C需语言剔除粗差函数,DEM粗差剔除方法研究.doc

DEM粗差剔除方法研究.doc

DEM粗差剔除方法研究

数字高程模型(DEM)作为4D产品(DEM-数字高程模型、DOM-数字正射影像、DLG-

数字线划图、DRG-数字栅格图)之一,是一种对地球表面的数字化描述和模拟,是地球空间

数据基础设施的重要组成部分,是建立地形高程数据库和各类GTS (地理信息系统)库,进行

地形定量分析等方面所必需的基础数据。数字高程模型的应用越来越广泛,可用于地学分析、

二维地理空间上连续分布并逐渐变化的各种非高程属性数据的建模与分析。DEM的数据来源方

式有地面测量(利用自动记录的测距经纬仪在野外实测)、现有地图数字化(利用数字化仪对

已有地图上的信息如等高线、地形线等进行数字化,目前常用的数字化仪有手扶跟踪数字化

仪与扫描数字化仪)、空间传感器(利用GPS等进行数据采集)、数字摄影测量方法(这是DEM

数据采集最常用的一种方法)。事实上,不管采用何种测量方法,测址数据总会包含各种各样的

误差,可将误差分为三种,即系统误差、偶然误差和粗差。同系统误差、偶然误差相比,粗差

实际上是一种错误,他们在测量中出现的可能性一般比较小。但是与前两种误差相比,粗差对

数字高程模型所反映的空间变化的扭曲更为严重,因而粗差是影响DEM质量的重要因素之一。

根据统计规律,常用2倍或3倍中误差作为极限误差,即模型误差大于极限误差的观测数据被认

为是粗差。粗差的产生主要出现在DEM的生产过程中,并最终表现在高程Z上。粗差的存在会

造成数字高程模型(DEM)空间上的严重扭曲,有时能导致DEM及其产品严重失真,甚至完全不能

使用。因而有关DEM的粗差诊断问题已愈来愈引起人们的关注。探测和剔除DEM数据中存在的

粗差显得尤为重要。DEM有多种数据形式:规则格网、不规则格网、等高线、剖面图等,DEM

原始数据可以规则格网的形式存在,也可能以不规则分布的形式存在,以规则格网形式存在的

数据具有一些独特的特性,比如高程数据能以简洁而经济的方式存储在高程矩阵中。这些特性

有助于数据粗差检测算法的设计也正因为如此,适合于格网数据的粗差探测算法可能对检测

不规则分布数据的粗差毫无用处,因此对不同类型的数据,有必要设计不同的粗差检测算法与

剔除算法。本课题是在对现有的DEM粗差探测法进行分析的基础上,重点分析基于趋势面的检

测DEM粗差的方法,并证明其可行性。

关键词:数字高程模型;粗差探测;粗差剔除

1引言

1.1选题意义

数字高程模型(Digital Elevation Model,简称DEM)是以数字的形式按一定 结构组织在一起,表示实际地形特征空间分布的模型,也是地形形状大小和起 伏的数字描述,由一系列地面点X,Y位置及其相联系的高程Z组成,是各种信息 的载体,是地理信息系统(Geographic Information System, GIS)技术中最重 要的内容,是空间数据基础设施的秉要组成部分,在生产中具右很高的利用价 值。首先,它能够反映区域内的地形条件,为各用图部门提供地形基础,其次, 用它制作沙盘,具右快速、简便、精确的优点,可用于军事指挥和模型演示; 还可以用于农业部门的农田水利规划,水利部门的洪水淹没损失估算及水利建 设的土方量计算,交通、建筑等各建设部门的选址、规划,通讯部门信号覆盖 范围的规划与计算,地址、勘探部门地形的分析,各旅游景点的规划及土地资 源调查;也能用于二维地理空间上连续分布并逐渐变化的各种非高程属性数据 的建模与分析上。可以说DEM数据具有广泛的应用潜力。目前,由于地理信息系 统(GIS)的普及以及空间数据基础设施的发展和建设,DEM作为数字线化图 (DLG)、数字高程模型(DEM)、数字正射影像图(DOM)和数字栅格图(DRG)即“4D” 产品之一,己经成力国家空间数据基础设施(National Spatial Data Infrastructure,NSDI)的基本内容之一,并被纳入数字化空间数据框架(DGDF) 进行规模化生产。今天,DEM己作为一个独立的产品而存在,并越来越广泛地被 用来代替传统地图中等高线对地形的描述,成为地理信息系统的核心数据库以 及地学分析的基础数据。与其他工业产品一样,DEM产品也必须右质量管理和质 量控制。由于影响DEM质量的因素是多种多样的,无论采用哪种途径都不能很好 地解决所存的问题。从误差理论的角度分析,可以划分为系统误差、随机误差 和粗差。其中,系统误差总是与特定的观测系统联系在一起,它们可能是由于 立体像对的不正确定向造成的,也可能是摄影测量生产过程中忽略了棱镜变形 而导致。从统计意义上说,系统误差给观测值带来的偏差在空间上并不是一个 常数,但当它们己知时,可用一定的函数关系式来表示。随机误差在大小和符 号上表现出偶然性,假如存在足够的观测值,随机误差服从下列特征:(1)正负 误差

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值