Nghiên cứu đề xuất phương pháp kiểm định độ chính xác của mô hình số độ cao (lấy ví dụ vùng trung du và miền núi phía Bắc)

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (36.63 MB, 83 trang )

(1)<div class='page_container' data-page=1>

HỌC QUỐC GIA HÀ NỘI

TRƯỜNG Đ Ạ I HỌC KHOA HỌC T ự N H IÊ N

BÁO CÁO ĐỂ TÀI NGHIÊN

cứu KHOA HỌC

NGHI6N CỨU ĐỄ XUẤT PHƯƠNG PHÓP KlấAA ĐỊNH

ĐỘ

CHÍNH xric củn MƠ HÌNH sơ' ĐỘ cno (lift ví DỤ

VÙNG TRUNG DU vn MIỀN NÚI PHÍn Bốc)

Mã số: QT - 07 - 36

C h ủ t r ì đ ề tà i: PGS. TS. T rần Q u ố c B ìn h

Những người tham gia:

ThS. P hạm T hị P hin, ThS. L ê T h ị H ồ n g ,
ThS. Lưu T h ế V in h , CN . L ê P h ư ơ n g T h ú y ,
CN. Lê T hị H ươ ng H à, CN . Bùi T hị V u i,
CN. Lê H ổ n g Sơn

ĐAI H O C Q U Ọ C GIA HẢ NỘI 
TRUNG TÃf/ THÒNG TIN THƯ VIÊN

D T / 1 2 ?

</div>
(2)<div class='page_container' data-page=2>

MỤC LỤC

M Ở Đ Ầ U ... 3

CH Ư ƠN G I: TỎ N G QUAN VÊ MƠ HÌNH s ó Đ ộ CA O ... 5

1.1. Khái niệm và vai trị của mơ hình số độ c a o ... 5

1.1.1. Khái n iệm v ề m ơ hình số độ c a o ... 5

1.1.2. C ác ứng d ụ n g cù a m ơ hình số độ c a o ... 6

1.2. Cấu trúc dữ liệu của mơ hình số độ c a o ...7

1.3. Các phương pháp thành lập mơ hình số độ cao... 10

1.3.1. Ph ư ơ n g pháp đo đạc thực đ ịa ... 10

1.3.2. Ph ư ơ n g pháp số hoá và nội su y từ bản đồ địa h ì n h ...11

1.3.3. Ph ư ơ n g pháp đo vẽ ảnh hàng k h ô n g ...12

1.3.3.1. Thánh lập MHSĐC bằng phương pháp đo vẽ thủ c ô n g ...12

1.3.3.2. Thành lập mơ hình số độ cao bàng phương pháp đo vẽ tự đ ộ n g ... 13

1.3.4. Phương pháp sứ dụng công nghệ laser đặt trên máy bay (LIDAR) và radar độ mỡ
tổ n g họp g ia o thoa ( I F S A R ) ... 15

1.3.4.1. Phương pháp sử dụng công nghệ IFSAR...15

1.3.4.2. Phương pháp sử dụng công nghệ LIDAR...16

1.4. Vấn đề nội suy trong thành lập mơ hình số độ c a o ...18

CHƯƠNG II. C ơ SỜ KHOA HỌC VỀ Đ ộ CHÍNH XÁC CỦA MƠ HÌNH s ố Đ ộ CAO ...25

2.1. Các yếu tố ảnh hưởng đến độ chính xác của mơ hình số độ c a o ...25

2.1 .1 . Đ ộ chính x á c cùa mơ hình số độ cao thành lập bàng p h ư ơ n g pháp đo vẽ ảnh hàng
k h ôn g và ảnh v ệ t i n h ... 2 6
2.1.1.1. Một số đánh giá sơ b ộ... 26

2.1.1.2. Đánh giá ảnh hưởng cùa khoáng cách lấy mẫu tới độ chính xấc của MHSĐC thành lập tự
động bàng công nghệ ảnh s ố ... 27

2 . 1 .2. Đ ộ chín h xác cùa mơ hình sơ độ cao thành lập băng; p h ư ơ n g pháp nội su y từ các
đ ư ờ n g bình độ trên bàn đồ địa h ì n h ...2 9
2.1.3. Độ chính xác của mõ hình số độ cao thành lập bằng phương pháp đo đạc thực đ ịa ...31

2 .1 .4 . Đ ộ chín h xác cùa m ơ hình số độ cao thành lặp bàng c ô n g n ghệ L I D A R ... 31

2.2. Ước tính độ chính xác cùa mơ hình số độ cao...33

2.3. Ví dụ tính tốn sai số cho phép của mơ hình số độ cao trong một số ứng dụng cụ thể.... 36

2 .3 .1 . Y ê u cầu v ề độ chính xác của M H S Đ C trong thành lập binh đồ ảnh trực g ia o từ ảnh
h àng k h ô n g ... 36

2.3.2. Yêu cầu về độ chính xác cùa MHSĐC phục vụ nội suy đường bình độ trong quá
trình thành lập bản đô địa h ì n h ...39

CHƯƠNG III. NGHIÊN c ử u ĐÈ XUẤT PHƯƠNG PHÁP KIÊM ĐỊNH Đ ộ CHÍNH
XÁC CÙA MỔ HÌNH s ồ Đ ộ C A O ...41

3.1. Nội dung của cônR tác kiểm định độ chính xác của mơ hình số độ cao hiện h à n h ... 41

3.1.1. Cơ sờ khoa học và pháp lý của công tác kiêm định độ chính xác của mơ hình số độ cao... 41

3 .1 .2 . N h ữ n g nội d un g chính cùa c ơ n g tác kiêm định độ chính xác củ a m ơ hình số độ c a o
hiện h à n h ... 43

3.1.2.1. So sánh độ cao nội suy từ mơ hình số độ cao với các điềm đo kiềm tra, điểm khống chế
ngoại nghiệp, điểm tãne d à y ...4 3
3 . 1.2.2. Đánh giá độ chinh xác trực tiếp trẽn mỏ hình lập t h ê ... ...4 3
3. ] .2.3. N ộ i s u y đ ư ờ n o b ì n h đ ộ đề k i ể m tra k h á n ã n c m ỏ tả đ ị a h i n h ... ...44

</div>
(3)<div class='page_container' data-page=3>

3 .2 .1 . S ử d ụ n g m ô hình lập thể để kiểm tra các sàn phâm đ ược ch iết xuât từ M H S Đ C ...45

3.2.1.1. Lơng ghép đường bình độ được nội suy từ MHSĐC lên mơ hình lập t h ể ...45

3.2.1.2. Sử dụng mơ hình lập thể "không" (Zero stereo model) được tạo bởi các tấm ảnh trực
giao có chồng phù lên nhau...45

3.2.2. Hiển thị mơ hình số độ cao trong không gian 3 chiều (3D) để quan sát phát hiện lỗi... 46

3.2.2.1. Hiển thị mơ hình số độ cao dạng TIN trong không gian 3 D ... 46

3.2.2.1. Hiển thị mô hinh số độ cao trong không gian 3D vá so sánh với kết quả khào sát thực địa.... 47

3.2.3. Nội suy độ dốc từ mơ hình số độ cao để phát hiện sai số của mơ hình ...48

3.2.3.1. Nội suy độ dốc đề phát hiện sai số thô trong dữ liệu nguồn ... 48

3.2.3.2. Nội suy độ dốc đề phát hiện những mặt dốc cong được đo vẽ không đầy đ ủ ... 49

3.2.4. So sánh giá trị nội suy và giá trị đo được để phát hiện sai số thô trong dữ liệu nguồn
dùng để thành lập MHSĐC... ... ...50

3.2.5. Khoanh vùng những khu vực dễ xảy ra lỗi khớp ành tự động để kiểm tra mơ hình số
độ c a o thành lập bằng phương pháp đo v ẽ ảnh s ố ...54

3 .2 .6 . S ừ d ụ n g GIS đ ể đánh ạiá mật độ c á c điểm đo trong dữ liệu n g u ồ n ...56

3.3. Đe xuất phương pháp kiểm định độ chính xác của mơ hình số độ c a o ... 58

3 .3 .1 . N ộ i dun g của phươn g p h á p ... 58

3 .3 .2 . M ột số thử n g h iệ m thực t ế ... 59

3.3.2.1. Thừ nghiệm tại khu đo Đường Lâm...59

3.3.2.2. Thứ nghiệm tại khu đo Lạng S ơ n ... 60

KẾT LUẬN VÀ KI ÉN N G H Ị... 63

</div>
(4)<div class='page_container' data-page=4>

M Ở ĐẦU

Được ra đời từ những năm 50 của thế kỷ trước, mơ hình sổ độ cao (M H SĐ C) ngày
càng có nhiều ứng dựng trong các lĩnh vực khác nhau như: đo đạc bản đồ, địa lý, xây dựng,
giao thông, thủy lợi, nông nghiệp, lâm nghiệp, môi trường, viễn thông, quân sự,... Do cỏ
nhiều ứng dụng và có các sản phẩm dẫn xuất phong phú, đa dạng nên M HSĐC đã khẳng
định tầm quan trọng của mình là một thành phần quan trọng của hạ tầng dữ liệu không gian.
Hiện nay, cùng với các công nghệ thành lập bản đồ hiện đại như: công nghệ ảnh số,
công nghệ GPS, công nghệ viễn thám và GIS,... mơ hình số độ cao đã được ứng dụng khá
rộng rãi trong các ngành thuộc lĩnh vực quản lý tài nguyên và môi trường. Mơ hình số độ

cao cũng đã trờ thành một phần thiết yếu của GIS và đặc biệt là của cơ sở hạ tầng dữ liệu
không gian quốc gia (NSDI) tại nhiều nước như: Mỹ, Đức, Anh, ú c , Trung Quốc,... Ở
nước ta hiện nay, M HSĐC được thành lập thường xuyên nhưng mới chỉ được coi là một
công đoạn trong đo vẽ thành lập bản đồ chứ chưa coi M HSĐC là m ột sản phẩm chính,
mang tính độc lập. Trong tương lai, nhu cầu sử dụng sản phẩm M HSĐC cho nhiều mục
đích khác nhau sẽ ngày càng tăng và chất lượng sản phẩm phải đáp ứng yêu cầu của nhiều
người sử dụng. Tuy nhiên, đây là loại sản phẩm mới và là hiện chỉ được coi là sản phẩm
trung gian nên ờ nước ta chưa có sự quan tâm đúng mức đến vấn đề kiểm tra chất lượng
(kiêm tra độ chính xác) cùa MHSĐC và cho đên nay chưa cố cơng trình nghiên cứu nào đi
sâu về vấn đề này. Đe tài nghiên cứu này là một cố gang của nhóm tác giả nhằm khấc phục
những vấn đề đó.

Đe tài đặt ra m ục tiêu nghiên cứu, tìm hiếu về độ chính xác và các phương pháp 
kiểm định độ chính xác của M HSĐC, trên cơ sở đó đề xuất một số nội dung và giải pháp
nhằm nâng cao hiệu quả của công tác kiểm định độ chính xác của M HSĐC.

Mục tiêu trên đã xác định những nội dung nghiên cứu sau:
- Nghiên cứu tổng quan về M HSĐC;

- N ghiên cứu cơ sờ khoa học về độ chính xác của M HSĐC và các phương pháp kiểm
định độ chính xác cùa M HSĐC;

- Đưa ra một số nội dung, giải pháp nham hoàn thiện công tác kiểm định độ chính
xác của M HSĐC, trên cơ sở đỏ đề xuất một phương pháp kiểm định độ chính xác của
M HSĐC phù hợp với điều kiện cùa Việt Nam.

Đe tài đã sử dụng các ph ư ơ n g pháp ngliiên cửu sau:
- Phương pháp phân tích, tổng hợp tài liệu.

</div>
(5)<div class='page_container' data-page=5>

- Phương pháp số để lưu trữ, phân tích và hiển thị dữ liệu.

- Phương pháp thống kê để tìm ra quy luật và mối quan hệ giữa các hiện tượng tự
nhiên có liên quan đến độ chính xác của MHSĐC.

- Phương pháp phân tích khơng gian để đánh giá sự phân bố và mối quan hệ giữa các
đổi tương không gian.

Đê tài đã đạt được những kết quả nghiên cứu sau:

- Đê xuất phương pháp tính khoảng cách lấy mẫu tối ưu trong thành lập mơ hình số
độ cao bàng công nghệ ảnh số;

- Đe xuất phương pháp kiểm định độ chính xác của mơ hình số độ cao với 15 nội
dung, trong đó có 5 nội dung được đề tài đề xuất hay cài tiến những ý tường đã có, đó là:
sử dụng GIS để đánh giá mật độ các điểm đo trong dử liệu nguồn, khoanh vùng những khu
vực có độ xám đồng nhất trên ảnh, hiển thị MHSĐC trong không gian 3D và so sánh VỚI
thực trạng ngoài thực địa, nội suy độ dốc kết hợp quan sát thực địa để phát hiện những mặt
dôc cong được đo vẽ không đầy đủ, so sánh giá trị nội suy và giá trị đo được đề phát hiện
sai số thô trong dữ liệu nguồn dùng để thành lập MHSĐC.

Ý nghĩa khoa học của đề tài:

Đe tài đã nghiên cứu đề xuất một sổ nội dung, giải pháp nhằm hoàn thiện các phương
pháp kiếm tra M HSĐC để đảm bảo đánh giá được chất lượng của sản phẩm.

Ỷ nghĩa thực tiễn của đề tài:

</div>
(6)<div class='page_container' data-page=6>

CHƯƠNG I: TỔNG QUAN VỀ MƠ HÌNH SĨ ĐỘ CAO

1.1. Khái niệm và vai trị của mơ hình số độ cao

1.1.1. K hái niệm về m ô hình số độ cao

Mô hình số độ cao (Digital Elevation M odel - DEM ) là cách thể hiện sự thay đổi liên
tục của địa hình trong khơng gian bang mơ hình số. Thuật ngữ mơ hình số địa hình (Digital
Terrain M odel - D TM ) cũng thường được sử dụng. T ừ địa hình (terrain) ở đây thường ngụ
ý chi các thuộc tính của bề mặt mặt đất hom ỉà độ cao (elevation) của m ặt đất, do đó thuật
ngữ mơ hình sổ độ cao thường được sử dụng cho các mơ hình số chỉ chứa các dữ liệu về
độ cao. Trong đề tài này, chúng tôi sử dụng chung thuật ngữ "mơ hình sổ độ cao"
(MHSĐC) cho cả 2 loại mơ hình nói trên. Mặc dù được khởi nguồn xây dựng để mơ hình
hóa bề mặt địa hình, song các ngun tắc của mơ hình số độ cao cũng có thể được dùng để
mơ hình hố bất cứ m ột thuộc tính

z

nào khác trên một bề mặt hai chiều.

Có thể nói m ột cách khái qt, mơ hình số độ cao (M HSĐC) mô tả bề mặt địa hình
bởi các điểm có toạ độ X, Yt H t hoả mãn một hàm đơn trị H = f(X , Y). V ói bất cứ một vị trí 
(X, Y), chỉ có một giá trị độ cao H được xác định trong một M HSĐC [11]. Nói một cách 
khác, M HSĐC là m ô hình số khái quát và biểu diễn bề mặt địa hình trong khơng gian 3
chiều (hay chính xác hơn là không gian 2.5 chiều do H =f(X , Y) là hàm đơn trị) theo các 
giá trị toạ độ và độ cao (hình 1.1).

Hình 1.1. Mơ hình sõ độ ca o biểu diễn bề m ặt địa hình.

Dưới góc độ tốn học M HSĐC được định nghĩa như sau:

"Mơ hình số độ cao là một dãy hữu hạn các vectơ 3 chiều của địa hình trên miền D:

Vị =( X„ Yị, H ) , i = 1,2,...n trong đó (X/, Y, 6 D) là toạ độ mặt phẳne, H, là độ cao cùa
điểm (X„ Y,). Khi hình chiếu trên mặt phẳng cùa các vectơ trong dãy được sắp xếp thành 
một lưới có quy tắc thì các toạ độ mặt bằng (X„ Y,) có thể giản lược, lúc đó M HSĐ C trở 
thành dãy vectơ một chiều (//„ i =1,2,...,«)" [6].

</div>
(7)<div class='page_container' data-page=7>

Thơng thường, bề m ặt được biểu diễn bảng các điểm phân bố đều hoặc không đều. Nếu bề
mặt này được hoàn thiện thêm bàng các yếu tố đặc trưng cùa địa hình (các điềm ghi chú độ
cao và các đường đứt gãy) thì gọi là mơ hình số địa hình.

Mơ hình sổ bề mặt (Digital Surface M odel - DSM) là mơ hình mô tả bề mặt mặt đất
bao gôm cả các đối tượng, vật thể trên đó như nhà cừa, cây cối,... Mơ hình sổ bề m ặt là mơ
hình thường được dùng để nắn ảnh trực giao.

1.1.2. Các ứng dụng của mơ hình số độ cao

Tuy mới chỉ có lịch sử hơn 50 năm phát triển, nhưng M HSĐC đã có rất nhiều ứng
dụng khác nhau trong tất cả các lĩnh vực khoa học, công nghệ, thương mại, dịch vụ, an
ninh, quốc phịng,... có liên quan đến dữ liệu địa lý. Có thể kể ra hàng trăm ứng dụng khác
nhau của M HSĐC và đề tài xin nêu ra những ímg dụng phổ cơ bản nhất của M HSĐC:

- Chiết xuất các thơng tin về địa hình: độ dốc, độ cong, hướng chảy cục bộ, chỉ số địa
hình, chỉ số năng lượng dịng chảy, chỉ số vận chuyển trầm tích, tầm nhìn,...

- Trong đo vẽ ảnh hàng không và viễn thám: nấn chình ành nhằm loại bò các sai số
gây ra do nguyên lý hình học của máy chụp và chênh cao địa hình.

- Trong địa vật lý: cải thiện chất lượng của dữ liệu trọng lực bang cách cung cấp các
dữ liệu cơ bản cho việc tự động hiệu chỉnh địa hình của các thơng tin trọng lực, nghiên cứu,
khảo sát ảnh hưởng của địa hình lên mơ hình Geoid.

- Trong xây dựng: tính tốn khối lượng đào đắp, bố trí cơng trình,...
- Trong viễn thơng: tính tốn vùng phủ sóng, lựa chọn vị trí thu phát sóng.

- Trong hàng khơng: hệ thống phòng tránh các va chạm hàng không, cảnh báo tiếp cận

sân bay và quản lý các chuyến bay, mơ phỏng địa hình dùng trone việc huấn luyện phi công.

- Trong địa chất: cung câp thông tin vê địa hình phục vụ tìm kiêm khoáng sản.

- Trong khai thác mỏ: thiết kế cơng trình khai thác, tính tốn sự dịch chuyển của mặt
đất do các cơng trình khai thác gây ra.

- Trong du lịch: giới thiệu, quảng bá về các địa điểm du lịch, tổ chức các chuyến tham
quan ảo.

- Trong an ninh, quốc phòng: xây dựng mơ hình thực địa phục vụ tác chiến, phân tích
địa hình cho các hoạt động của chiến trường như: phân tích tầm nhìn và khả năng cơ động
của các trang thiết bị cơ giới, phục vụ dẫn đường cho tên lửa, thiết kế mạng thông tin liên lạc,
thành lập công cụ hiển thị hình ảnh động trong các mơ hình mơ phịng tác chiến phục vụ
công tác huấn luyện.

- Trong quản lý và sử dụng đât: đánh giá phán hạng thích nghi đất đai, đánh giá mức
độ xói m ịn đát, cung cấp dữ liệu địa hinli cơ bản để giải các bài toán quy hoạch sứ dụng đất.

</div>
(8)<div class='page_container' data-page=8>

- Trong phòng chống thiên tai: dự báo ỉũ lụt và đánh giá tác động cùa chúng, dự báo
ảnh hưởng của sóng thần, thiết kế các cơng trình phịng chống thiên tai,...

- Trong sinh học: làm tư liệu phục vụ đánh giá mức độ đa dạng và thích nghi sinh học.

Chi tiết hơn về những ứng dụng của M HSĐC có thể được tham khảo thêm trong các
cơng trình cùa Li [22], Tăng Quốc Cương [5] và Phạm Vọng Thành [8],

1.2. Cấu trúc dữ liệu của mơ hình số độ cao

Có bốn phương pháp thường được sử dụng để lưu trữ và thề hiện các dừ liệu độ cao

dưới dạng số là lưới đều (GRID), đường bình độ, mặt cắt và mạng lưới tam giác không đều
(TIN).

a. Lưới đểu (GRID)

Dữ liệu độ cao được hình thành từ m ột tập hợp các điểm độ cao cách đều nhau tạo
nên một mạng lưới đều (hình 1.2). Đây là dạng cấu trúc dữ liệu M HSĐC thông dụng nhất,
trong đó các giá trị H của mỗi pixel là độ cao của địa hình tại vị trí đó. K hoảng cách giữa 
các mắt lưới là khoảng cách giữa hai điểm nút kế tiếp nhau. Khi khoảng cách này đã được
xác định thì vị trí mỗi nút trong mạng lưới có thể được xác định bàng toạ độ hàng, cột. Khi
khoảng cách giữa các mắt lưới và số hàng, số cột đã được xác định thì các điểm nút có the
được lưu trữ bằng cách tăng thứ tự của hàng và cột bàng cách tạo ra một chuỗi nối tiếp các
điểm mắt lưới. G iá trị độ cao được lưu trữ tại mỗi điểm nút nói trên.

đường bình đô . . > ,y

, ỵ v 4 * đ iê m mãt lưới
cơ bán

</div>
(9)<div class='page_container' data-page=9>

b. Đường bình độ

Các đường bình độ (hình 1.3) được thể hiện dưới dạng dữ liệu vectơ như sau: đường
bình độ được rời rạc hóa, tức là được mơ hình hố bằng một tập hợp các điểm có cùng độ
cao nằm đủ gần nhau để tái tạo đường cong đảm bảo độ chính xác cần thiết bàng cách nối
hai điểm cạnh nhau thành một đoạn thẳng. Để làm tăng tính thẩm mỹ, các đường bình độ
có thể được làm trơn, ví dụ như bàng hàm Spline.

Dưới dạng số, một đường bình độ được xác định bởi độ cao H cùa nó và toạ độ mặt 
bang của tất cả các điểm (X /,Y i; X 2,Yĩ;....; X„,Yn). Chức năng vẽ tự động sử dụng các dừ 
liệu này để vẽ đường cong bàng cách dịch chuyền theo các đoạn thẳng từ m ột điềm (X„Y,)

đến điểm kề cạnh nó (Xi+i,ỵi+i).

Các đường bình độ trên các bản đồ giấy có thể được số hoá, kết quả thu được là tập
hợp các điểm nằm dọc theo đường bình độ được nối với nhau bời các đoạn thể hiện đường
bình độ dưới dạng vectơ. Các đường bình độ có thể dễ dàng nội suy sang dạng lưới đều
GRID hay dạng TIN khi thành lập M HSĐC. Dữ liệu độ cao ờ dạng đường bình độ có một
số nhược điểm như sau:

- Độ cao đường bình độ được làm trịn về khoảng cao đều cơ bản, các đường binh độ
được khái qt hố nên khơng chính xác tuyệt đối, mất thông tin chi tiết, do đó chúng chỉ
cung cấp các thơng tin tương đối chính xác về độ cao và độ dốc.

- Thiếu các thông tin về độ cao giữa các đường bình độ.

, V , , đường bình

- đường tu thuý °

■ độ cái

đường bình đơ . điểm độ cao
cơ bản

Hình 1.3. D ữ liệu độ ca o thế hiện dưới d a n g đường binh độ.

c. Các m ặt cắt

</div>
(10)<div class='page_container' data-page=10>

điêm độ cao được đo với độ giãn cách thay đổi tuỳ theo độ dốc của địa hình (hình 1.4).
Thơng thường, mặt cắt dưới dạng số được lưu trữ bàng cách m ã hoá một trong hai toạ độ
m ặt băng và độ cao nên chiếm nhiều bộ nhớ hơn dạng lưới đều. Nhược điêm của dữ liệu

dạng mặt cat là thiếu các số liệu độ cao chi tiết, chiếm nhiều bộ nhớ, chì chính xác và chi
tiết theo một hướng.

đường tụ thuỷ đương binh

độ cái

đ ư ò n g bình đ ộ d iể m đ c a 0

Cơ bán •

Hình 1.4. D ữ liệu độ cao th ể hiện dưới d a n g cá c m ăt cắt.

d. Lưới tam giác không đêu

Lưới tam giác không đều (TIN - Triangulated Irregular Netw ork) có the được xây
dựng từ nhiều nguồn dữ liệu: mạng lưới đều, các đưcmg bình độ được số hoá, các điềm đo
chi tiết. TIN có thể mô tà các bề mặt và các đặc trưng địa hình một cách chính xác hơn các
dạng dữ liệu độ cao khác nhưng với điều kiện phải được lấv mẫu hợp lý. M ật độ các điểm
đo thay đổi tuỳ theo độ dốc, và thường được thiết kê đê thu thập và thế hiện các đối tượng
đặc trưng bề m ặt như các đường phân thuỳ, tụ thuỳ hay các đỉnh cao,.., (hình 1.5). N guyên
lý cùa cấu trúc dữ liệu dạng TIN là loại bỏ các điểm không phản ánh các đặc trưng địa hình
và chỉ giữ lại các điềm tam giác với khoảng cách lớn nhất có thề đạt được tuỳ theo các thay
đổi của địa hình.

</div>
(11)<div class='page_container' data-page=11>

đường tụ thuỳ i f 6" ? b'inh
độ cái
đường bình dơ

cơ bản * đlêm đ(? cao

Hỉnh 1.5. D ữ liệu độ cao th ể hiện dưới d ạ n g lưới tam g iá c không đ ều (T IN ).

1.3. Các phương pháp thành lập mơ hình số độ cao

Hiện nay, hầu hết các M HSĐC đuợc tạo thành từ 4 nguồn dữ liệu: từ các kết quả đo
đạc thực địa; từ đo vẽ ảnh hàng không và ảnh vệ tinh (theo các phương pháp thù công, bán
tự động và tự động); từ các dữ liệu số hoá trên bản đồ đã có sẵn; đặc biệt, trong thời gian
gần đây là từ các dữ liệu đo radar độ m ờ tổng họp giao thoa và laser đặt trên máy bay đang
ngày càng được áp dụng nhiều hơn. Ngồi ra cơng nghệ đo siêu âm cũng được áp dụng đế
thành lập mơ hình sổ độ cao cho các vùng ngập nước và bán ngập nước.

