مدل های دیجیتال ارتفاع (DEMs)، مدل های دیجیتال سطح (DSM) و مدل های دیجیتال زمین (DTMs)

سیاره ما مکانی شلوغ است – مملو از قله ها، دره ها، زیستگاه های طبیعی و اشیاء ساخته دست بشر. هنگام پیمایش در زمین‌های متنوع زمین، داده‌های دیجیتالی ارتفاع این ارتفاعات، پستی‌ها و ویژگی‌ها را در معرض دید قرار می‌دهند.

با ارائه تصویری از منظره مورد نظر با داده‌های ارتفاعی، می‌توانید مناطقی را که آسیب‌پذیرترین مناطق در برابر افزایش سطح دریا هستند، تجاوز به پوشش گیاهی نقطه‌ای را تخمین بزنید و هنگام برنامه‌ریزی شهری از زخم چشم جلوگیری کنید.

راه‌های زیادی برای مدل‌سازی ارتفاع وجود دارد، و ما به طور خاص بر روی سه مجموعه داده دیجیتالی ارتفاع تمرکز می‌کنیم:

• DEM – مدل ارتفاعی دیجیتال
• DSM – مدل سطح دیجیتال
• DTM – مدل دیجیتالی زمین

مدل های دیجیتال ارتفاع (DEM) چیست؟

مدل ارتفاعی دیجیتال، همچنین به عنوان DEM شناخته می شود، نوعی لایه شطرنجی GIS است . آنها شبکه‌های شطرنجی سطح زمین هستند که به مبدأ عمودی اشاره می‌کنند – سطحی با ارتفاع صفر که دانشمندان، بیمه‌گران و متخصصان زمین‌شناس به آن ارتفاعات اشاره می‌کنند.

در بیشتر مقیاس‌ها و محیط‌ها، می‌توان از یک اصطلاح عمومی مانند DEM استفاده کرد، زیرا تمایز بین زمین برهنه و یک جسم سطحی قابل‌توجه نیست، با DEM‌ها معمولاً وضوح فضایی 20 متر یا بیشتر دارند.

هر چه سلول‌های شبکه کوچک‌تر باشند، اطلاعات داخل فایل داده DEM جزئیات بیشتری دارد. بنابراین، اگر به مدلی با جزئیات زیاد نگاه می کنید، فاصله شبکه کوچک (یا اندازه سلول کوچک) بهترین گزینه است.

چه ماشین‌ها و فناوری‌هایی اطلاعات را برای DEM‌ها جمع‌آوری می‌کنند؟

DEM ها معمولاً از داده های سنجش از راه دور جمع آوری شده توسط ماهواره ها، هواپیماهای بدون سرنشین و هواپیماها تولید می شوند . این تنوع از داده های منبع DEM به این معنی است که برای مثال می توان شکاف های داده را در جایی که داده های کمی در مناطق دوردست در دسترس است پر کرد.

استخراج خودکار DEM از صحنه های ماهواره ای استریو به این معنی است که می توان از داده های حسگرهای ماهواره ای مانند SPOT-5 (رزولیشن 5-10 متر) استفاده کرد.

برخی از روش های سنجش از دور برای به دست آوردن سطوح DEM عبارتند از:

– تداخل سنجی SAR (معروف به InSAR): داده های رادار دیافراگم مصنوعی (SAR) جمع آوری شده، به عنوان مثال، توسط ماموریت توپوگرافی رادار شاتل (SRTM) ، از چندین تصویر راداری از آنتن ها استفاده می کند که تقریباً در یک زمان گرفته شده اند تا یک DEM را ایجاد کنند. به‌علاوه، برخی DEM‌ها را از InSAR توسعه داده‌اند و سپس از یادگیری عمیق برای تصحیح نفوذ شهری استفاده کرده‌اند، مانند استفاده از CoastalDEM.

– فتوگرامتری استریو : هم در عکاسی هوایی و هم با تصاویر ماهواره ای، فتوگرامتری از تصاویر حداقل دو، اما بیشتر اوقات از 3 نقطه دید متفاوت از یک منطقه استفاده می کند . به این ترتیب، مشابه نحوه عملکرد بینایی ما، می توانیم عمق و پرسپکتیو را در جایی که تصاویر روی هم قرار می گیرند، بدست آوریم.

– LiDAR (معروف به ارتفاع سنجی لیزری) : مانند DSM ها، با استفاده از نور، LiDAR نور منعکس شده ای را که از زمین منعکس شده است اندازه گیری می کند تا ارتفاع سطح زمین را تعیین کند.

– دیجیتالی کردن خطوط کانتور : با یک نقشه کانتور، DTMها (زیرمجموعه ای از DEM) را می توان به راحتی دیجیتالی کرد و سپس به صورت برنامه ریزی شده با نرم افزارهای فضایی درون یابی کرد.

– اندازه گیری DGPS : GPS یا DGPS دیفرانسیل، افراد کمپین های میدانی را با دستگاه های تخصصی انجام می دهند که از اطلاعات ماهواره ای برای بررسی نقاط در سراسر یک منطقه و تعیین موقعیت آنها استفاده می کنند. بنابراین این روش گسسته است و باید برای ایجاد یک شطرنجی پیوسته درون یابی شود.

– نقشه برداری زمینی : با ارزیابی موقعیت های شناخته شده XYZ، مناطق مجاور با استفاده از دستگاهی به نام تئودولیت اندازه گیری می شوند . این کار به نیروی کار بسیار ماهر نیاز دارد و مانند DGPS، تمام نقاط باید درون یابی شوند تا یک شطرنجی پیوسته به دست آید.

همچنین توجه به این نکته مهم است که با یکی از رایج‌ترین روش‌ها برای استخراج DEM، InSAR، اشیاء پایدار مانند ساختمان‌ها اغلب اندازه‌گیری می‌شوند در حالی که اشیاء غیر پایدار حذف می‌شوند . بنابراین در مناطق شهری کم و بیش نمایانگر سطح و در مناطق روستایی بدون پوشش گیاهی متراکم نمایانگر زمین هستند .

انواع DEM

DEM ها را می توان به مدل های سطح دیجیتال (DSM) و مدل های دیجیتال زمین (DTM) تقسیم کرد که در بخش های بعدی بیشتر به آن ها خواهیم پرداخت.

اگرچه داده‌های ارتفاع در DEM در یک شبکه منظم از ستون‌ها و ردیف‌ها نشان داده می‌شوند، که وسیله‌ای بسیار کارآمد برای ذخیره‌سازی داده‌های زیاد است، داده‌های ارتفاعی را می‌توان در قالبی مبتنی بر برداری نیز منتقل کرد .

این مجموعه داده‌ها شبکه‌های نامنظم مثلثی (TIN) نامیده می‌شوند و از استراتژی مکان نقطه‌ای متغیر برای قرار دادن ارتفاعات در مکان‌های بحرانی استفاده می‌کنند .

TIN ها اغلب فضای ذخیره سازی را به اندازه کافی کاهش می دهند تا نیاز به ذخیره مختصات x، y و z را جبران کنند، و برای جبران سربار نمایه سازی مثلث در حالی که هنوز تمام اطلاعات کلیدی ارتفاع را حفظ می کنند – اما در دسترس بودن و محبوبیت گسترده DEM ها خلاف این را نشان می دهد.

شبکه نامنظم مثلثی (TIN)

با این حال، یک جایگزین دیگر، محبوب تر از TIN، DEM وجود دارد، که ابرهای نقطه ارتفاعی است .

