OCENA DOKŁADNOŚCI WYSOKOŚCIOWEJ DANYCH

Acta Sci. Pol.,
Geodesia et Descriptio Terrarum 13 (3-4) 2014, 27-38
ISSN 1644–0668 (print) ISSN 2083–8662 (on-line)
OCENA DOKŁADNOŚCI WYSOKOŚCIOWEJ
DANYCH LOTNICZEGO SKANINGU
LASEROWEGO SYSTEMU ISOK
NA OBSZARZE DOLINY RZEKI WIDAWY1
Kamila Pawłuszek, Marcin Ziaja, Andrzej Borkowski
Uniwersytet Przyrodniczy we Wrocławiu
Streszczenie. Głównym obszarem zastosowań lotniczego skaningu laserowego (ALS) jest
budowa wysokorozdzielczych precyzyjnych numerycznych modeli terenu (NMT). W Polsce, na potrzeby budowy systemu osłony przed nadzwyczajnymi zagrożeniami, zeskanowano niemal całą powierzchnię kraju. Jakość i dokładność danych skaningu były przedmiotem kontroli na etapie ich pozyskiwania. W niniejszej pracy dane te poddano ocenie
dokładności wysokościowej według odmiennej metodyki. Dokonano oceny dokładności
wewnętrznej polegającej na wpasowaniu, metodą najmniejszych kwadratów, płaszczyzny
w zbiór danych repezentujących płaską powierzchnię, np. połać dachu, oraz oszacowaniu
błędu średniego na podstawie odchyłek danych ALS od tej powierzchni. Testy wykonano
dla 36 płaszczyznowych powierzchni reprezentujących dachy, drogi, łąki oraz pola orne.
W przypadku powierzchni antropogenicznych otrzymany błąd średni kształtuje się na poziomie zbliżonym do dokładności pomiaru odległości przez system skanujący i wynosi od
2 do 4 cm. Dla powierzchni naturalnych, o dużej szorstkości błąd ten rośnie do wartości
od 3 do 20 cm. Ocenę dokładności zewnętrznej (absolutnej) wykonano na podstawie porównania wysokości danych ALS z wysokościami punktów referencyjnych pomierzonych
technikami geodezyjnymi. Oszacowanie dokładności przeprowadzono w przypadku trzech
klas pokrycia terenu (pola i łąki, drogi, lasy) oraz czterech obszarów testowych, zlokalizowanych na obszarze doliny rzeki Widawy. Ocenę dokładności wykonano na potrzeby
modelowania hydrologicznego. Dokładność absolutna waha się w poszczególnych typach
pokrycia od niewiele ponad 10 cm w przypadku dróg do ponad dwukrotnie większej wartości na terenach leśnych.
Słowa kluczowe: lotniczy skaning laserowy, NMT, ISOK, dokładność
Praca została sfinansowana z środków Narodowego Centrum Nauki w ramach projektu nr
UMO-2011/01/D/ST10/07671
© Copyright by Uniwersytet Przyrodniczy we Wrocławiu
Adres do korespondencji – Corresponding author: Kamila Pawłuszek, Instytut Geodezji i Geoinformatyki, Uniwersytet Przyrodniczy we Wrocławiu, 50-357 Wrocław, ul. Grunwaldzka 53, e-mail:
[email protected]
28
K. Pawłuszek i in.
WSTĘP
Lotniczy skaning laserowy (ALS), jako technologia pozyskiwania punktowej informacji o skanowanej powierzchni, znajduje na przestrzeni ostatniego dziesięciolecia wciąż
nowe zastosowania. Przegląd możliwości i obszarów wykorzystania danych ALS można
znaleźć w pracy Vosselman i Maas [2010]. Głównym obszarem zastosowania ALS jest
jednak budowa Numerycznych Modeli Terenu (NMT). W tym obszarze przewaga ALS
nad innymi technikami jest oczywista, zwłaszcza na terenach trudno dostępnych.
Na dokładność NMT interpolowanych na podstawie danych ALS wpływa przede
wszystkim dokładność samych danych ALS, opisujących przebieg topograficznej powierzchni terenu. Ta z kolei zależy od dokładności i charakterystyki systemu skanowania (np. dywergencji wiązki laserowej), dokładności inercyjnych danych nawigacyjnych
i GNSS, stabilności nalotu fotogrametrycznego, dokładności wyrównania i kalibracji
danych oraz oczywiście ukształtowania i rodzaju pokrycia terenu [Krauss i in. 2006].
