OLEH :
BUNGA SAHRUNI
R1B118026
KENDARI
2021
5 LIDAR FOR URBAN APPLCATION
5.2 Ekstrak Jalan
Untuk memperbarui database GIS dan aplikasi lainnya, ekstraksi jalan dari citra digital
telah mendapat perhatian yang cukup besar dalam beberapa dekade terakhir. Ekstraksi jalan yang
sepenuhnya otomatis di daerah perkotaan dapat menjadi sulit karena kompleksitas fitur
perkotaan, sementara digitalisasi jalan secara manual dari gambar dapat memakan waktu. Fitur
tanah seperti badan air dan perkerasan aspal biasanya memiliki nilai intensitas Lidar yang sangat
rendah, sementara beberapa atap bangunan mungkin juga memiliki nilai intensitas yang sangat
rendah.
Setelah menggabungkan gambar intensitas dan Dsm non-tanah, gambar yang
digabungkan dapat disegmentasi menggunakan ambang batas. Citra biner yang dihasilkan dapat
diproses lebih lanjut menggunakan operator morfologi matematika. Setelah vektorisasi, jalan
yang diekstraksi dapat diperbaiki melalui pengeditan interaktif.
Dengan meningkatnya ketersediaan citra satelit resolusi tinggi dan data lidar dalam dua
dekade terakhir, penggalian bangunan dari data penginderaan jauh telah menjadi bidang
penelitian yang signifikan. Sebuah tinjauan dari sebagian besar metode dapat ditemukan dalam
karya ioannidis et al. Dengan meningkatnya permintaan untuk model kota tiga dimensi dan
ketersediaan data lidar, rekonstruksi bangunan 3d telah mendapat perhatian yang luas, dan
banyak metode untuk rekonstruksi bangunan telah diusulkan. Jika x menunjukkan koordinat 3d
dari titik lidar, maka model gaussian 3d, dapat digunakan untuk menggambarkan distribusi titik
lidar dalam patch planar.
Karena keakuratan data lidar yang terbatas, titik awan lidar dari atap planar tidak persis
terletak pada bidang matematika tetapi tersebar di dalam pelat tipis di dekat atap, dan
penyimpangan titik dari bidang tersebut sesuai dengan distribusi Gaussian yang berpusat pada
nol.
Gambar 5.22. Road blockage and connection errors (red points) detected in Port-au-Prince, Haiti using web-based
application. The background is a LiDAR-derived digital surface model.
5.1 Proyeksi Hitungan : Mencari Titik Lidar 3D Dekat Listrik Di Kota Denton, TX,
AS.
1. Perkenalan : 3DGISTeam Esri membuat Alat Sampel 3D untuk ArcGIS Desktop
10.2–10.5 pada Februari 2015. Alat Sampel 3D memiliki lebih dari 50 alat
geoproses dan utilitas yang berdiri sendiri untuk konversi data, analisis fitur, TIN,
analisis vegetasi, analisis LiDAR, klasifikasi LiDAR, dan LiDAR manajemen
(Gambar 5.23).
2. Data : Fileberikut tersedia di http://geography.unt.edu/~pdong/
LiDAR/Chapter5/Project5.1/: (1): File LAS “Denton2011.las” untuk awan titik
LiDAR seluas 2,97 km × 3,15 km di Denton, TX, AS; dan (2) Shapefile 3D
“PowerLine3D.shp” (dan tujuh file lain dengan ekstensi berbeda) yang
mensimulasikan powerline dalam 3D. Lokasi saluran listrik yang disimulasikan
berada di sepanjang West Hickory Street dan antara Avenue C dan Avenue F di
Denton, TX, AS. File-file ini harus diunduh ke folder lokal Anda (klik kanan
setiap file untuk mengunduh file).
3. LangkahProyek
1) Buka dokumen Word kosong sehingga Anda dapat menyalin hasil apa pun
dari langkah-langkah berikut ke dokumen. Untuk menyalin seluruh layar
ke dokumen Word Anda, tekan tombol PrtSc (layar cetak) pada keyboard
Anda, lalu buka dokumen Word Anda dan klik tombol "Tempel" atau
tekan. Ctrl+V untuk menempelkan konten ke dalam dokumen Anda.
Untuk menyalin jendela aktif ke dokumen Word Anda, tekan Alt+PrtSc,
lalu tempel konten ke dalam dokumen Anda.
