نقاط رفرنس برای یک مجموعه نقاط رفرنس و یک
fitting
function
شمار زیادیfitting
وجود دارد (deviation
در نقاط رفرنس از سطوح
fitted
به عنوان
residual در تئوری خطا مطرح هست )

به طور تابع های زیر مورد استفاده برایcurved
surface fitting
هستند :

۱- پلی نومیالsecond order 2- پلی نومیالthird order 3- توابعbi cubic

پست های مرتبط:

بازگشت به صفحه اصلی وبلاگ مهندسی عمران راه و ساختمان(مهندس حسن فراهانی)

برچسب‌ها: مدل رقومی زمین, DTM, بخش چهارم, درونیابی, انترپولاسیون, مهندس حسن فراهانی, مهندسی عمران راه و ساختمان

منبع: http://hfarahani48.blogfa.com/post-8642.aspx

مدل رقومی زمین (DTM) در شش بخش (بخش پنجم) (مهندس حسن فراهانی)

منبع : gisworld

مدل رقومی زمین (DTM) در شش بخش

نقل قول :

 ابتدا یه سری بحث های مقدماتی و تئوری و بعدا کارکردن با DTM در ARcGIS

بخش پنجم

۵- نمایش multi
scale
از مدل رقومی زمین(DTM)

مقدمه:

Scale
یک مفهوم گیج کننده است و اغلب معانی مختلفی وابسته به چارچوب مطالعه دارد.

Level Of Detail (LOD)
که روی نقشه بزرگ مقیاس نشان داده می شود, نمی توان روی نقشه کوچک مقیاس نشان داد.
یعنی نمایش یک
feature
در یک منطقه در مقیاس های مختلف نقشه, متفاوت است ومسئله
multi scale در کارتوگرافی مطرح می شود. مسئله این است که
چگونه یک نقشه
small scale
از نقشه
large scale
با عملیاتی چون
simplification
و
aggregation بدست آوریم که یک
مسئله
generalization
نامیده می شود.

تبدیل در مقیاس: یک فرآیند غیر قابل برگشت در geographic
space

در فضای اقلیدسی هر شی یک بعد صحیح دارد. افزایش(ویا کاهش)
در مقیاس باعث افزایش (ویا کاهش) در طول در فضای دوبعدی و در حجم در فضای سه بعدی می شود.

از شکل مشخص می شود که تبدیل مقیاس در فضای اقلیدسی یک تبدیل برگشت پذیر است. یعنی
از مقیاس کوچک به مقیاس بزرگ می توان رسید.

در geographical space , بعد شی عدد صحیح نیست (مفهوم بعد فرکتالی توسط Mandelbrot معرفی شده است) ومقداری بین ۱و۲ برای
خط وبین ۲ و۳ برای سطح می باشد. مدت ها قبل کشف شده است که طول های مختلف برای
coastline نمایش داده شده روی نقشه در مقیاس های
مختلف به دست می آید. طول اندازه گیری شده در مقیاس های کوچک تر, کوتاهتر خواهند
بود واین به خاطر آن است که سطوح مختلف
reality اندازه گیری شده است. در واقع روی نقشه با مقیاس کوچک تر, میزان پیچیدگی
شی کاهش پیدا می کند تا این که برای نمایش در آن مقیاس مناسب باشد. اما وقتی نمایش
در مقیاس کوچک تر قرار است که
enlarge شود وبه سایز اولیه خود برسد, سطح پیچیدگی قبل نمی تواند دوباره
به دست بیاید و چنین تبدیلی غیر قابل برگشت نامیده می شود.

Generalization یکDTM
از مقیاس بزرگ به مقیاس کوچک یک فرایند غیر قابل برگشت است.

مقیاس و رزولوشن وساده سازی نمایش

سایز واحد پایه برای اندازه گیری یا نمایش به عنوان رزولوشن اشاره می شود. اگر
داده ها در فرمت رستری هستند, سایز پیکسل ها به عنوان رزولوشن مطرح است. در مورد
گریدهای
DTM,
فاصله بین گرید ها به عنوان رزولوشن مطرح است.