Znaczenie poszczególnych błędów związanych z systemem skanowania i opracowania
chmur punktów oraz ich wpływ na ostateczny wynik dyskutowane są w pracach Maas
[2003], Habib i in. [2008], Vang [2012]. Zhang i Liu [2004] przeanalizowali wpływ poszczególnych błędów systematycznych na końcową dokładność danych ALS.
W zastosowanych praktycznych wpływ poszczególnych czynników na ogół trudno
jest oddzielić i dlatego oceniany jest z reguły ich całkowity wpływ na dokładność danych
ALS.
Ocena dokładności wysokościowej danych ALS wykonywana jest zwykle na podstawie porównania, w danym punkcie, wysokości określonej (wyinterpolowanej) za pomocą
chmury punktów ALS oraz pomierzonej bezpośrednio w terenie technikami o istotnie
wyższej dokładności, z reguły technikami geodezyjnymi. Podejście takie zastosowane
zostało w pracy Estornell i in. [2011], gdzie poddano analizie wypływ nachylenia terenu,
gęstości punktów skanowania i roślinności na końcową dokładność NMT. Liu [2011] wykorzystał wysokości punktów osnowy geodezyjnej do oceny dokładności wysokościowej
danych LiDAR. Badania te przeprowadzono na obszarze stanu Victoria w Australii, gdzie
osnowa pomiarowa charakteryzuje się wysoką dokładnością (średni błąd wysokości
0,03 m) oraz dużym zgęszczeniem. W pracy Gołuch i in. [2007] przedstawiono ocenę
dokładności wysokościowej danych skaningu laserowego systemu ScaLARS, bazującego na skanerze typu CW (continuous wave). Zastosowano tutaj metodologię oceny dokładności polegającą na porównaniu wysokości danych ALS z bezpośrednimi pomiarami
terenowymi. Pola testowe natomiast zlokalizowano na obszarze doliny rzeki Widawy. Te
same pola testowe wykorzystano w niniejszej pracy.
Przedmiotem oceny dokładności w niniejszej pracy są dane lotniczego skanowania
laserowego pozyskane za pomocą systemu ISOK (Informatyczny System Osłony Kraju
przed nadzwyczajnymi zagrożeniami). Ocena ta wykonana została w dwóch wariantach:
– dokładności absolutnej (zewnętrznej) określonej na podstawie porównana wysokości danych ALS z wynikami pomiarów bezpośrednich technikami geodezyjnymi oraz GNSS;
– dokładności wewnętrznej, określonej na podstawie rozrzutu punktów ALS względem płaskiej powierzchni obszaru testowego.
W odróżnieniu od standardowej kontroli dokładności w systemie ISOK [Wężyk
2015] ocena dokładności wykonana w niniejszej pracy dotyczy obszarów o różnych for-
Acta Sci. Pol.
Ocena dokładności wysokościowej...
29
mach pokrycia terenu. Obszary testowe, reprezentujące różne kategorie pokrycia terenu,
zlokalizowane zostały na obszarze doliny rzeki Widawy. Obiekt ten wykorzystywany był
wielokrotnie w badaniach związanych z modelowaniem hydrodynamicznym [Borkowski
i in. 2006a, b, c] i dostępne są dla niego różnego rodzaju dane referencyjne. W niniejszej
pracy wyniki pomiarów GNSS na punktach kontrolnych wykorzystano do oceny dokładności bezwzględnej danych ALS systemu ISOK.
KRÓTKA CHARAKTERYSTYKA DANYCH ALS SYSTEMU ISOK
ISOK jest systemem, który został stworzony w celu wsparcia społeczeństwa, gospodarski i środowiska przed nadzwyczajnymi zagrożeniami, a także w celu wspomagania podejmowania decyzji w przypadku wystąpienia zagrożeń naturalnych, głównie powodzi.
Na potrzeby tego systemu skanowanie laserowe zostało wykonane w dwóch różnych
standardach. Skanowanie według pierwszego standardu, który pokrywa zdecydowaną
większość kraju poza granicami miast, zostało wykonane z gęstością 4–6 pkt/m2. Natomiast obszary w zasięgu standardu II (głównie w granicach miast) zostały zeskanowane
z gęstością 12 pkt/m2. Według założeń błąd średni wyznaczenia wysokości na płaskich
utwardzonych powierzchniach nie powinien przekraczać 15 cm w standardzie I i 10 cm
w standardzie II [Wężyk 2015].
W celu oszacowania dokładności georeferencji bezwzględnej danych LiDAR zostały wybrane, a następnie pomierzone w terenie technikami geodezyjnymi płaszczyzny
kontrolne wysokościowe oraz sytuacyjno-wysokościowe. Minimalna liczba płaszczyzn
kontrolnych zależy od wielkości bloku LiDAR i w przypadku kontroli wysokościowej
wynosiła:
– pięć, jeśli wielkość bloku jest poniżej 400 km2,
– osiem, jeśli wielkość bloku wynosi od 400 do 1000 km2,
– dziesięć, jeśli wielkość bloku jest powyżej 1000 km2.
