محاسبۀ ارتفاع و تعداد طبقات ساختمان‌‌ها در سقف شیبدار با استفاده از دادۀ لیدار و تصاویر اولتراکم

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار جغرافیا و برنامه ریزی شهری، دانشگاه تبریز، تبریز، ایران

2 کارشناس ارشد جغرافیا و برنامه ریزی شهری، دانشگاه تبریز، تبریز، ایران

چکیده

ارتفاع ساختمان از عوامل مهم در ساماندهی منظر شهری و از پارامترهای تأثیرگذار بر تراکم شهری است. استفاده از روش‌‌ها و ابزارهای ‌‌‌‌نوین، نقش مهمی در استخراج ارتفاع ساختمان‌‌ها دارد. یکی از این ابزارها، [1]LIDAR‌‌ است که یک فناوری نسبتاً جدید و یک روش سریع برای نمونه‌‌‌برداری با چگالی و دقت ‌‌بالا درجهت به‌دست‌‌‌آوردن مدل‌‌های دیجیتال از سطح زمین (DSM[2]) است. آنچه در این ‌‌پژوهش مدنظر بوده، ارزیابی استفاده از یک ابزار ‌‌نوین در برنامه‌‌‌ریزی ‌‌شهری مبنی ‌‌بر استخراج ارتفاع ساختمان‌‌ها و تعداد طبقات ساختمانی است که با استفاده از ابرنقاط‌‌ لیدار و تصاویر ‌‌اولتراکم در دو مرحلۀ آشکارسازی ساختمان‌‌ها و محاسبۀ تعداد ‌‌طبقات آن‌‌ها، در محدوده‌‌ای از شهر بندر‌‌ انزلی به مساحت 23 هکتار (شامل 417 ساختمان) و با استفاده از نرم‌‌‌افزارهای ‌‌ARCGIS،[3]ENVILIDAR   کلاسه‌‌‌‌بندی و استخراج شدند. تمامی الگوریتم‌‌های به‌کارگرفته‌‌‌شده، سیستم را قادر کرد تا ساختمان‌‌ها به‌صورت موفقیت‌‌‌آمیز از داده‌‌های لیدار استخراج شوند. داده‌‌های به‌دست‌‌‌آمده و تطبیق آن‌‌ها با نمونه‌‌های برداشت‌شده در پیمایش ‌‌میدانی، نشان‌‌‌دهندۀ‌‌ دقت‌‌ مرز و طبقات استخراج ‌‌شده‌‌ است. به‌طورکلی سیستم‌‌ پیشنهادی از نظر کامل‌‌‌بودن، صحت و تطابق داده‌‌ها دارای عملکرد خوبی است. با توجه به یافته‌‌های تحقیق می‌‌توان گفت تکنولوژی ‌‌لیدار هوایی قابلیت فوق‌‌‌العاده‌‌ایدر جمع‌‌‌آوری نمونه‌‌های بسیار دقیق و متراکم از اندازه‌‌گیری‌‌های ارتفاعی سطح زمین فراهم کرده‌است و می‌‌توان ابعاد جدیدی از جزئیات دقیق ارتفاع ساختمان‌‌ها را به‌‌طور اتوماتیک و کار‌‌آمد از داده‌‌های لیدار ‌‌هوایی استخراج کرد.
 
[1] - Light Detection and Ranging
[2] - Digital Surface Model
[3] - Environment for Visualizing Images Light Detection and Ranging

کلیدواژه‌ها


عنوان مقاله [English]

Calculate the Height and the Number of Floors of Buildings in Sloping Roofs Using Lidar Data and Ultracam Images

نویسندگان [English]

  • Firouz Jafari 1
  • Fatemeh Movahhed 2
1 department of geography and urban planning, university of Tabriz
2 Fatemeh Movahhed, M.Sc.in Geography and Urban Planning, University of Tabriz, Tabriz, Iran
چکیده [English]

The height of the building is one of the important factors in organizing the urban landscape and one of the parameters affecting the urban density. The use of modern methods and tools plays an important role in extracting the height of buildings. One of these tools is LIDAR‌‌, a relatively new technology and a rapid method for ultracam, high-precision sampling to obtain digital surface-to-surface (DSM) models. the purpose of this research is to evaluate the use of a new tool in urban planning based on extracting the height of buildings and the number of building floors, using Lidar point and ultrasound images in two stages of detecting buildings and calculating the number of floors in An area of ​​Bandar_Anzali with an area of ​​23 hectares (including 417 buildings) was classified and extracted using ARCGIS, ENVILIDAR software. All the algorithms used enabled the system to successfully extract the structures from the lidar data. The obtained data and their matching with the samples taken in the field survey show the accuracy of the extracted boundaries and classes. In general, the proposed system performs well in terms of data completeness, accuracy and consistency. According to the research findings, it can be said that lidar technology has an extraordinary ability to collect very accurate and dense samples of Ground level measurements have been provided and new dimensions of accurate building height details can be extracted automatically and efficiently from aerial weather data.