رزولوشن,Level Of Detail معنی می دهد ومقیاس Level Of
Abstraction
معنی می دهد.

شکل زیر چهار تصویر در یک مقیاس, اما با چهار رزولوشن مختلف نشان می دهد.

روش ها برای نمایش multi scale

دو نوع مختلف از نمایش multi scale وجود دارد:

۱-metric multi scale representation : شبیه به نقشه است و تاکید روی کیفیت متریک دارد. مسئله multi
scale
در DTM مرتبط با با این است که چگونه به طور
خودکار بتوانیم داده های
DTM مناسب برای هر نمایش با مقیاس کوچک تر را از داده های DTM در مقیاس بزرگ تر استخراج کنیم(چرا
که داده های
DTM
در مقیاس بزرگ به طور پیوسته
update می شود) چنین پروسه ای generalization نامیده می شود و به طور یکنواخت برای همه سطح
داده به کار می رود وداده ها در سطح دقت یکسانی دارند.

۲-visual multi scale representation :این نوع نمایش multi scale تنها برای visual impression (مثل بازی های کامپیوتری) بکار می رود. به عبارت
دیگر
LOD
نمایش داده شده روی یک تصویر از محلی به محل دیگر متفاوت است و به آن
LOD در computer
graphics
می گویند.به این
روش
view dependant LOD
نیز می گویند ودر مقابل به روش قبل
view independent LOD می گویند.

دو نوع تبدیل در مقیاس وجود دارد:تبدیل گسسته وپیوسته

در تبدیل گسسته, تعداد مقیاس های مختلف از یک منطقه تعداد معدودی است. در حالی
که در تبدیل پیوسته, از منطقه در همه مقیاس ها داده می توانیم داشته باشیم.

نمایش سلسله مراتبی DTM در مقیاس های گسسته

نمایش سلسله مراتبی در مقیاس های گسسته برای داده های DTM
نمایش معروفی است. این نمایش برای سرعت بخشیدن به پردازش داده ها می باشد.هم
شبکه های مثلثی وهم شبکه های گریدی در فرم سلسله مراتبی می توانند نمایش داده
شوند.

ساختار هرمی برای نمایش سلسله مراتبی

شکل زیر ساختار هرمی از گرید مربعی ومثلثی را نشان می دهد .چهار مربع (مثلث)
در سطح سوم تشکیل یک مربع (مثلث) بزرگ تر در سطح دوم را نشان می دهند.تعداد مربع
ها در
level k
برابر
k-14 است.سایز مربع ها(مثلث ها)در یک سطح
از ساختار هرمی برابر هستند.

در یک فرایند four to one aggregation , متوسط گیری ساده برای
محاسبه مقدار ارتفاع گرید جدید پذیرفته می شود.

در این روش , feature
های مشخص زمینی در نظر گرفته نمی شوند. پس به طور واضح از شکل افتادگی های
بصری نسبتا واضحی به
علت از دست دادن مشخصه های سطح زمین و عدم پیوستگی در مرز گریدها ایجاد می شود.

ساختار quadtree
برای نمایش سلسله مراتبی

نقص بزرگ ساختار هرمی ساده در این است که فاصله گرید ها در یک سطح از هرم
برابر هستند, حال چه سطح زمین پیچیده باشد وچه ساده. همین مسئله در مورد مناطق ناهمگون
مشکل ایجاد می کند. در این موارد ساختار سلسله مراتبی با سایز گرید متغیر مناسب تر
هستند. قسمت های پیچیده تر می توانند با گرید هایی با رزولوشن بهتر (فاصله گرید های
کوچک تر) وقسمت های ساده تر با گریدهایی با رزولوشن کمتر (فاصله گرید های بزرگ
تر)نمایش داده شوند.