Pomiar terenowy płaszczyzn kontrolnych realizowany był metodą tachimetryczną, przy czym współrzędne stanowisk pomiarowych wyznaczono metodą GNSS-RTK
w nawiązaniu do osnowy wysokościowej I lub II klasy. Dla każdej płaszczyzny kontrolnej otrzymano rozbieżności Δh pomiędzy wynikami pomiaru geodezyjnego a danych
LiDAR. Ze względu na różne standardy wyznaczania płaszczyzn referencyjnych oraz
sposoby wyznaczania różnic Δh stosowano w różnych okresach realizacji projektu różne
wartości odchyłek dopuszczalnych. Generalnie, georeferencja bezwzględna była akceptowalna, jeśli różnice Δh nie przekraczały maksymalnie 30 cm w przypadku standardu
I i 20 cm dla standardu II [Wężyk 2015]. Ponadto w procesie kontroli sprawdzano szereg
innych parametrów dokładnościowych, jak rozbieżności na stykach bloków LiDAR, poprawność klasyfikacji czy kontrola nadania atrybutów RGB.
OBIEKT BADAWCZY I OBSZARY TESTOWE
Ocenę dokładności bezwzględnej danych ALS wykonano na podstawie czterech obszarów testowych zlokalizowanych na obszarze doliny rzeki Widawy, położonej na północ
od Wrocławia. Lokalizacje obszarów testowych przedstawia rysunek 1.
Geodesia et Descriptio Terrarum 13 (3-4) 2014
30
K. Pawłuszek i in.
Rys. 1. Lokalizacja obiektów testowych z zaznaczonym rozmieszczeniem punktów referencyjnych
Fig . 1. The location of the test sites with reference points
Skanowanie laserowe tego obszaru zostało wykonane w standardzie II. Wybrano
cztery reprezentatywne obszary testowe (Szewczenki, Krzywoustego, Paniowice, Sołtysowice – nazwy pochodzą od nazw osiedli bądź ulic, w okolicach których te obszary
się znajdują) o zróżnicowanym pokryciu terenu. Obszary te zlokalizowane są w różnych
miejscach doliny rzeki Widawy (rys. 1). Dane referencyjne pozyskano w czasie realizacji prac badawczych przedstawionych w pracach [Gołuch i in. 2007, 2008]. Z ogólnej
liczby punktów pomierzonych na obszarach testowych w niniejszej pracy wykorzystano
498 punktów. Jest to tylko część pomierzonych wówczas punktów referencyjnych. Ze
względu na zmiany ukształtowania powierzchni terenu w okresie pomiędzy pozyskaniem
danych referencyjnych a danych ALS, spowodowane procesami inwestycyjnymi czy zagospodarowaniem terenu, część obszarów testowych została wyłączona z opracowania
w niniejszej pracy. Wyłączenie obszarów (bądź punktów referencyjnych) poprzedziły
analizy porównawcze ortofotomapy i zdjęć lotniczych.
Pomiar punktów referencyjnych wykonany był bezpośrednio w terenie, wykorzystując technikę pomiaru GPS-RTK i metodę tachimetryczną. Dolina rzeczna charakteryzuje
się dużą różnorodnością ukształtowania i pokrycia terenu. Analizę przeprowadzono dla
trzech kategorii terenu:
• las i zadrzewienia, teren o bardzo urozmaiconym ukształtowaniu z licznymi lokalnymi obniżeniami i oczkami wodnymi,
• łąki i pola orne – teren użytkowany rolniczo, generalnie obszar płaski; do tej
kategorii włączono również pastwiska i nieużytki ze średnio wysoką trawą (wysokość ok. 40–60 cm),
• drogi – są to drogi gruntowe, brukowe i asfaltowe, wzdłuż tych dróg często
występują drzewa i zarośla, są także rowy i nieduże skarpy.
Acta Sci. Pol.
Ocena dokładności wysokościowej...
31
Ocenę dokładności wewnętrznej danych LiDAR wykonano na podstawie 36 pól testowych stanowiących różnorodne, naturalne bądź sztuczne powierzchnie reprezentujące
płaszczyzny, również nachylone. Jako pola testowe wykorzystano między innymi połacie
dachów, pokrytych gładkim materiałem, bądź ich fragmenty, utwardzone powierzchnie
(drogi/place) oraz płaskie fragmenty powierzchni naturalnych zlokalizowanych na terenach uprawianych rolniczo i wałach przeciwpowodziowych.