به دلیل ظهور پردازش LiDAR و LiDAR، دستکاری مستقیم ابرهای نقطه رایج تر شده است ، حتی برخی از آنها ابرهای نقطه را از تصاویر استریو استخراج می کنند.

مدل های سطح دیجیتال (DSM) چیست؟

یک مدل سطح دیجیتال یا DSM یک سطح را به تصویر می‌کشد – از جمله ساختار طبیعی و ساخت انسان مانند پوشش گیاهی و ساختمان‌ها . آنها سطوح انعکاسی تمام ویژگی‌های برافراشته از «زمین برهنه» را نشان می‌دهند.

به طور خلاصه، DSM ها سطح زمین و تمام اجسام روی آن را نشان می دهند .

کاربردهای رایج DSM ها

از آنجایی که DSM ها نمایانگر زمین برهنه و همه ویژگی های بالای زمینی آن هستند، در برنامه ریزی شهری اهمیت ویژه ای دارند .

مدل‌های سطح سه‌بعدی می‌توانند درک و توضیح سناریوهای پیچیده شهری را افزایش دهند، به ویژه زمانی که مناطق ساخته‌شده با گذشت زمان به دلیل گسترش شهری تغییر می‌کنند.

DSMها برای تجاوز به منطقه نزدیک به باند در هوانوردی و برنامه ریزی شهری برای بررسی اینکه چگونه یک ساختمان پیشنهادی ممکن است بر نماها تأثیر بگذارد ایده آل هستند. فراتر از آن، DSM ها را می توان برای تجسم، مدیریت بلایا، ناوبری، مدیریت پوشش گیاهی، تصمیم گیری و موارد دیگر استفاده کرد.

یک مدل سطح دیجیتال برلین با ویژگی های اکسترود کننده مانند خانه ها و درختان قابل مشاهده (NEXTMap One)

چه ماشین‌ها و فناوری‌هایی DSM را جذب می‌کنند؟

یک DSM تصویری از جهان را ترسیم می کند، اغلب با استفاده از فناوری LiDAR (تشخیص نور و محدوده) یا فتوگرامتری استریو .

گاهی اوقات، از طول موج های راداری خاص می توان برای تولید DSM نیز استفاده کرد.

در یک سیستم LiDAR، پالس های نور از یک واحد LiDAR به زمین می روند. پالس های LiDAR از اجسام اطراف منعکس شده و به حسگر باز می گردند. سپس حسگر از زمان صرف شده برای هر پالس برای بازگشت به حسگر استفاده می کند تا مسافت طی شده را محاسبه کند .

حسگر همچنین می تواند شدت بازگشت را برای تخمین هندسه سطح و ترکیب مواد سطح بازتابنده اندازه گیری کند.

LiDAR یک ابر نقطه ای عظیم از مقادیر ارتفاعی را برای یک منطقه معین تولید می کند . اما، ارتفاع می تواند به سایبان درختان، ساختمان ها و سایر ویژگی ها باشد.

اینجاست که جادوی DSM ها به میان می آید. یک DSM هم ویژگی های طبیعی و هم ویژگی های ساخته شده را در سطح زمین ثبت می کند، مانند تاج درخت و تغییرات پوشش گیاهی .

به این ترتیب، شما می توانید دید عقابی از تمام ویژگی های اکسترود کننده یک ناحیه به دست آورید.

بالا سمت چپ: پالس نور ساطع شده از هواپیما در طول مجموعه LIDAR اطلاعات متفاوتی را در مورد سطحی که با آن مواجه می شود باز می گرداند. منبع: خدمات حفاظت از منابع طبیعی USDA. بالا سمت راست: پراکندگی برگشتی پالس حس شده در هواپیما به طبقه بندی رتبه برگشت و در نهایت به ایجاد زمین برهنه و سطوح بازگشت اول کمک می کند. منبع: Gatziolis & Anderson (2008).

با این حال، LiDAR می تواند بسیار گران باشد و معمولاً در مناطق کوچکتر و با ارزش مانند شهرها پرواز می کند.

DSMها همچنین می توانند از طریق تطبیق تصویر خودکار تصاویر استریو نوری با وضوح بالا یا فتوگرامتری استریو به طور موثر تولید شوند .

تطبیق استریوی تصاویر برای یافتن پیکسل های متناظر در جفت تصاویر استفاده می شود، با توجه به مشخص بودن جهت بیرونی و داخلی، بازسازی سه بعدی از طریق مثلث سازی را امکان پذیر می کند .

این جفت‌های تصویر را می‌توان از هوایی یا ماهواره‌ها تهیه کرد ، اما در هر دو مورد، معمولاً ارتفاع اشیاء اندازه‌گیری شده به صورت دستی از تصاویر جهت‌دار به‌عنوان مرجع و استفاده از الگوریتم‌های بینایی کامپیوتری برای به دست آوردن نتایج نهایی استفاده می‌شود.

از ابزارهای منبع باز و تجاری مختلف می توان برای استخراج داده های ارتفاعی از تصاویر استریو به صورت برنامه ریزی شده استفاده کرد و فتوگرامتری را هم در دسترس و هم مقیاس پذیر می کند.

یکی از معروف‌ترین الگوریتم‌های این نوع، الگوریتم تطبیق نیمه جهانی (SGM) نام دارد که تعادل خوبی بین زمان اجرا و دقت دارد.

مدل های دیجیتال زمین (DTM) چیست؟

مدل‌های دیجیتال زمین یا DTM بسته به اینکه در کجای جهان هستید، تعاریف متفاوتی دارند.

برای اهداف ما، توصیه می کنیم یک DTM را مترادف DEM زمین برهنه در نظر بگیرید . DTM ها اغلب با DEM ها اشتباه گرفته می شوند. تفاوت اصلی بین این دو مدل در این واقعیت نهفته است که DEM عموماً تمام اشیاء پایدار روی زمین (پوشش گیاهی، ساختمان‌ها و سایر مصنوعات) را در نظر می‌گیرد – در حالی که DTM توسعه سطح ژئودزیک را نشان می‌دهد .

زمین برهنه به این واقعیت اشاره دارد که پوشش گیاهی و ویژگی‌های ساخت بشر مانند درختان و خطوط برق با DEM‌ها فیلتر می‌شوند . هر سلول دارای مقداری مطابق با ارتفاع آن (مقدار z در فواصل منظم) در یک DEM است.

شایان ذکر است که در برخی کشورها و زمینه‌های تحقیقاتی، افراد به مجموعه داده‌های برداری متشکل از ویژگی‌های طبیعی مانند برآمدگی‌ها، خطوط شکست و نقاط فاصله دار به عنوان DTM اشاره می‌کنند . این تعریف به DTM به عنوان چیزی که DEM را با گنجاندن ویژگی های خطی زمین برهنه افزایش می دهد، اشاره می کند.

صرف نظر از تعریف، DTM اساساً یک نمایش سه بعدی و دیجیتالی از یک سطح است که از مختصات X، Y و Z تشکیل شده است . در یک DTM، ارتفاعات و ارتفاعات و همچنین ویژگی های طبیعی مانند رودخانه ها و خطوط خط الراس را خواهید یافت .

با این حال، این تفاوت‌های ظریف بین DEM و DTM در مناطق شهری که ساختمان‌های مرتفع غالب هستند، بیشتر مشهود است.

به عنوان مثال، جزیره منهتن یا کلان شهرهایی مانند هنگ کنگ، می توانند به طور قابل توجهی بر نحوه اندازه گیری زمین و میزان داده های ارتفاعی که ممکن است نیاز به اصلاح داشته باشند تا تأثیر اشیاء روی سطح را از بین ببرند تأثیر بگذارند.