2) Buka ArcMap dan periksa apakah Alat Sampel 3D terdaftar di
ArcToolbox. Jika Alat Sampel 3D sudah terpasang di ArcToolbox Anda,
lanjutkan ke Langkah Jika tidak, Anda dapat mengunduh alat dari
http://www.arcgis.com/home/item.html?
id=fe221371b77940749ff96e90f2de3d10 (jika tautan ini tidak ada lagi,
Anda dapat mengunduh “Install_3D_Samples.zip” dari http://
geografi.unt.edu/~pdong/ LiDAR/Chapter5/Project5.1/), unzip file zip
yang diunduh, dan jalankan “Install 3D Sample” untuk menginstal 3D
Sample Tools dalam folder. Klik kanan ArcToolbox dan pilih “Add
Toolbox…”, lalu pilih “3D Sample Tools.tbx” dari folder instalasi, dan
klik “Open” (Gambar 5.24). Alat Sampel 3D akan muncul di ArcToolbox.
3) Buka ArcMap,pilih Sesuaikan→Toolbar dan pilih“LAS Data set,” lalu
pilihCustomize→Ekstensi dan aktifkan Ekstensi Analis3D.
4) Buka Arc Toolbox→Alat Manajemen Data→Kumpulan DataLAS→Buat
Kumpulan Data LAS. Gunakan Denton 2011.las sebagai input dan
Denton. lasd sebagai output untuk membuat kumpulan data LiDAR.
Dataset LAS ditambahkan ke ArcMap secara otomatis.
5) Tambahkan PowerLine3D ke ArcMap, klik kanan “PowerLine3D” dan
pilih “Zoom To Layer,” lalu simpan proyek ArcMap Anda sebagai
Project5.1.mxd (Gambar 5.25).
6) Buka ArcToolbox → Alat Sampel 3D → Analisis Lidar → Cari Poin LAS
Dengan Kedekatan. Gunakan Denton.lasd sebagai input dataset LAS,
PowerLine3D sebagai input fitur 3D, 5 sebagai 3D distance,
Proximity5.shp sebagai output feature class, POINT sebagai tipe geometri
output, lalu klik OK untuk membuat output (Gambar5.26).
7) Buka ArcScene lalu tambahkan Denton.lasd, PowerLine3D, dan
Proximity5 ke ArcScene. Ubah properti adegan dan simbologi layer jika
diperlukan; kemudian navigasikan adegan 3D (Gambar 5.27).
8) Simpan proyek ArcMap dan ArcScene Anda, dan dokumenWord.
Gambar 5.25 Kumpulan Data Lidar Dan Saluran Listrik Simulasi Di Denton, TX, AS.
Gambar 5.27 Set data LiDAR, powerline 3D, dan titik kedekatan di ArcScene.
Gambar 5.31 Poligon bangunan yang dikonversi (bldg_poly) dalam blok sensus.
8 jumlah bangunan di setiap blok sensus, (2) raster biner untuk bangunan (bldg_mask2)
yang dapat digunakan untuk mendapatkan luas bangunan di setiap blok sensus, dan (3)
raster tinggi bangunan “dhm_bldg” yang dapat digunakan untuk mendapatkan volume
bangunan di setiap blok sensus. Menggunakan variabel-variabel ini dari blok sensus
terpilih sebagaix, dan populasi 2010 yang sesuai (tersedia di shapefile blok sensus)
sebagai kamu, persamaan regresi OLS dapat diperoleh untuk mengestimasi jumlah
penduduk di daerah penelitian.
9 Pilih blok sensus sebagai sampel pelatihan. Sebanyak 30 blok sensus dipilih secara acak
sebagai sampel pelatihan dan disimpan sebagai shapefile baru “blocksamples.shp”
(Gambar 5.33). Pada langkah berikut, populasi, jumlah bangunan, luas bangunan, dan
volume bangunan dari blok sampel digunakan untuk membangun model regresi.