METODOLOGIA I WYNIKI
Ocena dokładności wewnętrznej
Ocenę dokładności wewnętrznej danych ALS na obszarze objętym badaniem wykonano
na podstawie stosunkowo niewielkich obszarów płaskich zlokalizowanych na powierzchniach naturalnych i sztucznych (np. dachy). Punktem wyjścia jest założenie, że obszary
te reprezentują płaszczyznę w przestrzeni trójwymiarowej. Zbiór punktów ALS {x,y,z}
na tym obszarze aproksymowany jest płaszczyzną Ax+By+Cz+D=0 z wykorzystaniem
metody najmniejszych kwadratów, przy czym minimalizowane są odległości d punktów
ALS od płaszczyzny aproksymacyjnej,
n
2
∑ di → min.
i =1
(1)
Miarą dokładności wewnętrznej jest odchylenie standardowe (błąd średni) σd ,
σd2 =
1 n 2
∑ di ,
n i =1
(2)
gdzie n jest liczbą punktów, na podstawie których obliczane są parametry płaszczyzny.
Wyniki obliczeń wraz z informacją dotyczącą estymowanej powierzchni pokrycia podano w tabeli 1.
Ponadto, w przypadku otrzymanych w wyniku aproksymacji odchyłek di wykonano
test Shapiro-Wilka mający na celu weryfikację hipotezy zerowej H0 o rozkładzie normalnym tych odchyłek. W wyniku obliczeń wykonanych według metodologii podanej
w pracy Sobczyk [2002] stwierdzono, że w większości pól testowych odchyłki nie mają
charakteru rozkładu normalnego. Brak podstaw do odrzucenia hipotezy H0 stwierdzono
w czterech przypadkach, dwóch dla powierzchni dachów i dwóch dla dróg. Powierzchnie
te wyszczególnione są pod pozycjami 2, 3, 17 i 18 w tabeli 1. Z drugiej strony, powszechnie wiadomo, że testy typu Shapiro-Wilka są bardzo wrażliwe na pojedyncze obserwacje
odstające. W przypadku dużej liczby danych są bardzo trudne do spełnienia i już obecność
czterech powierzchni testowych spełniających kryterium rozkładu normalnego na poziomie istotności α = 0,05 świadczy o wysokiej jakości danych ALS. Należy zauważyć, że
wyboru powierzchni testowych dokonano w ten sposób, aby wyeliminować ewentualne
błędy grube, np. odbicia od anten, kominów itd. Z drugiej strony, jeśli w zbiorze pozostały pojedyncze punkty odstające, np. odbicia od piorunochronów, to ich wpływ na wynik
estymacji był całkowicie zaniedbywalny, z racji dużej liczby punktów (do kilku tysięcy,
tab. 1) reprezentujących daną powierzchnię.
Geodesia et Descriptio Terrarum 13 (3-4) 2014
32
K. Pawłuszek i in.
Tabela 1. Zestawienie wyników oceny dokładności wewnętrznej danych ALS
Table 1. Results of the inner accuracy evaluation of the ALS data
Lp.
Typ
powierzchni
Liczba
punktów
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
dach
dach
dach
dach
dach
dach
dach
dach
dach
droga
droga
droga
droga
droga
droga
droga
droga
droga
3132
814
247
1026
1241
1875
2439
4909
4574
1586
1126
1594
840
682
1614
1060
1241
708
Odchylenie
standardowe
[m]
0,042
0,020
0,023
0,033
0,042
0,028
0,031
0,027
0,032
0,026
0,028
0,025
0,030
0,038
0,029
0,032
0,024
0,030
Lp.
Typ
powierzchni
Liczba
punktów
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
łąka
łąka
łąka
łąka
łąka
łąka
łąka
łąka
łąka
pole orne
pole orne
pole orne
pole orne
pole orne
pole orne
pole orne
pole orne
pole orne
2578
3939
3992
2000
17063
1635
11396
33022
25471
4471
4188
4608
30134
15546
6009
11390
13610
9014
Odchylenie
standardowe
[m]
0,038
0,073
0,103
0,061
0,086
0,051
0,245
0,248
0,318
0,155
0,085
0,101
0,169
0,183
0,146
0,111
0,093
0,140
Analizując wyniki w tabeli 1, uwagę zwraca wysoka dokładność aproksymacji powierzchni antropogenicznych typu dach i droga utwardzona. We wszystkich przypadkach
wyraźna jest również duża homogeniczność wyników dla poszczególnych powierzchni.