کلیدواژه‌ها [English]

  • Building Height
  • Lidar
  • Ultracam
  • Anzali
  • ENVI
  • ARCGIS
پارسیان، سعید. (1394). استخراج ساختمان به کمک ادغام داده‌‌های ابرطیفی و لیدار، پایان‌‌نامۀ کارشناسی‌ارشد، رشتۀ مهندسی عمران نقشه‌برداری، دانشگاه تفرش، صص 1-2.https://gisj.sbu.ac.ir/index.php/GIS/article/view/article96491html
جعفری، فیروز. (1393). تحلیل و مدل‌سازی تراکم ساختمانی (FAR) در محله‌‌های مسکونی با رویکرد توسعۀ پایدار محله‌‌ای مطالعۀ موردی: محله‌‌های گلباد و میدان قطب تبریز، رسالۀ دکترای تخصصی، رشتۀ جغرافیا و برنامه‌‌ریزی شهری، دانشگاه تبریز، صص 78.https://ganj.irandoc.ac.ir/
خانی پردنجانی، حامد؛ شعبان‌پور، نگار؛ رضایی فرهادآباد، علی؛ ریاحی بختیاری، حمیدرضا. (1397). استخراج و بازسازی مدل سه‌بُعدی ساختمان با استفاده از داده‌های لیدار هوابرد و تصاویر اولتراکم، بیست و پنجمین همایش و نمایشگاه ملی ژئوماتیک و سومین کنفرانس مهندسی فناوری اطلاعات مکان، تهران، صص 7.https://civilica.com/doc/880017
سجادی، سید یوسف؛ پارسیان، سعید. (1397). استخراج ساختمان به کمک ادغام داده‌های ابرطیفی و لیدار به روش یادگیری ماشین، سنجش‌ازدور و GIS ایران، پژوهشگاه علوم انسانی و مطالعات فرهنگی، سال دهم، شمارۀ 2، صص 12.http://ensani.ir/fa/article/391748
سیف، عبدالله؛ محمودی، طیبه. (2014). سنجندۀ لیدار و کاربردهای آن، فصلنامۀ اطلاعات جغرافیایی (سپهر)، سازمان جغرافیایی، دورۀ بیست‌وسوم، شمارۀ 89، صص 72-80.http://www.sepehr.org/article_13059.html
شمس‌‌الدینی، علی. (1396). قابلیت‌سنجی کارایی داده‌های لیدار و اپتیک به‌منظور استخراج پارامترهای ساختاری جنگل، برنامه‌ریزی و آمایش فضا، پژوهشگاه علوم انسانی و مطالعات فرهنگی ، دوره بیست‌ویکم، شمارۀ ۲، صص 119-145.http://ensani.ir/fa/article/285741/
عزیزخانی، محمدرضا؛ عبادی، حمید؛ مختارزاده، مهدی. (1392). بازسازی خودکار مدل سه‌‌بعدی ساختمان از داده‌‌های لیزر اسکنر هوایی با تأکید بر توسعۀ الگوریتم‌‌های خوشه‌‌بندی ابرنقاط، پایان‌‌نامۀ کارشناسی ارشد، رشتۀ مهندسی عمران- نقشه‌برداری گرایش فتوگرامتری، دانشگاه خواجه نصیرالدین طوسی، صص 2-3.https://www.virascience.com/thesis/656787/
قربانی، رسول. (1383). تراکم و ساماندهی فضاهای شهری (مورد نمونه: تبریز)، رسالۀ دکترا، دانشگاه تبریز، صص 20.https://civilica.com/doc/631747/
مرکز آمار ایران، سالنامۀ استان گیلان، شهرستان بندر انزلی، (1395).https://www.amar.org.ir
هژبری، بلال؛ صمدزادگان، فرهاد؛ عارفی، حسین. (1393). بازسازی مدل ساختمان بر مبنای تلفیق ابرنقطه لیدار و تصویر هوایی، نشریۀ علمی-پژوهشی علوم و فنون نقشه‌برداری، انجمن علمی مهندسی نقشه برداری و ژئوماتیک ایران، دورۀ سوم، شمارۀ 4، صص 103-121.https://jgst.issge.ir/browse.php?a_id=168&sid=1&slc_lang=fa
Hofmann(2007). “An Approach to 3D Building Model Reconstruction from Airborne Laser Scanner Data Using Parameter Space Analysis and Fusion of Primitives”. Munchen University, Geodesy Commission, pp:12 .http://nosazco.com/wp-content/uploads/2019/01/3d-building.pdf
Andrew S. Huntington(2020). “InGaAs Avalanche Photodiodes for Ranging and Lidar, Woodhead Publishing Series in Electronic and Optical Materials”,pp: 45.https://www.elsevier.com/books-and-journals
Bailang Yu , Hongxing Liu ,Jianping Wu ,Yingjie Hu ,Li Zhang(2010). “Automated derivation of urban building density information using airborne LiDAR data and object-based method”, jurnal Landscape and Urban Planning, pp: 210-219.https://www.sciencedirect.com/science/article/pii/S016920461000191X
Burton, E. (2000). The Compact City: Just or Just Compact? A Preliminary Analysis, Urban Studies, Vol. 37 (11) pp: 1969-2001.https://journals.sagepub.com/doi/10.1080/00420980050162184
