Sunteți pe pagina 1din 35

3.

Modelarea digital a terenului


nsensulprezentatn [Hengletal.,2003],modelareadigitalaterenuluiesteunsetdetehniciprincarese obine un model numeric altitudinal (Digital Elevation Model, DEM). ns, dup cum este de ateptat, modelareasuprafeeiterestre,reprezentareasantrunspaiuvirtual,comportanumiteproblemecarein despecificulsuprafeei,nsineidemodulnostrudeaomsura. Modelelenumericealtitudinale,odatrealizate,igsescutilitateacadatedeinputpentruderivareaunor atribute topografice [Wilson, Gallant, 2000], a unor parametri geomorfometrici, a unor variabile morfometrice [Shary et al., 2002] sau a unor informaii generale [Martinoni Daria, 2004] despre terenul respectiv.

3.1. Sursele de date altitudinale


Suntcelecareprovindinmsurareaaltitudiniisuprafeeiterestre.nprezentexistcincisurseprincipalede datealtitudinale[Hengletal.,2003]: ridicritopografice; aerofotograme; hri,planuritopograficedejaexistente; scanarelaserdinavion; imaginisatelitaresterescopicesauradar. Dintreacestea,datelefurnizatedescanarealaserdinavionprezintceamaimareacuratee.Deasemenea, se pot obine att altitudinea suprafeei topografice, ct i cea a obiectelor de pe aceasta, cldiri, linii de nalt tensiune putnduse astfel determina volumele obiectelor. Imaginile satelitare obinute prin intermediul radarului sunt a doua surs foarte precis. Poate fi dat ca exemplu programul SRTM ( Shuttle RADAR Topography Mission), care n februarie 2000 a determinat altitudinea pentru aproximativ 80% din suprafaa terestr, furniznd astfel primul set global de date altitudinale, continue, la rezoluii spaiale bune: 1 arcsecund (aproximativ 30 m), disponibile gratuit pentru SUA i contra cost pentru restul lumii, distribuitedeNASA,i3arcsecunde(aproximativ60mlalatitudineaRomniei),disponibilegratuitpesite ulUSGS*.Versiuneaactualaacestordateoferoacuratee verticalde20metrii orizontalde16 metri (fade80macurateeaverticalaprimelorversiuni..). n Tab.3. 1 sunt prezentate succint principalele caracteristici ale metodelor de achiziie a datelor de altitudine. Fa de acestea, care furnizeaz datele ntro reprezentare spaial continu, practic direct ca DEMuri,hrilerezultatenurmaridicrilortopograficesuntosursmaiaccesibil,nsaudezavantajulc suprafaaterestrestereprezentatdiscontinuu,princurbedenivelicote.Cualtecuvintealtitudineaeste msurat n puncte de prelevare. i, n plus, conin deja o serie de erori de reprezentare a altitudinii, provenitefiedineroridemsurare,netapaderidicaretopografic,saudingeneralizareasuprafeei.Darca
* http://seamless.usgs.gov/

17

avantaj,oferun control mai mare asupra modului de realizarea modelului, utilizatorul avnd la dispoziie algoritmidiferiideinterpolareiposibilitateadeaimodifica. Parcursul tipic, urmriti n lucrarea de fa,de la harta topografictipritla modelul numericaltitudinal digitalpresupune: scanarea i georeferenierea hrii topografice: rezult o imagine digital care ns nu are nici o semnificaiepentrumodelareaterenului,fiindpurisimpluofotografie; vectorizarea hrii scanate: rezult o baz de date spaiale, cu elemente diferite: curbe de nivel, puncte cotate, reea hidrografic, limite. Nici acestea nu sunt nc modele numerice altitudinale, ntruct prezint suprafaaterestrfragmentat,cuvaloridealtitudinedoarpecurbeledenivelinpunctelecotate; interpolarea punctelor de prelevare: n urma acestei operaii se obine modelul numeric altitudinal, ca formdereprezentarespaialcontinuatopografiei.

Metodade colectare Ridicare topografic Imagistic stereoscopic Scanarelaser

Descriere ceamaimareacuratee; densitatemicapunctelordeprelevare; costurifoartemari densitatemareapunctelordeprelevare; poatefiparialsaucompletautomatizat; potapreaeroriindusedevegetaie scanerullaserestemontatnavion,careestedotatcu sistemdenavigaieprinGPS; datelebrutenecesitfiltrareiresamplingnaintedea puteafifolosite; poatepenetrafrunziulvegetaieimsurndatt suprafaavegetaieictiaterenului celmaimiccostpekmp; necesitpuncteterestredecontrol; procesarecomplex

Exempledesistemeutilizate sistemeleDGPS; tahimetriecustaietotal; sistemedenivelment

Acurateeatipic aDEMurilor <1m 1mm1m 1mm

fotografiiaeriene; 0,11m imaginisatelitare(SPOT,ASTER) 10m(20m) scanarelaserdinavion(LIDAR) 0.21m

Imagisticradar

SAR(SyntheticApertureRadar), 0.52m aeropurtat; dinsatelii(ERS,SRTM) 10m(20m)

Tab.3.1:Comparaientrediferitesistemedeachiziieadatelordealtitudinedup[Hengletal.,2003]

18

3.1.1. Scanarea i georeferen ierea h r ii topografice


Pentru elaborarea modelului numeric altitudinal al bazinului montan al Teleajenului, autorul a avut la dispoziie harta topografic, la scar 1:25 000, ediia din 1982, foile L3588Bd i L3588Db. Acestea au fost scanate color i stocate n format .ecw. Sa preferat acest format datorit algoritmului de compresie, carearedusmrimeafiierelorlaaproximativ4MB(fadepeste150MB,nformat.tif). Georeferenierea presupune alinierea imaginii la un sistem de coordonate. Este etapa n care imaginea devine o form de date spaiale, ntruct acestea se caracterizeaz prin raportarea la un sistem de coordonate, definit prin parametri precum proiecia i punctul de origine (datum). Prima consecin a acestui fapt este c scara hrii devine variabil, se poate naviga deasupra imaginii la nlimi diferite, controlateprinfactoruldezoom. n cazul nostru, georeferenierea sa realizat cu aplicaia Global Mapper 8*, n sistemul de coordonate al hrii:GaussKruger(Fig.3.1).nsdincauzaunorproblemedeintepretarealeacestuisistemdecoordonate de ctre aplicaia ArcGIS**, sa realizat o reproiectare n sistemul Stereo 70. Diferenele dintre cele dou sistemedecoordonatesuntredaten(Tab.3.2).
PROJCS["Pulkovo 1942(83) / Gauss Kruger zone 5, PROJCS["Dealul Piscului 1970/ Stereo 70", GEOGCS["Pulkovo 1942(83)", GEOGCS["Dealul Piscului 1970", DATUM["Pulkovo_1942_83", DATUM["Dealul_Piscului_1970", SPHEROID["Krassowsky 1940", SPHEROID["Krassowsky 1940", 6378245,298.3, 6378245,298.3, AUTHORITY["EPSG","7024"]], AUTHORITY["EPSG","7024"]], TOWGS84[24,-123,-94,0.02,-0.25,-0.13, AUTHORITY["EPSG","6317"]], 1.1], AUTHORITY["EPSG","6178"]], PRIMEM["Greenwich",0, PRIMEM["Greenwich",0, AUTHORITY["EPSG","8901"]], AUTHORITY["EPSG","8901"]], UNIT["degree",0.01745329251994328, UNIT["degree",0.01745329251994328, AUTHORITY["EPSG","9122"]], AUTHORITY["EPSG","9122"]], AUTHORITY["EPSG","4317"]], AUTHORITY["EPSG","4178"]], UNIT["metre",1, UNIT["metre",1, AUTHORITY["EPSG","9001"]], AUTHORITY["EPSG","9001"]], PROJECTION["Oblique_Stereographic"], PROJECTION["Transverse_Mercator"], PARAMETER["latitude_of_origin",46], PARAMETER["latitude_of_origin",0], PARAMETER["central_meridian",25], PARAMETER["central_meridian",15], PARAMETER["scale_factor",0.99975], PARAMETER["scale_factor",1], PARAMETER["false_easting",500000], PARAMETER["false_easting",5500000], PARAMETER["false_northing",500000], PARAMETER["false_northing",0], AUTHORITY["EPSG","31700"]] AUTHORITY["EPSG","2168"]]

Tab.3.2:DescriereasistemelordecoordonateGaussKrugeriStereo70nlimbajHumanReadableOGCWKT (sursawww.spatialreference.org)

* www.globalmapper.com ** www.esri.com

19

Fig.3.1:DetaliuasupraferestreicarepermitegeorefereniereanaplicaiaGlobalMapper.Seselecteazpunctedecontrolpehart iliseprecizeazcoordonatele(deobiceisuntpunctelaintesecialinilordecaroiaj).nfunciedenumrulacestora,algoritmuleste diferit.Pentrucazulnostru,cu4punctedecontrol,aplicaiaafolositalgoritmulaffine.