Wyjątek stanowią pola testowe wybrane na łące, gdzie występuje spory rozrzut wyników
dokładności aproksymacji. Przyczyną tego może być zróżnicowana kultura uprawy tego
typu użytku (wyższa/niższa trawa).
Ocena dokładności absolutnej
Dokładność absolutną danych ALS określono na podstawie porównania wysokości
punktów pomierzonych technikami geodezyjnymi z wysokościami tych samych punktów określonych na podstawie danych ASL. Wysokości punktów pomierzone technikami
geodezyjnymi przyjęto jako bezbłędne. Różnice ∆hi obliczone pomiędzy wysokościami punktów referencyjnych a wysokościami danych ALS posłużyły do obliczenia błędu
średniego danych ALS, zgodnie z zależnością (2) (di zastępujemy ∆hi). Problemem w takim postępowaniu jest wybór punktu ALS odpowiadającemu punktowi referencyjnemu.
Ponieważ ślad plamki lasera na powierzchni terenu wynosi około 0,3 m, postanowiono
wybierać punkt z pewnego większego otoczenia punktu bezbłędnego, w przypadku którego można założyć, że wszystkie znajdujące się wewnątrz niego punkty powierzchni terenu mają taką samą wysokość. Rozpatrywana była klasa „grunt” sklasyfikowanej chmury punktów. Obliczenia wykonano w dwóch wariantach:
Acta Sci. Pol.
Ocena dokładności wysokościowej...
•
33
Wariant I: jako odpowiednik punktu referencyjnego wybierany był najniżej
położony (w ustalonym obszarze poszukiwania) punkt skaningu;
• Wariant II: jako odpowiednik punktu referencyjnego wybierany był punkt
skaningu o wysokości najbardziej zbliżonej do wysokości punktu referencyjnego (w ustalonym obszarze sąsiedztwa). Takie postępowanie uzasadnione jest
szorstkością powierzchni terenu. W większości przypadków punkt wybrany
w tym wariancie był tożsamy z punktem wybranym w wariancie I.
Obliczenia w wariancie II można traktować jako pewnego rodzaju kontrolę obliczeń
wykonanych w wariancie I. Na podstawie wysokości punktów referencyjnych oraz wysokości punktów zidentyfikowanych w wariancie I lub II wyznaczone zostały dwie wartości
∆h1 i ∆h2, będące miarą dokładności danych ALS oraz podstawą do obliczenia dalszych
parametrów dokładnościowych.
Metodologia wyznaczenia błędu wysokości pojedynczego punktu, zastosowana w niniejszej pracy, przedstawiona została szczegółowo w pracy Gołuch i in. [2007]. Z tego
powodu nie będziemy tutaj przytaczać szczegółów. Do realizacji algorytmu wyznaczenia
błędu pojedynczego punktu przyjęto następujące założenia:
• Kryterium sąsiedztwa r zdefiniowano jako trzykrotną wielkości plamki lasera,
to znaczy rozpatrywano tylko punkty ALS odległe od punktu referencyjnego
w tym zakresie.
• Jeśli w przedziale < 0, r > było mniej niż dwa punkty ALS, wówczas taki punkt
referencyjny nie był uwzględniany w dalszych obliczeniach.
• Jeśli w przedziale < 0, r > zidentyfikowano minimum dwa punkty, wówczas
dokonano wyboru punktów ALS zgodnie z wariantem I i II oraz obliczano wartości residuów ∆h1 i ∆h2.
Na podstawie wartości ∆h1, ∆h2 wyznaczonych w przypadku wszystkich punktów referencyjnych obliczono błędy średnie dla poszczególnych kategorii terenu. Wyniki obliczeń zestawiono w tabeli 2. Oprócz błędów średnich, dla poszczególnych kategorii terenu
oraz ogółem, podano następujące charakterystyki: maksymalną i minimalną odchyłkę,
wartość średnią odchyłek oraz bezwzględną wartość średnią odchyłek. Dodatkowo, wartości te zestawiono również dla poszczególnych pól testowych w II wariacie obliczeń
(punkty „najbliższe wysokościowo”).
Analizując wartości zestawione w tabeli, należy stwierdzić, że dokładności wyznaczenia wysokości wynoszą od 0,12 do 0,24 m, w zależności od kategorii terenu i obszaru
testowego. Dokładności te są stosunkowo homogeniczne niezależnie od kategorii terenu.
Ponadto, w przypadku poszczególnych kategorii pokrycia wykonano wykresy kwantyl-kwantyl (rys. 2), na których obserwowane wartości odchyłek wykreślane są względem
teoretycznych wartości kwantyli rozkładu normalnego. Jest to alternatywa do testów statystycznych, graficzna metoda oceny zgodności danych obserwacji z rozkładem normalnym.
