Belvízelöntések térképezését és a belvizképződés modellezését megalapozó térbeli adatgyűjtés Szatmári József 1 – Szijj Nándor 2 – Mucsi László 1 – Van.

Az előadások a következő témára: "Belvízelöntések térképezését és a belvizképződés modellezését megalapozó térbeli adatgyűjtés Szatmári József 1 – Szijj Nándor 2 – Mucsi László 1 – Van."— Előadás másolata:

1 Belvízelöntések térképezését és a belvizképződés modellezését megalapozó térbeli adatgyűjtés
Szatmári József 1 – Szijj Nándor 2 – Mucsi László 1 – Van Leeuwen Boudewijn 1 – Tobak Zalán 1 1 SZTE – Természeti Földrajzi és Geoinformatikai Tanszék, 2 Carto-Hansa Kft. ügyvezető igazgató, FÉNYKÉP, TÉRKÉP,   FÉNY - TÉR – KÉP Székesfehérvár, október 14.

2 Tartalom Belvíz jelenség Térbeli adatgyűjtés – Mintaterületek
Domborzatmodellek, alkalmazás Modellezés: Mesterséges neurális hálózatok (ANN) Keretrendszer: ANN – GIS kapcsolata Eredmények Következtetések

3 A belvíz probléma 2010. június 8. 2010. szept. 28. www.vizugy.hu
Március 2005 Március 2006 Február 2010

4 Belvizek kialakulásában szerepet játszó egyedi hatások
a. talajtani okok (pl. talajtípus, gyenge vezetőképesség, agrotechnikai gondok), b. domborzati tényezők (pl. zárt depressziók, időszakos domborzati formák), c. geomorfológiai okok (pl. hordalékkúpok pereme, talajvízáramlás), d. hidrogeológiai okok (talajvíz- és rétegvíz-áramlások), e. területhasználati okok (beépítettség, vonalas infrastruktúrák hatása), f. éghajlati okok (talajfagy szerepe, párolgás, vízmérleg, vegetáció), g. társadalmi-politikai okok (pl. csatornarendszerek vegyes kezelése, nem megfelelő karbantartása, politikai határ, közigazgatási határ), h. műszaki (pl. csatornarendszerek), technológiai, vízkormányzási gondok

5 A belvíztérképezés módszertanának kialakítása
A térképezés légi távérzékeléses módszerei Mobil, térinformatikai rendszerre alapozott terepi térképezés Digitális terepmodellek készítése és alkalmazhatóságának vizsgálata az országos és regionális operatív belvízvédekezésben

6 Mintaterületek 70 km2 Kiválasztás kritériumai: - Belvíz előfordulások
- Kutatási előzmények - Reptér közelsége Az Alföld km2-en terül el. Ebből a Tisza bal partján található Tápairét területet választottuk ki belvíz projektünk – melynek keretei között ezen kutatás is készül – egyik mintaterületként (2. ábra). A Tápairét mintaterület kb. 15 km2-én a maximális magasságkülönbség kb. 10 méter. A terület túlnyomó részén mezőgazdasági művelés folyik, de nagy számban találhatók kőolajkitermelő kutak is. A Maros fiatal, igen agyagos üledékein öntés-, illetve réti talajok alakultak ki (Marosi S. és Sárfalvi B. 1990). Ezek a talajok szélsőséges mechanikai összetételük miatt – Arany-féle kötöttségük számos területen 60 fölé emelkedik – rendkívül rossz vízvezető képességűek, összegyülekezési belvíz kialakulására hajlamosak

7 Mintaterületek kiválasztása
Székkutas Batida Tápairét

8 Munkaterületek meghatározása Batida – Tápairét - Székkutas

9 Repülés Szeged, 2009.11.19. Hansa-Luftbild GmbH

10 Lézerszkennelés Műszaki paraméterek és eszközök
Repülési paraméterek Repülőgép Cessna 404 D-IDOS Repülési sebesség 65 m/s Relatív repülési magasság 1500 m Repülés dátuma Lézeres mérés paraméterei Mérőeszköz ALTM 3100 (Optech/Toronto) Lézermérési frekvencia Hz Max. szkennelési szög ± 18 fok Szkennelési frekvencia 35 Hz Sortávolság 725 m Sorszélesség 250 m Átfedés Pontmérés sűrűsége 1,4 pont/m²

11 Lézerszkennelés Pontadatbázis kiértékelése 1.
Koordinátatranszformáció (Lineáris transzformáció 1km-es rácsban, azonos pontok felhaszn.) ETRS89 ellipszoidi magassággal -> HD72 Balti magassággal - EHT A mérőeszköz koordinátáinak kiszámítása (dGPS) - TTC Megbízhatóság 1-2 cm, Lézerpontok koordinátáinak (x,y,z) számítása - ASDA Rendszerkalibrálás Kalibrációs területek ellenőrzésével Keresztsorok mérésével Mérési pontosság analizálása (két ellenőrzési területre):