Detaliile de georefeniere ale fiecrei imagini sunt stocate de regul ntrun fiier text separat, cu aceeai denumire,darcuextensiediferit*,icareconineinformaiileurmtoare:(Tab.3.3)

3.33307226247083400 0.00000000000000000 0.00000000000000000 -3.33307226247082020 567871.49218175816000000 445287.44782849733000000

dimensiunea primului pixel al imaginii, pe abscisa sistemului de coordonate, msurat n direcie estic. dimensiunea primului pixel al imaginii, pe ordonata sistemului de coordonate (semnul indic faptul c se msoar distana ctre sud). coordonatele din centrul primului pixel al imaginii, din stnga sus (prima este valoarea pe axa X i a doua pe axa Y)

Tab.3.3:Informaiileprecizatentrunfiierworld,cudateledespregeorefereniereaimaginiilacareesteasociat (ncoloanadinstnga)

.evwasociatefiierelor.ecw;.tfwasociatefiierelor.tif;.jgwasociatefiierelor.jpg

20

3.1.2 Vectorizarea h r ii scanate


Aceast etap, denumiti digitizare, este cea care consum cel mai mult timp, ntruct presupune, n esen, prelevarea tuturor punctelor necesare pentru elaborarea modelului, att cele care definesc altitudinea (de pe curbele de nivel i punctele cotate), ct i cele care descriu morfologia (reeaua hidrografic). Operaia se numete vectorizare pentru c se obin date spaiale n format vectorial, adic definiteprinpunctealecrorcoordonateseraporteazlasistemuldecoordonatealhrii.Existtreitipuri dedatevectoriale asociateentitilor spaialede baz,princare sepoatereprezenta orice element al unei hri: de tip punct, potrivit pentru reprezentarea vrfurilor, neurilor, confluenelor, i a punctelor n care se realizeazoricemsurtoare; de tip linie,pentru reprezentarea elementelor liniare,adic cele care se definesc prin aceeaiproprietate n lungul unei linii, precum izoliniile de orice tip, reelele de orice tip (hidrografic, de ci de comunicaie), falii,axedesinclinal/anticlinal,etc.; de tip poligon, pentru reprezentarea entitilor ale cror proprieti se menin pe o anumit suprafa, precum parcele construite, bazine hidrografice, lacuri, suprafee cu o anumit utilizare a terenurilor, tip de sol,unitategeologic,etc. Toate acestea se organizeaz ntro baz de date spaiale, i pot fi folosite selectiv, pe baza atributelor asociate,pentrurealizareaunorhari,fiedigitale,fietiprite. PentrulucrareadefaaceastetapsarealizatncadrulaplicaieiArcMap,dinpachetulArcGIS9.2(Fig.3. 2).Sauvectorizat: curbeledenivel:entitidetiplinie,cuechidistana10m,lungimeatotal,cumulat,3608.75km; vrfurile:datevectorialedetippunct,total53depuncte; punctelecotatenmicrodepresiuni(sinks):conflueneineuri,ntotal7puncte; reeaua hidrografic: date vectoriale de tip linie, vectorizate n sensul de scurgere al apei, ierarhizat n sistemHortonStrahler,lungimeacumulatasegmentelorderu183,7km; limita modelului: date vectoriale de tip poligon, suprafaa 91,8 km2, corespunde unui cadru n exteriorul cumpeneideape,caredelimiteazbazinulhidrograficde56,5km2.

21

Fig.3.2:Detaliidinetapadevectorizare.Primaimagineconineihartatopograficscanat(L3588Bd_st.ecw),iarceadeadoua doarentitileextrase:cumpnadeape(c_ape_st),vrfurile(point_peaks),curbeledenivel(contours),reeauahidrografic (streams)aacumestedefinitdeinflexiunilecurbelordenivel.

22

3.2 Interpolarea punctelor de prelevare


Esteetapancareseobineoreprezentarecontinuasuprafeeiterestre,iarmetodadeinterpolareesteo funcie matematic prin care se estimeaz valorile altitudinilor n locurile n care nu exist puncte de prelevare. n cazul nostru, punctele de prelevare sunt capetele segmentelor ce compun fiecare izohips, crora li se asociaz valoarea de altitudine a curbei de nivel, i punctele cotate, fie ca vrfuri, fie ca microdepresiuni.

3.2.1. Structurile de date pentru reprezentarea DEM


Pentru a reprezenta variaia continu a unui parametru (altitudine, temperatur, concentraie chimic, porozitate,etc)peoanumitsuprafa,sefolosescdoutipuridestructuridedate[Hengletal.,2003]: 1)Reeatriangularneregulat(Triangulatedirregularnetwork, TIN),structurcompusdinnoduri,muchii itriunghiuri.Nodurilesuntpuncteledeprelevarecareseunescprinmuchii,naafelnctsseformezeo reeadetriunghiuri,caresrespectecriteriulDelauney*.ntructfiecarenodestereprezentatprintripletul decoordonatepeaxeleX,Y(coordonatelerectangulare)iZ(altitudinea,ncazulnostru),esteposibilsse defineasc panta fiecrei muchii i o serie de parametri pentru fiecare fa triangular n parte: panta, expoziia, aria i lungimea. Rezult astfel o form continu de reprezentare a suprafeei terestre, care prezint avantajul c permite redarea unor trsturi structurale precum vrfurile, rupturile de pant i microdepresiunile(Fig.3.3).

Fig.3.3:DetaliudinmodelulnumericaltitudinalalbazinuluimontanalTeleajenuluireprezentatcareea triangularneregulat.Seobservefecteledeterasarenlocurilecudensitateredusapunctelorde prelevare(peinterfluviiintalvegurilevilor).

Suprafeelecercurilecircumscrisetriunghiurilorsnuconinnoduri.

23

2) Reea rectangular regulat (GRID), stocat ca raster, n care fiecrui pixel i corespunde o valoare a parametruluireprezentat,ncazulnostru,ovaloaredealtitudine.Sedefineteprinrezoluiaspaial(Fig.3. 4),datdemrimea,nunitateademsuraterenului,alaturiifiecreicelule.Aceastacontroleazcalitatea modelului, n sensul c reprezint limita de reprezentare a elementelor morfologice. Obiectul matematic corespunztor gridului este matricea i de aceea, dei prezint o serie de dezavantaje fa de TIN, este preferat datorit posibilitii ridicate de integrare n operaii GIS. De asemenea, este mai uor de procesat mai ales n etapa de analiz digital a terenului i de aceea eforturile sau concentrat mai degrab n mbuntireatehnicilordeinterpolaredectnintegrareaTINurilornanaliz.

Fig.3.4:DetaliidinmodelulnumericaltitudinalalbazinuluimontanalTeleajenului,reprezentatca reearectangularregulat(grid).Imaginilereprezintaceeairegiune,larezoluiidiferite,pentrua ilustradependenacalitiimodeluluidemrimeacelulei(p):a)p=20m,b)p=60m,c)p=100m,d) p=200m.