خواه به لطف قدرت محاسباتی در مهندسی، DTM را به عنوان چیزی که DEM را تقویت می کند یا به عنوان یک DEM “زمین برهنه” نگاه می کنید – DTM به ابزاری جدایی ناپذیر برای کاربردهای زمین و مهندسی تبدیل شده است.

DTMها چگونه ایجاد می شوند؟

DTM ها را می توان از طریق روش های مختلفی از جمله خطوط دیجیتالی شده و حتی از DSM ها با استفاده از تفاوت بین مقادیر ارتفاع درختان و ساختمان ها و محله محلی آنها ایجاد کرد.

بنابراین، DTMها را می‌توان از هر یک از روش‌های مورد استفاده برای تولید DSM، از LiDAR تا استریوفتوگرامتری، و همچنین SAR، DGPS و نقشه‌برداری زمین، همه در سطوح مختلف جزئیات ایجاد کرد.

در بالا: یک DTM که یک دهانه و بسترهای سفالی احتمالی را در کانال‌های West Ladon Valles در مریخ نشان می‌دهد. منبع: NASA/JPL/دانشگاه آریزونا/USGS. 

بنابراین، DSM ها چه تفاوتی با DTM دارند؟

شکل های زیر نشان می دهد که چگونه DSM ها با DTM متفاوت هستند.

یک DSM هم ویژگی‌های طبیعی و هم ویژگی‌های انسان‌ساز محیط را به تصویر می‌کشد .

در حالی که، همانطور که در زیر نشان داده شده است، یک DTM فقط ویژگی های زمین برهنه، مانند رودخانه ها و پشته ها را حفظ می کند .

یک DTM می تواند از یک DSM مشتق شود، اما برعکس این امر صادق نیست.

DSM ها شامل اجسام روی سطح زمین هستند، در حالی که DTM ها اینطور نیستند

برای اکثر برنامه های LiDAR، تمرکز بر روی DEM و DSM همانطور که در بالا تعریف شد، قرار می گیرد، با DTM ها بیشتر برای GIS و نمایش های نقشه کشی کاربرد دارند.

کیفیت و دقت DEM/DTMs

عوامل متعددی بر کیفیت محصولات مشتق شده از DEM تأثیر می گذارد:

• وضوح عمودی
• ناهمواری زمین
• تراکم نمونه برداری و وضوح فضایی یا اندازه پیکسل حاصل
• الگوریتم تحلیل زمین
• الگوریتم درون یابی
• ارجاع به محصولات سه بعدی با ماسک های با کیفیت حاوی اطلاعاتی در مورد خط ساحلی، برف، ابرها، بدنه های آبی و غیره.

کاربردهای رایج DEM ها

DEM ها در زمینه هایی مانند مدیریت زیرساخت، مطالعات هیدرولوژی و جهت جریان، و برنامه ریزی کاربری زمین حیاتی هستند.

آنها به ویژه در مقیاس های فضایی بیشتر برای ترسیم نقشه های توپوگرافی و نقش برجسته مفید هستند :

• مدل‌سازی جریان آب یا حرکات توده‌ای (مانند رانش زمین)
• ایجاد مدل های فیزیکی (مانند نقشه های برجسته)
• تصحیح عکس های هوایی یا تصاویر ماهواره ای
• ارائه تصاویر سه بعدی
• کاهش (اصلاح زمین) اندازه گیری های گرانش (به عنوان مثال، وزن سنجی، ژئودزی فیزیکی)
• تجزیه و تحلیل زمین در جغرافیای فیزیکی و ژئومورفولوژی

قبل از اینکه به مکان یافتن داده های ارتفاعی برویم، اجازه دهید تفاوت های بین این سه نوع را دوباره مرور کنیم:

• مدل سطح دیجیتال (DSM) یک مدل ارتفاعی است که هم ویژگی های طبیعی و هم مصنوعی محیط را نشان می دهد . این شامل بالای ساختمان ها، درختان، خطوط برق و هر چیز دیگری است. معمولاً، این به عنوان یک مدل سایبان دیده می شود و فقط در جایی که هیچ چیز دیگری بالای آن وجود ندارد، زمین را ببینید.

– مدل ارتفاعی دیجیتال (DEM) یک اصطلاح عمومی برای مدل ارتفاعی است که هم DSM و هم DTM را در بر می گیرد و می تواند از روش های مختلف تولید شود. اغلب، به دلیل مقیاس و محیط، تمایز بین DSM و DTM غیر ضروری است (به عنوان مثال، DEM مشتق شده از SRTM در وضوح 30 متر یا 90 متر). توجه داشته باشید که گاهی اوقات مردم این اصطلاح را مترادف با DTM می دانند ، بنابراین همیشه روش شناسی نحوه استخراج آن را بررسی کنید.

• مدل دیجیتال زمین (DTM) یک مدل ارتفاعی زمین برهنه است . DTM ها دارای هیچ ویژگی بالاتر از زمین خالی نیستند، حتی ویژگی های پایدار. بنابراین، آنها را می توان با DSM ها جفت کرد تا اطلاعات ارتفاع مربوط به اشیاء روی سطح را بدست آورد. برخی DTM ها را چیزی می دانند که یک DEM را تقویت می کند، شبکه ای از نقاط برداری عناصر زمین به جای شطرنجی پیوسته.

برخی از اصطلاحات کلیدی که هنگام کار با مدل های ارتفاعی باید به خاطر داشته باشید عبارتند از:

1. زمین : سطح جامد زمین، مانند کف دریا
2. ارتفاع : اندازه گیری ارتفاع از پایه به بالا از سطح زمین یا یک سطح شناخته شده
3. ارتفاع : ارتفاع بالاتر از یک سطح معین، به ویژه ارتفاع از سطح دریا یا بالای افق
4. زمین : گستره ای از زمین، منطقه یا قلمرو

کجا می توانم DEM ها را پیدا کنم؟

مکان های زیادی برای یافتن DEM های جهانی وجود دارد. از داده‌های ماهواره‌ای رایگان گرفته تا منابع LiDAR، در اینجا نحوه یافتن داده‌های ارتفاع مورد نیاز آمده است:

1. ماموریت توپوگرافی رادار شاتل فضایی (SRTM)

در طول ماموریت 11 روزه خود، شاتل فضایی اندیور 16 بار به دور زمین چرخید و توپوگرافی زمین را در یک ثانیه قوس (30 متر) برای بیش از 80 درصد از سطح زمین ثبت کرد .

SRTM از رادار دیافراگم مصنوعی و تداخل سنجی برای جمع آوری یکی از دقیق ترین مدل های ارتفاعی دیجیتالی زمین استفاده کرد . محموله SRTM که در سال 2000 راه اندازی شد، از دو آنتن رادار و یک گذر برای تولید یک مدل ارتفاعی دیجیتالی با استفاده از تکنیکی به نام رادار دیافراگم مصنوعی تداخل سنجی (inSAR) استفاده کرد .

این داده‌ها به‌صورت رایگان برای استفاده در USGS Earth Explorer در دسترس شما هستند . بیشتر نقاط جهان را با دقت ارتفاع عمودی مطلق کمتر از 16 متر پوشش می دهد .

داده های SRTM را از کجا می توان دانلود کرد؟

اگر می‌خواهید داده‌های SRTM را دانلود کنید ، در مرکز داده EROS سازمان زمین‌شناسی ایالات متحده برای دانلود و همچنین از طریق USGS Earth Explorer در دسترس است .

