Prostor kraj čas 16 VIZUELIZACIJA RASTERSKIH PODATAKA LASERSKOG SKENIRANJA IZ ZRAKA Žiga Kokalj, Ralf Hesse i Admir Mulahusić PROSTOR, KRAJ, ČAS 3 PROSTOR, KRAJ, ČAS Vizuelizacija rasterskih podataka laserskog skeniranja iz zraka Žiga Kokalj Ralf Hesse Admir Mulahusić Založba ZRC Ljubljana 2018 Ovu knjigu želimo posvetiti našim voljenim suprugama i životnim saputnicama Anji, Isabell, Lejli. Hvala vam za vašu veliku ljubav i podršku u ostvarivanju naših snova i životnih ciljeva. Žao nam je što vam nismo jasnije i češće govorili koliko nam značite. Vaši, Žiga, Ralf, Admir PROSTOR, KRAJ, ČAS 16 Vizuelizacija rasterskih podataka laserskog skeniranja iz zraka Žiga Kokalj, Ralf Hesse i Admir Mulahusić Uredili: Žiga Kokalj, Tatjana Veljanovski Fotografije: Jovan Cukut, Forestry Commission Scotland, Katarina Gerometta, Lawrence Goldman, Žiga Kokalj, Boštjan Laharnar, Brian Lockett, Damir Matošević, Frank Numrich, Darko Veselinović, Michael Wilson Izdavač: ZRC SAZU, Inštitut za antropološke in prostorske študije Nakladni zavod: Založba ZRC Za njih: Ivan Šprajc, Oto Luthar Glavni urednik Založbe ZRC: Aleš Pogačnik Recenzenti: Nedim Tuno, Benjamin Štular, Marko Krevs Lektor: Spomenka Nović Prevodilac: Admir Mulahusić Štampanje: Collegium Graphicum, d. o. o., Ljubljana Tiraža: 150 Prvo izdanje, prvo štampanje. / Prvo e-izdanje. Ljubljana 2018 CIP - Kataložni zapis o publikaciji Narodna in univerzitetna knjižnica, Ljubljana 528.8.044.6:911.5(035) KOKALJ, Žiga Vizuelizacija rasterskih podataka laserskog skeniranja iz zraka / Žiga Kokalj, Ralf Hesse, Admir Mulahusić ; [fotografije Jovan Cukut ... [et al.] ; prevodilac Admir Mulahusić]. - 1. izd., 1. štampanje. - Ljubljana : Založba ZRC, 2018. - (Prostor, kraj, čas / ZRC SAZU, ISSN 2335-4208 ; 16) ISBN 978-961-05-0099-5 1. Hesse, Ralf 2. Mulahusić, Admir 295548416 Knjiga je besplatno dostupna u pdf-u, ISBN 978-961-05-0100-8 (pdf). COBISS.SI ID=295548672 Način dostupa (URL): http://zalozba.zrc-sazu.si/p/P16 Sva prava su pridržana. Niti jedan dio ovog izdanja ne smije se reprodukovati, pohranjivati ili reprodukovati u bilo kojem obliku ili na bilo koji način, elektronski, mehanički, fotokopiranjem, snimanjem ili na drugi način, bez prethodnog pismenog odobrenja izdavača. © 2018 ZRC SAZU, Inštitut za antropološke in prostorske študije, autori, Založba ZRC. Slika na koricama knjige: Sjeverozapadni dio Slovenije. Lidarski podaci od 10 m prostorne rezolucije © ARSO, Slovenija. Knjiga je objavljena uz podršku Javne agencije za istraživačku djelatnost Republike Slovenije (slo. Javna agencije za raziskovalno dejavnost Republike Slovenije) (program P6-0079 i projekt J6-7085). Knjiga je štampana zahvaljujući finansijskoj potpori UNESCO-a i općine Visoko (Bosna i Hercegovina). Ovom prilikom zahvaljujemo se recenzentima Doc.dr.sc. Nedimu Tuni, Doc.dr.sc. Benjaminu Štularu i Prof.dr.sc. Marku Krevsu, koji su predložili dopune i izmjene koje su značajno poboljšale knjigu. Posebnu zahvalnost dugujemo gospođi Spomenki Nović, koja je sa entuzijazmom, te uz veliku preciznost i stručnost eliminisala mnoge jezične greške i nedosljednosti. Regional Bureau for Science and Culture in Europe United Nations Educational, Scientific and Cultural Organization Sažetak Monografija pruža uvid u niz tehnika prikazivanja visokorezolucijskih modela visina. Napisana je u kontekstu istraživanja i tumačenja različitih tipova historijskih i modernih, kulturnih i prirodnih manjih reljefnih oblika. Ova monografija daje koncizne savjete za odabir najboljih tehnika prikazivanja specifičnih tipova pejzaža i prepoznatljivih oblika. Tri osnovna poglavlja – opis tehnika za prikazivanje digitalnih modela visina, uputstva za njihov odabir i alati za izračunavanje prikaza - prate odabrani primjeri tipičnih arheoloških i geomorfoloških studija, rječnik pojmova (termina) i spisak preporučene literature. Za pojedince iz različitih naučnih oblasti i sa različitim predznanjima o tematici, struktura monografije pomaže da se razumiju različite tehnike prikazivanja, kako ih analizirati, kako odabrati odgovarajuće postavke pri njihovom računanju i kako identifikovati najpogodnije u svrhu istraživanja. Ključne riječi lidar, lasersko skeniranje iz zraka, vizuelizacija, prikaz prostornih podataka, interpretacija, tumačenje, postavke, tehnike, alati, digitalni modeli visina Abstract This guide provides an insight into a range of visualization techniques for high-resolution digital elevation models (DEMs). It is provided in the context of investigation and interpretation of various types of historical and modern, cultural and natural small-scale relief features and landscape structures. It also specifies concise guidance for selecting the best techniques when looking at a specific type of landscape and/or looking for particular kinds of forms. The three main sections – descriptions of visualization techniques, guidance for selection of the techniques, and visualization tools – accompany examples of visualizations, exemplar archaeological and geomorphological case studies, a glossary of terms, and a list of references and recommendations for further reading. The structure facilitates people of different academic background and level of expertise to understand different visualizations, how to read them, how to manipulate the settings in a calculation, and choose the best suited for the purpose of the intended investigation. Key Words lidar, airborne laser scanning, visualization, interpretation, settings, techniques, tools, digital elevation model Izvleček Monografija nudi vpogled v nabor tehnik prikaza visokoločljivih modelov višin. Napisana je v kontekstu preučevanja in interpretacije različnih tipov zgodovinskih in modernih, kulturnih in naravnih majhnih reliefnih oblik. Daje jedrnate napotke za izbiro najboljših tehnik prikaza določenih tipov pokrajine in izrazitih oblik. Tri glavna poglavja – opis tehnik prikazovanja digitalnih modelov višin, napotki za njihovo izbiro in orodja za izračun prikazov –, spremljajo izbrani primeri tipičnih arheoloških in geomorfoloških študij, slovarček pojmov ter seznam literature in priporočenega branja. Posameznikom z različnih znanstvenih področij in z različnim predznanjem o tematiki je struktura v pomoč pri razumevanju različnih tehnik prikazov, kako jih brati, kako izbrati prave nastavitve pri njihovem izračunu in kako prepoznati najbolj primerne za namen zasnovane raziskave. Ključne besede lidar, aerolasersko skeniranje, vizualizacija, prikaz prostorskih podatkov, interpretacija, nastavitve, tehnike, orodja, digitalni model višin Sadržaj 1 Uvod 12 1.1 Cilj i djelokrug knjige 14 1.2 Kako koristiti ovu knjigu? 15 1.3 Primjene vizuelizacije lidarskih podataka 15 1.4 Slobodan pristup podacima 16 2 Opis tehnika 18 2.1 Analitičko sjenčenje reljefa i sjenčenje reljefa iz više smjerova 20 2.2 Nagib 26 2.3 Diferencijacija visina 26 2.4 Uklanjanje trenda i lokalni model reljefa 28 2.5 Dio vidljivog neba i neizotropni dio vidljivog neba 32 2.6 Otvorenost 36 2.7 Lokalna dominantnost 38 2.8 Kumulativna vidljivost 38 2.9 Pristupačnost 41 2.10 Više nivooska integralna invarijanta (MSII) 41 2.11 Laplacian-of-Gaussian (LoG) 42 2.12 Vizuelizacija nesigurnosti 44 3 Smjernice za izbor tehnika 50 3.1 Priprema snimaka za detekciju i interpretaciju 52 3.2 Analiziranje i predstavljanje snimaka 55 3.2.1 Odabir odgovarajućih vizuelizacija 55 3.2.2 Osobne sklonosti i međusobna uporedivost 64 3.2.3 Percepcija 65 3.3 Vizuelizacija skupova podataka koji nisu lidarski podaci 66 3.4 Šta je u imenu? 68 4 Alati 74 4.1 Relief Visualization Toolbox (RVT) 76 4.2 Lidar Visualisation Toolbox (LiVT) 77 5 Studije slučajeva 80 5.1 Aluvijalni depoziti iz kanjona Craig u Slanoj dolini, 84 Kalifornija, SAD 5.2 Utisnute staze u Volčjem Potoku u Sloveniji 86 5.3 Predhistorijsko naselje iznad Knežaka, Slovenija 90 5.4 Groblje Humka u Pivoli, Slovenija 94 5.5 Odbrana od jedrilica tokom Drugog svjetskog rata u 98 Culbinu u Škotskoj 5.6 Geološke karakteristike Julijskih Alpa u Sloveniji 102 5.7 Granitne doline (Granite Dells), SAD 106 5.8 Konusi od pepela i tekuća lava na Mauna Loi, SAD 110 5.9 Slijepa dolina Odolina u Sloveniji 114 5.10 Visoke zgrade u New Yorku, SAD 118 5.11 Margum/Morava i Kulič, Srbija 122 5.12 Rimska centurijacija na području Vrsara, Hrvatska 126 5.13 Monte Castellier, Hrvatska 130 5.14 Morfologija dna jezera Constance, Njemačka, Švicarska, 134 i Austrija Rječnik 138 Bibliografija i preporučena literatura 144 Popis slika 152 Popis tabela 165 12 1 Uvod 13 14 Cilj ove knjige je pomoći svima koji su zainteresovani da kreiraju, ili da postavljaju pitanja u vezi sa lidarskim proizvodima koji će olakšati 1 “čitanje i istraživanje” krajolika sa ciljem dobivanja smislenih informacija. 1|1 sitnijih detalja. Međutim, to ne znači Cilj i djelokrug knjige i pružanje u uvid drugih, jednako važnih, područja prikupljanje lidarskih podataka, obrade i upravljanja istim. Cilj ove knjige, tj. vizuelizacije rasterskih Dok se primjeri uglavnom odnose na podataka laserskog skeniranja iz zraka, arheološke karakteristike terena u obimu je pomoći stručnjacima i svima koji od nekoliko metara do nekoliko stotina su zainteresovani da kreiraju, ili da metara, tehnike prikazane u ovoj knjizi postavljaju pitanja u vezi sa lidarskim su jednako pogodne za vizuelizaciju proizvodima koji će olakšati “čitanje i mnogih drugih osobina – u obimu od istraživanje” krajolika sa ciljem dobivanja mikroskopskih do kontinentalnih. Nadalje, smislenih informacija. Ova knjiga pruža iako je fokus na digitalnim modelima uvid u niz tehnika vizuelizacije visoko visina, dobivenih putem zračnih lidarskih rezolucijskih digitalnih modela visina sistema, tehnike su primjenjive za bilo (DEM, engl. Digital Elevation Model), koji DEM skup rasterskih podataka (npr. njihovih specifičnosti, prednosti i podataka zasnovanih na SAR-u (engl. nedostataka u kontekstu istraživanja i Synthetic Aperture Radar) ili SfM-u (engl. interpretacije različitih tipova historijskih Structure-from-Motion)). i savremenih, kulturnih i prirodnih sitnorazmjernih osobina terena (osobina reljefa) i struktura pejzaža. Ova knjiga također pruža sažete smjernice za izbor najboljih tehnika kada se posmatra određeni tip okoliša i/ili prilikom pretrage određenih vrsta manjih objekata i 15 Kako koristiti ovu kako prepoznati i vizuelizirati nesigurnosti kod podataka. 1|2 knjigu? • Smjernice trebaju “voditi” istraživača kroz osnovne korake Knjiga je namijenjena svima koje zanima postupka, od pripreme podataka vizuelno istraživanje rasterskih modela do odgovora na sva relevantna visina (DEM), koji mogu biti proizvod pitanja u vezi s izborom tehnika zračnog lidara ili drugih tehnika. Naučnici, koje su najprikladnije za potrebe stručnjaci i javnost su fascinirani nivoima predviđenog istraživanja. detaljnosti koje pružaju lidarski podaci. • Poglavlje “Alati” ukratko objašnjava Dok automatsko otkrivanje detalja i upoređuje osnovne postavke i dobiva na sve većem značaju, još uvijek radne procese RVT i LiVT alata za je neophodan stručnjak koji pita, misli i računanja kod tehnika vizuelizacije. odgovara na postavljena pitanja. Vizuelno Ko god želi vizuelizirati digitalni istraživanje i pregled su jedini načini da model visina (DEM) sa jednom ili više se razumije postojanje, zamršeni odnosi tehnika opisanih u poglavlju “Opis i kontekst sitnorazmjernih struktura tehnika” trebao bi biti u mogućnosti kod lidarskih podataka. Ova knjiga je da to uradi sa pomenutim alatima, strukturirana na taj način da stručnjaci bez obzira na njihovo trenutno različitih akademskih profila i nivoa znanja poznavanje obrade snimaka. mogu razumjeti različite vizuelizacije, kako ih pročitati, kako manipulisati postavkama u izračunima, te koje tehnike koristiti kako Primjene lidarske bi odgovorili na mnogobrojna pitanja. 1|3 vizuelizacije Kroz kompletnu knjigu se poziva na detaljna objašnjenja, uporedbe, zapažanja i Digitalni modeli visina su rasterski dalja istraživanja. skupovi podataka koji sadrže vrijednosti visina. Kako takvi numerički skupovi Knjiga se sastoji od tri osnovna poglavlja podataka nisu čitljivi u tom obliku. praćena primjerima vizuelizacije Neophodne su tehnike vizuelizacije za sitnorazmjernih struktura, studijâ slučaja pretvaranja digitalnih modela visina u arheoloških i geomorfoloških primjera, sive tonove ili snimke u boji prepoznatljive popisa literature i preporuka za dalja ljudskom oku. Očigledan primjer čitanja, kao i rječnika pojmova. korištenja različitih metoda vizuelizacije je vizuelni pregled (ispitivanje) • Opisi tehnika vizuelizacije daju kratak podataka. Pomenute tehnike olakšavaju uvod u raznovrsne metode obrade interpretaciju podataka terena i koriste koje pomažu kreiranju smislenih se za vizuelnu potvrdu geomorfoloških snimaka za posmatranja, istraživanja kvaliteta digitalnih modela visina, npr. u i tumačenja rasterskih lidarskih geografiji, geomorfologiji, kartografiji, podataka. Posebno poglavlje opisuje 16 arheologiji, hidrologiji, glaciologiji, Slobodan pristup šumarstvu i upravljanju prilikom 1|4 podacima katastrofa. Često se koriste za potrebe otkrivanja novih mogućnosti, a posebno u arheologiji, kao i za bolje opisivanje i Dobivanje podataka lidara za istraživačke preciznije pozicioniranje već poznatih potrebe postaje sve jednostavnije, obzirom objekata kao što su obale rijeka, nasipi, da je sve veći broj naučnih grupa, vladinih terase za uzgajanje poljoprivrednih agencija, gradskih vijeća, kantona, regija, kultura, podjele parcela, kameni zidovi, pa čak i zemalja koje objavljuju svoje ili područja pod uticajem erozije. podatke sa besplatnim i neograničenim Međutim, tehnike, posebno one direktno pristupom. Skupovi podataka su u povezane sa fizikalnim veličinama, različitim formatima i stanjima obrade. također se koriste i za druge namjene. Rešetkasti/mrežni (engl. gridded) modeli Na primjer, dio vidljivog neba (engl. Sky- površine i terena obično su dostupni, ili view factor) koristi se u meteorologiji, kao ASCII tekstualne datoteke ili kao već jer je fundamentalan za modeliranje rasterisane datoteke u TIFF ili sličnim izlaganja suncu, te se može koristiti geoprostornim formatima. Sve više čak i za inžinjerske aplikacije kao što su klasifikovanih oblaka tačaka također predviđanje dostupnosti GNSS signala su dostupni. Tabela 1 navodi neke od u urbanim područjima. Tehnike koje mogućih izvora gdje se može pristupiti uklanjaju opću topografiju, tipični su praktičnim eksperimentalnim podacima. primjeri lokalnih modeliranja terena Neki portali su lakši za korištenje od i otvorenosti, te su također dobro drugih, s tim da su korisnički veoma prilagođene za automatsku ekstrakciju jednostavni u Sloveniji, Engleskoj i Velsu. nekih osobina. Iako se ova knjiga fokusira na rasterske visinske podatke, vrijedno je spomenuti nastanak i brzu prilagodbu pseudo i stvarnih 3D tehnika za potrebe prezentacije lidarskih oblaka tačaka ili kreiranih 3D modela. Oni nude“novi svijet” mogućnosti, ne samo za vizuelne preglede, već i za naučna istraživanja. 17 Tabela 1: Neki korisni izvori za pretraživanje besplatnih lidarskih skupova podataka. Web stranice će se neizbježno promijeniti i novi skupovi podataka postaju redovno dostupni, pa se mogu koristiti omiljeni pretraživači. Svi linkovi aktivni 28.2.2018. popis izvora Terrain Data · openterrain Wiki · GitHub https://github.com/openterrain/openterrain/wiki/Terrain-Data Danska Agency for Data Supply and Effeciency http://download.kortforsyningen.dk Engleska Environment Agency http://environment.data.gov.uk/ds/survey/#/survey Finska National Land Survey of Finland open map data download http://www.maanmittauslaitos.fi/en/e-services/open-data-file-download-service Holandija Dutch National SDI (PDOK) https://www.pdok.nl/nl/producten/downloaden-van-data-pdok http://geodata.nationaalgeoregister.nl/ahn2/atom/ahn2_gefilterd.xml https://geodata.nationaalgeoregister.nl/ahn2/atom/ahn2_05m_int.xml Norveška Høydedata https://hoydedata.no/LaserInnsyn/ Slovenija Ministry of the Environment and Spatial Planning. http://gis.arso.gov.si/evode/profile.aspx?id=atlas_voda_Lidar@Arso Njemačka Nordrhein-Westfalen https://www.opengeodata.nrw.de/produkte/geobasis/dgm/dgm1l/index.html Thüringen http://www.geoportal-th.de/de-de/downloadbereiche/download-offenegeodatenth%C3%BCringen/downloadh%C3%B6hendaten.aspx Škotska Scottish Remote Sensing Portal https://remotesensingdata.gov.scot/ Španija Plan Nacional de Observación del Territorio http://pnoa.ign.es/presentacion Švedska Lantmäteriet http://www.lantmateriet.se/en/Maps-and-geographic-information/Elevation-data-SAD OpenTopography http://www.opentopography.org USGS http://earthexplorer.usgs.gov ftp://rockyftp.cr.usgs.gov/vdelivery/Datasets/Staged/NED/LPC/projects NOAA - Coastal Topographic Lidar https://coast.noaa.gov/dataregistry/search/collection/info/coastallidar NASA - G-LiHT: Goddard's LiDAR, Hyperspectral & Thermal Imager https://gliht.gsfc.nasa.gov/downloads/ Search also for data of individual states as many provide them integrated into their own distribution systems. Vels Natural Resources Wales http://lle.gov.wales/Catalogue/Item/LidarCompositeDataset/?lang=en 18 2 Opis tehnika 19 20 2 Istraživačka vrijednost različitih vizuelizacija u značajnoj mjeri varira s obzirom na svojstva posmatranih struktura, njihovu veličinu, oblik, orijentaciju, konkavnost ili konveksnost, stepen izbočine i tip ruba. Transformacijom digitalnih modela se upoređuju apsolutno ili relativno. To visina u sive tonove ili snimke u boji, je zbog toga što većina metoda može različite vrste vizuelizacije pomažu promijeniti posmatrana svojstva, ovisno u razumijevanju lidarskih podataka. o postavkama korištenim prilikom Pojedine tehnike vizuelizacije kreiraju računanja.Digitalni model visina može rezultate koji mogu biti povezani s biti podskup digitalnog modela terena fizikalnim veličinama (npr. sky-view (DTM, engl. Digital Terrain Model), koji factor – SVF, tj. dio vidljivog neba i predstavlja visine ogoljenog zemljišta local relief model – LRM, tj. lokalni (u tekstu navodimo sa ‘’kao takav’’), ili model reljefa), dok drugi imaju samo digitalnog modela površine (DSM, engl. prezentacione vrijednosti (npr. glavne Digital Surface Model), koji predstavlja komponente sjenčenja reljefa iz više visine terena ili objekata na njoj; šta smjerova). Neke tehnike vizuelizacije god je veće, ili bilo šta od navedenog. Za bolje funkcionišu na gotovo ravnom pojedinosti pogledati u rječniku pojmova. terenu (engl. elevation differentiation), ili kod topografije sa blagim padinama (LRM), dok druge tehnike daju bolje Analitičko sjenčenje rezultate na nepristupačnim ili mješovitim 2|1 reljefa i sjenčenje reljefa terenima (SVF). Njihove istraživačke iz više smjerova vrijednosti značajno variraju s obzirom na svojstva posmatranih struktura, njihovu Sjenčenje reljefa (engl. Relief Shading, veličinu, oblik, orijentaciju, konkavnost Hillshading, Shaded Relief) pruža ili konveksnost, stepen neravnina i najprirodniju, intuitivno čitljivu, vizuelnu tip rubova. Ne mogu sve metode biti impresiju od svih raspoloživih tehnika. preporučene za tumačenja obzirom da To je opis na koji način reljefna površina 21 reflektuje upadno svjetlo koje se zasniva Za ta područja nije moguće uočiti, ili na fizikalnim zakonima ili empirijskom je moguće uočiti veoma malo detalja. iskustvu. Postoje brojne analitičke tehnike Jedna svjetlosna zraka također ne otkriva sjenčenja reljefa (Horn 1981; Blinn 1977; linearne strukture koje su paralelne, što Batson i dr. 1975;. Minnaert 1961), iako može biti problematično u određenim je sama metoda razvijena od strane aplikacijama, a posebno u arheologiji Yoëli-a (1965) postala standardna u većini (Devereux i dr. 2008). GIS softvera. Stoga, kada se govori o analitičkom sjenčenju reljefa (ili sjenčenju Kreiranje više sjenčenih reljefa reljefa općenito) radi se o metodi koju je osvjetljavanjem površine iz više smjerova razradio Yoëli. poboljšava vizuelizaciju topografije (slika 1). Snimci zasjenčenih reljefa Standardno analitičko sjenčenje ponekad se koriste za izvođenje radova na reljefa je lako izračunati i jednostavno terenu, ali upoređivanje više snimaka na interpretirati čak i od strane nestručnjaka terenu može biti veoma nepodesno. Korak ili osobe bez bilo kakve obuke iz ovog prema boljem razumijevanju rezultata je domena djelovanja. Polazi se od osnovne kombinovanje višestrukih sjenčenja uz pretpostavke da je reljef Lambert- uzimanje u obzir samo srednje vrijednosti ova površina osvjetljena direktnom (Hobbs 1995), maksimuma, ili raspona svjetlošću iz fiktivnog izvora svjetlosti sa vrijednosti, za svaki pojedinačni piksel. beskonačne udaljenosti (svjetlosni snop Kako bi se jasnije prikazala područja sa ima konstantan azimut i visinski ugao niskim rasponom vrijednosti, rezultat za kompletno područje). Izračunata siva može biti dobiven vađenjem kvadratnog vrijednost proporcionalna je kosinusu korijena. upadnog ugla osvjetljenja na površinu reljefa - ugao između normale na Uobičajeni primjer je također i površinu i svjetlosne zrake. Područja koja kombinacija standardnog sjenčenja su okomita na zrak svjetlosti su najviše reljefa (azimut od 315°) sa vertikalnim osvjetljena, dok su područja s uglom osvjetljenjem (Imhof 1982; Hobbs 1995). upada jednakom ili većem od 90° tamna Sjenčenje reljefa iz tri različita smjera (slika 1A). Pod veoma slabim izvorom može se koristiti za kreiranje RGB kolor osvjetljenja uglovi (ispod 10°) su obilježja kompozitnog snimka dodjeljivanjem tri ekstremno malih detalja koji mogu biti snimka sivih tonova u crveni, zeleni i vidljivi, što može biti izuzetno korisno plavi kanal (Devereux i dr., 2008; Hobbs za potrebe istraživanja u područjima sa 1999), što često dobro funkcioniše veoma malim varijacijama u topografiji (slika 3A). Budući da su snimci kreirani (tabela 2, slika 2). osvjetljavanjem iz više uglova visoko korelirani (prikazana je ista scena), Područja koja gledaju direktno prema, moguće je “sažeti” podatke pomoću ili od osvjetljenja, najčešće su zasićena matematičke transformacije s analizom (homogeno, jasno ili tamno, respektivno). osnovnih komponenti (PCA, engl. 22 Principal Component Analysis) (Devereux i Međutim, ne daje dosljedne rezultate sa dr., 2008). Prve tri komponente izračunate različitim skupovima podataka. iz više smjerova (npr. 16) obično sadrže visok procenat (obično iznad 99%) varijabilnosti u izvornom skupu podataka. Stoga se može očekivati da pružaju osnovu za vizuelizaciju s minimalnim gubitkom malih osobina. Analiza osnovnih komponenti (PCA) - posebno kombinacija prve i druge osnovne komponente (slika 3B), ili RGB (engl. Red, Green, Blue) kolor kompozitni snimak prva tri snimka (slika 3C) – pojednostavljuje tumačenje podataka sa više sjenčenja reljefa. Tabela 2: Tipične postavke za sjenčenje reljefa. parametar vizuelizacije općenito veoma ravan teren strm ili složen (kompleksan) teren azimut Sunca [°] 315 315 315 ugao visine Sunca [°] 35 5 > 45 preporučeno rastezanje linearno rastezanje, linearno rastezanje, linearno rastezanje, histograma 2% rezanje 2% rezanje 2% rezanje Tabela 3: Tipične postavke za analize osnovnih komponenti višestrukih snimaka sjenčenja reljefa iz više pravaca. parametar vizuelizacije općenito veoma ravan teren strm ili složen (kompleksan) teren ugao visine Sunca [°] 35 5 45 broj smjerova 16 16 16 preporučeno rastezanje linearno rastezanje, linearno rastezanje, linearno rastezanje, histograma 2% rezanje 2% rezanje 2% rezanje 23 Slika 1: Uglovna ovisnost analitičkog sjenčenja reljefa: azimutno osvjetljenje 315° (A) i azimut 225° (B), oba sa visinom Sunca od 35°. Obratiti pažnju na razliku u percepciji reljefa i strukturama koje se mogu posmatrati. Obrasle terase za poljoprivredno uzgajanje u blizini Kobolija u Sloveniji, čemu svjedoči prostorna rezolucija modela terena od 1 m. 24 Slika 2: Veoma mali uglovi izvora svjetlosti prikazuju osobine ekstremno malih detalja: standardni ugao visine Sunca od 45° (A) i (B), a slabo osvjetljenje pri visini Sunca od 5° (C), sve uz azimut od 45°. Međutim, navedeno funkcioniše samo u područjima sa veoma blagom morfologijom reljefa, kao što je primjer područja A podzidane ograde(a) u Brú na Bóinne području svjetske kulturne baštine u Irskoj. Prostorna rezolucija lidarskih podataka od 1 m korištena je uz dopuštenje Meath County Council-a i programa Discovery. Lokalno zasićenje histograma koristi se za predstavljanje (B) i (C). Prvi pokazuje razliku kada se uporedi sa normalno predstavljenim zasjenčenim reljefom (A), i drugi jer je slika inače pretamna za prikazivanje bilo kakvih detalja. 