24

3.2.2. Metoda de interpolare


Existdiversemetodedeinterpolaredisponibilendiferitepachetesoftware,aplicabilediferitelortipuride date,precum:naturalneighbour,nearestneighbour,polynomialregression,kriging,inversedistance,spline, triangulation, minimum curvature, etc. Acestea se clasific n funcie de efectul de netezire (smoothing effect)saudupefectuldeproximitate(proximityeffect)[Hengletal.,2003]. Dupefectuldenetezireinterpolareapoatefi: exact:dacpstreazvalorilenpuncteledeprelevare.Metodele kriging (dacparametrul nuggeteffect seseteazlavaloarea0),spline,nearestneighbour,triangulationsuntexempledeastfeldemetode; aproximativ: n care valorile n punctele de prelevare nu sunt conservate, n metode precum kriging (cu nuggeteffect),polynomialregression,naturalneighbour. Dupefectuldeproximitatepotfi: metode locale, n care interpolarea se face local, pe un subset al punctelor de prelevare: natural neighbour,nearestneighbour,krigging; globale, n care pentru estimarea unei valori se includ n calcul valorile tuturor punctelor de prelevare: polynomialregression,spline. Oaltclasificarempartemetodelen[Srkzy,1998]: metodebazatepevecintateageometric,considernddivizareaspaiuluinceluleVoronoy metode statistice bazate pe media ponderat, care estimeaz o valoare aplicnd o medie ponderat asupra valorilor din apropiere. Metode locale, acestea difer dup modul de calcul al coeficientului de ponderareprecuminumrulvalorilorconsiderate.Exemple:inversedistance,kriging; metode care utilizeaz funcii elementare, utile n analiza tendinei dintrun set de date. Sunt metodele globalemeionateanterior; metode care utilizeaz reele neurale artificiale petru predicia valorilor necunoscute. Acestea au fost recent aplicate n analiza spaial, iniial n clasificarea pixelilor din imaginile satelitare multispectrale, i apoinestimareaunorvariabile,precumcantitateadeprecipitaii. PentrustudiuldefasafolositunalgoritmdeinterpolaredenumitANUDEMidezvoltatdeCentrulpentru Resurse i Studii de Mediu (Centre for Resource and Environmental Studies, CRES), Universitatea Naional Australian, Canberra, Australia, i implementat n programul ArcGIS 9.2, prin intermediul uneltei Topo to Raster (care preia versiunea 4.6.3 a ANUDEM). Aceasta este o metod de interpolare optimizat pentru a avea eficiena de calcul a metodelor locale, fr a pierde continuitatea suprafeei, asigurat de metodele globale, fiind conceput pentru modelele numerice altitudinale destinate modelrii hidrologice. Este o

25

metod prin care se propune s se in cont de particularitile seturilor de date spaiale, precum: [Hutchinson,1993] numrul mare depuncte deprelevare: deexemplu, pentru studiuldefa,de pe unbazinhidrograficde 56,5 km2 sau obinut 67495 de puncte din vectorizarea curbelor de nivel. Pentru orice alt suprafa de interpolat, numrul de puncte de prelevare este de maxim cteva sute. Tehnicile de interpolare global, precumplatesplines,ncarefiecarepunctinterpolatdepindeexplicitdetoatepuncteledeprelevare,devin astfel foarte greu de folosit din cauza timpilor mari de calcul. De cealalt parte, tehnicile de interpolare local au o eficien de calcul sporit datorit mpririi suprafeei n areale de dimensiuni mai mici, i aplicarea unor funcii simple pe fiecare areal n parte, ns acestea sunt restricii arbitrare care pot avea consecinedenedorit,precumprezenaunorefectedeterasare; ntruct,decelemaimulteori,puncteledeprelevareaaltitudinilorsuntobinutedinhriletopografice, acestea se caracterizeaz printro acuratee mare (ele corespund exact curbelor de nivel de pe harta topografic;dacaceastaprezinteroridereprezentare,acesteavorapreanaceeaiproporieinDEM ul final), iar suprafaa topografic este rareori neted. Aceste aspecte nu sunt surprinse de metodele de interpolarecaredescriutendinauneisuprafee; suprafaa topografic prezint numeroase vrfuri i puine microdepresiuni (sinks) care nu sunt consideratenmetodeledeinterpolaregeneral; datele de altitudine nu sunt prelevate aleatoriu: ele sunt fie puncte deosebite, vrfuri alinitate pe o cumpn de ape, sau puncte n talvegul rurilor, fie sunt puncte de pe curbe de nivel. Un algoritm de interpolare a altitudinilor ar trebui sin cont de aceasta: dac toate cotele vrfurilor au fost prelevate, algoritmul ar trebui s nu genereze maxime locale prea deprtate de acestea, iar inflexiunile curbelor de nivel,cedescriufiecursurifiecumpenedeap,artrebuiconsideratedeasemenea; reeaua hidrografic extras de pe harta topografic (care nu reprezint, n fapt, date de altitudine) ar trebuifolositcamijlocdeconstrngereaDEMuluiastfelnctaltitudinilesdescreascuniformnlungul fiecruicursdeapiexisteorupturdepantndreptultalvegului,nprofiluriletransversalealevilor; n zonele cu pantmic, unde curbelede nivelsuntdistanatedeterminnd scderea densitii punctelor deprelevare,algoritmulartrebuissemeninstabilisnugenerezeformedereliefaberante;nspecial, integritateadrenajuluitrebuiemeninut,prinincludereavectorilorcedescriureeauahidrografic.

26

Schema de implementare a algoritmului, cu evidenierea tuturor parametrilor accesibili utilizatorului, este redatnFig.3.5

TopotoRaster Settings:
rezoluiamodelului(outputcellsize) extindereamodelului(outputextent) numruldecelulepemargine(marginincells) valoareaminime/maximfolositeninterpolare (smallest/largestzvaluestobeusedin interpolation) 5. constrngereadrenajului(drainage enforcement) 6. tipulprincipaldedatedeinput(primarytypeof inputdata) 7. numrulmaximdeiteraii(maximumnumberof iterations) 8. factorulderugozitate(roughnesspenalty) 9. factoruldecorecieaeroriidediscretizare (discretisationerrorfactor) 10. eroareaverticalstandard(verticalstandard error) 11. douniveluridetoleran(tolerance1, 2) 1. 2. 3. 4.

Input

Output

Curbedenivel Cote,vrfuri Reeauahidrografic Limitamodelului

DEM
Diagnosticfiles:
remainingsinkpointfeatures (vectordata) diagnosticfile(report,.txt)

Fig.3.5:SchemadeimplementareaunelteiTopotoRasterpentruobinereamodeluluialtitudinalalbazinuluimontanal Teleajenului.

27

3.2.2.1. Rezolu ia modelului Esteunparametrugeneral,definitdedimensiuneacelulei,aplicabiloricruisetdedateraster,nscare,n cazulceloraltitudinale,prezintimportanpentrucestelimitareprezentriielementelorgeomorfologice: nusepotreprezentaformedereliefcudimensiunimaimicidectrezoluiarasterului.ngeneral,orezoluie maimicaunuimodelaltitudinalsereflectncretereaacurateiideterminriiparametrilormorfometrici. ns aceasta depinde de variabilitatea terenului. ntro regiune n care altitudinile variaz puin, n cmpii sau depresiuni, nu este neaprat necesar un model cu o rezoluie mic, deoarece scderea rezoluiei determin creterea nejustificat a numrului de celule i deci, a mrimii setului de date. Alegerea rezoluiei optime se bazeaz pe un compromis ntre acurateea parametrilor morfometrici i dimensiunea setului de date. n cazul nostru, ntruct regiunea este una de munte, variabilitatea terenului este mare i deci, este de dorit reducerea ct mai mult posibil a rezoluiei. ns aceasta trebuie s se fac n limitele datelor disponibile. Ca regul general, mrimea pixelului trebuie s fie mai mic dect distana medie la care produce o schimbare n morfologia terenului. De asemenea, trebuie s se in cont de faptul c modelulnuserealizeazplecnddelamsurtoridirectealesuprafeeiterestre,cidelahartatopografic, carelascara1:25000prezintdejaungradsemnificativdegeneralizareaformelorderelief. innd cont de aceste aspecte, pentru un set de date se pot defini trei rezoluii standard pentru modelele derivate[Hengletal.,2003]: cea mai grosier rezoluie: rezoluia maxim care se poate folosi innd cont de scara hrii topografice iniiale, acurateea localizrii, dimensiunea formelor de relief i complexitatea terenului. Utiliznd rezoluii mai mari dect aceasta nseamn c nu se respect acestea. Pentru estimarea acesteia, autorul citat propuneurmtoareaformul:

P=

A (3.1), Sl

unde P este mrimea celulei, A este aria n plan a zonei pentru care se deriv DEMul iar Sl este suma lungimilortuturorcurbelordeniveldigitizate. ceamaifinrezoluie:ceamaimicposibil,corespundeacurateiimaximedelocalizare,suficientpentru a reprezenta 95% din obiectele spaiale sau elementele morfologice. O rezoluie mai mic dect acesta nseamndoarunconsuminutildememorie.Sepoateaflaaplicndformula:

P=

Wmld (3.2), 2

undeWmldestedistanaminimdintredoucurbedenivel orezoluieintermediar,ntreacestea,iarsoluiarecomandateste:

