بهینه سازی درونیابی ارتفاع داده های لیدار در تولید مدل رقومی زمین مناطق جنگلی با استفاده ازالگوریتم ژنتیک

امروزه تکنولوژی رو به رشد لیدار به دلیل قدرت نفوذ پالس های لیزر در پوشش گیاهی برای تهیه مدل های رقومی زمین به خصوص در مناطق جنگلی بسیار مورد توجه است. تولید مدل رقومی زمین با داده های لیدار شامل دو مرحله فیلتر کردن و درونیابی می باشد. روش های مختلفی برای فیلتر کردن وجود دارد که در تحقیق حاضر از فیلتر شیب مبنا و هیبرید برای فیلتر کردن ابر نقاط خام داده لیدار استفاده گردید و سپس بااستفاده از الگوریتم ژنتیک روش های درونیابی معکوس فاصله وزنی[1] و چند جمله ای ها[2] بهبود داده شد و عملکرد آن ها با روش های معمول درونیابی مانند کریجینگ[3] و توابع پایه شعاعی[4] و غیره مقایسه گردید. نتایج نشان داد فیلتر هیبرید با درونیابی معکوس فاصله وزنی بهبود داده شده توسط الگوریتم ژنتیک با میانگین مجموع مربعات خطا 135/0 متر و 230/0 متر برای منطقه اول با تاج پوشش گیاهی متراکم (تاورکوه) و منطقه دوم با پوشش گیاهی علفزار (حوزه رودخانه شصت کلا) بهترین عملکرد را در بین روش های درونیابی به کار گرفته شده در این تحقیق داشته است. [1] inverse distance weighting [2] polynomials [3] kriging [4] radial basis function