25 Slika 3: RGB snimak sjenčenja reljefa iz tri smjera (315°, 0° i 45° azimuta sa visinom Sunca od 35°) (A), kompozit dobiven od prve dvije komponente (B) i RGB kompozit prve tri komponente analize osnovnih komponenti analitičkog sjenčenja reljefa iz 16 smjerova sa 35° visinom Sunca (C). Kasni rimski logor u Sv. Jeleni, zapadno od Kobarida, Slovenija. Prostorna rezolucija lidarskih podataka je 0,5 m © Walks of Peace in the Soča river Foundation. 26 2|2 Nagib 2|3 Diferencijacija visina Nagib (gradijent) je prvi izvod (prva Razlika u visini, koja se naziva i kodiranje derivacija) DEM-a i neovisan je o aspektu. boja, bojenje ili postupak ograničenog Predstavlja maksimalnu stopu promjene raspona boja, kontroliše raspon između svake ćelije i njenih susjeda i vrijednosti koje su prikazane preko datog može se izračunati kao procenat nagiba ili raspona sivih tonova ili boja. Primijenjena kao stepen nagiba. tehnika je rastezanje histograma, pri čemu se raspon vrijednosti visina proteže Među metodama koje su analizirali, preko cijelog raspona sivih tonova (ili boja) Challis i dr. (2011) pronašli su najbolju vrijednosti dobivene slike (slika 6, tabela tehniku vizuelizacije nagiba za većinu 5). To može snažno poboljšati kontrast okolnosti. Ako se prikazuje u obrnutom između piksela ili područja različitih sivom tonu (strmi nagibi su tamniji), visina. nagib zadržava veoma plastičan prikaz morfologije (tabela 4). Međutim, potrebne Postoje mnogobrojne verzije rastezanja su dodatne informacije za razlikovanje histograma koje se mogu primijeniti za između pozitivnih/konveksnih (npr. poboljšanje kontrasta i naglašavanje nasip) i negativnih/konkavnih (npr. jarak) detalja. Osim jednostavnog linearnog osobina terena obzirom da su padovi rastezanja između nižih i gornjih istog gradijenta (bez obzira na rast ili pad) graničnih vrijednosti, to uključuje prikazani istom bojom (slika 4). nelinearna poboljšanja kao što su logaritamska rastezanja, poboljšanja kvadratnog korijena, eksponencijalno rastezanje i izravnanje histograma. Međutim, ako je očuvanje relativnih razlika između vrijednosti (visina) važno, poželjna je osnovna metoda poznata kao Tabela 4: Tipične postavke vizuelizacije nagiba. parametar vizuelizacije općenito veoma ravan teren strm ili složen (kompleksan) teren preporučeno rastezanje linearno rastezanje, linearno rastezanje, linearno rastezanje, histograma * 0-50° 0-15° 0-60° * Preokrenuti prikaz sivih tonova (bijelo u crno) najbolje funkcioniše. 27 Slika 4: Nagib (A). Visinski profil (B) odnosi se na P - P liniju u (A). Treba imati na umu da 1 2 struktura ukrštanja profila može biti veoma lako (i pogrešno) interpretirana kao konveksna umjesto konkavna. Prostorna rezolucija od 1 m lidarskih podataka utvrde na brdu Žerovinšček iz perioda željeznog doba u blizini Bločice, Slovenija. 28 linearno rastezanje sa zasićenjem – engl. Uklanjanje trenda i linear stretch with saturation (rezanje 2|4 lokalni model reljefa ekstremnih vrijednosti u gornjim i donjim dijelovima histograma, također poznato i kao ‘’histogram clipping’’). Histogram Arheološka obilježja uglavnom su je linearno rastegnut kako bi se ispunio mnogo manja od terena na kojima se čitav raspon vrijednosti između definisane nalaze. Stoga je potrebno prilagoditi minimalne i maksimalne vrijednosti. Za odgovarajuće tehnike vizuelizacije, na više informacija o korištenju rastezanja primjer određivanje malog radijusa histograma za potrebe vizuelizacije pretraživanja za dio vidljivog neba (SVF) pogledati poglavlje 3.1 Priprema snimaka ili postavljanje prikladnog raspona za za detekciju i interpretaciju. diferencijaciju visina, iako to nije moguće sa svim tehnikama. Postupak koji odvaja Razlikovanje visina veoma je korisno sitnorazmjerne lokalne osobine sa velikim za vizuelizaciju osobina od interesa u pejzažnim oblicima naziva se uklanjanje ravničarskim predjelima i veoma ih je trendova (engl. trend removal). Prilikom lako tumačiti, posebno kada se koristi rada s DEM-om, trend (tj. veći pejzaži) je odgovarajuća paleta boja (slika 5). Također predstavljen izglađenom (generalisanom) je predstavljena jedina tehnika vizuelizacije verzijom DEM-a. Ovo zaglađivanje može koja zadržava izvornu informaciju o reljefu. se postići primjenom niskopropusnog Stoga je lako procijeniti pokazatelje kao konvolucionog filtera. Gaussov što su npr. dubina jame ili visina humke. niskopropusni filter daje glatki prijelaz Međutim, čak i uz neznatne varijacije u između osobina terena, ali je računarski općoj morfologiji terena, tehnika postaje zahtjevniji (Reitberger i dr., 2008; Wagner manje korisna, jer su arheološki radovi i dr., 2008). Uklanjanje trendova se zatim neprimjetni zahvaljujući promjenama postiže oduzimanjem izglađenog DEM-a u topografiji i zbog toga što je potrebno iz originalnog DEM-a. Dobivena karta intenzivno manipulisanje histogramom. razlika sadrži samo lokalna odstupanja od Iz istih razloga, tehnika je u potpunosti sveukupnog krajolika. neefikasna na neravnom terenu. Obzirom da su karakteristike malih objekata izglađene, radije nego li eliminisane, niskopropusnim filterom, Tabela 5: Tipične postavke za prikaz izvedena karta uklanjanja trenda diferencijacije visina. odnosi se na manje objekte, tj. lokalni parametar općenito relativni reljef visina progresivno je vizuelizacije podcjenjen kako se prostorni obuhvat objekata povećava. Hesse (2010) je stoga preporučeno linearno rastezanje sa rastezanje minimalnim i maksimalnim predložio poboljšanje procesa uvođenjem histograma rezanjem ‘’pročišćenog DEM-a’’. On se proizvodi kreiranjem nultih kontura na kartama 29 Slika 5: Histogram se proteže do uskog raspona vrijednosti. Riječna korita Nadiže. Prostorna rezolucija od 0,5 m lidarskih podataka, zapadno od Kobarida u sjeverozapadnoj Sloveniji. Slika 6: (A 1) Histogram kompletnog raspona podataka - visine su između 263 m i 536 m. Budući da smo zainteresovani samo za veoma uski raspon vrijednosti između 271 i 278 m - označeno tamnom strelicom na (A), ima smisla rastezati samo ovaj raspon na cijelu paletu ‘’boja’’ (B). (A 2) Histogram rastegnutih vrijednosti područja prikazanog na slici 5. Umjesto da se sve koncentriše u ‘’tamnom uglu’’ histograma, vrijednosti su mnogo ravnomjernije raspoređene i razlike u sjeni boje mogu se lakše razumjeti. 30 uklanjanja trenda (tj. pronalaženjem svih Nivo izravnanja definisan je veličinom tačaka za koje su vrijednosti izglađenog niskopropusnog filtera, pri čemu manja DEM-a i originalnog DEM-a jednake). matrica otkriva manje osobine i obrnuto. DEM podaci visina se dodjeljuju svim Precizna veličina matrice treba odražavati tačkama duž ovih kontura (izohipsa). Nova veličinu manjih karakteristika terena, aproksimacija generalizovanog DEM-a dok je općenito sigurnije kada je veličina se zatim interpoliše iz tačaka kako bi matrice oko 25 m. Metoda najbolje se kreirao pročišćeni DEM. Konačno, funkcioniše na terenu s postupnim karta razlika između originalnog DEM-a nagibima, dok kreira artefakte poput i pročišćenog DEM-a je lokalni model umjetnih nasipa i jaraka gdje je reljef reljefa (engl. Local Relief Model - LRM). raznolik i/ili se naglo mijenja. LRM, koji je dobiven pomoću ovog pristupa, rezultira manje pristranom zastupljenošću topografskih osobina malih razmjera i istinitije prikazuje relativne visine i dubine ovih osobina s obzirom na okolni krajolik (slika 7). 31 Slika 7: Snimak sjenčanja reljefa (A) i rastezanja histograma (B) lokalnog modela reljefa i LRM prikazan sa posebno dizajniranom paletom boja prekrivenom preko zasjenjenog snimka (Hesse 2010) (C). Prostorna rezolucija od 1 m lidarskih podataka utvrde na brdu Žerovinšček iz perioda željeznog doba u blizini Bločice, Slovenija, © ZRC SAZU. 32 2|5 Dio vidljivog neba i Računanje SVF-a pod uticajem je radijusa pretraživanja horizonta - što je veći radijus neizotropni dio vidljivog pretraživanja, to je općenitiji rezultat. neba Nasuprot tome, mali radijus pretraživanja može se koristiti za vizuelizaciju i Dio vidljivog neba (engl. Sky-view factor klasifikaciju lokalnih morfoloških oblika. (SVF)) može se koristiti kao alternativna Na primjer, pretraživanje radijusa od 10 metoda kartiranja reljefa kako bi se km može se koristiti u meteorološkim prevladali problemi smjerova sjenčenja studijama, dok je radijus za pretraživanje reljefa (Kokalj i dr., 2011; Zakšek i dr., od 10 m pogodan za sposobnosti 2011). SVF je geofizički parametar (ako razlikovanja kod arheoloških nalazišta. se ne manipuliše podacima o visini sa Ravni tereni na lokalnom nivou, grebeni vertikalnim preuveličavanjem), koji i zemljani radovi (npr. zidovi, brda za predstavlja dio neba vidljiv s određenog poljoprivredno kultivisanje, grobne mjesta (obzirom na hemisferu usmjerenu humke) koje primaju više osvjetljenja su iznad svakog piksela i ignorisanjem naglašene i pojavljuju se kao svjetline bilo kojeg smjera ispod matematičkog u bijelim bojama na SVF-u, dok su horizonta). Difuzni solarni rasteri izloženi depresije/nizije (npr. rovovi, šanci, brazde Suncu mogu se koristiti i za vizuelizaciju nakon oranja, rudarske jame) tamne jer arheoloških osobina (Challis i dr., 2011), ali primaju manje osvjetljenja. zahtijevaju dodatna računanja, a rezultati su općenitiji (generalisani). Za razliku Različita softverska rješenja pružaju od tehnika zasjenjivanja zasnovanih različite algoritme za računanje SVF-a. na usmjerenom osvjetljenju, osobine Razlika između rezultata, posebno za vizuelisane sa SVF-om (ili sa otvorenošću) vizuelizaciju, može biti ogromna. Na ne sadrže nikakve horizontalne pomake. primjer, kôd čiji je autor ZRC SAZU (2010) koji se provodi u LiVT (engl. Lidar SVF ima raspon između 0 i 1. Vrijednosti Visualization Toolbox) i RVT (engl. Relief koje su blizu 1 pokazuju da je gotovo Visualization Toolbox) (pogledati Poglavlje kompletna hemisfera iznad piksela 4: Alati) nema zasićenosti, dok primjene vidljiva, što je slučaj kod izloženih osobina u SAGA GIS-u (Conrad i dr., 2015) obično (ravni, grebeni i vrhovi), dok su vrijednosti daju veoma zasićena područja s niskim blizu 0 prisutne u dubokim ponorima i SVF-om. To znači da se u dolinama ne donjim dijelovima dubokih dolina gdje mogu vidjeti detalji. se gotovo i ne vidi nebo. Kao i snimci sa sjenčenjem reljefa, tako su i SVF snimci Neizotropni (usmjereni) SVF uzima u obzir intuitivno čitljivi. Dok sjenčenje reljefa nejednako osvjetljenje neba. Osvjetljenost simulira usmjereno osvjetljenje površine može ovisiti o azimutskoj i sunčevoj (sunce), SVF simulira difuzno osvjetljenje udaljenosti od zamišljenog izvora (oblačno nebo). svjetlosti (Zakšek i dr., 2012). Time se vraća dio plastičnosti sjenčenja, što daje 33 bolje uočljive detalje kod veoma ravnih prekomjerne rezolucije. područja. SVF i neizotropni SVF su veoma dobre opšte tehnike vizuelizacije jer povećavaju vidljivost jednostavnih i složenih malih karakteristika, bez obzira na njihovu orijentaciju i oblik, na većini vrsta terena. Odbacivanje najbližih susjednih piksela u SVF izračunu u velikoj mjeri poboljšava vidljivost arheoloških karakteristika u situacijama gdje su podaci pogrešni zbog neusklađenosti ili postavljanja Tabela 6: Tipične postavke za uklanjanje trenda i lokalno modeliranje reljefa. parametar vizuelizacije općenito veoma male velike karakteristike karakteristike poluprečnik filtera [m] 10 5 25 preporučeno rastezanje linearno rastezanje, linearno rastezanje, linearno rastezanje, histograma * minimum -1 m, minimum -0.5 m, minimum -2 m, maksimum 1 m maksimum 0.5 m maksimum 2 m * Također ovisi o visini i dubini posmatranih osobina (karakteristika). Tabela 7: Tipične postavke za računanje i vizuelizaciju dijela vidljivog neba. parametar vizuelizacije općenito veoma ravan teren strm ili složen (kompleksan) teren radijus [m] 10 10 10 broj smjerova 16 16 16 preporučeno rastezanje linearno rastezanje, linearno rastezanje, linearno rastezanje, histograma minimalno 0.65, minimalno 0.9, minimalno 0.55, maksimalno 1 maksimalno 1 maksimalno 1 34 Slika 8: Snimak dijela vidljivog neba (radijus pretrage od 10 m u 16 smjerova) (A) i neizotropni snimak dijela vidljivog neba (B) utvrde na brdu Žerovinšček iz perioda željeznog doba u blizini Bločice, Slovenija. Mnogi detalji mogu se vidjeti na ovom snimku, unatoč promjenljivoj morfologiji reljefa. 35 Slika 9: Snimak dijela vidljivog neba (radijus pretrage od 10 m u 16 smjerova) grebena i brazdi u blizini Neudingen-a, Njemačka (A). Izostavljanje najbližih piksela iz proračuna može smanjiti šum u podacima, tako da se osobine mogu bolje razumjeti (B). Prostorna rezolucija lidarskih podataka je 1 m © LGL u Baden-Württembergu. 36 2|6 Otvorenost da otvorenost uzima u obzir kompletnu sferu za izračunavanje, rezultat je mnogo “ravniji” snimak, bez opšte topografije - vrsta snimka koji uklanja nagnutosti. Ima Otvorenost je još jedan naziv za difuzno ista svojstva vrijednosti za vizuelizaciju osvjetljenje reljefa. Metoda se temelji kao SVF, uz izuzetak da je vizuelni dojam na procjeni središnjeg nivoa horizonta u opšte topografije izgubljen. Tumačenje okviru određenog radijusa pretraživanja je stoga nešto složenije, ali otvorenost (Yokoyama i dr., 2002). Pozitivna ima veliku prednost za automatsko otvorenost jednaka je srednjem uglu otkrivanje osobina jer su “potpisi” osobina zenita svih utvrđenih horizonata, dok se homogeniji i isti bez obzira na njihov negativna otvorenost temelji na uglovima položaj na ravni ili padini (Doneus 2013). nadira. Otvorenost ne ograničava procjenu svakog zenitnog ugla matematičkim Negativna otvorenost nije inverzija horizontom (kao što to čini SVF). Drugim pozitivne otvorenosti i pruža dodatne riječima rečeno, otvorenost podrazumijeva informacije. Dok pozitivna otvorenost kompletnu sferu, a ne samo nebesku ističe topografske konveksnosti, npr. hemisferu. Kao rezultat toga, maksimalna grebene između šupljina i rubove kratera, vrijednost otvorenosti može biti veća od negativna otvorenost naglašava najniže 90°. Osim toga, ravan (duga padina ili dijelove konkavnosti, npr. stvarne šupljine, horizontalna ravan) bez prepreka uvijek najniže dijelove klanaca i donje rubove će imati vrijednost otvorenosti od 90° bez litica. Za dosljednu čitljivost preporuka obzira na nagib. Stoga je interpretacija je da se negativna otvorenost prikazuje rezultata otvorenosti ponekad teška, sa obrnutim sivim tonovima (tj. tamnije jer se nagib vizuelizira na isti način kao je za veće vrijednosti). Time se konkavne i horizontalna ravan. Međutim, budući osobine uvijek prikazuju kao tamni tonovi. Tabela 8: Tipične postavke za računanje i vizuelizaciju pozitivne i negativne otvorenosti. parametar vizuelizacije općenito veoma ravan teren strm ili složen (kompleksan) teren radijus [m] 10 10 10 broj smjerova 16 16 16 preporučeno rastezanje linearno rastezanje, linearno rastezanje, linearno rastezanje, histograma za pozitivnu minimum 65°, minimum 85°, minimum 55°, otvorenost maksimum 95° maksimum 91° maksimum 95° preporučeno rastezanje linearno rastezanje, linearno rastezanje, linearno rastezanje, histograma za negativnu minimum 60°, minimum 75°, minimum 45°, otvorenost * maksimum 95° maksimum 95° maksimum 95° * Preokrenuti prikaz sivih tonova (bijelo u crno) najbolje funkcioniše. 37 Slika 10: Pozitivna (A) i negativna (B) otvorenost snimka (radijus pretraživanja od 10 metara u 16 smjerova) kasnoga antičkog naselja Tonovcov grad u Sloveniji. Veoma složen teren izgleda poravnato. Vrhovi istaknutih osobina jasno su uočljivi na snimku pozitivne otvorenosti, dok negativna otvorenost odražava dno šupljina i donje rubove litica. 38 2|7 Lokalna dominantnost 2|8 Kumulativna vidljivost Za svaki piksel digitalnog modela visina, Vidljivost (engl. viewshed) je područje vizuelizacija lokalne dominantnosti vidljivo sa povoljnog mjesta. Vidljiva digitalnog modela visina temelji se na površina ovisi o topografskom položaju računanju toga koliko će dominantan povoljnog mjesta i okolnoj topografiji, ali i biti posmatrač koji stoji na tom mjestu o visini posmatrača koji stoji na povoljnom u smislu lokalnog okruženja (Hesse mjestu, visinama objekata koji bi trebali 2016). Dominantnost je ovdje korištena biti vidljivi posmatraču i radijusu koji se kao prosječna strmina ugla sa kojeg razmatra. posmatrač gleda dole prema okolnoj površini. Dominantnost je veća za tačke na S druge strane, kumulativna vidljivost lokalnim uzvisinama, kao i na padinama, a određuje veličinu područja od kojeg je niža je za tačke u lokalnim depresijama. tačka u digitalnom modelu visina (ili objekat na toj tački) vidljiv posmatračima Lokalna dominantnost izračunava se za određene visine. Vizuelizacija digitalnog piksele unutar određenog maksimalnog modela visina kumulativnom vidljivošću radijusa i za određenu visinu posmatrača temelji se na računanju (za svaki piksel iznad površine. Da bi se smanjila digitalnog modela visina) veličine pojava šuma rezultujućih snimaka zbog područja unutar određenog radijusa male površinske hrapavosti, može se od kojeg je objekat vidljiv (Hesse 2016). odrediti minimalni radijus. Svjetlina Budući da okolna topografija igra piksela proizilazi iz lokalnih vrijednosti dominantnu ulogu za stanja međusobne dominantnosti primjenom odgovarajućeg vidljivosti, dobivena rasterska karta istezanja histograma sivih tonova. također može biti prikladna tehnika za vizuelizaciju topografije. Osim toga, takva Vizuelizacija lokalne dominantnosti se vizuelizacija može koristiti kao alat pogodna je za veoma suptilne pozitivne za analiziranja npr. lokacije arheoloških reljefne karakteristike poput nekadašnjih nalazišta. granica ili jako erodiranih grobnih humki, ali također pruža vrlo dobre rezultate Dobivena rasterska karta sadrži za topografske depresije, poput dolina, procentne vrijednosti (0 ... 100) veličine tragova rudarenja ili šupljina. kumulativne vidljivosti površine u odnosu na cijelo područje unutar određenog radijusa. 39 Slika 11: Snimak lokalne dominantnosti (radijus od 10 do 20 m) granica nekadašnjih polja, puteva, grebena i brazdi kod Hügelsheima, Njemačka. Grebeni i brazde očuvani su samo u područjima koja su danas prekrivena šumom. Neke druge osobine na slici uključuju kratere od bombi, zemljom prekrivene bunkere i rovove. Lidarski podaci od 1 m © LGL u Baden-Württembergu. Tabela 9: Tipične postavke za računanje i vizuelizaciju lokalne dominantnosti. parametar vizuelizacije općenito strm ili složen (kompleksan) teren radijus pretrage [m] 10-20 10-20 visina posmatrača [m] 1.7 1.7 preporučeno rastezanje linearno rastezanje, linearno rastezanje, histograma minimum 0.5, minimum 0.5, maksimum 1.8 maksimum 3 Tabela 10: Tipične postavke za računanje i vizuelizaciju kumulativne vidljivosti. parametar vizuelizacije općenito veoma ravan teren strm ili složen (kompleksan) teren radijus [m] 1-100 1-100 1-100 uglovna rezolucija [°] 10 10 10 visina posmatrača [m] 1.7 1.7 1.7 visina mete [m] 0.0 0.0 0.0 preporučeno rastezanje linearno rastezanje, linearno rastezanje, linearno rastezanje, histograma minimum 15, minimum 0, minimum 10, maksimum 55 maksimum 25 maksimum 65 40 Slika 12: Snimak kumulativne vidljivosti grobnih humki (visoke vrijednosti) i dolina (niske vrijednosti) u Swabian Alb. Lidarski podaci od 1 m © LGL u Baden-Württembergu. Slika 13: Snimak pristupačnosti (maksimalnog radijusa od 20 m) vrlo uskih poljoprivrednih terasa sa vinogradima u blizini Jeruzalema, Slovenija. Lidarski podaci od 0.5 m © ARSO. 41 2|9 Pristupačnost 2|10 Više nivooska integralna invarijanta (MSII) Podaci digitalnih modela visina mogu Više nivooska integralna invarijanta se vizuelizirati računanjem dostupnosti (engl. Multi-Scale Integral Invariants – površine. To znači da algoritam određuje MSII), u daljem tekstu MSII, je tehnika (za svaki piksel digitalnog modela visina) vizuelizacije koja je ranije primjenjivana maksimalni radijus kugle koja bi se mogla kako bi se poboljšala čitljivost i pristup postaviti na površinu u ovom položaju, a automatskom tumačenju tablet klinastog da je ne ometaju visine piksela okoline pisma (Mara i dr. 2010), ali je jednako (Miller 1994). Da bi se smanjilo vrijeme vrijedna i za vizuelizaciju modelâ visina. računanja, algoritam uzima u obzir Za izračun MSII, n sfera različitih samo okolne piksele unutar unaprijed promjera centrisane su na svakom definisanog radijusa. Vrijeme računanja pikselu u digitalnom modelu visina. može se dodatno smanjiti uzimajući u Izračunat je procenat zapremine tih obzir samo okolne piksele duž malog sfera iznad/ispod površine digitalnog broja radijalnih linija umjesto svih piksela. modela visine. Rezultat je skup n vrijednosti (dijelovi zapremina iznad Raspon vrijednosti u rezultujućoj površine DEM-a) za svaki DEM piksel. rasterskoj karti odgovara rasponu Ovi skupovi n vrijednosti tumače se kao radijusa kugle. Kartiranje u sivim n-dimenzionalni vektori. Računanjem tonovima ili kartiranje u bojama udaljenosti tih n-dimenzionalnih vektora koristi se za prikazivanje rezultata kao od referentnog vektora, podaci se mogu snimka. Dostupnost se može koristiti za redukovati na rastersku kartu koja sadrži vizuelizaciju negativnih reljefnih osobina jediničnu vrijednost za svaki piksel. Niske (npr. jame, utisnute staze) i osobina na vrijednosti (niska vektorska udaljenost) padinama (npr. poljoprivredne terase). ukazuju na veliku sličnost s referentnim Suptilne osobine reljefa na više ili manje vektorom i obrnuto. Korištenjem horizontalnim površinama vide se veoma odgovarajućeg rastezanja histograma slabo ili se uopšte i ne vide. sivih tonova, ova rasterska karta može se prikazati kao snimak. Referentni vektor Tabela 11: Tipične postavke za računanje i vizuelizaciju pristupačnosti. parametar vizuelizacije općenito radijus [m] 10 broj smjerova 16 preporučeno rastezanje histograma linearno rastezanje, minimum 0, maksimum = radijus 42 može se, na primjer, odrediti izvlačenjem Laplacian-of- vektorskih vrijednosti za određenu 2|11 Gaussian (LoG) osobinu reljefa ili tačku unutar znaka klinastog oblika ili jednostavno odabirom izvora n-dimenzionalnog koordinatnog Diskretni Laplasov filter izračunava drugi sistema (tj. nula). izvod visine, tj. promjenu nagiba. To je mjera konveksnosti i stoga može biti MSII je gotovo jednako prikladan za vrlo vrijedna za vizuelizaciju rubova. Laplasov različite terene, od ravnica do planina. filter često se primjenjuje na snimak koji Budući da je to više nivooski pristup, je prvo bio izglađen nečim što aproksimira on može vizuelizirati reljefne osobine Gaussov filter za izglađivanje, kako bi u širokom rasponu veličina, tj. može se smanjila osjetljivost na šum, i ta jasno pokazati veoma male objekte dok kombinacija je poznata kao Laplacian-of- istovremeno zadržava barem neki dojam Gaussian (LoG). o pejzažnim oblicima. Može biti prilično osjetljiv na šum podataka. To se može izbjeći postavljanjem većeg minimalnog radijusa. Međutim, ovo zauzvrat djelimično ugrožava prikaz malih detalja. Tabela 12: Tipične postavke za računanje i vizuelizaciju MSII. parametar vizuelizacije općenito veoma ravan teren strm ili složen (kompleksan) teren broj nivoa 8 8 8 minimalni radijus [m] 1 1 1 maksimalni radijus [m] 11 11 11 preporučeno rastezanje linearno rastezanje, linearno rastezanje, linearno rastezanje, histograma minimum 1.2, minimum 1.3, minimum 1.2, maksimum 1.8 maksimum 1.5 maksimum 2.5 Tabela 13: Tipične postavke za računanje i vizuelizaciju Laplacian-of-Gaussiana. parametar vizuelizacije općenito radijus Laplasovog filtera [px] 3 radijus niskopropusnog filtera [px] 25 preporučeno rastezanje histograma * linearno rastezanje, minimum -0.05, maksimum 0.05 * Preokrenuti prikaz sivih tonova (bijelo u crno) najbolje funkcioniše. 