برای دانلود، منطقه مورد علاقه خود را انتخاب کنید. در برگه مجموعه داده، Digital Elevation>SRTM>SRTM 1-ArcSecond Global را انتخاب کنید. این راهنمای مفید توسط GIS Geography به شما کمک می کند تا شروع کنید.

قبل از سپتامبر 2014، بهترین SRTM DEM موجود، وضوح 90 متر بود. رزولوشن 30 متری SRTM به لطف شاتل فضایی Endeavor به طور عمومی در USGS Earth Explorer در دسترس است.

2. مدل جهانی ارتفاع دیجیتال ASTER

رادیومتر گسیل و انعکاس حرارتی پیشرفته فضایی (ASTER ) یک عملیات مشترک توسط ناسا و وزارت اقتصاد، تجارت و صنعت (METI) ژاپن است. به عنوان بخشی از این، مدل جهانی ارتفاع دیجیتال ASTER (GDEM) متولد شد.

با وضوح جهانی 90 متر و 30 متر در ایالات متحده، ASTER GDEM دارای وضوح بالا و پوشش گسترده – حدود 80٪ از زمین است .

GDEM های ASTER چگونه به وجود آمدند؟ استفاده از جفت های استریوسکوپی و روش های همبستگی تصویر دیجیتال . بر اساس دو تصویر در زوایای مختلف، ارتفاع را با استفاده از جفت‌های استریو و فتوگرامتری اندازه‌گیری کرد.

نکته قابل توجه: برخی از کاربران مشکلاتی را با داده های آن، اغلب در مناطق ابری بیان کردند.

با این حال، با گذشت زمان، داده های ASTER DEM محصولات خود را با اصلاحات مصنوعات بهبود بخشیده است که منجر به بهبودهای قابل توجهی شده است.

برخی در حال حاضر ASTER GDEM-2 را نمایش دقیق تری نسبت به مدل های ارتفاعی SRTM در زمین های ناهموار کوهستانی می دانند. اما، ادامه دهید و نگاهی بیندازید و خودتان ببینید.

از کجا می توانید ASTER GDEM را دانلود کنید؟

با انتخاب Digital Elevation > ASTER می توانید داده های ASTER DEM را به صورت رایگان از NASA Earthdata ، Japan Space Systems ، و USGS Earth Explorer دانلود کنید.

3. جهانی ALOS جهانی JAXA 3D

مدل سطح دیجیتال جهانی ALOS یا ALOS World 3D یک مجموعه داده جهانی DSM توسط آژانس اکتشافات هوافضای ژاپن (JAXA) است.

این از تصاویر جمع‌آوری‌شده با استفاده از ابزار سنجش از دور پانکروماتیک برای نقشه‌برداری استریو (PRISM) بر روی ماهواره مشاهده‌گر زمین پیشرفته (ALOS) از سال 2006 تا 2011 تولید می‌شود. مجموعه داده DSM دارای وضوح افقی تقریباً 30 متر مش (1 ثانیه قوس) است. و به صورت رایگان در اختیار عموم قرار می گیرد.

بر اساس مجموعه داده DSM (نسخه مش 5 متری) داده های توپوگرافی سه بعدی جهانی – دقیق ترین داده های ارتفاعی در مقیاس جهانی با دقت پیشرو در جهان 30 متر.

از کجا می توانید جهانی ALOS 3D JAXA را دانلود کنید؟

برای دسترسی به این DSM دقیق، باید از طریق پورتال JAXA Global ALOS ثبت نام کنید تا آن را دانلود کنید.

4. تشخیص نور و محدوده (LiDAR)

همانطور که جهان به سمت نقشه جهانی LiDAR حرکت کرده است ، منابع داده LiDAR به صورت آنلاین به صورت رایگان در دسترس هستند — اگر می دانید کجا می توانید آنها را پیدا کنید.

چرا LiDAR؟ دقت فضایی و عمودی آن اغلب بی نظیر است. پس از فیلتر کردن بازده زمین، می توانید یک DEM چشمگیر از داده های LiDAR بسازید. شما اغلب می توانید از بازده های مختلف برای تعیین ارتفاع پوشش گیاهی در مقابل استفاده کنید. ارتفاع سطح زمین، بسته به ابزار LiDAR و تراکم پوشش گیاهی – بنابراین، شما می توانید هم یک DTM و هم یک DSM را از یک مجموعه داده بدست آورید!

برخی از منابع داده بزرگ LiDAR عبارتند از Open Topography , USGS Earth Explorer و NEON Open Data Portal .

اگر همچنان به دنبال داده های LiDAR در منطقه مورد علاقه خود هستید، سعی کنید با دولت محلی یا منطقه ای خود تماس بگیرید. تا زمانی که به آنها بگویید برای چه از آن استفاده می کنید، ممکن است داده های LiDAR خود را به صورت رایگان به اشتراک بگذارند.

5. بازار UP42: NEXTmap Intermap و WorldDEM Airbus

اگر مطمئن نیستید که کدام ارائه دهنده را انتخاب کنید، بازارهای جغرافیایی مجموعه داده های متعددی را از چندین ارائه دهنده و انواع داده جمع آوری می کنند.

UP42 داده‌های ارتفاعی را در کنار تصاویر ماهواره‌ای و هوایی، داده‌های آب‌وهوا، AIS و موارد دیگر گرد هم می‌آورد .

بازار UP42 شامل مدل‌های ارتفاعی دیجیتال Intermaps با وضوح حداکثر 1 متر است . محصولات NEXTMap 3D elevation اینترمپ به صورت DSM و DTM در دسترس هستند – به شما امکان می دهد راه حل های سه بعدی را با یا بدون اشیاء سطحی، مانند پوشش گیاهی یا ساختمان ها بسازید.

از کجا می توانید به داده های موجود در UP42 دسترسی داشته باشید؟

از بازار UP42 دیدن کنید ، “ارتفاع” را جستجو کنید ، و طیف وسیعی از داده‌ها مانند داده‌های ارتفاع NEXTMap 10 ، NEXT Map One ، NEXTMap 5 و همچنین داده‌های WorldDEM™ Airbus با وضوح 12 متر را خواهید یافت.

چگونه می توانید به DEM ها دسترسی پیدا کنید، باز کنید و بخوانید؟

ابزارهای نرم افزاری مانند QGIS شما را قادر می سازد تا فایل های DEM را باز کرده و بخوانید

DEM ها در چه قالبی هستند؟

با فراوانی داده‌های ارتفاعی که به صورت آنلاین در دسترس است، هنگامی که مورد مناسب برای نیازهای خود را پیدا کردید، زمان آن رسیده است که مستقیماً در آن شیرجه بزنید.

همانطور که اکنون می دانیم، DEM ها فایل هایی هستند که شامل نقاط (بردار) یا پیکسل (رستر) هستند که هر نقطه یا پیکسل دارای یک مقدار ارتفاع است. آنها در فرمت های مختلف فایل، از csv. و .tif تا .flt و .dem هستند .

GeoTIFF اجازه می دهد تا اطلاعات مکان در یک فایل TIFF جاسازی شود.

در اینجا یک راهنمای مفید توسط دانشگاه کارلتون در مورد فرمت های DEM و نحوه باز کردن آنها در ابزارهای مختلف آورده شده است.

صحبت از ابزارها شد، بیایید به آنها نگاه کنیم.

