GPSRTK和全站仪应用在.docx

  1. 1、本文档共3页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
GPSRTK和全站仪应用在

GPS RTK和全站仪应用在 土地测量上评估 U 克孜尔和L 科技程序部分,比加职业学校,土耳其女子学校,比加,恰那卡莱,土耳其 狄金森研究推广中心,北达科他州立大学,迪金森ND58601,美国, 邮箱: HYPERLINK mailto:unal1975@ unal1975@ 实时动态全球定位系统(RTK-GPS)和全站仪(TS)在GIS环境调查的应用比较。在地质统计学的评价方法中包括,用球形的克立格法,指数法和高斯模型法。本次调查结果表明,面积为3.5公顷或更小的最好的解释是高斯模型,而较大的地区需要一个球形模型。可以观察到,高程误差大于60厘米和水平误差大于30厘米的测量点区域被淘汰。为了增加精确度每次测量点的最佳区域是20×20m2。研究表明,这种情况下可能会导致不准确的调查成本超过估计高达27%。 1 引言 许多农业工程实践要求大量的投资。因此,在设计和建设项目的时候准确的成本估计是至关重要的。在一个不准确的调查结果的地形图并不代表建筑面积。地形图中也已被用来描绘子场管理区(弗雷斯等2001年)和特定地点的土地管理(弗伦岑等1998)。 实时动态全球定位系统(RTK-GPS)是地形图测量的一个组成部分。 RTK是一个测量技术,保持一定的精度是必须的。在RTK,校正后的GPS信号被实时从一个已知的位置的基站接收机传送一个或更多的流动站接收机。随着近年来的发展基于RTK-GPS系统,通过补偿大气延迟,轨道错误和其他变量的GPS几何,水平精度可以实现1厘米,(Ehsaniet人,2004年)。 Satalich和Ricketson教授(1998)报道,依赖时间性的系统误差可能影响RTK-GPS系统的高程精度。克拉克和李(1998年)确定了地形的面积的使用RTK-GPS设备与海拔地区4-9厘米的误差。 Wilson等人(1998)即使是小的差异产生RTK-GPS在个别点的海拔可能会导致很大的差异等参数坡度和集水区。 虽然RTK-GPS系统的成功应用,可以提高地形测量的质量,有情况下,这些系统的准确性是值得怀疑的。自然的或人为的障碍,如树木和建筑物可以堵塞所有的RTK系统,使其有限或根本无法使用。在这种情况下,使用全站仪(TS中)。 Borgelt等人(1996年)比较RTK-GPS系统和全站仪的测量精度。他们得到的高程误差12厘米。精确的测量可以使用TS。然而,现场条件并不总是能达到仪器的精度。因此,这些系统通常被一起用来进行土地调查。 地质统计学方法,如克立格法是用来评估第二次独立调查的时间和成本的地形图的合规性。即使克里格法并没有提供第二次调查的明确答案,,它是一种有效而廉价的技术(巴顿等人,1999)。 为了计算的准确性,用地质统计学技术的克里格法得到的地形地表调查数据,用于创建预测的地图和空间统计。克里格法是一种不同的方式来思考是确定性的内插预测。克里格法,预测的值取决于两个因素:趋势和额外的元素的变异性。例如,有一座小山的顶部,海拔从低海拔上升的趋势。不过,也有可能是因为峡谷,溪流以及其他有限元分析的2006年(ESRI)的变化。可能是考虑到这些变化,克里格分配权重的一个子集附近的点被称为“最近的邻居(戴维斯和高利衡,1984)。为了找到权重,测量点之间的空间依赖性的信息应该是已知的(多德1984)。可以用一个半方差函数来表达这种空间依赖性(BRAS和罗德里格斯伊图尔韦1985)。 半方差函数可以表示为(巴顿等1999): γdij=12varzi-zj (1) 其中γ(dij)是半方差函数的点Pi和Pj和高程Zi和Zj和距离d,基于“内在的假设”(德尔霍姆1983),等式(1)可以被写为: γdij=121Nzi-zj (2) 其中N表示测量的点对数。 按照公式(2),半方差函数的一半就是距离为d的两个点之间的仰角平方差的预期。半方差函数的最大值,称为S,达到在距离称为范围R。范围是指需要观察Zi和Zj被认为是不相关的(Barton等1999)的平均值。最好的半方差函数模型,可以选择观察的根均方值与不同滞后大小和数字(ESRI2006)的试验和错误的方法。塞兰奇等人(2005)和Johnston等人(1996)报道,滞后大小×的滞后阶数的应该小于在数据库中的最长的距离的二分之一。后的滞后滞后的大小和数量是确定的,其他半方差函数模型参数,窗台,金块,范围和拟合模型的类型可以优化观测的最小均方根误差(RMSE)。一个典型的半方差函数和其在图1中所示的参数。 图1

您可能关注的文档

文档评论(0)

haihang2017 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档