43 Slika 14: MSII snimak starog rimskog logora u Sv. Jeleni, zapadno od Kobarida, Slovenija. Lidarski podaci od 0.5 m © Walks of Peace in the Soča river Foundation. Slika 15: Snimak starog rimskog logora u Sv. Jeleni, zapadno od Kobarida, Slovenija kao što je vidljivo na lidarskim podacima od 0.5 m prostorne rezolucije filtriranim sa Laplacian-of-Gaussian konvolucionim filterom radijusa 3 piksela (tj. 1.5 x 1.5 m). 44 2|12 Vizuelizacija Ako karte gustoće tačaka, maske nedostajućih podataka, ili stvarni podaci nesigurnosti oblaka tačaka, nisu dostupni, šumske maske ili topografske karte mogu se Informacije o tome kako su sirovi podaci koristiti kao grubi vodič. U nedostatku prikupljeni i obrađeni, te o metodama pomenutih, pojednostavljene karte i postavkama za prezentaciju podataka gustine vegetacije mogu se aproksimirati imaju veliki uticaj na otkrivanje osobina s vegetacionim indeksima (npr. i tumačenje procesa. Na primjer, ako normalizovani diferencijalni vegetacioni interpretator zna originalnu gustoću indeks, tj. NDVI, engl. Normalized skeniranja, metod filtriranja oblaka tačaka Difference Vegetation Index), koji su i metod kreiranja digitalnog modela visina, dobiveni iz slobodno dostupnih satelitskih mogu se procijeniti i donositi odluke podataka visoke rezolucije (Landsat-8 ili o različitim artefaktima koji se mogu Sentinel-2, dostupni na earthexplorer. pronaći u podacima. usgs.gov i scihub.copernicus.eu). Pojava različitih artefakata ili Postoji nekoliko vrsta artefakata koji se neprirodno glatkog terena može se obično nalaze u digitalnim modelima učinkovito predvidjeti kartiranjem gusto visina dobivenim na temelju lidara. raspoređenih laserskih tačaka koje Korisno je znati da su “riblje ljuske”, koje predstavljaju tlo i gusti vegetacioni pokrov se ponekad nalaze u šumskim skupovima iznad njih. Na slici 16C može se vidjeti podataka (slika 18A), rezultat direktne da je, i pored visoke gustoće skeniranja rasterizacije oblaka tačaka (tj. bez od 0.5 m, gustoća tačaka na terenu na pomoći triangulacione mreže nepravilnog nekim mjestima nedovoljna (praznine u oblika - TIN, engl. Triangulated Irregular podacima su u crvenoj boji), kako bi se Network), te da su osobine poput talasa tačno kartiralo tlo pod šumom. U takvim (na prvi pogled, čvrsto razmaknuti grebeni slučajevima algoritam rasterizacije i brazde) posljedica slabe registracije mora interpolisati (izvesti zaključak iz linija skeniranja (slika 19A). Crne susjednih tačaka) prikaz zemlje. Pojava zvijezde, koje se ponekad vide na snimku tih interpolisanih površina varira od dijela vidljivog neba, mogu se povezati algoritma do algoritma, no najvažniji s posvećenom obradom, gdje je proces je uticaj na opću glatkoću i očuvanje filtriranja oblaka tačaka optimiziran rubova (slika 17). Artefakti kreirani nekim kako bi ostavio arheologiju što je moguće interpolacionim algoritmima mogu se netaknutijom. Osam ili šesnaest šiljaka smatrati neatraktivnim i neprimjerenim za crne zvijezde mogu biti formirani oko prikaz. Međutim, preporučljivo je koristiti veoma malih površinskih “izbočenja” takve algoritme posebno kada je cilj koji su nefiltrirani ostaci četinarskih vizuelna interpretacija: artefakti su veoma stabala (slika 18B) ili drugih uspravnih prepoznatljivi i time pomažu izbjegavanje objekata (slika 42). To se događa kada su pogrešnog tumačenja “lijepih” površina četinari previše gusti za laserski impuls koje se temelje na nedostatnim podacima. koji bi trebao doći do tla, a filtriranje 45 je postavljeno tako da ne bi suviše zaglađivao izvedeni model visina. Zvijezde su dobivene zahvaljujući činjenici da je SVF obično izračunat u osam ili šesnaest smjerova. Dodatni artefakti prikazani su na slikama 18C, 19B i 19C. 46 Slika 16: Karte gustoće lidarskih podataka dvorca Montfaucon istočno od Besancona, Francuska. Gustoća svih tačaka (A), gustoća vegetacionih tačaka (B) i tačaka na terenu (C) izračunata za svaki piksel (0.5 m), ali ucrtana po m2. Gustoća tačaka na terenu izračunata i iscrtana po m2 (D). Prostorna rezolucija lidarskih podataka od 0.5 m © Univerzitet Franche- Comte. 47 Slika 17: Neizotropni snimak dijela vidljivog neba modela visina dobiven različitim algoritmima rasterizacije (interpolacije). Treba imati na umu razliku u interpolaciji površine dvorca i jugoistočne padine koja vodi do njega. Prirodni susjedi (engl. Natural Neighbours - NN) (A) generišu vrlo glatki teren, težina inverzne udaljenosti (engl. Inverse Distance Weighted (IDW)) (B) uvodi korake, TIN s ponavljajućom interpolacijom (engl. TIN with Repetitive Interpolation - REIN) (C) uvodi trouglove i splajnovi (D) kreiraju niz artefakata. 48 Slika 18: “Riblje ljuske” rezultat su direktne rasterizacije oblaka tačaka (A). Prostorna rezolucija od 0.5 m lidarskih podataka područja oko Besancona, Francuska, © Univerzitet Franche-Comte. Crne zvijezde obično se oblikuju oko malih izbočenja na snimku dijela vidljivog neba prilikom izračuna s 8 ili 16 smjerova (B). Prostorna rezolucija od 0.5 m lidarskih podataka iz prvog svjetskog rata blizu Kobarida u Sloveniji. © Walks of Peace in the Soča river Foundation. Prostorna rezolucija od 1 m lidarskih podataka puna lažnih udubljenja. Oni su rezultat slabe obrade podataka koji su klasificirali mnoge lidarske tačke ispod površine terena kao tačke terena (C). Grobna mjesta u Poštelima mogu se vidjeti u gornjem lijevom uglu (C). © ARSO, Slovenija. Svi snimci prikazuju SVF-ove izračunate u 8 smjerova s radijusom pretrage od 10 m. 49 Slika 19: Karakteristike koje su slične talasima posljedica su loše registracije linija skeniranja (A). Mogu se vidjeti platforme za pravljenje uglja. Prostorna rezolucija od 0.5 m lidarskih podataka područja oko Besancona, Francuska, © Univerzitet Franche-Comte. Ozbiljna neusklađenost linija snimanja i pretjerano ambiciozne postavke rezolucije rezultiraju artefaktima sličnim “ribanju” i fiktivnim koracima na terenu (B). Prostorna rezolucija od 1 m lidarskih podataka područja u blizini Tauberbischofsheima © LGL u Baden-Wurttembergu. Slaba predobrada sirovih podataka rezultirala je čitavim nizom artefakata otisnutih na terenu sjeverozapadno od Volarja, Slovenija (C). Prostorna rezolucija od 1 m lidarskih podataka © ARSO, Slovenija. Svi snimci prikazuju SVF-ove izračunate u 8 smjerova s radijusom pretrage od 10 m. 50 3 Smjernice za izbor tehnika 51 52 Kako složenost raste, tako se i potreba za vizuelizacijom prenosi ne samo na ono što postoji u jasnim bojama, već su važni i tačan oblik, veličina, 3 relativna visina, stepen očuvanosti i kontekst neposrednog okruženja. Obično postoji nekoliko važnih vrsta Priprema snimaka za pitanja na koja želite odgovore kada 3|1 detekciju i interpretaciju koristite lidarske podatke za arheološke potrebe. Postoji li nešto tamo? Postoji li nešto pored? Šta je to? Zašto je tamo? Kao što je spomenuto u uvodu, digitalni Šta je starije/mlađe? Složenost se modeli visina sadrže numeričke podatke povećava sa svakim od ovih pitanja, pa je o nadmorskoj visini i moraju se pretvoriti potrebno znanje za odabir odgovarajuće u čitljiv snimak za vizuelnu interpretaciju. vizuelizacije. Isto tako, većina tehnika vizuelizacije koje su opisane u prethodnim poglavljima Dva su temeljna pitanja prilikom kreiranja proizvode rasterske karte koje sadrže vizuelizacije. Koliko je potrebno načina numeričke vrijednosti. Za prikaz ovih vizuelizacije kako bi se u potpunosti rasterskih karata kao snimaka treba ostvario zadatak i koje metode primijeniti, sive tonove ili boje, kao i vizuelizacije su najprikladnije za dobivanje rastezanje kontrasta. Takvi sivi tonovi se brzih i preciznih odgovora? Prvenstveno, na primjer postižu pridruživanjem crne izbor vizuelizacije ovisi o osobinama boje (vrijednost piksela nula) najnižoj i traženih reljefnih karakteristika bijele (vrijednost piksela 255) najvećoj (npr. veličine, oblika i konveksnosti/ numeričkoj vrijednosti pronađenoj u konkavnosti) i ukupnih oblika krajolika izračunatom rasterskom fajlu. Međutim, (npr. glatki, valjani i hrapavi). Dalji činioci u mnogim slučajevima pojavljuju se koji mogu uticati na izbor vizuelizacije ekstremne vrijednosti (posebno uz mogu se kretati od vremena računanja do rubove digitalnih modela visina), što ličnih preferencija. može rezultirati veoma niskim stepenom kontrasta snimaka. Dakle, ekstremno 53 niske i visoke vrijednosti obično moraju biti Neki softveri dopuštaju korisniku odsječene/odrezane (tj. zasićene). da automatski podešava rastezanje histograma u stvarnom vremenu Iako je korištenje sivih tonova općenito temeljeno samo na vrijednostima koje se najbolji izbor, paleta boja je poželjna u trenutno prikazuju na ekranu. To znači da nekim slučajevima, a posebno kada je se prikazani raspon vrijednosti mijenja potrebno naglasiti jasnu razliku između kada se krećemo krajolikom koji nije pozitivnih i negativnih reljefnih obilježja. veoma koristan za uporedbu osobina, Za potrebe uklanjanja trenda i za lokalni ali dobro funkcioniše ukoliko se radi o model reljefa utvrđeno je da je veoma njihovom otkrivanju. korisno korištenje plavih tonova za negativne vrijednosti i crveno/žutih tonova Rastezanje histograma sa zasićenjem za pozitivne vrijednosti. minimuma za SVF ili pozitivnu otvorenost slikovnih rendera prikazuje uske doline, Sa ciljem jasnijeg prikaza osobina, tj. s vrlo strme padine i blizine visokih većim kontrastom, obično je potrebno objekata (kao što su zgrade) crnim, rastezanje histograma. Rastezanje što može biti korisno pri određivanju histograma pretvara uski raspon ulaznih konkavnih osobina na ravnom ili vrijednosti (npr. vrijednosti visina od valovitom terenu. Ako je to nepoželjno 523.2 do 542.7 metara za hipotetičku jer npr. osobine kod takvih područja diferencijaciju visine) na cijeli opseg treba sakrivati, standardno odstupanje izlaznih vrijednosti (npr. od 0 = crno do 255 ili standardno minimalno-maksimalno = bijelo). Postoje mnoge vrste rastezanja rastezanje pruža vizuelizaciju bez ili histograma, pri čemu se najčešće uz minimalnu zasićenost, ali sa manje koristi linearno minimalno-maksimalno kontrasta. rastezanje (sa ili bez rezanja vrijednosti ispod i/ili iznad određene vrijednosti Dvije ili više vizuelizacije mogu se ili određenog procenta), izjednačenje kombinovati u jedan snimak. To može histograma, rastezanje standardnog biti koristan pristup za poboljšanje odstupanja i prilagođeno rastezanje vizuelnog prikaza krajolika ili osobina i/ histograma zasnovano na korisnički ili smanjenja broja snimaka koje treba definisanoj frekvencionoj krivoj. Samo analizirati. Takve se kombinacije obično linearna rastezanja zadržavaju relativnu primjenjuju na sive tonove ili snimke raspodjelu vrijednosti između prikazanog u boji, a ne na numeričke rezultate minimuma i maksimuma, dok ostale algoritama vizuelizacije. Računanje metode to ne čine. Učinak nelinearnog sivih tonova ili prosječne boje dva ili više rastezanja je u tome da ne možemo tačno snimaka rezultira prozirnim prekrivanjem uporediti različite osobine. Međutim, za jednog snimka preko drugog. Može se vizuelno tumačenje može ipak biti korisno koristiti težinski prosjek za podešavanje jer je u stanju “odvojiti” veoma slične prozirnosti. Alternativno, snimci se vrijednosti i time omogućiti vizuelno mogu međusobno multiplicirati (i raspon razlikovanje. 54 vrijednosti se naknadno ponovno može rastezanjima histograma i paletama boja, urazmjeriti na raspon od 0 do 255). već je to moguće raditi i sa stepenom Tri snimka u sivim tonovima mogu se transparentnosti i matematičkim kombinovati u RGB kompozitni snimak, operacijama kombinovanja slojeva. gdje se različiti ulazni snimci prikazuju Proces kreiranja ekspresivne vizuelizacije kao crvene, zelene i plave komponente istovremeno je posao i umjetnost. rezultujućeg snimka u boji (slika 3A i C). Kombinovanje rezultata različitih vizuelizacija na smislen i promišljen način oslanja se na njihove prednosti. Neki primjeri prikazani su u poglavljima Studije slučaja. Ne samo da je moguće eksperimentisati s različitim Slika 20: Izvorni snimak na kome se primjenjuje samo minimalno-maksimalno rastezanje histograma - prikazuje se cijeli niz vrijednosti s relativnim razlikama između očuvanih vrijednosti (A). Snimci prikazani različitim tehnikama rastezanja histograma: izjednačenje histograma (B), standardno odstupanje 2.5σ (C), zasićenosti minimuma i maksimuma 0.5% (D). 55 3|2 iz podataka. To podrazumijeva da za Analiziranje i određeno područje treba primijeniti predstavljanje snimaka nekoliko tehnika. U nastavku slijedi pokušaj smanjenja složenosti višestrukih 3|2|1 tehnika vizuelizacije i pružanja smjernica Odabir odgovarajućih u vezi s njihovim odabirom. vizuelizacija Preporučuje se uvijek početi sa gledanjem Izbor tehnike vizuelizacije ovisi o brojnim zasjenjenih preglednih snimaka reljefa činiocima. Najvažniji su topografija površine koja se istražuje, jer to pruža krajolika, morfologija i veličina traženih “najprirodniji” vizuelni izgled topografije osobina. Ovo je zbog toga što različite i na taj način može pomoći u odlučivanju tehnike mogu preferirano naglašavati koje druge tehnike mogu dobro male depresije ili visine, niske reljefne funkcionisati. osobine terena na horizontalnim ili nagnutim ravnima ili strukture na U područjima blage do umjereno strme padinama. Vrsta vizuelizacije često ovisi topografije, osjenčeni reljef može o zadatku i trenutnoj fazi u cjelokupnom se uspješno koristiti za istraživanja toku rada (npr. opštem pregledu, pojedinosti o reljefu. Međutim, potrebno kartiranju osobina, analizama detalja). je voditi brigu o primjeni nekoliko U gotovo svim slučajevima, jedna smjerova osvjetljenja i izbjegavanju tehnika vizuelizacije neće biti dovoljna za nedostataka sjenčenja reljefa, kao izdvajanje cjelokupne količine informacija lošem predstavljanju linearnih osobina Tabela 14: Prikladnost tehnika vizuelizacije za predstavljanje odabranih arheološko-topografskih osobina. rudarske nekadašnje grobne terase izdubljeni grebeni i jame granice humke putevi brazde zasjenčeni reljef - - + o o - nagib - o o + + ++ analiza osnovnih komponenti - - + o + ++ uklanjanje trenda i LRM ++ + ++ + + ++ dio vidljivog neba ++ + o ++ ++ ++ otvorenost ++ + + + ++ ++ lokalna dominantnost ++ ++ ++ + ++ ++ kumulativna vidljivost - - + o + o pristupačnost - o - o o - MSII + + o + + + Laplacian-of-Gaussian + + ++ + + ++ - nije prikladno; o nejasno; + prikladno; ++ veoma prikladno 56 paralelnih s azimutom osvjetljenja, U područjima s ravnom ili veoma niskom kontrastu u područjima okrenutim blagom do umjerenom topografijom, prema (homogeno sjajno) ili daleko lokalna dominantnost, uklanjanje od (homogeno tamno) izvora svjetlosti trendova ili lokalni reljefni model veoma kao i optičkih iluzija (obrnuti reljef). su korisni za isticanje izuzetno niskih Dok bi se veoma mali visinski uglovi reljefnih osobina poput nekadašnjih osvjetljenja (< 10°) mogli i trebali koristiti granica parcela ili izravnatih grobnih za naglašavanje niskih reljefnih osobina humki. Na veoma ravnim horizontalnim u područjima sa niskim nagibima i ravnima (obalne ravnice ili široke ravnim terenima, to su veći visinski uglovi riječne doline), diferencijacija visine osvjetljenja (> 35°) karakteristični za (sivi tonovi ili kodiranje boje DEM-a) strmiju topografiju. Da bi istražili osobine može biti vrlo jednostavna i učinkovita na terenima od prosječnih do strmih alternativa. Međutim, to ne uspijeva padina, potrebno je upotrijebiti osjenčeni ukoliko ukupna topografija odstupa reljef sa (skoro) vertikalnim osvjetljenjem od gotovo horizontalne. Uklanjanje kako bi se smanjilo zasićenje svijetlih/ trendova, lokalni model reljefa i lokalna tamnih površina na nagibima okrenutim dominantnost u određenoj mjeri su ka/od osvjetljenja. U ovim slučajevima, međusobno razmjenjivi. Prednost zasjenjeni reljefni snimci postaju slični jednostavnog uklanjanja trendova u nagnutim snimcima koji mogu biti korisna odnosu na lokalni model reljefa je da je alternativa u slučajevima umjerene do to mnogo jednostavniji i brži algoritam. strme topografije. S druge strane, lokalni model reljefa stvara realnije relativne visinske U područjima od umjerene do strme vrijednosti reljefnih anomalija. Lokalna topografije, najbolje funkcioniše SVF kako dominantnost zadržava (ograničeno) bi se istaknula površinska udubljenja i vizuelni dojam cjelokupnog krajolika jer osobine na padinama. Ovisno o rasponu proizvodi više vrijednosti na padinama nagiba u određenom području koje se nego na horizontalnim ravnima. To proučava, mogu biti potrebna različita podrazumijeva da na strmim padinama rastezanja histograma kako bi se izbjegla lokalna dominantnost zahtijeva drugačije svijetla zasićenja kod blage topografije i rastezanje histogram nego u područjima s tamna zasićenja na strmim padinama. U blagom topografijom. područjima s ravnom ili veoma blagom topografijom, SVF je općenito ograničen Laplacian-of-Gaussian je veoma korisna na prikaz negativnih reljefnih osobina tehnika za naglašavanje rubova i može (jame, jarci, kamenolomi, erozione se koristiti za tu svrhu. Djeluje dobro kao površine, doline, ...) i postaje veoma “prekrivač” preko ostalih vizuelizacija osjetljiv na šum DEM-a. Opšte pravilo kako bi se značajno poboljšali rubovi, a podrazumijeva korištenje rastezanja time i naglasile osobine reljefa. Kada se histograma od 0.65 – 1 za različite oblike kombinuje u (težinskim) prosječnim sivim terena i 0.9 – 1 za veoma ravne terene. tonovima s lokalnom dominantnošću 57 ili SVF-om, pomaže u prevladavanju zasićenja na strmijim padinama koje t nastaju kada se rastezanje histograma ili dio vidljivog neba prilagođava tako da bude prikladan za blagu ili umjerenu t ili MSII t ili MSII topografiju. enos enos or adijus 10 m) adijus 10 m) (r adijus 10-20 m) LD (&LoG) adijus 10-20 m) or (r (r (r Pozitivna i negativna otvorenost veoma su otv otv korisni za isticanje pozitivnih i negativnih lokalna dominantnos reljefnih osobina. Budući da otvorenost t uklanja vizuelni dojam cjelokupnih oblika krajolika, na isti ne utiče zasićenost zbog va / LRM va / LRM blagih ili strmih padina i može se koristiti u raznolikoj topografiji. Zbog sposobnosti endo endo da se različito istaknu pozitivne i negativne adijusa ~ 20 m) adijusa ~ 20 m) LD (&LoG) reljefne osobine, posebno je pogodan za adius 10-20 m)(r adijus 10-20 m) er r er r (r ciljano otkrivanje tih osobina. (filt (filt eljefne lokalna dominantnos uklanjanje tr uklanjanje tr e r Kao i otvorenost, MSII se može koristiti kod ošk raznolike topografije jer na takvu relativno malo utiče zasićenost zbog sveukupne va / LRM topografije. Budući da je riječ o pristupu endo og neba sa više nivoa, to rezultuje dobrim prikazom ane arheol adijusa ~ 20 m) osobina unutar raspona. Međutim, veoma adijus ~ 10 m) SVF (& LoG) adijus ~ 10 m) SVF (& LoG) adijus ~ 10 m) širok raspon je računarski intenzivan i er r (r (r (r dio vidljiv može rezultovati smanjenim kontrastom. (filt uklanjanje tr Različite tehnike vizuelizacije mogu se primijeniti od slučaja do slučaja. Međutim, eljef eljef eljef eljef većina ako ne i svi zadaci mogu biti tavkama. a < 10°) a ~ 30°) a ~ 45°) a > 45°) en r en r en r en r izvedeni gore opisanim odabirom. ehnika vizuelizacije za odabrt t afskim pos zasjenč (visina Sunc zasjenč (visina Sunc zasjenč (visina Sunc zasjenč (visina Sunc opogr afija a za prikladnos azličitim t opogr en e pri r er ene padine eksna an t ožena) t Tabela 15: Matric struktur rav blage padine umjer kompl (sl 58 Slika 21: Tehnike vizuelizacije s različitim reljefnim osobinama. 59 Nastavak slike 21. 60 Nastavak slike 21. 61 Nastavak slike 21. 