28

P=

A (3.3) 2Sl

Aplicnd formulele (1) i (3) la setul nostru de date* , se obin valorile P = 12.7 m, pentru rezoluia intermediari P=24 m, pentru rezoluia maxim. Lungimile curbelor de nivel i suprafaa de studiu se precizeaz automat, de ctre program, n tabelul de atribute, aceasta fiind o caracteristic a formatului de bazdedatespaialeimplementatdeESRI:geodatabase. Vom considera acestea limitele intervalului de valori pentru rezoluia modelului numeric altitudinal. Alegereauneivaloridinacestintervalsevafaceprincomparareaunormodelelarezoluiidiferite,nfuncie de acurateea verticali de distribuia unor parametri derivai ai terenului, precum panta sau curbura suprafeei. 3.2.2.2. Extinderea modelului i num rul de celule pe margine Reprezint limita, n coordonatele sistemuluincare se lucreaz, pnlacarese realizeazinterpolarea. Se definete fie prin precizarea coordonatelor direct de ctre utilizator, fie prin preluarea coordonatelor poligonului folosit ca limit. Deoarece pe marginea modelului sunt mai puine date disponibile pentru interpolare, apar erori, aberaii fa de restul modelului. Pentru nlturarea aceastora, unealta permite precizarea unui numr de celule n care s se continue interpolarea, dincolo de limita modelului. O alt soluie este definirea unui cadru mai extins dect bazinul hidrografic delimitat prin cumpna de ape, ns aceasta presupune i prelungirea timpului de vectorizare pentru extragerea unor curbelor de nivel din exteriorulcumpeneideape. 3.2.2.3. Valoarile minime i maxime folosite n interpolare Se pot preciza pentru a constrnge interpolarea s nu genereze rezultate nerealiste. Pentru modelul din lucrare sadefinitdoarvaloareamaxim 1955 m, puin mai mare fa devaloareamaxim real,a vrfului Ciuca, de 1954.2 m, pentru a permite eventuala aplicare ulterioar a unor filtre, care vor reduce din aceastvaloare. 3.2.2.4. Constrngerea drenajului ( drainage enforcement ) Esteopiuneacarecontroleazacurateeareprezentriireeleihidrograficenmodelulfinal,prinnlturarea microdepresiunilor(sinks)cauzatedeerorininterpolare.Utillizatorulpoatealegedintre: Enforce:algoritmulvanlturatoatemicrodepresiunile,indiferentdacsuntrealesaunu,carese opundrenajuluidescrisdereeauahidrografic. Enforcewithsinks:algoritmulvanlturadoarmicrodepresiunilecareaparcaerori,pstrndule peceledindateledeinput.
* Autorulcitatarealizatiunsitespecialdedicatacesteiprobleme,depecaresepoatedescrcaunfiier.xlscuformulelepredefinite,cuajutorul cruiasepotdeterminaacesterezoluii:http://spatialanalyst.net/pixel.php

29

Noenforce:algoritmulnuvanlturaniciomicrodepresiune. Pentru datele noastre, dei conin 7 puncte definite ca microdepresiuni, sa constatat c opiunea enforce oferrezultatemaibune. 3.2.2.5. Tipul principal de date de input i num rul maxim de itera ii Pentru tipul principal de date de input sunt dou variante, fie curbe de nivel, adic linii, fie vrfuri, adic puncte. Este important precizarea aceasta pentru reducerea timpului de calcul. n cazul n care datele principale sunt curbe de nivel, algoritmul va realiza mai nti o morfologie generalizat a suprafeei bazat peinflexiunilecurbelordenivel,iarulterioracesteavorficonsideratecasursdealtitudini. Numrulmaximdeiteraiiesteimportantpentrureducereaerorilorreprezentateprinmicrodepresiuniin general, cu ct se realizeaz mai multe iteraii, cu att se reduc mai multe microdepresiuni. ns de la un anumitpragnsus,operaiadevineredundanticonsumatoarederesurse.Documentaiaaplicaieiindic valoreade40deiteraiicamedie,valoarecareaifostfolosit. 3.2.2.6. Factorul de rugozitate ( roughness penalty ) Reprezint valoarea curburii n profil, care exprim modul n care variaz panta n direcia n care are cea mai mare valoare. Alocnd acestuiparametru o valoaremic(chiar0), algoritmul va fi constrns sreduc variaia pantei n lungul direciei ce exprim orientarea versanilor, avnd ca efect o netezire a suprafeei finale.Pentrustudiuldefasaalesvaloarea0,recomandatdedocumentaiepentruacompensaefectul de uoar terasarea versanilor cauzat de faptul calgoritmul acord o importanmare curbelor de nivel ndefinireamodeluluifinal. 3.2.2.7. Factorul de corec ie a erorii de discretizare ( discretisation error factor ) Aceast eroare apare ca urmare a faptului cntrepunctul folositpentru estimareavalorii fiecrei celule i centrul celulei exist o oarecare distan, n plan. Atribuirea acelei valori n centrul celulei are ca efect apariiauneidiferenentreaceastaivaloareacarearfitrebuitsfiedacseinecontdepantasuprafeei. Aceasta este o eroare vertical care se compenseaz prin multiplicarea valorii iniiale, cea care a dat valoareacelulei,cu acestfactordecorecie,carearecaefectdiminuareapanteifiecreiceluleiobinerea uneisuprafeemainetede(smooth).Valoriletipicesugeratendocumentaiaaplicaieivariazdela0.5la2. Valorilesubunitarearaccentuapantalocalideci,arfurnizaosuprafamaiaspr,iarcelesupraunitare ar diminua panta i deci, eroarea vertical dintre valoarea atribuit n centrul celulei i valoarea real, efectulfiindunuldenetezireasuprafeei. n Fig.3. 6 este ilustrat situaia n care apare aceast eroare [Hutchinson, 2000]: A este punctul a crui valoareesteatribuitcentruluicelulei(punctulB),careseaflladistanaddecentru.Cestevaloareareal din centrul celulei, calculat pe baza pantei i a distanei d. ntre valoarea real i valoarea atribuit
30

centrului celulei (i deci celulei ntregi) apare o diferen, denumit eroarea de discretizare i notat cu z, caresepoatecorectaprinnmulireavaloriiAcuunfactordecorecie. Pentru a testa efectul acestui parametru sa realizat o seriedemodele,larezoluiidiferite,cuvaloridiferiteale acestuia i sa analizat variaia erorii altitudinale, precizat n fiierul diagnostic al fiecrui model ca eroare medie ptratic a diferenelor dintre altitudinea precizat n punctele de interpolare i altitudinea modelului n acele puncte. Datorit faptului c algoritmul realizeaz griduri succesive, la rezoluii mai nti mari, apoi din ce n ce mai mici, n fiierul diagnostic al fiecrui model se precizeaz valoarea RMS a diferenelor dintre punctele de prelevare i model pentrufiecarerezoluieanterioarceleifinale,setatde utilizator. De exemplu, dac se dorete un grid cu o rezoluie de 20 m, algoritmul realizeaz 6 griduri, ncepndcurezoluiade640miapoinjumtinddefiecaredatrezoluia,pnlavaloareafinal.Pentru fiecare n parte, se precizeaz numrul de microdepresiuni rezultate i eroarea altitudinal, ca medie aritmetic a diferenelor dintre punctele de prelevare i fiecare grid. Pentru acest test sau realizat 12 modele, cu rezoluii de 15, 18, 20 i 25 m, iar pentru fiecare cte unul cu valori diferite ale factorului de corecie a erorii de discretizare, respectiv 0.5, 1 i 1.5. Reprezentarea rezultatelor n graficul din Fig.3. 7 a duslaformulareaurmtoarelorconcluzii: factorul de corecie a erorii de discretizare influeneaz direct acurateea modelului. Valorile mici, subunitare, au ca efect o suprafa mai puin netezit i deci, mai apropiat de valorile punctelor de prelevare, pe cnd valorile mari, supraunitare, dau un efect de netezire care se transpune n creterea difereneidintrealtitudineapunctuluideprelevareaiceaamodelului; aceastasentmplcuoimportanmaimaredectarerezoluiafinalamodelului:seobservccurbele corespunztoare celor 4 rezoluii se suprapun aproape perfect, diferind doar n funcie de factorul de corecie a erorii de discretizare. Cu alte cuvinte, algoritmul interpoleaz cu aceeai acuratee modele la rezoluiiledinintervaluldefinitanterior,ntre12.8i24metri.
Fig.3.6:Ilustrareamoduluincarerezulteroareade discretizarenprocesuldeinterpolare.

31

Fig.3.7:Reprezentareagraficavariaieieroriimediiptratice,camsuraacurateii modelului,nfunciederezoluie(P)idefactoruldecorecieaeroriidediscretizare (Def).Seobservccele12curbeaproapesesuprapunctepatru,pentrufiecare rezoluieivariazfoartesemnificativdoarnfunciedevaloareafactoruluidecorecie aeroriidediscretizare.

