1 / 57

PEU - POLI - UFRJ

PEU - POLI - UFRJ. Modelagem Numérica de Terrenos EED759. Prof. Carl Horst Albrecht. Programa de Engenharia Urbana - Escola Politécnica - Universidade Federal do Rio de Janeiro Julho 2009. Introdução Motivação Escopo Histórico Conceitos Básicos Geografia 3D Dado e Informação Modelo

caron
Télécharger la présentation

PEU - POLI - UFRJ

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. PEU - POLI - UFRJ Modelagem Numérica de Terrenos EED759 Prof. Carl Horst Albrecht Programa de Engenharia Urbana - Escola Politécnica - Universidade Federal do Rio de JaneiroJulho 2009

  2. Introdução Motivação Escopo Histórico Conceitos Básicos Geografia 3D Dado e Informação Modelo Espacialidade Estatística Geomorfologia e Relevo EED759 PEU/Poli/UFRJ

  3. Elementos de um MNT • Pontos • Isolinhas • Grade Triangular Irregular • Grade Retangular Regular • Aquisição de Dados • Amostragem • Representatividade • Distribuição Espacial • REdução de amostras • Formas de Amostragem • Digitalização • GPS • SAR • Laser Scan EED759 PEU/Poli/UFRJ

  4. Modelagem • Malhas • Triangulação • Interpolação • Visualização • Linhas de Nível • Sombreamento • Colorização • Renderização e Texturas EED759 PEU/Poli/UFRJ

  5. Aplicações • Cálculo de Áreas e Volumes • Perfilamento • Visibilidade e Sombras • Insolação • HIdrologia e Área inundável • Ventos • Navegação • Obras Civis • Intervenção na Paisagem EED759 PEU/Poli/UFRJ

  6. 1 - Introdução 1.3 - Escopo Conceitos Básicos Formulação Básica Aplicação EED759 PEU/Poli/UFRJ

  7. Modelagem Digital de Terreno: • Amostragem • Modelagem • Aplicações EED759 PEU/Poli/UFRJ

  8. Modelagem Digital de Terreno • A amostragemcompreende a aquisição de um conjunto de amostras representativas do fenômeno de interesse. • A modelagemenvolve a criação de estruturas de dados e a definição de superfícies de ajuste com o objetivo de se obter uma representação contínua do fenômeno a partir das amostras. • As aplicaçõessão procedimentos de análise executados sobre os modelos digitais. As aplicações podem ser qualitativas, tais como a visualização do modelo usando-se projeções geométricas planares ou quantitativas tais como cálculos de volumes e geração de mapas de declividades. EED759 PEU/Poli/UFRJ

  9. Modelagem • Estrutura de Dados • Malha Retangular • Malha Triangular • Interpolação • Dependencia Espacial • Geoestatística • Interpolação EED759 PEU/Poli/UFRJ

  10. Estrutura de Dados • Organização de dados computacionais de forma a permitir a utilização eficiente da informação. • Maneira de codificar, em programa de computador, os pontos e polígonos necessários à manipulação da informação tridimensional. • Dados básicos: • Pontos (x,y,z) • Conectividade (retângulos ou triângulos) EED759 PEU/Poli/UFRJ

  11. Malha Retangular Regular - Vantagens A Malha Retangular apresenta facilidade de implementação de aplicativos, pois trabalha com uma estrutura regular, do tipo matricial. Além disso, muitas vezes, os dados são, originalmente, fornecidos na forma de grade regular, e não como amostras, simplificando ainda mais o processo de geração da estrutura de dados. EED759 PEU/Poli/UFRJ

  12. Malha Retangular Regular - Desvantagens A Malha Retangular Regular exige uma densidade homogênea em todo o domínio, não levando em consideração as variações naturais do terreno. Tendência a excesso de informação para poder representar bem detalhes do terreno. Não permite a incorporação de linhas naturais do terreno como rios, linhas de quebra, etc… EED759 PEU/Poli/UFRJ

  13. Malha Triangular Irregular - Vantagens A Malha Triangular Irregular permite que sejam amostrados mais pontos onde for necessário, ou seja, leva em consideração as variações naturais do terreno, nào exigindo uma quantidade de dados excessiva. Não haverá excesso de informação para poder representar bem detalhes do terreno. Incorpora facilmente as linhas naturais do terreno como os rios. EED759 PEU/Poli/UFRJ

