论文部分内容阅读
随着地理信息系统(Geographic Information System,GIS)数据库以及高效台式计算机的广泛使用,数据质量的控制问题成为人们日益关心的焦点。数字高程模型(Digital Elevation Model,DEM)作为GIS重要的数据来源,已成为国家空间数据基础设施(National Spatial Data Infrastructure,NSDI)的基础内容之一,并被纳入到数字化空间框架(Digital Geospatial Data Framework,DGDF)进行规模化生产。 对于任何一个DEM项目,精度、效率和经济效益是首要考虑的三个因素(Li 1992),其中精度是最重要的因素。假如DEM的精度无法保证,整个工程就必须返工,效率和效益也就无从说起。而影响DEM精度的因素多种多样,误差按其性质可分为系统误差、随机误差和粗差,其中粗差的存在会造成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。 目前在相关领域提出的DEM粗差探测算法中,大多数是针对于规则格网DEM。由于这类形式数据结构简单,成果也较为丰富。然而在现实的生产中,绝大部分的规则格网DEM是由非规则的DEM数据内插得到的。如果原始DEM含有粗差,在内插过程中就会对多个格网点产生影响,此时采用规则格网的数据去探测粗差,将会增加许多困难,有时甚至会使算法失败。由此,李志林博士提出基于点方式的不规则DEM的粗差检测算法。本文正是在此基础上,推导出三种适用于非规则DEM的粗差检测方法,分别是:基于判断率(即数据点被怀疑为粗差的可能性)算法、基于残差中位数和基于残差均值的算法。为了验证上述算法的可行性,本文选取三套代表不同地形特征的不规则DEM数据,即平原、丘陵和山地,并通过蒙特卡洛仿真试验验证上述三种算法的有效性和可行性。同样,将相同的试验方案应用于点方式算法,通过试验结果的对比也充分说明新算法的优越性。此外,考虑到实验结果应具有普遍意义,本文采用的数据均假设其表面光滑连续。但当DEM为附有地貌特征点线或地形断裂线的非规则数据点时,以基于判断率算法为例,可以采用两种不同的策略。第一种,在拟合运算之前首先判断拟合面内是否有地性线通过,对含有地性线的曲面,按地性线将拟合面进行分割,直到拟合面内不含地性线为止。虽然这样的策略会增加算法的复杂性,但是可以保证算法能够克服拟合面跨越地性线时对粗差判断造成的影响。第二种,通过大量试验数据统计得出最佳怀疑为粗差的百分比限值α,利用预先设定的最佳限值α,使算法适应各种复杂地形的情