A New Approach to Obtaining Digital Terrain Model from Digital Surface Model in Forested Areas

Abstract

Sayısal Yüzey Modeli (SYÜM), yeryüzünün bitki örtüsü, binalar ve diğer yapılar dahil olmak üzere tüm yüzey özelliklerini içeren bir yüksek modelidir. SYÜM'den farklı olarak Sayısal Arazi Modeli (SAM), yalnızca çıplak zemin yüzeyini temsil eder ve hidrografik analizlerden mühendislik projelerine kadar birçok alanda kritik öneme sahiptir. Ancak SYÜM'den doğrudan SAM elde edilmesi, özellikle ormanlık ve kentsel alanlarda oldukça zordur. Çünkü bu bölgelerde yüzey örtüsünün karmaşık yapısı, arazi yüzeyini doğrudan ayırt etmeyi güçleştirir. Bu nedenle, SYÜM verilerinden doğru ve otomatik şekilde SAM üretmek, zaman ve maliyet açısından büyük avantajlar sunmakta ve manuel arazi ölçümlerine olan bağımlılığı azaltmaktadır. Bu çalışmada, ormanlık alanlarda hava fotograflarından fotogrametrik yöntemlerle elde edilen SYÜM'den SAM çıkarımı için görüntü indislenmesine dayalı yeni bir algoritmik yaklaşım sunulmaktadır. SYÜM verileri, özellikle yoğun orman örtüsü gibi karmaşık yüzey yapılarına sahip bölgelerde, gerçek arazi yüzeyini temsil etmede yetersiz kalabilmektedir. Bu sorunu aşmak amacıyla, görüntü işleme teknikleri ile morfolojik filtreleme yöntemlerinin bütünleştirildiği bir yöntem geliştirilmiştir. Önerilen yaklaşım; maksimum yeşil alan tespiti, kenar filtreleme, yaklaşık orman yüksekliği hesaplaması ve eşikleme adımlarından oluşmakta olup bu adımlar sırasıyla uygulanarak zemin üstü nesnelerin modelden ayrıştırılması hedeflenmiştir. Çalışmada, beş farklı ağaç yoğunluğunda ormanlık çalışma bölgesi seçilmiş ve her bölgede dört geleneksel SAM çıkarım yöntemi (morfolojik filtreleme, Ormanlık ortamlarda LiDAR verisinin sınıflandırılması için çok ölçekli eğrilik tabanlı bir algoritma, Bulldozer ve ATIN algoritmaları) ile önerilen yaklaşım karşılaştırılmıştır. Elde edilen SAM'ler referans veri setleri kullanılarak istatistiksel doğruluk analizlerine tabi tutulmuştur. Analiz sonuçları, önerilen yaklaşımın geleneksel yöntemlere kıyasla daha yüksek doğruluk sunduğunu göstermekte; özellikle zemin modeli çıkarımında otomasyon sağlayarak işlem süresi ve iş gücünde önemli ölçüde tasarruf sağladığını ortaya koymaktadır. Bu yönüyle geliştirilen algoritma, başta haritacılık, hidrolojik modelleme, askeri uygulamalar ve jeodezik çalışmalar olmak üzere birçok disiplinde etkin bir arazi modeli çıkarım aracı olarak değerlendirilmektedir.Digital Surface Models (DSM) represent the elevation of the Earth's surface including all natural and man-made objects such as vegetation, buildings, and other structures. In contrast, Digital Terrain Models (DTM) represent only the bare ground surface and are critically important in a wide range of applications, from hydrological analyses to engineering projects. However, extracting accurate DTMs directly from DSMs is particularly challenging in forested and urban areas due to the complex structure of surface cover, which makes it difficult to distinguish the actual terrain surface. Therefore, the ability to automatically and accurately generate DTMs from DSM data offers significant advantages in terms of time and cost efficiency, reducing the dependency on manual field measurements. In this study, a novel algorithmic approach based on image indexing is proposed for extracting DTMs from DSMs derived photogrammetrically from aerial imagery in forested areas. DSM data can be insufficient in representing the actual terrain surface, especially in areas with dense forest cover and complex surface structures. To overcome this limitation, a method integrating image processing techniques with morphological filtering operations has been developed. The proposed approach consists of several sequential steps: maximum vegetation detection, edge filtering, approximate forest height estimation, and thresholding, all of which aim to separate above-ground objects from the DSM and isolate the terrain surface. The method was tested in five different forested study areas and compared with four conventional DTM extraction techniques: morphological filtering, multi-scale curvature-based classification, Bulldozer, and ATIN algorithms. The resulting DTMs were evaluated through statistical accuracy analyses using reference datasets. The results demonstrate that the proposed method achieves higher accuracy compared to traditional approaches, and more importantly, it significantly reduces processing time and manual labor by enabling automation in terrain surface extraction. With these strengths, the developed algorithm is considered an effective tool for terrain modeling across various disciplines, including cartography, hydrological modeling, military applications, and geodetic studies.