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

امروزه تکنولوژی رو به رشد لیدار به‌دلیل قدرت نفوذ پالس‌های لیزر در پوشش گیاهی برای تهیه مدل‌های رقومی زمین به خصوص در مناطق جنگلی بسیار مورد توجه است. تولید مدل رقومی زمین با داده‌های لیدار شامل دو مرحله فیلتر کردن و درونیابی می‌باشد. روش‌های 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 روش‌های درونیابی معکوس فاصله وزنی[1] و چند جمله‌ای‌ها[2] بهبود داده شد و عملکرد آن‌ها با روش‌های 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 منطقه‌اول با تاج پوشش گیاهی متراکم (تاورکوه) و منطقه‌دوم با پوشش گیاهی علفزار (حوزه رودخانه شصت کلا) بهترین عملکرد را در بین روش‌های درونیابی به‌کار گرفته‌شده در این تحقیق داشته‌است. [1] Inverse Distance Weighting [2] Polynomials [3] Kriging [4] Radial Basis Function