Chaouch, A., and Mari, J. L., (2006). 3D Land Seismic Surveys: Defiition of Geophysical Parameters Oil & Gas Science andTechnology – Rev. IFP , Vol. 61, No. 5, pp. 611- 630. Between photogrammetry and laser scanning ISPRS Journal of Photogrammetry and Remote Sensing 54, pp: 83–94 .http://scholar.google.com/scholar?q=:+Definition+of+Geophysical+Parameters+Oil+%26+Gas+Science+and+Technology&hl=fa&as_sdt=0&as_vis=1&oi=scholart
Brenner(2005). “Building reconstruction from images and laser scanning”. International Journal of Applied Earth Observation and Geoinformation 6, pp: 187–197. http://nosazco.com/wp-content/uploads/2019/01/3d-building.pdf
Dave, Seema(2011), Neighbourhood Density and Social Sustainability in Cities of Developing Countries, Sust. Dev 19. Wiley Online Library, pp:189–205.https://onlinelibrary.wiley.com/doi/abs/10.1002/sd.433
Dong, P., Zhong, R., and Yigit, A (2018). Automated parcel-based building change detection using multitemporal airborne LiDAR data. Surveying and Land Information Science, (in press).  Surveying and Land Information Science, Volume 77, Number 1, May 2018, pp: 5-13(9).https://www.ingentaconnect.com/content/aags/salis/2018/00000077/00000001/art00002
Fanos, A. M., Pradhan, B., Mansor, S., Yusoff, Z. M., & bin Abdullah, A. F (2018). A hybrid model using machine learning methods and GIS for potential rockfall source identification from airborne laser scanning data. Landslides, 15(9), pp: 1833–1850.https://link.springer.com/article/10.1007/s10346-018-0990-4
Forsyth, A., Oakes, J. M., Schmitz, K. H. & Hearst, M. (2007) Does Residential Density‌ Increase Walking and Other Physical Activity?, Urban Studies, Vol. 44 (4) ,pp: 679-‌697.‌https://journals.sagepub.com/doi/10.1080/00420980601184729
F Ackerman(1999). “Airborne laser scanning - present status and future expectations”. J Photogramm Remote Sens 54, pp: 64–67.http://nosazco.com/wp-content/uploads/2019/01/3d-building.pdf
Idrees, M. O., & Pradhan, B(2018). Geostructural stability assessment of cave using rock surface discontinuity extracted from terrestrial laser scanning point cloud. Journal of Rock Mechanics and Geotechnical Engineering, 10(3), pp: 534–544.https://doi.org/10.1016/j.jrmge.2017.11.011
Peng, D. Zhang, Y. Liu(2005). “An improved snake model for building detection from urban aerial images”, Pattern Recognition Letters 26, pp: 587–595.http://scholar.google.com/scholar?q=An+improved+snake+model+for+building+detection+from+urban+aerial+images&hl=fa&as_sdt=0&as_vis=1&oi=scholart
WANG and H. LIU(2006). An efficient method for identifying and filling surface depressions in digital elevation models for hydrologic analysis and modelling, Department of Geography, Texas A&M University, College Station, TX 77843, USA, pp: 193-213.https://www.tandfonline.com/doi/abs/10.1080/13658810500433453
Gallay, C. Lloyd, J. Mckinley(2012). “Optimal interpolation of airborne laser scanning data for fine-scale dem validation purposes”. In Symposium GIS Ostrava, Proceedings Surface models for geosciences, Ostrava, Czech Republic. January, pp: 23-25.http://scholar.google.com/scholar?q=Optimal+interpolation+of+airborne+laser+scanning+data+for+fine-scale+dem+validation+purposes&hl=fa&as_sdt=0&as_vis=1&oi=scholart