Các phương pháp thành lập M HSĐC được thế hiện tóm tất trong sơ đồ trên hình 1.6.
1.3.1. Phư ơng p h á p đo đạc thực địa

</div>
(12)<div class='page_container' data-page=12>

Hình 1,6. C á c phư ơng pháp thành lập mơ hình sõ độ cao.

1.3.2. Phương ph áp số hoá và nội su y từ bản đổ địa hình

Dữ liệu của các bản đồ địa hình hiện có cũng có thể được sử dụng đê xây dựng
MHSĐC vỉ sự phân bố về độ cao của địa hình được mô tả bởi các đường bình độ. Các
đường bình độ sau khi số hố có thể được dùng đê nội suy độ cao băng nhiêu thuật toán
khác nhau. Trong trường hợp này, dữ liệu đầu vào để thành lập M HSĐC chủ yếu là các
đường bình độ đã được số hóa từ bản đồ địa hình.

Các đối tượng cần số hố ngồi các đường bình độ cịn có các đặc trưng của địa hình.
Các đường bình độ phải được gộp và gán độ cao trước khi đưa vào tạo M HSĐC. Các đặc
trưng địa hình bao gồm các điểm ghi chú độ cao, các đường tụ thuỷ, sống núi, các đường
đứt gãy, nếu thấy có thề lấy được các giá trị độ cao cùa một số điểm thuộc chúng đều nên
được đưa vào tham gia xây dựng MHSĐC.

</div>
(13)<div class='page_container' data-page=13>

sung thêm các thông tin khác như các điểm và đường đặc trưng của địa hình. Trong trường
hợp các đường bình độ của bản đồ địa hình được đo vẽ trực tiếp bàng phương pháp ảnh số
thì chất lượng của mơ hình số độ cao nội suy từ các đường bình độ và từ phương pháp đo
vẽ ảnh là gần tương đương nhau.

N hược điểm của phương pháp thành lập MHSĐC bàng phương pháp số hoá bản đồ
địa hình là có một số lượng lớn quá mức các điểm được lấy mẫu dọc theo các đường bình
độ (lấy m ẫu thừa - oversampling), trong khi giữa các đường bình độ lại hầu như khơng có
mẫu nào được lấy (lấy m ẫu thiếu - undersampling). Do đó, những chỗ địa hình mấp mơ và
có độ dốc thay đổi nhưng lại nàm giữa các đường bình độ thì thường bị bỏ qua, không
miêu tả được. Hơn nữa, các sai số có thể được đưa thêm vào bởi các công đoạn như làm
trơn, tổng hợp hố, và có nhiều thông tin gốc bị mất trong quá trình thành lập bản đồ, chủ
yếu do việc ỉấy bỏ, chọn lọc, thể hiện và tồng hợp hoá trên bản đồ.

Phương pháp tạo M HSĐC từ đường bình độ có một ưu điểm là có khả năng kiềm
sốt sai số cùa quá trình nội suy rất thuận tiện: sau khi nội suy M HSĐC, người ta có thể
nội suy ngược lại thành đường bình độ và so sánh với các đường binh độ gốc để phát hiện
ra những sự khác biệt là các sai số nội suy.

1.3.3. Phư ơng ph áp đo vẽ ảnh hàng không

Đo vẽ ảnh hàng không là phương pháp thông dụng để thành lập M HSĐC và có thể
được thực hiện theo nhiều quy trinh khác nhau. Việc đo điểm MHSĐC có thể thực hiện một
cách thủ công, bán tự động hay tự động. Cách đo thủ công được thực hiện trên các máy đo
vẽ tương tự có gan bộ chuyển đổi tương tự sang so hay trên các máy đo vẽ giải tích, người
thao tác có thể đo từng điểm M HSĐC trên các mơ hình lập thể bàng cách đặt các tiêu đo
lên mặt địa hình hay số hố các đơi tượng đặc trưng địa hình trong không gian ba chiêu.

Trên các trạm đo vẽ ảnh số, M HSĐC cũng có thể được đo thủ công, bán tự động hay

tự động. Việc đo M HSĐC thủ công trên các trạm đo vẽ ảnh số tương tự như trên các máy
đo vẽ giải tích. N ếu đo theo chế độ tự động thì các điểm MHSĐC được đo nhờ kỹ thuật tự
động tìm các điểm cùng tên trên ỉ cặp ảnh lập thể, gọi là kỹ thuật khớp ảnh.

1.3.3. ỉ. Thành lập M H SĐ C bằng phư ơng pháp đo vẽ thù công

Khi địa hình phức tạp, ảnh chụp tỷ lệ lớn hoặc có yêu cầu cao về độ chính xác.
MHSĐC nên được đo vẽ theo phương pháp thủ công. Theo cách này, thao tác viên số hoá
bàng tay các đường đặc trung của địa hình (break lines) và các điểm M HSĐC. Các đường
đặc trưng cùa địa hình cần phải được số hố thủ cơng càng đây đù và chi tiêt càng tôt. Các
đặc trưng của địa hình thường được phân loại trong phân mêm thành lập M HSĐC. Theo
hãne Intergraph thì các đặc trưng của địa hình được chia ra làm 6 loại:

</div>
(14)<div class='page_container' data-page=14>

- Collection boundary: là đường bao được chọn và đo vẽ trước khi tiến hành đo các
điêm độ cao của m ơ hình số địa hình.

- D rainage: là đường tụ thủy, đi theo đáy của các khe, rãnh, suối và các điểm nằm
trên đường này đều có độ cao thấp hơn các điểm nam về 2 phía của đường đó.

- O bscured area: là vùng không thể đo, so hoá được độ cao một cách chính xác vì
hình ảnh bị che khuất, ví dụ như bị mây che hay cây phù kín khơng thể nhìn thấy mặt đất.

- Ridge: là đường phân thủy, thể hiện các sống núi hoặc các điểm ghi nhận sự đột
biên của bê m ặt địa hình và tât cả các điêm năm trên đường này có độ cao cao hơn các
điểm nam về 2 phía của đường đó.

- Vertical fault: là đường ghi nhận sự không liên tục về độ cao (trong phần mềm
ISDC của Intergraph, đường này tương tự như đường breakline).

- M ass points: là các điểm độ cao được đo bổ sung tại các vị trí, các vùng cần thiết

trên mô hình lập thể.

Trong mỗi mơ hình lập thê, thường có rât nhiều đường đặc trưng địa hình cần so hố
và rất nhiều điểm chi tiết cần đo. s ố lượng của các đường đặc trưng địa hình phụ thuộc vào
độ phức tạp cùa địa hỉnh. Nếu khoảng cách giữa các điểm độ cao là 50m thì trên một mơ
hình lập thể tương đương mảnh bản đồ địa hình tý lệ 1:25.000 sẽ có khoảng 6.000 điểm
cần phải đo. Do vậy, phương pháp đo thủ công tổn rất nhiều thời gian. Vì thế, một nguyên
tắc đặt ra cho thực tế sản xuất là vừa phải đo m ột sổ lượng điểm tối thiểu vừa phải đạt
được độ chính xác yêu cầu, Đe đàm bảo chất lượng, các điểm chi tiết thường được bồ sung
bởi các đường đứt gãy địa hình và các yếu tố địa hình khác. Binh thường, trong một mơ
hình lập thể cỏ từ 2.000 đến 10.000 (tối đa khoảng 20.000) điểm được đo. Quá trình đo
một số lượng lớn các điểm như thế có thể mát vài giờ cho tới vài ngày.

1.3.3.2. Thành lập mơ hình số độ cao bằng phư ơng pháp đo vẽ tự động

Khả năng đo vẽ tự động là ưu thế chính cùa cơng nghệ ảnh số. Trên cơ sờ thuật toán
khớp ảnh tự động (Image matching), số lượng các điểm đo có thể lớn hơn hàng chục lần so
với các phương pháp thông thường. Thành lập M HSĐC tự động từ m ột mơ hình lập thể
bao gồm 3 bước sau:

- Tìm các điềm ảnh cùng tên (hay còn gọi là khớp ảnh);
- Nội suy bề mặt địa hình;

- Kiểm tra và chinh sửa MHSĐC.

Phần tiếp theo của mục này sẽ giới thiệu ba phần mềm thường được sử dụng trong
thành lập M HSĐ C bàng công nghệ ảnh số là M ATCH-T, ATE và PhotoM OD.

a. Phần mềm M A TC H -T

</div>
(15)<div class='page_container' data-page=15>

modun tích hợp trong trạm đo vẽ ảnh số của Carl Jeins và Intergraph. Trong phần mềm này,
kỹ thuật khớp ảnh theo vùng (Area based m atching) được áp dụng theo thứ bậc của các lớp
hình tháp của ảnh sau đó bề mặt địa hình được nội suy từ các điểm đo. Việc khớp ảnh theo
các lớp hình tháp của ảnh dẫn đến kết quả là M HSĐC cũng được hình thành theo các lớp
hình tháp. Các lớp hình tháp của M HSĐC mô tả bề mặt địa hình với các độ phân giải khác
nhau. Theo mặc định, khoảng cách giữa các điểm M HSĐC khá nhỏ (khoảng 30 pixel) và
thuật tốn tự động thích nghi với độ cong cục bộ của địa hình. M A TCH -T sử dụng ảnh đã
được chuyển đổi epipolar nhằm giảm thiểu khơng gian tìm kiếm các điểm cùng tên khi đã
biết các yếu tố định hướng.

Trên thực tế, ý tưởng chủ đạo của M A TCH -T là đo tự động một số lượng lớn các
điểm địa hình. Bằng phép thống kê, các sai số thơ có thể được phát hiện và loại bỏ. Thơng
thường có tới từ 1 đến 2 điểm được đo trong một ô vuông 5050 pixel. Do đó, nếu độ phân
giải của ảnh cỡ 2323cm là 16m thì có tới khoảng 80.000 điểm lưới M HSĐC được tính
trong một mơ hình lập thể với độ chồng phủ 60%.

b. Phan mem A TE cùa hãng Leica - Helava

Phần mềm ATE có thể tạo M HSĐC trên nhiều cặp ảnh lập thể cùng một lúc. Có thể
chọn nhiều ảnh phù kín một hay nhiều mảnh bản đồ sau đó cho chương trình đo các điểm
MHSĐC tự động trên toàn bộ các cặp ảnh đã chọn. Các ảnh có thể chọn không cân theo
thứ tự. Một hệ chuyên gia (Expert system) được áp dụng để thích ứng với sự khác biệt giữa
các ảnh và các đặc trưng khác nhau cùa điạ hình. Phần mềm này cũng tạo M HSĐC theo
cấu trúc hình tháp.

Mơ hình số độ cao sau khi được tạo tự động bằng phần mềm ATE có thê được chỉnh
sửa bởi 3 nhóm cơng cụ:

- Chỉnh sửa theo từng điểm;
- Chỉnh sửa theo vùng;

- Chỉnh sửa theo các đặc trưnÉi của địa hình.

c. Phần mềm PhotoM O D

PhotoM OD là phần mềm đo vẽ ảnh sổ của hãng Racurs Ltd. Phần m ềm đảm nhận
các công đoạn từ tạo sơ đồ ghép ảnh, tăng dày hình học, đo vẽ lập thể, tạo mơ hình số độ
cao và ảnh trực giao,... Chức năng tạo mơ hình số độ cao được thực hiện bời modul DTM
bao gồm các bước sau:

- Tạo một lưới đo phủ kín mơ hình lập thể;

- Đo vẽ tự động theo các điểm mắt lưới bằng kỹ thuật khớp ảnh tự động;

- Hiển thị mô hình lập thể nhằm phát hiện lỗi khớp ảnh tự động và đo vẽ bổ sung các
yếu tố đặc trưng của địa hình;

</div>
(16)<div class='page_container' data-page=16>

lỗi thơng quan phân tích cấu trúc của địa hình;

- Ghép các M HSĐC tạo từ các mơ hình lập thể thành một MHSĐC thống nhất cho cà
khu đo (G lobal TIN).

1.3.4. P hư ơng p h á p s ử dụng công nghệ laser đặt trên máy bay (LIDAR) và radar độ rttở 
tổng hợp giao thoa (IFSAR)

Trong những năm gần đây, đã xuất hiện hai công nghệ mới cho phép thành lập
M HSĐC nhanh chóng với độ chính xác và mức độ tự động hoá cao, đó là cơng nghệ
LIDAR (Light D etection and Ranging) và IFSAR (Interferometric Synthetic Aperture
Radar). Trong khi công nghệ LIDAR được sử dụng trên máy bay thì cơng nghệ IFSAR
được sử dụng cả trên máy bay lẫn trên vệ tinh và tàu con thoi.

1.3.4. ỉ. Phương p h á p sử dụng công nghệ IFSAR

Trong phương pháp này, độ cao của các điểm trên mặt đất có thể được tính tốn
thông qua sự lệch pha giữa các tín hiệu radar phản xạ thu được bởi hai ăng ten gần nhau.
Hai ảnh radar có thể được thu từ cùng một ăngten nhưng ờ hai thời điểm khác nhau hoặc
được thu đơng thời nêu có hai ãngten được đặt ở hai đầu của một “cạnh đáy” như trường
hợp của hệ thống trên tàu con thoi SRTM (Shuttle Radar Topography M ission, hình 1.7).
Thiết bị của SRTM bao gồm hai ăng ten với ăng ten chính được gấn trên tàu con thoi
Endeavour có chức năng vừa thu vừa phát tín hiệu, ăng ten còn lại đặt ở đầu kia cùa cạnh
đáy và chỉ có chức năng thu. Ảng ten chính liên tục phát tín hiệu xuống mặt đất. Tín hiệu
phản xạ từ m ặt đất được cả hai ăng ten thu. Khoảng cách giữa hai ăng ten là cố định.
Khoảng cách này càng lớn (khả năng tối đa hiện nay là 60m) thì sai số xác định độ cao của
các điểm bề mặt đất càng nhỏ. SRTM sử dụng hai loại sóng: sóng X ( Ằ = 3.1 cm ) và sóng 
C' (Ằ = 6.0 cm ). Độ chính xác của MHSĐC được thành lập từ các dữ liệu sóng X là khoảng 
3m (tương đối) và 6m (tuyệt đối). Sừ dụng IFSA R phân sai tại các thời điểm khác nhau có
thể xác định được mức độ thay đổi về độ cao của bề mặt gây ra bởi động đất, chuyển động
kiến tạo, sụt lở đất tại các vùng mỏ hav hoạt động cùa núi lừa với độ chính xác cao [5].

</div>
(17)<div class='page_container' data-page=17>

v ề bản chất, công nghệ IFSAR khai thác tính liên kết cùa các tín hiệu radar độ mở
tổng hợp (SAR) phản xạ. Các giá trị biên độ và pha của tín hiệu này được thu và ghi lại,
nhờ đó có thể xác định độ lệch pha của các tín hiệu phản xạ từ cùng một vị trí trên m ặt đất
nhưng được thu từ hai vị trí khác nhau của máy bay (vệ tinh) hoặc tại hai thời điềm khác
nhau. Độ lệch pha này phụ thuộc vào các yếu tố sau:

- K hoảng cách nối các vị trí tương ứng của ăng ten tại các thời điểm thu tín hiệu và
góc định hướng của ăng ten;

- Địa hình của mật đất;

- Sự thay đổi vị trí của các điểm trên mặt đất;

- Sự thay đổi cùa tầng đối lưu vả tầng ion (trong trường hợp thu từ vệ tinh).

Neu tín hiệu đo được thu đồng thời bởi một cặp ăng ten đặt trên máy bay (vệ tinh) thì
yếu tố đầu tiên có thể được xác định với độ chính xác cao, trong khi ảnh hường cùa các
yếu tố thứ 3 và 4 tương đối nhỏ có thể bị qua. Cuối cùng chỉ còn lại yếu tố thứ hai - địa
hình của bề mặt đất - là tham số phụ thuộc duy nhất. Do đó phương pháp tối ưu nhất để
thành lập M HSĐ C bàng công nghệ IFSAR là đặt hai ăng ten trên cùng m ột máy bay hoặc
vệ tinh hay tàu con thoi, như trường hợp của SRTM.

Độ phân giải không gian cùa ành SAR, tương tự như độ lớn của pixel trên ảnh vệ
tinh quang học, được xác định bởi thời gian kéo dài của xung tín hiệu, độ cao bay chụp và
góc nghiêng cùa tia chụp. Độ phân giải không gian càng thấp thì càng khó thành lập
MHSĐC với độ chính xác cao, đặc biệt ở các khu vực có thực phủ dày. Tại các khu vực
này, phải dùng các xung ngắn có thể xuyên qua những “lỗ hổng” cùa màng thực phủ hoặc
sử dụng bước sóng dài hơn. Sóng X chỉ có khả nãng đâm xuyên khá hạn chế qua thực phù. 
Bước sóng càng dài thì độ đâm xuyên càng lớn và hiện nay có nhiêu nghiên cứu đang được
triển khai, sử dụng bước sóng dài cho IFSAR. Tuy nhiên hiện nay vẫn chưa có các kết quả
cụ thể cuối cùng về độ chính xác trong các điều kiện thực phủ khác nhau (độ phủ, loài cây,
loại rừng).

/. 3.4.2. P hương ph á p sử dụng công nghệ LỈDAR

Phương pháp dùng công nghệ laser LIDAR được áp dụng trong hệ thông thành lập
bản đồ dùng dải tia laser của máy phát và máy thu đặt trên m áy bay. Hệ thống này có tên là
ALSM và có khả năng tạo được M HSĐC rất nhanh và chính xác, tới 10-15cm.

Các thành phàn cơ bản của một hệ thống LIDAR là một bộ quét laser, máv thu GPS
và hệ thống dẫn đường quán tính (INS - Inertial N avigation System).

</div>
(18)<div class='page_container' data-page=18>

và phản xạ ngược trở lại được đo và ghi lại cùng với vị trí và định hướng cùa máy bay tại

thời điểm phát xung của từng tia laser. N hư vậy, có thể tính được khoảng cách D - 0.5ct (c 
là vận tốc ánh sáng, t là thời gian cho chuyển động hai chiều của các xung laser), Cịn vị trí 
và định hướng của m áy bay tại từng thời điểm phát xung của từng tia laser được xác định
bởi hệ thống tích hợp GPS/INS. N hư vậy, sau khi bay xong, có thể tính được toạ độ không
gian ba chiều X, Y, H của từng điểm mặt đất dựa theo: chiều dài D của vectơ từ máy bay 
tới mặt đất; vị trí và định hướng của máy bay tại từng thời điểm đo tương ứng.

Từng điểm phản xạ của các xung laser sau đó được phân loại theo nhóm các điểm
mặt đất, trên ngọn cây, bề mặt các công trình xây dựng,... Sau khi được xử lý, các điểm
này sẽ cung cấp dữ liệu thành lập M HSĐC và mơ hình số bề mặt (hình 1.8).

ở Việt Nam, Trung tâm Viễn thám (Bộ Tài nguyên - Môi trường) đã phối hợp với
liên doanh giữa công ty Credent (Singapore) và A A M H atch (Australia) tiến hành thành lập
M HSĐC bàng công nghệ LIDAR với độ chính xác 20cm khu vực thành phố c ầ n Thơ
trong dự án "Xây dựng cơ sở dữ liệu hệ thống thông tin địa hình - thủy văn cơ bản phục vụ
phòng chống lũ lụt và phát triển kinh tế xã hội vùng đồng bàng sông Cửu Long". K.ết quả
của dự án là đã thành lập được M HSĐC thành phố c ầ n Thơ và phụ cận với diện tích
khoảng 1800km 2 có độ chính xác 0.2m và mơ hình sổ bề mặt (DSM ) có độ chính xác
khoảng 0.3m. Dự án được thực hiện vào các ngày từ 29/05 đến 08/06/2006 với hệ thống
LIDAR ALTM 3100C, sử dụng máy bay AN-2 và bay chụp chù yếu vào ban đêm. Thời
gian xử ỉý khống 1 tháng do cơng ty A A M H atch thực hiện [1\_________ T_______________

Ị C A I H O C Q U O C G i a h a n ò i

■RUNG T Á Ví t h ô n g tin th ư VIẾN

</div>
(19)<div class='page_container' data-page=19>

1.4. Vấn đề nội suy trong thành lập mô hình số độ cao

Theo Burrough [12] thì nội suy là quá trình dự đốn (thơng qua tính tốn) giá trị cùa
các thuộc tính tại các điểm không được lấy mẫu dựa trên các điểm đã được lấy mẫu (được
đo) trong cùng một miên / vùng. Việc dự đốn / tính toán giá trị của các thuộc tính tại các
điểm khơng được lấy mẫu nhưng nàm ngồi vùng có các điểm đã được lấy mẫu được gọi
là phép ngoại suy.

Theo Tăng Quôc Cương [5], nội suy thường được áp dụng khi gặp một trong các
trường hợp sau:

a. Khi một bề mặt được rời rạc hố có độ phân giải, kích thước pixel hay định hướng
khác so với yêu cầu;

b. Khi m ột bề mặt liên tục được miêu tà bời một mơ hình dừ liệu khác so với yêu cầu;
c. Khi các số liệu hiện có chi [à các đối tượng được lấy mẫu chứ không được đo tại
tất cả các điểm của vùng cần quan tâm.

Ví dụ của trường hợp (a) là khi phải chuyển đổi một ảnh đã được quét (bản đồ, ảnh
hàng không, hay ảnh vệ tinh) từ một lưới hay hệ toạ độ này với độ phân giải và định hướng
nhất định sang một lưới hay hệ toạ độ khác. Quá trình này được gọi chung là phép nhân
chập hay tích chập (convolution). Trên thực tế quá trình này được gọi chung là nan ảnh số
hay nan bàn đồ giấy sau khi đã được quét.

Ví dụ của trường hợp (b) là sự chuyển đổi từ một cấu trúc dữ liệu này sang một cấu
trúc dừ liệu khác (chuyển đổi từ TIN sang Grid hay từ Grid sang TIN hoặc chuyển đổi từ
vectơ sang raster).

Ví dụ cùa trường họp (c) là sự chuyển đổi dữ liệu từ một tập hợp các điểm đã được
đo sang một bề mặt liên tục, được rời rạc hố. Điển hình của trường hợp này là bề mặt địa
hình của mặt đất. Việc mơ hình hố bề mặt này bang một hàm toán học là quá phức tạp. Vì

thế các thông tin về bề mặt đất có được thông qua các đối tượng được lấy mẫu, đó là cơng
đoạn cơ bản đầu tiên trong việc thành lập M HSĐC như đã nêu ờ mục 2.2. Công đoạn cơ
bản thứ hai là tạo mô hình số độ cao của bề mặt đất từ các điểm đo bàng các tính tốn, nội
suy. Thơng qua các hàm nội suy cho phép tính tốn được độ cao của các điểm không được
ìấy mẫu trong vùng cần quan tâm.

</div>
(20)<div class='page_container' data-page=20>

vẽ ảnh sổ, hoặc gần đây có các phương pháp thành lập MHSĐC mới, sử dụne côna nghệ
quét laser hay radar thì mật độ các điêm đo có thề dày đặc hơn nhiều so với các phương
pháp truyên thông. Theo Ackermann [10] thì vấn đề nội suy trước đâv (từ một số ít điểm
lấy m ẫu phải nội suy cho nhiều điểm hơn) đã có thay đổi cơ bản về tính chất (từ nhiều
điêm đo có thể phải chọn một số ít các điểm để đưa vào thành lập M HSĐC). A ckermann
gọi đó là việc chuyển từ tính tốn nội suy (interpolation) sang phép tính gần đúng
(approxim ation).

Bê m ặt địa hình rất khó được mơ hình hố, các thơng tin về địa hình hầu hết được
dựa trên các yếu tố được lấy mẫu (samples) - thường là trị đo cùa các điểm và các đường.
Nói một cách khác, kết quả thu thập dữ liệu (kết quả đo đạc) cho M HSĐC chi là các mẫu
nhất định (rời rạc) của một bề mặt thường là liên tục. Để có thể mơ hình hố một bề mặt
liên tục dựa trên các trị đo rời rạc thì cịn cần có các quy tắc tính tốn (nội suy) có thể cho
phép tính được độ cao của các điểm nằm ờ khoảng giữa các trị đo. Do vậy, để thành lập 
MHSĐC, ngoài việc thu thập dữ liệu còn phải thực hiện một nhiệm vụ quan trọng khác là
nội suy để có thể đàm bảo rang tại bất cứ vị trí nào giữa các điểm lấy mẫu cũng có thể có
được các giá trị về độ cao của bề mặt địa hỉnh. Với mục đích như vậy nội suy có thể được
hiểu là dựa trên các điểm đã được lấy mầu, tính tốn độ cao cùa các điểm thuộc bề mặt địa
hình nam giữa các điểm lấy mẫu đó. Theo [11], trong các mơ hình DEM hay DTM thì bề
mặt địa hình được đại diện bởi các điểm và các đường cùng phép nội suy giữa chúng đê 
đảm bảo tại bất cứ một điểm có toạ độ x„ Yị thuộc miền D (vùng phủ cùa DEM ) đều có thể 
tính được giá trị độ cao H, tương ứng.

Cơ sờ lôgic của các phép nội suy và ngoại suy là các giá trị tại các điểm gần nhau

hơn trong không gian thì thường có khả năng giống nhau hơn là các điểm cách xa nhau
trong không gian. Nói chung hai điểm được đo chi cách nhau một vài mét thì dễ có các độ
cao gần giống nhau hơn là các điểm ở trên hai quả đôi cách nhau vài km.

Các phương pháp nội suy có thể được chia ra làm hai nhóm được gọi là nội suy hàm
tổng thể (global) và hàm cục bộ (local). Các phép nội suy hàm tổng thể sử dụng toàn bộ dữ
liệu đã được lấy mẫu để tính toán cho các điểm chưa biết của mơ hình. Các phép nội suy
hàm cục bộ thực hiện tính tốn trong phạm vi một vùng nhò bao quanh điểm cần được nội
suy. Theo Trương Anh Kiệt [6] thì trong nội suy M HSĐC thường không dùng phép nội
suy hàm tồng thề mà dùng hàm cục bộ để nội suy. Hàm tổng thể không thể hiện được các
thay đổi cục bộ m à thường coi các thay đổi này là các nhiễu “noise” ngẫu nhiên. Bằng trực
giác có thể thấy điều này không tuân theo cơ sờ lôgic cùa phép nội suy, theo đó các giá trị
nội suy tại các điểm gần với điềm lấy mẫu thi thường gần giống giá trị tại điêm lấy mẫu

</div>
(21)<div class='page_container' data-page=21>

- Xác định vùng tìm kiếm (search area) hay vùng lân cận xung quanh điểm cần được
nội suy;

- Tìm các điểm đâ được lấy mẫu trong vùng lân cận này;

- Chọn một hàm toán học đê miêu tả sự biến thiên của bề mặt trong vùng lân cận với
một số lượng nhất định các điểm đã được lấy mẫu;

- Tính tốn giá trị tại các điểm cần nội suy.