برای باز کردن و خواندن DEM ها به چه نرم افزارهایی نیاز دارم؟

شما به یک سیستم اطلاعات جغرافیایی (GIS) یا سایر نرم افزارهای کاربردی خاص نیاز دارید زیرا داده های ارتفاع به طور مستقیم در مرورگر قابل مشاهده نیستند. برخی از نرم افزارها برنامه هایی را که فایل های DEM عبارتند از:

• ArcGIS – در اینجا یک راهنمای مفید در مورد کاوش DEM ها با استفاده از ArcGIS وجود دارد – ایجاد لایه های ارتفاعی و موارد دیگر
• QGIS 3 – QGIS 3 به صورت سه بعدی است و مجموعه جدیدی از امکانات نقشه برداری را به ارمغان می آورد. همچنین رایگان و منبع باز است و درک نحوه عملکرد الگوریتم های آن را آسان می کند
• [QGIS 2] ( https://qgis.org/en/site/forusers/download.html “QGIS 2”) – پر از عملکردهایی مانند خودکار کردن تولید نقشه به صورت رایگان
• [gVSIG] ( http://www.gvsig.com/en/products/gvsig-desktop “gVSIG”)—یک ابزار رایگان دیگر، این بار با ابزارهای CAD، NavTable، و یک برنامه تلفن همراه
• [GRASS GIS] ( https://grass.osgeo.org/ “GRASS GIS”) – یک گزینه رایگان با رابط کاربری بصری و بیش از 350 ابزار دستکاری برداری و شطرنجی

برای اکثر این نرم افزارهای GIS، می توانید فایل .tif را از مرورگر خود مستقیماً به داخل برنامه بکشید و رها کنید.

به خاطر داشته باشید : قبل از دست، داده ها و تصاویر دیجیتال ارتفاع معمولا ویرایش نشده و برای استفاده علمی و ارزیابی در نظر گرفته شده است.

آنها به طور مستقیم از خود منبع داده خروجی هستند، بنابراین ممکن است حاوی:

• مناطق متعدد بدون داده
• خطوط ساحلی نامشخص
• توده های آبی که ممکن است صاف به نظر نرسند
• سایر خطاها قبلاً بحث شده است.

فرمت USGS DEM یک استاندارد باز برای DEM های مبتنی بر شطرنجی است.

چگونه می توانید DEM ها را تجسم کنید؟

بنابراین، هنگامی که داده‌ها را دانلود کردید، یک ابزار نرم‌افزاری را انتخاب کردید، زمان آن فرا رسیده است که DEM را با شکوه تمام تجسم کنید.

خیلی راه ها برای انجام دادن این وجود دارد. بیایید به چند نمونه و آموزش که به راحتی به صورت آنلاین در دسترس هستند نگاه کنیم.

آموزش ها

QGIS 3.0 دارای نمای لایه سه بعدی است . این به شما امکان می‌دهد تا داده‌های GIS را به صورت سه بعدی تجسم کنید و تجسم واضح‌تری از داده‌هایی که حاوی ارتفاع یا ارتفاع هستند را برای شما فراهم می‌کند.

در اینجا آموزشی ارائه شده است که شما را در تجسم DEM ها به صورت سه بعدی با QGIS 3.0، با استفاده از کاندید اصلی QGIS 3.0 راهنمایی می کند. در اینجا مورد دیگری است که بر روی تجسم DEM ها با استفاده از QGIS 3.0 در مقایسه با ArcGIS Pro تمرکز دارد.

تجسم سه بعدی DEM ها (منبع: Geodose)

تکنیک های تجسم به هدف شما نیز بستگی دارد . به عنوان مثال، وقتی نوبت به نقشه برداری شکل زمین در علوم زمین می رسد، تولید نتایج کامل و بی طرفانه بسیار مهم است.

در اینجا مطالعه ای وجود دارد که به پنج روش مختلف تجسم هنگام استفاده از DEM برای نقشه برداری شکل زمین پرداخته است (اسمیت و کلارک، 2005). مشخص شده است که هیچ روش تجسمی به تنهایی نگاشت کامل و بی طرفانه را ارائه نمی دهد – مستعد بایاس آزیموت .

اگرچه می‌توان لندفرم‌های ظریف را برجسته کرد، اما محققان تجسم انحنا را برای نقشه‌برداری اولیه توصیه می‌کنند، زیرا این یک تصویر غیر روشن (و بنابراین بی‌طرفانه) ارائه می‌دهد. سپس، این را می توان با داده های تجسم های سایه دار تکمیل کرد.

اگر به دنبال تجسم خطوط ارتفاع از DEM های شطرنجی در پایتون هستید، در اینجا یک آموزش برای انجام این کار با استفاده از بسته هایی مانند GDAL و Matplotlib آورده شده است.

طرحی از کوه شستا، کالیفرنیا (منبع: آزمایشگاه زمین)

اصول تحلیل DEM چیست؟

تجزیه و تحلیل DEM شامل چهار جزء اساسی است که عبارتند از:

1. اکتساب داده : گرفتن تصاویر زمین یا اسکن سطح زمین
2. مدل سازی داده ها : رویکردهای بین رشته ای مانند پردازش تصویر، فتوگرامتری، تداخل سنجی و غیره.
3. مدیریت داده ها : کدگذاری داده ها، ساختار داده ها، تکنیک پایگاه داده فضایی، گرافیک کامپیوتری
4. توسعه برنامه : برنامه ریزی شهری، مدیریت معادن، نقشه برداری، تجزیه و تحلیل ژئومورفولوژی، مدیریت تاسیسات، مهندسی عمران، مدیریت منابع، مهندسی زمین شناسی، طراحی منظر، شناسایی و نظارت بر خطرات، و حتی بازی های کامپیوتری و ناوبری موشک/هواپیما

کاربردها و کاربردهای DEM ها حتی بیشتر از نحوه به دست آوردن آنها متفاوت است . تقریباً برای هر صنعت یا بخشی که از داده های مکان استفاده می کند، مرتبط و مفید است ، برخی از کاربردهای عمومی عبارتند از:

• تجزیه و تحلیل شیب
• تحلیل جنبه
• ترسیم شبکه های زهکشی و صید
• شناسایی ساختارهای زمین شناسی
• تحلیل دیدگاه
• شبیه سازی های سه بعدی
• تحلیل تغییر
• راست‌سازی
• نقشه برداری کانتور

در بالا: تجزیه و تحلیل شیب آتشفشان در گالاپاگوس، اکوادور. منبع: doi:10.1146/annurev.earth.28.1.169

برای ساخت مدل های ارتفاعی دیجیتال به چه داده هایی نیاز دارید؟

کلید ساخت DEM ها، درست حدس زدید، داده های ارتفاعی (Z) است که به صورت مکانی (در X و Y) تعریف شده است .

این ارتفاع همیشه با توجه به برخی از داده های دلخواه در چشم انداز، معمولاً سطح متوسط ​​دریا، نرمال می شود .

این بدان معناست که باید یک نقطه مرجع شناخته شده و ثابت برای مشاهده و یک روش ثابت برای اندازه گیری منطقه تخمین زده شده وجود داشته باشد .

نحوه به دست آوردن نقاط داده ارتفاعی (به روش های ضبط در بخش قبل مراجعه کنید) تعیین می کند که چه اصلاحاتی باید انجام شود و چگونه نقاط باید درون یابی شوند .

ماهواره‌ها هم نقطه مشاهدات شناخته شده را ارائه می‌کنند – با ثبات مدارشان و همه ابرداده‌هایی که با هر تصویر ارائه می‌شود ، مانند فایل مداری با اطلاعات مسیر و زاویه برخورد – و همچنین روش‌شناسی ثابت اکتساب، اسکن نسبتاً مداوم روی یک مساحت و ارتفاع با اندازه گیری یکنواخت.

