GIS(空间数据处理)摘要.ppt

（三）数据精度分析 在研究区内随机选取n个数据点，设这些点的图上高程为zi，其对应的内插值为 ，它们之差用下式表示： 其算术平均值为： 标准偏差为： 根据高程数据精度的评价标准，允许误差（△z）应小于原始数据比例尺等高距的1／3。 若符合该条件，即认为所建立的数字高程模型满足精度要求。 二、区域的内插 区域的内插：是研究根据一组分区的已知数据来推求同一地区另一组分区未知数据的内插方法。 源区：已知数据的分区。 目标区：需要内插的另一组分区。 区域内插的二种基本方法：叠置法和比重法。 （一）叠置法 将目标区叠置在源区上，先确定两者面积的交集ats,然后用下式计算出目标区各分区t的内插值vt。 式中： t为目标各个分区的序号； s为源区各个分区的序号； Us为分区s的已知统计数据； ats为t区与s区相交的面积； σs为s区的面积。 A B C 源区 1 2 3 目标区 例： ? 人口 面积 A 35 7 B 30 6 C 10 3 ? A B C 1 3 2 0 2 4 0 1 3 0 4 2 v1=35×3/7+30×2/6=25 v2=35×4/7+10×1/3=23.3 v3=30×4/6+10×2/3=26.7 ? 人口 面积 1 25 5 2 25 5 3 25 6 如果Us表示的是密度数据，则vt由下式决定： 其中rt为目标分区单元t的面积。 A B C 源区 1 2 3 目标区 ? 人口密度 面积 A 40 7 B 20 6 C 10 3 ? A B C 1 3 2 0 2 4 0 1 3 0 4 2 v1=（40×3 +20×2）/5=32 v2=(40×4+10×1)/5=34 v3=(20×4+10×2)/6=16.7 ? 人口密度 面积 1 32 5 2 34 5 3 16.7 6 如果区域统计数据为比值，例如男性占总人口的百分比，则vt由下式决定： 式中：Us=Us1/Us2, Us1和Us2为某一现象局部与整体的绝对统计数据 （二）比重法 比重法：是根据平滑密度函数的原理，将源区的统计数据从同质性质改变为非同质性质。而非同质性代表着一般社会经济现象的普遍特点。 （1）在源区上叠置一张网格 （2）读取各个格网点的平均值（图34a） （3）计算相邻4格网点的平均值（图34b） （4）各个分区的格网点值相加，得到Us’，计算系数p＝Us/ Us’，并将各格点值乘以p，得到调整后的各个分区的格网点值（图34c） （5）依此过程继续下去，直到Us与Us’的值很相近，或者相应分区的格网点值比较一致时（图34d），便可计算目标区的内插值。 如区1的内插值 v1＝5.5+5.3+5.5+5.2+4.5=26 本章作业： P108：1，3，8 本章结束 3）检查下一节点，若该点在新扇形内，则重复第(2)步；直到发现有一个节点在最新定义的扇形外为止。 4）当发现在扇形外的节点，如图中的p4，此时保留p3点，以p3作为新起点，重复1）～3）。如此继续下去，直到整个点列检测完为止。所有被保留的节点(含首、末点)，顺序地构成了简化后的新点列。 几种方法的比较 道格拉斯——普克法的压缩算法较好，但必须在对整条曲线数字化完成后才能进行，且计算量较大； 光栏法的压缩算法也很好，并且可在数字化时实时处理，每次判断下一个数字化的点，且计算量较小； 垂距法算法简单，速度快，但有时会将曲线的夹角去掉。 （三） 栅格数据的压缩 栅格数据压缩的概念 影像数据压缩的可能性是因为像素之间存在着较强的相关性： 从统计观点上看，某像素的灰度值总是和周围其他像素的灰度值有某种关系，应用编码方法提取并减少这种相关牲，便可实现影像数据的压缩。 从信息论观点来看，影像压缩就是减少影像信息中无用的冗余信息。 压缩编码策略（参考第二章） 游程编码 四叉树编码 二、空间数据的重分类 重分类的处理：当属性数据发生变化后，势必有一些图斑与相邻图斑的属性一致，这时就应该将这些图斑合并，即去掉公共边。 当进行特定的数据分析时，需要先对数据库中提取的数据作属性的重新分类和空间图形的化简，以构成数据新的使用形式。 语义分辨率高 语义分辨率降低 语义分辨率继续降低 土地利用 耕地 园地 林地 牧草地 果园 桑园 菜园 橡胶园 地形坡度