Trong phép nội suy hàm cục bộ những vấn đề sau đây cần phải được đề cập tới:
- Loại hàm số dùng để nội suy;

- Kích thước, hình dạng và định hướng của các vùng lân cận;
- Số lượng các điểm tham gia vào hàm nội suy;

- Phân bo cùa các điểm đã được lấy mẫu: phân bố đều hay không đều;
- Khả năng có sử dụng một số điều kiện ràng buộc bên ngoài.

Chất lượng cùa phép nội suy phụ thuộc vào số lượng, sự phân bổ, độ chính xác của
các điểm đã biết và hàm toán học được chọn. Kết quả tốt nhất thu được khi hàm toán chạy
theo một phương thức giống như hiện tượng. Tuỳ thuộc vào mục đích, độ gồ ghề phức tạp
của bề mặt địa hình, mật độ và sự phân bố cùa các điểm đã biết để chọn các phương pháp
nội suy cho phù hợp. Điều quan trọng là hiểu rõ rang nội suy coi dữ liệu có bàn chất có thế
chuẩn đốn được về mặt không gian để tính tốn những giá trị không được đo. Tất cả phụ
thuộc vào khả năng chuẩn đốn đặc tính cùa bê mặt.

Dưới đây, đề tài sẽ giới thiệu sơ lược một số phép nội suy phổ biến trong các phần
mềm thương mại, đó là: nội suy tuyến tính, nội suy song tuyến, đa thức bậc 3, trung bình
trọng số (cịn gọi là nghịch đảo khoảng cách có trọng số), hàm splines và gân đây mới
được áp dụng !à K ringing.

ỉ. Nội suy tuyến tính

</div>
(22)<div class='page_container' data-page=22>

Hình 1.9. Nội su y tuyến tính (a ) và Sp line (b ).

Nội suy tuyến tính được áp dụng rộng rãi trong DEM dạng TIN cùa cả M GE
(Intergraph) và A rc-Info (ESRI).

2. N ội suy song tuyến

Nội suy song tuyến là phương pháp nội suy khá phổ biến trong DEM. Trên hình 1,10
cần phải xác định độ cao Hũ tại vị trí X o , Y o nằm giữa 4 vị trí mắt lưới là ( X „ Y j ) ,

(

X , + / , Y j

),

( X i+i , Yj +i), ( X „ Y j +i ) với các độ cao tương ứng là Hjj, Hị+Ij , Trước hết cần
tính tốn các đại lượng trung gian T và u như sau:

x ữ- x é
T =

-Giá trị cần nội suy HO được tính theo cơng thức:

//„ =

(I

n o

- U ) Z U + n 1 - U ) Z , +iJ + TUZ, +lj+] + (L- T)ƯZI J+]

CXi, Yj+i) (X1+1, Ỵj+0
Z-i, j+i Zi+1, j+1

+{Xo, Yo)
Zo

Zi.j Zi+I,j
(Xi. Yj) (X1+1.Y j)

(1.1)

(1.2)

Hình 1.10. Nội su y so n g tuyến.

3. Trung bình trọng sơ

</div>
(23)<div class='page_container' data-page=23>

từng điểm dựa theo mức độ ảnh hưởng được thừa nhận có ờ mỗi điểm khi tính tốn điểm
chưa biết. C ơng thức nội suy như sau:

m,

" 0 = ^ — , (1.3)

J= 1

với Wj là trọng số; d t là khoảng cách từ điểm lấy mẫu tới điểm cần nội suy; lũy thừa p 
thường được chọn bàng 2.

4. Nội suy Spline

Theo Burrough [12] thi trước khi máy tính có thể được sử dụng để điều chỉnh một
đường cong đi qua một tập hợp các điểm cho trước những người vẽ thiết kế đã biết dùng
các thước dẻo để có được các đường cong theo ý muốn. Các thước dẻo này được gọi là
spline, v ề m ặt tốn học thì một đường cong được vẽ bời một thước spline có thể gần được 
coi như một hàm đa thức bậc 3 theo đoạn (piecewise cubic polynom ial). Hàm đa thức này
là hàm liên tục và có các đạo hàm bậc một và bậc hai liên tục.

N hư vậy các hàm spline có thể được xem như tương đương với một thước dẻo.
Chúng là các hàm theo đoạn có nghĩa là chúng khớp chính xác với một số lượng nhỏ các
điểm dữ liệu đồng thời đảm bảo được ràng các chỗ tiếp nối giữa các đoạn của đường cong
là liên tục (hình 1.9b). Điều này có nghĩa ràng với các hàm splines thỉ có thể chỉnh sửa,
thay đổi một đoạn của đường cong mà khơng cần phải tính toán lại cả đường cong. Đó là
điều khơng thể thực hiện được đối với các phương pháp nội suy sử dụng hàm tổng thể,
chẳng hạn như các hàm phân tích bề mặt xu thế và chuỗi Fourier.

Một hàm đa thức theo đoạn P(x) có thể được định nghĩa tổng quát như sau:

P (x ) = P ị(x) X / < X < X I+/; i = 0 , k- ì (1 .4 )

p /( x ,) = P/+ị(xJ /■= l , 2 , . . > l ;y = 0, 1 , ..., r - l (1.5)

</div>
(24)<div class='page_container' data-page=24>

suy các bề mặt, chẩng hạn MHSĐC).

Trong hầu hết các ứng dụng thực tế người ta sử dụng một dạng đặc biệt của hàm
spline gọi là B-spline. B-spline có giá trị bằng không ở bên ngoài phạm vi của vùng cần
quan tâm. Các hàm spline có thể được sử dụng cho nội suy chính xác (tức là hàm spline đi
qua tẩt cả các điểm lấy m ẫu tham gia nội suy) hoặc cho việc làm trơn.

5. P hương p h á p nội suy Kriging

K riging là phương pháp nội suy được xây dựng dựa trên giả sừ ràng các biến thay
đổi theo khơng gian có thể được biểu thị bằng một tổng cùa 3 thành phần chính. Đó là (a)
thành phần cấu trúc, có giá trị trung bình hay xu thế không đổi, (b) thành phần ngẫu nhiên
nhưng có tương quan theo không gian và (c) là các nhiễu “noise” ngẫu nhiên và không phụ
thuộc theo không gian (hình 1.11).

+ Đ iểm quan sát

--- Xu hướng toàn cẩu

^ ~~ ' SưbiỂhdổi c ụ cb â e"

Sai sổ phu thuôc

phi không giatie"

Hỉnh 1.10. Nội su y K rig in g.

Giả sử rằng X là một vị trí trong khơng gian thì giá trị của một biên t ì tại đó có thẻ 
được biểu thị như sau:

H{x) = m(x) + e' (x) + e" (1.6)

Trong đó m(x) là một hàm mô tả thành phân câu trúc của H tại X, e' (x) là thành
phần có tương quan theo không gian, và e là nhiễu không phụ thuộc vào vị trí không gian 
và tuân theo luật phân phối chuẩn.

Do tính phức tạp của nó nên nội suy K riging ít được sừ dụng trong thành lập
MHSĐC.

6. Van để lựa chọn p hư ơng pháp nội suy

Trong công tác thành lập M HSĐC, phép nội suy được sử dụng chủ yếu trong các
công việc sau [5]:

- Tính tốn độ cao H cho từng điểm địa hình riêng biệt;

- Tính tốn độ cao H cho các điểm mắt lưới của một M HSĐ C dạng lưới đều;
- Chêm dày hay khái lược hoá các mạng lưới đều (còn gọi ỉả lấy m ẫu

</div>
(25)<div class='page_container' data-page=25>

Việc lựa chọn phương pháp nội suy trong thành lập MHSĐC hiện nay còn đana là
một vấn đề cẩn nghiên cứu. Có thê nói một phép nội suy là tốt cho một ứng dụng này

</div>
(26)<div class='page_container' data-page=26>

CHƯƠNG II. C ơ SỞ KHOA HỌC VÊ Đ ộ CHÍNH XÁC CỦA MƠ

HÌNH SĨ Đ ộ CAO

2.1. Các yếu tố ảnh hưởng đến độ chính xác của mơ hình số độ cao

Độ chính xác của M HSĐC là sai số về độ cao của tất cả các điểm được nội suy từ
MHSĐC đó. Trong thực tế, đó là sai số trung phương mh về độ cao cùa tất cả các điểm tuỳ 
chọn được nội suy từ M HSĐC so với độ cao của các điểm kiểm tra tương ứng trên bề mặt
địa hình.

Sai số của M HSĐ C là kết quả tích luỹ cùa các nguồn sai số gây ra tại tất cả các công
đoạn thành lập M HSĐ C. Theo Li [22] thì các yếu tố chủ yếu ảnh hường tới độ chính xác
của MHSĐC là: mức độ go ghề (roughness) của bề mặt Trái đất, phương pháp nội suy
được sử dụng, độ chính xác, mật độ và phân bố cùa các điểm đo (điểm lấy mẫu) trong dữ
liệu nguồn, v ề m ặt tốn học, có thể biểu diễn độ chính xác của M HSĐC dưới dạng hàm số
như sau [22]:

~ . / 'k i > ^ M n d c l t i n ỵ ' ^ '1 ’crrum ’ ^ D a l ù ’ ^ D a t a ’ ^ l ) a t a ’ ( “ * ^ )

với Am là độ chính xác của M HSĐC; CM là chỉ số đặc trưng cho các thông số cùa

MHSĐC; MMuMlmỊi là phương pháp nội suy mô hình được sừ dụng; RTerram là mức độ gồ 
ghề cùa mặt đất trong khu vực; ADala,D Dala,PUcua lần lượt là độ chính xác, mật độ và phân 
bố của các điểm đo trong dữ liệu nguồn; o là các yếu tố khác không kể ra ở đây.

Mức độ gồ ghề của mặt đất xác định mức độ khó khăn trong mơ hình hóa bề mặt của
nó. Nếu như mặt đất có bề m ặt đơn giản và bằng phẳng thì chì cần m ột vài điểm lấy mẫu là
đủ và mơ hình cũng sẽ có dạng đơn giản dưới dạng hàm bậc nhất hoặc đa thức bậc 2, 3.
Mặt khác, nếu bề mặt của mặt đất có dạng phức tạp thì sẽ phải đo nhiều điểm lấy m ẫu hơn
và mơ hình có dạng rất phức tạp, thường là dưới dạng đa thức bậc cao. M ặc dù mức độ gồ
ghề là yếu tố có liên quan đến nhiều chỉ số khác nhau nhưng trong thực tế, người ta thường
sử dụng độ dốc như chỉ số duy nhất để biểu diễn nó.

</div>
(27)<div class='page_container' data-page=27>

phải được áp dụng.

Ba yếu tố đặc trưng của dữ liệu nguồn trong thành lập MHSĐC (mật độ, phân bổ và
độ chính xác của các điêm đo) đêu có ảnh hường đến độ chính xác của sản phẩm được
thành lập. Độ chính xác của dữ liệu nguồn xác định độ chính xác của M HSĐC bởi vì cho
đên nay, chua có giải pháp nào có khả năng giảm một cách đáng kể sai số cùa dữ liệu

nguôn ở các khâu tiêp theo trong thành tập M H SĐ C 1. Hai yếu tố còn lại (mật độ và phân
bố của các điểm đo) cũng có ảnh hưởng lớn đến độ chính xác của M HSĐC, ví dụ như nếu
ở khu vực bằng phang có nhiều điểm đo nhưng ở khu vực nhấp nhơ lại có ít điểm đo thì rõ
ràng là kết quả sẽ không thể đạt yêu cầu.

Dưới đây, đề tài sẽ trình bày một số tìm hiểu về độ chính xác cùa mơ hình số độ cao
được thành lập theo các phương pháp được áp dụng thường xuyên trong điều kiện của
nước ta hiện nay.

2.1.1. Độ chinh xác của mơ hình số độ cao thành lập bằng pltu ơ n g ph áp đo vẽ ảnh hàng 
không và ảnh vệ tinh

2.1.1. ỉ. Một số đánh giá sơ bộ

Trong thực tế, người ta thường khảo sát, đánh giá độ chính xác đo vẽ độ cao nói
chung và thành lập M HSĐ C nói riêng theo phần ngàn của độ cao bay chụp ánh (%0 H). 
Các sai số thành lập M HSĐC trên thực tế đạt khoảng 0.20-0.35%o H ờ vùng đồng bàng và 
vùng đồi. Sai số ở các vùng núi thường gấp 2-3 lần các giá trị này [5],

Đối với M HSĐC được thành lập từ ảnh vệ tinh quang học, chẳng hạn như SPOT, thì
sai số trưng phương về độ cao mh có thể đạt được khoảng 4-5m (SPOT-5) hay mh > 8.Om 
(SPOT-4) [5],

Ờ nước ta, gần đây Trung tâm Viễn thám thuộc Bộ Tài nguyên và Môi trường cũng
tiến hành thử nghiệm độ chính xác đo vẽ và thành lập M HSĐC trên các ảnh SPOT 4 lập
thể với kết quả mh khoảng 7-8m, SPOT 5 lập thể với mh cỡ 4-5m. Sai số mh tuyệt đối của 
MHSĐC thành lập từ ảnh SPOT thường nằm trong khoảng từ 8 dến 15 mét [5], Trong số
các ảnh vệ tinh quang học thì ảnh SPO T thường hay được áp dụng để thành lập M HSĐC
so với các loại ảnh khác do nó có tính ổn định cao về hình học.

Độ chính xác của M HSĐ C thành lập theo phương pháp đo vẽ ảnh phụ thuộc vào chất
lượng, tỷ lệ và độ phân giải của ảnh, độ cao bay chụp, tỷ số giữa đường đáy và độ cao bay
chụp, độ chính xác cùa các máy đo vẽ, độ chính xác tăng dày khối ảnh, tính chât hình học
cùa mơ hình lập thể, độ chính xác và mức độ chi tiết cùa các yếu tố đặc trưng địa hình, mật
độ và phân bo của các điềm được lấy mẫu.

Hiện nay, đa số các sàn phẩm M HSĐC thành lập từ ảnh hàng không và ảnh vệ tinh
được thực hiện trên các hệ thông đo vẽ ảnh tự động và bán tự động như: các phân mềm

</div>
(28)<div class='page_container' data-page=28>

ISDC và ISM T của hãng Intergraph (M ỹ), module ATE trong bộ phần mềm SOCET SET
của LH System s (M ỹ), PHODIS TS của hãng Heiss (Đức), ORTHOBASE PRO của Leica.
PHO TO M OD của Racurs (Nga),... Trong các hệ thống này, việc lấy số liệu có thề tiến
hành theo lưới quy chuẩn thông qua kỹ thuật nhận dạng các điểm ảnh cùng tên (khớp ảnh
tự động). N êu như các điêm đo này đêu khá chính xác (khi ảnh được chụp với chất lượng
tốt ở những vùng có địa hình đơn giản) thì độ chính xác và độ tin cậy của MHSĐC tăng lên
đáng kể. Tuy nhiên, trong nhiều trường hợp, các điềm MHSĐC đo tự động thường không
chính xác và do đó đòi hỏi phải chinh sửa rất nhiều. Cho tới nay, việc thành lập MHSĐC
tự động mới chỉ cho kết quả nhanh và chính xác trên ảnh tỷ lệ nhò ở các vùng quang đãng.
Còn đối với các ảnh tỷ lệ lớn thì các phần mềm này khó tự động loại bỏ các điềm đo trên
nóc nhà và trên cây. Do vậy, việc chinh sừa các điểm MHSĐC đo tự động có thể tốn thời
gian tương đương như đo thủ công. Nhầm giải quyết vấn đề này, các tác giả đã tiến hành
thử nghiệm ở một số khu đo nhằm đánh giá ảnh hường cùa mật độ các điểm lấy mẫu tới độ
chính xác của M HSĐC. Các kết quả nghiên cứu này được trình bày trong mục dưới đây.

2.1.1.2. Đánh giá ảnh hường cùa khoảng cách lấy mẫu tới độ chính xác cùa M H SĐC 
thành lập tự động bằng công nghệ ảnh số

Để đánh giá ảnh hưởng của khoảng cách lấy mẫu tới độ chính xác của M HSĐC,
chúng tôi đã tiến hành thử nghiệm đo vẽ tự động bàng kỳ thuật khớp ảnh tự động tại các
khu đo có dạng địa hỉnh khác nhau. Đặc điểm của các khu đo được thể hiện trong bảng 2.1.

B ản g 2 .1 . Đ ặ c điểm c á c khu đo thử nghiệm

Đ ặ c điểm ảnh hàng k h ô n g
Khu

đo T iểu khu Đ ặ c đ iểm địa hình

S ố
tấm
ảnh

S ố N ă m

tuyến bay

bay chụp

T ỷ lệ

Đ ộ c a o
bay
chụp

Đ ộ phân 
giải quét

Cồ
Loa

Đ ồ n g bằng, mật độ xây

d ự n g cao 13 2 2 0 0 3 1 :7000 1 0 5 0 m 2 8 |i m

Đ ư ờ n g Đ ư ờ n g Lâm 1 K h u dân cư, tư ơ n g tự

như C ô Loa 2 1 1997 1 :3 3 0 0 0 5 0 0 0 m 16|im

Đ ư ờ n g Lâm 2 Đ ồ i , ruộng, c ó nhiê u gị

Ba Vì

Ba V ì 1 Khu dân cư

3 ] 2 0 0 4 1 :3 2 0 0 0 4 9 0 0 m 20|am

Ba V ì 2 N ú i đá

Lạng

Sơn N ú i đá cao 3 1 2 0 0 0 1 :3 5 0 0 0 5 3 5 0 m 32p.m

Tại mỗi khu đo, đề tài đã thử nghiệm đo lưới độ cao tự động với khoảng cách giữa
các mắt lưới dao động trong khoảng từ 20m đến 120m. Kết quả đo tự động được kiểm tra
kỹ băng mát đê xác định sò điêm băt tự động sai, các điêm này được chỉnh sửa và sau đó
sai sổ trung phương của M HSĐC sẽ được tính dựa theo m ột mơ hình chuẩn [26].

</div>
(29)<div class='page_container' data-page=29>

sam pling interval). Chú ý răng khi khoảng cách lấy mẫu tăng n lần thi số điểm mất lưới 
tăng lên khoảng n2 lần.

PSI (m)

Đường Lâm 2

PSI (m)

Ba Vi 2 Lạng Sơn

Hình 2 .1 . Kết quả thừ n ghiệm đánh giá ảnh hưởng khoảng cách lấy m ẫu tới độ chính x á c của 
M H SĐ C (đ ư ờ n g nét đứt lả sai số trung phương, đường nét liền là số điểm bắt sa i).

Từ những kết quả thừ nghiệm, đê tài đã đưa ra một sô nhận xét như sau:

- Sai số trung phương RMSE gẩn như tỷ lệ thuận với khoảng cách lấy m ẫu PSI.

- Khi tăng khoảng cách lấy mẫu lên thì số lượng điểm bắt sai' giảm đi một cách đáng 
kể, tới một giá trị (hay khoảng giá trị) nào đó của PSI (30m ở c ổ Loa, 50-70m ở Đường
Lâm 2,...) thì mức độ giảm yếu đi nhiều. Giá trị này cùa PSI có thể được xem xét như
khoảng cách lấy m ẫu tối ưu.

- Các điểm bẳt sai thường xảy ra ở những khu vực có độ xám đồng nhất trên ảnh, ví
dụ như mặt nước, bóng của các đối tượng,... Hiện tượng này hoàn toàn phù hợp với những
nhận xét đã đưa ra trong [1] và [20].

- Việc đo vẽ bổ sung các đường đứt gãy địa hình là rât cân thiết nhàm nâng cao độ
chính xác của M HSĐC.

- Đề tài đề xuất s ử dụng công thức s a u để tính khoảng cách lấy mẫu tối ưu trong đo
vẽ thành lập M H SĐ C tự động bàne, công nghệ ảnh sô:

P SỈ = k y j P x M a , (2.2)

</div>
(30)<div class='page_container' data-page=30>

với p là độ phân giải của ảnh quét, Ma là mẫu số tỷ lệ của bản đồ, k là hệ số phụ thuộc
vào dạng địa hình: k - 0.08 -T 0.09 cho khu vực đồi núi và k = 0.095 -ỉ- 0.105 cho vùng đồng 
bàng.

2.1.2. Độ chính x ác của m ơ hình số độ cao thành lập bằng phư ơng pháp nội suy từ các 
đường bình độ trên bản đồ địa hình

Độ chính xác của M HSĐC được thành lập từ các đường bình độ phụ thuộc chù yếu
vào khoảng cao đều và mức độ chi tiết (hay ngược lại là mức độ khái qt hóa) cùa đường
bình độ. Theo các kết quả đánh giá chung thì sai số của MHSĐC nằm trong khoảng 1/2-
1/3 khoảng cao đều của đường bình độ. Sai số của MHSĐC sẽ tãng lẻn đáng kể nếu như có
biến dạng lớn trên bản đồ giấy hay đường bình độ trên bàn đồ được vẽ không chính xác [5]
hoặc do sai số của các thiết bị sử dụng để sổ hóa bản đồ giấy. M ột yếu tố quan trọng nữa
ảnh hưởng đến độ chính xác của M HSĐC dạng TIN thành lập bang phương pháp nội suy
từ các đường bình độ là sự hình thành của các tam giác nằm ngang (H orizonal triangles),
trong một số tài liệu còn gọi là tam giác phẳng (Flat triangles).

Tam giác nằm ngang là tam giác mà ba đỉnh của chúng có cùng một độ cao, tức năm
trên cùng một đường bình độ. Loại tam giác này thường hay xuất hiện tại những vị trí mà
đường bình độ có dạng thắt vịng hay lượn gấp (hình 2.2).

ị • Q

P"
(a)

• Các điểm độ cao

Hình 2.2. Ví dụ về tam g iá c nằm n g a n g .

</div>
(31)<div class='page_container' data-page=31>

đường tròn ngoại tiêp tam giác PP'P" không chứa điểm Q, phần mềm sẽ chọn tam giác
p p p làm một tam giác của mô hình TIN, Do cả 3 đinh của tam giác PP'P" có cùng độ cao
nên phân vi địa hình tại khu vực này được mô tả là bàng phẳng nhưng trên thực tế lại có
một độ dơc đáng kê vì nó gân các đường sống núi (hoặc đường phân thuý, tụ thủy,...).
Thực chât, chúng ta cân phải chọn tam giác PP'Q làm một tam giác cùa mơ hình TIN mới
đúng.

Trên hình 2.2a cịn có các tam giác nằm bên trong đường bình độ khép kín chứa
điểm Q cũng là các tam giác nằm ngang.

Đê khác phục tình trạng tạo ra các tam giác năm ngang, người ta thường phải bô
sung thêm các thông tin về địa hình như các đường sống núi, tụ thuý, phân thuỷ hay các
điểm độ cao,... Đối với M HSĐC trên hình 2.2b đã số hố bổ sung một đường sống núi và
chêm thêm 1 điểm độ cao tại tâm của đường bình độ hình vịng khép kín chứa điểm Q.
Dựa trên đường sống núi và điểm độ cao mới được bổ sung, phần mềm tạo TIN tính tốn
và chia lại các tam giác cho phù hợp với địa hình.

Trong thực tế, nếu chỉ dựa trên bàn đồ địa hình truyền thống (bàn đồ giấy) thì cơng
việc bổ sung các đặc trưng của địa hình khơng đơn giản, đòi hỏi người thao tác phải có kỹ
nãng đọc địa hình và có các xử lý phù hợp. Do các bản đồ địa hình thường có mức độ khái
quát nhất định nên việc đưa thêm các đường phân thuỳ, tụ thuỷ,... cũng phức tạp vì trên
bản đồ địa hình thường thể hiện khơng đầy đù các đường này mà chi thể hiện có chọn lọc
các yếu tố, chẳng hạn như thuỷ hệ chính. Đối với các bản đồ được thành lập bàng công
nghệ đo vẽ ảnh số thì vấn đề này trở nên đơn giản hơn vì các đường bình độ, các đường
phân thuỷ, tụ thuỷ, các điểm đặc trưng của địa hình đều đà được số hoá, đo vẽ trên các mơ
hình lập thề nên có thể dùng trực tiểp các mơ hình này (nêu có) cho việc tạo M HSĐC và có
nhiều khả năng tránh được các tam giác nam ngang hơn.

</div>
(32)<div class='page_container' data-page=32>

2.1.3. Độ chính x á c của m ơ hình số độ cao thành lập bằng phương ph áp đo đac thực địa
Trong phương pháp thành lập mơ hình số độ cao theo kết quà đo đạc thực địa (bàng
máy kinh vĩ, thủy chuẩn, toàn đạc điện tử, GPS,...) có 2 nguồn sai số chù yếu là sai số của
bản thân các điêm đo chi tiết (sai số đo đạc) và sai số do số lượng và phân bố của các điểm
đo chi tiêt không phản ánh đúng địa hình (sai số lấy mẫu). Hiện nay, với việc áp dụng rộng
rãi các cơng nghệ có độ chính xác cao là tồn đạc điện tử và GPS thì nguồn sai số thứ nhất
có ảnh hưởng tương đổi nhò so với nguồn sai số thứ hai. N hư vậy, khi kiểm tra độ chính
xác của mơ hình số độ cao thành lập bằng phương pháp đo vẽ ngoài thực địa cần chú trọng
đến sai số do các điểm đo chi tiết không phàn ánh đúng địa hình. Nguyên nhân của các sai
sô loại này là do công sức để đo chi tiết ngoài thực địa thường lớn hơn so với các phương
pháp khác nên người đo có thể bỏ qua các yếu tố vi địa hình. Mặt khác, do tầm nhìn ngồi
thực địa có thể bị hạn chế nên người đo không nhận biết đầy đủ các yếu tố địa hình dẫn
đến việc lựa chọn các điểm đo chi tiết không hợp lý. Chi tiết hơn về các vấn đề này sẽ
được trình bày trong chương 3.

2.1.4. Độ chính x á c của mơ hình sổ độ cao thành lập bằng công nghệ LIDAR

Trong thành lập M HSĐC bàng công nghệ LIDAR, các sai số có thể phát sinh từ các
nguồn sau [18]:

- Sai số định vị hệ thống bay chụp, hay nói cách khác là sai số cùa hệ thống GPS sử
dụng để xác định tọa độ của máy quét laser trong quá trình bay chụp.