شکل زیر مثالی از ساختار quadtree مثلثی است. Aggregation چهار سلول در یک سلول مشابه ساختار هرمی است. تنها اختلاف آن در این
است که در
quadtree معیار هایی برای این که آیا Aggregation
برای چهار سلول داده شده لازم هست یا نه, تنظیم می شوند. برای مثال اگر
اختلاف ارتفاع از یک حد آستانه بزرگ تر باشد, نیازی به
Aggregation نیست ودر غیر این صورت لازم است.

نمایش multi scale از DTM در مقیاس پیوسته

لیستی با شش معیار توسط Weibel برای ارزیابی روش های multi
scale
مطرح شده است که عبارتند از:

۱-اجرا روش به صورت اتوماتیک ممکن باشد.

۲-بتوان بازه وسیعی از تغییرات مقیاس را درآن اجرا کرد.

۳-برای مشخصه های توپوگرافی منطقه
قابل تطبیق باشد.

۴-به طور مستقیم روی پایه DTM کار کند.

۵-بتواند از نتایج یک آنالیز داشته باشد.

۶-فرصتی برای جایگزینی feature ها بر اساس feature های مهم توپوگرافی وland form ها فراهم کند.

سه روش برای نمایشmetric multi scale
برای داده های DTM ارائه شده است:

۱-روش های فیلترینگ

۲-جنرالیزه کردن structure lines

3-ترکیبی از دو روش فوق

اگر مجموعه معیار های پیشنهادی Weibel برای ارزیابی نمایش هرمی به کار رود, نتیجه خیلی خوبی نمی دهد.
مهم ترین عیب این روش آن است که تنها شمار مشخصی از مقیاس ها را می توان تولید
کند.

اصل طبیعی برای جنرالیزه کردن DTM

اگر سطح زمین از ارتفاعات مختلف دیده شود, شکل های متفاوتی از آن می بیند. اگر
سطح زمین از ماه دیده شود , همه ناهمواری های زمینی ناپدید می شود وسطح زمین شبیه یک
توپ آبی ظاهر می شود. اگر سطح زمین از محل یک هواپیما دیده شود, جزئیات کوچک هنوز
آشکار نیست بلکه مشخصه های اصلی تغییرات زمین واضح است.

اصل طبیعی که به وسیله Li Openshow معرفی شده است, بیان می کند که:

برای هر مقیاس داده شده , همه جزئیات در مورد تغییرات فضایی اشیا که ورای حد
مشخصی هستند نمی توانند نمایش داده شوندو باید نادیده گرفته شوند.

Li Openshow
این حد مشخص را به عنوان
Smallest Visible Object(SVO) معرفی کردند. در این کتاب با عنوان Smallest
Visible Size(SVS)
آن را می شناسیم.

سوال مهم آن است که چگونه SVS را محاسبه کنیم؟در میان تست های مختلفی که Li
Openshow
انجام دادند به این
نتیجه رسیدند که, مقدار ۰٫۵ تا ۰٫۷ میلیمتر
روی تارگت (نقشه) مقدار مناسبی است.

اگر SVS روی سطح زمین را باK
و
SVS
روی نقشه را با
k
و
St فاکتور مقیاس برای
نقشه تارگت باشد, آن گاه داریم:
K=k*St

در ارتباط با این فرمول مشکلی وجود دارد وآن این است که مقدارK هیچ فرقی نمی کند که مقیاس ورودی
(منبع) چقدربزرگ باشد. برای حل این مشکل فرمول به صورت زیر اصلاح شده است:

وقتی که اختلاف بین Ss
و
St کم است, مقدار K کوچک است واین یعنی می دهد که تغییر
کمتر لازم است. در حالت نهایی اگر
Ss =St باشد, آن گاه K=0
است وهیچ جنرالیزه کردنی لازم نیست.

فرایند به کار بردن اصل طبیعی برای جنرالیزه کردن DTM شبیه به فرایند کانولوشن است که cell به cell روی DTM ورودی اجرا می شود.در هر زمان یک template با سایز مساوی با SVS روی یک cell از DTM ورودی گذاشته می شود.همه cell ها در template
برای تخمین ارتفاع
cell
در
DTM خروجی بکار برده
می شود. در حقیقت تمام متد های انترپولاسیون
point based برای این منظور می تواند مورد
استفاده قرار گیرد. هر چه قدر مقیاس کوچک تر می شود, سطح
smooth تر می شود و این در تطابق با اصل طبیعی
است.

