Google Earth / kartortopografi

Testa noggrannheten i Googles höjddata - Överraskning!

Google Earth ger tillgång till höjddata med en gratis Google Elev Elev API-nyckel. Civil Site Design, utnyttjar denna potential med sin nya Satellite to Surface-funktionalitet. Med den här funktionen kan du välja ett område och avståndet mellan gridens punkter, det returnerar en yta med nivåkurvor integrerad med Civil Site Design-programvaran och en flygbild.

Lance Maidlow of ChasmTech LLC byggde detta fall av användningen som publicerades i TwinGEO tidningen

Jag var alltid nyfiken på noggrannheten i de data som tillhandahållits av Google. Det fanns två möjliga användarfall som jag hade i åtanke:

  • Konceptuell / preliminär design för nya indelningar.
  • Tillgång till bassängens topografi för analys av floodplains med HEC-RAS 2

För utvärderingsändamål valde jag två sidor:

  • 1-platsen var en mycket hög delavdelning i Dunedin, Florida. För detta hade jag ursprungligen hämtat och bearbetat över 2 miljoner LiDAR-poäng från NOAA-webbplatsen.
  • 2-webbplatsen var en föreslagen kommersiell delavdelning i Lake County, Florida, där vi hade undersökningsdata i ett 100-nät, samt detaljerade undersökningar av befintlig infrastruktur.

Funktionen satellit till yta, genererade ytor för de två testområdena på mindre än 10 minuter vardera. Ytor som genererades från Googles höjddata var överraskande noggranna när man jämförde LiDAR och undersökningsdata.

Det skulle emellertid vara mycket användbart om Google gav källan och datumet för din höjddata.

Resultaten är mycket lika, men de ursprungliga LiDAR poängen var 8.5 lägre fötter jämfört med nivån på en känd sjö. Denna anpassning sattes till LiDAR-data i Civil Site Design innan konturerna skapades, vilket visas nedan i den detaljerade jämförelsen av ytdata mellan de två källorna. Den genomsnittliga höjden på 1 / 2, 1 / 3 och 2 / 3 är praktiskt taget identisk. Den viktade genomsnittliga höjden är 3-fötter högre än LiDAR-dataens. Denna skillnad beror på att punkterna är tätare i öppna områden jämfört med områden som omfattas av träd. Satellitdata genererades i ett 20-nät.

Därefter presenteras en visuell inspektion av satellitdata som jämför sig positivt med terrängens verkliga förhållanden.

I det här fallet måste en nod placeras vid Google-höjden vad gäller rånoggrannhet och kurvanas allmänna form i förhållande till befintliga vägar och husets lägesförhållanden.

Indelning av kommersiell zon

I följande exempel på kommersiell underavdelning genererades konturerna från ett 20-nät med satellitdata, de röda kurvorna erhölls från igenkänningsdata i ett 100-nät.

Lokal kunskap är emellertid viktig eftersom höjddata inte har ett identifierat datum. En depression slutfördes och en reservation skapades efter att de samlat in Google Elevation data. På samma sätt byggdes en anläggningsdamm i nordöstra delen av platsen, efter det att alla höjdsdata samlades in.

Källan för Googles höjddata varierar beroende på din plats. Även om mer information om Googles höjddata kan erhållas från vissa källor, är det fortfarande ett mysterium.

Även om denna analys inte är vetenskaplig kan den indikera att data från Google Elevation är acceptabla och kan övervägas för konceptuella utformningar av urbaniseringar eller för att skapa en bassäng, som kan användas för översvämningsanalys med applikationer som HEC RAS 2.

Golgi Alvarez

Författare, forskare, specialist på Land Management Models. Han har deltagit i konceptualisering och implementering av modeller som: National System of Property Administration SINAP i Honduras, Model of Management of Joint Municipalities in Honduras, Integrated Model of Cadastre Management - Registry in Nicaragua, System of Administration of the Territory SAT in Colombia . Redaktör för Geofumadas kunskapsblogg sedan 2007 och skapare av AulaGEO Academy som inkluderar mer än 100 kurser om GIS - CAD - BIM - Digital Twins-ämnen.

Relaterade artiklar

en kommentar

  1. God eftermiddag:
    Det är komplicerat att jämföra godheten / precisionen hos de altimetriska data som erhållits av olika källor.
    Problemet ligger i beräkningsprocessen / metoden genom vilken DEM- eller lidardata som jämförs har erhållits -> masksteg, Geoidal modell beaktad, kontrollpunkter etc.
    Jag kommer att genomföra en studie i Spanien för att jämföra IGN: s Lidar z ortometriska, RTK GPS-undersökning med stöd av högprecisionsnivellering och google earth -> på min blogg kommer jag att berätta vad som kommer ut ....http://autodidactaengeomatica.blogspot.com/
    Hälsningar och tack för dina bidrag ...
    Raul

Lämna en kommentar

Tillbaka till toppen knappen