32

3.2.2.8. Eroarea vertical standard Este un parametru ce permiteincluderea erorii aleatorii avalorilor de altitudine.n cazul valorilor preluate direct de pe harta topografic, i nu prin intermediul instrumentelor (altimetre, receptoare GPS) acestui parametru i se poate aplica valoarea 0, indicnd faptul c preluarea curbelor de pe harta topografic sa realizatcuacurateemaxim. 3.2.2.9. Dou niveluri de toleran Asupraacestorparametri,documentaiaalgoritmuluiestelipsitdedetaliisuplimentarenafarafaptuluic asigurun control al drenajului, primul avnd valoarearecomandatjumtate din echidistana curbelor de nivelialdoilea,jumtatedinamplitudineareliefului.Saufolositaadarvalorilede5mirespectiv600m.

3.3. Validarea i optimizarea modelului


Validareamodeluluiesteoperaiaprincareseevalueazacurateeasa,pnchiarlaniveldepixel.Precizm odefiniieatermenuluiacuratee,formulatdeISO*:diferenadintrevalorileobservateivalorilereale, sauacceptatecareale(ISO/TC2111999,[Martinoni,2002]). [Hengletal.,2003]distingedoutipurideacurateeaunuimodelnumericaltitudinal: absolut, msurabil prin valoarea RMS a diferenelor dintre altitudinile reale i cele ale modelului, n puncteledeprelevare,sauntrunsetdepunctedecontrol; relativ, care exprim modul n care modelul red morfologia i aspectul general al reliefului i care prezintoimportanmaimarepentruanalizaterenului,dectacurateeaabsolut. Calitatea modelului poate fi evaluat prin analiza att a factorilor care influeneaz generarea sa i ct i a unorparametriderivai,acrordistribuieestefoartesensibillavalorilemodelului,precum: metoda de colectare i densitatea punctelor de prelevare: n cazul nostru metoda de colectare i densitatea punctelor de prelevare asigur acurateea maxim fa de reprezentarea cartografic, ns nu neapratifadesuprafaareal;modelulpreiaacurateeai,implicit,eroriledinhartatopografic; rezoluia modelului: dup cum sa artat, alegerea valorilor de rezoluie n intervalul optim determinat (ntre 12.8i23 m,cap. 2.2.2.1.) nu afecteazacurateea absoluta modelului, nspoate fideterminant ndefinireaacurateiirelative; algoritmul de interpolare: influeneaz prin efectele de netezire i de proximitate, prin numrul de parametri de interpolare care pot fi ajustai i prin includerea unor metode de autodiagnostic; algoritmul folosit n prezenta lucrare este foarte potrivit pentru interpolarea corect din punct de vedere hidrologic,
*InternationalOrganizationforStandardization,AsociaiaInternaionalpentruStandardizare

33

iarprin parametri de interpolarecare potfiajustai, asiguri posibilitatea derivrii uneisuprafee corecte dinpunctdevederemorfologic; o serie de parametri derivai, sensibili la variaiile locale ale modelului altitudinal, precum: expoziia versanilor(aspect),pantaicurburasuprafeeinprofil(profilecurvature);omsurbunestenumrulde pixeliacrorvaloareaparametrilorderivainuapututfideterminat(NoDatavalue). Optimizarea modelului, este o operaie de postprocesare, prin care se reduc erorile depistate n etapa de validare. Dou metode eficiente de optimizare a modelului, aplicate i n lucrarea de fa, sunt filtrarea i mediereamaimaimultorrezultate[Hengletal.,2004].

3.3.1. Evaluarea acurate ii absolute


n contextul validrii acurateii absolute a unui model numeric altitudinal, eroarea medie ptratic este indicatorulcelmaifolosit[Martinoni,2002].Acestasecalculeazcuformula:

RMSE :=

unde RMSE este eroarea medie ptratic (Root Mean Square Error), z DEM x i reprezint valorile altitudinii precizate de model n punctele deprelevare x i , iar z 0 xi reprezint valorile msuraten puncteledeprelevareideci,considerateaficelereale. Metodadeinterpolarefolositincludeicalculareaacestuiindicator,pentrufiecarerezoluieintermediar, iarrezultatulesteprecizatntrunfiiertext dediagnostic.Valorileacestuiindicator, pentrucele 12modele testate, au fost precizate deja n contextul explicrii parametrilor algoritmului de interpolare (cap. 2.2.2.7). nTab.3.4suntprecizatevalorileacrordistribuieesteprezentatngraficuldin Fig.3.7.Pentrucelepatru rezoluii finale valorile erorii medii ptratice cresc proporional att cu valorile rezoluiei, artnd faptul c modelul cu cea mai mare acuratee absolut este cel cu rezoluia cea mai mic (15 m) ct i cu valoarea factoruluidecorecieaeroriidediscretizare,celecuceamaibunacurateerezultndnurmasetriiDef= 0.5(Tab.3.4,rndulde jos). Valorile acesteierori variaz dela1.32mpentru rezoluiade 15 m,la4.62 m, pentrurezoluiade25m.

z DEM x i z 0 xi 2
i=1

34


P 960 480 240 120 60 30 15 Def=1 33.80 24.50 15.90 10.20 6.25 3.77 2.32 Def=1. 5 44.50 33.80 21.10 14.10 8.67 5.18 3.27 Def=0.5 20.00 14.20 9.32 5.75 3.57 2.13 1.32 P 1152 576 288 144 72 36 18 Def=1 Def=1.5 Def=0.5 40.10 26.30 17.50 11.50 7.12 4.29 2.61 53.50 36.60 23.30 15.80 9.85 5.83 3.66 23.90 15.30 10.30 6.49 4.07 2.44 1.47 640 28.70 320 18.40 160 12.30 80 40 20 7.66 4.65 2.83 38.80 25.00 16.80 10.60 6.46 3.94 16.80 10.90 6.97 4.42 2.65 1.59 800 33.10 400 20.80 200 14.20 100 50 25 9.13 5.48 3.30 45.10 28.10 19.10 12.60 7.59 4.62 19.50 12.60 8.19 5.22 3.12 1.86 P Def=1 Def=1.5 Def=0.5 P Def=1 Def=1.5 Def=0.5

Tab.3.4:RMSpentrucele4modele,pentrufiecarerezoluieintermediardinprocesuldeinterpolare.Culorilesuntalecurbelor corespunztoaredepegraficuldinFig.3.7.Valorilescrisecucaracterenclinatesuntalemodelelorintermediareelaboratetemporar nprocesuldeinterpolareicareaufostterselafinalulinterpolrii.Valoriledinrnduldejossuntalecelor12modelefinale.

Sintetizarea tuturordiferenelordintremodeliterenulrealntrunsingurindicator esteometodrobust de evaluare a acurateii modelului. ns eroarea medie ptratic nu oferi o descriere a abaterii medii a valorilor modelului fade valorile din punctele de prelevare, abatere care n mod curent este considerat 0, ceea ceimplico stare de staionaritate, iar aceasta nu se justificntotdeauna ntrun model general al erorii.[Martinoni,2002]. Pe de alt parte punctele de prelevare sunt deja o reprezentare incert a terenului real, iar aceasta nseamn c modelul va prelua erorile* acesteia. n plus, discretizarea suprafeei terestre n curbe de nivel genereazun efect care pune probleme pentru derivarea parametrilor morfometrici: efectul de terasare al versanilornlungulcurbelordenivel.Algoritmuldeinterpolarefolositnuestesuficientdeelaboratpentru anlturaacestefectcaresepareafostrezolvatnversiunilemairecente,prinintroducereaunuiparametru carepermiteadaptarealocalainterpolriilavariaiapantei[Hutchinson,2000]. Iat de ce n cazul datelor provenite din reprezentri cartografice acurateea absolut este mai puin importantdectcearelativ.

3.3.2. Evaluarea acurate ii relative


n seciunea precedent sa artat c modelul prezint o eroare medie n intervalul 1.32 m 4.62 m. Aceasta poate fi considerat acceptabil, ns, dup cum sa artat, nu poate cuprinde msura n care modelulcorespunderealitii.Pentruaceasta,ctevametodesuntlandemn: analizareadistribuieimicrodepresiunilorrezultatecaerorinprocesuldeinterpolare; extragereareeleihidrograficeiacurbelordeniveldinmodelicomparareacucelevectorizatedirectde pehartatopografic; derivareaunorparametrifoartesensibililavariaiiledealtitudineianalizareadistribuieilor;

Aicitermenuleroaretrebuienelesnsensstatistic,caprezenaincetitudiniiinuneapratauneivalorieronate.