Wykresem wynikowym jest wykres rozrzutu wartości obserwowanych względem standaryzowanych, oczekiwanych wartości wynikających z rozkładu normalnego [Cleveland 1985].
Z dobrym dopasowaniem obserwacji (w naszym przypadku odchyłek ∆h) do rozkładu normalnego mamy do czynienia wtedy, gdy punkty wykresu układają się wzdłuż linii prostych.
Z wykresów przedstawionych na rysunku 2 wynika, że rozkład odchyłek odbiega od rozkładu normalnego. W części środkowej szereg obserwacji koncentruje się wokół rozkładu
normalnego, jednak jest wiele obserwacji o zbyt dużych wartościach (błędy grube). Przyczynami tego są szorstkość powierzchni oraz występowanie roślinności niskiej (trawy).
Geodesia et Descriptio Terrarum 13 (3-4) 2014
34
K. Pawłuszek i in.
Tabela 2. Zestawienie wyników oceny dokładności absolutnej danych ALS z rozbiciem na kategorie terenu i obszary testowe
Table 2. Results of the absolute accuracy evaluation of the ALS data by categories of land use and
test sites
Wariant I
Razem
Razem
Wariant obliczeń
Wariant II
Obszary testowe
Krzywoustego Sołtysowice Paniowice Szewczenki
Pola i łąki
Max Δh
[m]
1,047
0,697
0,081
0,233
0,697
Min Δh
[m]
-0,619
-0,619
-0,619
-0,423
-0,359
Średnia Δh
[m]
-0,105
-0,118
-0,217
-0,128
0,103
Średnia ||Δh||
[m]
0,168
0,156
0,225
0,136
0,216
Błąd średni
[m]
0,222
0,203
0,292
0,169
0,292
20
107
14
Liczebność
141
Drogi
Max Δh
[m]
0,290
0,172
0,172
0,070
Min Δh
[m]
-0,865
-0,865
-0,865
-0,210
Średnia Δh
[m]
0,007
-0,036
-0,064
0,000
Średnia ||Δh||
[m]
0,092
0,053
0,075
0,025
Błąd średni
[m]
0,141
0,117
0,151
0,046
56
43
Liczebność
99
Las
Max Δh
[m]
1,479
1.419
1,419
0,278
Min Δh
[m]
-1,054
-1,054
-0,594
-1,054
Średnia Δh
[m]
-0,001
-0,062
0,044
-0,125
Średnia ||Δh||
[m]
0,168
0,120
0,805
0,140
Błąd średni
[m]
0,27
0,230
0,219
0,230
95
163
Liczebność
258
Ogółem
Max Δh
[m]
1,479
1,419
Min Δh
[m]
-1,054
-1,054
Średnia Δh
[m]
-0,03
-0,070
Średnia ||Δh||
[m]
0,15
0,117
Błąd średni
[m]
0,24
0,200
Liczebność
498
Acta Sci. Pol.
Ocena dokładności wysokościowej...
35
Pola i áąki
0.4
0.2
0
-0.2
-0.4
-0.6
-2
-1
0
1
2
Kwantyle rozkáadu normalnego
3
Kwantyle róĪnic wysokoĞüi 'h
Kwantyle róĪnic wysokoĞci ' h
Kwantyle róĪnic wysokoĞci' h
1.5
0.4
0.6
-0.8
-3
Las
Drogi
0.8
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
-3
-2
-1
0
1
2
Kwantyle rozkáadu normalnego
3
1
0.5
0
-0.5
-1
-3
-2
-1
0
1
2
3
Kwantyle rozkáadu normalnego
Rys. 2. Wykresy kwantyli rozkładu różnic wysokości pomiędzy punktami referencyjnymi a punktami danych ALS względem kwantyli rozkładu normalnego
Fig. 2. The quantile-quantile plot for height differences between reference points and ALS points
versus normal distribution
PODSUMOWANIE
Głównym przeznaczeniem danych lotniczego skaningu laserowego pozyskanych w ramach projektu ISOK jest ich wykorzystanie do budowy numerycznych modeli powierzchni topograficznej terenu bądź powierzchni pokrycia terenu na potrzeby modelowania hydrologicznego w dolinach rzecznych oraz opracowanie map zagrożenia powodziowego
[Kowalski 2013, Bakuła 2015]. Dane były kontrolowane według przyjętej metodologii
na etapie ich pozyskiwania. W niniejszej pracy podjęto ocenę dokładności danych ALS,
według odmiennej metodologii, na obszarze doliny rzeki Widawy. Obszar ten jest dobrze
rozpoznanym poligonem badawczym związanym z modelowaniem hydrologicznym. Dla
obszaru tego wykonano w 2005 r. lotniczy skaning laserowy z wykorzystaniem skanera
ScaLARS [Borkowski i in. 2006b, c] oraz referencyjne pomiary bezpośrednie techniką
