Escolar Documentos
Profissional Documentos
Cultura Documentos
INTRO
A análise dos DSMs leva em consideração as características dos sensores e das imagens, as
abordagens de processamento, o terreno e as características do terreno e o volume de dados.
Como modelos de superfície digital de referência em resolução mais alta de plataformas
aéreas não estão disponíveis, a análise quantitativa de nossos resultados é avaliada por meio
de interpretação visual precisa, análise de perfis de altura ao longo de transectos e
comparação com modelos de elevação global geralmente empregados pela comunidade
científica como informação de superfície .
O relatório está organizado da seguinte forma. Após uma breve descrição das características
do sensor HR e VHR de última geração, os conjuntos de dados e o fluxo de trabalho de
processamento são apresentados e, em seguida, a qualidade dos DSMs gerados é analisada
criticamente. O potencial de DSMs precisos para aplicações de risco natural é demonstrado
por meio da extração de informações de valor agregado, como a altura do edifício. Conclusões
e recomendações encerrarão o relatório.
Na configuração padrão ao longo da pista, duas ou mais faixas são tiradas simultaneamente da
mesma órbita em ângulos diferentes ao longo da direção do vôo. Para cada direção de
visualização, há uma lente e um conjunto de linhas CCD colocadas no plano focal. Os ângulos
ao longo da trilha são geralmente fixos e a relação B / H constante, diferente para cada
satélite. Esta configuração ao longo da mesma data evita assim a variação temporal entre as
imagens. Exemplos de sensores de HR com esta configuração são SPOT-5 HRS, ALOS-PRISM e
Cartosat-1.
A terceira classe de sensores usa uma configuração que foi introduzida pela primeira vez no
IKONOS-2 em 1999. Construídos e operados por empresas privadas, esses sensores são
transportados em pequenos satélites voando ao longo de órbitas sincronizadas com o sol e
quase polares e fornecem imagens de resolução muito alta no modo mono ou estéreo usando
um sistema óptico de lente única flexível. Para visualização em estéreo ou cobertura temporal
frequente, eles têm a capacidade de girar sob comando em torno dos eixos de suas câmeras e
visualizar o alvo de diferentes direções, no modo para frente (de Norte para Sul) ou modo
reverso (de Sul para Norte). Portanto, pares estéreo along-track e cross-track de uma área
particular de interesse são planejados com antecedência e adquiridos em quase qualquer
parte da superfície da Terra.
Imagens brutas com apenas normalização e calibração dos detectores (por exemplo, nível 1A
para SPOT, EROS e Formosat, 1B1 para ALOS, imagens básicas para QuickBird / WorldView)
sem qualquer correção geométrica, exceto às vezes para a orientação interior, são orientadas
por satélite . Além disso, são fornecidos metadados relacionados ao sensor, satélite
(efemérides e atitude) e imagem. Imagens brutas são preferidas por fotogrametristas que
trabalham com modelos físicos 3D e agora devem ser favorecidas pela comunidade de
sensoriamento remoto, para evitar erros residuais na geometria e reamostragem múltipla da
radiometria nos produtos processados.
Imagens georreferenciadas (por exemplo, nível 1B para SPOT, 1SYS para Cartosat, Basic
Standard e Basic Stereo 1B para QuickBird / WorldView, 1G para Landsat-ETM +) corrigidas
para distorções sistemáticas devido ao sensor, a plataforma e a rotação e curvatura da Terra ;
Eles são orientados por via de satélite. Geralmente, poucos metadados relacionados ao sensor
e satélites são fornecidos; Alguns dos metadados estão relacionados ao processamento 1B.
imagens geocodificadas (por exemplo, nível 2A para SPOT, Geo Standard para IKONOS, Ortho
Ready 2A para Quickbird / WorldView, 1B2 para ALOS) corrigidas para as mesmas distorções
das imagens georreferenciadas e orientadas para o norte. Geralmente, poucos metadados
relacionados ao sensor e satélites são fornecidos; A maioria dos metadados está relacionada
ao processamento 2A e às características do elipsóide / mapa.
