Journal of Geomatics Science and Technology

fa ادغام مدل های رقومی ارتفاعی جهانی با استفاده از تلفیق مدل رگرسیون وزن دار جغرافیایی و الگوریتم بهینه سازی توده ذرات Fusing Global Digital Elevation Models Using a Combination of Geographically Weighted Regression Model and Particle Swarm Optimization Algorithm سامانه های اطلاعات مکانی GIS پژوهشي Research <div style="text-align: justify;">مدلهای رقومی ارتفاعی جهانی (GDEMs) یکی از مهمترین منابع دادههای ارتفاعی هستند. در طی سالهای اخیر، GDEMs به دلیل پوشش جهانی و قابلیت دسترسی رایگان به صورت فزایندهای مورد توجه محققین مختلف قرار گرفتهاند. از پرکاربردترین این مدلها میتوان به AW3D، ASTER و SRTM اشاره نمود. هر یک از این مدل‌ها توسط فناوریهای مختلف تولید میشوند و نقاط قوت و ضعف متفاوتی دارند. این امر موجب شده که مدلهای مذکور با یکدیگر تطابق کامل نداشته باشند و دقت هر یک از آنها تابع توپوگرافی محلی سطح زمین باشد. هدف اصلی این مطالعه، ادغام مدلهای رقومی ارتفاعی جهانی جهت تولید مدلی با دقت ارتفاعی بالاتر نسبت به هر یک از مدلهای اولیه میباشد. در همین راستا، در این مطالعه یک روش دو مرحلهای برای ادغام مدلهای رقومی ارتفاعی پیشنهاد شده است. در مرحله اول، با استفاده از مدل رگرسیون وزندار جغرافیایی (GWR) مناطقی از سطح زمین که دارای ویژگیهای مشابه هستند، در کلاسهای یکسانی طبقهبندی خواهند شد. در مرحله دوم، به منظور ادغام GDEMs، وزن بهینه هر یک از کلاسهای تعریف شده برای هر یک از مدلهای AW3D، ASTER و SRTM با استفاده از الگوریتم بهینهسازی توده ذرات (PSO) برآورد میشود. به منظور ارزیابی دقیق روش پیشنهادی، از این روش برای تولید مدل نهایی حاصل شده از ادغام (FusedDEM) در دو منطقه بومهن و تازهآباد استفاده شده است. در منطقه مطالعاتی اول (بومهن)، مقدار جذر میانگین مربع خطاها (RMSE) روی نقاط ارزیابی برای مدلهای رقومی ارتفاعی AW3D، ASTER و SRTM در حالت پنج کلاسه به ترتیب 58/4 ، 69/8 و 70/4 متر و برای مدل نهایی حاصل شده از ادغام، برابر با 97/3 متر میباشد. به همین ترتیب در منطقه مطالعاتی دوم (تازهآباد)، مقدار RMSE روی نقاط ارزیابی برای هر یک از مدلهای AW3D، ASTER و SRTM به ترتیب 33/3، 31/7 و 17/3 متر و برای مدل نهایی حاصل شده از ادغام، برابر با 74/2 متر میباشد.  نتایج حاصل نشان میدهندکه روش پیشنهادی قادر است با بهرهگیری از نقاط قوت هر یک از این مدلهای ورودی در فرآیند ادغام، مدلی با دقت بالاتر نسبت به هر یک از مدلهای اولیه تولید نماید.</div> <div style="text-align: justify;">Global Digital Elevation Models (GDEMs) are one of the most important sources of elevation data. In recent years, GDEMs have become increasingly popular with researchers due to their global coverage and free accessibility. The most commonly used GDEMs are AW3D, ASTER, and SRTM. Each of these models is produced by different technologies and have different strengths and weaknesses. This issue indicates that these data are not necessarily consistent with another, and their accuracy is dependent on the local topography of the earth. The main objective of this research is to fuse global digital elevation models to produce a model with higher vertical accuracy. In this regard, in this study, a two-step approach is proposed for fusing GDEMs. In the first step, a Geographically Weighted Regression (GWR) model is used to determine areas of the Earthchr('39')s surface that have similar properties. In other words, using the GWR model, regions of the study areas with similar behaviors are classified into the same classes. At this step, each of these study areas is classified into three, five, and seven classes. Among these modes, for both study areas, the best results are for five Class mode. In the second step, to fuse GDEMs, the optimum weight of each class defined for each of AW3D, ASTER, and SRTM models are estimated using the particle swarm optimization (PSO) algorithm. In order to evaluate the accuracy of the proposed method, it has been used to produce the fused DEM for two study areas of BumeHen and TazehAbad. In the first case study (BumeHen), the amount of Root Mean Square Error (RMSE) on test points in five class mode for AW3D, ASTER and SRTM are 4.58, 8.69 and  4.70 meters respectively, while it’s 3.97 meters for fused DEM. In the second case study (TazehAbad), the amount of RMSE on test points in five class mode for AW3D, ASTER, and SRTM are 3.33, 7.31, and 3.17 meter respectively and it’s 2.74 meters for fused DEM. The results show that the proposed method is capable of producing a higher accuracy model than any of the initial models by utilizing the potential of each of these input models in the fusion process.</div> مدل های رقومی ارتفاعی, الگوریتم بهینه سازی توده ذرات, مدل رگرسیون وزن دار جغرافیایی, ادغام داده های ارتفاعی Digital Elevation Models (DEMs), Particle Swarm Optimization (PSO) Algorithm, Geographically Weighted Regression (GWR), Fusion of Elevation Data 129 142 http://jgst.issgeac.ir/browse.php?a_code=A-10-698-2&slc_lang=fa&sid=1 B. Tashayo بهنام تشیع B.Tashayo@eng.ui.ac.ir 10031947532846007477 10031947532846007477 Yes Department of Geomatics Engineering, Faculty of Civil Engineering and Transportation, University of Isfahan گروه مهندسی نقشه‌برداری، دانشکده مهندسی عمران و حمل و نقل - دانشگاه اصفهان