- Sai số về độ cao của từng điểm quét (LIDAR points);

- Sai số về độ cao của mơ hình do ảnh hưởng cùa sai số trên mặt phầng cùng với độ
dốc của địa hình. N guồn sai số này sẽ được giải thích cụ thể ở duới.

- Sai số do nhận dạng điểm sai (điểm trên mặt đất hay điểm trên đối tượng).
- Sai số do quá trình nội suy thành lập MHSĐC.

Hình 2.3 giải thích về mối quan hệ giữa sai số về độ cao với sai số trên m ặt phang và
độ dốc của địa hình.

Từ hình 2.3 ta thấy ngay cả trong trường hợp độ dổc được xác định với độ chính xác
cao, các sai số trong xác định vị trí trên mặt phẳng (x,y) của tia laser cũng sẽ dẫn đên 
những tính toán sai lệch về độ cao của các điểm đo LIDAR. Sai số này được tính theo công
thức:

Eh = £ , y ta n (« ) (2 .3 )

Ví dụ như sai số bô sung về độ cao của điểm đo với sai số mặt bàng khoảng lm trên
địa hình có độ dốc ] 0° có thể lên tới ± 18cm.

</div>
(33)<div class='page_container' data-page=33>

điêm theo vị trí phản xạ cùa chúng trên bề mặt (hình 2.4): trên mật đất (around return), trên
cây (vegetation return), trên tòa nhà (building return). Các thuật toán tự động sẽ so sánh độ
cao từng điểm so với các điểm lân cận để tìm ra những điểm có độ cao nhỏ nhất và coi
chúng là những điểm nàm trên mặt đất. Quá trinh này có thể được lặp đi lặp lại nhiều lần

để tinh chỉnh kết quả phân loại. Tuy nhiên, những sai sổ ờ đây là không thể tránh khịi do
lượng thơng tin khơng đù để có thể khẳng định một cách chắc chắn rằng điểm đo nằm ờ vị
trí nào. Đe làm giảm những sai số loại này, kỹ thuật viên sẽ quan sát bàng mắt đám mây
điểm LIDAR đã được phân loại trên nền ảnh trực giao hoặc trên mơ hình lập thể cùa ảnh
hàng không để phát hiện những lỗi phân loại tự động [18].

Điếm đo dược

Hỉnh 2.3. Sai số về độ ca o của điểm đo L ID A R phát sinh do sai số về vị trí trên m ặt phẳn g.

</div>
(34)<div class='page_container' data-page=34>

2.2. ư ớ c tính độ chính xác của mơ hình số độ cao

Trong thực tê thanh lập M HSĐC, độ chính xác của sàn phẩm là một yếu tố rất quan
trọng đôi với cà người sản xuât lân người sừ dụng. Độ chính xác này có thể được ước tính
theo các mơ hình sai số hay đánh giá bang thực nghiệm trên cơ sớ đo kiểm tra naoại
nghiệp.

Bang thực nghiệm, sai sổ trung phương mh về độ cao của MHSĐC có thể được tính 
theo cơng thức sau:

trong đó:

H,: độ cao nội suy theo MHSĐC tại các điểm kiềm tra;
hj\ độ cao của các điểm kiểm tra;

N: số lượng các điểm kiềm tra.

Tuy phương pháp đánh giá bàng thực nghiệm có tính khách quan cao nhưng nó chi
có thể được tiến hành sau khi đã có sản phẩm MHSĐC, hơn nữa, phương pháp này đòi hói
phâi đo một số lượng tương đối lớn các điểm kiểm tra thì mới đàm bảo được độ tin cậy.

Độ chính xác của MHSĐC có thể được ước tính trước khi thành lập nếu có một mơ
hình sai số phù họp. Một ưu điểm cùa việc sừ dụng mơ hình sai số là nó cho phép người
sàn xuất M HSĐC có thể tiến hành cơng việc một cách có hiệu quà và kinh tế nhất do biết
trước được các thông số cần thiết (phương thức lây mẫu, mật độ và phân bô của các điêm
lấy mẫu) để đảm bảo sản phẩm đạt được độ chính xác yêu cầu.

Đã có nhiều nghiên cứu thực nghiệm về ước tính độ chính xác của mơ hình số độ cao
ờ trong nước và trên thế giới. Theo Ackerm ann [9], độ chính xác của M HSĐC có thê được
ước tính theo công thức sau:

m l = p 1 + (a X d ) 2 ( 2 . 5 )

Công thức trên sử dụng các ký hiệu sau:

mh là sai số trung phương cùa độ cao được tính tốn, nội suy trong M HSĐC;

/? là sai số cùa dữ liệu gốc và độ nhiễu cùa bề mặt địa hình (bao gồm sai số đo điêm
và ảnh hường cùa thực phủ);

d là khoáng cách trung bỉnh giữa các điểm đo (mật độ trung binh của các điểm được 
lay mẫu);

</div>
(35)<div class='page_container' data-page=35>

ơ, — 0.010 đôi với dạng địa hình có độ phức tạp trung bình: 
a = 0.022 đối vói dạng địa hình phức tạp.

Theo Flotron [16], nếu M HSĐC được thành lập từ ánh hàng không thì ở vùng bàng
phẳng a = 0.01, vùng đồi a = 0.02, và vùng núi a = 0.04.

Công thức (2.5) là mơ hình tốn học được sù dụng phổ biến nhất để ước tính sai số
của M HSĐC. Bên cạnh đó, nhiều nghiên cứu, khảo sát khác cũng được tiến hành nhàm
đưa ra mơ hình sai số của MHSĐC được thành lập bàng phép nội suy tuyến tính với hai
phương thức lấy mẫu là: lưới đều và lưới đều kết hợp với các điềm, đường đặc trưne địa
hình. Li [21] đưa ra biểu thức toán học của mơ hình sai số này như sau:

mị = Kịữỉl + (1 + AT3 X d ) 2{ dX t g a ỷ , (2 .6 )

trong đó:

mc : sai số trung phương đo độ cao cùa các điểm mắt lưới; 
d: khoảng cách giữa các điểm mắt lưới.

K, : các hệ số thực nghiệm. Ki = 4/9; K ĩ = 5/768; Kì = 0 trong trường hợp lấy mẫu 
theo lưới đều kết họp với các đặc trưng địa hình. Trong trường hợp lấy mẫu theo lưới đều
khơng có đặc trưng địa hình thì Kì = 4/Ằ. với X là bước sóng trung bình của biến đồi địa 
hình được tính theo công thức sau:

™* - m.n ) x c t g ỵ , (2 .7)

với Hmax, Hmm và y tương ứng là độ cao lớn nhất, độ cao nhỏ nhất, và độ dốc trung bình của
địa hình khu vực thành lập MHSĐC.

v ề ước tính độ chính xác cùa M HSĐC thành lập bằng các phương pháp khác nhau,
Karel và Kraus [19] đã đưa ra một sổ công thức như sau:

Đối với M HSĐ C thành lập bằng phương pháp đo ảnh, độ chính xác ở những khu
vực quang đãng được ước tính theo cơng thức thực nghiệm:

mh=0A{ ^ + ~ tgrì

Ụ 0 0 0 c

(2-8)

\ớ ỉ h là độ cao bay chụp, Y là độ dốc của địa hình, c là tiêu cự của máy ảnh. Ở những khu 
vực bị che phủ nhiều, sai số tính theo công thức trên cân cộng thêm khoảng 2m nữa [19],
Ví dụ như với h = 3000 m, c = 152 mm, độ dơc 10% thì mh = ±0.75 m ờ khu vực quang đãne 
và mh « ±2.8 m ờ khu vực bị che khuất nhiều.

</div>
(36)<div class='page_container' data-page=36>

với n là sô lượng điêm tính trên một m2. Ví dụ như vói khoảng cách thiết kế giữa các điêm 
đo băng 2ra trên địa hình có độ dốc 10%, sai số được ước tính bàng:

m h = 0.01

^[Õ25 + 5 0 x 1 0 % a 0 . 1 7 m

ở những khu vực quang đãng có độ xuyên thủng (penetration) của tia laser bằng 100% và:

6

m h - 0.01 + 5 0 x 1 0 % * 0 .2 9 m

, Vo.

0 6 2 5

ở những khu vực có nhiều thực phủ, độ xuyên thủng bàng 25%.

Các hệ số 6 và 50 trong công thức 2.9 được tính bằng phương pháp thực nghiệm có
sừ dụng 22.000 điêm kiêm tra trong các khu đo ở các vùng núi và vùng đồng bằng. Hình
2.5 thể hiện kết quả thống kê cho các điểm kiểm tra này.

íu.ubci í Cl.Lí^k Fluid - I c l a a s i c l I U’JCJ Lite I r . co c )

1Í.0
-160
140
- 120
- 1 oo

1.1. Jc:ia Il y Ị n j /:ii ’ 1

Hình 2 .5 . T h õ n g kê kết quả thử nghiệm ước tính độ chính x á c của M H SĐ C 
thành lập b ằng cô n g n gh ệ ư D A R [1 9 ].

Khi M HSĐC được thành lập bằng phương pháp nội suy từ các đường bình độ thì sai

số của nó được ước tính như sau [21]:

mị = — +h c (2 .10)

</div>
(37)<div class='page_container' data-page=37>

2.3. Ví dụ tính tốn sai số cho phép của mơ hình số độ cao trong một số

ứng dụng cụ thể

2.3.1. Yêu cầu về độ chỉnh xác của M H SĐ C trong thành lập bình đồ ảnh trực giao từ 
ảnh hàng khơng

Độ chính xác của M HSĐC quyết định chất lượng và độ chính xác cùa quá trình nấn
ảnh trực giao - một công đoạn quan trọng trong thành lập bản đồ bans công nghệ ánh số
đang được ứng dụng phổ biến ở nước ta hiện nay.

Anh hường của chênh cao địa hình đên vị trí cùa điêm ảnh được chụp với máv ảnh
có tiêu c ự / ở độ cao H được minh hoạ trên hinh 2.6.

R

Hình 2 .6 . S ự xê dịch vị trí của điểm ảnh do ch ê n h cao địa hình,

Dựa trên tính chất hình học của phép chiếu xuyên tâm, có thể xác định độ dịch
chuyển AR trên thực địa do chênh cao địa hinh AH gây ra. Theo hình 2.6. ta có:

AR - AH X tan a = tsH X — = A i/ X — ( 2. 11)

H f

Tỷ lệ ảnh chụp được tính theo cơng thức:

* = Z = = (2.12)

m u H R A R

Trong các công (hức trên r là khoảng cách từ tâm ành tới điểm ảnh, ôr là độ dịch 
chuyển vị trí điềm àiih. N hư vậy:

S r ^ J - A R = L A H x - = — x r ( 2 . 1 3 )

H H f H

</div>
(38)<div class='page_container' data-page=38>

bình của ảnh sau khi năn. N êu tính đến cả hệ số phóng nx — mj/mn (mn là mẫu số tỳ !ệ ánh 
sau khi năn) thì trong cơng thức (2.8) Sr cũng phải được nhân thêm với hệ số phóng:

- AH

o, = --- x r x n *

H (2.14)

Từ cơng thức (2.14) có thể tính được chênh cao lớn nhất cho phép cùa địa hình
A/ímoi so với mặt phẳng trung bình, theo độ dịch chuyển vị trí điểm ảnh lớn nhất cho phép

Srmax trên bình đồ ảnh:

_ HX Ổrí na* = / X ma X 5r ma, _ f xSr

r x n x r r ■ X (2.15)

-Khi nắn ảnh trực giao thì ảnh hưởng cùa sai số về độ cao của M HSĐC SDEM đến độ 
dịch chuyển vị trí điếm ảnh AR trên thực địa được minh hoạ trên hình 2.7.

Hình 2 .7. Ành hưởng của sai số về độ cao của DEM ỉên vị trí của đ iếm ả nh nắn.

Trên hình 2.7 ta có AR - SDIMt g a . Thực hiện các phép biến đổi tương tự như từ cồng 
thức 2.11 đến 2.15 và thay AH bàng ỎDEM , ta sẽ tính được sai số lớn nhất cho phép của 
MHSĐC theo độ dịch chuyển vị trí điểm ảnh lớn nhất cho phép ơrmVí trên ảnh nan trực 
giao:

D E M max . M r r - x m . (2.16)

</div>
(39)<div class='page_container' data-page=39>

bình đơ ảnh. Có thể nắn cách ành hoặc nấn liền ảnh (hình 2.8).

... (a) . (b)

-3—ổr...'r ;t

--- Đ ư ờ ng cắt ảnh khi g h ép 4 0*

Hình 2.8. s ơ đồ tính rmax khi nắn cá ch ảnh (a ) và liền ảnh (b ).

Trong trường hợp năn cách ảnh thì:
rmax = Vo.42 + 0-35 X / = Ỉ22mm ,

với / là kích thước ảnh chụp hàng không, đối với các máy ảnh đang được sử dụng ở nước
ta hiện nay thì / = 230mm hay 180mm.

Trong trường hợp nấn liền ảnh thì:
rmiK =

Vo.22

+ 0 .3 5 2 X/ = 9 3 m m .

Đôi với từng khu chụp cụ thê, tuỳ theo các độ chông phủ p và Q m à có thê tính ra
theo công thức tổng quát sau:

= / x (2.17)

nếu nẳn cách ảnh (p ìs 0,5) và:

rma* = / X.

' w - s '

X í p Q

nêu năn liên ành. Trong các công thức trên: p = —— và q ---.

100 100

</div>
(40)<div class='page_container' data-page=40>

=1.25 khi nắn cách ảnh và bàng 1.65 khi nắn l i ề n ành.

Theo các quy phạm hiện hành ở nước ta, có thê lấv Srmax ~ 0.3mm với điều kiện các 
sai số trong công tác định hướng, tăng dày ảnh hưởng không đáne kể tới độ xê dịch vị trí
điểm trên ảnh nắn ta có:

- N ắ n cách ảnh: ÔDEM = 153x03 xnĩn = 0.38 ffimxw,;

XTỈ ’ 1 f 1 5 3 X 0 . 3

- Năn liên ảnh: SDLM = —— — X mn = ữA9mm X mn.

Các số liệu trên cho thấy, khi nắn liền ảnh thi sai số cho phép cùa M HSĐC có thể
được nới rộng khoảng 1.3 lần so với nắn cách ảnh. Bảng 2.2 trinh bày kết quả tính sai số
cho phép của MHSĐC trong thành lập bình đồ ảnh trực giao ờ các tỷ lệ khác nhau.

B ảng 2 .2 . Sai s õ ch o phép của M H SĐ C trong thành lập bình đồ ảnh trực giao 
(với p = 6 0 % , Q = 3 0 % , f= 1 5 3 m m , S r= 0 .3 m m )

T ý lệ bình đồ ảnh 1: m„

Sai số ch o phép của D E M (m)
N ắn liền ảnh

8dum= 0 .4 9 m m x m„

N ấn cách ảnh

Sd e m = 0.3 8 m m x m„

1 1000 0 .4 9 0.38

1 2 0 0 0 0 .9 8 0 .7 6

1 5 0 0 0 2.45 1.90

] 10000 4 . 9 0 3.80

1 2 5 0 0 0 12.25 9 .5 0

1 5 0 0 0 0 2 4 . 5 0 19.00

2.3.2. Yêu cầu về độ chính xác của M H S Đ C p h ụ c vụ nội suy đường bình độ trong quả 
trình tlĩànlt lập bản đồ địa hình

Tự động vẽ các đường bình độ là một trong các ứng dụng chủ yếu của MHSĐC.
Khoảng cao đều của đường bình độ được chọn theo tỷ lệ bản đồ và độ dốc của địa hình.
Khoảng cao đều còn được xác định theo độ chính xác đo vẽ độ cao. Theo các tiêu chuân vê
độ chính xác của bàn đồ thì 90% các điểm đo vẽ phải có sai số về độ cao không vượt quá
1/2 khoảng cao đều. Nếu các sai so tuân theo luật phân phối chuẩn thì sai số giới hạn tương
ứng với miền 90% bằng ±1.65mh với m h là sai sổ trung phương của M H SĐ C. N hư vậy,
nếu CI là khoảng cao đều thì:

— C l = 1.65 X mh, ( 2 . 1 7)

hay: C ỉ = 3.3 X m h .

</div>
(41)<div class='page_container' data-page=41></div>
(42)<div class='page_container' data-page=42>

CHƯƠNG III. NGHIÊN c ứ u ĐÈ XƯÁT PHƯƠNG PHÁP KIÉM ĐỊNH

Đ ộ CHÍNH XÁC CỦA MƠ HÌNH SỐ Đ ộ CAO

3.1. Nội dung của công tác kiểm định độ chính xác của mơ hình số độ cao

hiện hành

3.1.1. C ơ s ở khoa học và pháp lý của cơng tác kiểm định độ chính xác của mơ hình số 
độ cao

Kiểm tra chất lượng một sản phẩm là đánh giá sàn phẩm đó theo những tiêu chuân

nhất định được quy định bởi các quy phạm, quy định kỹ thuật do cơ quan chủ quàn ban
hành để công nhận sản phẩm đó (hay tồn bộ sản phẩm thuộc một quá trinh sản xuất) có
đảm bảo chất lượng không thông qua việc thực hiện các công đoạn theo các phương pháp
do người kiểm tra lựa chọn.

Đổi với M HSĐC, phương pháp kiểm định độ chính xác dựa trên các cơ sờ sau:

a. Các quy phạm , quy chế kiểm tra, các quy định kỹ thuật

Các văn bản này là các quy định mang tính bắt buộc đối với các cơng trình sán phâm
đo đạc và bản đồ trong đó có mơ hình sổ độ cao. Các quy phạm, quy chế kiểm tra chất
lượng do Bộ Tài nguyên và Môi trường (Tổng cục Địa chính trước đây) ban hành. Các quy
định kỳ thuật thường nàm trong thiết kế kỹ thuật - dự toán của mỗi cơng trình, do Ban
quản lý các dự án đo đạc và bản đồ thuộc Cục Đo đạc và Bàn đồ (Bộ Tài nguyên và Mơi
trường) lập và đã có sự phê duyệt của Cục. Các quy định này về cơ bản được thành lập dựa
theo quy phạm và quy chế trên. Các quy trình, quy phạm và vãn bản pháp quy đã ban hành
gồm có:

* Các qui trình, qui phạm hiện hành:

- Quy phạm thành lập bản đồ địa hỉnh tỷ lệ 1/500, 1/1000, 1/2000, 1/5000, 1/10.000
và 1/25.000 (phần trong nhà) ban hành năm 1990.

- Quy phạm thành lập bàn đồ địa hình tỷ lệ 1/500, 1/1000, 1/2000, 1/5000 (phân
ngoài trời) ban hành năm 1990.

- Quy phạm thành lập bản đồ địa hình tỷ lệ 1/50.000 ban hành năm 1998.

- Quy định kỹ thuật số hóa bản đồ địa hình tỉ lệ 1:10 000, 1:25 000, 1:50 000 và
1:100 000 ban hành năm 2000.

</div>
(43)<div class='page_container' data-page=43>

- Quy phạm thành lập bản đồ địa chính tỳ lệ 1/200, 1/500. 1/1000 khu vực đô thị
(tạm thời) ban hành năm 1995.

- Quy phạm thành lập bản đồ địa chính tỷ lệ 1/500, 1/1000, 1/2000, 1/5000, 1/10.000
và 1/25.000 ban hành năm 1999 (tái bản năm 2004).

* Các vãn bản pháp quy về quản lý chất lượng:

- Quy chê quản lý chât lượng cơng trình - sản phẩm đo đạc bàn đồ do Tổng cục Địa 
chính ban hành năm 1997.

- Hướng dẫn kiểm tra kỹ thuật, nghiệm thu công trình - sán phẩm đo đạc - bản đồ
do Tổng cục Địa chính ban hành năm 1997.

- Thông tư 02/2007/TT-BTNMT ngày 12/02/2007 cùa Bộ Tài nguyên và Môi trường
hướng dẫn kiểm tra, thẩm định và nghiệm thu cơng trình, sản phẩm đo đạc và bản đồ.

- Thơng tư 0Ĩ/2007/QĐ-BTNMT ngày 27/02/2007 của Bộ Tài nguyên và Môi trường
về việc ban hành Quy định áp dụng chuẩn thông tin địa lý cơ sở quốc gia.

b. M ục đích thành lập

Tuỳ thuộc vào mục đích thành lập MHSĐC nhu: phục vụ cho các nghiên cứu về tài
nguyên hay môi trường cùa một vùng, một khu vực; phục vụ cho thiết kế các cơng trình
giao thơng, xây dựng; hay thành lập bình đồ ảnh trong đo vẽ bản đồ;... mỗi một ứng dụng
có yêu cầu về độ chính xác và cách xây dựng MHSĐC khác nhau, căn cứ vào đó để lựa
chọn các phương pháp kiêm tra phù hợp nhât. Ví dụ như đê phục vụ cơng tác thành lập
bình đồ ảnh trong đo vẽ bản đơ, u câu độ chính xác của MHSĐC tương đôi cao, thường
thành lập bàng phương pháp ảnh số, cấu trúc dạng TIN để đàm bào độ chính xác; cịn các

mơ hình số độ cao phục vụ cho các nghiên cứu tài nguyên và môi trường cùa một khu vực
thì u cầu độ chính xác thấp hơn, vì phủ trùm trên diện tích lớn nên có thể được thành lập
bàng phương pháp đo vẽ ảnh vệ tinh với cấu trúc dạng GRID,...

c. Phương p h á p thành lập

Mỗi phương pháp thành lập mô hình số độ cao có những ưu, nhược điểm riêng như
đã phân tích ờ chương 1. Càn cứ vào nhược điểm của phương pháp được áp dụng khi thành
lập MHSĐC, có thể đưa ra phương pháp kiểm tra độ chính xác họp lý nhất.

d. Điều kiện trang thiết bị và trình độ công nghệ

Đây cũng là một cơ sờ quan trọng để lựa chọn phương pháp kiểm tra. c ầ n phải căn
cứ theo điều kiện trang thiết bị và trình độ công nghệ cùa cà hai phía là đơn vị sàn xuất và
đơn vị kiểm tra. Trang thiết bị và trình độ chuyên môn của đơn vị kiểm tra cần phải hiện
đại hơn và cao hơn đơn vị sàn xuất. Nếu trang thiết bị không đầy đủ thì yếu tố trình độ và
tìm phương pháp kiềm tra theo hướng mới, không lặp lại trong sản xuất là rất quan trọng.

</div>
(44)<div class='page_container' data-page=44>

đọ chinh xac cua san pham theo các tiêu chuân CỊUV định một cách chính xác nhất dựa vào

các cơ sở trên.

e. T ính h iệ u q u ả v à kinh t ế

Đây là một yêu câu không thê thiêu trong công tác kiểm tra chất lượng sàn phầm.
Mục tiêu cuôi cùng là phải lựa chọn phương pháp kiểm tra cho phép đưa ra đánh giá khách
quan, chính xác vê chât lượng sản phâm mà khơng tốn nhiều thịi gian và tiết kiệm về kinh tế.
3.1.2. N hữ n g nội dung chính của công tác kiểm đỉnh độ chỉnh xác của mơ hình số độ 
cao hiện hành

Hiện nay, công tác kiểm tra độ chính xác của MHSĐC bao gồm các nội dung chủ
yếu sau đây:

- So sánh độ cao nội suy từ MHSĐC với các điểm kiểm tra ngoại nghiệp, điềm
khống chế, điểm tăng dày để kiểm tra độ chính xác;

- Kiểm tra trực tiếp trên mơ hình lập thể để phát hiện các sai sót đo vẽ (mức độ chi
tiết, độ chính xác của q trình lấy mẫu);

- Nội suy đường bình độ để kiểm tra khả năng mô tả địa hình;
- Kiểm tra sai số tiếp biên của MHSĐC.

3.1.2.1. So sánh độ cao nội suy từ mơ hình sơ độ cao với các điêm đo kiêm trci, điểm kháng 
chế ngoại nghiệp, điểm tăng dày

Các điểm đo kiểm tra, điểm khống chế ngoại nghiệp là những điểm được đo đạc
ngoài thực địa bang các máy toàn đạc, thuỷ chuẩn, GPS với độ chính xác cao. Các điềm
tăng dày là các điểm được đo trên các trạm ảnh số nhưng được tính tốn binh sai từ các
điểm khống chế ngoại nghiệp nên độ cao cũng có độ chính xác tốt. So sánh độ cao cùa các
điểm này với độ cao được nội suy từ M HSĐC có thể tíiih được sai số trung phương mh của 
MHSĐC theo công thức (2.4). Phương pháp so sánh độ cao đánh giá được sai số cùa
MHSĐC so với độ cao thực địa. Nếu đo kiểm tra được nhiều điểm thì việc đánh giá độ
chính xác của MHSĐC là tin cậy nhất và chính xác nhất. Tuy nhiên, số lượng các điểm
kiểm tra trong thực tế thường không nhiều do các hạn chế về kinh tế cũng như kỳ thuật.

3.1.2.2. Đánh giá độ chính xác trực tiềp trên mơ hình lập thê

</div>
(45)<div class='page_container' data-page=45>

3.1.2.3. Nọi suy đương bình độ đẽ kiêm tra khả năng mô tà địa hình

Phương pháp nội suy đường bình độ có vai trị quan trọng bời các đối tượng đặc

trưng đìa hình ảnh hưởng rõ rệt nên việc mơ tả địa hình thơng qua các đườne bình độ. Ba
yêu cầu chính đổi với các đường bình độ là:

- Bám đất;

- Lột tả và khái quát hoá được dáng của địa hình;
- Đảm bảo tính thẩm mỹ (đường bình độ phải trơn).

Phương pháp nội suy lại đường bình độ có hiệu quà cao trong kiểm tra các MHSĐC
dạng TIN được thành lập từ dữ liệu bản đồ địa hình. Bang việc chồng ghép các đường bình
độ từ dữ liệu ban đâu và đường bình độ được nội suy lại, có thể dễ dàng đánh giá các sai số
nội suy.

Độ chính xác cùa MHSĐC thành lập từ các đường binh độ và các điềm độ cao
thường bị hạn chế do:

+ Các đường binh độ ít nhiều đều đã được khái quát hoá tuỳ theo tỳ lệ bản đồ;

+ Những thông tin về các điểm, đường đặc trưng cùa địa hình thường không được
thể hiện đầy đủ trên bản đồ gốc.

Khi xây dựng MHSĐC dạng TIN từ các đường binh độ thi các hạn chế nêu trên có
thể dẫn tới các tình huống không mong muốn nhưng lại khó tránh khịi, đó là tình trạng tạo
ra các tam giác năm ngang đã mô tả ở chương 2.

