考慮數(shù)據(jù)源的DEM粗差探測(cè)方法的研究與實(shí)驗(yàn).pdf

1、數(shù)字高程模型(Digital Elevation Model，簡(jiǎn)稱(chēng)DEM)作為地形表面的重要數(shù)字表達(dá)，其質(zhì)量問(wèn)題受到人們的普遍關(guān)注。影響DEM精度的因素多種多樣，其中由失誤引起的粗差，會(huì)造成DEM空間上的嚴(yán)重扭曲，甚至導(dǎo)致DEM及其產(chǎn)品的失真，因此探測(cè)并剔除粗差顯得尤其重要。
　　 目前在相關(guān)領(lǐng)域提出的DEM粗差探測(cè)算法中大部分是針對(duì)DEM的表達(dá)方式，如規(guī)則格網(wǎng)和不規(guī)則格網(wǎng)結(jié)構(gòu)提出來(lái)的，很少考慮不同數(shù)據(jù)源DEM的特征?，F(xiàn)存的各種

2、DEM數(shù)據(jù)采集方法各有其優(yōu)缺點(diǎn)，所生產(chǎn)的DEM的特性也各有不同。本文在此基礎(chǔ)上，分別以機(jī)載激光雷達(dá)數(shù)據(jù)生產(chǎn)的DEM、地形圖掃描矢量化生產(chǎn)的DEM和兩種生產(chǎn)方式結(jié)合生產(chǎn)的DEM為例，重點(diǎn)研究了以LIDAR為數(shù)據(jù)源的DEM粗差探測(cè)方法、以地形圖掃描矢量化為數(shù)據(jù)源的DEM粗差探測(cè)方法和考慮多源數(shù)據(jù)的DEM粗差探測(cè)方法。
　　 1.采用機(jī)載激光雷達(dá)數(shù)據(jù)生產(chǎn)的DEM，空間分辨率較高，數(shù)據(jù)點(diǎn)密度大、分布較均勻，濾波后殘留的非地面點(diǎn)以簇群形式

3、存在，自動(dòng)提取地形特征較困難。因此以LIDAR為數(shù)據(jù)源的DEM粗差探測(cè)，是把LIDAR數(shù)據(jù)濾波后殘留的非地面點(diǎn)當(dāng)作粗差點(diǎn)處理。這些粗差點(diǎn)一般以簇群形式存在于DEM中，可采用粗差簇群算法探測(cè)粗差點(diǎn)。經(jīng)過(guò)粗差簇群算法處理后，剩余的粗差點(diǎn)大部分以離散形式存在，采用反距離加權(quán)法內(nèi)插各點(diǎn)的高程值，求出內(nèi)插值與原始數(shù)據(jù)高程值的較差并進(jìn)行統(tǒng)計(jì)檢驗(yàn)，探測(cè)剩余粗差點(diǎn)。
　　 2.地形圖掃描矢量化生產(chǎn)的DEM，是以常規(guī)測(cè)量方式生產(chǎn)的DEM，其數(shù)據(jù)點(diǎn)

4、密度較小，地形綜合程度較高，自動(dòng)提取地形特征線的算法成果較豐富?，F(xiàn)有的粗差探測(cè)方法分為兩種，一種是把粗差歸入函數(shù)模型來(lái)實(shí)現(xiàn)粗差的探測(cè)；另一種是把粗差歸入隨機(jī)模型進(jìn)行粗差探測(cè)。以地形圖掃描矢量化為數(shù)據(jù)源的DEM粗差探測(cè)方法，將粗差歸入隨機(jī)模型進(jìn)行粗差的定位，具有很強(qiáng)的穩(wěn)健性。它首先通過(guò)最小二乘估計(jì)來(lái)確定第一次平差的殘差，然后再根據(jù)殘差和相關(guān)的參數(shù)，按所選的權(quán)函數(shù)計(jì)算出每個(gè)觀測(cè)值的權(quán)，經(jīng)過(guò)迭代計(jì)算求得觀測(cè)值的最終殘差，最后按照統(tǒng)計(jì)檢驗(yàn)的方法

5、剔除粗差。
　　 3.考慮多源數(shù)據(jù)的DEM粗差探測(cè)方法，則針對(duì)激光掃描時(shí)具有盲目性，不可能像手工測(cè)量那樣在地形變化處采集數(shù)據(jù)，自動(dòng)提取地形特征線較困難，掃描矢量化生產(chǎn)的地形圖對(duì)地形綜合程度高，自動(dòng)提取地形特征線的算法較多這些特點(diǎn)，從掃描矢量化生產(chǎn)的地形圖中直接提取地形特征線疊加至LIDAR數(shù)據(jù)中，以提高DEM的粗差探測(cè)率。
　　 本文對(duì)上述三種方法都進(jìn)行了實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)結(jié)果證明針對(duì)不同數(shù)據(jù)源的DEM采用不同的方法探測(cè)粗差