10 Mendapatkan jumlah bangunan di setiap blok sensus dengan menggunakan
spasialjoin.BukaArcToolbox→AlatAnalisis→Hamparan→SpatialJoin(Gambar5.34),
gunakan sensusblock sebagai fitur target, bldg_poly sebagai fitur join, sp- join. shp
sebagai kelas fitur keluaran, dan CONTAINS sebagai opsi pencocokan untuk membuat
gabungan spasial antara blok sensus dan poligon bangunan. Pada tabel atribut kelas fitur
keluaran, field “Join_Count” mewakili jumlah bangunan di setiap blok sensus. Perhatikan
bahwa opsi kecocokan default adalah INTERSECT, yang akan menghasilkan hitungan
tambahan di bidang "Join_Count". Menggunakan CONTAINS sebagai opsi pencocokan
akan menghasilkan jumlah bangunan yang tepat di setiap blok sensus.
11 Didapatkan luas bangunan pada setiap blok sensus dengan menggunakan Statistik Zona
seperti Tabel. Buka ArcToolbox→ Alat Analis Spasial → Zonal → Statistik Zona
sebagai Tabel, gunakan blocksamples.shp sebagai data zona fitur, FID sebagai bidang
zona, dan raster biner “bldg_mask2” sebagai nilai input raster, pilih “SUM” sebagai jenis
statistik, dan klik OK untuk menghasilkan statistik zona di tabel output. Karena raster
biner “bldg_mask2” memiliki nilai sel 0 untuk non-bangunan dan 1 untuk bangunan, tipe
statistik SUM akan melaporkan jumlah total sel bangunan di setiap blok sensus di
blocksamples.shp. Kolom SUM pada tabel output tidak hanya merepresentasikan jumlah
sel bangunan tetapi juga luas sel bangunan di setiap blok sensus karena ukuran sel 1m×
1m. Untuk informasi lebih lanjut tentang alat Statistik Zona sebagai Tabel, lihat Proyek
2.1.
12 Dapatkan volume bangunan di setiap blok sensus dengan menggunakan Statistik Zona
sebagai Tabel. Mirip dengan Langkah 13, volume bangunan di setiap blok sensus sampel
dapat diperoleh dari ArcToolbox→ Alat Analis Spasial → Zonal → Statistik Zona
sebagai Tabel. Pilih blocksamples.shp sebagai data zona fitur, FID sebagai bidang zona,
dan raster biner “dhm_bldg” sebagai raster nilai input, pilih “SUM” sebagai jenis
statistik, dan klik OK untuk menghasilkan statistik zona di tabel output.
13 Membuat model regresi. Hasil dari Langkah 9–12 dirangkum dalam Tabel 5.3. Tabel
dapat diekspor sebagai file teks, dan diimpor ke Excel untuk membuat model regresi
(Gambar 5.35 hingga5.37). Tabel 5.3. Populasi, jumlah bangunan, luas bangunan, dan
volume bangunan pada 30 blok sensus sampel.
14 Memperoleh jumlah bangunan, total luas bangunan, dan total volume bangunan di semua
blok sensus, dan menghitung perkiraan jumlahpenduduk. Catatan: Jumlah total bangunan,
luas bangunan, dan volume bangunan harus diperoleh dari 141 blok sensus, bukan dari
seluruh raster karena beberapa wilayah dalam raster tidak tercakup dalam blok sensus
dalam proyek ini. Sebanyak 2650 bangunan dipilih di 141 blok sensus, dan perkiraan
populasi adalah 7792 berdasarkan model regresi pada Gambar 5.35. Total luas bangunan
(668.775 m2) dan total volume bangunan (3.208.273,81 m3) dapat diperoleh dengan
menggunakan metode yang sama seperti pada Langkah 13 dan 14, tetapi dengan
“censusblocks.shp” sebagai data zona fitur. Berdasarkan model regresi pada Gambar 5.36
dan 5.37, perkiraan populasi adalah 8629 dan 8347. Dibandingkan dengan total populasi
(8235) dari 141 blok sensus di wilayah studi (data Sensus 2010), kesalahan relatif
estimasi populasi menggunakan hitungan bangunan , luas bangunan, dan volume
bangunan masing-masing adalah 5,38%, 4,78%, dan 1,36%. Seperti yang dapat dilihat
dari hasil, akurasi estimasi populasi area kecil dapat mencapai lebih dari 95%
menggunakan data LiDAR. Tampaknya volume bangunan memberikan perkiraan
populasi terbaik dalam proyek ini. Namun, kesimpulannya bisa berbeda jika satu set blok
pelatihan yang berbeda dipilih untuk membangun persamaan regresi.