35

3.3.2.1. Distribu ia erorilor ca microdepresiuni Unul din fiiere de diagnostic create automat n procesul de interpolare cuprinde erorile reprezentate de microdepresiunile artificiale.Numruli distribuia acestora pot oferi indicaiiasupra validitii interpolrii. Succesiunea de hri de la Fig. 2.8. la Fig. 2.17. prezint distribuia acestor erori pentru cele nou modele realizate*. Se observ c numrul de erori scade pe msur ce cresc valorile rezoluiei i coeficientului de corecie a erorii de discretizare, n concordan cu observaia c factorul Def controleaz netezirea suprafeei.Celmaimicnumrdeerori,S=11,corespundemodeluluicurezoluiaP=20miDef=1.5.

Fig.3.8.P=15m,Del=1.0,S=26

Fig.3.9:P=18m,Def=1.0,S=24

Fig.3.10:P=20,Def=1.0,S=21

Pentrufiecarehart,Pestevaloarearezoluiei,Defvaloareacoeficientuluidecorecieeeroriidediscretizare(v.2.2.2.7.),iarSreprezint numruldemicrodepresiunirezultate.

36

Fig.3.11:P=15m,Def=1.5,S=23

Fig.3.12:P=18m,Def=1.5,S=19

Fig.3.13:P=20,Def=1.5,S=11

Fig.3.14:P=15m,Def=0.5,S=52

Fig.3.15:P=18m,Def=0.5,S=46

Fig.3.16:p=20m,Def=0.5,S=45

37

3.3.2.2. Compararea re elei hidrografice i a curbelor de nivel Pentru compararea reelei hidrografice digitizate cu cea derivat din model, se poate folosi layerul derivat automat n procesul de interpolare, ca fiier de diagnostic. n Fig.3. 17, Fig.3. 18 i Fig.3. 19 sunt redate detaliidinreelelehidrograficevectorizateiextrasedinmodel.Urmtoareleobservaiiseimpun: Reeaua a fost extras din model pe baza unui algoritm ce compar valorile fiecrui pixel cu valorile pixelilordinjuritraseazoliniendireciancaredescrescacestevalori.Serealizeazastfelmaidegrabo reprezentare a cmpului de drenaj al suprafeei topografice. De aceea i aspectul relativ dezordonat i prezena segmentelor care nu conflueaz. Astfel liniile de concentrare a drenajului, reprezentate prin segmentele ce par c se acumuleaz, se orienteaz exact pe traiectoria liniilor din reeaua hidrografic real,ceeacearatcmodelulestecorectdinpunctdevederehidrologic,nsensulcnuconinebarieren liniilededrenaj. Aceasta este valabil pentrutoate modeledin intervalul de rezoluii testat, precumipentrudiferite valori aleDef,ceeacedemonstreazoportunitateafolosiriialgoritmuluipentruinterpolareaunormodelecepotfi folositenanalizehidrologice.

Fig.3.17:P=15m,Def=1

Fig.3.18:P=18m,Def=1

Fig.3.19:p=20m,Def=1

38

Comparareacurbelordenivelextrasedinmodelcucelevectorizateserealizeaznmodanalog,operaiade extragereaizoliniilordinoricesetdedatedetiprasterfiindunacurentntoateaplicaiileGIS.Vomanaliza distribuia acestora tot pe o suprafa redus din zona de studiu, pentru a surprinde detaliile, i tot comparativ, ntre modele create cu diferii parametri (rezoluia i coeficientul de corecie a erorii de discretizare).ipentruaobservaimaiamnunitrezultatulinterpolrii,curbeledenivelaufostextrasedin modelecuoechidistande5metri,jumtatedinceaahriitopografice. n Fig.3. 20, Fig.3. 21i Fig.3. 22 suntprezentate curbele de nivel extrase din modele derezoluie 15 m. Se observ c cea mai bun reprezentare a curbelor de nivel sa obinut din modelul interpolat cu Def = 0.5. Cum acest factor controleaz netezirea modelului, valoarea cea mai mic va impune ca interpolarea s se fac cu valori mai apropiate de datele de input dect n cazul celorlalte modele, de aici i asemnarea mai mareacurbelordenivel.Peansamblu,ns,izohipseleextrasedintoatemodelelesesuprapunbinecucele vectorizate de pe harta topografic. Aceasta indic faptul c interpolarea sa realizat fr erori majore n toate cazurile i c, din acest punct de vedere, compararea curbelor de nivel este util pentru validarea rezultatelor,nsnuesteuncriteriuconsistentpentrualegereaceluimaiadecvatmodel.

Fig.3.20:P=15m,Def=1.0

Fig.3.21:P=15m,Def=0.5

Fig.3.22:P=15m,Def=1.5 39

3.3.2.3. Distribu ia parametrilor morfometrici diagnostic Doiparametriderivaidinmodelulnumericaltitudinalsuntimportanipentrucdistribuialorpoatevalida rezultatul interpolrii, mai ales n ceea ce privete prezena versanilor terasai. Rezult astfel o metod eficientdeevaluareaacurateiirelativeamodelului,ceacarevizeazformageneralareliefului. Ceidoiparametrisunt: Panta: fiind un indicator alvariaiei altitudinii cu distana,derivarea hrii pantelori observarea modului n care panta variaz n lungul versanilor poate pune n eviden aceste eventuale erori de interpolare; aceastai datoritfaptului cestefoarte bine perceputnteren decelcare face analiza. Sevareprezenta ngradesexagesimale. Curburanprofil,esteunindicatormaigreudesesizatnteren,careindicmodulncarevariazpantacu distana, n lungul direciei cu cea mai mare pant; un versant terasat va aprea foarte evident pe aceast hart, prin dispunerea n benzi a suprafeelor cu diferite curburi i n special prin alternana benzilor concave cu cele convexe. Se va reprezenta n clase de curbur, care vor indica forma versantului n lungul lungulpanteiastfel: valorilemaimicidect0.002,formconcavnamonte; ntre0.002i0.002suprafaplan,frcurbur; maimaride0.002,formconvexnamonte. Efectuldeterasare alversanilor presupune schimbarea att a pantei cti aformei suprafeei, n lungulversantului. Acestaapare datorit importanei mai mari pe care o acord algoritmul de interpolare curbelordenivel,caresedispuntransversalfadeversant.Pehrile pantelor i curburii acest efect este vizibil prin alternana pe distane scurte,aunorfiicupanteirespectivcurburidiferite,canFig.3.23 Fig.3.23:Detaliudinhartapantelorsugestiv i Fig.3. 24, care reprezint detalii din hrile obinute pe baza modelelor n care aceast eroare este cel mai accentuat. Succesiuneacompletahrilorcelordoiparametripentrutoatecele noumodeletestate*esteprezentatnpag.4143. SeobservcefectulestecuattmaiaccentuatcuctrezoluiaiDef sunt mai mici. Aceasta pentru c o rezoluie mic presupune un grad mai mare de detaliere i un coeficent Def mai mic o acuratee absolut mai mare. Creterea rezoluiei i a Def au ca efect netezirea Fig.3.24:Detaliudinhartacurburiinprofil. suprafeei,prinreducereavariaieilocaleaaltitudiniiiesteomsur deambuntireprezentareadinmodel.
* ctetreimodelediferitenfunciedefactoruldecorecieaeroriidediscretizare,pentrutreirezoluiidinintervaluloptim:la15,18i20m

pentruefectuldeterasarealversanilor.Harta ntreagesteredatnFig.3.27

HartantreagnFig.3.30

40

Fig.3.25:Panteledinmodelul: P=15m,Def=1.0

Fig.3.26:Panteledinmodelul: P=15m,Def=1.5

Fig.3.27:Panteledinmodelul: P=15m,Def=0.5

Fig.3.28:Curburanprofildinmodelul: P=15m,Def=1.0.

Fig.3.29:Curburanprofildinmodelul: P=15m,Def=1.5

Fig.3.30:Curburanprofildinmodelul: 41 P=15m,Def=0.5

Fig.3.31:Panteledinmodelul: P=18m,Def=1.0

Fig.3.32:Panteledinmodelul: P=15m,Def=1.5

Fig.3.33:Panteledinmodelul: P=15m,Def=0.5

Fig.3.34:Curburanprofildinmodelul: P=18m,Def=1.0

Fig.3.35:Curburanprofildinmodelul: P=18m,Def=1.5

Fig.3.36:Curburanprofildinmodelul: 42 P=18m,Def=0.5

Fig.3.37:Pantadinmodelul: P=20m,Def=1.0

Fig.3.38:Pantadinmodelul: P=20m,Def=1.5

Fig.3.39:Pantadinmodelul: P=20m,Def=0.5

Fig.3.40:Curburanprofildinmodelul: P=20m,Def=1.0

Fig.3.41:Curburanprofildinmodelul: P=20m,Def=1.5

Fig.3.42:Curburanprofildinmodelul: P=20m,Def=0.5

43

Din distribuia pantelor i curburii n profil, se pare c modelul cel mai apropiat de cel natural este cel cu rezoluia P = 20 m i Def = 1.5, deoarece efectul de terasare al versanilor este cel mai estompat, iar intervalul n care ia valori curbura n profil este cel mai mic (ntre 3.47 i +4.47) artnd c pe ansamblu valorilecurburiisuntcelemaimicidintremodeletestate.nsdupcumsaartatncap.2.3.1.,acestaeste icelcuacurateeaabsolutceamaimic.Cualtecuvinte,estecelmaineted,daricelmaipuinprecis. De aceea, n cazul n care se dorete utilizarea unor modele cu acurateea relativ mai puin bun (dup distribuia curburii n profil), ns cu cea absolut mai mare, adic a unor modele cu rezoluii mai mici, se impune optimizarea acestora, adic reducerea erorilor precum cea de terasare a versanilor prin aplicarea unorfiltresuccesive.