Hebel(2008). “Pre-classification of points and segmentation of urban objects by scan line analysis of airborne lidar data”. The International Archives of Photogrammetry and Remote Sensing and Spatial Information Science XXXVII, pp: 1.http://nosazco.com/wp-content/uploads/2019/01/3d-building.pdf
Pan, X. Z. et al., (2008), Analyzing the Variation of Building Density Using High Spatial Resolution Satellite Images: the Example of Shanghai City, Sensors, Vol. 8, No. 4, pp: 2541-2550.https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3673430/
Rastiveis, H., Samadzadegan, F., & Reinartz, P(2013). A Fuzzy Decision Making System For Building Damage Map Creation Using High Resolution Satellite Imagery. Natural Hazards And Earth System Sciences, 13(2), pp: 455.http://scholar.google.com/scholar?q=A+Fuzzy+Decision+Making+System+For+Building+Damage+Map+Creation+Using+High+Resolution+Satellite+Imagery&hl=fa&as_sdt=0&as_vis=1&oi=scholart
Rottensteiner, F., Trinder, J., Clode, S., and Kubik, K.(2002), Detecting Buildings and Roof Segments by Combining LIDAR Data and Multispectral Images, Proceedings of Image and Vision Computing, Massey University, Palmerston North. N.Z., New Zealand. November,  pp: 6-65,26-28. https://www.researchgate.net/publication/37617535_Detecting_Buildings_and_Roof_Segments_by_Combining_LIDAR_Data_and_Multispectral_Images
Sivam, A., Karuppannan, S. and Davis, M. C. (2011). Stakeholders' Perception of Residential Density: A Case Study of Adelaide, Journal of Housing and the Built Environment, pp: 2.http://scholar.google.com/scholar?q=).+Stakeholders%27+Perception+of+Residential+Density:+A+Case+Study+of+Adelaide&hl=fa&as_sdt=0&as_vis=1&oi=scholart
Sivam, A. and Karuppannan, S. (2012) Density Design and Sustainable Residential Development, Presented at the European Network for Housing Research Conference 2009, 28 June to 1 July, Prague, Czech Republic, pp: 2.http://scholar.google.com/scholar?q=Density+Design+and+Sustainable+Residential+Development,+Presented+at+the+European+Network+for+Housing+Research+Conference+2009&hl=fa&as_sdt=0&as_vis=1&oi=scholart
Elbernik, HG. Mass(2000). “The use of anisotropic height texture measurements for the segmentation of airborne laser scanner data”, pp: 33 .http://nosazco.com/wp-content/uploads/2019/01/3d-building.pdf
You, S. (2003). Urban Site Modeling from Lidar. 2nd Int’l Workshop Computer Graphics and Geometric Modeling (CGGM), Springer”, pp: 579 –588.https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.461.1368&rep=rep1&type=pdf
Wang, M., Tseng, Y(2004). LiDAR data segmentation and classification based on octree structure. International Archives of Photogrammetry and Remote Sensing 35, pp: 308-313.http://scholar.google.com/scholar?q=LiDAR+data+segmentation+and+classification+based+on+octree+structure.+International+Archives+of+Photogrammetry+and+Remote+Sensing&hl=fa&as_sdt=0&as_vis=1&oi=scholart
Wang, H., Sh,i S., and Rao X., (2013), A Study of Urban Density in Shenzhen, the Relationship between Street Morphology, Building Density and Land use, Proceedings of the Ninth International Space Syntax Symposium, Seoul, pp: 2.https://urs.ui.ac.ir/?_action=export&rf=isc&issue=4253
Forstner(1999). “3D-City Models: Automatic and Semiautomatic Acquisition Methods”. Gustafson EE, Kessel WC (1997) Fuzzy Clustering With A Fuzzy Covariance Matrix. San Diego, pp: 761–76 .http://nosazco.com/wp-content/uploads/2019/01/3d-building.pdf