  14. Malha Triangular Irregular EED759 PEU/Poli/UFRJ

  15. Malha Triangular Irregular - Desvantagens A topologia irregular deste tipo de representação exige um tratamento bastante complexo dos dados. Várias soluções, chamadas de triangulações, podem ser possiveis para um mesmo conjunto de pontos. Possibilidade de geração de triangulos ”degenerados”, ou grande variação de dimensões de triangulos. EED759 PEU/Poli/UFRJ

  16. Triangulação Uma triangulação fornece uma estrutura combinatória a um conjunto de pontos. Na realidade, um algoritmo de triangulação fornece regras para conectar pontos “próximos”. Embora todas as triangulações tenham o mesmo número de triângulos, a forma dos triângulos é muito importante em aplicações numéricas. O triangulo equilátero é considerado o triangulo ideal. EED759 PEU/Poli/UFRJ

  17. Triangulação de Delaunay • A triangulação de Delaunay conecta os pontos baseado em um único critério: círculos vazios. • Numa triangulação de Delaunay o circuncirculo de cada triangulo não contem nenhum outro ponto. EED759 PEU/Poli/UFRJ

  18. Triangulação de Delaunay EED759 PEU/Poli/UFRJ

  19. Triangulação de Delaunay • Flip de Aresta e e EED759 PEU/Poli/UFRJ

  20. Triangulação de Delaunay • Triangulação de Delaunay tem a importante propriedade de, entre todas as triangulações de um conjunto de pontos (P ), maximizar o menor de todos os ângulos internos dos triângulos. EED759 PEU/Poli/UFRJ

  21. Triangulação de Delaunay Flip de aresta EED759 PEU/Poli/UFRJ

  22. Triangulação de Delaunay • Construir a triangulação de Delaunay não é simples. • Existem vários algoritmos. • O mais simples é o incremental. EED759 PEU/Poli/UFRJ

  23. Triangulação de Delaunay EED759 PEU/Poli/UFRJ

  24. Triangulação de Delaunay EED759 PEU/Poli/UFRJ

  25. Triangulação de Delaunay com Restrição EED759 PEU/Poli/UFRJ

  26. Interpolação • Dependencia Espacial • Geoestatística • Interpolação • Estimar outros valores, em pontos diversos, além dos valores amostrados. • Transfomar Grade Triangular em Retangular • Aumentar o numero de pontos conhecidos da superfície EED759 PEU/Poli/UFRJ

  27. 15º 17º ? 22º • Interpolação EED759 PEU/Poli/UFRJ

  28. 15º 17º ? 22º • Métodos de Interpolação • Globais ou Locais • Exatos ou Aproximados • Graduais ou Abruptos • Determinísticos ou Estatísticos EED759 PEU/Poli/UFRJ

  29. Métodos de Interpolação • Locais x Globais • Os métodos locais usam as informaçõs dos pontos existentes em uma determinada vizinhança. • Os métodos globais utilizam a informação de de todos os dados conhecidos. EED759 PEU/Poli/UFRJ

  30. Temperatura (ºC) 8 10 12 14 16 18 • Métodos de Interpolação • Gradual x Abrupto • Os métodos graduais geram uma superfície contínua • Os Métodos abruptos geram uma superfície discreta Interpolador gradual Interpolador abrupto EED759 PEU/Poli/UFRJ

  31. Métodos de Interpolação • Exatos x Aproximados • Nos métodos exatos a superfície interpolada passa EXATAMENTE sobre os pontos conhecidos. • Nos métodos aproximados a superfície pode ou não passar sobre os pontos. Na verdade são métodos de aproximação e não de interpolação. EED759 PEU/Poli/UFRJ

  32. Métodos de Interpolação • Exatos x Aproximados Atributo Atributo Distância Distância Interpolador exato Interpolador aproximado EED759 PEU/Poli/UFRJ

  33. Métodos de Interpolação • Determinísticos x Estatíticos • Os métodos determinísticos usam diretamente as informaçõs dos pontos existentes. Levando em consideração a posição e o valor. • Os métodos estatísticos utilizam a informação de correlação entre os dados, considerando melhor a espacialidade e a incerteza das medições. Introduzem o conceito de aleatoriedade. EED759 PEU/Poli/UFRJ