هنگامی که صحبت از DEM های مشتق شده از داده های ماهواره ای می شود، یک تمایز اساسی بین روش های استفاده از مجموعه تصاویر نوری برای تجزیه و تحلیل استریوسکوپی در مقابل ایجاد می شود. استفاده از اطلاعات رادار برای تجزیه و تحلیل تداخل سنجی

دقت مدل های ارتفاعی دیجیتال چقدر است؟

دقت DEM معمولاً با محاسبه ریشه میانگین مربعات خطا (RMSE) ارتفاع محاسبه شده با مقایسه نقاط DEM و نقاط مرجع برآورد می شود .

با این حال، دقت DEM بسیار بیشتر از مولفه ارتفاع (عمودی) است.

چه عواملی بر دقت DEM تأثیر می گذارد؟

کیفیت DEM به عوامل مرتبط مختلف مانند روش های اکتساب داده ها، ماهیت داده های ورودی و تکنیک های به کار گرفته شده برای توسعه DEM بستگی دارد.

روش‌های مختلف جمع‌آوری داده‌های ارتفاع، از روش‌های دستی مانند DGPS گرفته تا روش‌های غیرفعال مانند تصاویر ماهواره‌ای استریوسکوپی گرفته تا اکتساب‌های رادار فعال یا LiDAR، سوگیری‌ها و منابع خطای خاص خود را دارند که باید به آنها توجه کرد .

برای مثال، روش‌های دستی مستعد سوگیری نمونه‌گیری هستند و به ندرت تأثیر جوی یا سایر سوگیری‌های رایج در سایر تکنیک‌های اکتساب دیده می‌شوند .

بیایید به برخی از عوامل کلیدی که بر دقت DEM برای روش‌های غیر دستی تأثیر می‌گذارند نگاهی بیندازیم:

• تأثیر اتمسفر و یونوسفر
• همبستگی زمانی
• اشتباهات تصحیح
• خطاهای فاز و همبستگی سیگنال
• جلوه های “سایه”.

بالا: خطاهای رایج در اندازه گیری های InSAR. منبع: doi: 10.1146/annurev.earth.28.1.169

قطعنامه DEM

سه نوع اصلی وضوح وجود دارد که همیشه باید هنگام ارزیابی تناسب یک DEM برای یک پروژه یا برنامه معین در نظر گرفت: وضوح مکانی و وضوح عمودی.

– رزولوشن فضایی

وضوح فضایی با فاصله بین نقاط نمونه تعیین می شود ، که می تواند نسبتا یکنواخت باشد، مانند در مورد تصاویر استریوسکوپی، تا حدودی یکنواخت، مانند با رادار و لیدار، یا بسیار متغیر، مانند DEM های به دست آمده با روش های دستی.

-رزولوشن عمودی

یکی از مهمترین جنبه های DEM دقت عمودی یا وضوح عمودی آن است.

تفکیک عمودی داده های ارتفاع به عنوان اختلاف ارتفاع احتمالی بین ارتفاع مدل شده یا شناسایی شده و ارتفاع واقعی یا واقعی سطح تعریف می شود .

هر یک از روش های مختلف ذکر شده برای به دست آوردن داده های ارتفاع، مانند رادار، LiDAR یا فتوگرامتری، سطوح دقت متفاوتی را تولید می کند. از بین این روش‌ها، LiDAR عموماً بهترین وضوح‌های فضایی و عمودی را ارائه می‌دهد، با این حال، اغلب در مقیاس بسیار گران است.

ممکن است متوجه شوید که ارائه دهندگان DEM مختلف نیز تعاریف متفاوتی از وضوح عمودی یا دقت عمودی دارند .

در بالا: جدول DEM های جهانی و وضوح فضایی مربوطه (رزولوشن) و وضوح عمودی (دقت عمودی). منبع

– وضوح زمانی

آخرین راه حلی که ممکن است بخواهیم قبل از انتخاب یک DEM در نظر بگیریم، وضوح زمانی است، یعنی اینکه داده های ارتفاعی برای تولید DEM به تازگی به دست آمده اند .

این امر به ویژه در صورتی مرتبط است که می‌خواهید تجزیه و تحلیل تغییرات انجام دهید یا از DSM برای مطالعه چیزی نسبتاً متغیر مانند پوشش گیاهی یا ساخت‌وساز جدید استفاده می‌کنید .

چگونه خطاهای عمودی را در DEM ها بخوانیم؟

خطاهای عمودی در DEM ها معمولاً به عنوان سینک یا پیک طبقه بندی می شوند.

Sink چیست؟

Sink منطقه ای است که توسط مقادیر بالاتر از ارتفاع احاطه شده است . از آن به عنوان یک فرورفتگی یا یک گودال نیز یاد می شود – منطقه ای از زهکشی داخلی.

آنها از کجا می آیند؟ برخی از سینک ها ممکن است طبیعی باشند، به ویژه در مناطق یخبندان، اگرچه بسیاری از سینک ها اغلب در DEM ناقص هستند.

اوج چیست؟

از سوی دیگر، یک قله ، همچنین به عنوان یک سنبله شناخته می شود، منطقه ای است که توسط سلول هایی با ارزش کمتر احاطه شده است .

همانطور که در بالا ذکر شد اینها معمولاً ویژگی های طبیعی هستند و برای محاسبه جهت جریان ضرر کمتری دارند.

Sink ها و قله ها از کجا می آیند؟

تعداد سینک‌ها در یک DEM معین معمولاً برای DEM‌های با وضوح درشت‌تر بیشتر است.

سینک ها نیز معمولاً با ذخیره داده های ارتفاع به عنوان یک عدد صحیح ایجاد می شوند. این می تواند مشکلاتی را در نواحی با ارتفاع کم عمودی ایجاد کند.

اغلب، ممکن است 1% از سلول‌ها در یک DEM با وضوح 30 متری از سینک تشکیل شده باشند. این می تواند تا 5% برای DEM سه ثانیه ای قوس افزایش یابد.

ممکن است نوع دیگری از خطا را در DEM ها مشاهده کنید که به نام striping artifacts شناخته می شوند – که در DEM ها ناشی از خطاهای نمونه گیری سیستماتیک هنگام ایجاد خود DEM است . این همچنین در داده های عدد صحیح در مناطق مسطح بیشتر قابل توجه است.

چگونهSinkو قله ها را حذف کنیم تا یک DEM بدون فرورفتگی ایجاد کنیم؟

هنگامی که با سینک ها و قله های DEM مواجه می شوید ، مهم است که آنها را بردارید یا پر کنید—تا یک *DEM بدون افسردگی * ایجاد کنید.

برای مثال، یک DEM بدون سینک ورودی مشتق شده به فرآیند جهت جریان است. این به این دلیل است که وجود سینک ممکن است منجر به یک شطرنجی جهت جریان اشتباه شود.

استفاده از یک DEM بدون افسردگی برای اطمینان از تجزیه و تحلیل دقیق کلیدی است.

بسیاری از برنامه های GIS شامل ابزارهایی برای ایجاد یک DEM بدون افسردگی هستند که به شما امکان می دهد:

1. سینک ها را شناسایی کنید
2. سینک ها را پر کنید
3. عمق سینک را پیدا کنید

در اینجا یک راهنمای ArcGIS Pro در مورد نحوه انجام این کار با استفاده از مجموعه ابزار برنامه افزودنی ArcGIS Spatial Analysis آورده شده است.

کاربردهای هیدرولوژی با DEMs

سیل و DEM: مدل های طغیان سیل

DEM ها را می توان برای انجام بسیاری از مدل سازی های جغرافیایی و هیدرولوژیکی استفاده کرد.