3.1.2.4. Kiếm tra sai so tiếp biên của M H SĐC

MHSĐC được thành lập cho những khu vực lân cận nhau phải được tiếp biên nhãm
đảm bào các yêu cầu sau:

+ Các đường đặc trưng địa hình mơ tả một đối tượng phải được nối với nhau;
+ M HSĐC của các khu vực lân cận không được trùng phù;

+ Các vị trí tiếp biên phải trơn (khơng có chênh cao đột ngột).

Kiểm tra sai số tiếp biên của M HSĐC có thể phát hiện ra ngay được các sai số thơ ở
vùng rìa mơ hình và sai số định hướng tư liệu ảnh, bản đồ trong quá trình thành lập
MHSĐC.

</div>
(46)<div class='page_container' data-page=46>

3.2. Đê xuat một sô phương pháp phát hiện sai số của mơ hình số độ cao

3.2.1. S ử dụng mô hình lập thể để kiểm tra các sản phẩm được chiết x u ấ t từ M H SĐ C 
Nêu mô hình sơ độ cao được đo vẽ từ ảnh hàng không hay ành vệ tinh, hoặc trong
trường họp ở khu vực thành lập MHSĐC có tư liệu ảnh có thế tạo nên mơ hình lập thế thi
chúng ta có thê sử dụng chúng để kiểm tra các sản phẩm được chiết xuất từ MHSĐC như
các đường bình độ hay ảnh trực giao. Phương pháp này nói chung sẽ tiện lợi và nhanh hơn
nhiều so với phương pháp kiểm tra trực tiếp MHSĐC trên mô hình lập thể đã mơ tả ở mục
trước. Các sản phẩm chiết xuất có thể được tạo ra một cách nhanh chóng và dễ dàng với sự
ứng dụng của GIS và công nghệ xừ lý ảnh số.

3.2.1.1. L ồng ghép đường bình độ được nội suy từ M H SĐC lên mơ hình lập thế

Đe nhanh chóng phát hiện những sai số thô trong MHSĐC, chúng ta có thể nội suy
ra đường bình độ rồi lồng ghép chúng lên mơ hình lập thể để quan sát xem có sự thiếu nhất
quán nào không giữa các đường bình độ và mơ hình. Neu có sự thiếu nhất quát ờ một khu
vực nào đó có nghĩa là trong MHSĐC có sai số thơ tại đó hoặc ờ lân cận. Ý tưởng về lồng
ghép đường bình độ lên mơ hình lập thể lần đầu tiên được đưa ra bởi Ostman [25].

Một biến dạng của phương pháp nêu trên là ta có thể lồng ghép các đường bình độ lên
ảnh trực giao để kiểm tra tính phù hợp của chúng với dạng địa hình. Cơng việc này đòi hỏi

kiểm tra viên phải giàu kinh nghiệm giải đoán ảnh và có hiểu biết về khu vực kiểm tra. Hình
3.1 và ví dụ về lồng ghép các đường bình độ được nội suy từ MHSĐC lên ảnh trực giao tại
khu đo Lạng Sơn (thành phố Lạng Sơn). Chúng ta có thể nhận thấy rõ ở vị trí đánh dấu trên
ành các đường bình độ trong cắt ngang sống núi do đo vẽ thiêu đường đứt gãy địa hình,

Hình 3 .1 . Phát hiện sai số tro n g M H S Đ C b ằ n g cá c h ỉồng g h é p c á c đường bình độ 
lên ảnh trực g ia o ở khu đo Lạ n g sơ n .

</div>
(47)<div class='page_container' data-page=47>

Tại nhưng khu vực khơng có hoặc có rát ít các địa vật che khuất (nhà, cây cao....), từ
2 tam anh trực giao được tạo ra từ cặp ảnh lập thê có sừ dụng MHSĐC cẩn kiểm tra, chúng
ta sẽ lạp được một mơ hình lập thê "khơng" mà trên đó về mặt lý thuyết sẽ khơng có thơng
tin vê độ cao nêu M HSĐ C cân kiêm tra không có sai số. Mơ hình lập thể "khơng" là mơ
hình m à ở mọi điêm của nó thị sai ngang đêu bằng 0 và chúng ta sẽ nhìn thấy bề mặt Trái
đât trong mơ hình lập thê như một mặt phẳng [22], Đe kiểm tra nhanh có thể tạo một lưới
phù trùm miên chông phủ rôi đo tự động bàng kỹ thuật khớp ảnh tự động để xác định thị
sai hay độ cao ờ các mắt lưới. Nếu thị sai khác 0 thì ngun nhân có thể là:

- Sai sô trong định hướng mơ hình, dẫn đến sai lệch trên ảnh trực giao trái và phải;
- Lỗi trong quá trình khớp ảnh tự động trên mô hình lập thể "khơng";

- Lỗi trong M HSĐC sử dụng để tạo ảnh trực giao.

Neu 2 nguyên nhân đầu tiên có thề loại bị thì bất kỳ điềm đo nào có thị sai (hay độ
cao) khác 0 đều chỉ ra sai số có trong MHSĐC.

3.2.1.3. Kiểm tra loi phân loại điếm đo LỈDAR trên mơ hình lập thể hay trên ảnh

trực giao

Neu trong khu vực đo vẽ có ảnh trực giao tỷ lệ lớn hay có thể xây dựng mơ hình lập

thề trên ảnh thì dữ liệu đo LIDAR sau khi phân loại có thể đưa lên mơ hình lập the hay ảnh
trực giao để kiềm tra dựa theo vị trí cùa các điểm đo so với các địa vật trên ảnh (hay mỏ
hình). Chẳng hạn như các điểm được phân loại là trên cây (thực phù) nhưng lại nàm ở chỗ
quang đãng sẽ được xác định là những điểm sai, Ngược lại, những điẽm được phàn loại là
nằm trên mặt đất nhưng theo vị trí mặt phang lại nằm chỗ có tán cây dày đặc thì nhiều khá

năng đó là điểm phân loại sai .

3.2.2. Hiển thị mơ hình sổ độ cao trong khơng gian 3 chiều (3D) để quan sát ph át hiện lỗi
Mơ hình số độ cao khi được hiền thị trong không gian 3D sẽ cho phép người kiềm tra
có một cái nhìn tồn cảnh và trực quan về dữ liệu của nó. Qua đó, việc phát hiện lỗi sẽ trờ
nên dễ dàng hơn.

3.2.2. ỉ. H iển thị mơ hình số độ cao dạng TIN trong không gian 3D

Bằng phương pháp này có thể phát hiện những sai số thô có giá trị lớn và mang tính
độc lập có trong MHSĐC. Ví dụ như một số sai số do khớp ánh tự động trong MHSĐC
thành lập bàng công nghệ ảnh số, hay sai số phân loại điểm sai trong M HSĐC thành lập
bàng công nghệ LIDAR,... Khi thể hiện trong không gian 3D, những sai số này tạo thành
những đinh nhọn hay những hố sâu một cách đột ngột, bất hợp lý so với khu vực lân cận.
Trong hình minh họa dưới đây, nhĩme, lỗi như vậy được đánh dấu băng các hình trịn. Chú
ý rằng để làm tăng tính trực quan, cần phóng đại mơ hình theo trục thăng đứng lên 3-10 lân.

</div>
(48)<div class='page_container' data-page=48>

Hình 3 .2 . Phát hiện lỗi (đ ánh dấu bằng c á c hình trịn) trong M H SĐ C 
bằng cách hiển thị trong không gian 3D.

3.2.2.1. H iên thị mó hình 50 độ cao trong không gian 3D và so sánh với két quà khào sớt 
thực địa

Phương pháp này chủ yếu được sừ dụng để kiểm tra các MHSĐC được thành lập từ

dữ liệu đo đạc m ặ t đất, khi mà số lượng và mật độ các điểm đo tương đối thấp để đảm bảo
hiệu quả kinh tế. Theo phương pháp này, MHSĐC được hiển thị trong không gian 3D kết
hợp với hiệu ứng chiếu sáng nhân tạo để có thể nhận biết một cách trực quan các yếu tố địa
hình. Trên cơ sở đó người kiểm tra sẽ ra ngoài thực địa và so sánh để đánh giá bằng mắt
mức độ đầy đủ của các yếu to địa hình như các đường đứt gãy, các đường phân thủy, tụ
thủy,... Cơng việc này có thể được thực hiện một cách khá thuận lợi nếu mô hình số độ cao
được hiển thị dưới góc chiếu sáng nhân tạo trùng với góc chiếu sáng của Mặt trời ngoài
thực địa ở thời điểm quan sát.

</div>
(49)<div class='page_container' data-page=49>

Hình 3.3 là ví dụ minh họa MHSĐC khu đo Đường Lâm (xã Đườno Lâm, thành phố
Sơn Tây, tinh Hà Tây) được hiên thị dưới góc chiếu sáng 70° từ hướng bấc trong phần
mêm ArcGIS, qua đó chúng ta có thê thấy một cách trực quan những thav đổi đột ngột của
địa hinh theo phương bắc - nam.

3.2.3. N ộ i su y độ dốc từ m ơ hình số đô cao đ ể p h á t hiện sai sể của mơ hình

Giá trị và phân bô cùa độ dốc là một trong những chì số khá tin cậy về chất lượne
cùa mơ hình sơ độ cao. Đã có một số nghiên cứu về đánh giá mối quan hệ giữa độ dốc nội
suy từ M HSĐ C với độ chính xác cùa bản thân mô hình [17, 19, 22], Dưới đây, đề tài sẽ
tổng hợp lại những nghiên cứu này dưới góc độ kiểm tra độ chính xác của MHSĐC và đề
xuất một số ý tường mới.

3.2.3.1. Nội suy độ dốc để p h á t hiện sai số thô trong dừ liệu nguồn

Phương pháp này có thể được sử dụng để phát hiện các sai số thô đơn lé có trong dữ
liệu nguồn thể hiện dưới dạng một lưới các điểm đo tương đối đều nhau. Đầu tiên người ta
tính độ dốc tại điểm p cần quan tâm theo 8 hướng tới 8 điểm lân cận (hỉnh 3.4). Tiếp theo
đó, thực hiện các kiểm tra sau:

- Kiểm tra các độ dốc tại p (PQ;) có vượt quá một ngưỡng cho trước hay không;

- Kiểm tra 4 cặp độ dốc tính từ p theo cùng hướng (PQi và PQs, PQ2 và P Q ô v ) xem
sự khác biệt giữa các độ dốc trong từng cặp một có vượt qua ngưỡng hay khơng;

- Kiểm tra 4 cặp độ dốc tiếp tục từ các điểm Q (Qi và Q s , Q i và Q6,...) xem sự khác

biệt trong tùng cặp có vượt qua ngưỡng hay không.

Trong quá trình kiểm tra, 3 ngưỡng trẽn có thể được chọn trước cho cả khu đo hoặc
tinh toán cho từng điểm đo theo đặc tính của địa hình ờ miền lân cận nó. Một trong những
phương án tính ngưỡne, được mô tả trong [22], Những đ iể m không đ ạt yêu câu cùa 3 bước
kiểm tra trên sẽ được đánh dấu là nghi vấn để tiếp tục làm rõ bàng những phương pháp
khác.

4— Q8 p - Ị * Q4 ►

</div>
(50)<div class='page_container' data-page=50>

3.2.3.2. Nội suy độ dốc đế phát hiện những mật dốc cong được đo vẽ không đầy đu

Trong phương pháp thành lập MHSĐC bàng phương pháp đo đạc mặt đất (toàn đạc.
GPS) do các giới hạn vê kinh phí và thời gian nên số lượng các điểm đo thường là rất hạn
chê và người đo có thê bò qua một số chi tiết của địa hinh. Chẳng hạn như người đo có thể
bỏ qua độ cong của một số mặt dốc và coi chúng như những mặt phẳng nghiêng. Hiện
tượng này thường hay xảy ra ở những khu vực có nhiều đồi, gò. Đối với mặt dốc cons cỏ
mặt cat thể hiện trên hình 3.5, các điểm đo chi tiết cần phải được bố trí ít nhất theo 3 tuyển:
phía trên, phía dưới và ờ giữa mặt dốc. Trong thực tế, người đo vẽ có thể sẽ mac sai lầm
khi cho răng độ cong của mặt dốc là không đáng kể và bỏ qua tuyến giữa.

Đe kiểm tra mặt dốc cong có được đo vẽ đầy đủ hay khơng, có thể kiếm tra theo sô
liệu đo vẽ gốc (nếu có) hoặc theo sự phân bố của các tam giác trong mô hình TIN (có 2
chuỗi tam giác chạy theo 2 phía cùa tuyến giữa).

a. Mó hinh s ố độ cao b. Độ dốc khi đo vẽ không đẩy đủ c. Độ dốc khi đo vẽ đáy đủ

H ình 3.6. V í dụ vê tri/ờng hợp đo vẽ m ặt d õ c co n g không đ ầy đủ.

</div>
(51)<div class='page_container' data-page=51>

suy tư MHSĐC khu vực mặt dơc cong có độ dỏc không đôi (tức là màu khơn° đổi trên
hình 3.6b) thi co nghía la tuyên giữa không được đo vẽ hoặc độ cong cùa mặt dốc không
đáng kể.

3.2.4. So sánh g iá trị nội suy và giá trị đo được để p h á t hiện sai số thô trong dữ liệu 
nguồn dùng đ ể thành lập M H SĐ C

Nêu M HSĐC được giao nộp cùng vói dữ liệu nguồn (file tọa độ các điềm đo) thì
người kiểm tra có thể tìm kiếm và phát hiện sai số có trong MHSĐC do các sai số thô có
trong dữ liệu ngn. Thuật toán phát hiện những sai sổ thô như vậy đã được một số tác giả
đê xuât [15, 17, 22, 24] và trong đè tài này chúng tôi sẽ đua ra một số cải tiến cũng như
những đánh giá về độ tin cậy, tính hiệu quả của phương pháp này trên cơ sở thực nghiệm
tại 2 khu đo là Đường Lâm (Hà Tây) và Đại Từ (Thái Nguyên).

Đối với một điểm Pl nào đó trong dữ liệu nguồn, một cừa sồ động có kích thước và
hình dạng cho trước được đặt với tâm là P'. Sau đó, giá trị độ cao ước tinh của p sẽ được 
tính tốn nội suy từ độ cao của các điểm lân cận (nàm bên trong cừa sổ động). Giá trị ước
tính này sẽ được so sánh với giá trị đo được ở p, để tính hiệu sổ độ cao V' theo công thức:

với là độ cao đo được và độ cao ước tính cùa điềm P '. Nếu giá trị này vượt quá
một ngưỡng VthrcshM thì điểm P' sẽ bị nghi vấn là có sai số thô. Đe ước tính độ cao, người
ta có thể sử dụng trị trung bình số học [17, 22]:

và ngưỡng V'h M J được tính như 3 lần của độ lệch chuẩn của V' theo toàn bộ khu đo:

Dưới đây, đề tài sẽ thừ nghiệm sử dụng 2 phuơng pháp nội suy là trị trung bình số

học đã mô tả ở trên và nội suy trị trung bình trọng số theo khoảng cách, ngồi ra cịn sử
dụng thêm 1 chỉ số ngưởng nữa là mức độ biến thiên của địa hình ở lân cận điêm cân đánh

Các thử nghiệm được tiến hành trên 2 khu đo là Đường Lâm và Đại Từ với các đặc
điểm chính được mơ tả trong bảng 3.1. Ớ mỗi khu đo, đê tài chọn ra một cách ngâu nhiên
khoảng 1% số lượng các điểm đo rồi gán chúng sai số thơ có giá trị cũng ngẫu nhiên từ 2
đến 20 lần sai số trung phương của dữ liệu gơc.

Các tính tốn được thực hiện bàng phần mềm DBD (DTM Blunder Detection) do đê
tài xây dựng (hình 3.7), các kết quả sau tính toán được hiển thị trong phân mêm ArcGIS
nhàm làm tăng tính trực quan (hình 3.8).

V = \H meas - H ea (3.1)

( 3 . 2 )

</div>
(52)<div class='page_container' data-page=52>

Bảng 3.1. Đ ặc đ iế m của các khu đo th ử ng h iệm

Đ ặ c điẻm __________________________ Khu đo Đ ư ờ n g L â m K h u đo Đại T ừ

Vị trí Thành phố Sơn Tảy, tinh Hà

Tây

Phía tây nam huyện Đại Từ, 
tinh Bắc N in h

Đ ặc đ iểm địa hình Trung du, đơi, khá nhiều gò

thấp ( 0 .5 - 2 m )

N ú i và đ ồ n g bằng

Phươ ng pháp đ o đạc Toàn đạc điện từ với độ

chính xác cao. S S T P ~ 0 . 1 m.

Đ o vẽ ánh số với độ chinh 
xác trune bình. S S T P - 1,5m.

Diện tích khu đo - 9 0 ha ~ 1850ha

Đ ộ cao bề mặt / đ ộ lệch chuẩn 5 -48m / 3.8m 15 - 4 4 0 m / 93m

S ố lượn g đ iểm đo 7 5 5 6 15800

Phân bố của c á c đ iể m đo Rất không đều T ư ơ n g đối đều

Số lượng điểm đ ư ợ c gán sai số 
thô

75 180

Giá trị của sai số thô 0.2-2m 5-50m

Af DEM b lu n d e r d e te c tio n

Input

[" F ID - " ? ! 0 ' ‘. " x v V i n t ' V O t f f 7 .

.0 000000.549132.297000.2340364 392

1.1 ŨŨ0000.549764 530000.2341034 950

2 ŨŨ00ŨŨ.548S75 152ŨŨ0.234Ũ974 409
i.3 000000.549067 9990Ũ0.234ŨE5Ũ.043

4 000000,549200 731000^2340204 521
5 01X000,548950 091 Q00.234QQ36 436
I 6 ŨDŨŨ00 543399 432000^2339951 081

7 000000.547965.370000^2340201.550
8 òooooo 547333 816000.2340195.853
3 000000 547641 115000.2340339 287
10 000000 547859 593000.2340568 28
11.000000.546007 16GŨŨŨ 2340762 63
112 000000.548063 421000.2340747 51

13 000000,547933 678000.2340792 67
14 000000.547910 88500012340828 33

15 0 00000,548002 51200 0 .2 3 40 8 1 3 54

1.1 £.000030.548031 427000.2340883.04
17 OOOŨŨO. 548078 306000.2341002 39
Ỉ 18 000000 548108 412000.2341055 12
13 ÕỎŨ0ŨỦ.548062 73ỮŨŨŨ.2341102 85
20 000000.548030.709000.2341146.15
21.000000.548130 Ũ3DŨŨŨ.2341176.13

J U I J

O p e n File...

Search iackis (m):

,20"

Win number ol Pis

Inleipolòúorv

ID W
A v e ia g e

Com pute

i i z #

O liip u t

Ị lO . X . Y . H . H j n t . Diff. N e ig h O e v H . A d d ✓

10. 549132 297. 2340S64 392 11 59.11
Ỉ1. 548764 530. 2341034 950.10 62.11
12. 548675 152. 2340974 409.10 85.11
'3. 549067 999, 2340650 043.12 15.11
4 549200 731, 2340204 521 11 15.10
5. 548950 091. 2340036 438.12 77.12

6. 548399 432. 2339951 0 8 1 .10 1 5 .10
7. 547985 370. 23402Q1 550.10 82.11
8. 547939.816. 23401% 853.13 06.11
9 547641 115. 2340339 237. 3 so. 12 É
10 547859 533. 23405G8 288.10 3 0 .1.
11. 548007 166. 2340762 894 11 60. 1
,12. 543063.421. 2340747 51 2 .1 2 1 0 . 1.
: 13. 547388 678. 2340792 678,12.13.1
114 547910.885. 2340828 338.10 5 8 .1 1
|15. 548002.512. 2340813 5 4 5 .13 74. 1
116. 548031.427. 234 0883 048. 1 s 45. 11

17. 548078.308. 2341002 391,12 48.1
i 18. 548108.412.2341055 121.12 02.1.
■ 19 5480G2.730. 2341102 85 4 ,1 2 1 4 .1
.20.548090-709. 2341148 1 5 6.1274. l;
'21. 548130.030. 2341176192.13 93.1. ■

IHfr S a v e to F ie

Hình 3.7. Phần m ềm D BD .

Để ước lượng độ cao , đề tài sử dụng 2 phương pháp nội suy: phương pháp thứ
nhất (AVG) là tính giá trị trung binh của độ cao ở các điêm lân cận theo công thức 3.2,
phương pháp thứ 2 sử dụng nội suy trị trung bình trọng sô (cụ thê là nội suy trọng sô
khoảng cách nghịch đảo IDW - Inverse Distance Weighted interpolation) theo công thức:

tu,

Ỉ > A

ị " ,
J= I

</div>
(53)<div class='page_container' data-page=53>

với m, là SỐ điểm nằm bên trong cửa sổ động; vv, là trọng số cua điểm p ; d là khoang 
cách từ p’ đến P' ; lũy thừa p nhận giá trị mặc định bang 2.

. 42 24' =—r ' ..

’ 5397 * .

Ỉ ' , ỹ -Mi . .4-61 *. . J

s \ Í* .

5973

* ** * • • , %

1 '

< •

■I
/ 6775 41€0

♦ J127
• . . Ặ4Í8- •

5310 • • • .

» '
1 * ‘

7 .

' « .
• .

-• u. * 0 • I

/ . 39*2 h

f • J035 ’ '

Y ‘ H05 . ■ . » •

•

s-- \
3602
3498
• /
Ậ ■■■ . '
% ã

ô ' 1 ã ^'3855

m . • 35 7 3

r. ■

* . . A

m

ỉ *17 " ■ / .

Legend
ũala points

X Correctly detected error points
A Incorrectly dectecled error points
0 Undetected error points

Hình 3 .8 . Hiến thị kết quả phát hiện sai số thỏ trong A rc G IS .

Đe kiểm tra sai số thô, 2 ngưỡng được sừ đụng phối hợp hoặc riêng rẽ. Ngưỡng thứ
nhất dựa trên sự biến thiên cùa địa hình trong miền giới hạn bời cửa sổ động:

K h m h o i ư = K x c r (3.5)

với ƠH là độ lệch chuẩn của độ cao bên trong cửa sổ động; hệ số K H nhận giá trị trong 
khoảng từ 2 đến 3.

Ngưỡng thứ 2 dựa trên sự biến thiên cùa hiệu độ cao V (xem công thức 3.1):

v L * ,M = K v * ° l' (3'6)

với ơ v là độ lệch chuẩn của hiệu độ cao V bên trong cửa sồ động; hệ sổ K l nhận giá trị

trong khoảng từ 2 đến 4. Trong một số thử nghiệm, đề tài sừ dụng giá trị trung bình của V 
bên trong cửa sổ động thay cho độ lệch chuẩn của nó.

</div>
(54)<div class='page_container' data-page=54>

(3.5) và (3.6) với các hệ số K" =2; 2.5;3 và K v = 2; 2.5; 3; 4. Trong các thừ nghiệm DT2, 
DT7 va DL8, gia tri nọ! suy của V tại điêm P' được sừ dụng thay cho độ lệch chuẩn cùa nó
khi tinh ngương Vlhreshold . Trong khi đỏ, DT3 sừ dụng dữ liệu đã được lọc bời DT1 với

K — 2,K — 2, như vạy, dừ liệu cho DT3 chi có 180-97—83 điểm có sai số thơ.

B ảng 3 .2. Kẽt q uả th ử n gh iệm phát hiện sai số thô (trình bày dưói dan g: tổng số điểm nghi vãn - 
__________ s ố đ iểm nghi vấn đ ủng - giá trị nhỏ nhãt của sai số thô phat hiện được)

Thử
nghiệm

Thôn g số thay đổi Các hệ số Km and K y đề tính ngưỡng

2 / 2 2 . 5 / 2 . 5 2 . 5 / 3 2 . 5 / 4 3 / 3 3 / không

có

khơng có /
3
Khu đo Đ ường Lâm: bán kính tìm kiêm 20m; sô điém tôi thiêu trong cừa sô động; 5; phương pháp nôi suy: 1DW.

DL1 Mặc định 36 7 -3 2 -0 .8 163-25-0.8 149-25-0.8 116-22-0 8 93-1 9-0.9 104-19- 0.9 885-35-0.4

DL2 Mặc định nhưng với

một tập hợp điểm có

sai số khác

35 6 -3 1 -0 .9 154-24-0.9 138-23-0.9 112-23-0.9 87-17-0.9 103-18-0.9 891-3 7-0.4

DL3 Bán kính tim kiếm:

50m

2 4 0 -2 4 - 0 .8 102-17-1.1 98-16-1.1 68-15-1.1 36-11-1.1 40-1 2 -0 .9 694-28-0.8

DL4 Số điểm tối thiểu: 10 2 7 0 -2 6 - 0 .8 96-17-1.1 89-16-1.1 63-15- 1.1 42-11-1.1 47-13-1.1 737-2 8-0.8

DL5 Số điểm tối thiểu: 3 4 8 0 - 3 9 - 0 .9 2 5 9 -2 9 - 0 .9 2 3 0 -2 9 - 0 .9 176-26-0.8 163-2 3-0.9 20 3 -2 3 -0 .9

1071-38-0.4

DL6 N ội suy: A V G 2 7 1 -3 3 - 0 .8 138-2 4-0.9 134-24- 0.9 117-24-0.9 83-19-1.1 89-19-1.0 865-4 0-0.4

DL7 Nội suy: A V G

Bán kính tìm kiếm: 
50m

15 6-23-0.9 6 9 -1 6 - 0 .9 6 7 -1 5 - 1 .] 51-15-0.9 30-11-1.1 32-12-1.1 6 7 5-29-0.9

DL8 N ộ i suy: A VG

ơ ' nội suy A V G

2 5 1 -3 3 - 0 .8 125-2 4-0.9 110 -2 4-0.9 82-22-0.9 7 2 -1 9 - 0 .9 8 9-19-1.0 377-36-0.5

Khu đo Đại Từ: bán kính tìm kiếm 100m; số điềm tối thiểu trong cứa sổ động: 5; phương pháp nội suy: IDW.