RTK-GPS. Dane te zostały wykorzystane również w niniejszej pracy do oceny dokładności bezwzględnej danych ALS. W zakresie metodyki oceny dokładności zastosowanej
w niniejszej pracy wykonano również ocenę dokładności wewnętrznej, której miarą jest
rozrzut punktów ALS względem dobrze zdefiniowanej i jednoznacznie identyfikowalnej
w terenie powierzchni płaskiej. Miara ta w przypadku powierzchni typu dachy budynków
oraz powierzchnie utwardzone (drogi) kształtujące się przeciętnie na poziomie trzech
centymetrów, co wskazuje na bardzo dobrą jakość danych ALS. Biorąc dodatkowo pod
uwagę homogeniczność tych wartości dla poszczególnych powierzchni testowych, należy stwierdzić, że zaobserwowane wartości błędów średnich kształtują się na poziomie dokładności pomiaru odległości przez system skanujący. Wykonane w przypadku
tych powierzchni testy statystyczne wskazują na przypadkowy charakter błędów. Dla
powierzchni naturalnych typu łąka czy pole orne błędy wahają się od kilku do trzydziestu
centymetrów. W przypadku tych powierzchni głównym czynnikiem mającym wpływ na
dokładność jest szorstkość powierzchni.
Dokładność absolutna (bezwzględna) waha się dla poszczególnych typów pokrycia
od niewiele ponad 10 cm dla dróg do ponad dwukrotnie większej wartości dla terenów leśnych. W przypadku powierzchni typu łąka i pole orne dokładności obliczone obydwoma
metodami są zbliżone. Świadczy to o tym, że głównym czynnikiem błędu jest szorstkość
powierzchni. Znaczna rozbieżność wartości dla dróg może wynikać również z tego, że
w przypadku określania dokładności wewnętrznej brano pod uwagę tylko drogi asfaltowe,
Geodesia et Descriptio Terrarum 13 (3-4) 2014
36
K. Pawłuszek i in.
natomiast w drugim przypadku często były to drogi nieutwardzone. Ogólnie, dane ALS na
badanym obszarze cechują się wysoką dokładnością, zwłaszcza jeśli uwzględnimy fakt,
że pola testowe wybierane były na obszarach raczej trudnych, np. na skarpach wałów
przeciwpowodziowych. Z drugiej strony wielkości te są wyższe niż ostateczne uzyskane
w ramach projektu ISOK (poniżej 10 cm w standardzie I oraz poniżej 7 cm w standardzie
II) [Wężyk 2015].
Porównując otrzymane dokładności z dokładnościami skanera ScaLARS (skaner typu
CW) dla tych samych pól kontrolnych, podanymi w pracy Gołucha i in. [2007], należy
zauważyć kilkucentymetrowy wzrost dokładności w przypadku skanerów impulsowych
stosowanych w projekcie ISOK w stosunku do skanera typu CW.
PIŚMIENNICTWO
Bakuła K.I., 2014. Rola redukcji ilościowej danych wysokościowych pozyskanych z lotniczego
skaningu laserowego w procesie tworzenia map zagrożenia powodziowego. Rozprawa doktorska, Politechnika Warszawska, Wydział Geodezji i Kartografii.
Borkowski A., Gołuch P., Mokwa M., Tymków P., 2006a. Wykorzystanie lotniczego skaningu laserowego do budowy numerycznego modelu terenu doliny rzeki Widawy. Problemy Hydrotechniki, 171–178.
Borkowski A., Gołuch P., Wehr A., 2006b. Rejestracja doliny rzeki Widawy z wykorzystaniem
lotniczego skanowania laserowego. Archiwum Fotogrametrii, Kartografii i Teledetekcji, Vol.
16, 53–62.
Borkowski A., Gołuch P., Wehr A., Schiele O., Thomas M. 2006c. Airborne laser scanning for the
purpose of hydrodynamic modelling of Widawa river valley. Reports on Geodesy, No. 2 (77),
85–94.
Cleveland W.S., 1985. The Elements of Graphing Data. Wadsworth.
Estornell J., Ruiz L.A., Velázquez-Martí B., Hermosilla H., 2011. Analysis of the factors affecting
LiDAR DTM accuracy in a steep shrub area. International Journal of Digital Earth, Vol. 4 (6),
522–538.