3.3.3. Optimizarea modelului numeric altitudinal


Modelele vizate pentru optimizarei pentru utilizarea n etapa de analiz a terenului sunt cele la rezoluia de15mi18m,cuDef=0.5.Acesteasuntmodelelecuceamaibunacurateeabsolut,nsprezintacel efectdeterasareaversanilorvizibilpehrilecurburiinprofil(Fig.3.30iFig.3.36) Sevoraplicaurmtoarelemetode: corectareamicrodepresiunilordescrisen3.3.2.1; aplicareaunuifiltrupentrureducereaefectuluideterasare. 3.3.3.1. Corectarea microdepresiunilor ( sinks ) Microdepresiunilerezultatedinprocesuldeinterpolaresuntpixelicuvalorimaimicidectaletuturorcelor din jur. n mod ideal, exist un singur astfel de pixel acceptabil, acela este punctul de ieire al rului din bazinul hidrografic. Celelalte nu sunt acceptabile pentru c definesc puncte n care drenajul nu mai este posibilisuntcuattmaidenedoritcuctsealiniazreeleihidrografice, fcndcandreptullor,aceasta s prezintentreruperi. Dup cum saartat n Fig.3. 14i Fig.3.15,nurma interpolrii acestor modele au rezultat 56 i respectiv 46 de microdepresiuni. Deoarece acest tip de eroare este foarte ntlnit, exist uneltepentrucorectareasantoatepachetelestandardalecelormaicunoscuteaplicaiiGIS*.Pentrustudiul de fa sa aplicat unealta Fill din aplicaia ArcGIS 9.2. Algoritmul presupune, n esen, cutarea valorilor mai mici dect toate cele din juri nlocuirea lor cu ce mai mic dintre ele. Acesta prevede i o modalitate deselecieamicrodepresiunilor,prinstabilirea,caprag,adifereneidintrevaloareamicrodepresiuniiicea mai mic dintre valorile vecine. Astfel algoritmul va ignora microdepresiunile mai adnci dect aceast diferen, permind modelarea terenurilor care conin asemenea puncte (de exemplu cele carstice). Sa aplicataceastcoreciepeambelemodelecesedorescafimbuntite.

IDRISI,GRASS,ArcGIS,Landserf,Saga,PCRaster

44

3.3.3.2. Filtrarea modelului Filtrelesuntfunciicaredeterminmodificareacontrolatavalorilorunuisetdedate.Filtrelespaialesunt cele care se aplic datelor spaiale i, datorit asemnrii datelor raster, sub care form sunt cel mai utilizate, cu imaginile digitale, au fost preluate din domeniul procesrii digitale a acestora. Cele mai cunoscute filtre, incluse n toate pachetele de GIS, sunt cele liniare, aa numite lowpass sau highpass i celenonliniare.Ambelesuntfunciilocale,careseaplicpeovecintatedepixeli,formatdereguldintro matricede3linii i3coloane.Diferenaconstnfaptulcprimelenlocuiescvaloareaunuipixelcumedia ponderatatuturorcelordinvecintatea sa,iarcele nonliniare,cuunaltindicatorstatistic,deexemplucu mediana,sauabatereastandardavalorilordinrespectivavecintate[Smithetal.,2008]. ncazulnostru,estededoritaplicareaunuifiltrucaresatenuezediferenelelocaledintrevalorilepixelilor, s netezeasc suprafaa. Acesta este un filtru lowpass, i n special, un filtru care nlocuiete valoarea fiecruipixelcumediaaritmeticacelordinvecintateasa.UnastfeldefiltruesteimplementatnArcGISn unealtaFilter,selectndopiuneaLow. Sa aplicat acest filtru pe cele dou modele cu rezoluiile de 15 i 18 m, iar validarea acestora sa realizat, princomparaiecumodelullarezoluiede20mcuDef=1.5,astfel: acurateeaabsolutsaevaluatprincalculareaeroriimediiptratice(RMS)afiecruiapeunsetulde53de vrfuri folosit ca date de input n interpolare (cap. 2.1.2.). Sau obinut valori de aproximativ 5.7 m pentru ambelemodele,comparabilecumodelullarezoluiede20m; acurateearelativprinderivareahrilorcurburiinprofilianalizareaacestora. Comparnd hrile din Fig.3. 44 i Fig.3. 43, care prezint distribuia curburii n profil pentru modelele optimizate, cu cea din Fig.3. 41, care prezint curbura n profil din modelul cu cea mai bun acuratee relativ,neoptimizat,sepotformulaurmtoareleconcluzii: Toateceletreimodeleauaceeaiacurateeabsolut: RMS= 5.72m,decisuntsimilaredinacestpunctde vedere; Pentruobinereaacesteiacuratei,pemodelulcurezoluiade15mfiltrareasaaplicatdedouori.Acest modelaveainiialRMS=2.7,ceeacenseamncaplicndunfiltrusereducedinacurateeaabsolut,fapt explicabilprinefectuldenetezireadatelor,pecarelpresupunefiltrareaLowPass. Modelulcurezoluiade18mprezentainiialoacurateeabsolutde3.1mi,inndcontidefaptulca fostgeneratcuaceeaivaloare Def=0.5 amodeluluicurezoluiade15m, rezultcicreterearezoluiei determinscdereaacurateiiabsolute; Prin aplicarea filtrului sau obinut modele pentru care valorile curburiinprofil se nscriu ntruninterval mai restrns dect cele iniiale, demonstrnd efectul de netezire prin eliminarea valorilor extreme ale curburii; de asemenea, noile intervale sunt similare celui n care ia valori curbura n profil din modelul cu
45

rezoluiade20m; Deipentrumodelelefiltratedistribuiacurburiinprofilncprezintalternareavalorilorconcavecucele convexemaiaccentuatdect ncazulmodelului cu rezoluiade 20m (Fig.3.41),valorile care alterneaz se ncriunintervaledecurburmic,fieconcav,fieconvex(asevedeahistogrameleclaselordecurburdin fiecare figur); aceasta nseamn c, n fapt, alterneaz suprafee foarte puin concave, cu foarte puin convexe, iaracesteasunt predominante pe toat suprafaa de studiu.Deaceea aceastalternan poatefi consideratacceptabil,iaracurateearelativaambelormodelevalidat.

Fig.3.44:Curburanprofilpentrumodelul:P=15m,Def=0.5, dupaplicareaadoufiltresuccesiveLowPass.RMS=5.72m. VeziiFig.3.30pentrumodeluliniial.

Fig.3.43:Curburanprofilpentrumodelul:P=18m,Def=0.5, dupaplicareaunuifiltruLowPass.RMS=5.72m. VeziiFig.3.36pentrumodeluliniial.

46

3.3.3.3. Medierea mai multor rezultate Oaltmetoddeoptimizareestemediereamaimultorrezultate.Acestapresupune: cmodelelesesuprapunexactiauaceeairezoluie; media se realizeaz la nivel de pixel, ntre valorile diferite din modelel mediate, corespunztoare fiecrui pixel; Sa realizat aceasta ntre cele 3 modele cu rezoluia de 15 m. A rezultat un model cu RMS = 3.7, deci cu o acuratee absolutmai mare dect cele anterioare,i cu o distribuiea curburii n profil redat n Fig.3. 45 care reflect c intervalul de valori al curburii ( 5.41 7.28) este mai mare dect n cazul modelelor antrioareiexistmaimultevalorinintervaleleextreme,dupcumrezultdinhistogramaataat.Aceasta nseamn c acest model prezint variaii locale ale curburii mai mari dect celelalte i deci, suprafaa are unaspectmaipuinneted.Acesteasepotcorectaprinaplicareaunuifiltru,nsaceastanusemaijustific deoarecesarobineoacurateeabsolutsimilarcuacelorlaltemodele.