متدهای جنرالیزه کردن شبیه به فیلترهای زیر گذر می باشند, اما در برخی جنبه ها
متفاوت هستند. از آن جمله می توان گفت که:

۱-template
می تواند به تدریج پیکسل به پیکسل حرکت کند ویا از یک پیکسل به دیگری جهش داشته
باشد. ممکن است حتی
overlap
ای بین
template
ها نباشد که به ساختار هرمی ما را هدایت می کند.

۲- سایز template
ها از مقادیر مقیاس تارگت ومنبع محاسبه می شوند.

اصول برای view dependant LOD

جزئیات بیشتر برای مناطق واشیا نزدیک تر به viewpoint وجزئیات کمتر برای مناظر واشیا دورتر
از
viewpoint استفاده می شود.
اگر
DTM در فرم گرید است,
پس
cell های Coarse تر برای نمایش مناظر واشیا دورتر
بکار می روند و
cell های fine تر برای نمایش مناظر واشیا نزدیک تر به کار میروند.

Cell های coarse تر در گرید مربعی وشبکه مثلثی به وسیله
تعدادی عملگر شبیه
collapse removal تولید می شوند.

در شکل چهار عملگر پایه برای ساده سازی شبکه مثلثی برای اهداف LOD نشان داده شده است:

۱-vertex removal:
یک
vertex حذف می شود ومثلث
های جدید ایجاد می شود.

۲-triangle removal:یک مثلث با سه راس آن حذف می شود ومثلث های جدید تشکیل می شوند.

۳- edge collapse:یک edge با دو vertex به یک نقطه تبدیل می شود ومثلث های
جدید ایجاد می شوند.

۴-triangle collapse: یک مثلث با سه vertex تبدیل به یک نقطه می شود ومثلث های جدید ایجاد می شوند.

سوالی که مطرح است این است که چه زمانی از این الگوریتم ها استفاده کنیم ؟ در
انتخاب
VIP
دو کانسترین استفاده می شود: ۱-تعداد
VIP ها باید حفظ بماند .۲-accuracy loss مجاز باشد.

این دو کانسترین برای ساده سازی داده های DTM برای تولید view dependant LODنیز استفاده می شود, که به دو روش مجزا
ما را هدایت می کند. به هر حال تعداد مثلث ها در
LOD بجای تعداد VIPها استفاده می
شوند که این کانسترین به نام
budget- based simplification است
واستفاده از کانسترین خطای مجاز به نام
fidelity_based simplification است.

پست های مرتبط:

بازگشت به صفحه اصلی وبلاگ مهندسی عمران راه و ساختمان(مهندس حسن فراهانی)

برچسب‌ها: مدل رقومی زمین, DTM, بخش پنجم, نمایش multi scale, مهندس حسن فراهانی, مهندسی عمران راه و ساختمان

منبع: http://hfarahani48.blogfa.com/post-8643.aspx

دانلود آموزش گام به گام کار با Global Mapper و DEM30

منبع : وب سایت جامع نقشه برداری

دانلود آموزش گام به گام کار با Global Mapper و DEM30

نقل قول :

کار با DEM30 با تمام نرم افزارهای GIS امکانپذیر است.

برخی از این نرم افزارها مانند نرم افزار معروف ARCGIS, بسیار کامل و جامع بوده و میتوان از تمامی قابلیت های DEM30 در آن استفاده کرد. لذا کارشناسان و شرکت هائی که تخصص کار با این نرم افزار را دارند, براحتی میتوانند آنالیزهای مورد نیاز را از DEM30 استخراج نمایند و در پروژه های کامل   GISاز آن استفاده نمایند.