DT1 Mặc định 2 7 2 -9 7 - 8 125-83- 12 123-84- 12 9 9 -8 0 - 1 2 81-7 1 -1 2 8 3-7 1 -1 2 1187-141-

12

DT2 ơ l nội suy IDW 2 5 8 - 9 7 - 8 118-8 3-12 113-82- 12 9 4 -7 7 - 1 2 7 7 -6 9 - 1 2 83-7 1 -1 2 40 1 -1 1 8 - 1 2

DT3 Sừ dụng đầu ra của

DT1

2 0 5 -3 - 8 16-1-9 18-1-9 1285-47- 8

DT4 Sổ điểm tối thiểu: 10 2 7 0 - 9 5 - 8 125-8 3-12 123-8 3-12 9 8 -7 9 - 1 2 8 1 -7 1 - 1 2 8 2 -7 0 - 1 2 1183-141-

12

DT5 N ộ i suy: A V G 16 2-1 01-8 9 8 -8 3 - 1 2 9 8 -8 3 - 1 2 9 1 -8 0 - 1 2 7 5 -6 8 - 1 2 7 7 -6 8 - 1 2 1168-145-

12

DT6 N ội suy: A V G

Số điểm tối thiểu: 10

162-1 00-8 97 -8 2 - 1 2 9 7 -82-12 9 0 -7 9 - 1 2 7 5 - 6 8 - 1 2 7 6 -6 8 - 1 2

1164-145-12

DT7 Nội suy: A V G

ơ 1 nội suy A V G

159-100-8 97 -8 3 - 1 2 95 -8 2 - 1 2 8 4 -7 8 - 1 2 7 4 - 6 8 - 1 2 7 7 -6 8 - 1 2 259-137-12

Qua thừ nghiệm, đề tài đưa ra một số đánh giá như sau:

- Kết quà gần như trùng lặp cùa DL1 và DL2 chứng tò các sai số được phản bố khá
tốt trong dữ liệu nguồn thành lập MHSĐC.

</div>
(55)<div class='page_container' data-page=55>

phat hiẹn được het các sai sô thô trong dữ liệu nguồn. Đây là kết quà có thể dự đoán trước
VI phương phap dựa trên các thuật toán phân tích thống kê, trong khi đó bề mặt Trái đất lại
thương khong tuan theo các quy luật thông kê. Tuy nhiên, phươne pháp có thể được sử
dụng đe giam mọt cach đáng kê công sức trong việc phát hiện và loại bỏ sai số thô.

- So lượng các sai sơ thơ có thê phát hiện được là vào khoáng 50-80% tổna số sai số
thơ có trong dữ liệu nguồn để thành lập MHSĐC.

- Độ nhạy của phương pháp, tức là giá trị tuyệt đối nhò nhất Emm của sai số thơ có 
thê phát hiện được, không phụ thuộc vào sai sổ trong dữ liệu mà phụ thuộc vào biến thiên
của địa hình xung quanh điêm cần kiểm tra. Sự phụ thuộc này có thể biếu diễn gần đúng
dưới dạng:

E min ~ 1 0 % X Ơ H ( 3 . 7 )

với ƠH là độ lệch chuẩn cùa độ cao. Ví dụ như ờ khu đo Đường Lâm với ƠH = 3.5 + 4.5m, 
sai sổ thơ nhỏ nhất có thể phát hiện được bằng 0.4m. ờ khu đo Đại Từ, các giá trị này là

ƠH - 80 4- ] OOm và Emm = 8m.

- Giá trị ngưỡng càng cao thi số lượng sai số thô được phát hiện đúng càng nhỏ,
trong khi đó thi số điểm nghi vấn sai cũng càng nhò. Như vây, việc lựa chọn giá trị ngưỡng
không đơn giản và cần phải dựa trên các yêu cầu về mức độ tin cậy cũng như mức dộ
nhanh chóng của cơng tác kiểm tra.

- Ngưỡng V^hrưsh(M cho sổ lượng các điểm nghi vấn đúna và sai lớn hơn so với 
ngưỡng V^L-shou ■ Do đó, vfhmhũlj cần được sử dụng khi độ tin cậy là yêu cầu lớn nhất của 
công tác kiểm tra độ chính xác MHSĐC.

- Khi sử đụng ngưỡng V}h r M J , tốt nhất là tính giá trị trung bình cùa V trong cửa sả
động thay vì độ lệch chuẩn ơ v của nó. Ví dụ như trong thừ nghiệm DL8 và DT7 (sừ dụng 
giá trị trung bình của V), số lượng điềm nghi vấn sai nhỏ hơn 3-5 lần so với DL6 và DT5, 
trong khi số lượng các điểm nghi vấn đúng vẫn gần như bằng nhau.

- Các thử nghiệm DL1, DL6, DT1 và DT5 cho thấy phương pháp nội suy AVG tuy
đơn giàn nhưng có hiệu quả hơn so với phương pháp IDW. Nguyên nhân có lẽ là do độ cao
của bề mặt Trái đất ít tuân theo các quy luật thổng kê nên các phương pháp thống kê phức
tạp chưa chắc dã cho kết quả tốt hơn những phương pháp đơn giàn.

N hu vậy, nếu sử dụng phươne pháp nêu trên để kiểm tra độ chính xác cùa MHSĐC
thì nên thử nghiệm trong một vài khu vực nhỏ để lựa chọn các ngưỡng V^hreshM và

rồi sau đó mới áp dụng cho cả khu đo. Các điểm nghi vấn cân được đánh dấu rồi kiêm tra
trực tiếp ngoài thực địa hoặc trên mô hình lập thể để đưa ra đánh giá cuôi cùng.

</div>
(56)<div class='page_container' data-page=56>

Trong những năm gân đây, công nghệ ảnh sô đã được áp dụng rộng rãi trong cône
tác đo vẽ địa hình và thành lập MHSĐC bởi khả năng tự động hóa của cơng nghệ này.
Việc tự động hóa quy trình sản xuât cho phép giảm thiểu các sai số chủ quan do người đo

gây ra, tuy nhiên, nó cũng gây ra một sổ loại sai số mới mang tính khách quan do sự thiếu
hoàn thiện cùa công nghệ trong giai đoạn hiện nay. Kinh nghiệm thực tế cho thấy, vấn đề
có tính thời sự hiện nay khi áp dụng công nghệ ành số là việc nâng cao độ chính xác và độ
tin cậy của kỹ thuật khớp ảnh tự động - hạt nhân của công nghệ này.

Kỹ thuật khớp ảnh tự động có thể được giải thích một cách đơn giàn như sau: già sừ
có một cặp ảnh lập thể với điểm AT cho trước trên tấm ánh trái, chúng ta cần phải tìm điểm
A p tương ứng (cùng tên) trên tấm ảnh phải. Đẻ tìm điểm A p người ta chọn ra một miền Q T
(gọi là cửa sổ mục tiêu) trên ảnh trái giới hạn bời hình chữ nhật có cở ( mxn) với tâm là 
điểm At . Sau đó, chọn miền f ì p (gọi là cửa sổ tìm kiếm) trên ảnh phài có cỡ tươne tự và
tâm ở gần vị trí dự đoán của điểm A p rồi tính hệ số tương quan chéo (cross-correlation) c
theo độ xám a của các điểm ảnh trong miền Q T và Q p:

với a r a ‘‘ là độ xám của các điểm ảnh trên ảnh trái và ảnh phải; ã ' là độ xám trung
bình trong cửa sổ mục tiêu Q T và cửa sổ tìm kiếm Q p.

Bằng cách dịch chuyển Q p bên trong miền tìm kiếm ộ ờ xung quanh vị trí dự đốn
cùa điểm A p, người ta có thể tính được dãy các giá trị của hệ số tương quan chéo Cu

rồi từ đó chọn ra giá trị lớn nhất c max. Nếu Cmax lớn hcm giá trị ngưỡng chọn trước c„g (C„g =
0,70-^0,95) thỉ có thề coi tâm của Q p tương ứng với Cmax là điểm A p cần tìm.

v ề mặt lý thuyết, hệ số tương quan chéo có giá trị lớn nhất bằng +1. Nhưng do điêu
kiện chụp khác nhau và do sai sô trong quá trình xử lý ảnh nên khu vực xung quanh các
điểm ảnh cùng tên sẽ khơng hồn tồn giống nhau. Bởi vậy, hệ sô tương quan chéo trong
thực tế không thể nào đạt giá trị +1 mà thường chỉ đạt giá trị cực đại bàng 0,70-0,99. Đây
chính là lý do tại sao kết quả khớp ảnh tự động chì đúng với một xác suât nhât định.

Từ nguyên lý khớp ảnh tự động đã trình bày ở trên, có thể nhận thây đê đạt được kêt
quả tốt nhất thì vùng lân cận các điểm ảnh cùng tên trên 2 tâm ảnh vừa phải giông nhau,

vừa phải khác biệt rõ ràng về độ xám với các vùng còn lại. Nêu điêu kiện thứ 2 không
được thoả mãn thỉ ứng với một miền Q J trên ảnh trái sẽ có một loạt các miền Q j P,

trên ảnh phải có hệ số tươne; quan chéo với Q T cao và gần bàng nhau, do đó khả năng khớp
ành nhầm là rất lớn.

Trên ảnh hàng khơng thường có những đối tượnu có độ xám đơng nhât, ví dụ nhu

</div>
(57)<div class='page_container' data-page=57>

mạt ao, ho, song, mai nha, mặt ruộng ngập nước, bãi đàt trống,... Những vùng như vậv cần
đạc biẹt chu y khi kiem tra đọ chính xác cùa mơ hình sơ độ cao bời ờ nhữna chỗ này rất dễ
xay ra sai so khớp ảnh tự động, Mặc dù việc khoanh vùng có thề do người kiểm tra tự thực
hiẹn bang mat song phương pháp thủ công này vừa tôn thời gian lại vừa có thể bị sót
những vung nhỏ. Vì vậy, đê nâng cao hiệu quả của công tác kiểm tra, cần phải đưa ra
phương pháp tự động phát hiện nhũng vùng có độ xám đồng nhất như vậy.

Đê đánh giá tính đơng nhât của độ xám a của các điểm ảnh. chúng tôi đề xuất sử
dụng độ lệch chuẩn ơ (hay phương sai u) được tính theo các cơng thức sau:

nì n , . m n

x ị k - ã p Ị Ị a ,

o = ã = Ơ = (3.9)

mx n - l m X n

với m,n là kích thước của cửa sổ tìm kiếm (hay cừa sổ mục tiêu). Công thức (3.9) cho thấy 
nếu các điểm ảnh có độ xám từ 0 đến 255 thi độ lệch chuẩn có giá trị cực đại gần bằng

127,5 và cực tiểu bang 0 (khi các điềm ảnh có độ xám hồn tồn đồng nhất).

Theo kết quả thử nghiệm [1], lỗi khớp ảnh tự động bắt đầu xuất hiện khi độ lệch
chuẩn ơ của độ xám các điểm ảnh giảm xuống dưới 18+20 (phương sai dưới 400). Tần
suất xảy ra lỗi khớp ảnh càng tãng khi ơ càng giảm. Khi ơ < 6 thì tần suất xảy ra lỗi vượt
quá 40% và kết quà khớp ành tự động khơng cịn tin cậy được nữa. Ngưỡng bắt đầu xuất
hiện lỗi khớp ảnh ơ n không giống nhau trên các tấm ảnh khác nhau và dao động trong
khoảng ơ nị, = 8 -í- 20 .

Như vậy, để tự động khoanh những vùng có độ xám đồng nhất, có thể sử dụng một
cửa sổ động có kích thước bane l-ỉ-1,5 lần kích thước cùa cửa sổ tim kiếm khi khớp ảnh tự
động. Lần lượt đưa tâm cửa sổ động vào các điểm đo chi tiết rơi tính độ lệch chuân ƠK của 
độ xám các điểm ảnh nằm bên trong cửa sổ này. Neu giá trị ƠK tính được nhỏ hơn 18+20
thì đánh dấu điểm đo chi tiết để kiểm tra trực tiếp bàng cách quan sát mơ hình lập thể (hoặc
đo kiểm tra ngoài thực địa) trong bước tiếp theo. Tất cà các thao tác trên đêu có thê được
tự động hóa bàng cách viết một mođun phần mềm đơn giàn.

3.2.6. S ử dụng G IS đ ể đánh g iá m ật độ các điểm đo trong dữ liệu nguồn

Khi thành lập M HSĐC bằng các phương pháp đo đạc mặt đất, sổ lượng điểm đo
thường bị hạn chế vì các lý do kinh tế, kỹ thuật nên việc đánh giá tính phù hợp của mật độ
các điểm đo trong dữ liệu nguồn so với mức độ biên thiên của địa hỉnh là rất quan trọng.
Vấn đề phân tích mật độ các điểm đo đã được đề cập ờ một số cơng trình nghiên cứu ngồi
nước, ví dụ như [19]. Tuy nhiên, các nhà khoa học mới chi đề xuất việc phân tích dựa trên
các biểu đồ mật độ điềm đo nên tính trực quan cũng như tính thực tế cịn khơng cao. Dưới
đây, đề tài xin đề xuất một ý tưởng mới dựa trên ứng dụng cùa công nghệ GIS.

</div>
(58)<div class='page_container' data-page=58>

độ gô ghê, của địa hình. Có một số ý kiến cho ràng độ dốc là một chi số như vậy. Theo
chúng tôi thì độ dơc khơng phải là một chi số tin cậy vì ờ những mặt dốc lớn và thẩng, độ
dôc có giá trị lớn nhưng sự biên thiên ờ đây là đon điệu với mức độ gồ ghề khá nhỏ. Như
vậy, độ dôc - vê bản chất là vi phân bậc 1 của độ cao H - chỉ có khà năng mơ tà xu thế biến

thiên của địa hình. Để đánh giá mức độ biến thiên (ghồ ghề) cùa địa hình cần sứ dụne vi
phân bậc 2 của H, ở đây có thể coi gần đúng là "độ dốc của độ dốc" và được ký hiệu bàng

Rt .

Tiêp theo cẩn tính chi số mật độ tương đối Dn là tỷ số giữa mật độ điểm đo và vi 
phân bậc 2 của / / t h e o công thức:

D „= —D_ (3.10)

Những khu vực có D,( quá thấp (thấp hơn 1/4 giá trị trung bình cùa DR theo toàn 
khu đo) là những khu vực nghi vấn cần kiểm tra xem mật độ các điểm đo đã hợp lý chưa.
Hình 3.9 là ví dụ minh họa kết quả phân tích chỉ số mật độ tương đổi ờ khu đo Đường Lâm.
Trên đó, những màu đỏ (màu sẫm) được dùng để đánh dấu những khư vực nghi vấn về mật
độ điểm đo cần kiểm tra.

- •

Chủ giải

0iém đo
Khơng có d ữ liệu

fp lB Nghi ván. cẩm kjẻm tra
~ Ị Nghi ván

~ 1 Mãi dó lốt

</div>
(59)<div class='page_container' data-page=59>

Để tính Rt trong phần mềm ArcGIS, đầu tiên ta tính độ dốc từ MHSĐC với đơn vị 
đo la

phan

tram (/ó) bang cơng cụ Slope cùa Spatial Analyst Extension, sau đó tiếp tục tính

đọ doc mọt lan nữa tư raster độ dôc thu được ở bước trước. Để tính mật độ điểm đo, có thể
sử dụng công cụ Raster Calculator của Spatial Analyst Extension.

3.3. Đe xuât phương pháp kiểm định độ chính xác của mơ hình số độ cao

3.3.1. N ội dung của ph ư ơn g pháp

Từ những nghiên cứu đã được trình bày trong các mục trên, đề tài đã đề xuất một
phương pháp kiêm định độ chính xác cùa MHSĐC với 14 nội dung được trình bày trong
bảng 3.3. Trong bảng này, HH ký hiệu những nội dung hiện hành; TK là những nội dung
mới chưa có trong thực tế Việt Nam được đề tài tham khảo, áp đụng từ các nghiên cứu ờ
nước ngoài; M là những nội dung mới do đề tài đề xuất hay cải tiến những ý tưởng đã có.
Trình tự thực hiện các nội dung cần được lựa chọn tùy theo đặc điểm của khu đo và khà
năng của đơn vị kiểm tra. Tuy nhiên, khi lựa chọn nên chú ý đến trình tự thể hiện các nội
dung này trong bảng 3.3.

Bảng 3,3. C á c nội d u n g của phương pháp kiểm định độ chính xác M H SĐ C do đề tài đề xuãt

STT N g u ồ n N ộ i d u n g kiểm tra

g ố c

C ơ s ở khoa học Đ iều kiện áp dụng

1. HH Đ ánh giá độ chín h xác trực

tiếp trên m ô hình lập thê

M ụ c 3.1.2.2 C ó tư liệu ảnh và xây

dựng đ ược m ô hình lập 
thề

2. TK H iển thị M H S Đ C trong k h ơ n g Khơng c ó nhũng thay đồi

gian 3 D để phát hiện lỗi đột ngột và đon độc vẽ

địa hình (mục 3.2.2.1)

3. HH K iể m tra sai số tiếp biên M ụ c 3 .1 .2 .4 Sàn phẩm M H S Đ C được

giao nộp dưói dạng nhiều 
mành

4. M S ử d ụ n g G IS để đánh giá mật

đ ộ các điểm đ o trong dữ liệu 
n guồn

M ật đ ộ đ iểm đo phải 
phù h ọp với m ứ c độ 
biến thiên củ a địa hinh 
( m ụ c 3 .2 .6 )

M H S Đ C thành lập bằng 
p h ư ơ n g pháp đo đạc mặt 
đất ở khu vự c c ó địa hình 
g ồ ghề.

5. HH N ộ i su y đ ư ờ n g bình độ để

đánh giá chất lư ọ n g m ơ tả địa 
hình

M ụ c 3.1.2 .3 N g ư ờ i k iêm tra c ó kinh

n g h iệ m , c ó hiểu biêt về 
khu v ự c hoặc c ó bản đồ 
địa hình còn giá trị. H oặc 
khi thành lập M H S Đ C từ 
bản đồ địa hình

6. TK N ộ i su y đ ư ờ n g bỉnh độ rồi

lồ n g gh ép lẽn m ơ hình lập thê

Đ ư ờ n g binh độ phải 
k hớp vói m ô hình (m ụ c 
3 . 2 . 1 . 1 )

T r o n g khu v ự c c ó tư liệu
ảnh và x â y d ự n g đ ư ợc mơ 
hình lập the

7. T K T ạ o m ô hình lập thể "khơng"

từ các ảnh trực giao

T r o n g m ỏ hình lập thẻ 
"không", độ c a o các

đ iê m mặt đất đều phải 
bằng 0 (m ụ c 3 . 2 .1 . 2 )

</div>
(60)<div class='page_container' data-page=60>

S T T N g u ồ n N ộ i d u n g kiểm tra 
g ố c

C ơ sờ khoa học Đ iêu kiện áp d ụn°

8. T K K iể m tra lỗi phân loại điểm

đo L I D A R trên m ơ hình lập 
the hay ảnh trực giao

V ị trí của điểm phải 
tương ứng với địa vật 
trên ảnh (m ụ c 3 .2 .1 .3 )

D ữ liệu đo L I D A R sau 
khi phản loại

9. M Kh oanh v ù n g những khu vực

c ó đ ộ xám đ ồ n g nhat trẽn ảnh

Đ â y là những khu vực 
de xảy ra lỗi khớp ảnh 
tự đ ộ n g (mục 3 .2 .5 )

M H S Đ C thành lặp bàng 
phương pháp đo ánh số

10. T K N ộ i su y độ d ố c để phát hiện

sai sô thô trong dữ liệu nguôn

K h ô n g c ó sự khác biệt 
lớn giữa các độ dốc tại 
1 điềm theo 8 hướng 
(m ụ c 3 . 2 . 3 . 1)

M H S Đ C đo vẽ bàng cô n g 
nghệ ảnh số được giao 
nộp cù n g với dữ liệu 
nguồn (dữ liệu trước nội 
suy)

11, M H iên thị M H S Đ C trong k h ôn g

gian 3 D và so sánh với thực 
trạng n goài thực địa

N h ữ n g đ ường đứt gãy 
địa hình phải c ó trên mơ 
hình (m ụ c 3 .2 .2 .1 )

M H S Đ C thành lập bàng 
p hư ơn g pháp đo đạc mặt 
đất ớ khu vự c c ó nhiều gị 
hay bờ dốc.

12. M N ộ i su y đ ộ d ố c kết hợp quan

sát thực địa để phát hiện 
n h ữ n g mặt d ố c c o n g đ ược đo 
vẽ k h ô n g đầy đủ

Đ ộ dổc khôn g c ố định 
theo mặt d ốc c o n g (mục 
3 . 2 .3 . 2 )

M H S Đ C thánh lập bàng 
p hư ơn g pháp đo đạc mặt 
đất ở v ù n g trang đu

13. M S o sánh giá trị n ội su y và giá

trị đ o đ ược để phát hiện sai số 
thô trong dữ liệu nguồn dùng 
đ ể thành lập M H S Đ C

K h ô n g c ó sự khác biệt 
lớn giữa 2 giá trị này tại 
một điểm ( m ạ c 3 .2 .4 )

M H S Đ C được gia o nộp 
c ù n g với dữ liệu n«uồr) 
(d ữ liệu trước nội suy)

14. HH Đ o kiểm tra để tính sai số

trung p h ư ơ n g về độ c a o cùa 
m ô hình

M ụ c 3.1.2.1 N h ữ n g khu vự c c ó thê tiêp

cận đ ược trẽn mặt đất

3.3.2. M ột số th ử nghiệm thực tế

3.3.2.1. Thử nghiệm tại khu đo Đường Lâm

N am cách trung tâm thị xã Sơn Tây 5km về phía tây bắc, làng cổ Đường Lâm là một
quần thể kiến trúc đẹp nẳm trong nhóm những khu di tích lịch sử cân được bảo vệ và tôn
tạo. Những nét đẹp của một làng quê cổ kính Việt N am cùng với những di tích lịch sử nơi
tiếng như chùa Mía, lăng Ngô Quyền, đinh Phùng Hưng,... đã tạo nên sức hâp dân đặc biệt
* đối với dư khách trong và ngoài nước. Nhàm khôi phục và bảo vệ vẻ đẹp tự nhiên của làng

cồ Đuờng Lâm, chính phủ đã phê duyệt dự án hợp tác Việt Nam - Nhật Bản "Bảo tôn làng
cổ Đường Lâm". Dự án được thực hiện trong thời gian 5 năm (từ năm 2003 đến 2008),
trong đó cơng việc thành lập bộ dữ liệu địa hình (giai đoạn 2003-2005) do trường Đại học
Quốc gia Hà Nội đảm nhận.

</div>
(61)<div class='page_container' data-page=61>

pháp đo vẽ được sử dụng là:

- Lưới khống chế đo vẽ gồm 34 điểm được đo bàng máy thu GPS 1 tần số Trimble
4600LS theo phương pháp đo tĩnh nhanh;

Đo ve chi tiet trong các khu dân cư và những khu vực ân khuất thuộc đất canh tác
được thực hiẹn băng máy toàn đạc điện từ Sokkia SET 510, ờ những khu vực quang đãng
được thực hiẹn băng máy thu GPS Trimble 4600LS theo phương pháp đo động xừ lv sau.

Tổng số điểm chi tiết đo vẽ được là hom 14000 điểm.

Tại khu đo Đường Lâm, công tác kiểm tra độ chính xác MHSĐC được thực hiện
theo các nội dung sau:

- S ử dụng G ỈS đê đánh giá mật độ các điêm đo trong dữ liệu nguồn: kết quả đã 
khoanh được 83 vùng nghi vấn (hình 3.9), đề tài đã khảo sát 11 trong số đó và tại 7/11
vùng có xảy ra lỗi đo thiếu điểm, phần lớn là những ngôi nhà nàm trên đinh đồi thấp và
quay lưng sát vào nhau nên tồ đo không đặt gương đo ờ khu vực giữa những ngơi nhà đó
do khó tiếp cận.

- Hiển thị M HSĐC trong không gian 3D và so sánh với thực trạng ngoài thực địa: 
một phần mơ hình 3D của tiểu khu Cam Lâm được thể hiện trên hình 3.3. Kết quả là trong
một khoanh vi kiểm tra khoảng 6 ha đất canh tác phía dơng nam làng Cam Lâm (nơi có địa
hỉnh khá phức tạp với nhiều gò nhò) đã phát hiện 14 gị có độ cao 0.5-0.8m không đưực đo

- Nội suy độ dốc kết hợp quan sát thực địa đế phát hiện những mặt dốc cong được đo 
vẽ khơng đầy đù: hình 3.6 là kết quả nội suy mặt dốc cong ờ quả đồi phía tây nam tiểu khu 
Cam Lâm. Trên toàn khu đo đã phát hiện được 2 mặt dốc cong đo vẽ không đầy đù dẫn
đến sai số khoảng 0.4-0.6m.

- Sơ sánh giá trị nội suy và giá trị đo được đế phát hiện sai so thô trong dữ liệu 
nguồn dùng để thành lập MHSĐC: kết quả nội suy, tính toán với 2 chi số ngưởng đồng 
thời K h = \ K ự =3 ở tiểu khu Đường Lâm đã tìm được 137 điểm nghi vấn, qua kiểm tra 
sổ liệu đo và điều tra thực tế, đã phát hiện 5/137 điểm có lỗi với sai sơ cô định 0.9m do
người đứng máy quên không ghi tại độ cao gương khi người câm gương đã thay đơi nó.

- Đo kiểm tra đế tính sai số trung phương về độ cao cùa mơ hình', trong quá trình 
nghiệm thu sàn phẩm, đơn vị nghiệm thu đã đo 8 điểm GPS và 6 điêm thủy chuân, Kêt quả
tinh sai số trung phương của độ cao theo 14 điểm này bàng 0.15m.

3.3.2.2. Thử nghiệm tại khu đo Lạng Sơn

</div>
(62)<div class='page_container' data-page=62>

long chao nam ơ đọ cao 250-500m so với mực nước biên, được bao quanh bởi ba dãv núi
cao la Mau Sơn, Khau Kheo và Chóp Chài. Địa hình đơi núi phân bố ỡ phía đỏna. đônu
băc va tay nam thanh phơ. Địa hình được bôi tụ từ sông Kỳ Cùng có thể chia làm ba bậc
thêm VỚI thứ tự là: bậc thêm thứ nhât là dài đât Bệnh viện thành phố và đường đi Bản
Lỏng, bậc thêm thứ hai là dải đât sân bay Mai Pha và bậc thềm thứ ba là sông Kỳ Cùng.