3. Geração de DSM
Isso pode causar diferenças no DSM nas áreas de sobreposição entre os caminhos, pois o
desempenho do sensor para geração do DSM depende da relação B / H e, consequentemente,
dos ângulos de incidência das imagens estéreo.
O processamento foi aplicado separadamente para cada conjunto de dados Do ponto de vista
da orientação, o modelo geométrico para sensores de varredura espacial baseado em RPC foi
usado. Depois de importar as imagens com suas informações de RPC e metadados e gerar as
pirâmides, pontos de ligação comuns em duas ou mais imagens foram medidos a fim de
garantir a orientação relativa entre as duas imagens do mesmo par estéreo e entre pares
estéreo diferentes que se sobrepõem ao longo da direção do vôo.
um mínimo de 5 pontos de empate para cada par foram medidos manualmente por um
operador. A regra geral para a medição do ponto de amarração é selecionar pontos em
características bem definidas e fixas / estáveis no terreno (ou seja, cruzando linhas, sinais de
trânsito, etc., Figura 5) e obter uma distribuição homogênea nas cenas de imagens (Figura 27
para Figura 33 no Anexo A). No total, foram medidos um mínimo de 20 pontos para o projeto
da Cidade da Guatemala e um máximo de 98 pontos para o projeto de Teerã (Tabela 3).
O DSM foi gerado no módulo ERDAS LPS eATE (Enhanced Automatic Terrain Extraction) com
pareamento de imagens estéreo, que visa encontrar correspondências densas e robustas entre
imagens estéreo e estimar suas coordenadas 3D no espaço do objeto. O procedimento de
correspondência no eATE é baseado em pirâmide, ou seja, começa a partir de uma pirâmide
de imagem alta e a faixa de terreno é inicializada com um DEM global gerado com SRTM DEM
de 3 segundos; Em cada nível da pirâmide, o intervalo de terreno atualizado a partir de
correspondências na pirâmide superior é usado para limitar o intervalo de pesquisa na
pirâmide atual e os resultados de correspondência da pirâmide atual serão usados para
atualizar o intervalo de terreno na próxima pirâmide inferior. Desta forma, a ambigüidade da
variação do terreno é reduzida em cada nível da pirâmide e o intervalo de pesquisa também
deve ser reduzido e convergir para um valor pequeno, que é uma função da inclinação do
terreno, precisão e tamanho do pixel (Xu et al., 2008 ) Os pontos de semente não foram
adicionados manualmente como pontos de massa para ajudar na correspondência e melhorar
o DSM. As regiões ocluídas por nuvens foram mascaradas manualmente por um operador no
espaço da imagem e resultaram em nenhum valor de dados no DSM final.
Levando em consideração a resolução espacial do solo das imagens de entrada, os DSMs foram
gerados com espaçamento de grade de 2m (cerca de 4 vezes o tamanho do pixel dos canais
pancromáticos).
No caso de projetos com pares estéreo sobrepostos (ou seja, Teerã, Katmandu, Dakar, etc.), o
DSM é calculado separadamente para cada par estéreo e, em seguida, os DSMs únicos são
mesclados usando interpolação linear. Mesmo se os blocos estiverem relativamente
orientados, os resíduos se propagam durante a geração de DSM e produzem pequenos passos
verticais entre DSMs sobrepostos. Nestes casos, pontos de ligação adicionais são medidos
manualmente nas imagens na área crítica, a orientação relativa recomputada e o DSM gerado
novamente. Os DSMs finais são então mascarados de corpos d'água (rios, lagos, oceanos,
mares) usando conjuntos de dados gratuitos do OpenStreetMap (OpenStreetMap, 2011). A
edição manual adicional, como filtragem de erros ou medição manual de pontos de sementes
(massa), não foi aplicada para melhorar a qualidade dos DSMs.