62 63 64 Slika 22 na prethodnim stranicama (62. i 63.): Tehnike vizuelizacije pri različitim topografskim postavkama. Oranice na ravnom terenu u blizini Endingen am Kaiserstuhl. Prostorna rezolucija od 1 m lidarskih podataka © LGL u Baden-Württembergu. Tri različite vrste rovova iz Prvog svjetskog rata s skloništima na blagim sjeveroistočnim padinama Črnog hriba, u blizini Renčea, Slovenija. Prostorna rezolucija od 1 m lidarskih podataka © ARSO, Slovenija. Plamteće platforme drvenog uglja u brdima Crne šume, prostorna rezolucija od 1 m lidarskih podataka © LGL u Baden-Württembergu. Kasni rimski logor na stjenovitoj površini s crkvom sv. Jelene, zapadno od Kobarida, Slovenija. Prostorna rezolucija od 0.5 m lidarskih podataka © Walks of Peace in the Soča river Foundation. Osobne sklonosti U svim slučajevima, veoma je korisno 3|2|2 i međusobna osigurati dosljednost korištenjem iste tehnike vizuelizacije (npr. obrnuti uporedivost sivi tonovi za negativnu otvorenost i Dok su topografija krajolika i osobine za Laplacian-of-Gaussian, kako bi se morfologije važni činioci koji ograničavaju zadržala zatamnjenost niskih/konkavnih prikladnost bilo koje tehnike vizuelizacije, i svjetlijih predstavljanja visokih/ korisničke postavke također igraju važnu konveksnih reljefnih oblika). Postavke za ulogu u odabiru. Dok neki korisnici određene tehnike vizuelizacije također preferiraju vizuelizaciju koja zadržava što ovise o zadatku. Dok su neke tehnike je više moguće “prirodni” izgled terena posebno pogodne za otkrivanje vizuelnih (npr. osjenčeni reljef ili dio vidljivog neba), osobina (tj. pomažu vidjeti da nešto drugi vole vizuelizacije koje pružaju viši postoji), drugi su pogodniji za tumačenje nivo apstrakcije od terena do snimka (npr. tih osobina (npr. pomažu prepoznavanje i tehnike koje smanjuju ili uklanjaju vizuelni tumačenje o čemu se radi). dojam cjelokupne topografije krajolika, kao što su uklanjanje trendova ili Obuka i iskustvo kao i nove metode mogu otvorenost). Druge osobne sklonosti mogu s vremenom promijeniti preferencije se odnositi na prikaz sivih boja ili snimaka određenog korisnika. Dok se prilagodba u boji, kombinacije nekoliko vizuelizacija i razvoj osobnih sklonosti općenito (ili nekoliko varijanti jedne vizuelizacije s može očekivati za poboljšanje kvalitete i različitim postavkama parametara) kao tumačenja kao i stope otkrivanja, također RGB kompozit ili tip i snaga rastezanja podrazumijevaju ograničenu međusobnu histograma koje se primjenjuje. Kada se uporedivost rezultata kartiranja između kreiraju snimci u boji, trebalo bi razmotriti različitih korisnika, pa čak i između relativno veliku rasprostranjenost područja kartiranih od strane istog različitih stepena nedostatka vidljivosti korisnika u različito vrijeme razvoja boja (npr. prijelazi iz zelene do smeđe ili iz njihovih vještina. Kako je međusobna plave do ljubičaste boje mogu biti nejasni uporedivost rezultata veoma važna u mnogim ljudima). Prijelazi boja uvijek naučnom radu, potrebno je uložiti napore trebaju biti prijelazi u nijansama i svjetlini, za poboljšanje iste ili je barem to potrebno a ne samo u nijansama. kvantifikovati. U idealnom slučaju, ponavljano kartiranje od strane različitih 65 osoba, ili tzv. kartiranje u parovima, Vjerovatno brojno intuitivno, percepcija imalo bi veliki potencijal u značajnom je aktivan prije nego li pasivan proces. smanjenju problema prilikom međusobne Visoko rezolucijska mrežnica ljudskog oka uporedivosti. Međutim, ove mogućnosti pokriva samo veoma mali dio vidnog polja. su obično neizvodive zbog opterećenja i Pokreti očiju zahtijevaju kompleksne nedostatka osoblja. povratne informacije između oka i mozga. Ti pokreti očiju predstavljaju staze za skeniranje po kojima je skenirane scena Percepcija ili slika (Yarbus 1967). Nadalje, Yarbus 3|2|3 (1967) napominje da staze skeniranja ovise o pitanju ili zadatku koji se odnosi na snimke. Budući da su staze skeniranja u DEM vizuelizacija je dugačak proces. interakciji između našeg sistema mozak- Započinje numeričkim podacima oko i kako su slike podsvjesne, one znače visina, transformisanjem istih po da je visoko rezolucijska pokrivenost različitim algoritmima vizuelizacije u datog snimka vjerovatno nepotpuna, osim rasterske karte numeričkih vrijednosti, ako posmatrač čini spoznajne napore vizuelizacijom numeričkih podataka gledanjem svih dijelova snimka. Taj napor sivim tonovima/kolor kartiranjem i može biti olakšan primjenom (vidljive ili kontrastnim/ histogramskim rastezanjem imaginarne) mreže na snimku. i prikazivanjem ovih snimaka na ekranima računara, ili štampanjem tako da su I pored svjesnog prisiljavanja gledanja vidljivi ljudskom oku. Sve to se mora svakog dijela snimka, obično se uočavaju dogoditi prije nego što snimak može samo one osobine koje se znaju ili očitati posmatrač. Razumijevanje cijelog prepoznaju, tj. osobine koje se traže. procesa je nužno da bi se ispravno Adams (1982) je izvanredno opisao to kao tumačili snimci i kako bi bilo moguće tuđe polje problema (engl. Somebody mijenjanje / podešavanje parametara Else’s Problem field - SEP): obrade podataka. Kreiranje različitih vrsta „SEP [...] je nešto što ne možemo vizuelizacije iz DEM-a je samo uvod u vidjeti, ili ne vidimo, ili nam naš jednako važan proces čitanja i tumačenja mozak ne dopušta da vidimo, snimaka. Budući da se to dešava u mozgu jer smatramo da je riječ o (gdje, suprotno softveru, koji je korišten tuđem problemu [...]. Mozak ga do ovog koraka, nema mogućnosti jednostavno uklanja, to je kao mrtvi kontrole nad algoritmima i parametrima), ugao. Ako na to gledate direktno taj proces čitanja i interpretiranja obično nećete ga vidjeti osim ako tačno ne se uzima zdravo za gotovo. Međutim, znate o čemu se radi. Vaša jedina uprkos ograničene kontrole nad mozgom, nada je da ga uhvatite na prepad važno je da se barem razvije svijest o krajičkom oka [...]. Oslanja se na tome kako se odvija proces vizuelizacije. ljudsku prirodnu predispoziciju da ljudi ne vide ništa što ne žele vidjeti, 66 što je neočekivano, ili se ne može Vizuelizacija skupova objasniti” (Adams, 1982). 3|3 podataka koji nisu lidarski podaci Podsvjesno prethodno tumačenje onoga što je vidljivo (na primjer činjenice Opisane tehnike vizuelizacije i smjernice i sklonosti zatvaranja praznina ili za njihov odabir su primjenjive na grupa objekata na temelju sličnosti, ili rasterske visinske podatke iz različitih blizini, kako bi se formirao oblik (njem. izvora i rezolucija, i primjenjuju se na gestalt)) (Boeree 2009), može omogućiti različitim razmjera i za posmatranje prepoznavanje reljefnih osobina koje su niza entiteta (krajolika, objekata). samo djelimično sačuvane. Međutim, Rasterski modeli visina mogu biti isti učinak može biti pogrešan i može izvedeni iz zračnog laserskog skeniranja dovesti do pogrešnog tumačenja. Ljudski (engl. Aerial Laser Scanning - ALS) s sistem oko-mozak izuzetno je prilagodljiv prostornom rezolucijom od 10 cm u i učinkovit sistem prepoznavanja uzorka, najboljem slučaju, ali češće u rasponu ali treba biti obučen za otkrivanje tih od 0.5 m do 1 m. ALS podaci najčešće se obrazaca. Njegova učinkovitost također koriste za lokalne ili projekte regionalnih može biti smetnja, jer bi se mogao razmjera. Mnogo veća rezolucija DEM- vidjeti uzorak tamo gdje ga nema. ova može biti dobivena iz, na primjer, Mogući pristup za protudjelovanje terestričkog laserskog skeniranja, takvih ograničenja može, na primjer, Structure-from-Motion (SfM) modeliranja biti kartiranje u paru – tj. dvije osobe (također poznato i kao blizopredmetna moraju se složiti u vezi toga šta su vidjeli. fotogrametrija), ili strukturiranog Osim razumijevanja, opisani algoritmi svjetlosnog skeniranja. Rezolucije takvih vizuelizacije i svjesno ograničenje naše DEM-ova variraju od nekoliko centimetara vizuelne percepcije, vježbanje i iskustvo do ispod jednog milimetra, a oni su u tumačenju DEM vizuelizacije ključni su najbolji za posmatranja manjih područja za ispravnu i (u vrijeme ogromne količine ili pojedinih objekata. podataka i veoma ograničene radne snage) brzu interpretaciju. Ipak, nakon Grublji DEM-ovi, na primjer tradicionalni ponovnog gledanja istog lidar snimka nacionalni i svjetski skupovi podataka iznova i iznova, ponekad možete otkriti kreirani klasičnim geodetskim nešto novo “krajičkom oka”. premjerom, fotogrametrijom i interferometrijom imaju prostornu rezoluciju u rasponu od 5 m do 30 m. Besplatni izvori svjetskih baza podataka su SRTM Global i ASTER Global DEM, oba s rezolucijom od otprilike 30 metara i dostupni su na earthexplorer.usgs.gov. Oni su prikladni za nacionalne, kontinentalne i globalne studija okoliša. 67 Slika 23: Različita mjerila posmatranja. Snimak dijela vidljivog neba bogato ukrašenih detalja pločnika u Newgrangeu, Irska, kreirano sa Structure-from-Motion ručno snimljenim fotografijama (A). Raspršene kosti (B) i tragovi pljačke (C) u pustinji Perua. Model visina izračunat je iz snimaka snimljenih s kamerom na držaču i prikazan je ovdje sa kombinacijom lokalne dominantnosti i sjenčenog reljefa. Grand Canyon (D) kao dokaz 30 m SRTM podataka prikazanih u kombinaciji SVF-a i sjenčenog reljefa. Središnji Massif, Jura i Alpe (E) prikazani kombinacijom neizotropnog SVF-a i sjenčenog reljefa. 68 Šta je u imenu? drugim opcionim proizvodima, 3|4 • georeferencirani, digitalni prostorni prikaz preciznog obuhvata svakog isporučenog skupa podataka, Informacije o tome kako su dobiveni • datoteke metapodataka proizvoda i obrađeni sirovi lidarski podaci, te za cjelokupni projekat, svaku misiju informacije o načinu i postavkama za skeniranja i svaku grupu proizvoda predstavljanje istih, ima veliki uticaj koja se može isporučiti. na otkrivanje osobina i interpretaciju procesâ. Na primjer, ako interpretatori On također daje opisni predložak i poznaju izvornu gustinu skeniranja, dovršen primjer u prilogu 3, primjer metodu filtriranja oblaka tačaka i metodu lidarskih metapodataka (engl. Lidar dobivanja digitalnog modela visine, oni Metadata Example), i u prilogu 4 mogu prosuđivati i donositi odluke o predložak lidarskih metapodataka (engl. raznim artefaktima koji se mogu pronaći Lidar Metadata Template). Međutim, u podacima. Stoga, ovi metapodaci moraju specifikacije metapodataka obično slijediti lidarske skupove podataka za pokrivaju samo hardver i softver koji vizuelizaciju namijenjenu otkrivanju i se koristi za obradu ili stvaranje skupa tumačenju konačnog proizvoda - tematske podataka, uz dodatna objašnjenja koja se karte. Lidar zasnovana specifikacija mogu pridružiti u odjeljcima o kvaliteti (Heidemann 2014) pruža specifikacije podataka (npr. uključivanje ili propuštanje za nabavku lidarskih podataka, te je osobina). Parametri obrade za filtriranje dobar izvor informacija o tome koje i vizuelizaciju rijetko se daju. Ako nije metapodatke treba sačuvati. Specifikacija izričito naglašeno od strane finansijera, navodi da isporuke metapodataka trebaju nekoliko tehničara i naučnika unosi sva sadržavati sljedeće (Heidemann 2014: 13): potrebna i neobavezna polja u shemu metapodataka. Ipak, upisivanje sljedećih • izvještaj o prikupljanju pojedinosti zapisa može pomoći procesu tumačenja u o planiranju misije i zapisnicima nekoliko faza: leta, • skeniranje podataka: tip lidarskog • izvještaj o detaljima prikupljanja senzora i model, nominalna kontrolnih i veznih tačaka korištenih gustina skeniranja, nominalni pojas za kalibraciju i QA/QC, uključujući preklapanja, datum prikupljanja kontrolne i kalibracione tačke, podataka; • izvještaj o detaljima vezanim uz • opis obrade nakon prikupljanja kalibraciju, klasifikaciju i postupcima podataka: korištena metoda generisanja proizvoda, (metode), postavke parametara, • QA/QC izvještaj, s detaljnim opis ciljane obrade (npr. proizvodnja postupcima analiza, procjene modela terena, uklanjanje samo tačnosti i validacije podataka o vegetacije, kreiranje površinskog tačkama, ogoljenim površinama i 69 Slika 24: Da li je grobna humka, rupa u tlu, ili kamenolom, ili brdo? Neko ko posmatra sliku treba znati smjer izvora svjetlosti, jer ima konačan uticaj na percepciju krajolika. Azimutno osvjetljenje 315° (A) i azimut 135° (B). Osobine terena izgledaju preokrenuto na (B). 70 modela), prostorna rezolucija primijenjenu tehniku vizuelizacije i modela visine; postavke glavnih parametara u ime • vizuelizacija: korištena metoda izlaznog fajla, kao i pohraniti sve postavke (metode), postavke parametara (za u zapisnik obrade. Iz imena fajla Novi_ detalje pogledati u nastavku); Breg_DTM_1m_LRM_FSc_Ilin_FR10_ MR25.tif sasvim je očigledno da je lokalni • proces tumačenja: ciljevi tumačenja model vizuelizacije reljefa primijenjen (npr. prepoznavanje mjesta pojedinih na digitalni model terena rezolucije 1 m grobnih humki i obilježavanje (slika 25). Primijenjene postavke su njihovog opsega), pouzdanost sljedeće: rezultata (kvalitativna ako kvantitativna procjena nije moguća, • FSc – oblik filtera: kružni npr. niska do visoka, preporučuje se • Ilin – metoda interpolacije: opis svake klase). linearna Minimalni zahtjevi za metapodatke za • FR – radijus filtera [px]: 10 potrebe vizuelizacije su primijenjeni • MR – maksimalni raspon [px]: 25 algoritam i postavke osnovnih parametara. Pružanje svih pojedinosti Takvi nazivi datoteka mogu se činiti često ne može biti praktično prilikom čudnim na početku, ali su najbolji zaštitni pripreme snimaka za publikovanje. znak za pamćenje potreba pri proizvodnji Tabela 16 navodi obavezne i pomoćne snimaka za publikovanje ili pokušaja parametre. Nužnost pružanja pomoćnih ponavljanja procesa s drugim podacima. parametara u velikoj mjeri ovisi o svrsi prikazivanja snimka: ako je cilj isključivo pružiti vizuelnu ilustraciju, mnogi parametri se mogu izostaviti. Međutim, ako je cilj kvantitativna analiza specifičnih osobina, za potrebe rasprave o pojedinačnim osobinama, ili uporedbe različitih vizuelizacija, potrebno je dati više parametara kako bi čitatelj razumio snimak i kako bi mogao reprodukovati proces stvaranja snimka. Nekad naizgled trivijalan parametar, kao što je azimut osvjetljenja sjenčenog reljefa, može imati ogroman uticaj na percepciju krajolika i mora biti poznat posmatraču (slika 24). Veoma je jednostavno ponoviti izračunavanje vizuelizacije s različitim postavkama. Dobra je praksa pohraniti 71 Tabela 16: Metapodaci koji su potrebni prilikom predstavljanja DEM vizuelizacija. tehnika vizuelizacije obavezni parametri pomoćni parametri zasjenčeni reljef azimut osvjetljenja elevacija osvjetljenja vertikalni faktor preuveličavanja rastezanje histograma nagib rastezanje histograma (minimalni/maksimalni nagib) uklanjanje trenda, niskopropusni radijus filtera rastezanje histograma / kôd boje lokalni model reljefa tip niskopropusnog filtera otvorenost pozitiv/negativ broj smjerova pretrage sivi tonovi / obrnuti sivi tonovi rastezanje histograma radijus pretrage SVF radijus pretrage broj smjerova pretrage rastezanje histograma lokalna dominantnost radijus pretrage visina posmatrača rastezanje histograma kumulativna vidljivost radijus pretrage visina posmatrača / mete uglovna rezolucija pristupačnost radijus pretrage broj smjerova pretrage MSII referentni vektor (ako nije nazivnik razmjere nula) minimalni i maksimalni radijus rastezanje histograma Laplacian-of-Gaussian radijus filtera sivi tonovi / obrnuti sivi tonovi rastezanje histograma 72 Slika 25: Obrasli ostaci napuštenog sela Novi Breg (Naubacher), Slovenija, predstavljeno tehnikom lokalnog modela reljefa s radijusom filtera od 25 m (A). Ostaci kuća mogu se vidjeti kao svijetli pravougaonici. Velike crne mrlje su ponikve. Jednostavno je replicirati takvu sliku s minimalnim datim podacima. Međutim, kada reprodukcija ili relativna uporedba među područjima nije potrebna, kombinacije vizuelizacije mogu dati slike koje je lakše analizirati, a detalji o vizuelizacijama mogu biti izostavljeni (B). Lidarski podaci od 1 m © ARSO, Slovenija. 73 Slika 26: Algoritmi sjenčenja reljefa u ArcMap-u (ArcMap 2012) i RVT koriste istu metodu (Yoëli 1965), no rezultati su posve drugačiji, kao što se vidi iz slike neboderâ u donjem Manhattanu. Izgleda da je slika sjenčenja reljefa izračunata pomoću ArcGIS-a (A) manje jasna (kao da se koristi DEM niže rezolucije) od one izračunate pomoću RVT-a (B). Treba imati na umu jasno vidljive korake uzdizanja na (B), naročito korake na pročelju donjeg desnog nebodera (B), jer u potpunosti nedostaju u (A). (A) i (B) zasićene su visokim i niskim vrijednostima (potpuno bijele i crne površine). Međutim, RVT izračunava sjenčenje reljefa s punim rasponom vrijednosti, pa se detalji u crnim područjima u velikoj mjeri otkrivaju na izvornom nezasićenom snimku (C). Sve brojke izračunate su s visinom Sunca od 35° i azimutom od 315° koristeći isti DEM. Lidarski podaci prostorne rezolucije 1 m © USGS. 74 4 Alati 75 76 Dvije kutije s alatima s provedenim metodama koje daju naučne rezultate, a dokumentovane su i potkrijepljene istraživačkim radovima. 4 Istraživači mogu tek odnedavno imati 40 km2 pri rezoluciji od 1 m), vjerovatno će koristi od besplatnog softvera za izračun se morati podijeliti u segmente. naprednih tehnika vizuelizacije. Dva takva primjera su Relief Visualization Toolbox Druga softverska rješenja za obradu (RVT) i Lidar Visualization Toolbox (LiVT). rastera, kao što su QGIS, SAGA GIS, Obje aplikacije su besplatne i jednostavne, GRASS ili ArcGIS, također su počeli a služe za stvaranje vizuelizacije iz visoko pružati pristup barem nekim opisanim rezolucijskih digitalnih podataka visina tehnikama vizuelizacije, no ovdje se ne dobivenih pomoću zračnog laserskog razmatraju jer nisu temeljito testirane skeniranja (lidar) ili drugih izvora, npr. implementirane metode. Testiranje je structure-from-motion fotogrametrije. neophodno jer softverska rješenja mogu Drugi softver je namijenjen naprednijim dati različite rezultate usprkos istoj korisnicima s određenim poznavanjem korištenoj metodi i malim razlikama u obrade podataka i geografskih implementaciji, što može imati izuzetno informacionih sistema, a prvi je veliki uticaj na prikaz osobina (slika 26). prilagođen početnicima kod interpretacije reljefa. Primijenjene metode daju naučno utemeljene rezultate i dokumentovane Relief Visualization su i potkrijepljene naučnoistraživačkim 4|1 Toolbox (RVT) radovima. Oba alata bi trebala raditi na svakom uobičajenom personalnom računaru. Sa velikim datotekama mogu RVT (dostupan je na iaps.zrc-sazu. postojati problemi s ograničenjima si/en/rvt) je samostalan alat koji ne veličine RAM-a i TIFF-a. Ako se npr. zahtjeva pokretanje vanjskog softvera. trebaju obraditi veći fajlovi (npr. veći od Pruža suženi raspon metoda, a njihove 77 su postavke ograničene na najvažnije. GeoTIFF, ASCII grid XYZ, Erdas Imagine Odabrane tehnike dokazano su učinkovite file i ENVI formate. RVT se stoga može za otkrivanje osobina malih razmjera koristiti za pretvaranje DEM fajlova iz i postavljene su zadane vrijednosti za preferiranog formata u formate koje obavljanje ovog zadatka. Neke tehnike podržava LiVT (npr. ENVI), te pretvoriti (npr. sky-view faktor i otvorenost) pogodne rezultate LiVT natrag u široko podržani su za velike skupove podataka. format (npr. GeoTIFF). RVT može obraditi sve GDAL (GDAL RVT također može mozaikovati rasterske Development Team 2014) podržane podatke i vizuelizacija s odabranim rasterske formate (npr. GeoTIFF, postavkama može se izvršiti na unaprijed generički binarni file, Erdas Imagine definisanom popisu fajlova bez pokretanja file, ENVI file, Arc/Info ASCII Grid, grafičkog korisničkog sučelja (engl. ASCII gridded XYZ, JPEG2000, …). Može Graphical User Interface - GUI). obraditi više fajlova iz različitih foldera i sve tehnike u jednom koraku. Moguće Dodatne informacije mogu se pronaći u ga je pokrenuti bez otvaranja grafičkog RVT priručniku (Upute za korištenje), što korisničkog sučelja, sa popisa datoteka i je dostupno na RVT web stranici. sa predefinisanim postavkama. Izlazni podaci vizuelizacije kreiraju par GeoTIFF-ova po svakoj odabranoj Lidar Visualisation vizuelizaciji. Jedan daje tačno izračunati 4|2 Toolbox (LiVT) rezultat, a drugi pojednostavljeni rezultat (“sliku”) optimiziran za gledanje u neGIS- LiVT (dostupan je na sourceforge.net/ ovskom softveru, npr. Windows Photo projects/livt) može izračunati sve tehnike Vieweru ili pregledniku za Mac korisnike. opisane u poglavlju Opis tehnika i ima Svi izlazni fajlovi su upisani u folder postavke za zamršenu manipulaciju ulaznog fajla. Nazivi izlaznih fajlova za parametara svakog algoritma. Na primjer, vizuelizaciju sastoje se od imena ulaznih prilikom izračunavanja opcije lokalnog fajlova i sufiksa koji opisuju odabranu modela reljefa (engl. Local Relief Model) metodu i parametre obrade. Svako omogućava se postavljanje oblika izvršenje programa također generiše log filtera (kružnog ili kvadratnog), radijusa fajl zapisnika obrade po ulaznom fajlu, filtera, metode interpolacije (inverzna čime se automatski sastavlja datoteka udaljenost, najbliži susjed, prosječna, metapodataka. linearna ili bilinearna) i maksimalni raspon. Ograničen je u pogledu vrste fajla Alatna traka podržava pretvorbu fajlova koje podržava i trenutno može obraditi i visinskih rasterskih podataka. Moguće generisati samo generic BIL (engl. Band je pretvoriti sve najčešće korištene Interleaved by Line) fajl i ENVI rasterske jednokanalne rasterske formate u fajlove. 78 LiVT također uključuje alat za rasterisanje Pokreće se na operativnom sistemu ASCII XYZ tačkastih oblaka tačaka (npr. Windows i zahtijeva Microsoft .NET podaci o posljednjem povratu lidarskog Framework verziju 4. Ne uključuje signala) s četiri različite metode preglednik, pa će stoga biti potreban interpolacije. dodatni softver (GIS) za prikazivanje rezultata obrade. Svi algoritmi kreiraju Slika 27: RVT nudi raspon najboljih tehnika s osnovnim opcijama. Izuzetno je jednostavan za korištenje i može obrađivati više fajlova i primijeniti sve tehnike u jednom koraku. 79 binarne rasterske karte u zapisu procesora. Jednostavniji su algoritmi s pomičnim zarezom. Za njihovo mnogo brži od složenijih. Tamo gdje se pregledanje u GIS-u morat će biti može odrediti radijus filtera ili radijus primijenjeni sivi tonovi ili kodiranje boja. pretrage, udvostručenje radijusa će Osim toga, prikladno kontrast/rastezanje približno udvostručiti vrijeme računanja histograma može biti potrebno za za isti ulazni fajl u radijalnom algoritmu postizanje optimalnih rezultata. (onaj koji uzima u obzir piksele uz ograničeni broj radijalnih linija), ali će Veličine fajlova razlikuju se od algoritma učetverostručiti vrijeme računanja u do algoritma i kreću se od 30 do 144 algoritmu koji razmatra sve piksele miliona piksela po fajlu. Vrijeme unutar radijusa. računanja ovisi, pored odabranog algoritma, i o odabranim parametrima i naravno o snazi računara. LiVT koristi samo jedno jezgrene procesore, ali nekoliko LiVT-a može raditi na zasebnim jezgrama na računaru s više Slika 28: Lidar Visualization Toolbox (LiVT) podržava različite tehnika računanja sa složenim mogućnostima za manipulaciju postavkama. 