Hệ thông sông suôi ở thành phô Lạng Sơn chiếm trên 4% diện tích đất tự nhiên, quan
trọng nhât là sông Kỳ Cùng chảy qua thành phố có chiêu dài 19km, chiều rộng trung bình

100m. Ngồi ra, hệ thống sơng suối cịn có các suối Nao Ly, Nhị Thanh, N a Sa. Ky Kết.
Để đo vẽ thành lập M HSĐC khu vực thành phố Lạng Sơn, trong những năm 2004-
2005 khoa Địa lý (trường Đại học Khoa học Tự nhiên - ĐHQG Hà Nội) đã thử nghiệm sử
dụng trạm đo ảnh số PhotoMOD 3.52 của hãng Racurs. Khu vục nghiên cứu được phù
trùm bởi ba tấm ảnh hàng không ký hiệu là F3-2000-733F3-2000-735 nằm trên cùng một
dải bay. Ảnh được chụp vào năm 2000 với tỳ lệ trung binh 1:35.000 và tiêu cự của máy
ảnh 152,75mm. Ảnh được quét với độ phân giải 20|j.m. Việc đo các điểm khống chê được
thạc hiện bởi hai máy thu GPS một tần số Trimble 4600LS. Tổng số đà đo 4 điềm khống
chế tổng hợp ờ 4 góc của khu đo. Khu vực thừ nghiệm của đề tài là phần phía đơng và phía
nam của thành phố Lạng Sơn có diện tích khoảng 2500ha, với hơn 6000 điểm đo độ cao
chi tiết.

Tại khu đo Lạng Sơn, công tác kiểm tra độ chính xác MHSĐC được thực hiện theo
các nội dung sau:

- Hiển thị M H SĐ C trong không gian 3D đế phát hiện lỗi: kết quà là phát hiện được 6

lỗi do khớp ảnh tự động mà người đo vẽ khơng nhận ra (các vịng trịn trên hình 3.10).

Hinh 3 .1 0 . Một phần M H SĐ C khu đo Lạ n g sơ n hiện thị tro ng k hông g ia n 3D .

- Đánh giá độ chinh xác trực tiếp trên mơ hình lộp thể', đã phát hiện được 21 lôi VỚI

</div>
(63)<div class='page_container' data-page=63>

- N ội suy đường bình độ rơi lơng ghép lên mơ hình lập thể', đã phát hiện được 4 lỗi. 
Mọt loi như vạy được thê hiện trên hình 3.1. Các lỗi xuất hiện chù yếu là do các đường đứt
gãy địa hình không được đo vẽ đầy đủ.

- Khoanh vùng những khu vực có độ xám đồng nhát trên ành\ đã khoanh được 47 
vùng có độ xám đơng nhất, trong đó có 6 vùng trùng với những lỗi đã phát hiện khi hiển
thị M HSĐC trong không gian 3D.

Hỉnh 3 .1 1 . V í dụ về kết quả khoanh vù ng có độ xám đồng nhất trên ảnh.

</div>
(64)<div class='page_container' data-page=64>

KÉT LUẬN VÀ KIẾN NGHỊ

Mơ hình sơ độ cao đã trở thành một sàn phẩm công nghiệp với rất nhiều ứng dụng
trong đời sông kinh tê - xã hội, trong an ninh và quốc phòng. Bời vậy, vấn đề đàm hảo chất
lượng của M HSĐC, đặc biệt là độ chính xác của nó, cần phải được hết sức chú trọng.

Độ chính xác của MHSĐC phụ thuộc vào nhiều yếu tố khác nhau. Cône tác kiềm
định độ chính xác của MHSĐC cần phải kiểm định chất lượng của tất cà các công đoạn
liên quan đến từng yếu tố chứ không chỉ kiểm định độ chính xác của sản phẩm cuối cùng.

Công tác kiểm định độ chính xác của MHSĐC ờ Việt Nam hiện nay còn khả sơ sài,
chủ yếu mới chỉ dừng lại ở các nội dung truyền thống, mang nặng tính thủ cơng. Các
phương pháp tiên tiến hầu như chưa được sử dụng.

Trên cơ sờ các nghiên cứu đã thực hiện, đề tài đã đề xuất một phương pháp kiểm

định độ chính xác của MHSĐC với 14 nội dung, trong đó có 5 nội dung được đưa vào dựa
trên các kết quà nghiên cứu mới ở nước ngoài, 5 nội dung được đề tài đề xuất hay cải tiến
những ý tường đã có, đó là: sừ dụng GIS để đánh giá mật độ các điểm đo trong dữ liệu
nguồn, khoanh vùng những khu vực có độ xám đồng nhất trên ảnh, hiển thị MHSĐC trong
không gian 3D và so sánh với thực trạng ngoài thực địa, nội suy độ dốc kết hợp quan sát
thực địa để phát hiện những mặt dốc cong được đo vẽ không đầy đủ, so sánh giá trị nội suy
và giá trị đo được để phát hiện sai số thô trong dữ liệu nguồn dùng đê thành lập MHSĐC.

Nhìn chung, phần lớn các nội dung kiểm định độ chính xác của MHSĐC hiện nay
chủ yếu mới chì có khả năng phát hiện sai số thô. Việc đánh giá sai số hệ thống và sai số
ngẫu nhiên có trong M HSĐC vẫn còn can tiếp tục nghiên cứu.

</div>
(65)<div class='page_container' data-page=65>

TÀI LIỆU THAM KHẢO

1. Trân Quôc Bình (2005). Phương pháp hạn chế sai số khớp ảnh tự động trong những
vùng có độ xám đồng nhất, Tạp chí khoa học ĐHQGHN chuyên san KH TN& CN, T.
XXI, số 4PT/2005, tr.21-28.

2. Trần Quốc Bình, Đinh Ngọc Đạt (2005). Báo cáo kết quà thực hiện tiều dự án "'Đo
vẽ địa hình làng cổ Đường Lâm”, Dự án “ Bảo tồn làng cổ Đường Lâm ”, Bộ Văn hố
Thơng tin, Hà Nội, 42 tr.

3. Bộ Tài nguyên và Môi trường (2005). Luận chứng kinh tế - kỹ thuật đo vẽ bản đồ địa
hình tỷ lệ 1/2000, 1/5000 khu vực Lăng Cô, Hà Nội.

4. Cục Đo đạc và Bản đồ (Bộ Tài nguyên và Môi trường) (2004). Dự án thử nghiệm
xây dựng hệ thống quản lý chất lượng theo tiêu chuẩn ISO 9001:2000 áp dụng tại
Trung tâm Kiểm định chất lượng sản phẩm đo đạc và bản đồ. Báo cáo tổng kết dự án.
Hà Nội.

5. Tăng Quốc Cương và NNC (2004). "Nghiên cứu cơ sờ khoa học xây dựng mô hinh
sổ độ cao phục vụ quản lý tài nguyên thiên nhiên", Đe tài khoa học câp bộ, Viện
nghiên cứu Địa chính - Bộ Tài nguyên và Môi trường.

6. Trương Anh Kiệt (2000), Phương pháp đo ảnh giải tích và đo ành số, Đại học Mỏ -
Địa chất Hà Nội, 177 tr.

7. Lê Minh, Hoàng Ngọc Lâm, Nguyễn Tuấn Anh (2007). ứ n g dụng công nghệ LIDAR
ở Việt Nam. Hội thảo " ứ n g dụng công nghệ LIDAR ở Việt Nam", Trung tâm Viễn
thám, Bộ Tài nguyên và Môi trường, Hà Nội, 11/2007.

8. Phạm Vọng Thành (2004). Mô hình số độ cao trong nghiên cứu tài nguyên và môi
trường, NXB Khoa học và Kỹ thuật, Hà Nội, 180 tr.

9. Ackermann, F. (1979). The accuracy o f Digital Height Models, Proceeding o f 37th
Photogrammetric Week, 24-28 September, University of Stuttgart, Stuttgart,
Germany, pp. 133-144.

10. Ackermann, F. (1994). Digital Elevation Model - Techniques and Application,
Quality Standards, Development, Proceedings o f the Symposium Mapping and
Geographic Information Systems, Commission IV o f ISPRS, Athens G.A., USA.
11. Ackermann, F. (1996). Techniques and Strategies for DEM Generation, Digital

Photogrammetry - An addendum to the Manual o f Photogrammetry, Greve, c . (ed),
American Society for Photogrammetry and Remote Sensing, Maryland, USA, pp.

</div>
(66)<div class='page_container' data-page=66>

12. Burrough, p.A. and McDonnell, R.A. (1998). Principles of Geoaraphical Information
Systems, Oxford University Press Inc, New York, 333 pp.

13. Ehlschlaeger, C.R. (1998), The Stochastic Simulation Approach, Tools for

Representing spatial Application Uncertainty, Ph.D. Dissertation, University o f
California, Santa Barbara.

14. El-Sheimy, N. (1998). Digital Teưain Modeling, ENGO 573, Department of
Geomatics Engineering. />15. Felicisimo A. (1994). Parametric statistical method for error detection in digital

elevation models, ISPRS Journal o f Photo gramme try and Remote Sensing, 49/1994,
29.

16. Flotron, A. and Koelbl, o . (2000). Precision Terrain Model for Civil Engineering.
Official Publication no 38, OEEPE, European Organization for Experimental
Photogrammetric Research, 12.2000, p.37-134- Frankfurt a. M., Available at http://
phot.epfi.ch/reseach/oeepe_op_38/toc_38.htm.

17. Hannah, M. (1981). Error detection and correction in digital terrain models.
Photogrammetric Engineering and Remote Sensing, 47 (1), 63-69.

18. Hodgson M.E., Bresnahan p. (2004). Accuracy of Airborne Lidar-Derived Elevation:
Empirical Assessment and Error Budget. Photogrammetric Engineering & Remote
Sensing, Vol. 70, No. 3, 2004, pp. 331-339.

19. Karel w ., Kraus K. (2006). Quality Parameters of Digital Terrain Models, in:
"Checking and Improving o f Digital Terrain Models / Reliability of Direct
Georeferencing, Official Publication No 51", issued by European Spatial Data
Research (EuroSDR), pp. 125-139.

20. Kasser, M and Egels, Y (2002), Digital Photogrammetry, Taylor & Francis, London
and N ew York, 351 pp.

21. Li z . (1994), A Comparative Study on the Accuracy o f Digital Terrain Models base

on Various Data Models, ISPRS Journal of Photogrammetry and Remote Sensing,
Vol. 49, No. l , p p . 2-11

22. Li Z.L., Zhu Q., Gold c . (2005). Digital terrain modeling: principles and
methodology, CRC Press, Boca Raton.

23. Light, D.L. (1993), The National Aerial Photography Program as a Geographic
Information System Resource, Photogrammetric Engineering and Remote Sensing,
Vol. 49, No. 1, pp. 2-11.

</div>
(67)<div class='page_container' data-page=67>

25. Ostman A. (1986). A graphic editor for digital elevation models. Geo-processina. 3,
1986, 143-154.

26. Tran Quoc Binh (2007). Research on the optimal picket sampling interval in
automated digital terrain model creation by using digital photogrammetry. VNU
Journal o f Science, Earth Sciences 23, 96-104.

27. Wechsler

s .

p. (2000). Effect o f DEM Uncertainty on Topographic Parameters,
DEM Scale and Teưain Evaluation, State University of New York College of
Environmental Science and Forestry, Syracuse, New York, 187 pp.

</div>
(68)<div class='page_container' data-page=68>

ĐẠI HỌC QUỐC GIA HÀ NỘI

CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM

Tạp chí Khoa học

Độc lập - Tự do - Hanh phúc

TI: 84-4-7547902

'---

O"

Hà Nội, N gày ỉ> tháng itn ă m 2007

GIẤY NHẬN ĐĂNG

Tòa soạn Tạp chi Khoa học- Đại học Quốc gia Hà Nội báo tin cho các tác giả

Trần Quốc Bình

về bài báo

ON THE DETECTION OF GROSS ERRORS IN DIGITAL

TERRAIN MODEL SOURCE DATA

đã qua phản biện đạt yêu cầu, được Tạp chí Khoa học, Chuyên san Các Khoa

học Trái dâ't (Journal of Sdence, Earth Sdences), nhận đăng vào năm 2007.

</div>
(69)<div class='page_container' data-page=69>

V N U Journal of Science, Barth Sciences 23 (2007)

On the detection of gross errors

in digital terrain model source data

T r a n Q u o c Binh*
C ollege o f Science, V N U

Received 10 October 2007

Abstract. N o w a d a y s, digital terrain models (DTM) are an important source of spatial data for 
various applications in many scientific disciplines. Therefore, special attention is given to their 
main characteristic - accuracy.

At it is w ell know n, the source data for DTM creation contributes a large am ount of errors, 
including gross errors, to the final product. At present, the most effective met hod for detecting

gross errors in DTM source data is to make a statistical analysis of surface height variation in the

area around an interested location. In this paper, the met hod has been tested in tw o DTM projects 
with various parameters such as interpolation technique, size of neighboring area, thresholds,... 
Based on the test results, the authors have m ad e conclusions about the reliability and effectiveness 
of the m ethod for detecting gross errors in DTM source data.

Keywords: Digital terrain model; DTM source data; Gross error detection; Interpolation.

1. I n tr o d u ctio n

Sin ce its origin in the la te 1950s, the D igital 
Terrain M o d e l (DT M ) is r e c e iv in g a stead ily 
increasing attentio n. D T M p r o d u c ts h a v e f o u n d 
w id e ap p lication s in v a r io u s d is c i p li n e s su ch as 
m app ing, re m o te s e n s in g , civil e n g in e e r in g ,

m ining e n g in e e r in g , g e o l o g y , m ilitary

en gin eerin g, land re so u rc e m a n a g e m e n t ,

com m u n ication , etc. A s D T M s b e c o m e an 
industrial prod uct, sp ecial atte n tion is g iv e n to

* its quality, m a in l y to its accuracy.

In D TM p ro d u c tio n , the errors c o m e from 
data acq u isitio n p r o c e s s (errors o f so u r c e data),

* Tel.: 84-4-8581420

E-mail:

and m o d e lin g p rocess (in terpolation and

representa tio n errors). A s for other errors, the 
errors in DTM p r o d u c tio n are classifie d into 
three types: ra n d o m , sy stem a tic, and gross 
(blunder). This p aper is fo c u s e d on d etec tin g 
single gross errors presented in DTM source data.

V ario us m e t h o d s w e r e d e v e l o p e d for

d e t e c tin g gross errors in D T M s o u r c e data [1-5]. 
If the data are p res en te d in the form o f a regular 
grid, o n e can c o m p u t e s l o p e s o f the t o p o g r a p h y 
at each grid p o in t in e ig h t dir ectio ns. T h ese 
s l o p e s are co m p a r e d to t h o s e at n e ig h b o r in g 
p oints, and if a sig n ifica n t d iffer en ce is found, 
the p o in t is su s p e c t e d o f h a v in g a gross error.

The m ore c o m p lic a te d c a s e is w h e n the 
D T M sou rc e data are irregularly distrib uted . Li 
[3, 4], Felicisim o [1|, and L o p e z [5] h a v e

</div>
(70)<div class='page_container' data-page=70>

2 Tran Quoc Binh / V N U journal of Science, Earth Sãences 23 (2007)

d e v e l o p e d s i m i l a r m e t h o d s , w h i c h are

e x p l a i n e d as f o l l o w s :

For a s p e c ific p o in t P ', a m o v i n g w i n d o w 
of a certain s i z e is first d efin e d an d centered on 
P '. Then, a representative valu e will be com puted 
from all the p o in t s located w it h in this w i n d o w . 
T his v a l u e is t h e n r e g a r d e d a s a n a p p r o p r i a t e 
estimate for the h e ig h t v a lu e o f the point p . By 
com parin g the m e a s u r e d v a lu e o f P' w it h the 
representative v a l u e e s t im a t e d from th e neighbors, 
a difference V' in h e ig h t can b e obtained:

v,=\

I,

(

)

w here are re sp ec tiv e ly m easu red

and e s t i m a t e d h e i g h t v a l u e s o f p o i n t P '. If the

difference V' is larger than a c o m p u t e d

threshold v a lu e VlhKiholJ, then the p oin t is 
s u s p e c t e d o f h a v i n g a g r o s s error.

It is c lea r that s o m e p a r a m e t e r s w il l

significantly affect the reliability and

e f f e c t i v e n e s s o f t h e err o r d e t e c t i o n p r o c e s s . 
T h o s e p a r a m e t e r s are:

- The s iz e o f the m o v i n g w i n d o w , i.e. the 
num ber an d lo c a tio n o f n e ig h b o r p oints.

- The in te rp olation t e c h n iq u e u s e d for 
e s t i m a t i n g h e i g h t o f t h e c o n s i d e r e d p o i n t s . Li 
[4] p r o p o s e d to u s e a v e r a g e h e i g h t o f

n e i g h b o r i n g p o i n t s for c o m p u t a t i o n a l

si m p li fi c a tio n :

I "i

H r = ± ỵ H (2)

w here m , is the n u m b e r o f p o in ts n e ig h b o r in g 
Pt , i.e. in sid e the m o v i n g w i n d o w .

- The se le c tio n o f thr esh old v a lu e Vlh m M d. 
Li [4] p r o p o s e d to c o m p u t e as:

K h r c s t m l d = 3 X <T(, ( ( 3 )

where CT|. is sta n d a rd d e v ia t io n o f Vt in the 
w h o le s t u d y area. In our o p in io n , the thus 
c o m p u t e d V,hr.,hM h as t w o drawbacks: firstly, 
it is a g lo b a l p a ram eter, w h i c h is hard ly suitable

for the sm a ll area a r o u n d p o in t Pt ; and

s e c o n d l y , it d o e s n o t d ir e c t ly reflect th e 
ch aracter o f t o p o g r a p h y . N o t e that th e a n o m a l y

of Vl m ay be cau se d by either gross error of 
s o u r c e d ata or v a r ia t io n o f t o p o g r a p h y .

In n e x t s e c t io n s , w e w il l u s e th e a b o v e - 
m e n t i o n e d c o n c e p t to test s o m e D T M projects 
in o r d e r to a s s e s s the i n f l u e n c e o f each 
p a r a m e t e r o n the relia b ility a n d e f f e c t i v e n e s s o f 
th e g r o s s error d e t e c t i o n p r o c e s s . For the s a k e 
of simplification, on ly point source data w ill be 
c o n s i d e r e d . If b r e a k li n e s are p r e s e n t e d in th e 
s o u r c e data , th e y can be e a s i l y c o n v e r t e d to 
p o in t s .

2. T e st m e t h o d o l o g y

2.1. Test data

T h is r esea rch u s e s t w o s e t s o f data: o n e is 
t h e D E M project in the area o f o l d v i l l a g e o f 
D u o n g L a m ( S o n T a y T o w n , H a T a y P r o v in c e ) ; 
t h e o t h e r is the D E M p ro ject in D a i T u D istric t, 
Thai N g u y e n Province. The m ain characteristics 
o f the test projects are presen ted in Table 1.

For e a c h p r o j e c t vve r a n d o m l y s e l e c t a b o u t 
1% o f total n u m b e r o f d a ta p o i n t s a n d a s s i g n 
t h e m in t e n t i o n a l g r o s s errors w i t h m a g n i t u d e 2- 
20 tim e s larger than the origin al root m ean 
s q u a r e err or (R M SE ), T h e s e l e c t e d d a ta p o i n t s 
as w e l l as th e a s s i g n e d errors are r e c o r d e d in

o r d e r to c o m p a r e w i t h th e r e s u l t s o f error 
d e t e c t i o n p r o c e s s .

2.2. Test procedure

T h e w o r k f l o w o f the test is p res en te d in Fig. 
1. For the test, w e h a v e d e v e l o p e d a sim p le 
s o f t w a r e c a l l e d D B D ( D I M B l u n d e r D e t e c t i o n ) , 
w h i c h h a s t h e f o l l o w i n g f u n c t i o n a l i t i e s (F ig. 2):

- Load an d exp ort data p o in t s in the text file 
fo r m a t.

- G e nerate g r o s s errors of a sp ecific

m a g n i t u d e and a ssig n them to ra n d o m ly

</div>
(71)<div class='page_container' data-page=71>

Tran Quoc Binh / V N U journal of Science, Earth Sciences 23 <2007) 3

Table 1. Characteristics of the test projects

Characteristics D uong Lam project Dai Tu project

Location Son Tay Town, Ha Tay Province South-west of Dai Tu District,

Thai N gu yen Province

Type of T opography Midland, hills, paddy fields, Mountains, rolling plain

mounds.

Data acquisition m ethod Total station, very high accuracy. Digital photogrammetry, average

RMSE - 0.1m. accuracy. RMSE - 1.5m.

Project area - 9 0 ha - 1850ha

Height of surface / Std. deviation 5-48m / 3.8m 15-440m / 93m

Number of data points 7556 15800

Spatial distribution of data points Highly irregular Relatively regular

Average distance betw een data points 11m 35m

Number of data points w ith 75 180

intentional gross error

Magnitude of intentional gross errors 0.2-2m 5 -50m

Export data to ArcGIS

Visualize and compute 
final statistics

*T DEM blunder detection

Irpư Oupul

"FID •■;10‘7X'.'Y'"H "Dif'.- A Saaeh IAÓU1 (mj

D 000000 549132 29700023*0984 332 p - --- — 
---.1 000000 5*€7&4 5 300002341QÌ4 950 I20
20000005486751520302340974 409 
.3 oooooo 549067 9990002340650 0*3
4 000000 549200 731000 2340204 5Z1
5 000000 548950 Ữ91000234ŨCX 436 
Í 000000 540399 4)200023.8951 081
7 000000 547365 3 70000 2340201 550 
.8 000000 547333 8160002340196 853 
9000000.547641 115000 23*0339 297

10 000000 547853 55300023405*8 28

11 000000 548007 16ÕOOO 234076? 59
12 000000 5*8063 «2t000 23*0747 51 
13.000000 547988 8780002340792 67 
1 * 000000 547910 385000.2340828 33
15 000000 S480G2 512000 234081 ] y

16 000000 548031 4270002340683 04

17 000000 5*8078 30E000.2341002 39 
10 000000 548108 412000234105512 
19 000000 548062 730000.2341102 85

20.000000.548090 w o o o i u m s 15

21 000000 548130 030000234117819 s

^QpenFfc.

ĨID X .Y H H r t Oil N*gr t ) ev<H Add J

0 543132 297 2340964 m i l S3 I I 
:i Ĩ487S4 M0. 2341034 950 1062 11 
|2. S48B75 152. 2340974 409.10 E6 II
' o' 13 S430S7 599 2340650 043^ 12 IS II
--- 4 2Ì4G204 5?1 11 15 10
5 548950 091 234QỮX 436 12 77 12
I* 548399 432. 233996» 001 5 0 15 10
^ ; 7 S4 r e s 370 2340201 550 10 8? 11
, |f,w 8 54^D$915.2W0196 8W 1 3 « u
3 S47&41 115 7340339 287 9 60 1 2 E

A /waoe j 10 547853 593. 2340588 28« to X) 1.

11 543007166. Z340762634 (I 601 
112. 5 4803 421. »40747 512. I* 10 I

__________ I 113.547988 678 2340732 67 8.1211.1

u . 547910 « 5 . 2340828 330 1058 li 
15 $40002 512 2340813 545 1174 1 
1&. $40071127 r n ơ m u ạ I t IS II
17 548078 » 6 041002 391 1248 1
18 5*8100 412 Z341055 121 12 02 1.

9 54ÔŨÊ2 T X 2341102 854 1214 1

20 540OSO 709 2341146 156 1 2 74 I.

21 54«! 30 030 2341176132.1 1 3 1 1 .

s«v* 10 Fie

/Ị E*

Fig. 2, The DBD software.

- Create a m o v i n g w i n d o w o f a sp ecific siz e 
and g e o m e t r y (square or circle) and interpola te 
h e ig h t for a g iv e n point.

- C o m p u t e statistics for the w h o l e area or 
in sid e the m o v i n g w i n d o w .

T h e D T M so u r c e data p oin ts are p ro ce sse d 
by D B D so f tw a r e and then are ex p o rte d to 
ArcGIS so f tw a r e for v is u a liz a tio n (Fig. 3) and 
c o m p u t a tio n o f final statistics.

</div>
(72)<div class='page_container' data-page=72>

4 Tran Quoc Binh / V N U journal of Sáence, Earth Sciencis 23 (2007)

. J . 1 4 ’ A . .
-■ « 2 4 ' . . ■ • ■ , ■ . . • ■ # 5 8 0 9 , .4 1 6 1 \

■X-;.-; • •.«»78<,s

• . .

L-■ ‘V ■'

6775 4160 *

-A ;4127

V ■ 3 J 8 5 / ’ V'

• - X . •

3862 • 
•38 5 6
358 2

I . . 3575*

Legend
Data points

X Correctly detected error points

A Incorrectly deetected error points
# Undetected error points

Fig. 3. Visualization of results.

For e s t i m a t i n g h e i g h t H “ ‘ o f a d a t a p o in t , 
tw o i n t e r p o l a t i o n m e t h o d s a r e u s e d . T h e first 
o n e is s i m p l y a v e r a g i n g ( A V G ) h e i g h t v a l u e s o f 
data p o i n t s l o c a t e d i n s i d e t h e m o v i n g w i n d o w 
by u s i n g Eq. 2. T h e s e c o n d o n e is to u s e i n v e r s e

d is ta n c e w e i g h t e d i n t e r p o l a t i o n (I D W ) 
t e c h n i q u e as f o l l o w s :

Iiit

Ỳ W JH J

esi j = \

H esi =

% W J

7=1

<4>

w h e r e m , is t h e n u m b e r o f d a ta p o i n t s that fall
i n s id e t h e m o v i n g w i n d o w a r o u n d p o i n t P /,

Wj is the w e i g h t o f p o i n t p ; dJ is d i s t a n c e

from Pj to Ĩ ) ; t h e p o w e r p in Eq. 4 ta k e s

d e f a u l t v a l u e o f 2.

For d e t e c t i n g g r o s s errors, t w o t h r e s h o l d s in

c o m b i n a t i o n are u s e d . T h e first o n e is b a s e d o n 
th e v a r ia t io n o f s u r f a c e h e i g h t i n s i d e th e

m o v i n g w i n d o w :

= (5)

w h e r e Ơ H is th e s t a n d a r d d e v i a t i o n o f su r f a c e 
h e i g h t i n s i d e th e m o v i n g w i n d o w ; c o e ff ic i e n t

K h takes a v a l u e in th e r a n g e fr o m 2 to 3.
T h e s e c o n d t h r e s h o l d is b a s e d o n the 
v a r ia t io n o f d if f e r e n c e V ( s e e Eq. 1):

K r e s h o u = K v x < r v , ( 6 )

w h e r e Ơ 1 is th e s t a n d a r d d e v i a t i o n o f

d i f f e r e n c e v a l u e V i n s i d e th e m o v i n g w i n d o w ;
c o e f f ic i e n t takes a v a l u e in the r a n g e fr o m 2 
to 4.