اعم از پیش‌بینی سیل و توسعه فیزیکی مناطق شهری و روستایی تا ترسیم حوضه و تجزیه و تحلیل تأثیر سیل برای آمادگی اضطراری.

مدل‌سازی طغیان سیل یا نقشه‌برداری سیلاب برای درک اثرات سیل در یک منطقه خاص و سازه‌های مهم مانند خیابان‌ها، ساختمان‌ها، جاده‌ها و راه‌آهن‌ها مورد نیاز است.

کمی کردن خطر سیل از طریق مدل‌های سیل، گستره سیل را پیش‌بینی می‌کند. این می تواند منبع اطلاعاتی مهمی برای مطالعات خطر سیل باشد – به خصوص با گرم شدن جهان و افزایش سطح آب دریاها .

مدل‌های طغیان سیل، اطلاعات مهمی مانند عمق و وسعت فضایی مناطق سیل‌زده را در اختیار ما قرار می‌دهند – که توسط مقامات محلی برای اطلاع‌رسانی به شهروندان در مورد مناطق مستعد سیل و اتخاذ استراتژی‌های مدیریت سیل مناسب ضروری است.

مدل های سیلاب دقیق به وضوح بالا و DEM های بسیار دقیق نیاز دارند . بر اساس این مقاله از سال 2019 ، DEM های جهانی کنونی جزئیات توپوگرافی را در دشت های سیلابی نشان نمی دهند – اغلب منجر به پیش بینی نادرست گسترش سیل توسط مدل های سیل می شود (Shastry & Durand, 2019).

این مناطق کم داده را می توان با ایجاد نقشه های طغیان سیل که با ترکیب گستره سیل با مدل سازی پیش بینی و DEM های اصلاح شده تولید می شود، مطالعه کرد.

در مورد استفاده از مشاهدات طغیان سیل برای به دست آوردن توپوگرافی دشت سیلابی در مناطق کم داده در مقاله بیشتر بیاموزید .

مدل سازی طغیان سیل

خطاهای DEM در مدل های سیل

در نظر گرفتن منبع داده DEM هنگام استفاده از DEM برای پیش بینی خطر سیل مهم است . این مطالعه به ارزیابی سیل ساحلی، افزایش سطح آب‌بند، یا خطر فرسایش می‌پردازد و نقش منبع داده DEM را بررسی می‌کند.

سایر کاربردهای DEMs

استفاده از الگوریتم‌های یادگیری ماشین در DEM

همانطور که گفته شد، مناطق کم داده وجود دارد و برای پر کردن این فضاهای خالی، می توان مدل سازی داده ها را انجام داد. در سال‌های اخیر، پیشرفت‌ها در الگوریتم‌های یادگیری ماشین، قدرت محاسباتی مقرون‌به‌صرفه و در دسترس بودن کلان داده‌ها، انقلاب یادگیری عمیق را در سراسر حوزه‌ها برانگیخته است.

تکنیک‌های یادگیری ماشینی مانند نقاشی درون تصویر را می‌توان برای پر کردن فضای خالی داده استفاده کرد (Gavrill & Muntingh et al, 2019) .

نقاشی درون تصویر، مشابه اصطلاحی که در دنیای هنر برای حفظ تصاویر آسیب دیده یا ناقص استفاده می‌شود، الگوریتم‌های نقاشی درون تصویر، پیکسل‌های زمین را در مناطق از دست رفته بازسازی می‌کنند.

یادگیری ماشینی و یادگیری عمیق دارای خطاهای پیشرفته هستند. به عنوان مثال، این مطالعه به CoastalDTM و توانایی کاهش خطا هنگام استفاده از داده های DEM از SRTM ناسا می پردازد.

این نشان می‌دهد که در حالی که دقت DEM و وضوح مکانی معمولاً قبل از استفاده برای مدل‌های سیل در نظر گرفته می‌شوند، محدودیت‌های DEM ناشی از منبع داده اصلی آنها اغلب در طول انتخاب DEM نادیده گرفته می‌شوند (Coveney & Fotheringham, 2011).

نقشه های توپوگرافی و نقشه برداری DEM

داده های ارتفاعی را می توان به عنوان ورودی برای پروژه های زیرساختی استفاده کرد و اطمینان حاصل کرد که ساخت راه آهن، خطوط لوله و خطوط برق در مناطق با شیب زیاد برنامه ریزی نشده است.

همچنین می‌توان تفاوت‌های ارتفاعی را ردیابی کرد تا اطمینان حاصل شود که خطرات زمین‌شناسی نظارت، پیش‌بینی و کاهش می‌یابد – به حداقل رساندن آسیب‌ها و خاموشی‌ها .

آژانس اطلاعات جغرافیایی ملی با دانشگاه ایلینویز، دانشگاه مینه‌سوتا و دانشگاه ایالتی اوهایو برای تولید مدل‌های ارتفاعی دیجیتالی از جهان از طریق DEM زمین همکاری کرده است .

این پروژه تصاویر ماهواره‌ای از یک منطقه را از زوایای مختلف به ابررایانه Blue Waters می‌دهد تا مدل‌های سه‌بعدی از زمین ایجاد کند.

آبی واترز به عنوان یکی از قوی ترین و سریع ترین ابررایانه های جهان، می تواند بیش از 13 کوادریلیون محاسبه در ثانیه انجام دهد.

EarthDEM یک نقشه سه بعدی و در دسترس عموم از جهان خواهد بود و نقشه برداری کامل از قطب شمال در سال 2017 را به عنوان بخشی از پروژه ArcticDEM دنبال می کند – که به دانشمندان کمک کرد تغییرات را ردیابی کنند، جنگل زدایی، فروریختن کلاه یخی و موارد دیگر را شناسایی کنند.

مطالعات زمین شناسی و نقشه برداری DEM

سیستم شکاف آفریقای شرقی

مدل‌های رقومی ارتفاع، بینش‌هایی را در مورد مرزهای صفحات تکتونیکی به زمین‌شناسان ارائه می‌دهند . در تصویر بالا از شرق آفریقا، خطوط کلی ارتفاعات که برآمدگی های حرارتی و دریاچه های بزرگ در شرق آفریقا را نشان می دهد قابل مشاهده است.

دانشمندان از داده‌های DEM برای کشف و پیش‌بینی انتقال شکاف به خط الراس استفاده کردند که منجر به تشکیل اقیانوس جدید با تقسیم قاره آفریقا به دو قسمت می‌شود . سیستم ریفت آفریقای شرقی از منطقه آفار در اتیوپی تا موزامبیک امتداد دارد. این یک شکاف فعال قاره ای است که میلیون ها سال پیش شروع شد و سالانه به 7 میلی متر تقسیم می شود.

در مطالعه اخیر، میکروپلیت ویکتوریا، که بین شاخه‌های شرقی و غربی سیستم شکاف آفریقای شرقی قرار دارد، در دو سال گذشته نسبت به صفحه آفریقا در خلاف جهت عقربه‌های ساعت می‌چرخد.

علاوه بر این بینش‌ها در قاره‌ها، فوران‌های منظم آتشفشان‌ها در امتداد شکاف بر این باور می‌افزایند که ممکن است قاره در حال شکافتن برای تشکیل یک اقیانوس جدید باشد.

دهانه برخورد شهاب سنگ در گرینلند

داده‌های ArcticDEM از بررسی یک دهانه برخوردی احتمالی که در زیر بیش از یک مایل یخ در شمال غربی گرینلند مدفون شده بود، پشتیبانی کرد .

پس از اعلام نوامبر 2019 در مورد دهانه ای به عرض 19 مایل در زیر یخچال هیوااتا – اولین دهانه برخورد شهاب سنگی که تا کنون در زیر ورقه های یخی زمین کشف شده است – دهانه دوم بیش از 22 مایل عرض دارد.