Fig.3.45:Distribuiacurburiinprofildintrunmodelcurezoluia P=15m,obinutcamediearitmeticatreimodelecu Def=0.5,1.0i1.5

47

3.4. Concluzii
n capitolul ce tocmai sa ncheiat sau abordat aspecte ce se refer la modelarea digital a terenului. Aceasta este etapa de baz, important pentru c de calitatea modelului numeric altitudinal rezultat depinde calitatea analizei ulterioare, a parametrilor derivai. Este clar c aceste modele nu se pot realiza dectncadrulunuisisteminformaticgeografic,prinoperaiitipice.Accentulsapuspeobinereaunuiset de date raster, ns datele vectoriale de input se pot folosi ca atare n probleme ce in de determinarea distanelor,alungimilor,ainterseciiloriaincluziunilor. Succesiuneasubcapitolelorpoateficonsideratometodologie,ntructdescrieetapelenecesareconstruirii unuimodelvalabile indiferentdetipuldedatedeinput, demetodadeinterpolare,desuprafaadestudiu. Acesta este un proces n care pot interveni erori, de aceea atenia utilizatorului trebuie s fe concentrat ctre minimizarea lor, ctre controlarea lor. Din acest punct de vedere, calitatea unei aplicaii GIS poate fi evaluatprinprezenametodelordecontrolalerorilor. Sa artat c algoritmul de interpolare ofer rezultate diferite n funcie de parametri folosii, care sunt n numrgeneros(cap.2.2.2.)icdoarvariinddoiparametri,rezoluiamodeluluiicoeficientuldecoreciee erorii de discretizare, se poate obine un numr mare de rezultate comparabile. Sau obinut trei modele similare n ceea ce privete acurateea reprezentrii, cu rezoluii diferite, 15, 18 i 20 m., artnd prin aceasta c pentru un set de date de input nu se poate realiza un singur model, ci, n funcie de scopul urmrit,sealegeunuldinmaimultevarianteposibile.

*Fragmentdin: Mihai Terente (2008), Modelarea i analiza digital a terenului, Lucrarea de licen, Universitatea din Bucureti,FacultateadeGeografie

48

Bibliografie

1. ***. 1986. Metodologia elaborrii studiilor pedologice. ICPA. 2. Blaszczynski J. 2003. Estimating watershed runoff and sediment yield using a GIS interface to curve number and MUSLE models. USDI, Bureau of Land Management. http://www.blm.gov/nstc/ resourcenotes/rn66.html. 3. Ciuc Maria. 1984. Flora i vegetaia pajitilor din Masivul Ciuca. Bucureti: ed. Academiei Romne. 4. Eastman J. R. 2006. IDRISI Andes. Guide to GIS and Image Processing. Clark Labs, Clark University. planet.uwc.ac.za/nisl/Gwen's%20Files/GeoCourse/Resource%20Mapping/Andes %20Manual.pdf. 5. Gallant C., and Hutchinson M. 1997. Scale dependence in terrain analysis. Mathematics and Computers in Simulation 43: 313-321. 6. Gallant C., and Wilson J.P. 2000. Primary Topographic Attributes. In Terrain Analysis: Principles and Applications. New York: John Wiley & Sons, Ltd. 7. Hengl T., Gruber S., and Shrestha D. P. 2003. Digital Terrain Analysis in ILWIS. Lecture notes. ITC International Institute for Geo-Information Science and Earth Observation. http://www.itc.nl/library/Papers_2003/misca/hengl_digital.pdf. 8. Hengl T. 2004. Reduction of errors in digital terrain parameters used in soil-landscape modelling. International Journal of Applied Earth Observation and Geoinformation 5. 9. Huber Viorela. 2001. Cercetri asupra regimului meteoclimatic al spaiului montan (n Carpaii de la Curbur). Tez de doctorat, Universitatea din Bucureti. 10. Hutchinson M. F. 1993. Development of a continent-wide DEM with applications to terrain and climate analysis. In Environmnental Modelling with GIS . Oxford University Press. 11. Hutchinso M. F. 2000. Optimising the degree of data smoothing for locally adaptive finite element bivariate smoothing splines. ANZIAM 42: C774-C796. 12. Ielenicz M. 1984. Munii Ciuca-Buzu. Studiu geomorfologic. Bucureti: ed. Academiei Romne. 13. Koethe R., and Lehmeier F. 1996. SARA System zur Automatischen Relief-Analyse. Benutzerhandbuch 2. 14. Lee G.S., and Lee K.H. 2006. Scaling effect for estimating soil loss in the RUSLE model using remotely sensed geospatial data in Korea. Hydrology and Earth System Sciences Discussions 3. www.copernicus.org/EGU/hess/hessd/3/135/.
81

15. Maciu M., Chioreranu Aurora, and Vcaru V. 1982. Enciclopedia geografic a Romniei. Bucureti: ed. tiinific i Enciclopedic. 16. Marchi L., and Fontana G. 2005. GIS morphometric indicators for the analysis of sediment dynamics in mountain basins. Environmental Geology 48: 218-228. 17. Martinoni Daria. 2002. Models and Experiments for Quality Handling in Digital Terrain Modelling. PhD Thesis, University of Zurich. http://www.geo.uzh.ch/gis/services/downloads/phd/daria/index.html. 18. Moore I. D., Grayson R. B., and Ladson A. R. 1991. Digital terrain modelling: A review of hydrological, geomorphological, and biological applications. Hydrological Processes 5, no. 1: 3-30. 19. Mooc M., Munteanu S., Bloiu V., Stnescu P., and Mihai G. 1975. Eroziunea solului i metodele de combatere. Bucureti: ed. Ceres. 20. Niculescu G. 1982. Modelarea reliefului n masivul Ciuca. BSSGR VI(LXXVI). 21. Niculescu G., and Velcea I. 1973. Judeul Prahova. Bucureti: ed. Academiei Romne. 22. Oancea D., and Velcea Valeria. 1987. Geografia Romniei III. Carpaii Romneti i Depresiunea Transilvaniei. In . Bucureti: ed. Academiei Romne. 23. Olaya V. 2004. A gentle introduction to SAGA GIS. 1st ed. http://www.saga-gis.unigoettingen.de/html/index.php. 24. Oprea R. 2005. Bazinul montan al Prahovei. Studiul potenialului natural i al impactului antropic asupra peisajului. Bucureti: ed. Universitar. 25. Patriche C.V., Cpn V., and Stoica D.L. 2006. Aspects regarding soil erosion spatial modeling using the USLE/RUSLE within GIS. Geographia Technica 2. 26. Patrulius D., Dimitrescu R., and Gherasi N. 1968. Braov. Harta geologic, scara 1:200 000, foaia L-35-XX. Not explicativ. Bucureti: Institutul Geologic. 27. Popescu G. 1958. Contribuii la stratigrafia fliului cretacic dintre valea Prahovei i valea Buzului, cu privire special asupra vii Teleajenului. Studii i cercetri de geologi III, no. 3-4. 28. Renard K.G., Foster G.R., Weesies G.A., McCool D.K., and Yoder D.C. 1996. Predicting soil erosion by water: a guide to conservation planning using the Revised Universal Soil Loss Equation (RUSLE). USDA Agriculture Handbook 703. United States Departement of Agriculture. 29. Sndulescu M. 1984. Geotectonica Romniei. Bucureti: ed. Tehnic. 30. Srkzy F. 1998. GIS Functions - Interpolation. Periodica Polytechnica Civil Engineering.

82

http://www.agt.bme.hu/public_e/funcint/funcint.html. 31. Savel Aurelia. 1955. Izvorul Chilia Popii, Cheia. In Apele minerale i nmolurile terapeutice din Romnia, 1: Bucureti: Institutul de Balneologie i Fizioterapie. 32. Shary P., Sharaya L., and Mitusova A. 2002. Fundamental quantitative methods of land surface analysis. Geoderma 107. 33. Smith M.J., Goodchild M. F., and Longley P. A. Geospatial Analysis - a comprehensive guide. Electronic book. http://www.spatialanalysisonline.com/output/. 34. icleanu N., and Csiki Z. 2004. Introducere n geologia Romniei. Bucureti: Universitatea din Bucureti, centrul CREDIS. 35. Wilson J.P., and Gallant C. 2000. Terrain analysis: principles and applications. New York: John Wiley & Sons, Ltd. 36. Wischmeier W.H., and Smith D.D. 1978. Predicting rainfall erosion losses: A guide to conservation planning . USDA Agriculture Handbook 537.

83