fa ارزیابی توانایی روش‌های تشخیص خطاهای بارز در مدل‌سازی رقومی زمین فتوگرامتری و سنجش از دور Photo&RS پژوهشي Research امروزه مدل‌‌های رقومی زمین (DEM‌)، یک منبع مهم داده‌‌ی مکانی برای کاربردهای متنوع در بسیاری از زمینه‌های علمی و تجاری می‌باشد. از این‌رو، خصوصیت اصلی آن‌‌ها، یعنی دقت، مورد توجه ویژه‌ای قرار دارد. این مدل‌ها در مراحل نمونه‌برداری، اندازه-گیری و بازسازی با انواع مختلفی از خطاها آلوده می‌گردند. این خطاها به سه گروه؛ اتفاقی، سیستماتیک، و بارز تقسیم می‌شوند. وجود خطاهای بارز موجب بروز نتایج غیر قابل قبول در محصول نهایی می‌گردد. بنابراین، شناسایی و حذف خطاهای بارز از داده‌های مدل رقومی زمین، توجه بسیاری را در آنالیزهای داده‌های مکانی به خود معطوف ساخته است. اغلب روش‌های موجود بر مبنای آزمون‌های آماری هستند که به دلیل ایزوله در نظر گرفتن مشاهدات و صرفنظر کردن از تاثیرات آن‌ها روی مشاهدات دیگر مشکلات قابل توجهی را ایجاد می‌نمایند. به‌دلیل ضعف و محدودیت این روشها، در این پژوهش الگوریتمی مبتنی بر برآورد پایدار به روش کمترین مربعات با وزن‌دهی تکراری (IRLS‌) ارائه شده است. همچنین، کاربرد روش پیشنهادی در مقابل شیوه‌ی کلاسیک کمترین مربعات مورد آزمون قرار گرفته است. برای این منظور، منطقه‌ی مورد نظر به چند بخش تقسیم می‌شود. در هر بخش با برازش یک سطح دوخطی و محاسبه‌ی بردار باقیمانده‌ها با استفاده از برآورد پایدار سعی در کمینه کردن مجموع مربعات بردار باقیمانده‌ها و کشف خطاها می‌شود. نتایج بدست آمده حاکی از آن است که روش پیشنهادی یک راه‌حل با بیشترین پایداری فراهم می‌نماید که شناسایی مشاهدات دارای خطای بارز را امکان‌پذیر می‌سازد. Nowadays, digital terrain models (DTM) are an important source of spatial data for various applications in many scientific and commercial disciplines. Therefore, special attention is given to their main characteristic ‐ accuracy. These models are infected with various types of errors in the process of sampling, measurement and reconstruction. These errors are divided in to three groups: random, systematic and gross errors. As it is well known, the source data for DEM creation contributes a large amount of errors, including gross errors (blunders), to the final product, which are unacceptable for a practical project. Therefore, the detection and deletion of gross error from DTM data has been becoming a great concern in geospatial data analysis. Most of existing approaches are based on statistical tests and present considerable problems for isolating observations and avoiding their influence. This paper presents an algorithm based on robust estimation with IRLS. Also, the application of robust methods to digital terrain modeling is analyzed versus the classical least-squares approach. Entire dataset is divided into some separate patches. In each patch a bilinear surface is fit to fully surrounded points and the residual for each point is estimated. By the use of robust estimation, it is tried to minimize the sum of squared residuals in order to detect points with gross error. The results showed that the proposed method provides a maximum-resistance solution and therefore the capability of identifying blunders. مدل رقومی زمین, خطای بارز, برآورد کمترین مربعات, برآورد پایدار Digital Terrain Model, Blunder Detection, Least Squares Adjustment, Robust Estimation 89 106 http://jgst.issgeac.ir/browse.php?a_code=A-10-25-90&slc_lang=fa&sid=1 F. Samadzadegan فرهاد صمدزادگان samadz@ut.ac.ir 10031947532846001491 10031947532846001491 No گروه مهندسی نقشه برداری - پردیس دانشکده‌های فنی -‌ دانشگاه تهران M. Hamidi معصومه حمیدی m.hamidi@ut.ac.ir 10031947532846001492 10031947532846001492 Yes گروه مهندسی نقشه برداری - پردیس دانشکده‌های فنی -‌ دانشگاه تهران