80 5 Studije slučajeva 81 82 Sljedeća poglavlja usredotočuju se na neke tipične studije gdje je vizuelizacija lidarskih podataka pomogla arheolozima i geomorfolozima u boljem 5 razumijevanju njihovih područja od interesa. Arheolozi su u velikoj mjeri uključeni u fosilnih polja i terasa za poljoprivredni tumačenje mikroreljefnih struktura iz uzgoj (Sittler 2004), ranijih podjela podataka lidara, jer su precizni modeli zemljišta (npr. Rimske centurije), reljefa omogućili detaljno kartiranje napuštenih kamenoloma i rudarskih jama, i mjerenja obraslih arheoloških grobalja i cesta iz ranijih perioda historije struktura (brana, bedema, jaraka, (npr. Rimske, srednjovjekovne) (Challis jama, kamenoloma, ostataka kuća, itd.) 2006, Challis i dr. 2008, Crutchley 2009a, (Kershaw 2003; Devereux i dr., 2005), Crutchley 2009b), čak i u ekstremnim 83 uslovima, kao što su kartiranja • Modeliranje procesâ (npr. glacijalni, karakteristika pod gustim nadstrešnicama periglacijalni (Smith i dr. 2006), tropske šume (Fernandez-Diaz i dr., 2014). fluvijalni (French 2003) i eolski procesi (Sankey i dr. 2010), erozija i Podaci o zračnom laserskom skeniranju taloženje tla (Chiverrell i dr. 2008)), također se koriste u geomorfologiji, bilo itd. direktno u obliku visinskih podataka za • Procjenu rizika od prirodnih otkrivanje površinskih diskontinuiteta opasnosti (npr. odroni kamenja (Lan (npr. lomnih linija, oblika) i formi (npr. i dr. 2010), klizišta (Metternicht i protoka lave), ili indirektno klasifikacijom dr., 2005), tokovi ledenih krhotina površinskih osobina relevantnih za (Conway i dr., 2010)). geomorfološke procese. Modeli reljefa visoke rezolucije omogućavaju: Naredna poglavlja usredotočuju se na neke tipične studije u kojima je • Kartiranje geomorfoloških osobina vizuelizacija lidarskih podataka pomogla (npr. mreže odvodnje i kanala arheolozima i geomorfolozima da bolje (Passalacqua i dr. 2010), naslaga razumiju područja od interesa. taloga, epiklastičnih sedimenata i tokova lave (Fornaciai i dr. 2010), obalnih dina (Woolard i Colby 2002), glacijalnih oblika (Smith i dr. 2006)), Slika 29: Lepeza aluvijalnih nanosa u kanjonu Craig u Slanoj dolini, SAD. Fotografisao Brian Lockett Air-and-Space.com. 84 5|1 Aluvijalni depoziti iz Aluvijalni nanosi imaju praktično i ekonomsko značenje za društvo, posebno kanjona Craig u Slanoj u sušnim i polu-sušnim područjima dolini, Kalifornija, SAD gdje mogu biti glavni izvor vode za uzgoj i navodnjavanje, te održavanje života. Aluvijalni depoziti koji se protežu od Korištenje pustinjskih nanosa kao stalnih kanjona Craig na rubu planina Inyo izvora vode je ograničeno, međutim, do Slane doline (engl. Saline Valley) u zbog povremene kiše ili topljenja snijega Kaliforniji, SAD, tipičan su depozitni oblik pružaju veoma sporu stopu ponovnog polaganja nekonsolidovanog materijala punjenja. koji se prenosi vodom. Aluvijalni depoziti obično se formiraju u podnožjima gdje Stvaranje naselja na aluvijalnim nanosima postoji označen prekid u nagibu. Vrh može biti opasno, jer su isti skloni (uski dio) svakog depozita nalazi se tik poplavama. Voda, blato i prljavština mogu do ruba kanjona koji služi kao ispust za ugroziti zajednice kilometrima daleko planinski sistem odvodnje. Sediment od vrha aluvijalnih nanosa. Lidarski od erozije unutar planina pomaknut podaci otkrivaju detalje zamršenog je ovim sistemom odvodnje u susjedni sistema odvodnje, što se često koristi bazen, formirajući široki trougao – lepezu za hidrološke studije izvora voda i depozita. Budući da rijeke koje pohranjuju modeliranje poplava. aluvijalne depozite imaju tendenciju da su brze tekućice, prvi materijal koji je spušten obično je grub, s finim pijeskom i muljem prema rubovima. Tabela 17: Parametri lidarskog skeniranja aluvijalnih depozita u Craig kanjonu (Kalifornija, SAD)1. vrijednost parametra tip skenera Optech GEMINI platforma avion datum između 18.04. i 24.04.2008. godine, tačan datum je nepoznat prosječni broj posljednjih i pojedinačnih tačaka 3.6 po m2 na kombinovanom skupu podataka prostorna rezolucija konačnog modela visina [m] 0.5 1 Lidarski podaci dobiveni su od Plate Boundary Observatory by NCALM, SAD . PBO-em upravlja UNAVCO for EarthScope i podržan je od strane National Science Foundation (Broj EAR-0350028 i EAR-0732947). 85 Slika 30: Aluvijalni nanosi iz kanjona Craig (Kalifornija, SAD) što je očigledno na lidarskim podacima od 0.5 m prostorne rezolucije. Kolor rastegnute visine preko SVF-a i sjenčenog reljefa. © Plate Boundary Observatory by NCALM, SAD. 86 5|2 Utisnute staze u Volčjem “Umjesto fragmenata transportnih mreža koji povezuju fiksne tačke u Potoku u Sloveniji krajoliku, utisnute staze su prilično “neuredni” krajolici kretanja, Historijske utisnute staze su putevi koji su ispreplitane gomile različitih erodirali do temelja zbog korištenja ljudi, ogrebotina i tragova kretanja, životinja i kola, tako da su uvučene ispod gotovo bioloških oblika, “organskih” nivoa okolnog krajolika. One se formiraju pletenih linija koje proizilaze iz rasta u mekom kamenu, a ne na tvrdoj stijeni. i diferencijacije kroz ritam ljudskog Redovno gaženje ljudi ili stoke potiskuje i životinjskog kretanja, promjene rast vegetacije na stazama i smanjuje godišnjih doba, dinamike vode ... stopu infiltracije vode. To rezultira Nisu se približili negdje, od tačke povećanim površinskim oticanjem duž A do tačke B, nego su u krajoliku, staza, posebno na strmim padinama. živeći svakodnevnim životom. Ljudi Tokom sušne sezone, gazište zamjenjuje nastanjuju krajolik duž tih staza. površinsko tlo, pružajući izvor sedimenata To su linije po kojima su od stvari tokom kišne sezone. Staze postaju kanali i obilježja duž puta, na neuredan za površinsko oticanje i izvor sedimenta, način, kreirani nekadašnji krajolici.” što rezultuje povećanim stepenom erozije (Mlekuž 2013: 41). (George i dr., 2004). Kako su se ceste produbile, postale su prirodni plovni Većina ih je kroz vrijeme postala putevi. Kiša ih je isušivala i izdubljivala, neprohodna, obrasla koprivom i dračom. oluje su ih pretvorile u privremene rijeke, Istima se nemoguće kretati i desetljećima uklanjajući labav kameni otpad i urezujući su ostali neistraženi. Njihova promjena ceste još dalje ispod livada i polja. smjera i položaja na padinama čini ih teškim za vizuelizaciju na lidarskim Erozija vode ubrzala je proces izlijevanja podacima. Neophodna je kombinacija i napravila je neke staze blatnim i nekoliko tehnika kako bi se to ispravno neprohodnim. Kada se to dogodilo, ljudi učinilo (slika 32). su putovali alternativnim stazama, što je na nekim mjestima vodilo formiranju isprepletenih kanala u obliku rijeka, grananja i konvergiranja (Edgeworth 2011: 109): 87 oka,ot čijeg Pol o-zapadno od V ver taze u šumi sje e s afisao Žiga Kokalj. elne utisnutal ogr ar ot ovenija. F Slika 31: P Sl 88 Slika 32: Utisnute staze i glavni tokovi ispod gradine na Žiškom vrhu, sjeverna Slovenija, kao što je vidljivo iz kombinacije dijela vidljivog neba (0.65-1, neprozirnost 25%, množenje), pozitivne otvorenosti (70-93, neprozirnost 50%, preklapanje), nagiba (0-45°, neprozirnost 50%, osvjetljenost) i sjenčenja reljefa. Lidarski podaci od 0.5 m © ARSO, Slovenija. 89 Slika 33: Utisnute staze na uskom prolazu duž rijeke. Volčji Potok, sjeverna Slovenija. Lidarski podaci prostorne rezolucije od 0.5 m © ARSO, Slovenija. Tabela 18: Parametri lidarskog skeniranja Žiškog vrha i Volčijeg Potoka (Slovenija). vrijednost parametra tip skenera Riegl LMS-Q780 platforma helikopter datum juli 2014 do marta 2015 prosječni broj posljednjih i pojedinačnih tačaka 3.0 po m2 na kombinovanom skupu podataka prostorna rezolucija konačnog modela visina [m] 0.5 90 5|3 Predhistorijsko Zemlje, države i regije u sve većem broju nude svoje lidarske podatke za slobodnu naselje iznad Knežaka, i otvorenu upotrebu. Stoga je sve veća Slovenija prilika za razvoj proizvoda i usluga Gradišče nad Knežakom, gradina iz zasnovanih na visoko rezolucijskim ranog i kasnog željeznog doba, bila visinskim modelima. Međutim, je nekadašnje središnje mjesto na korisnici podataka i dalje trebaju području Pivke, Slovenija. Nalazi se barem osnovna znanja o tome kako su na vrhu grebena i danas je potpuno ti podaci dobiveni, obrađeni i kako se prekrivena neprohodnom šumom. mogu dobiti ili poboljšati u skladu sa Oblik gradine je ovalno-trouglast, njihovim zahtjevima. Slovenski nacionalni obilježen dobro očuvanim bedemima na skup lidarskih podataka općenito je zapadnoj, jugoistočnoj i istočnoj strani, visokokvalitetan, ali velik dio podataka te strmim padinama na sjevernom rubu. oblaka tačaka sadrži dvostruke unose Na sjeverozapadnoj granici naselje je i negativne tačke sa grubim greškama utvrđeno tornjem. Plato se visinski polako koje su klasifikovane kao tlo (pogrešne spušta prema niskim terasama na južnoj tačke ispod pravog terena). Podaci su strani. Mala udubljenja najvjerovatnije su također obrađeni s posebnim zahtjevom tragovi djelimično zakopanih struktura za klasifikaciju zgrada. Stručnjaci koji su (objekata) (Laharnar 2012: 66-67). zainteresovani za pravo predstavljanje osobina tla i sitno razmjernih osobina Odsutnost rimskih vojnih nalazišta i mogu znatno profitirati čak i ponovnom tragova vojnog angažmana iz razdoblja obradom podataka sa različitim softverom prije Augustiniana i stalna okupacija (pogledati slike 35 i 36). starih naselja ukazuju na lojalnost tih zajednica rimskoj državi (Laharnar 2012: 243-244). Tabela 19: Parametri lidarskog skeniranja naselja iznad Knežaka (Slovenija). vrijednost parametra tip skenera Riegl LMS-Q780 platforma helikopter datum između 11.02. i 21.11.2014. godine, tačan datum je nepoznat prosječni broj posljednjih i pojedinačnih tačaka 4.2 po m2 na kombinovanom skupu podataka prostorna rezolucija konačnog modela visina [m] 0.5 91 ena ekriv e danas je potpuno pr . tu slik ediš tjan Laharnar adina u sr om gr afisao Boš ogrot e nad Knežak adišč ohodnom šumom. F Slika 34: Gr nepr 92 Slika 35: Naselje iz željeznog doba iznad Knežaka i okoline, kao što se vidi na klasifikovanim slovenskim nacionalnim lidarskim podacima (GKOT, © ARSO, Slovenija) koji su obrađeni gLidar softverom, rasterizirani na mrežu od 0.5 m. Vidljiva su mnoga mala udubljenja i nepostojeće rupe (pogledati također i sliku 18C). Snimak je kombinacija dijela vidljivog neba (0.7-1, 70% neprozirnost, množenje), nagiba (0-55°, 100% neprozirnost, preklapanje) i sjenčenja reljefa. 93 Slika 36: Ista površina kao na slici 35, ali je obrada obavljena drugim softverom (LASTools). Čak i uz minimalan napor (zadane postavke), rezultujući snimak daje jasniju sliku arheološke i prirodne topografije, unatoč gubljenju dijela “oštrine”. Na donjem dijelu snimka vidljive su nestrukturirane skupine kamenja na polju i granice polja. Lidarski podaci prostorne rezolucije od 0.5 m © ARSO, Slovenija. 94 5|4 Groblje Humka u Pivoli, promijenile vizuelnu strukturu krajolika. Postavljene su tako da Slovenija dominiraju pogledom u prvom planu ili kratkim vizuelnim razmakom, da Groblje na Pivoli, na Dravskoj ravnici u budu neposredne, bliske i zanimljive podnožju planine Pohorje u Sloveniji, svim čulima. Kada se nalazi unutar sadrži desetine grobnih humki. Riječ je ove skupine gledaoc je u dobro o velikom području gdje su stanovnici ograničenom vizuelnom okviru i utvrđene gradine Poštela ukopani u humke dominiraju neposrednom ranom željeznom dobu (8.-6. vijek prije prisutnošću (slika 39). One su manje Hrista). Kao posljedica ideoloških i upečatljive na srednjoj udaljenosti, vjerskih promjena, ukop u humkama ali još uvijek predstavljaju važan postao je nova praksa na početku ranog sastavni element krajolika” (Mlekuž željeznog doba, u kojem ratnici postaju and Črešnar 2014: 205). najistaknutiji članovi društvenog sloja (Gulič i Črešnar 2012). U njihovim Na temelju ove studije otkrili su da je istraživanjima, temeljem lidarskih krajolik oko Poštele imao kritičnu ulogu podataka, Mlekuž i Črešnar (2014) istražili kao medij, jer je postao kulturološki su važnost i namjeru pozicioniranja krajolik, poligon za izražavanje ideja različitih grupa grobnih humki oko i poruka. Uvažavanje, povezivanje ili gradine Poštela u okviru krajolika. mijenjanje postojećeg prostornog poretka bila je snažna poruka koja je “Pivola se nalazi u kompaktnom reprodukovala ili mijenjala postojeće vizuelnom okviru doline, u plitkoj društvene identitete i odnose moći depresiji koja je ograničena (Mlekuž i Črešnar 2014: 209). prirodnim niskim grebenima na sjeveru i jugu. Humke su pozicionirane na način da bi Tabela 20: Parametri lidarskog skeniranja grobnih humki u Pivoli (Slovenija). vrijednost parametra tip skenera Riegl LMS-Q780 platforma helikopter datum između 12.03. i 20.10.2014. godine, tačan datum je nepoznat prosječni broj posljednjih i pojedinačnih tačaka 4.7 po m2 na kombinovanom skupu podataka prostorna rezolucija konačnog modela visina [m] 0.5 95 ati seet o kr ešk eoma je t om kasne zime, vok oli. Osim t afisao Žiga Kokalj. obnih humki u Piv ogrot e. Fač te dr Slika 37: Jedna od gr zbog gus 96 Slika 38: Grobne humke u Pivoli kao što je prikazano lokalnim modelom reljefa transparentno su prekrivene preko snimka dijela vidljivog neba i sjenčenog reljefa. Stanje očuvanosti humki znatno se razlikuje. One u šumi dobro su sačuvane (1), humke u Botaničkom vrtu oštećene su kada su služile kao vojna baza (2), a humke na poljima gotovo da su poravnate sa tlom (3). Lidarski podaci prostorne rezolucije 0.5 m © ARSO, Slovenija. 97 Slika 39: Vizuelna struktura krajolika predstavljena Higuchievim matematičkim modelom bliske razdaljine totalne vidljivosti oko grupe humki u Pivoli. Lidarski podaci prostorne rezolucije 1 m © ARSO, Slovenija. Prikazano uz dopuštenje D. Mlekuža. 98 5|5 Odbrana od jedrilica okruženju. Podaci su manipulisani rezanjem modela lidara kako bi se tokom Drugog svjetskog uklonila okolna šuma prije oduzimanja rata u Culbinu u digitalnog modela terena (DTM) iz Škotskoj digitalnog modela površine (DSM) sa ciljem stvaranja novog modela visinske Peter Crow i Matt Ritchie; Forest razlike između dva normalizovana Research and Forestry Commission digitalna površinska modela (nDSM , Scotland engl. Normalised digital surface model). Izabrane su karakteristike s visinskim rasponom od 0.2 m do 4 m, ručnim Plimna laguna u Culbinu, na obali odabirom onih osobina koje najvjerovatnije Moray Firtha u Škotskoj (NH 969 625), predstavljaju stubove (tj. razlikovanjem obiluje pravilnim linijama stubova koji diskretnih tačaka od očigledne vegetacije). su izgrađeni 1940. godine kako bi se Stubovi niži od 0.2 m nisu opisani, jer ih je spriječile neprijateljske jedrilice da bilo teško razlikovati od bilo koje prisutne slijeću. Stubovi su podignuti kopanjem vegetacije (Forestry Commission Scotland rupa, umetanjem starih bačvi za haringe, 2012: 34-36). SVF je posebno koristan za ispuštanjem u stub i pričvršćivanjem vizuelizaciju stubova i drugih “šiljastih” korištenjem kamena i pijeska. Stotine objekata jer se isti pojavljuju kao zasebne stubova i dalje stoje unutar plimne lagune, crne zvijezde na snimku. zaštićene pješčanim dinama i šumom. Međutim, mnogi su veličinom smanjeni na visinu panjeva. U pokušaju snimanja preostalih stubova, prije nego što budu u potpunosti izgubljeni, Šumarski odbor Škotske naručio je istraživanje obalnog područja koje je provedeno lidarom, s mjernim parametrima posebno kreiranim kako bi se osiguralo da se svaki uspravni stub zabilježi. Opšti trenutni izgled protivjedrilične odbrane sa ove vremenske udaljenosti se treba izuzetno poštovati - posebno rangirane linije namijenjene odvraćanju jedrilica od slijetanja uz plažu. Tačke na kojima se prikazuje položaj stubova nisu provjerene na tlu - one predstavljaju osobine koje je detektovao lidar koji se nalazio 0.2 m ili više u ravnom plimnom 99 otland). sion Sc try Commisesor afija © F ogrot va na Culbin Sandsu (f tubo Slika 40: Linije s 100 Slika 41: Promjene u visini s dodatnim informacijama o intenzitetu, Culbin Sands. Intenzitet lidara obično se bilježi u vrijeme skeniranja i može pružiti dodatne razlikovne informacije o krajoliku. Lidarski podaci prostorne rezolucije 0.5 m © Forestry Commission Scotland. 101 Slika 42: Pogled izbliza na Culbin Sands kao što se vidi na snimku dijela vidljivog neba, izračunatog u 8 smjerova. Stubovi se lako mogu prepoznati kao crne zvijezde. Lidarski podaci prostorne rezolucije 0.5 m © Forestry Commission Scotland. Tabela 21: Parametri lidarskog skeniranja Culbin Sandsa (Škotska). vrijednost parametra tip skenera Optec ALTM 3033 platforma avion datum 07.10.2009. godine, niska plima prosječni broj posljednjih i pojedinačnih tačaka 4 sa 0.9 m otiskom (engl. footprint) po m2 na kombinovanom skupu podataka prostorna rezolucija konačnog modela visina [m] 0.5 102 5|6 Geološke karakteristike fazama. Vapnenačke ploče visokih planina (slo. podi) su naborana područja, Julijskih Alpa u Sloveniji glacijalno transformisanih kraških platoa sa stjenovitom površinom, obično iznad Julijske Alpe su najveći i najviši alpski drveća. Oni su puni drugih složenih planinski lanac u Sloveniji, koji se diže površinskih struktura, kao što su pukotine do 2864 m na Triglavu. Oni su uglavnom u vapnenačkim stijenama, vertikalne nastali od 200 miliona godina starih pukotine i manji oblici krša (engl. karren slojeva vapnenca i dolomita koji se tables), ali i podzemnih osobina kao što protežu u dubinu do 2 km. Krajolik se su vertikalne pećine. Vertikalne pukotine odlikuje izvanrednom raznolikošću i manji oblici krša ističu se među kraškim geomorfologije, pogotovo ledničkim, oblicima na Velikim vratima, jer je riječnim i kraškim oblicima izuzetne područje njihov “locus typicus” u Sloveniji. ljepote, koji čuvaju kulturnu zaostavštinu. Endemske, rijetke i ugrožene biljne Greben između planina Planja (1964 m) i životinjske vrste zaštićene su u i Bavški Grintavec (2333 m) svjedoči Nacionalnom parku Triglav koji pokriva o snažnim tektonskim procesima u većinu područja. Kenozoiku koji su pomjerili vapnenačke slojeve gotovo vertikalno. Sada se nalaze Lidar je postao nezamjenjiv alat u gotovo 2 km iznad doline, a ispod njih još geomorfološkim i geološkim studijama uvijek nije vidljiva stijena (Planina 1954: koje se tradicionalno oslanjaju na 192). Mjesto između Vrh Brda i Vrh Ruta vizuelnu interpretaciju krajolika. Jedan poznato je i kao Ribežni (engl. slicers) od primjera geomorfološke ljepote je (slika 43), a zbog izloženih slojeva lijepo područje Velikih vrata (slika 44), visokog je prikazano na prikladnoj lidarskoj planinskog prolaza između doline vizuelizaciji (slika 45). Trenta i doline jezerâ Triglava. Područje je posebno važno zbog brojnih oblika glacijalnih erozija u različitim razvojnim Tabela 22: Parametri lidarskog skeniranja Velikih vrata i Vrh Brda (Slovenija). Velika vrata Vrh Brdo tip skenera Riegl LMS-Q780 Riegl LMS-Q780 platforma helikopter helikopter datum juli 2014. do januara juli 2014. do januara 2015 2015 prosječni broj posljednjih i pojedinačnih tačaka 4.7 5.0 po m2 na kombinovanom skupu podataka prostorna rezolucija konačnog modela visina [m] 0.5 1 103 ecu u pozadini.av om Grintšk du i Bav rh Br ema V eben pr van Cukut. ed na gr ogl afisao Jo ogr Slika 43: P Fot 104 Slika 44: Glacijalno transformisana kraška visoravan na Velikim vratima, Slovenija. Ravne površine pukotina u vapnenačkim stijenama prikazane su u svijetlim bojama, dok su vertikalne pukotine, otvorene pukotine i strmine mračne. Snimak je kombinacija dijela vidljivog neba (0.5-1, neprozirnost 70% , množenje), nagiba (0-65°, neprozirnost 80% , preklapanje) i RGB snimka sjenčenja brda iz tri smjera (R: 315°, G: 15°, B: 75°), svih izračunatih na digitalnom površinskom modelu. Lidarski podaci prostorne rezolucije 0.5 m © ARSO, Slovenija. 105 Slika 45: Dachsteinovi vapnenački slojevi i polja izložena na Vrh Brdu (1952 m). Vrh grebena istaknut je bijelom bojom, a boje predstavljaju različite orijentacije padine. Vizuelizacija je kombinacija dijela vidljivog neba (0.55-1, neprozirnost 30% , množenje), pozitivne otvorenosti (65-95°, neprozirnost 50%, preklapanje), nagiba (0-65°, neprozirnost 80%, osvjetljenost) i RGB snimka sjenčenja brda iz tri smjera (R: 315°, G: 15°, B: 75°). Lidarski podaci prostorne rezolucije 1 m © ARSO, Slovenija. 106 5|7 Granitne doline (Granite Dok je tipična korist od lidara “digitalno šumarstvo”, tj. kreiranje modela terena Dells), SAD bez šumskog pokrova, ponekad se moraju posmatrati krajolici i objekti na Granit Dells su geološke osobine sjeverno digitalnom modelu površine (engl. Digital od Prescotta, Arizona, SAD. Sastoje se od Surface Model - DSM). Model terena izloženog stijenja i velikih granitnih stijena je, bez obzira na izuzetnu preciznost i koje su se pretvorile u zaobljene, neravne prostornu rezoluciju, često preopćenit i neobične oblike, što je stijenama dalo za specijalizovane studije jer uklanjanje talasasti izgled (slika 46). Granitne građevina i sličnih objekata zahtijeva šumovite doline nastale su prije 1.4 relativno “agresivne” postavke algoritama milijarde godina na dubini od 2-3 km, a od za filtriranje. Osobine mikroreljefa tada su bile podložne eroziji. Atmosferska (njihovi rubovi) se stoga mogu izravnati dejstva između spojeva stijena proizvela (generalisati) izvan prepoznavanja ili su okrugle oblike i druge neobične čak potpunog uklanjanja iz modela stijene koje karakterišu Granitne visina. S druge strane, površinski model, šumovite doline. Proces je poznat kao koji također pokazuje sve prirodne i sferoidno atmosfersko dejstvo na stijenje antropogene objekte na terenu, ne i uobičajeno je na granitnim terenima. dopušta posmatranje obilježja pod Karakteristično za područje su i nesigurno vegetacijom. Veoma je pogodan za uravnotežene stijene (engl. precariously određivanje visina objekata (kao što balanced rocks - PBR) koje su prisutne su stabla i zgrade), te kod specifičnih u kompletnom rasponu veličina, masa, otvorenih krajolika (npr. livade, obalne geometrijskih konfiguracija i nesigurnosti. ravnice, stjenovite formacije) daje mnogo Haddad i Arrowsmith (2011: 145) utvrdili jasniji pogled na male objekte, jer su su da na pojave nesigurno uravnoteženih detalji bolje očuvani (slike 47 i 48). stijena utiču promjene stope nastanka tla i transporta. Visoka stopa pomjeranja tla ubrzava geomorfološki životni ciklus nesigurno uravnoteženih stijena, dok visoka stopa nastanka tla potpuno razgrađuje stijene ispod površine. To je povezano s gustoćom spojeva. Visoke gustoće spojeva stvaraju male gromade koje se potpuno raspadaju prije izlaganja, dok niske gustoće spojeva stvaraju relativno velike i stabilne gromade. 107 afisao Michael Wilson. ogrot e. F atson Lak e Dells - W anit Slika 46: Gr 108 Slika 47: Digitalni model terena (DTM) - Granite Dells, Arizona, SAD. Veliki dio detalja krajolika je izgubljen uprkos detaljnom procesiranju. Kombinacija neizotropnog dijela vidljivog neba (0.2-1, neprozirnost 40% , množenje), nagib (0-80°, neprozirnost 60% , preklapanje) i RGB snimak sjenčenja brda iz tri smjera (R: 337,5°, G: 0°, B: 22,5°). Lidarski podaci prostorne rezolucije 0.5 m © NCALM. 109 Slika 48: Digitalni model površine (DSM) istog područja kao na slici 47. Vidljiva su stabla, kuće i automobili, ali još važnije je da su vidljivi spojevi u granitu što je i karakteristično. Lidarski podaci prostorne rezolucije 0.5 m © NCALM. Tabela 23: Parametri lidarskog skeniranja Granitne šumovite doline (Arizona, SAD)2. vrijednost parametra tip skenera Optech Gemini platforma avion datum 09.11.2009 prosječni broj posljednjih i pojedinačnih tačaka 6.7 po m2 na kombinovanom skupu podataka prostorna rezolucija konačnog modela visina [m] 0.5 2 Lidarski podaci NCALM-a na Univerzitetu u Houstonu i Kalifornijskom univerzitetu u Berkeleyju, u ime David E. Haddada (Državni univerzitet u Arizoni) za rad Geološka i geomorfološka karakterizacija precizno uravnoteženih stijena. NCALM je finansiran od strane Nacionalne fondacije za nauku - Odjela za nauku o Zemlji, instrumente i upravljanje objektima. 