Finalmente, as imagens mais nadir foram orto-retificadas nos DSMs e orto-imagens com
espaçamento de grade de 0,5 m foram geradas.
O objetivo desta análise é avaliar como a superfície terrestre foi modelada em diferentes
cenários, em relação às características das imagens fonte (resolução do solo, ângulos de visão
e radiometria) e do terreno (cobertura, tipologia, textura). Em geral, os DSMs foram gerados
com sucesso a partir de todos os conjuntos de dados com ambos os sensores (GE1 com nível
de processamento 2A e WV2 com níveis de processamento 1B e 2A).
Em comparação com SRTM, usando imagens VHR é possível extrair DSM mais fino e filtrar o
Modelo Digital de Terreno (DTM) em espaço de grade maior. Isso é confirmado pela
comparação dos perfis de altura do WV2 DTM e do SRTM em Teerã.
A qualidade dos DSMs em áreas urbanas também foi avaliada por meio de perfis de altura ao
longo de transectos, os edifícios são destacados pela presença de picos no DSM e confirmados
por interpretação visual na ortofoto correspondente.
4. Extração de informações 3D
Nas seções anteriores, demonstramos que é possível modelar uma grande área metropolitana
em detalhes usando imagens estéreo adquiridas por sensores óticos de satélite VHR. Os DSMs
permitem uma série de extração automática de informações 3D com o objetivo de prevenir,
monitorar ou simular os maiores desastres naturais do mundo ou avaliar eventuais danos.
Algumas aplicações comuns de DSMs incluem:
- Extração automática de altura de edifícios para estimativa de volume e população (Figura 19);
5. Conclusões
A análise dos DSMs mostra que a qualidade da superfície está relacionada aos parâmetros de
aquisição (ou seja, satélite e elevação do sol), o processamento geométrico (qualidade da
orientação inicial e disponibilidade de GCPs), a estratégia de correspondência (no nosso caso, a
ferramenta eATE no ERDAS LPS) e as características do terreno (ou seja, morfologia, faixa de
altura, cobertura do solo, água e cobertura de nuvens). Do ponto de vista da aquisição, a
relação base-sobre-altura da aquisição estéreo e, conseqüentemente, os ângulos de
convergência, é crucial para a geração automática de DSM. Do ponto de vista teórico, quanto
maior a relação B / H, melhor é a estereoscopia e a estimativa da altura; Por outro lado,
imagens adquiridas de ângulos de visão muito diferentes contêm certas desvantagens. Em
primeiro lugar, eles mostram oclusões em áreas urbanas devido a edifícios, portanto,
corredores entre edifícios não podem ser modelados adequadamente. Além disso, ângulos
grandes produzem sombras mais longas e, portanto, áreas homogêneas de baixa textura onde
a correspondência de imagens não funciona bem. No que diz respeito ao processamento de
imagem, a qualidade da orientação geométrica do sensor determina a exatidão da altura
estimada da superfície no espaço do objeto. Em geral, pontos de controle de solo são
recomendados para melhorar a precisão da geo-localização da imagem, mas no caso de áreas
remotas ou em situação de emergência, esta informação não pode ser recuperada. De
qualquer forma, recomenda-se garantir a orientação relativa entre as imagens que compõem
os pares e entre os pares medindo manualmente um número suficiente de pontos comuns
(empates) bem distribuídos nas imagens. Na verdade, a orientação relativa imprecisa de tiras
sobrepostas pode causar etapas de altura no DSM final.
No que diz respeito ao sensor, a qualidade das imagens GE1 e WV2 é boa e a altíssima
resolução espacial permite a modelagem detalhada de qualquer tipo de terreno. A
disponibilidade de canais multiespectrais é favorável para operação futura, como
mascaramento de nuvem e água, identificação de objetos.