In s o m e tests, i n s t e a d o f s t a n d a r d d e v i a t i o n 
<Tl , w e u s e d the a v e r a g e v a l u e o f V i n s i d e the 
m o v i n g w i n d o w a n d it m a y g i v e a better resu lt. 
S e e s e c t i o n 3 for m o r e d e ta ils,

3. R e s u lt an d d i s c u s s i o n

For b o th D u o n g L am a n d D a i T u proje cts, 
w e h a v e m a d e s e v e r a l tes ts w i t h d e f a u l t 
p a r a m e t e r s p r e s e n t e d in T a b le 2. T h e te s ts are 
n u m b e r e d as D L x ( D u o n g L am ) a n d D T x (D ai

T u ). In e a c h test, o n e or t w o p a r a m e t e r s are 
c h a n g e d . T h e c o m p u t e d h e i g h t d i f f e r e n c e V' 
(Eq. 1) are c h e c k e d a g a i n s t th e t w o t h r e s h o l d 
v a l u e s f r o m Eq. 5 a n d Eq. 6 w i t h K H = 2 , 2 . 5 , 3 
a n d K 1, = 2 , 2 . 5 , 3 , 4 . T h e r e s u l t s are s h o w n in 
T a b l e 2. In D T 2 , D T 7 a n d D L 8 te s ts , the 
i n t e r p o l a t e d v a l u e o f V at p o i n t Pl is u s e d 
i n s t e a d o f its s t a n d a r d d e v i a t i o n for c o m p u t i n g 
t h r e s h o l d V,hruM li ■ M e a n w h i l e , D T 3 test u s e s
d a t a th a t p a s s e d D T I te s t w i t h K H = 2 , K l - 2 , 
t h u s , t h e i n p u t d a t a for t h i s test h a s o n l y 180- 
97 = 8 3 p o i n t s w i t h i n t e n t i o n a l error.

F r o m th e o b t a i n e d r e s u l t s , s o m e r e m a r k s 
ca n b e m a d e a s f o l l o w s :

</div>
(73)<div class='page_container' data-page=73>

Tran Quoc Binh / V N U Journal of Science, Earth Sciences 23 (2007) 5

DL2 tests s h o w that the intentional errors are 
w ell d istrib uted in D T M sou rc e data.

- T h e tested m e t h o d is not id eal sin ce it

cannot d etec t all o f the points w ith gross error. 
This is an tic ip ate d s in c e the m e t h o d is b ased on

statistical analysis; m e a n w h ile , the surface

m o r p h o lo g y u s u a ll y d o e s not f o llo w statistical 
distributions. H o w e v e r , the m e t h o d can be

u sed for sig n ific a n tly r e d u c in g the w o r k o n 
correcting g r o s s errors o f D TM sou rc e data.

- After automated detection, a manual check 
of marked points is still required for determining 
correctly and incorrectly detected gross errors.

- The m a x im u m n um ber o f gross errors, 
w h ich can be correctly detected, is estim ated as 
50-80% of the total n u m b e r o f gross errors 
existed in the DTM sou rce data: in D u o n g Lam 
project, m a x im u m 40 of 75 points w ith gross 
errors are detected, in Dai Tu project, these 
n u m b e rs are 145 and 180 respectively .

Table 2. Results of gross error detection presented in format: total number of detected points - 
number of correctly detected points - m inim um value of correctly detected errors.

Test C hanged Coefficients KH and K*' for calculating threshold values (Eqs. 5, 6)

parameters 2 / 2 2 . 5 / 2 . 5 2 . 5 / 3 2 . 5 / 4 3 / 3 3 / not used not used / 3

Duong Lam project, default parameters: search radius: 20m; m inim um number of points 
windows: 5; interpolation method: IDW.

inside the m oving

DL1 Default 367-32-0.8 163-25-0.8 149-25-0.8 116-22-0.8 93-19-0.9 104-19-0,9 885-35-0.4

DL2 Default, other set of

errors

356-31-0.9 154-24-0.9 138-23-0.9 112-23-0.9 87-17-0.9 103-18-0.9 891-37-0.4

DL3 Search radius: 50m 240-24-0.8 102-17-1.1 98-16-1.1 68-15-1.1 36-11-1.1 40-12-0.9 694-28-0,8

DL4 Min. number of

searched points: 10

270-26-0.8 96-17-1.1 89-16-1.1 63-15-1.1 42-11-1.1 47-13-1.1 737-28-0.8

DL5 Min. number of

searched points: 3

480-39-0.9 259-29-0.9 230-29-0.9 176-26-0.8 163-23-0.9 203-23-0.9 1071-38-0.4

DL6 Interpolation: AVG 271-33-0.8 138-24-0.9 134-24-0.9 117-24-0.9 83-19-1.1 89-19-1.0 865-40-0.4

DL 7 Interpolation: AVG

Search radius: 50m

156-23-0.9 69-16-0.9 67-15-1.1 51-15-0.9 30-11-1.1 32-12-1.1 675-29-0.9

DL8 Interpolation: AVG

Ơ P interpolated

AVG

251-33-0.8 125-24-0.9 110-24-0.9 82-22-0.9 72-19-0.9 89-19-1.0 377-36-0.5

Dai Tu project default paramet0rs: search radius: 100m; m in im u m number of points inside the moving windows:

5; interpolation method: IDW.

DTI Default 272-97-8 125-83-12 123-84-12 99-80-12 81-71-12 83-71-12 1187-141-12

DT2 Ơ* interpolated ro w 258-97-8 118-83-12 113-82-12 94-77-12 77-69-12 83-71-12 401-118-12
DT3

DT4

U ses ou tp ut of DTI 
Min. number of

205-3-8

270-95-8 125-83-12 123-83-12 98-79-12

16-1-9
81-71-12
18-1-9
82-70-12
1285-47-8
1183-141-12
DT5

searched points: 10

Interpolation: AVG 162-101-8 98-83-12 98-83-12 91-80-12 75-68-12 77-68-12 1168-145-12

DT6 Interpolation: AVG 162-100-8 97-82-12 97-82-12 90-79-12 75-68-12 76-68-12 1164-145-12

DT7

Min. num. of pts: 10

Interpolation: AVG 15 9-100-8 97-83-12 95-82-12 84-78-12 74-68-12 77-68-12 259-137-12

</div>
(74)<div class='page_container' data-page=74>

6 Tran Quoc Binh / V N U journal of Science, Earth Sciences 23 (2007)

- The s e n s i tiv i ty , i.e. the smallest ab solute

v a l u e £ m,„ o f g r o s s e rro r that c a n b e d e t e c t e d , 
d oes not d e p e n d o n RMSE (root m ean sq uare 
error) o f the s o u r c e data, but it d e p e n d s on the 
variation ( n a m e l y stan d ard d e v ia tio n Ơ H ) of 
surface h e ig h t in th e local area arou n d a tested 
poin t. T h is d e p e n d e n c y c a n b e e s t i m a t e d as:

£ m, r * 1 0 % x ơ " ( 7 )

For e x a m p le , in D u o n g Lam project w ith 
Ơ H - 3.5 + 4 .5 m (average: 3.8m), the lo w es t 
d e t e c t a b le g r o s s e r r o r e q u a l s 0 .4 m . In D a i Tu

project, the values are: <XW=80-H00m

(average: 93m ) a n d £'min = 8 m .

- By c o m p a r in g DL1 test w it h DL3, DL4, 
DL5, or D T I w i t h D T 4 , o n e c a n s e e that w i t h an

increase o f th e s e a r c h r a d i u s (or o f th e

m i n i m u m n u m b e r o f p o i n t s i n s i d e th e s e a r c h 
w i n d o w ) , t h e n u m b e r o f c o r r e c t l y a n d 
in correctly d e t e c t e d p o i n t s is d e c r e a s i n g . T h is 
can b e e x p l a i n e d a s a l a r g e n u m b e r o f p o i n t s 
p a r ticip a ted in i n t e r p o l a t i o n c a n g i v e a v e r a g i n g 
effect o n th e e s t i m a t e d h e i g h t o f a p o i n t . T h is 
effect is c le a r ly s e e n o n a h i g h l y ir r e g u la r d ata

set ( D u o n g L a m p ro ject), w h i l e it is

in s ig n i fic a n t o n a r e l a t i v e l y r e g u l a r d a ta s e t 
(Dai Tu proje ct).

- The h ig h e r the v a lu e o f th resh old valu es, 
the s m a l l e r the n u m b e r o f c o r r e c t l y d e t e c t e d 
g ro ss erro rs, w h i l e t h e n u m b e r o f i n c o r r e c t ly 
d e t e c t e d g r o s s e r r o r s is d e c r e a s i n g to o . T h u s , 
the c h o i c e o f th e o p t i m a l t h r e s h o l d v a l u e s is n o t

o b v i o u s a n d s h o u l d b e b a s e d o n t h e

requirem ents o f the s p e e d and reliability o f the

test in a s p e c i f i c s i t u a t i o n .

- The th r esh o ld v ^ h o u g iv e s a n iuch

larger n u m b e r o f c o r r e c t l y a n d i n c o r r e c t ly

detected g r o s s errors than Vthreshold ■ T h us,

KhreshnU s h o u l d be u s e d w h e n the reliability of 
a test is th e m o s t i m p o r t a n t r e q u i r e m e n t .

- D e s p it e the d i s p u t e on e f f e c tiv e n e ss o f the 
s i m p l e i n t e r p o l a t i o n b y a v e r a g i n g th e h e i g h t o f 
neighbor p oints, the practical resu lts in the tests

D L l, DL6, DTI, and DT5 s h o w that the A Y G 
interpolation is actually better than the IDVV 
o n e . O u r e x p l a n a t i o n is that th e v a r ia t io n o f 
s u r f a c e h e i g h t d o e s n o t f o l l o w statis tic al 
d is t r ib u t io n s , a n d th u s th e m o r e st a tis tic a lly 
s o p h i s t i c a t e d m e t h o d d o e s n ot a l w a y s g i v e a 
better result than the s im p le one.

- W hen u sing a con d ition o n V^rcshoU' i t 's 
better to u se the average v a lu e of V in sid e the 
m o v i n g w i n d o w in s te a d o f s t a n d a r d d e v i a t i o n 
Ơ 1 . For exam ple , in the tests DL8 and DT7, 
w hich u se the average v a lu e of V , the n um ber 
o f in c o r r e c tly d e t e c t e d errors is 3-5 t i m e s less 
th an in th e te sts D L 6 a n d D T5, w h i l e the

nu m b e r of correctly detected errors remains 
a l m o s t th e s a m e .

- If the data are u n d e r g o in g m u ltip le tests 
t h e n in th e s e c o n d a n d s u b s e q u e n t te s ts o n l y 
c o n d i t i o n o n V ^reihM m a k e s s e n s e , [n th e a b o v e 
e x p e r i m e n t s , D T 3 test u s e d the d a ta p a s s e d a n d 
corrected after DTI test. It can be readily seen 
in Table 1 that on ly the s in g le co n d itio n on 
Khrcshaki can detect a g o o d n u m b e r (47) of gross

errors, t h o u g h th e n u m b e r o f in c o r r e c tly

d e t e c t e d errors is still v e r y la r g e in this test.

4. C o n c l u s i o n

T h e g r o s s errors p r e s e n t e d in D T M s o u r c e 
da ta c a n b e d e t e c t e d b y c o m p a r i n g th e 
m e a s u r e d h e i g h t o f a D T M d a ta p o i n t w i t h an 
e s t i m a t e d h e i g h t b y in t e r p o l a t i o n fr o m 
n e i g h b o r i n g d a ta p o i n t s . T h i s m e t h o d c a n 
d e t e c t 50-8 0% total n u m b e r o f g r o s s errors w i t h 
s e n s i t i v i t y o f a b o u t 10% o f s t a n d a r d d e v i a t i o n 
o f s u r f a c e h e ig h t .

</div>
(75)<div class='page_container' data-page=75>

Tran Quoc Binh / V N U journal of Science, Earth Sciences 23 (2007)

Optim al t h r e s h o l d v a l u e s s h o u l d be b a s e d on 
th e r e q u i r e m e n t s o n t h e s p e e d a n d r e li a b il it y o f

th e te s t i n a s p e c i f i c s i t u a t i o n .

S i n c e t h e s u r f a c e h e i g h t v a r i a t i o n u s u a l l y 
d o e s n o t f o l l o w s t a t is t ic a l d is t r i b u t i o n s , a m o r e 
s o p h i s t i c a t e d s t a t is t ic a l t e c h n i q u e d o e s n ot 
a l w a y s g i v e a b e tt e r r e s u l t in d e t e c t i n g g r o s s 
error o f D T M s o u r c e d a t a t h a n a s i m p l e on e.

Acknowledgem ents

T h is p a p e r w a s c o m p l e t e d w i t h i n the 
f r a m e w o r k o f P r o je c t Q T - 0 7 - 3 6 f u n d e d by 
V ie t n a m N a t i o n a l U n i v e r s i t y a n d F u n d a m e n t a l 
R esearch Proje ct 7 0 2 4 0 6 f u n d e d b y V i e t n a m 
M in istr y o f S c i e n c e a n d T e c h n o l o g y .

R efer en ce s

[1] A. Felidsim o, P aram etric statistical m eth o d for
e rro r detection in digital elevation m odels, ISPRS 
journal o f PhotogTammetry and Remote Sensing, 49
(1994) 29.

[2] M. H an n ah , Error detection an d correction in
digital terrain m odels, Photogrammetric 
Engineering and Remote Sensing, 47 (1981) 63.
[3] Z.L. Li, Sampling Strategy and A ccuracy Assessment

fo r Digital Terrain M odelling, Ph.D. thesis, The
U niversity of G lasgow , 1990.

[4] Z.L. Li, Q. Z hu, c . Gold, Digital terrain modeling: 
principles and methodology, CRC Press, Boca Raton,
2005.

[5] c . Lopez, O n th e im p ro v in g of elev a tio n
accuracy of D igital E levation M odels: a
c o m p a riso n of som e e rro r d e te c tio n p ro ced u res,

</div>
(76)<div class='page_container' data-page=76>

Đ Ạ I H Ọ C Q U Ố C G IA H À N Ộ I

T R Ư Ơ N G Đ Ạ I H Ọ C K H O A H Ọ C T ự N H IE N

Lưu T h ế V inh

Đ Á N H G IÁ Ả N H H Ư Ở N G C Ủ A M Ậ T Đ Ò C Á C Đ IỂ M Đ O ĐỎ CAO

T ự Đ Ộ N G T Ó I Đ Ộ C H Í N H X Á C C Ủ A M Ô H Ì N H s ố Đ Ộ C A O Đ Ư Ợ C

T H À N H L Ậ P B Ằ N G C Ổ N G N G H Ệ Ả N H s ố

Chuvên nầnh: Địa chính

Mã số: 01.07.15

LUÂN VÃN T H Ạ C SỸ K H O A HỌC

NGƯỜI HƯỚNG D Ẫ N K H O A HOC

TS. Trần Quốc Bỉnh

</div>
(77)<div class='page_container' data-page=77>

MỤC LỤC

D A N H M ỤC C Á C C H Ữ VIẾT T Ắ T ... 3

D A N H M ỤC H ÌN H ...4

D A N H M ỤC B Ả N G ... 7

MỞ Đ Ầ U ... 9

CHƯƠNG 1. TỔ N G Q U A N VỀ MỒ HÌNH s ố ĐỘ CAO

1.1. Khái niệm về mơ hình số độ c a o ... 12

1.2. Các ứng dụng của mơ hình số độ cao... 15

1.2.1. Nội suy đường bình đ ộ ... 15

1.2.2. Đo diện tích, tính thể t í c h ...16

1.2.3. Nắn ảnh trực g ia o ...16

1.2.4. Thành lập mặt cắt địa hình...18

1.2.5. Đánh giá thuỷ văn và lũ lụt...18

1.3. Các phương pháp thành lập mơ hình số độ c a o ...20

1.3.1. Xây dựng MHSĐC từ số liệu đo trực tiếp ngoài thực đ ịa ... 2 0
1.3.2. Xây dựng M HSĐC từ bản đổ địa hình đã c ó ... 21

1.3.3. Xáy dựng M HSĐC bàng phương pháp đo ả n h ... 21

1.3.4. Phương pháp sử dụng công nghệ laser đặt trên máy bay (LIDAR) và radar dộ
mở tổng hợp giao thoa (IF S A R )... 2 2

1.4. Độ chính xác của mơ hình số độ c a o ... 25

1.4.1. Khái n iệ m ... 25

1.4.2. Yêu cầu về độ chính xác của mỏ hình sô' độ c ao ...2 6
1.4.3. Các phương pháp đánh giá độ chính xác cùa M HSĐ C... 30

CHƯƠNG 2. PH Ư ƠN G PH ÁP T H À N H LẬP M Ô HÌNH s ố Đ Ộ CAO BẰNG

CÔNG N G H Ệ Ả N H s ố

2.1. Một số khái niệm về công nghệ ảnh s ố ... 33

2.1.1. Khái niệm về số hoá ả n h ... 33

2.1.2. Tính chất thơng kẽ của ả n h ...35

</div>
(78)<div class='page_container' data-page=78>

công nghệ ảnh s ố ...

3 9

2.3.1. Sai số do tư liệu ả n h ...

2.3.2. Sai số do kích cỡ của Pixel... 41

2.3.3. Sai số do quét ả n h ... 4 ?

2.3.4. Sai sô'của số liệu gốc... ...43

2.3.5. Sai số của quá trình đo ảnh... 45

2.3.6. Sai số của phương pháp... 4 5

CHƯƠNG 3. Đ Á N H GIÁ ẢNH HƯỞNG CỬA MẬT ĐỘ CÁC ĐlỂM

đ o

ĐỘ CAO T ự Đ Ộ N G TỚI ĐỘ CHÍNH XÁC CỦA MỒ HÌNH s ố ĐỘ CAO

THÀNH LẬP B Ằ N G CÔNG NGHỆ ẢNH s ố

3.1. Đặc điểm của phương pháp lấy mẫu khi thành lập MHSĐC bằng công

nghệ ảnh s ố ... 46

3.1.1. Lấy số liệu theo lưới quy chuẩn... 4 6
3.1.2. Lấy số liệu theo phương thức lấy mẫu nhích d ầ n ...4 7
3.1.3. Phương lấy mẫu lựa chọn... 4 8
3.1.4. Phương thức lấy mẫu hỗn hợp...4 9
3.1.5. Lấy số liệu xây dựng MHSĐC bàng hệ thống lự động h o á ... 4 9

3.2. Đánh giá ảnh hườn2 của mật độ các điểm đo độ cao tự động tới độ

chính xác của mơ hình số độ cao tại một số khu đo thừ n g h iệ m ... 50

3.2.1. Khu đo Cổ L o a ...5 2
3.2.2. Khu đo Đường L âm ... 6 3
3.3.3. Khu đo Ba V I... 6 9
3.3.4. Khu đo Lạng Sơn...7 6
3.2.5. Một số kiến nghị lựa chọn khoảng cách lấy mẫu hơp l ý ...83

KẾT L U Ậ N ... 86

</div>
(79)<div class='page_container' data-page=79>

ĐẠI HỌC QUỐC GIA HÀ NÔI

TRUỜNG ĐAI HOC KHOA HỌC T ự N H IÊ N
KHOA ĐIA LÝ

Lê Thị Hương Hà

ỨNG DỤNG CÔNG NGHỆ ẢNH s ổ VÀ GIS

THÀNH LẬP MƠ HÌNH s ố ĐỘ CAO PHƯỜNG VẠN SƠN,

•

•

'

THỊ XÃ ĐỔ SƠN, THÀNH PHỐ HẢI PHÒNG

VÀ GIẢI M Ộ T SỐ BÀI TOÁN ỨNG DỤNG

KHOÁ LUẬN T Ố T N G H IỆP HỆ ĐẠI HỌC CHÍNH QUY

Ngành: Địa chính

Cán bộ hướng dân: TS. Trần Quốc Bình

</div>
(80)<div class='page_container' data-page=80>

M Ở Đ Ầ U ... Ị

1. T ín h cấp thiết c ú a đề tà i... 1

2. M ụ c tiêu n ghiên c ứ u ... I
3. N ộ i dung n g h iê n c ứ u ... 1

4. P hương pháp n g h iê n c ứ u ... 1

5. C ấu trúc c ủ a k h ó a l u ậ n ...2

CHƯƠNG 1: TỔNG QUAN VỀ MỒ HÌNH s ố ĐỘ CAO... 3

1.1. K h á i n i ệ m ... 3

1.2. T ạo và hiến thị m ô hình số độ c a o ...4

1.2.1. T ạ o m ơ hình số đ ộ c a o ...4

1.2.1.1. Phương pháp đo đạc thực địa...4

1.2.1.2. Phương pháp số hoá và nội suy từ bản đổ địa h ìn h ... 5

1.2.1.3. Phương p h á p sử d ụ n g c ông n ghệ L I D A R ...5

1.2.1.3. Phương p h á p đ o vẽ ảnh h àng k h ô n g bàng công nghệ s ố ... 6

1.2.2. Lưu trữ

và

hiển thị m ô hình s ố đ ộ c a o ...9

1.3. Các phép nội suy trong th à n h lập và c h u y ế n đổi cấu trúc cúa mơ hình số
độ c a o ... 10

1.4. Đ ộ chính xác cứ a m ỏ hình sơ độ c a o ... 12

C H Ư Ơ N G 2: T H À N H LẬP M Ô H ÌN H s ố Đ Ộ C A O P H U Ỡ N G V Ạ N SƠ N
B Ằ N G C Ô N G N G H Ệ Ả N H s ố V À H Ệ T H Ô N G T IN Đ ỊA L Ý ... 14

2.1. Đ ặc điểm củ a khu vực ng h iê n c ứ u ... 14

2.1.1. Đ iéu kiện tự n h i ê n ... 14

2.1.2. Đ iểu kiện kinh tế -x ã h ộ i ... 15

2.1.3. Các tư liệu thu th ậ p đ ư ợ c ... 15

2.2. T h àn h lập m ơ h ìn h số độ ca o k h u vực ng h iê n c ứ u ... 15

2.2.1. Phần m ể m x ứ [ý ảnh sô P h o t o M O D ... 15

2.2.2. Q uét ả n h ... 16

2.2.3. Đ o khống c h ế ngoại n g h i ệ p ... 17

2.2.4. T ạ o p r o je c t... 17

2.2.5. Nắn chính hình học va tũim dày khống chè băng modul A T ... 20

2.3.6. Bình sui k hối b ằ n g m o d u 1 S o lv e r ...20

</div>
(81)<div class='page_container' data-page=81>

2.3.7. Đ o vẽ lưới các điế m độ cao tư đ ộ n g bằng m odul D T M ... 20

2.3.8. Đo vẽ bố sung và chính sửa lỏi, tạo TIN băng modul DTM... 25

2 .3 .9 . X u ấ t d ữ l i ệ u ...26

2.4. C h u y ển đổi m ô hình sơ' độ ca o san g A r c G I S ... 26

2.4.1. Giới thiệu vể phần m ề m A r c G I S ... 26

2.4.2. T hiết k ế cơ sở d ữ liệu và ch u y ể n đổi mơ hình số độ c a o ... 27

C H Ư Ơ N G 3: G IẢ Í M Ộ T s ố B À I T O Á N ÚNG D Ụ N G C Ủ A M Ị HÌNH

SỐ ĐỘ CAO BẰNG PHẦN MEM ARCGIS... 31

3.1. K iếm tra vùng ngám trong thiết k ế lưới kh ố n g c h ế toạ đ ộ ... 31

3.2. V ẽ đường bình đ ộ ...33

3.3. Lập ban đồ đ ộ d ố c ...34

3.4. T ính thể tí c h ... 35

3.5. T ính diện tích m ặt d ố c ... 37

KẾT LUÂN VÀ K IẾ N N G H Ị ...40

</div>
(82)<div class='page_container' data-page=82>

X 1/ m ì u X V I

KẾT QUẢ NGHIÊN cứu KHOA HỌC

T ê n đ è t à i: N g h iê n cứ u đê x u ấ t p h ư ơ n g p h á p kiẻm địn h đơ ch ín h xác của mó 
h ìn h s ố đ ộ ca o (lấ y v í dụ vù n g tru n g du và m iền n ú i p h ía B ắc).

Mã số: QT-07-36

C ơ q u a n c h ủ trì đề tài: Khoa Đ ịa lý, Trường Đại học KHTN, ĐHQG Hà Nội.

Địa chỉ: 334 Nguyễn Trãi, Thanh Xuân, Hà Nội

Tel: 04-8581420

T ổ n g k in h p h í thự c chi: 2 0 .0 0 0 .0 0 0 đ (Hai mươi triệu đổng)

T ro n g đó:

- Từ n g â n s ách n hà nước: 20.0 0 0 .0 0 0 đ
- K inh p h í c ủ a trường:

- V ay tín dụng:

- Vốn tự có:

- Thu hồi: _________

Thời gian nghiên cứu:

01 năm

Thời gian bắt đầu:

2 0 0 7

Thịi gian kết thúc:

2008

Sơ' đ ãng ký đề tài Số c hứ ng n h ận đ ãng ký kết Bảo mật:

Q T -0 7 -3 6 q u ả ng h iê n cứu a. Phổ biến rộ n g rãi: 0
b. Phổ biến han chế: □

Ngày: c. Bảo mát: □

Tóm tát các kết quả nghiên cứu:

• Đề xuất phương pháp tính khoảng cách lấy mẫu tối ưu trong thành lập mơ

h ình số độ cao b ằ n g cổ n g n g h ệ ảnh số;

• Đ ề x u ấ t p h ư ơ ng p háp k iể m đ ịnh độ chính xác của m ô h ìn h số độ cao với 15
nội d u n g trong đ ó có 5 nội d u n g được đề tài đề x u ất hay cải tiến nh ữ n g ý
tư ở ng đã có, đó là: sử d ụ n g G IS để đ á n h giá m ật độ các đ iê m đ o trong dữ
liệu n g u ồ n , k h o a n h vùng nh ữ n g kh u vực có độ x ám đ ổ n g nhất trên ảnh,
h iể n thị M H S Đ C trong k h ô n g gian 3D và so sánh VỚI thưc trạn g ngoài thực
đ ia nội suy độ dốc kêt hơp tỊuan sát thưc đia đê phát hiệ n nh ữ n g m ặ t dôc
c o n g được đ o vẽ k h ô n g đầy đủ, so sán h giá trị nội suy và giá trị đo được đê
p h át hiện sai số thô trong dữ liệu n g u ồ n dù n g để thành lập M H S Đ C .

• C ơ n g b ô 1 bài báo.

</div>
(83)<div class='page_container' data-page=83>