110 5|8 Konusi od pepela i površina (stariji tokovi lave). Detaljni reljefni modeli dopuštaju kartiranje i tekuća lava na Mauna morfometrijsku analizu komponenti Loi, SAD protoka, kao što su kanali, površinski nabori, pukotine, blokovi i površinska Kod najvećeg vulkana na svijetu, Mauna hrapavost, kao i varijacije uzdužnih struja Loe na Havajskom Velikom ostrvu, došlo u vrsti protoka. Razlikovanje pred- je do epitomizacije vulkana. Njegova eruptivnih i post-eruptivnih digitalnih zapremina je u rasponu od 65 000 modela visina omogućava analizu do 80 000 km3 tekuće lave, otvora za varijacija debljine protoka, što može odzračivanje i nanosa koji se dižu iz biti povezano s dinamikom utvrđivanja okeana do 4169 m visokog vrha (Sherrod položaja lave. Dietterich i dr. (2015) i dr. 2007). Erupcije lave iz Mauna Loe proučavali su lidarske podatke Havaja i su silicij osiromašene i izuzetno tečne. ustanovili su da prostorne i zapreminske Erupcije obično nisu eksplozivne i vulkan raspodjele lave odražavaju brzinu ima relativno blage padine. Posljednja izljevanja i interakcije s topografijom. erupcija bila je 1984. godine. Glavni kanal služi za transport, a ne za pohranu, a lava i postojeća topografija Cashman i dr. (2013) izvještavaju da djeluju kao primarna kontrola (3D) podaci lidara revolucionizuju i vizuelnu prostorne raspodjele pojedinačnih tokova i kvantitativnu analizu tokova lave. lave. Vizuelizacije omogućavaju precizno kartiranje granica protoka, posebno u vegetacionim područjima i područjima koja su teško dostupna zbog temperature (aktivni tokovi lave) ili grubih i nazubljenih Tabela 24: Parametri lidarskog skeniranja Mauna Loe (Havaji, SAD)3. vrijednost parametra tip skenera Optech Gemini platforma avion datum 21.06. – 27.06.2009 prosječni broj posljednjih i pojedinačnih tačaka 6.0 po m2 na kombinovanom skupu podataka prostorna rezolucija konačnog modela visina [m] 0.5 3 Prikupljanje i obrada lidarskih podataka obavljena je od strane National Center for Airborne Laser Mapping (NCALM). Finansiranje NCALM-a osigurava NSF’s Division of Earth Sciences, Instrumentation and Facilities Program (EAR-1043051). Grant NSF EAR-0739153 i NASA podugovor sa Propulsion Laboratory (Award #1290138) također podržava ovo prikupljanje podataka. 111 om planu. onusima od pepela u prv e Goldman. enc ed na Mauna Loa iz Maune Kee s k ogl afisao Lawr ogr Slika 49: P Fot 112 Slika 50: Lavu koja teče na vulkanu Mauna Loa teško je posmatrati na terenu jer je tlo vruće, ima grubu i šiljastu površinu ili je prekriveno vegetacijom. Mnogi otvori i konusi od pepela vidljivi su na ovom zasjenčenom snimku lidarskih podataka (prostorna rezolucija od 1 m) © NCALM. 113 Slika 51: Ova vizuelizacija pruža veoma realan prikaz površine i otkriva zamršeni sistem konusa od pepela, otvora, pukotina, nabora i kanala polja lave na sjeveroistočnoj padini Maune Loe. Vizuelizacija je kombinacija pozitivne otvorenosti (65-95, neprozirnost 50%, zatamnjena), dijela vidljivog neba (0.65-1, neprozirnost 50%, množenje), nagiba (0-50°, neprozirnost 100%, preklapanje) i sjenčenja reljefa. Lidarski podaci prostorne rezolucije 0.5 m © NCALM. 114 5|9 Slijepa dolina Odolina u nivoa vode potok ponire odmah nakon dostizanja vapnenca, a tokom višeg nivoa Sloveniji voda teče jedan kilometar dalje u 117 m duboku ponorsku špilju koja se sastoji od Odolina u podnožju brežuljaka Brkini je rupa i kratkih kanala (slika 54) (Mihevc najslikovitija slijepa dolina u Sloveniji. To 1994: 102–103). je posebna dolina s proširenim ispranim dnom, tipičnim kraškim morfološkim oblikom koji oblikuje površinska rijeka kada dosegne krš. Ponornica Brsnica isušuje vodeni bazen površine 4.3 km2 i tvori normalan fluvijalni krajolik na sedimentnom depozitu Brkini brda (slika 53). Kada dođe do vapnenca na Matarskom podolju razvija Odolinu, dolinu dugu oko kilometar i do 300 m široku, s oštrim obrisima, visokim i stjenovitim padinama, završavajući u amfiteatru. Ime je dobila po malom zaseoku s dvorcem smještenim na njegovom sjevernom dijelu. Blizu kontakta sedimentnog depozita i vapnenca dolina je duboka 150 m, a na južnom kraju je urezana oko 60 m u krašku ravnicu. Dno doline pokriveno je sedimentima, šljunkom i pijeskom, sa urezanim mlađim aluvijalnim ponorima i vrtačama do dubine od 25 m i koritom potoka. Tokom normalnog Tabela 25: Parametri lidarskog skeniranja slijepe doline Odolina (Slovenija). vrijednost parametra tip skenera Riegl LMS-Q780 platforma helikopter datum februar 2014. godine, tačan datum je nepoznat prosječni broj posljednjih i pojedinačnih tačaka 9.8 po m2 na kombinovanom skupu podataka prostorna rezolucija konačnog modela visina [m] 1 115 afije vidi se ogrot afisao Žiga Kokalj. ogr om planu f ot veru. U prv e ispod zemlje. F ema sje ed pr oji ponir ogl a. Pvic ezo ao dolinu i k ormir oji je f a k ok Ločic Slika 52: Slijepa dolina Br pot 116 Slika 53: Slijepe doline Odolina (1) i Brezovica (2). Kontaktna granična linija između sedimentnog depozita i vapnenca prolazi od sjevero-zapada do jugo-istoka i jasno je prepoznatljiva. Potoci formiraju normalan fluvijalni reljef na sedmentnim depozitima i oblikuju isprane proširene doline na vapnencu prije poniranja. Jednostavno je prepoznati i doline, vrtače i druge tipične kraške osobine. Lidarski podaci prostorne rezolucije 1 m © ARSO, Slovenija. 117 Slika 54: Pogled izbliza na kraj slijepe doline Odoline. Na takvom mjestu i bez prethodnog poznavanja područja vjerovatno bi se očekivao izvor potoka. Ambis gdje Brsnica nestaje pod zemljom pri visokom vodostaju, noseći tone sedimenata i drva, označen je strelicom. Lidarski podaci prostorne rezolucije 1 m © ARSO, Slovenija. 118 5|10 Visoke zgrade u New gube u 2D prikazima i na kartama, jer je iste teško reprodukovati analitičkim Yorku, SAD sjenčenjem reljefa i bojama (slika 56). Kao alternativa koristi se umjetnički New York City se sastoji od pet četvrti pristup prenošenja dubine s bačenom koje se nalaze na mjestu gdje se rijeka sjenom (slika 57). Model osvjetljenog Hudson sastaje s Atlantskim okeanom: neba lijepo prikazuje linije zgrada i Bronx, Brooklyn, Manhattan, Queens i pruža prekrasnu pozadinsku sliku. Što Staten Island. Kada ljudi misle o New je manji lokalno ometeni dio prizora (tj. Yorku, ostrvo Manhattan često je prvo što manje obližnjih objekata baca sjenu), mjesto koje sebi predstavljaju. To je gusto svjetliji je prikaz. Dodana sjena iz smjera naseljena četvrt koja je među najvećim jugoistoka simulira sjene koje je bacilo svjetskim trgovačkim, finansijskim jutarnje Sunce na sjevernoj hemisferi. i kulturnim centrima. Manhattan je Visinski ugao imaginarnog Sunca mora dom velikim atrakcijama, muzejima biti usklađen s visinom i gustinom svjetskog nivoa, restoranima i koncertnim struktura, kao i sa prevladavajućom dvoranama. Njegove znamenitosti su topografijom. Model osvjetljenja neba s mnogobrojni neboderi, kao što su Empire bačenom sjenom može se kombinovati State Building, zgrada Chryslera, zgrada sa sjenčenjem reljefa ili nekom drugom Woolworth, Rockefeller centar i One tehnikom vizuelizacije za potrebe World Trade Center. dodavanja detalja, a model visina za dodavanje boje. Urbanistički planeri koriste podatke lidara za upit o resursima i okolišu i za integraciju nove gradnje na slobodnom zemljištu s postojećim stanovništvom, strukturom i infrastrukturom. Veličanstvene visine zgrada obično se Tabela 26: Parametri lidarskog skeniranja Manhattana (New York, SAD). vrijednost parametra tip skenera Leica ALS70 platforma avion datum 05.08. – 15.08.2013 prosječni broj posljednjih i pojedinačnih tačaka 6.6 po m2 na kombinovanom skupu podataka prostorna rezolucija konačnog modela visina [m] 1 119 ) s neboderimaer t Riv Eas e (engl. afisao Žiga Kokalj. ogr točne rijek ot o Isek t pr anu u pozadini. F ynski mos ookl Slika 55: Br na Donjem Manhatt 120 Slika 56: Kombinacija kolor kodiranih visina i nezasićenog sjenčenog reljefa. Ovo je tipičan dvodimenzionalni prikaz gradskog prizora. Dok se visine zgrada mogu odrediti u određenoj mjeri, sve vrijednosti veće od 110 m bile su odrezane kako bi se postigla bolja raspodjela boja. Iako slika prikazuje Lower Manhattan s mnogim zgradama čije visine prelaze 50 m, veličanstvenost visina zgrada nije očigledna. Lidarski podaci prostorne rezolucije 1 m © USGS. 121 Slika 57: Ova je slika manje raznobojna od slike 56, no sjene daju raskošniji osjećaj visokih zgrada. Kombinacija modela osvjetljenog neba (engl. Sky Illumination Model) (udaljenost modela sjena od 100 m) i bačene sjene (visina Sunca od 35° i azimut od 135 °). Lidarski podaci prostorne rezolucije 1 m © USGS. 122 5|11 Margum/Morava i dr. 2012) pristupilo i geomagnetskoj prospekciji (Rummel i dr. 2012) i zračnom Kulič, Srbija laserskom skeniranju šire zone lokaliteta, Vujadin Ivanišević i Ivan Bugarski; što je bila i prva primjena ove tehnologije Arheološki institut, Beograd, Srbija u srbijanskoj arheologiji (Ivanišević i Bugarski 2012). Površina snimanja iznosila je 12 km². Precizno je ubiciran Na mjestu latenskog naselja u zoni ušća očuvani areal nalazišta, koji se prostire Velike Morave, na strateškom položaju na 7 do 8 ha, pri čemu se dobro očuvani naspram uske zone suhe zemlje na ostaci nalaze na apsolutnim visinama močvarnoj lijevoj obali Dunava, od 1. iznad 72 m. Ustanovljen je istočni bedem vijeka nove ere razvijao se rimski grad rimske utvrde, na osnovu čega je utvrđeno Margum. Prema historijskim izvorima, da veliki kanal koji presjeca nalazište grad Margum najpoznatiji je bio kao meta predstavlja rov srednjevjekovnog naselja. osvajača u doba kasne antike. Na prostoru Preciznija slika o antičkim zdanjima, antičkog grada razvila se srednjevjekovna koja leže pod dubokim srednjevjekovnim naseobina, episkopsko središte Morava. slojevima, sagledana je putem Najpoznatiji fortifikacioni objekat u širem geomagnetske prospekcije i iskopavanja. području današnjeg sela Dubravice je tvrđava Kulič sa kraja 15. vijeka. Kulič, utvrđenje poligonalnog oblika dužine 60-70 m sa isturenim kulama na Zbog svog položaja, grad je trpio ogromnu uglovima i bedemima debljine 2.5-3 m, štetu od pomjeranja korita dviju velikih bilo je sagrađeno radi zaštite samog ušća rijeka i vegetacije koja je izrasla na Morave u Dunav na prethodno nasutom vlažnom tlu, pa je nalazište i danas terenu, koji se u digitalnom modelu terena gotovo potpuno neuočljivo. Arheološka (DTM) vidi kao ostrvo nad poplavljenom istraživanja, koja su se izvodila u nekoliko okolinom. Tako se prvi puta uočavaju navrata između 1909. i 2011. godine, nisu ostaci naselja južno od utvrde, opasanog omogućila dobivanje precizne topografske manjim rovom, kojeg pominju historijski i stratigrafske slike, pa se uz posljednja izvori ali ne i prethodni istraživači ovog iskopavanja u širokom iskopu (Bikić i kraja. Tabela 27: Parametri lidarskog skeniranja Marguma/Morave i Kuliča (Srbija). vrijednost parametra tip skenera Riegl LMS-Q560 platforma helikopter datum 29.11.2011 prosječni broj posljednjih i pojedinačnih tačaka 20.4 po m2 na kombinovanom skupu podataka prostorna rezolucija konačnog modela visina [m] 1 123 tupna jedino e je dos vić. odom i pješic eselino oljena v o V afisao Dark ogrot a Kulič uglavnom je opk taju. F đav odos vr om v Slika 58: T pri nisk 124 Slika 59: Ušće Velike Morave u Dunav i njeni nekadašnji rukavci (plave boje). Na najvišim lokalnim dijelovima kopna sačuvani su ostaci tvrđave i naselja Kulič (1), te antičkoga grada Marguma i srednjevjekovne naseobine Morava (2). Lidarski podaci prostorne rezolucije 1 m © Arheološki institut, Beograd, Srbija. 125 Slika 60: Područje antičkoga grada Marguma i srednjevjekovne naseobine Morava najbolje je očuvano iznad apsolutne visine od 72 m (puna bijela linija). Lidarski podaci prostorne rezolucije 1 m © Arheološki institut, Beograd, Srbija. 126 5|12 Rimska centurijacija Analizom podataka dobivenih laserskim skeniranjem iz zraka mogu se prepoznati na području Vrsara, pravilne ortogonalne linije koje se tačno Hrvatska poklapaju sa smjerom centurijacije Robert Matijašić i Katarina Gerometta, porečkog agera (otklon osnovne linije Sveučilište Jurja Dobrile u Puli sjever-jug, cardo, 18° od sjevera prema istoku), oblikovane dugačkim kamenim nasipima. One su najvidljivije u istočnom Lidarskim i aerofotogrametrijskim dijelu Općine Vrsar, na području sela premjerom šireg područja Općine Vrsar, Marasi, gdje linije centurijacije prelaze na zapadnoj obali Istre, otkriveno je preko brojnih kraških vrtača. Ovdje postojanje brojnih arheoloških struktura se jasno razaznaju pravilni kvadrati koje prethodno nisu bile vidljive zbog sa stranicama od približno 706 m, što guste sredozemne vegetacije. Jedna predstavlja modularnu veličinu jedne takva značajka otkrivena je u istočnom centurije. Unutar njih vidljive su brojne dijelu općine, te predstavlja ranije kamene gomile približnog prečnika nepoznate tragove rimske centurijacijske 10 m, najčešće raspoređene u pravilnim mreže. Centurijacija ili limitacija je razmacima u nizovima paralelnim s antička tehnika katastarskog premjera linijama centurijacije, iako neke od poljoprivrednog zemljišta na pravilne njih nisu u takvom pravilnom rasteru. pravougaone ili kvadratne parcele, radi Razdaljina od središta jedne kamene podjele zemlje kolonistima pri osnivanju gomile do središta druge iznosi približno novih naseobina (kolonija). Postojanje 35 m, što predstavlja dužinu od 120 rimske podjele zemljišta odavno je bilo rimskih stopa, (jedan actus). Zajedno s poznato u Istri, ali je njeno prepoznavanje linearnim kamenim nasipima, humke i rekonstrukcija na području općine Vrsar, (kamene gomile) koje najvjerovatnije pomoću terenskog pregleda, kartografije također pripadaju rimskom razdoblju, i ortofotografije bilo ograničenog dometa rezultat su čišćenja obradive površine od zbog gustog šumskog pokrova i makije. kamenja kojim istarski kraški krajolik obiluje. Tabela 28: Parametri lidarskog skeniranja Općine Vrsar (Hrvatska). vrijednost parametra tip skenera Riegl LMS-Q780 platforma helikopter datum 20.2.2017 prosječni broj posljednjih i pojedinačnih tačaka 24.0 po m2 na kombinovanom skupu podataka prostorna rezolucija konačnog modela visina [m] 0.5 127 e. o uočljiv ešk enu su ter enturiacije na te c a. omett arina Ger afisala Kat ogr Slika 61: Linije kamenih nasipa rimsk Fot 128 Slika 62: Linije kamenih nasipa rimske centurijacije (bijele široke ortogonalne linije), kamene gomile (bijeli krugovi), kasniji kameni zidovi (bijele bolje definisane linije), staze (crne linije) i nepotvrđeno gradinsko naselje (bijele linije u sjeverozapadnom uglu slike) vidljivi su na ovoj kombinaciji filtriranja Laplacian-of-Gaussian (-0.01−0.01, neprozirnost 50%) i sjenčenja reljefa (tri puta vertikalno uvećanje). Zbog naglašavanja rubova (bijeliji dijelovi slike) neki dijelovi staza izgledaju kao da imaju nasipe. 129 Slika 63: Isto područje kao i na slici 62, ali prikazano kombinacijom lokalne dominantnosti (0.5−1.8, neprozirnost 20%, preklapanje), lokalne dominantnosti (ponovno), (0.5−1.8, neprozirnost 60%, osvjetljenost) i neizotropnog dijela vidljivog neba (0.8−1) na kojoj se bolje vidi šta je udubljeno a šta strši iz ravni. Različitom “mekoćom” linija može se zaključivati o njihovoj različitoj izloženosti i posredno starosti. Lidarski podaci prostorne rezolucije 0.5 m © Sveučilište Jurja Dobrile u Puli, Hrvatska. 130 5|13 Monte Castellier, terasi je u dobrom stanju, dok se onaj vanjski na terenu vidi samo u naznakama. Hrvatska Na jugoistočnoj strani naselja nalazi se Damir Matošević, Muzej grada Rovinja; dobro očuvan ulaz i predulaz. Neposredno Gašper Rutar, Center za preventivnu ispod bedema na sjeverozapadnoj strani arheologiju u Ljubljani; Matija Črešnar, nalazi se nekoliko velikih ortostata čija Sveučilište u Ljubljani; Maja Čuka, je funkcija još uvijek nepoznata. Na Arheološki muzej Istre navedenom gradinskom naselju do sada nisu obavljana arheološka istraživanja. Iako je lokalitet u više navrata posjećen i Na području Rovinjštine nalazi se izuzetno dokumentiran bilo ga je teško sagledati u veliki broj arheoloških lokaliteta, koji cjelini, jer je gotovo u potpunosti pokriven potvrđuju čovjekovu prisutnost u ovom gustom makijom. Zahvaljujući lidaru kraju još od predhistorijskih vremena. dobivena je cjelovitija slika i organizacija Lidarskim snimanjem dijela Rovinjštine strukture samog gradinskog naselja. oko gradine Monkodonja i nekropole Druga linija bedema, koja se zbog guste pod tumulima na Mušegu dobivena je vegetacije vidjela samo djelomično, sada kvalitetnija i preciznija slika konfiguracije je u potpunosti vidljiva cijelom svojom navedenog područja, iako je većim dužinom. Na sjevernoj strani naselja, dijelom prekriven neprohodnom makijom. između prvog i drugog bedema, uočena Ubicirano je mnoštvo novih potencijalnih je još jedna linija bedema koja se proteže nalazišta, a za već poznata gradinska od gradinskog ulaza na istoku do zapadne naselja stvorena je potpunija slika o strane, a za koju ranije nisu postojali njihovoj veličini, organizaciji i konturama podaci. Analizom lidarskih podataka suhozidnih struktura. Navedeno snimanje uočena je polukružna izbočina na drugoj je obuhvatilo i područje brežuljka Monte liniji bedema na zapadnoj padini brda. Castelliera. Predhistorijsko gradinsko Sve ove nove spoznaje o gradini dale su, naselje nalazi se oko 6 km istočno od i bez arheoloških istraživanja, potpuniju Rovinja. Gradina je dobro sačuvana te je sliku o gradini, a umnogome su olakšale okružuju dva prstenasta bedema. Bedem pripremu i odabir lokacije za buduća koji okružuje naseobinski plato na najvišoj istraživanja koja će tek uslijediti. Tabela 29: Parametri lidarskog skeniranja Monte Castelliera (Hrvatska). vrijednost parametra tip skenera Riegl LMS-Q780 platforma helikopter datum 5.2.2016 prosječni broj posljednjih i pojedinačnih tačaka 35.3 po m2 na kombinovanom skupu podataka prostorna rezolucija konačnog modela visina [m] 0.5 131 aciju et oja se erpr ošku int vić.oše om makijom, k anja za arheol enir eno grmolik afisao Damir Mat ogr ekriv ot ametri sk šu. F om pr om kr ovensk elikim je dijel enog grmlja. Prikladni par vinja i Bala v og zimzel ani su u susjednom Sl asl tires to obr odručje između Ro ovima t toji od gus vim usl Slika 64: P sas u o 132 Slika 65: Okolina gradinskog naselja Monte Castelliera prekrivena je gustom, niskom vegetacijom. Kombinacija modela visina objekata (grmlje i drveće u zelenim bojama, kuće u crvenoj boji, neprozirnost 50%) i sjenčenja modela površine. Lidarski podaci prostorne rezolucije 0.5 m © Arheološki muzej Istre, Hrvatska. 133 Slika 66: Niske zidine gradinskog naselja Monte Castelliera dobro su vidljive u kombinaciji lokalnog modela reljefa (-0.5−0.5, neprozirnost 70%, preklapanje), nagiba (0−30°, neprozirnost 35%, množenje) i sjenčenja reljefa. Lidarski podaci prostorne rezolucije 0.5 m © Arheološki muzej Istre, Hrvatska. 134 5|14 Morfologija dna Neočekivani detalji koji sada postaju vidljivi su brojne parnice ledenjaka na dnu jezera Constance, (Sacchetti i dr. 2012) koje su najistaknutije Njemačka, Švicarska, na 1.5 km širokom, gotovo horizontalnom i Austrija (oko 1° nagiba) dnu na južnoj polovini jezera. Isto je na dubini od 110 do 130 Zbog sve većih uticaja erozije i brige u m ispod današnje površine jezera. vezi sa očuvanjem okoline, veliki broj Zbog geoloških ograničenja na oticanju naselja na obali jezera, koja datiraju od jezera, nivo jezerske vode tokom kasnog razdoblja neolitika do bronzanog doba, ledenog doba mogao je biti nešto viši. To predmet su arheoloških istraživanja. podrazumijeva da su se veliki ledenjaci Mnoga od tih naselja na jezeru Constance debljine veće od 110 m odvojili od upisana su u multinacionalnu UNESCO-vu Rajnskog glečera koji se povlačio i dok je svjetsku kulturnu baštinu pod nazivom još uvijek zauzimao istočni dio današnjeg “predhistorijska naselja oko Alpa”. korita jezera. U godinama 2013. i 2014. topografija dna jezera izmjerena je korištenjem batimetrijskog lidara za plitke bliske dijelove obale i sonarima postraničnog skeniranja (engl. side-scan sonar) za dublje dijelove jezera. Rezultujući digitalni model s rezolucijom od 3 m slobodno je dostupan pod Creative Commons Attribution 3.0 Unported license (IGKB - Internationale Gewässerschutzkommission für den Bodensee 2015) i dokumentuje morfologiju dna jezera sa izuzetnom detaljnošću. Dok se batimetrijski modeli obično predstavljaju kao dubinske izohipse i/ili kodiranjem boja, trenutno dostupni podaci visoke rezolucije omogućavaju primjenu naprednih tehnika vizuelizacije. To otvara nove perspektive za analize podvodne geomorfologije u pogledu npr. erozije pospješene valovima ili masovnim pokretima. 135 elika o om posljednje edenog doba. V ok eda t rank Numrich. anja let om posljednjeg l afisao F ok ogrot aju smjer kr e. F edenjaka t tanc i maksimalnom dubinom od 252 m, jezer2 ozija l o Consa, dokumentir o 570 km tao jezer ovala ga je er verno od jezer šinom od okvr odom i pos opi. Oblik e. S po a u Evr tanc ežuljaka, uglavnom sje vukli, bazen se napunio v ećih i najdubljih jezer ad Lindau na jezeru Cons edenjaci po ski grar valnih humki ili malih br : Bav e jedno je od najv tanc Slika 67 Cons polja niskih o glaciacije. Kad su se l 136 Slika 68: Parnice ledenjaka na dnu (krivulje) i depoziti masovnog kretanja (latičaste karakteristike u podnožju strmih padina) na jezeru Constance. Vizuelizacija: Laplacian-of-Gaussian preklopljen sa kolor kodiranom batimetrijom. Prostorna rezolucija batimetrijskog modela od 2 m © IGKB (2015). 137 [m] površina vode 400 300 P1 200 P najveća dubina 2 100 0 500 1000 1500 2000 2500 m Slika 69: Batimetrijski profil (P -P ) iz podataka prikazanih na slici 68 otkriva ravnu podvodnu 1 2 površinu na kojoj se pojavljuje većina oznaka kretanja ledenjaka. Prostorna rezolucija batimetrijskog modela od 2 m © IGKB (2015). 138 Rječnik 139 140 ALS Lasersko skeniranje iz zraka je tehnika mjerenja koja koristi lidarski skener na platformi u zraku, npr. helikopteru, letjelici sa fiksnim krilima, ili bespilotnom zračnom sistemu. azimut Azimut je uglovna mjera u sfernom koordinatnom sistemu. Vektor od posmatrača (izvora) do tačke od interesa projicira se okomito na referentnu ravan. Ugao između projiciranog vektora i referentnog vektora na referentnoj ravni je azimut. Referentna ravan za azimut obično je pravi sjever (engl. true north), izmjeren kao azimut 0°. Kretanjem u smjeru kazaljke na satu za 360 stepeni kruga, istočno imamo azimut 90°, južno 180° i zapadno 270°. DEM Digitalni model visina je podskup digitalnog modela terena i njegova najosnovnija komponenta. Obično se odnosi na podatke o visini koji su organizovani u obliku matrice. Obično predstavlja visinu "ogoljene zemlje". DSM Digitalni model površine sadrži visine prirodnih osobina terena, uključujući objekte na njemu, tj. vegetaciju i druga obilježja kao što su zgrade, mostovi i strujni vodovi. DTM Digitalni model terena je poredani skup uzoraka podataka tačaka koji predstavljaju prostornu raspodjelu raznih vrsta informacija o terenu (topografskih i netopografskih), npr. visina, nagiba, vrsta nagiba, rijeka, linija grebena, lomnih linija, itd. Obično predstavlja visinu ‘’ogoljene zemlje’’, tj. oblik terena bez ikakvih objekata na njemu. fovea Malo, središnje udubljenje u mrežnici oka odgovorno za oštar vid, što je potrebno ljudima za aktivnosti u kojima su vizuelni detalji od primarne važnosti. GIS Geografski informacioni sistem je sistem namijenjen za preuzimanje, pohranu, manipulaciju, analizu, upravljanje i prikazivanje prostornih ili geografskih podataka. histogram Histogram je grafički prikaz raspodjele numeričkih podataka. Stoga predstavlja učestalost visina vertikalnim pravougaonicima, sa širinama jednakim intervalu klase (npr. jedan metar) i visinama jednakim učestalostima visina u tom intervalu. 