بهينه سازي درونيابي ارتفاع داده‌هاي ليدار در توليد مدل رقومي زمين مناطق جنگلي با استفاده ازالگوريتم ژنتيك

Optimizing LiDAR Data Interpolation Elevation in the Generation of Digital Terrain Model Forest Using Genetic Algorithm

امروزه تكنولوژی رو به رشد لیدار به‌دلیل قدرت نفوذ پالس‌های لیزر در پوشش گیاهی برای تهیه مدل‌های رقومی زمین به خصوص در مناطق جنگلی بسیار مورد توجه است. تولید مدل رقومی زمین با داده‌های لیدار شامل دو مرحله فیلتر كردن و درونیابی می‌باشد. روش‌های مختلفی برای فیلتر كردن وجود دارد كه در تحقیق حاضر از فیلتر شیب مبنا و هیبرید برای فیلتر كردن ابر نقاط خام داده لیدار استفاده گردید و سپس بااستفاده از الگوریتم ژنتیك روش‌های درونیابی معكوس فاصله وزنی[1] و چند جمله‌ای‌ها[2] بهبود داده شد و عملكرد آن‌ها با روش‌های معمول درونیابی مانند كریجینگ[3] و توابع پایه شعاعی[4] و غیره مقایسه گردید. نتایج نشان داد فیلتر هیبرید با درونیابی معكوس فاصله وزنی بهبود داده شده توسط الگوریتم ژنتیك با میانگین مجموع مربعات خطا 135/0 متر و 230/0 متر برای منطقه‌اول با تاج پوشش گیاهی متراكم (تاوركوه) و منطقه‌دوم با پوشش گیاهی علفزار (حوزه رودخانه شصت كلا) بهترین عملكرد را در بین روش‌های درونیابی به‌كار گرفته‌شده در این تحقیق داشته‌است. [1] Inverse Distance Weighting [2] Polynomials [3] Kriging [4] Radial Basis Function

Nowadays, the developing LiDAR technology has attracted a great deal of attention for generating Digital Terrain Models (DTMs) especially in forest areas, due to great penetration of laser pulses in vegetation. Generating DTM using LiDAR data includes two seteps: filtering and interpolation. Although there is a wide variety of filtering methods, in this study, slope based filter  and hybrid filter have been applied in order to filter the cloud of raw lidar data points. Then Genetic Algorithm ,for improving the interpolation methods like Inverse Distance Weighted (IDW) and polynomials, have been employed. The performance of these intelligent methods has been compared with typical interpolation methods such as Kriging and Radial Basis Functions, etc. Results of the present study indicated that interpolating by hybrid filter, which used Genetic Algorithm ,for improving the interpolation  Inverse Distance Weighted(IDW), RMSE of 0.135 m for the first area having a dense vegetation conopy and RMSE of 0.230 m for the second area having grassland vegetation, had the best performance of all the applied interpolation methods in this study.