خیلی از کارشناسان و شرکت ها هم هستند که کارشان مطالعات تخصصی بوده و در محیط GIS خیلی وارد نمی شوند. پیشنهاد این شرکت به این دسته از کاربران, استفاده از نرم افزار بسیار سبک و پرکاربرد Global Mapper می باشد.

نرم افزار Global Mapper تمامی قابلیت های DEM30 را می تواند در اختیار کاربر بگذارد و در مقایسه با نرم افزارهای دیگر مزایای ذیل را دارد.

۱-       خود نرم افزار Global Mapper به راحتی در هر سیستمی نصب شده و فضای ناچیزی در کامپیوترهای شخصی چه از نظر هارد و چه از نظر  RAM و CPU اشکال می کند.

۲-       فایل هایی را که این نرم افزار تولید میکند, بدون فایلهای جانبی
گمراه کننده برای مبتدیان می باشد و لذا در استفاده از خروجی Global Mapper در نرم افزارهای دیگر تخصصی , هیچ مشکلی بوجود نمی آید.

۳-        مهمترین قابلیت و مزیت  Global Mapper,
تبدیل یک نوع فایل به فرمتهای دیگر با حفظ تمام نکات فنی و متادیتا در فایل
اصلی می باشد که این قابلیت با هیچکدام از نرم افزارهای GIS از نظر سرعت و صحت , قایل مقایسه نیست.

۴-       کاربر در هر سطحی که باشد می تواند از این نرم افزار استفاده
نماید و یکسری کارهای روتین را انجام دهد بدون اینکه نیازی به داشتن
اطلاعات پایه تخصصی باشد.

این سایت سعی دارد, به تدریج آموزش نکات کلیدی نرم افزار Global Mapper را
به زبانی ساده و کاربردی در اختیار کارشناسان و مبتدیان بگذارد. باشد که
شرکت های محترم مهندس مشاور و واحدهای محترم مطالعات سازمان های دولتی
بتوانند اطلاعات خام خود را در مطالعات به راحتی و در اسرع وقت سروسامان
داده و غالب وقت شان را روی مطالعات تخصصی پروژه های مربوطه صرف نمایند.

علاقمندان به مطالعه بیشتر, می توانند فایل  DEM30Overview  را که نشانگر قابلیت های نرم افزار Global Mapper در کار با DEM30 می باشد از همین سایت دانلود فرمایند.

دانلود آموزش نحوه نصب و کرک نرم افزار Global Mapper

دانلود آموزش نحوه شروع به کار و تنظیمات اولیه نرم افزار Global Mapper

دانلود آموزش نحوه فراخوانی یک فایل DEM30 در نرم افزار Global Mapper

لینک مرتبط

بازگشت به صفحه اصلی وبلاگ مهندسی عمران راه و ساختمان(مهندس حسن فراهانی)

برچسب‌ها: دانلود, آموزش گام به گام, کرک, ARCGIS, Global Mapper, DEM30, GIS, مهندس حسن فراهانی, مهندسی عمران راه و ساختمان

منبع: http://hfarahani48.blogfa.com/post-8645.aspx

دانلود آموزش نرم افزار Cad Map (مهندس حسن فراهانی)

منبع : وب سایت جامع نقشه برداری

دانلود آموزش نرم افزار Cad Map

رمز : www.geo-app.ir

CAD_Map_1.exe

CAD_Map_Doc2.exe

CAD_Map_Doc3.exe

CAD_Map_Doc4.exe

CAD_Map_Doc5.exe

CAD_Map_Doc6.exe

CAD_Map_Doc7.exe

CAD_Map_Doc8.exe

CAD_Map_Doc9.exe

CAD_Map_Doc10.exe

CAD_Map_Doc11.exe

منبع : geo-app.mihanblog.com

بازگشت به صفحه اصلی وبلاگ مهندسی عمران راه و ساختمان(مهندس حسن فراهانی)

برچسب‌ها: دانلود, آموزش, نرم افزار, Cad Map, مهندس حسن فراهانی, مهندسی عمران راه و ساختمان

