DEM构建多面函数加权抗差算法_陈传法.pdfVIP

第15卷 第6 期 地 球 信 息 科 学 学 报 Vol. 15, No.6 2013 年12 月 JOURNAL OF GEO-INFORMATION SCIENCE Dec., 2013 DEM 构建的多面函数加权抗差算法 陈传法，李 伟，李明飞，戴洪磊 （山东科技大学测绘科学与工程学院，青岛 266590 ） 摘要：为了抑制采样点中粗差对DEM 构建精度影响，本文以较高精度的多面函数（MQ ）为基函数，发展了一种MQ 迭代加权抗差算法（MQ-R ）。MQ-R 以传统MQ 计算结果为初始值，以MQ 函数模拟值与对应采样点的差值确定 采样点权重，以加权MQ 优化初始值，重复迭代直至收敛。以数值模拟曲面为研究对象，本文比较并分析了采样误 差服从正态分布、被污染的正态分布，以及Cauchy 分布时MQ-R 与MQ 模拟结果精度。数值分析表明，当采样误差 服从正态分布时，MQ-R 计算精度和传统MQ 相当；随着污染率的提高，MQ 计算精度急剧降低，而MQ-R 计算结果 受粗差影响较小；当采样误差来源于C(0,1)分布时，MQ 计算结果完全失真，而MQ-R 可在一定程度上抑制粗差影 响。总之，相比于传统MQ 算法，MQ-R 不仅具有较高的计算效率，而且有较高的抗差性。 关键词：抗差；薄板样条；精度；DEM DOI ：10.3724/SP.J. 1047.2013.00840 1 引言 差算法（MQ-L ）。MQ-L 首先借助空间填充算法选 择部分采样点作为MQ 节点，然后借助LAD 解算 [1-2] DEM 是对地球表面地形地貌的离散化表达 ， MQ 误差方程。该算法与传统算法相比，在一定程 [3-4] 其精度主要取决于采样点质量 。数据采集中，受 度上抑制了DEM 构建时采样数据中的粗差影响， 仪器噪声、恶劣天气，以及人为操作不当等影响，采 但MQ 节点数选择需要充分利用先验知识，致使该 [5-6] 样数据中不可避免含有异常值 ，进而影响DEM 算法主观性较强，进而限制其推广使用。 构建的精度。为了克服采样数据中异常值影响，相 为了克服上述抗差算法的缺陷，本文以MQ 为 关研究人员提出了一系列算法，以抑制粗差对 基函数，发展了一种MQ 加权抗差算法（MQ-R ）。 DEM 影响：Hannah[7]提出了一种以局部区域坡度及 相比于MQ-L ，MQ-R 以所有采样点作为其基函数 [8] [13] 坡度变化的粗差探测方法；Felicísimo 发展了一种 节点，进而避免了人为选择节点数的主观性 。 概率统计算法（t 分布）的粗差探测算法；López[9] 借 MQ-R 以传统MQ 计算结果为初始值，以MQ 对各个 助主成分分析剔除DEM 中的粗差。尽管以上算法 采样点的模拟残差确定采样点权重，以加权MQ 优化 具有较高的粗差探测效率，但其仅适用于栅格 初始值，重复迭代直至收敛。MQ-R 无需设置节点 DEM 粗差探测。为此，Liu ，et al.[10] 发展了一种“两 数，且能自动搜索光滑参数最优值，故具有较好实用 步走”DEM 构建算法，首先，借助局部自适应抗差