141 LiVT Lidar Visualisation Toolbox je softver za računanje vizuelizacija iz rasterskih visinskih modela. LoG Laplacian-of-Gaussian je filtrirani pristup koji kombinuje Gaussov filter za izravnavanje s Laplasovim rubnim poboljšavajućim filterom. LRM Local Relief Model rezultat je postupka koji odvaja lokalne sitno razmjerne osobine od krupno razmjernih pejzažnih oblika. nDSM Normalizovani digitalni model površine predstavlja visine objekata (osobina) u odnosu na tlo. PCA Principal Component Analysis je matematički postupak koji pretvara skup opažanja moguće koreliranih varijabli u skup vrijednosti linearno nekoreliranih varijabli. px Piksel ili slikovni element fizikalna je tačka u rasterskom snimku. Pikseli su obično raspoređeni u pravilnoj dvodimenzionalnoj mreži, a obično su, ali ne nužno, kvadrati. Svaki je piksel uzorak izvornog snimka. Više uzoraka obično daje tačnije prikaze originala - snimak ima veću rezoluciju. U geografskom prostoru piksel nosi prostorne informacije. On definiše prostornu rezoluciju snimka. rastezanje Rastezanje histograma je metoda pri obradi snimka kod koje se obavlja histograma prilagodba kontrasta korištenjem histograma snimka. RGB Aditivni crveni, zeleni i plavi model boja, gdje se crveno, zeleno i plavo svjetlo dodaju zajedno na različite načine kako bi se reprodukovao široki spektar boja. RVT Relief Visualization Toolbox je softver za računanje vizuelizacije iz rasterskih modela visina. SAR Synthetic Aperture Radar je mikrotalasna radarska tehnologija daljinskih istraživanja koja omogućava kreiranje DSM-ova. SfM Structure-from-Motion. Višeslikovni digitalni fotogrametrijski pristup za stvaranje trodimenzionalnih modela. 142 SVF Sky-View Factor je geofizikalni parametar koji predstavlja dio neba vidljiv iz određene tačke. šum Šum kod digitalnog modela visine poništava interpretabilnost podataka. Do šuma može doći zbog grešaka mjerenja ili grešaka u obradi, a obično se objašnjava kao nepravilnost u podacima. tablete Glinene ploče s klinastim oznakama koje predstavljaju jedan od klinastog najranijih sistema pisanja, a koji su izmislili Sumeri. pisma TIN Triangulaciona nepravilna mreža (engl. Triangulated Irregular Network) je digitalna struktura podataka koja se koristi u geografskom informacionom sistemu (GIS) za prikaz površine. TIN model predstavlja površinu kao skup neprekidnih, nepreklapajućih trouglova. Unutar svakog trougla površina je predstavljena sa ravni. Trouglovi su kreirani od skupa tačaka nazvanih masovne tačke. vidljivost Geografsko područje koje se vidi s lokacije. Uključuje sve okolne tačke (engl. koje su u vidnom polju s tom lokacijom i isključuje tačke koje su izvan viewshed) horizonta ili ometene terenom i drugim osobinama (npr. zgrade, stabla). visinski Ugao izvora svjetlosti iznad horizonta. Visinski ugao (također visina) ugao izražava se u pozitivnim stepenima, s 0° na horizontu i 90° ravno iznad glave. zasićenost Metoda pri obradi snimka. Njome se rade podešavanja kontrasta histograma korištenjem histograma snimka gdje su niske i/ili visoke vrijednosti odrezane (uklonjene). Detalji ispod donje rezane vrijednosti i iznad više vrijednosti rezanja ne mogu se vidjeti, međutim ostatak vrijednosti dobiva veći kontrast. 143 144 Bibliografija i popisi slika i tabela 145 146 Adams, D. 1982. Life, the Universe and Everything. London: Pan Books. ArcMap. 2012 (version 10.1). Redlands (CA): Esri Inc. Batson, R. M., E. Edwards i E. M. Eliason. 1975. Computer Generated Shaded Relief Images. Journal of Research of the U.S. Geological Survey 3 (4): 401–408. Bikić, V., P. Špehar, I. Bugarski i T. Branković. 2012. Arheološka istraživanja Marguma/ Morave u 2011. godini. U Arheologija u Srbiji: Projekti Arheološkog instituta u 2011. godini, uredili V. Bikić, S. Golubović i D. Antonović, 100–103. Beograd: Arheološki institut. Blinn, J. F. 1977. Models of Light Reflection for Computer Synthesized Pictures. SIGGRAPH Computer Graphics 11 (2): 192–198. Boeree, G. 2009. General Psychology: Perception and Interaction. http://webspace.ship. edu/cgboer/genpsyperception.html. Cashman, K. V., S. A. Soule, B. H. Mackey, N. I. Deligne, N. D. Deardorff i H. R. Dietterich. 2013. How Lava Flows: New Insights from Applications of Lidar Technologies to Lava Flow Studies. Geosphere 9 (6): 1664–1680. Challis, K. 2006. Airborne Laser Altimetry in Alluviated Landscapes. Archaeological Prospection 13 (2): 103–127. Challis, K., P. Forlin i M. Kincey. 2011. A Generic Toolkit for the Visualization of Archaeological Features on Airborne Lidar Elevation Data. Archaeological Prospection 18 (4): 279–289. Challis, K., Ž. Kokalj, M. Kincey, D. Moscrop i A. J. Howard. 2008. Airborne Lidar and Historic Environment Records. Antiquity 82 (318): 1055–1064. Chiverrell, R. C., G. S. P. Thomas i G. C. Foster. 2008. Sediment–landform Assemblages and Digital Elevation Data: Testing an Improved Methodology for the Assessment of Sand and Gravel Aggregate Resources in North-Western Britain. Engineering Geology 99 (1–2): 40–50. Conrad, O., B. Bechtel, M. Bock, H. Dietrich, E. Fischer, L. Gerlitz, J. Wehberg, V. Wichmann i J. Böhner. 2015. System for Automated Geoscientific Analyses (SAGA) v. 2.1.4. Geoscientific Model Development 8 (7): 1991–2007. Conway, S. J., A. Decaulne, M. R. Balme, J. B. Murray i M. C. Towner. 2010. A New Approach to Estimating Hazard Posed by Debris Flows in the Westfjords of Iceland. Geomorphology 114 (4): 556–572. 147 Crutchley, S. 2009a. Using LiDAR in Archaeological Contexts: The English Heritage Experience and Lessons Learned. U Laser Scanning for the Environmental Sciences, uredili G. Heritage and A. Large, 180–200. Chichester: Wiley-Blackwell. ———. 2009b. Ancient and Modern: Combining Different Remote Sensing Techniques to Interpret Historic Landscapes. ICT and Remote Sensing for Cultural Resource Management and Documentation 10, Supplement 1: e65–e71. Devereux, B. J., G. S. Amable i P. Crow. 2008. Visualisation of LiDAR Terrain Models for Archaeological Feature Detection. Antiquity 82 (316): 470–479. Devereux, B. J., G. S. Amable, P. Crow i A. D. Cliff. 2005. The Potential of Airborne Lidar for Detection of Archaeological Features under Woodland Canopies. Antiquity 79 (305): 648–660. Dietterich, H. R., S. A. Soule, K. V. Cashman i B. H. Mackey. 2015. Lava Flows in 3D. U Hawaiian Volcanoes: From Source to Surface, uredili E. Carey, V. Cayol, M. Poland i D. Weis, 483–505. Hoboken, NJ: John Wiley & Sons, Inc. Doneus, M. 2013. Openness as Visualization Technique for Interpretative Mapping of Airborne LiDAR Derived Digital Terrain Models. Remote Sensing 5: 6427–6442. Edgeworth, M. 2011. Fluid Pasts: Archaeology of Flow. London: Bristol Classical Press. Fernandez-Diaz, J. C., W. E. Carter, R. L. Shrestha i C. L. Glennie. 2014. Now You See It… Now You Don’t: Understanding Airborne Mapping LiDAR Collection and Data Product Generation for Archaeological Research in Mesoamerica. Remote Sensing 6 (10): 9951–10001. Forestry Commission Scotland. 2012. Archaeological Measured Survey on Scotland’s National Forest Estate. Inverness: Forestry Commission Scotland. http:// scotland.forestry.gov.uk/supporting/strategy-policy-guidance/historic-environment. Fornaciai, A., M. Bisson, P. Landi, F. Mazzarini i M. T. Pareschi. 2010. A LiDAR Survey of Stromboli Volcano (Italy): Digital Elevation Model-Based Geomorphology and Intensity Analysis. International Journal of Remote Sensing 31 (12): 3177–3194. French, J. R. 2003. Airborne LiDAR in Support of Geomorphological and Hydraulic Modelling. Earth Surface Processes and Landforms 28 (3): 321–335. GDAL Development Team. 2014. GDAL - Geospatial Data Abstraction Library. Windows (version 1.11.0). Open Source Geospatial Foundation. 148 George, M. R., R. E. Larsen, N. K. McDougald, K. W. Tate, J. Gerlach John D. i K. O. Fulgham. 2004. Cattle Grazing Has Varying Impacts on Stream-Channel Erosion in Oak Woodlands. California Agriculture 58 (3). http://www. escholarship.org/uc/item/72s9c4v2. Gulič, A. i M. Črešnar, ed. 2012. Arheološka pot po Mariboru z okolico. Odsek I: Zgornje Radvanje – Spodnje Hoče. Vodnik po najdiščih / Archaeological Trail of Maribor and its Surroundings. Section I: Zgornje Radvanje – Spodnje Hoče. Guide to Sites. Ljubljana, Maribor: Zavod za varstvo kulturne dediščine Slovenije; Društvo mladih raziskovalcev MRM Maribor. Haddad, D. E. i J. R. Arrowsmith. 2011. Geologic and Geomorphic Characterization of Precariously Balanced Rocks. Contributet report CR-11-B. Tucson: Arizona Geological Survey. Heidemann, H. K. 2014. Lidar Base Specification. U Book 11, Collection and Delineation of Spatial Data, Chap. B4, ver. 1.2, 67. U.S. Geological Survey Techniques and Methods. http://dx.doi.org/10.3133/tm11B4. Hesse, R. 2010. LiDAR-Derived Local Relief Models - a New Tool for Archaeological Prospection. Archaeological Prospection 17 (2): 67–72. ———. 2016. Visualisierung Hochauflösender Digitaler Geländemodelle Mit LiVT. U Computeranwendungen Und Quantitative Methoden in Der Archäologie. 4. Workshop Der AG CAA 2013, uredili U. Lieberwirth i I. Herzog, Edition Topoi, 109–128. Berlin Studies of the Ancient World. Berlin: Topoi. Hobbs, K. F. 1995. The Rendering of Relief Images from Digital Contour Data. The Cartographic Journal 32 (2): 111–116. ———. 1999. An Investigation of RGB Multi-Band Shading for Relief Visualisation. International Journal of Applied Earth Observation and Geoinformation 1 (3–4): 181–186. Horn, B. K. P. 1981. Hill Shading and the Reflectance Map. Proceedings of the IEEE 69 (1): 14–47. IGKB - Internationale Gewässerschutzkommission für den Bodensee. 2015. IGKB-Tiefenschärfe-Bodensee Digitale Geländemodelle Mit 10 m Und 3 m Auflösung. doi: 10.1594/PANGAEA.855987 https://doi.pangaea.de/10.1594/ PANGAEA.855987. Imhof, E. 1982. Cartographic Relief Presentation. Berlin, New York: Walter de Gruyter. 149 Ivanišević, V. i I. Bugarski. 2012. Primena LiDAR tehnologije u analizi topografije Marguma/Morave i Kuliča. Starinar (62): 239–255. Kershaw, A. 2003. Hadrian’s Wall National Mapping Programme - a World Heritage Site from the Air. Archaeological Prospection 10 (2): 159–161. Kokalj, Ž., K. Zakšek i K. Oštir. 2011. Application of Sky-View Factor for the Visualization of Historic Landscape Features in Lidar-Derived Relief Models. Antiquity 85 (327): 263–273. Laharnar, B. 2012. Notranjska med prazgodovino in antiko. Ljubljana: Univerza v Ljubljani, Filozofska fakulteta. Lan, H., C. D. Martin, C. Zhou i C. H. Lim. 2010. Rockfall Hazard Analysis Using LiDAR and Spatial Modeling. Geomorphology 118 (1–2): 213–223. Mara, H., S. Krömker, S. Jakob i B. Breuckmann. 2010. GigaMesh and Gilgamesh: 3D Multiscale Integral Invariant Cuneiform Character Extraction. U Proceedings of the 11th International Conference on Virtual Reality, Archaeology and Cultural Heritage, 131–138. Paris, France: Eurographics Association. Metternicht, G., L. Hurni i R. Gogu. 2005. Remote Sensing of Landslides: An Analysis of the Potential Contribution to Geo-Spatial Systems for Hazard Assessment in Mountainous Environments. Remote Sensing of Environment 98 (2–3): 284–303. Mihevc, A. 1994. Contact Karst of Brkini Hills. Acta Carsologica 23: 99–109. Miller, G. 1994. Efficient Algorithms for Local and Global Accessibility Shading. U Proceedings of the 21st Annual Conference on Computer Graphics and Interactive Techniques, 319–326. ACM. Minnaert, M. 1961. Photometry of the Moon. U Planets and Satellites, uredili G. P. Kuiper i B. M. Middlehurst, 213–248. Chicago: The University of Chicago Press. Mlekuž, D. 2013. Roads to Nowhere? Disentangling Meshworks of Holloways. U Aerial Archaeology and Remote Sensing from the Baltic to the Adriatic, uredili Z. Czajlik i A. Bödocs, 37–41. Budapest: Eötvös Loránd University. Mlekuž, D. i M. Črešnar. 2014. Landscape and Identity Politics of the Poštela Hillfort. U Studia Praehistorica in Honorem Janez Dular, uredili S. Tecco Hvala, 197–211. Opera Instituti Archaeologici Sloveniae 30. Založba ZRC. 150 Passalacqua, P., P. Tarolli i E. Foufoula-Georgiou. 2010. Testing Space-Scale Methodologies for Automatic Geomorphic Feature Extraction from LiDAR in a Complex Mountainous Landscape. Water Resources Research 46 (11): W11535. Planina, J. 1954. Soča (Slovenia). A Monograph of a Village and Its Surroundings (in Slovenian). Acta Geographica 2: 187–250. Reitberger, J., P. Krzystek i U. Stilla. 2008. Analysis of Full Waveform LIDAR Data for the Classification of Deciduous and Coniferous Trees. International Journal of Remote Sensing 29 (5): 1407–1431. Rummel, C., D. Peters i G. Schafferer. 2012. Report on the geomagnetic survey at margum in October 2011. Starinar (62): 229–238. Sacchetti, F., S. Benetti, C. Ó Cofaigh i A. Georgiopoulou. 2012. Geophysical Evidence of Deep-Keeled Icebergs on the Rockall Bank, Northeast Atlantic Ocean. Geomorphology 159–160: 63–72. Sankey, J. B., N. F. Glenn, M. J. Germino, A. I. N. Gironella i G. D. Thackray. 2010. Relationships of Aeolian Erosion and Deposition with LiDAR-Derived Landscape Surface Roughness Following Wildfire. Geomorphology 119 (1–2): 135–145. Sherrod, D. R., J. M. Sinton, S. E. Watkins i K. M. Brunt. 2007. Geologic Map of the State of Hawai‘i. Open-File Report 2007–1089. Reston: U.S. Geological Survey. http:// pubs.usgs.gov/of/2007/1089/. Sittler, B. 2004. Revealing Historical Landscapes by Using Airborne Laser-Scanning - A 3D-Modell of Ridge and Furrow in Forests near Rastatt (Germany). International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences 36 (8/W2): 258–261. Smith, M. J., J. Rose i S. Booth. 2006. Geomorphological Mapping of Glacial Landforms from Remotely Sensed Data: An Evaluation of the Principal Data Sources and an Assessment of Their Quality. Geomorphology 76 (1–2): 148–165. Wagner, W., M. Hollaus, C. Briese i V. Ducic. 2008. 3D Vegetation Mapping Using Small-footprint Full-waveform Airborne Laser Scanners. International Journal of Remote Sensing 29 (5): 1433–1452. 151 Woolard, J. W. i J. D. Colby. 2002. Spatial Characterization, Resolution, and Volumetric Change of Coastal Dunes Using Airborne LIDAR: Cape Hatteras, North Carolina. 29th Binghamton Geomorphology Symposium: Coastal Geomorphology 48 (1–3): 269–287. Yarbus, A. L. 1967. Eye Movements and Vision. Translated from the Russian edition (Moscow, 1965) by Basil Haigh. New York: Plenum Press. Yoëli, P. 1965. Analytische Schattierung. Ein Kartographischer Entwurf. Kartographische Nachrichten 15 (5): 141–148. Yokoyama, R., M. Shlrasawa i R. J. Pike. 2002. Visualizing Topography by Openness: A New Application of Image Processing to Digital Elevation Models. Photogrammetric Engineering and Remote Sensing 68: 251–266. Zakšek, K., K. Oštir i Ž. Kokalj. 2011. Sky-View Factor as a Relief Visualization Technique. Remote Sensing 3: 398–415. Zakšek, K., K. Oštir, P. Pehani, Ž. Kokalj i E. Polert. 2012. Hill Shading Based on Anisotropic Diffuse Illumination. U Symposium GIS Ostrava 2012, 1–10. Ostrava: Technical University of Ostrava. ZRC SAZU. 2010. IAPS ZRC SAZU | Institute of Anthropological and Spatial Studies ZRC SAZU. http://iaps.zrc-sazu.si/en/svf 2010. 152 Popis slika Slika 1: Uglovna ovisnost analitičkog sjenčenja reljefa: azimutno osvjetljenje 315° (A) i azimut 225° (B), oba sa visinom Sunca od 35°. Obratiti pažnju na razliku u percepciji reljefa i strukturama koje se mogu posmatrati. Obrasle terase za poljoprivredno uzgajanje u blizini Kobolija u Sloveniji, čemu svjedoči prostorna rezolucija modela terena od 1 m. 23 Slika 2: Veoma mali uglovi izvora svjetlosti prikazuju osobine ekstremno malih detalja: standardni ugao visine Sunca od 45° (A) i (B), a slabo osvjetljenje pri visini Sunca od 5° (C), sve uz azimut od 45°. Međutim, navedeno funkcioniše samo u područjima sa veoma blagom morfologijom reljefa, kao što je primjer područja A podzidane ograde(a) u Brú na Bóinne području svjetske kulturne baštine u Irskoj. Prostorna rezolucija lidarskih podataka od 1 m korištena je uz dopuštenje Meath County Council-a i programa Discovery. Lokalno zasićenje histograma koristi se za predstavljanje (B) i (C). Prvi pokazuje razliku kada se uporedi sa normalno predstavljenim zasjenčenim reljefom (A), i drugi jer je slika inače pretamna za prikazivanje bilo kakvih detalja. 24 Slika 3: RGB snimak sjenčenja reljefa iz tri smjera (315°, 0° i 45° azimuta sa visinom Sunca od 35°) (A), kompozit dobiven od prve dvije komponente (B) i RGB kompozit prve tri komponente analize osnovnih komponenti analitičkog sjenčenja reljefa iz 16 smjerova sa 35° visinom Sunca (C). Kasni rimski logor u Sv. Jeleni, zapadno od Kobarida, Slovenija. 153 Prostorna rezolucija lidarskih podataka je 0,5 m © Walks of Peace in the Soča river Foundation. 25 Slika 4: Nagib (A). Visinski profil (B) odnosi se na P -P liniju u (A). Treba imati 1 2 na umu da struktura ukrštanja profila može biti veoma lako (i pogrešno) interpretirana kao konveksna umjesto konkavna. Prostorna rezolucija od 1 m lidarskih podataka utvrde na brdu Žerovinšček iz perioda željeznog doba u blizini Bločice, Slovenija. 27 Slika 5: Histogram se proteže do uskog raspona vrijednosti. Riječna korita Nadiže. Prostorna rezolucija od 0,5 m lidarskih podataka, zapadno od Kobarida u sjeverozapadnoj Sloveniji. 29 Slika 6: (A 1) Histogram kompletnog raspona podataka - visine su između 263 m i 536 m. Budući da smo zainteresovani samo za veoma uski raspon vrijednosti između 271 i 278 m – označeno tamnom strelicom na (A), ima smisla rastezati samo ovaj raspon na cijelu paletu ‘’boja’’ (B). (A 2) Histogram rastegnutih vrijednosti područja prikazanog na slici 5. Umjesto da se sve koncentriše u ‘’tamnom uglu’’ histograma, vrijednosti su mnogo ravnomjernije raspoređene i razlike u sjeni boje mogu se lakše razumjeti. 29 Slika 7: Snimak sjenčanja reljefa (A) i rastezanja histograma (B) lokalnog modela reljefa i LRM prikazan sa posebno dizajniranom paletom boja prekrivenom preko zasjenjenog snimka (Hesse 2010) (C). Prostorna rezolucija od 1 m lidarskih podataka utvrde na brdu Žerovinšček iz perioda željeznog doba u blizini Bločice, Slovenija, © ZRC SAZU. 31 Slika 8: Snimak dijela vidljivog neba (radijus pretrage od 10 m u 16 smjerova) (A) i neizotropni snimak dijela vidljivog neba (B) utvrde na brdu Žerovinšček iz perioda željeznog doba u blizini Bločice, Slovenija. Mnogi detalji mogu se vidjeti na ovom snimku, unatoč promjenljivoj morfologiji reljefa. 34 Slika 9: Snimak dijela vidljivog neba (radijus pretrage od 10 m u 16 smjerova) grebena i brazdi u blizini Neudingen-a, Njemačka (A). Izostavljanje najbližih piksela iz proračuna može smanjiti šum u podacima, tako da se osobine mogu bolje razumjeti (B). Prostorna rezolucija lidarskih podataka je 1 m © LGL u Baden-Württembergu. 35 154 Slika 10: Pozitivna (A) i negativna (B) otvorenost snimka (radijus pretrage od 10 m u 16 smjerova) kasnoga antičkog naselja Tonovcov grad u Sloveniji. Veoma složen teren izgleda poravnato. Vrhovi istaknutih osobina jasno su uočljivi na snimku pozitivne otvorenosti, dok negativna otvorenost odražava dno šupljina i donje rubove litica. 37 Slika 11: Snimak lokalne dominantnosti (radijus od 10 do 20 m) granica nekadašnjih polja, puteva, grebena i brazdi kod Hügelsheima, Njemačka. Grebeni i brazde očuvani su samo u područjima koja su danas prekrivena šumom. Neke druge osobine na slici uključuju kratere od bombi, zemljom prekrivene bunkere i rovove. Lidarski podaci od 1 m © LGL u Baden-Württembergu. 39 Slika 12: Snimak kumulativne vidljivosti grobnih humki (visoke vrijednosti) i dolina (niske vrijednosti) u Swabian Alb. Lidarski podaci od 1 m © LGL u Baden-Württembergu. 40 Slika 13: Snimak pristupačnosti (maksimalnog radijusa od 20 m) vrlo uskih poljoprivrednih terasa sa vinogradima u blizini Jeruzalema, Slovenija. Lidarski podaci od 0.5 m © ARSO, Slovenia. 40 Slika 14: MSII snimak starog rimskog logora u Sv. Jeleni, zapadno od Kobarida, Slovenija. Lidarski podaci od 0.5 m © Walks of Peace in the Soča river Foundation. 43 Slika 15: Snimak starog rimskog logora u Sv. Jeleni, zapadno od Kobarida, Slovenija kao što je vidljivo na lidarskim podacima od 0.5 m prostorne rezolucije filtriranim sa Laplacian-of-Gaussian konvolucionim filterom radijusa 3 piksela (tj. 1.5 x 1.5 m). 43 Slika 16: Karte gustoće lidarskih podataka dvorca Montfaucon istočno od Besancona, Francuska. Gustoća svih tačaka (A), gustoća vegetacionih tačaka (B) i tačaka na terenu (C) izračunata za svaki piksel (0.5 m), ali ucrtana po m2. Gustoća tačaka na terenu izračunata i iscrtana po m2 (D). Prostorna rezolucija lidarskih podataka 0.5 m © Univerzitet Franche-Comte. 46 Slika 17: Neizotropni snimak dijela vidljivog neba modela visina dobiven različitim algoritmima rasterizacije (interpolacije). Treba imati na umu razliku u interpolaciji površine dvorca i jugoistočne padine koja vodi do 155 njega. Prirodni susjedi (engl. Natural Neighbours - NN) (A) generišu vrlo glatki teren, težina inverzne udaljenosti (engl. Inverse Distance Weighted (IDW)) (B) uvodi korake, TIN s ponavljajućom interpolacijom (engl. TIN with Repetitive Interpolation - REIN) (C) uvodi trouglove i splajnovi (D) kreiraju niz artefakata. 