Análise de Qualidade de Amostragem e Interpolação na Geração de MDE

• Main Authors: Gisele Horta Barroso Miranda, Nilcilene das Graças Medeiros, Afonso de Paula dos Santos, Gerson Rodrigues dos Santos
• Format: Article
• Language: English
• Published: Universidade Federal de Uberlândia 2018-03-01
• Series: Revista Brasileira de Cartografia
• Subjects: Modelo Digital de Elevação; Laser Scanner Terrestre; Amostragem; Interpolação; Controle de Qualidade Cartográfica
• Online Access: http://www.seer.ufu.br/index.php/revistabrasileiracartografia/article/view/45255

O presente trabalho propõe uma análise sobre métodos de amostragem e interpolação para a modelagem do terreno utilizando dados provenientes de levantamento de campo realizado com Laser Scanner terrestre. A problemática consiste na manipulação da nuvem de pontos, a qual possui uma densa quantidade de pontos 3D, requerendo uma grande demanda de recursos computacionais. Assim, propõe-se avaliar diferentes tipos de amostragens da nuvem de pontos, a fim de encontrar uma amostra de tamanho ideal que seja capaz de representar o fenômeno de forma fidedigna, bem como, aplicar aos conjuntos amostrais, diferentes interpoladores e analisar a influência dos métodos de interpolação para se obter resultados capazes de modelar o terreno com eficiência. Propõe-se ainda, para análise da eficiência dos MDE's gerados, avaliar a acurácia posicional de acordo com o padrão ET-CQDG e Decreto-lei n° 89.817/1984. Dentre as amostragens utilizadas (Aleatória, Sistemática Quadrada, Sistemática Triangular e Sistemática Hexagonal), o melhor grid amostral foi o sistemático hexagonal, apresentando valores de RMS inferiores aos demais. Quanto as análises relacionadas a qualidade cartográfica dos interpoladores IDW, Spline, TIN e Vizinho Natural, os interpoladores que obtiveram melhores resultados foram o TIN e o Vizinho Natural, que apresentaram resultados idênticos. Em relação ao número de amostragem, os resultados mostraram que MDE's com classificações na escala 1:1.000 - Classe A, foram gerados, com até 250 pontos, em alguns casos. Nesse sentido o esforço computacional entre amostras de 250 pontos e 3 mil pontos é razoavelmente o mesmo, quando comparado às amostras de 50 mil e 30 mil pontos.