12 Lézerszkennelés Pontadatbázis kiértékelése 2.
Lézerpontok automatikus osztályozása - TerraScan A talaj- és egyéb pontok szoftveres szétválasztása Az automatikus osztályozás interaktív ellenőrzése – GVE, PRO600,TE Változtatandó pontok statisztikája: Az összes „utolsó visszaverődésű” talajpontok száma: (100%) Ebből interaktívan másik osztályba sorolt pontok száma: (0,04%) Modellszámítás (interpoláció) - SCOP A talajpontok 1m-es rácspont-sűrűségre történő átszámolása és a domborzatmodell letisztázása, 1kmx1km-es „csempékre” osztás

13 Mérési eredmények bemutatása az utolsó visszaverődésekből leválogatott tereppontok

14 Mérési eredmények bemutatása digitális terepmodell 1 méteres rácsként lézeres mérés modellszámításából „3D-s” ortofotó

15 Országos DDM és lézermérés összehasonlítása

16 Sztereo légifelvételezés Műszaki paraméterek és eszközök
Repülési paraméterek Repülőgép Cessna 404 D-IDOS Repülési sebesség 65 m/s Relatív repülési magasság 1500 m Repülés dátuma Digitális kamera paraméterei Mérőeszköz Digital Mapping Camera -DMC Pixel méret (felbontás) 12 µ Max. látószög 69.2 fok Érzékelési tartomány Színes és közel-infravörös (RGB+IR) Sortávolság 1450 m Sorok közötti átfedés 30% Soron belüli átfedés 60% Pixel méret a terepen 15 cm

17 Sztereo légifelvételezés és feldolgozás Illesztőpontok mérése

18 Mérési eredmények bemutatása- Tápairét élvonalak mérése sztereofotogrammetriai eljárással

19 Mérési eredmények bemutatása élvonalak mérése sztereofotogrammetriai eljárással

20 Dombozatmodell végterméke
Rácspontok és élek együtt >> teljesség

21 Végeredmény TIN formátumban

22 Alkalmazás - Régészet Gorzsa: tell - földvár

23 Alkalmazás - Régészet

24 Modellezés Belvíz-elemzés - más megközelítések -
Lineáris statisztikai módszerek Klasszifikáció Pálfai képlet: Komplex Belvíz-veszélyeztetettségi Mutatónak = (176 – 2.3* TALAJVÍZ – 40* TALAJ – 1.8*RELIEF – 5.1* FÖLDHASZNÁLAT – 3.8* FÖLDTAN)* HUMI /20

25 Keretrendszer Mátrix → tömb konverzió Tréning Szimuláció Exportálás
Importálás Tömb → mátrix konverzió Tréning adatok (input / output) Szimuláció eredménye Szimuláció input adata Neurális hálózat ArcGIS Matlab Feed forward: information is flowing in one direction from the input layer via the hidden layer(s) to the output layer Backpropagation: supervised training method where iteratively the weigth of the inputs is adapted to minimize the total training error

26 18 km LIDAR DDM → Lokális depressziók 6 km

27 CIR képek Légifelvételezés saját képkészítő rendszerrel
Cessna 172 860 m 640 m Légifelvételezés saját képkészítő rendszerrel 2010. március 24. , június 9. – 2. belvízvédekezési fokozat Repülési magasság: 2000 m Σ 895 kép - mozaikolás 3 sáv: zöld – vörös - közel infravöros 62 cm térbeli felbontás

28 CIR képek

29 Terepi felmerés Mobil GIS eszközökkel
2010. március 25. 2010. április 29.

30 Tréning A tréning adatok előfeldolgozásának lépései Tréning adatok
(input / output) CIR képek CIR – zöld CIR - vörös CIR - NIR Terepi felmérés (poligon) Terepi felmérés (raszter) Digitális domborzat modell Fill eszköz Fill és DEM különbsége Újra-osztályozás Fill eszkoz: A tréning adatok előfeldolgozásának lépései

31 GIS – ANN kapcsolata (Tréning)
Python ArcGIS Betanított Neurális Hálózat Matlab

32 GIS – ANN kapcsolata (Szimuláció)
Python ArcGIS Eredmény Neurális hálozat ArcGIS Matlab Python

33 Eredmények Validáció vizsgálat Tréning eredmény: R = 0.74
A déli (A) tréning terület a GPS-es felméréssel és az északi (B) szimulációs terület Validáció vizsgálat Tréning eredmény: R = 0.74

34 Következtetések A keretrendszer működik, a neurális hálózatok alkalmazhatók a belvízelemzésben is Könnyen bővíthető több bemeneti adatréteggel További dinamikus komponensek Könnyen bővíthető ANN beállításokkal Validáció vizsgálat (terepi adattal, össze- hasonlítás a klasszikus osztályozásokkal) Számítási teljesítmény

35 Természeti Földrajzi és Geoinformatikai Tanszék
Köszönjük a figyelmet ! SZTE TTIK Természeti Földrajzi és Geoinformatikai Tanszék Carto-Hansa Kft.