47 Slika 18: “Riblje ljuske” rezultat su direktne rasterizacije oblaka tačaka (A). Prostorna rezolucija od 0.5 m lidarskih podataka područja oko Besancona, Francuska, © Univerzitet Franche-Comte. Crne zvijezde obično se oblikuju oko malih izbočenja na snimku dijela vidljivog neba prilikom izračuna s 8 ili 16 smjerova (B). Prostorna rezolucija lidarskih podataka od 0.5 m iz prvog svjetskog rata blizu Kobarida u Sloveniji. © Walks of Peace in the Soča river Foundation. Prostorna rezolucija od 1 m lidarskih podataka puna lažnih udubljenja. Oni su rezultat slabe obrade podataka koji su klasificirali mnoge lidarske tačke ispod površine terena kao tačke terena (C). Grobna mjesta u Poštelima mogu se vidjeti u gornjem lijevom uglu (C). © ARSO, Slovenija. Svi snimci prikazuju SVF-ove izračunate u 8 smjerova s radijusom pretrage od 10 m. 48 Slika 19: Karakteristike koje su slične talasima posljedica su loše registracije linija skeniranja (A). Mogu se vidjeti platforme za pravljenje uglja. Prostorna rezolucija od 0.5 m lidarskih podataka područja oko Besancona, Francuska, © Univerzitet Franche-Comte. Ozbiljna neusklađenost linija snimanja i pretjerano ambiciozne postavke rezolucije rezultiraju artefaktima sličnim “ribanju” i fiktivnim koracima na terenu (B). Prostorna rezolucija od 1 m lidarskih podataka područja u blizini Tauberbischofsheima © LGL u Baden-Wurttembergu. Slaba predobrada sirovih podataka rezultirala je čitavim nizom artefakata otisnutih na terenu sjeverozapadno od Volarja, Slovenija (C). Prostorna rezolucija lidarskih podataka 1 m © ARSO, Slovenija. Svi snimci prikazuju SVF-ove izračunate u 8 smjerova s radijusom pretrage od 10 m. 49 Slika 20: Izvorni snimak na kome se primjenjuje samo minimalno-maksimalno rastezanje histograma - prikazuje se cijeli niz vrijednosti s relativnim razlikama između očuvanih vrijednosti (A). Snimci prikazani različitim tehnikama rastezanja histograma: izjednačenje histograma (B), stanrdno odstupanje 2.5σ (C), zasićenosti minimuma i maksimuma 0.5% (D). 54 156 Slika 21: Tehnike vizuelizacije s različitim reljefnim osobinama. 58 Slika 22 na prethodnim stranicama (62. i 63.): Tehnike vizuelizacije pri različitim topografskim postavkama. Oranice na ravnom terenu u blizini Endingen am Kaiserstuhl. Prostorna rezolucija lidarskih podataka 1 m © LGL u Baden-Württembergu. Tri različite vrste rovova iz Prvog svjetskog rata s skloništima na blagim sjeveroistočnim padinama Črnog hriba, u blizini Renčea, Slovenija. Prostorna rezolucija od 1 m lidarskih podataka © ARSO, Slovenia. Plamteće platforme drvenog uglja u brdima Crne šume, prostorna rezolucija lidarskih podataka 1 m © LGL u Baden-Württembergu. Kasni rimski logor na stjenovitoj površini s crkvom sv. Jelene, zapadno od Kobarida, Slovenija. Prostorna rezolucija od 0.5 m lidarskih podataka © Walks of Peace in the Soča river Foundation. 62 Slika 23: Različita mjerila posmatranja. Snimak dijela vidljivog neba bogato ukrašenih detalja pločnika u Newgrangeu, Irska, kreirano sa Structure-from-Motion ručno snimljenim fotografijama (A). Raspršene kosti (B) i tragovi pljačke (C) u pustinji Perua. Model visina izračunat je iz snimaka snimljenih s kamerom na držaču i prikazan je ovdje sa kombinacijom lokalne dominantnosti i sjenčenog reljefa. Grand Canyon (D) kao dokaz 30 m SRTM podataka prikazanih u kombinaciji SVF-a i sjenčenog reljefa. Središnji Massif, Jura i Alpe (E) prikazani kombinacijom neizotrop-nog SVF-a i sjenčenog reljefa. 67 Slika 24: Da li je grobna humka, rupa u tlu, ili kamenolom, ili brdo? Neko ko posmatra sliku treba znati smjer izvora svjetlosti, jer ima konačan uticaj na percepciju krajolika. Azimutno osvjetljenje 315° (A) i azimut 135° (B). Osobine terena izgledaju preokrenuto na (B). 69 Slika 25: Obrasli ostaci napuštenog sela Novi Breg (Naubacher), Slovenija, predstavljeno tehnikom lokalnog modela reljefa s radijusom filtera od 25 m (A). Ostaci kuća mogu se vidjeti kao svijetli pravougaonici. Velike crne mrlje su ponikve. Jednostavno je replicirati takvu sliku s minimalnim datim podacima. Međutim, kada reprodukcija ili relativna uporedba među područjima nije potrebna, kombinacije vizuelizacije mogu dati slike koje je lakše analizirati, a detalji o vizuelizacijama mogu biti izostavljeni (B). Lidarski podaci od 1 m © ARSO, Slovenija. 72 157 Slika 26: Algoritmi sjenčenja reljefa u ArcMap-u (ArcMap 2012) i RVT koriste istu metodu (Yoëli 1965), no rezultati su posve drugačiji, kao što se vidi iz slike neboderâ u donjem Manhattanu. Izgleda da je slika sjenčenja reljefa izračunata pomoću ArcGIS-a (A) manje jasna (kao da se koristi DEM niže rezolucije) od one izračunate pomoću RVT-a (B). Treba imati na umu jasno vidljive korake uzdizanja na (B), naročito korake na pročelju donjeg desnog nebodera (B), jer u potpunosti nedostaju u (A). (A) i (B) zasićene su visokim i niskim vrijednostima (potpuno bijele i crne površine). Međutim, RVT izračunava sjenčenje reljefa s punim rasponom vrijednosti, pa se detalji u crnim područjima u velikoj mjeri otkrivaju na izvornom nezasićenom snimku (C). Sve brojke izračunate su s visinom Sunca od 35° i azimutom od 315° koristeći isti DEM. Lidarski podaci prostorne rezolucije 1 m © USGS. 73 Slika 27: RVT nudi raspon najboljih tehnika s osnovnim opcijama. Izuzetno je jednostavan za korištenje i može obrađivati više fajlova i primijeniti sve tehnike u jednom koraku. 78 Slika 28: Lidar Visualization Toolbox (LiVT) podržava različite tehnika računanja sa zamršenim mogućnostima za manipulaciju postavkama. 79 Slika 29: Lepeza aluvijalnih nanosa u kanjonu Craig u Slanoj dolini, SAD. Fotografisao Brian Lockett Air-and-Space.com. 83 Slika 30: Aluvijalni nanosi iz kanjona Craig (Kalifornija, SAD) što je očigledno na lidarskim podacima od 0.5 m prostorne rezolucije. Kolor rastegnute visine preko SVF-a i sjenčenog reljefa. © Plate Boundary Observatory by NCALM, SAD. 85 Slika 31: Paralelne utisnute staze u šumi sjevero-zapadno od Volčijeg Potoka, Slovenija. Fotografisao Žiga Kokalj. 87 Slika 32: Utisnute staze i glavni tokovi ispod gradine na Žiškom vrhu, sjeverna Slovenija, kao što je vidljivo iz kombinacije dijela vidljivog neba (0.65-1, neprozirnost 25%, množenje), pozitivne otvorenosti (70-93, neprozirnost 50%, preklapanje), nagiba (0-45°, neprozirnost 50%, osvjetljenost) i sjenčenja reljefa. Lidarski podaci od 0.5 m © ARSO, Slovenija. 88 158 Slika 33: Utisnute staze na uskom prolazu duž rijeke. Volčji Potok, sjeverna Slovenija. Lidarski podaci prostorne rezolucije od 0.5 m © ARSO, Slovenija. 89 Slika 34: Gradišče nad Knežakom gradina u središtu slike danas je potpuno prekrivena neproho-dnom šumom. Fotografisao Boštjan Laharnar. 91 Slika 35: Naselje iz željeznog doba iznad Knežaka i okoline, kao što se vidi na klasifikovanim slovenskim nacionalnim lidarskim podacima (GKOT, © ARSO, Slovenija) kojiu obrađeni gLidar softverom, rasterizirani na mrežu od 0.5 m. Vidljiva su mnoga mala udubljenja i nepostojeće rupe (pogledati također i sliku 18C). Snimak je kombinacija dijela vidljivog neba (0.7-1, neprozirnost 70%, množenje), nagiba (0-55°, neprozirnost 100%, preklapanje) i sjenčenja reljefa. 92 Slika 36: Ista površina kao na slici 35, ali je obrada obavljena drugim softverom (LASTools). Čak i uz minimalan napor (zadane postavke), rezultujući snimak daje jasniju sliku arheološke i prirodne topografije, unatoč gubljenju dijela “oštrine”. Na donjem dijelu snimka vidljive su nestrukturirane skupine kamenja na polju i granice polja. Lidarski podaci prostorne rezolucije od 0.5 m © ARSO, Slovenija. 93 Slika 37: Jedna od grobnih humki u Pivoli. Osim tokom kasne zime, veoma je teško kretati se zbog guste drače. Fotografisao Žiga Kokalj. 95 Slika 38: Grobne humke u Pivoli kao što je prikazano lokalnim modelom reljefa transparentno su prekrivene preko snimka dijela vidljivog neba i sjenčenog reljefa. Stanje očuvanosti humki znatno se razlikuje. One u šumi dobro su sačuvane (1), humke u Botaničkom vrtu oštećene su kada su služile kao vojna baza (2), a humke na poljima gotovo da su poravnate sa tlom (3). Lidarski podaci prostorne rezolucije 0.5 m © ARSO, Slovenija. 96 Slika 39: Vizuelna struktura krajolika predstavljena Higuchievim matematičkim modelom bliske razdaljine totalne vidljivosti oko grupe humki u Pivoli. Lidarski podaci od 1 m prostorne rezoluci-je © ARSO, Slovenija. Prikazano uz dopuštenje D. Mlekuža. 97 159 Slika 40: Linije stubova na Culbin Sandsu (fotografija © Forestry Commission Scotland). 99 Slika 41: Promjene u visini s dodatnim informacijama o intenzitetu, Culbin Sands. Intenzitet lidara obično se bilježi u vrijeme skeniranja i može pružiti dodatne razlikovne informacije o krajoliku. Lidarski podaci prostorne rezolucije 0.5 m © Forestry Commission Scotland. 100 Slika 42: Pogled izbliza na Culbin Sands kao što se vidi na snimku dijela vidljivog neba, izračunatog u 8 smjerova. Stubovi se lako mogu prepoznati kao crne zvijezde. Lidarski podaci prostorne rezolucije 0.5 m © Forestry Commission Scotland. 101 Slika 43: Pogled na greben prema Vrh Brdu i Bavškom Grintavecu u pozadini. Fotografisao Jovan Cukut. 103 Slika 44: Glacijalno transformisana kraška visoravan na Velikim vratima, Slovenija. Ravne površine pukotina u vapnenačkim stijenama prikazane su u svijetlim bojama, dok su vertikalne pukotine, otvorene pukotine i strmine mračne. Snimak je kombinacija dijela vidljivog neba (0.5-1, neprozirnost 70%, množenje), nagiba (0-65°, neprozirnost 80%, preklapanje) i RGB snimka sjenčenja brda iz tri smjera (R: 315°, G: 15°, B: 75°), svih izračunatih na digitalnom površinskom modelu. Lidarski podaci prostorne rezolucije 0.5 m © ARSO, Slovenija. 104 Slika 45: Dachsteinovi vapnenački slojevi i polja izložena na Vrh Brdu (1952 m). Vrh grebena istaknut je bijelom bojom, a boje predstavljaju različite orijentacije padine. Vizuelizacija je kombinacija dijela vidljivog neba (0.55-1, neprozirnost 30%, množenje), pozitivne otvorenosti (65-95°, neprozirnost 50%, preklapanje), nagiba (0-65°, neprozirnost 80%, osvjetljenost) i RGB snimka sjenčenja brda iz tri smjera (R: 315°, G: 15°, B: 75°). Lidarski podaci prostorne rezolucije 1 m © ARSO, Slovenija. 105 Slika 46: Granite Dells - Watson Lake. Fotografisao Michael Wilson. 107 160 Slika 47: Digitalni model terena (DTM) - Granite Dells, Arizona, SAD. Veliki dio detalja krajolika je izgubljen uprkos detaljnom procesiranju. Kombinacija neizotropnog dijela vidljivog neba (0.2-1, neprozirnost 40%, množenje), nagib (0-80°, neprozirnost 60%, preklapanje) i RGB snimak sjen-čenja brda iz tri smjera (R: 337,5°, G: 0°, B: 22,5°). Lidarski podaci prostorne rezolucije 0.5 m © NCALM. 108 Slika 48: Digitalni model površine (DSM) istog područja kao na slici 47. Vidljiva su stabla, kuće i automobili, ali još važnije je da su vidljivi spojevi u granitu što je i karakteristično. Lidarski podaci prostorne rezolucije 0.5 m © NCALM. 109 Slika 49: Pogled na Mauna Loa iz Maune Kee s konusima od pepela u prvom planu. Fotografisao Lawrence Goldman. 111 Slika 50: Lavu koja teče na vulkanu Mauna Loa teško je posmatrati na terenu jer je tlo vruće, ima grubu i šiljastu površinu ili je prekriveno vegetacijom. Mnogi otvori i konusi od pepela vidljivi su na ovom zasjenčenom snimku lidarskih podataka (prostorna rezolucija od 1 m) © NCALM. 112 Slika 51: Ova vizuelizacija pruža veoma realan prikaz površine i otkriva zamršeni sistem konusa od pepela, otvora, pukotina, nabora i kanala polja lave na sjeveroistočnoj padini Maune Loe. Vizuelizacija je kombinacija pozitivne otvorenosti (65-95, neprozirnost 50%, zatamnjena), dijela vidljivog neba (0.65-1, neprozirnost 50%, množenje), nagiba (0-50°, neprozirnost 100%, preklapanje) i sjenčenja reljefa. Lidarski podaci prostorne rezolucije 0.5 m © NCALM. 113 Slika 52: Slijepa dolina Brezovica. Pogled prema sjeveru. U prvom planu fotografije vidi se potok Ločica koji je formirao dolinu i koji ponire ispod zemlje. Fotografisao Žiga Kokalj. 115 Slika 53: Slijepe doline Odolina (1) i Brezovica (2). Kontaktna granična linija između sedimentnog depozita i vapnenca prolazi od sjevero-zapada do jugo-istoka i jasno je prepoznatljiva. Potoci formiraju normalan fluvijalni reljef na sedmentnim depozitima i oblikuju isprane proširene doline na vapnencu prije poniranja. Jednostavno je prepoznati i 161 doline, vrtače i druge tipične kraške osobine. Lidarski podaci prostorne rezolucije 1 m © ARSO, Slovenija. 116 Slika 54: Pogled izbliza na kraj slijepe doline Odoline. Na takvom mjestu i bez prethodnog poznavanja područja vjerovatno bi se očekivao izvor potoka. Ambis gdje Brsnica nestaje pod zemljom pri visokom vodostaju, noseći tone sedimenata i drva, označen je strelicom. Lidarski podaci prostorne rezolucije 1 m © ARSO, Slovenija. 117 Slika 55: Brooklynski most preko Istočne rijeke (engl. East River) s neboderima na Donjem Manhattanu u pozadini. Fotografisao Žiga Kokalj. 119 Slika 56: Kombinacija kolor kodiranih visina i nezasićenog sjenčenog reljefa. Ovo je tipičan dvo-dimenzionalni prikaz gradskog prizora. Dok se visine zgrada mogu odrediti u određenoj mjeri, sve vrijednosti veće od 110 m bile su odrezane kako bi se postigla bolja raspodjela boja. Iako slika prikazuje Lower Manhattan s mnogim zgradama čije visine prelaze 50 m, veličanstvenost visina zgrada nije očigledna. Lidarski podaci prostorne rezolucije 1 m © USGS. 120 Slika 57: Ova je slika manje raznobojna od slike 56, no sjene daju raskošniji osjećaj visokih zgrada. Kombinacija modela osvjetljenog neba (engl. Sky Illumination Model) (udaljenost modela sjena od 100 m) i bačene sjene (visina Sunca od 35° i azimut od 135 °). Lidarski podaci prostorne rezolucije 1 m © USGS. 121 Slika 58: Tvrđava Kulič uglavnom je opkoljena vodom i pješice je dostupna jedino pri niskom vodostaju. Fotografisao Darko Veselinović. 123 Slika 59: Ušće Velike Morave u Dunav i njeni nekadašnji rukavci (plave boje). Na najvišim lokalnim dijelovima kopna sačuvani su ostaci tvrđave i naselja Kulič (1), te antičkoga grada Marguma i srednjevjekovne naseobine Morava (2). Lidarski podaci prostorne rezolucije 1 m © Arheološki institut, Beograd, Srbija. 124 162 Slika 60: Područje antičkoga grada Marguma i srednjevjekovne naseobine Morava najbolje je očuvano iznad apsolutne visine od 72 m (puna bijela linija). Lidarski podaci prostorne rezolucije 1 m © Arheološki institut, Beograd, Srbija. 125 Slika 61: Linije kamenih nasipa rimske centuriacije na terenu su teško uočljive. Fotografisala Katarina Gerometta. 127 Slika 62: Linije kamenih nasipa rimske centurijacije (bijele široke ortogonalne linije), kamene gomile (bijeli krugovi), kasniji kameni zidovi (bijele bolje definisane linije), staze (crne linije) i nepotvrđeno gradinsko naselje (bijele linije u sjeverozapadnom uglu slike) vidljivi su na ovoj kombinaciji filtriranja Laplacian-of-Gaussian (-0.01−0.01, neprozirnost 50%) i sjenčenja reljefa (tri puta vertikalno uvećanje). Zbog naglašavanja rubova (bijeliji dijelovi slike) neki dijelovi staza iz-gledaju kao da imaju nasipe. 128 Slika 63: Isto područje kao i na slici 62, ali prikazano kombinacijom lokalne dominantnosti (0.5−1.8, neprozirnost 20%, preklapanje), lokalne dominantnosti (ponovno), (0.5−1.8, neprozirnost 60%, osvjetljenost) i neizotropnog dijela vidljivog neba (0.8−1) na kojoj se bolje vidi šta je udubljeno a šta strši iz ravni. Različitom “mekoćom” linija može se zaključivati o njihovoj različitoj izloženosti i posredno starosti. Lidarski podaci prostorne rezolucije od 0.5 m © Sveučilište Jurja Dobrile u Puli, Hrvatska. 129 Slika 64: Područje između Rovinja i Bala velikim je dijelom prekriveno grmolikom makijom, koja se sastoji od gusto obraslog zimzelenog grmlja. Prikladni parametri skeniranja za arheološku interpretaciju u ovim uslovima testirani su u susjednom Slovenskom kršu. Fotografisao Damir Matošević. 131 Slika 65: Okolina gradinskog naselja Monte Castelliera prekrivena je gustom, niskom vegetacijom. Kombinacija modela visina objekata (grmlje i drveće u zelenim bojama, kuće u crvenoj boji, neprozirnost 50%) i sjenčenja modela površine. Lidarski podaci prostorne rezolucije od 0.5 m © Arheološki muzej Istre, Hrvatska. 132 163 Slika 66: Niske zidine gradinskog naselja Monte Castelliera dobro su vidljive u kombinaciji lokalnog modela reljefa (-0.5−0.5, neprozirnost 70%, preklapanje), nagiba (0−30°, neprozirnost 35%, množenje) i sjenčenja reljefa. Lidarski podaci prostorne rezolucije 0.5 m © Arheološki muzej Istre, Hrvatska. 133 Slika 67: Bavarski grad Lindau na jezeru Constance. S površinom od oko 570 km2 i maksimalnom dubinom od 252 m, jezero Constance jedno je od najvećih i najdubljih jezera u Evropi. Oblikovala ga je erozija ledenjaka tokom posljednjeg ledenog doba. Velika polja niskih ovalnih humki ili malih brežuljaka, uglavnom sjeverno od jezera, dokumentiraju smjer kretanja leda tokom posljednje glaciacije. Kad su se ledenjaci povukli, bazen se napunio vodom i postao jezero Constance. Fotografisao Frank Numrich. 135 Slika 68: Parnice ledenjaka na dnu (krivulje) i depoziti masovnog kretanja (latičaste osobenosti u podnožju strmih padina) na jezeru Constance. Vizuelizacija: Laplacian-of-Gaussian preklopljen sa kolor kodiranom batimetrijom. Prostorna rezolucija batimetrijskog modela od 2 m © IGKB (2015). 136 Slika 69: Batimetrijski profil (P -P ) iz podataka prikazanih na slici 68 otkriva 1 2 ravnu podvodnu površinu na kojoj se pojavljuje većina oznaka kretanja ledenjaka. Prostorna rezolucija batimetrijskog modela od 2 m © IGKB (2015). 136 Poglavlje 1. Platforme za pravljenje uglja u Crnoj šumi (Njemačka), kao što se vidi na snimku dijela vidljivog neba (radijus pretrage od 10 m u 16 smjerova). Prostorna rezolucija lidarskih podataka od 1 m © LGL u Baden-Württembergu. 12 Poglavlje 2. Neizotropni snimak dijela vidljivog neba (5 m radijus pretrage u 16 smjerova) utvrde Rodik na brdu iznad Ajdovščine (Slovenija). Prostorna rezolucija lidarskih podataka od 0.5 m © ARSO, Slovenija. 18 164 Poglavlje 3. Snimak lokalne dominantnosti (10-20 m radijus pretraživanja) oranicâ u Endingen am Kaiserstuhlu (Njemačka). Prostorna rezolucija lidarskih podataka od 1 m © LGL u Baden-Württembergu. 50 Poglavlje 4. Humke, palače, platforme, zidovi, kamenolomi, mogući rezervoari za vodu i zemljišni sistem nepoznatog naselja Maja u rezervatu biosfere Calakmul (Campeche, Meksiko). Kombinacija vizuelizacija (faktor vidljivog dijela neba, otvorenost, nagnutost, sjenčenje reljefa). Prostorna rezolucija lidarskih podataka od 0.5 m © ZRC SAZU, Slovenija. 74 Poglavlje 5. Dio utvrde Maiden Castle iz perioda željeznog doba (Ujedinjeno kraljevstvo), kao što se vidi na snimku dijela vidljivog neba (5 m radijus pretrage u 16 smjerova). Prostorna rezolucija od 0.5 m modela površine dobivenog iz lidarskih podataka © Environment Agency, Ujedinjeno kraljevstvo. 80 Rječnik. Oko Sahare (Richat Struktura ili Guelb er Richat) je duboko erodirana geološka kupola u Mauritaniji. Kombinacija vizuelizacija (faktor vidljivog dijela neba, nagnutost, sjenčenje reljefa). Podaci SRTM od 30 m © USGS. 138 Bibliografija i popisi. Pješčane dine u Guaiubai, Santa Catarina (Brazil), kao što se vidi na snimku dijela vidljivog neba (radijus pretrage od 10 m u 16 smjerova). Prostorna rezolucija modela površine 1 m dobivenog iz lidarskih podataka © FAPESP grant 2009/17675-5. Grohmann, C.H. i A.O. Sawakuchi. 2013. Influence of cell size on volume calculation using digital terrain models: a case of coastal dune fields. Geomorphology 180–181: 130–136. 144 165 Popis tabela Tabela 1: Neki korisni izvori za pretraživanje besplatnih lidarskih skupova podataka. Web stranice će se neizbježno promijeniti i novi skupovi podataka postaju redovno dostupni, pa se mogu koristiti omiljeni pretraživači. 17 Tabela 2: Tipične postavke za sjenčenje reljefa. 22 Tabela 3: Tipične postavke za analize osnovnih komponenti višestrukih snimaka sjenčenja reljefa iz više pravaca. 22 Tabela 4: Tipične postavke vizuelizacije nagiba. 26 Tabela 5: Tipične postavke za prikaz diferencijacije visina. 28 Tabela 6: Tipične postavke za uklanjanje trenda i lokalno modeliranje reljefa. 33 Tabela 7: Tipične postavke za računanje i vizuelizaciju dijela vidljivog neba. 33 Tabela 8: Tipične postavke za računanje i vizuelizaciju pozitivne i negativne otvorenosti. 36 Tabela 9: Tipične postavke za računanje i vizuelizaciju lokalne dominantnosti. 39 Tabela 10: Tipične postavke za računanje i vizuelizaciju kumulativne vidljivosti. 39 166 Tabela 11: Tipične postavke za računanje i vizuelizaciju pristupačnosti. 41 Tabela 12: Tipične postavke za računanje i vizuelizaciju MSII. 42 Tabela 13: Tipične postavke za računanje i vizuelizaciju Laplacian-of-Gaussiana. 42 Tabela 14: Prikladnost tehnika vizuelizacije za predstavljanje odabranih arheološko-topografskih osobina. 55 Tabela 15: Matrica za prikladnost tehnika vizuelizacije za odabrane arheološke reljefne strukture pri različitim topografskim postavkama. 57 Tabela 16: Metapodaci koji su potrebni prilikom predstavljanja DEM vizuelizacija. 71 Tabela 17: Parametri lidarskog skeniranja aluvijalnih depozita u Craig kanjonu (Kalifornija, SAD). 84 Tabela 18: Parametri lidarskog skeniranja Žiškog vrha i Volčijeg Potoka (Slovenija). 89 Tabela 19: Parametri lidarskog skeniranja naselja iznad Knežaka (Slovenija). 90 Tabela 20: Parametri lidarskog skeniranja grobnih humki u Pivoli (Slovenija). 94 Tabela 21: Parametri lidarskog skeniranja Culbin Sandsa (Škotska). 101 Tabela 22: Parametri lidarskog skeniranja Velikih vrata i Vrh Brda (Slovenija). 102 Tabela 23: Parametri lidarskog skeniranja Granitne šumovite doline (Arizona, SAD). 109 Tabela 24: Parametri lidarskog skeniranja Mauna Loe (Havaji, SAD). 110 Tabela 25: Parametri lidarskog skeniranja slijepe doline Odolina (Slovenija). 114 Tabela 26: Parametri lidarskog skeniranja Manhattana (New York, SAD). 118 167 Tabela 27: Parametri lidarskog skeniranja Marguma/Morave i Kuliča (Srbija). 122 Tabela 28: Parametri lidarskog skeniranja Općine Vrsar (Hrvatska). 126 Tabela 29: Parametri lidarskog skeniranja Monte Castelliera (Hrvatska). 130 168 Prostor Zbirka Prostor, kraj, čas objavljuje kraće, tematski zaokružene studije sa različitih aspekata istraživanja kraj prostora i vremena, koje se temelje na geografskim informacionim sistemima i daljinskim istraživanjima, čas 16 kao i njihovim društvenim i kulturnim uticajima: način na koji ljudi iz različitih vremenskih perioda i mjestâ prebivališta razmišljaju, žive, osjećaju, koriste i mijenjaju prostor i vrijeme. Urednici serije: Nataša Gregorič Bon i Žiga Kokalj, ZRC SAZU. Žiga Kokalj je rukovodilac Odjela za daljinska istraživanja (naučni saradnik) pri Naučno-istraživačkom centru slovenske Akademije nauka i umjetnosti i Centru izvrsnosti za svemirske nauke i tehnologije. Njegova naučna polja od interesa su primjena snimaka i laserskog skeniranja iz zraka, prostorne analize i modeliranja prirodnih procesa. Ralf Hesse radi u Državnom uredu za kulturno historijsko nasljeđe Baden-Württemberga, gdje koristi lidarske podatke za arheološka istraživanja velikih područja. Njegova se istraživanja usredotočuju na vizuelizaciji i analizama digitalnih modela visina na području arheologije i fizičke geografije. Admir Mulahusić je univerzitetski nastavnik pri Građevinskom fakultetu (Odsjek za geodeziju i geoinformatiku) Univerziteta u Sarajevu. Predavač je više predmeta dodiplomskog, diplomskog i doktorskog studija pri Građevinskom fakultetu u Sarajevu (naučna oblast ‘’Geodezija i geoinformatika’’). Autor je i koautor jednog univerzitetskog udžbenika, jednog fakultetskog udžbenika, dvije monografije, prijevoda univerzitetskog udžbenika, kao i više naučnih i stručnih radova. Član je više domaćih i međunarodnih naučnih i strukovnih organizacija. http:\\zalozba.zrc-sazu.si Založba ZRC Knjiga je besplatno dostupna u pdf-u: http://zalozba.zrc-sazu.si/p/P16 17 €