Gołuch P., Borkowski A., Jóźków G., 2007. Ocena dokładności danych lotniczego skaningu laserowego systemu ScaLARS. Archiwum Fotogrametrii, Kartografii i Teledetekcji, Vol. 17,
261–270.
Gołuch P., Borkowski A., Jóźków G., 2008. Badanie dokładności NMT interpolowanego na podstawie danych lotniczego skaningu laserowego systemu ScaLARS. Acta Scientiarum Polonorum seria Geodesia et Dercriptio Terrarum, (7) 2, 37–47.
Habib A.F., Al-Durgham M., Kersting A.P., Quackenbush P., 2008. Error budget of LiDAR systems and quality control of the derived point cloud. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. XXXVII. Part B1. Beijing,
203–210.
Kowalski M., 2013. Zastosowanie technologii lotniczego skaningu laserowego na przykładzie
projektu Informatyczny System Osłony Kraju przed nadzwyczajnymi zagrożeniami (ISOK).
Przegląd Geodezyjny, LXXXV, Nr 11, 9–12.
Kraus K., Karel W., Briese C., Mandlburger G., 2006. Local accuracy measure for digital terrain
models. Photogrammetric Record 2 (116), 342–354.
Liu X., 2011. Accuracy assessment of LiDAR elevation data using survey marks. Survey Review,
43 (319), 80–93.
Acta Sci. Pol.
Ocena dokładności wysokościowej...
37
Maas H.G., 2003. Planimetric and height accuracy of airborne lasers canner data: user requirements and system performance [in:] D. Fritsch (ed.), Photogrammetric Week 03, Wichmann,
117–125.
Sobczyk M., 2002. Statystyka. PWN Warszawa.
Wężyk P. (red.), 2015. Podręcznik dla uczestników szkoleń z wykorzystaniem produktów LiDAR.
ISOK, Warszawa
Wang J., Xu L., Li X., Quan Z., 2012. Quantitative evaluation of impacts of random errors on ALS
accuracy using multiple linear regression method. IEEE Transaction on Instrumentation and
Measurement. Vol. 61 (8), 2242–2252.
Vosselman G., Maas H.G., 2010. Airborne and terrestrial laser scanning. Whittles Publishing, Dunbeath.
Zhang X., Liu J., 2004. Analysis of systematic error influences on accuracy of Airborne Laser Scanning Altimetry. Geospatial Information Science, Vol. 7 (3), 218–224.
ACCURACY ASSESSMENT OF THE HEIGHT COMPONENT
OF THE AIRBORNE LASER SCANNING DATA COLLECTED
IN THE ISOK SYSTEM FOR THE WIDAWA RIVER VALLEY
Abstract. The main application of airborne laser scanning (ALS) technology is the data
collection for creating high quality digital elevation models (DEM). In Poland, almost entire area of the country has been scanned for the implementation phase of extraordinary
hazards (mostly water hazards) protection system (ISOK). The quality of acquired data was
a subject of inspection at the acquisition time. In this study, an alternative methodology was
applied to evaluate the height component accuracy of the ALS data. For the inner accuracy
evaluation (data consistency), subsets of the point cloud representing flat surfaces (e.g.
roofs) were used. This data was approximated by a plane using least squares method. Based
on residuals between approximated plane and the ALS data a mean square error was calculated. Numerical tests were executed for 36 planes representing roofs, roads, meadows and
arable fields. For the anthropogenic areas the estimated mean square error is similar to the
accuracy of distance measurement by a scanning system and ranges from two to four cm.
In the case of natural surfaces that are characterized by high roughness, the error increases
to a value of three to twenty cm. In order to assess the external (absolute) accuracy of the
ALS data, heights of the reference points measured by geodetic techniques were compared
with the heights of corresponding (neighboring) ALS points. The accuracy assessment was
carried out for three classes of the land use (arable fields and meadows, roads, forests) and
four test areas, located in the area of Widawa River Valley. The absolute accuracy varies
for different types of land use from slightly more than ten cm for roads to more than double
the value for forests.
Key words: airborne laser scanning, DTM, ISOK, accuracy
Zaakceptowano do druku – Accepted for print: 15.12.2014
Do cytowania – For citation: Pawłuszek K., Ziaja M., Borkowski A., 2014. Ocena
dokładności wysokościowej danych lotniczego skaningu laserowego systemu ISOK na
obszarze Doliny Rzeki Widawy, Acta Sci. Pol. Geod. Descr. Terr. 13 (3-4), 27–38.
Geodesia et Descriptio Terrarum 13 (3-4) 2014