جو مک گرگور، یخدان شناس ناسا، نقشه های توپوگرافی سنگ زیر یخ گرینلند را برای نشانه هایی از دهانه ها بررسی کرد. او از تصاویر ابزار MODIS ناسا استفاده کرد و متوجه یک الگوی دایره ای در حدود 114 مایلی جنوب شرقی یخچال هیوااتا شد.

با مطالعه داده‌های DEM با وضوح بالا در کل قطب شمال با استفاده از ArcticDEM، او متوجه همان الگوی دایره‌ای شد که او را به دهانه برخوردی احتمالی دوم هدایت کرد .

باستان شناسی و DEMs

داده های DEM برای کاوش در گذشته بسیار مفید است. زمانی که باستان شناسان صحرای نفود در شمال عربستان سعودی را کاوش کردند، 376 رد پا را که در گل و لای بستر دریاچه باستانی باقی مانده بود، بررسی کردند.

در میان ردپای حیواناتی مانند فیل‌های غول‌پیکر منقرض شده، شتر، گاومیش و اجداد اسب‌های امروزی، آن‌ها ردپای انسان‌هایی را مشاهده کردند که ممکن است گواه حضور انسان در منطقه در حدود 115000 سال پیش باشد.

تجزیه و تحلیل با استفاده از مدل‌های ارتفاعی دیجیتالی از سه مسیر انتخاب‌شده هومینین، استدلال می‌کند که انسان‌های مدرن از نظر آناتومی این هفت ردپا را ایجاد کردند . اگر تایید شود، اینها قدیمی‌ترین آثار هومو ساپینس هستند که تاکنون در شبه جزیره عربستان یافت شده است.

اولین رد پای انسان کشف شده در آلاتار (سمت چپ) و یک مدل ارتفاع دیجیتالی که به محققان کمک کرد جزئیات آن را تشخیص دهند (راست) (استوارت و همکاران، 2020)

داده های DEM برای سیارات دیگر

ارتفاع سنج لیزری مدارگرد مریخ (MOLA)

نقشه برداری از سیاره خودمان جایی نیست که به پایان می رسد. به لطف ابزار ارتفاع سنج لیزری مدارگرد مریخ (MOLA)، می توانید زمین ناهموار مریخ را مشاهده کنید.

ابزار روی مریخ Global Surveyor (MGS)، فضاپیمایی که در 7 نوامبر 1996 پرتاب شد، داده های ارتفاع سنجی را تا 30 ژوئن 2001 جمع آوری کرد. در کنار این، یک ارتفاع سنج لیزری روی MGS ارتفاع ویژگی های سطح مریخ را تعیین کرد.

از سال 1998، MGS رصدهای قطب به قطب سیاره سرخ را انجام داد . هدف است؟ برای نقشه برداری از کل کره مریخ، پایه گذاری بیش از ده سال دیگر از ماموریت های ناسا. برای تعیین زمین شناسی و شاید تاریخ مریخ و آب و هوای آن.

دانشمندان از MOLA برای ترسیم جریان های باستانی مریخ و کشف آنچه که ممکن است بوده باشد استفاده کردند. MOLA با اندازه‌گیری زمان لازم برای خروج یک پالس نور از فضاپیما، انعکاس از سطح مریخ و بازگشت به آینه جمع‌آوری MOLA کار می‌کند. دانشمندان با ضرب زمان انعکاس در سرعت نور، ارتفاع نقشه بردار از سطح زمین محلی را تا حدود 30 متر محاسبه کردند.

همانطور که فضاپیما بر فراز تپه ها، دره ها و دهانه ها پرواز می کرد، ارتفاع آن از سطح زمین به طور مداوم تغییر می کرد. چنین نقشه های دقیقی به ما کمک می کند تا یک اطلس توپوگرافیکی از سیاره بسازیم و نیروهای زمین شناسی که مریخ را شکل داده اند، درک کنیم .

خطوط همسایه سیاره‌ای ما را در این نقشه زمین مریخ و از طریق مرکز علوم اخترشناسی USGS کاوش کنید.

توپوگرافی مریخ – ویژگی های سفید و قرمز در ارتفاع نسبی بالاترین و نواحی آبی پایین ترین هستند. (منبع: ناسا)

خلاصه: DEM، DSM و DTM

به طور خلاصه، یک مدل ارتفاع دیجیتال یا DEM یک اصطلاح کلی برای مجموعه داده های شطرنجی با یک شبکه منظم از اطلاعات ارتفاع است . DEM ها برای محاسبات، دستکاری ها و تجزیه و تحلیل بیشتر یک منطقه و تجزیه و تحلیل بر اساس ارتفاع محبوب هستند.

مدل‌های سطح دیجیتال یا DSM یک سطح را می‌گیرند – از جمله سازه‌های طبیعی و ساخت بشر مانند پوشش گیاهی و ساختمان‌ها . آنها سطوح انعکاسی تمام ویژگی‌های برافراشته از «زمین برهنه» را نشان می‌دهند.

در نهایت، مدل‌های دیجیتال زمین یا DTMها یک مدل ارتفاعی زمین برهنه هستند و بنابراین عاری از پوشش گیاهی، ساختمان‌ها و سایر اشیاء بالای زمین هستند.

مکان های زیادی برای یافتن DEM های جهانی وجود دارد. از داده های ماهواره ای رایگان گرفته تا منابع LiDAR . آنها در فرمت های مختلف فایل، از csv. و .tif تا txt. و .dem هستند. شما به یک سیستم اطلاعات جغرافیایی (GIS) یا سایر نرم افزارهای کاربردی خاص نیاز دارید زیرا داده های ارتفاع به طور مستقیم در مرورگر قابل مشاهده نیستند. برخی از نرم افزارها تشخیص می دهند که فایل های DEM شامل ArcGIS و QGIS 3 هستند.

QGIS 3.0 دارای نمای لایه سه بعدی است. این به شما امکان می‌دهد تا داده‌های GIS را به صورت سه بعدی تجسم کنید و تجسم واضح‌تری از داده‌هایی که حاوی ارتفاع یا ارتفاع هستند را برای شما فراهم می‌کند.

خطاها در DEM ها معمولاً به عنوان سینک یا پیک طبقه بندی می شوند . سینک منطقه ای است که توسط مقادیر بالاتر از ارتفاع احاطه شده است. به آن فرورفتگی یا گودال نیز گفته می شود. از سوی دیگر، یک قله، همچنین به عنوان یک سنبله شناخته می شود، منطقه ای است که توسط سلول هایی با ارزش کمتر احاطه شده است. اینها باید قبل از تلاش برای استخراج اطلاعات سطحی حذف شوند و یک DEM بدون فرورفتگی ایجاد شود .

DEM ها را می توان برای انجام بسیاری از مدل سازی های جغرافیایی و هیدرولوژیکی – از جمله پیش بینی سیل و تجزیه و تحلیل تاثیر سیل برای آمادگی اضطراری استفاده کرد .

الگوریتم‌های یادگیری ماشینی را می‌توان برای استخراج بیشتر از داده‌های DEM استفاده کرد – مانند نقاشی درون تصویر برای پر کردن فضای خالی داده‌ها و تکمیل تصویر.

داده‌های ارتفاع را می‌توان به عنوان ورودی برای پروژه‌های زیرساختی، مطالعات زمین‌شناسی، یافته‌های باستان‌شناسی و کاوش در سیارات غیر از سیاره‌های ما مانند مریخ استفاده کرد.