  34. Interpolação Vizinho mais Próximo (determinístico) Para cada ponto xy da grade é atribuído a cota da amostra mais próxima ao ponto. Este interpolador deve ser usado quando se deseja manter os valores de cotas das amostras na grade sem gerar valores intermediários. É um interpolador abrupto. EED759 PEU/Poli/UFRJ

  35. Interpolação Média Móvel (Determinística) Onde: Z* = Valor calculado Zi = Valores amostrados Wi = função de ponderação n = numero de pontos da amostra utilizados EED759 PEU/Poli/UFRJ

  36. Interpolação Média Simples (determinístico) o valor de cota de cada ponto da grade é estimado a partir da média simples das cotas dos N vizinhos mais próximos desse ponto. Utilizado geralmente quando se requer maior rapidez na geração da grade, para avaliar erros grosseiros na digitalização. EED759 PEU/Poli/UFRJ

  37. ^ Z– valor interpolado Z – valor medido no ponto id – distância ao ponto ip – expoente de ponderaçãon – número de pontos usados no cálculo Interpolação Média Inversamente proporcional à distância (determinístico) Método de Shepard O valor de cada ponto é estimado a partir da média simples das cotas dos N vizinhos mais próximos desse ponto ponderada pelo inverso da distância entre os pontos. EED759 PEU/Poli/UFRJ

  38. 15º 17º ^ Z– valor interpolado Z – valor medido no ponto id – distância ao ponto ip – expoente de ponderaçãon – número de pontos usados no cálculo 19.6º 40 Km 22º 30 Km 20 Km Média Inversamente proporcional à distância Método de Shepard EED759 PEU/Poli/UFRJ

  39. Médias móveisInverso do Peso da DistânciaMétodo de Shepard • O peso da distância é ajustado por um expoente • Maior expoente => maior influência da distância Interpolação IDW entre dois pontos conhecidos Ponto A = 100 Ponto B = 50 EED759 PEU/Poli/UFRJ

  40. 15º 17º 70 60 50 20.8º 40 30 22º 20 10 0 Análise de tendências • Ajusta um polinomio aos dados pontuais • Interpolador global e estatístico T = – (0.0014 * y2) – (0.0758 * y) + 22.24 Coordenada Y EED759 PEU/Poli/UFRJ

  41. Aproxima uma superfície por uma soma de senos e cosenos Usado para dados periódicos Interpolador global Séries de Fourier Curva decomposta em duas curvas de seno Dados aproximados por uma curva EED759 PEU/Poli/UFRJ

  42. Krigagem (geoestatístico) • Estima o valor do ponto minimizando a erro estatístico, ou seja levando em conta a variância dos dados em torno do ponto. • Utiliza o variograma para definir os vizinhos • É válido num região restrita em torno do ponto EED759 PEU/Poli/UFRJ

  43. Geoestatística A presença de dependência espacial ou temporal requer o uso da geoestatística, a qual surgiu na África do Sul, quando KRIGE (1951), trabalhando com dados de concentração de ouro, concluiu que não conseguia fazer bom uso das variâncias, se não levasse em conta a distância entre as amostras. Do trabalho de KRIGE surgiu o termo krigagem para a técnica de calcular valores não amostrados à partir das amostras de valores pontuais. As aplicações da geoestatística, atualmente vem crescendo e em sido aplicada em vários campos do conhecimento como ecologia, climatologia, engenharia, dentre outros. EED759 PEU/Poli/UFRJ

  44. Krigagem • Estima o valor do ponto minimizando a erro estatístico, ou seja levando em conta a variância dos dados em torno do ponto. • Utiliza o variograma para definir os vizinhos • É válido num região restrita em torno do ponto Krigagem Simples EED759 PEU/Poli/UFRJ

  45. Krigagem Ordinária EED759 PEU/Poli/UFRJ

  46. EED759 PEU/Poli/UFRJ

  47. Espacialidade – Variograma Empírico EED759 PEU/Poli/UFRJ

  48. Semivariograma Empirico Patamar: Região de não dependência espacial EED759 PEU/Poli/UFRJ

  49. Semivariograma Teorico EED759 PEU/Poli/UFRJ

  50. EED759 PEU/Poli/UFRJ

More Related