(毕业论文)dem粗差剔除方法研究

(毕业论文)dem粗差剔除方法研究

ID:22573152

大小:271.52 KB

页数:19页

时间:2018-10-30

(毕业论文)dem粗差剔除方法研究_第1页
(毕业论文)dem粗差剔除方法研究_第2页
(毕业论文)dem粗差剔除方法研究_第3页
(毕业论文)dem粗差剔除方法研究_第4页
(毕业论文)dem粗差剔除方法研究_第5页
资源描述:

《(毕业论文)dem粗差剔除方法研究》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、DEM粗差剔除方法研究摘要: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

2、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

3、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

4、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DEM粗差剔除方法研究摘要: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

5、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

6、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

7、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(DigitalElevationModel,简称DEM)是以数字的形式

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。