منبع: http://hfarahani48.blogfa.com/post-8646.aspx

دانلود پروژه سازه های بتن آرمه ساختمان ۴ طبقه تمام مسکونی (با زیر زمین) (مهندس حسن فراهانی)

منبع : sakhtar.net

دانلود پروژه سازه های بتن آرمه ساختمان ۴ طبقه تمام مسکونی (با زیر زمین) 

(Auto CAD – Etabs – safe – Excel – Word)

فرزانه فراهی -  حمید عظیمی حسینی

نیمسال: مهر ۱۳۸۸

http://hfarahani48.blogfa.com

صورت پروژه سازه های بتن آرمه :

•    زمین به ابعاد ۹۲۵/۳ × ۱۱
•    ۴ طبقه ، تمام مسکونی (با زیر زمین)
•    ارتفاع کف تا سقف ۳ متر و ضخامت سقف ۴۰ سانتیمتر
•    دیوار و تیغه ها داخلی از آجر مجوف و ملات ماسه سیمان
•    سازه در شهر زاهدان
•    سیستم سازه ای مقاوم در مقابل بارهای قائم و جانبی از نوع صلب
•    سقف تیرچه بلوک
•    مقاومت ۲۸ روزه بتن ۳۰ نیوتن بر میلیمتر مربع
•    تنش جاری شدن آرماتورها ۴۰۰ نیوتن بر میلیمتر مربع
•    مقاومت خاک بستر ساختمان ۸/۱ کیلوگرم بر سانتیمتر مربع

برای دانلود اینجا کلیک کنید…

http://sakhtar1.persiangig.com/document/Conceret%28Azimi-Farahi%29.zip

لینک کمکی برای دانلود اینجا کلیک کنید…

http://parsaspace.com/files/9744528884/conceret(azimi-farahi).zip.html

برچسب‌ها: دانلود, پروژه, سازه های بتن آرمه, ساختمان, ۴ طبقه, تمام مسکونی, زیر زمین, مهندس حسن فراهانی, مهندسی عمران راه و ساختمان

منبع: http://hfarahani48.blogfa.com/post-8630.aspx

دانلود فایل صوتی تخصصی عمران از رادیو سازه ۸۰۸ (شماره ۹ – ۱۰

منبع : رادیو سازه ۸۰۸ (live.saze808)

دانلود فایل صوتی تخصصی عمران از رادیو سازه ۸۰۸ (شماره ۹ – ۱۰ – ۱۱)

شماره ۱۱ با موضوع «بررسی نکات مهم شهر سازی و محاسبه ساختمان های درون شهری»

با حضور مهندس محمد رضا فلاح نفری، رئیس هیئت مدیره شرکت مشاوره آرین بنا

پخش: جمعه ۲۸ بهمن ۹۰

دانلود فایل صوتی رادیو شماره ۱۱ با کیفیت ضبط ۶۴Kbps

شماره ۱۰ با موضوع «مقاوم سازی ساختمان ها با کمک جدا ساز ها و میراگر ها»

با حضور مهندس سیامک پور صدر، مدیر عامل شرکت رابینسون در ایران

پخش: جمعه ۲۱ بهمن ۹۰

دانلود فایل صوتی رادیو شماره ۱۰ با کیفیت ضبط ۶۴Kbps

شماره ۹، مصاحبه تخصصی رادیو ۸۰۸ با پروفسور شیرو تاکادا

زلزله شناس معروف ژاپنی و استاد دانشگاه کوبه ژاپن

با موضوع زلزله سال ۲۰۱۱ ژاپن و درس ها و تجربیات گرفته شده از این زلزله

دانلود فایل صوتی رادیو شماره ۹ با کیفیت ضبط ۶۴Kbps

برچسب‌ها: دانلود فایل صوتی, تخصصی عمران, رادیو سازه ۸۰۸, شماره ۹, ۱۰, ۱۱, مهندس حسن فراهانی, مهندسی عمران راه و ساختمان

منبع: http://hfarahani48.blogfa.com/post-8631.aspx