04第四章 DEM及不确定性分析.pptVIP

4.4 DEM对地形描述的精度 4.4.3 DEM坡度不确定性的非线性模型 问题的提出 但是，实际运用中会出现偏差。例如对低丘地貌 主要习性因子及DEM精度 4.4 DEM对地形描述的精度 4.4.3 DEM坡度不确定性的非线性模型 问题的提出 当要求低丘地区的RMSE≤3时，用公式计算得到相应的分辨率为40，但实际呢？ 不同地貌类型区RMSE统计表 4.4 DEM对地形描述的精度 4.4.3 DEM坡度不确定性的非线性模型 问题的提出 线性模型简洁，计算速度快，但与实际值拟合程度差 需要改进，如建立非线性模型来解决问题；同时还要找出线性模型拟合差的原因。 4.4 DEM对地形描述的精度 4.4.3 DEM坡度不确定性的非线性模型 分析与处理 首先，分析a，b与平均剖面曲率的关系 a和剖面曲率存在明显的线性关系 b和剖面曲率的二次函数关系更好 问题的 根源 4.4 DEM对地形描述的精度 4.4.3 DEM坡度不确定性的非线性模型 分析与处理 然后，修改b与剖面曲率的拟合方程为二次函数得到， 同样可得到， 4.4 DEM对地形描述的精度 4.4.3 DEM坡度不确定性的非线性模型 结果评价 系数拟合相关系数 系数拟合的误差 4.4 DEM对地形描述的精度 4.4.3 DEM坡度不确定性的非线性模型 结果评价 各种地貌类型在不同分辨率下的线性和非线性计算的值与原始数据的均方根差 4.4 DEM对地形描述的精度 4.4.3 DEM坡度不确定性的非线性模型 小结 线性模型拟合不尽如人意，找出问题所在 采用非线性模型进行改进，得到更精确的结果 4.2 DEM插值方法及其精度分析 4.2.1 混合插值方法 真实的地形数据？ 通过模拟得到 一批实测的数据 地形图中获取 4.2 DEM插值方法及其精度分析 4.2.1 混合插值方法 地形图中获取 4.2 DEM插值方法及其精度分析 4.2.1 混合插值方法 地形图中获取 4.2 DEM插值方法及其精度分析 4.2.1 混合插值方法 建模数据集和检验数据集 建模数据集是用来建立模型的，通常是全体数据的2/3；其余1/3用来估计模型的精度，称为检验数据集 建模和检验数据的挑选可以是随机的，也可以是按照一定的策略进行的 数据按照一定的方式排序后，每隔2条数据选1个添加到检验数据集中，剩余的是建模数据集 4.2 DEM插值方法及其精度分析 4.2.1 混合插值方法 实验步骤 第1步，给定初数据集；（地形图数字化后的DEM，以此作为真实数据。还要获得数据的大小信息） 第2步，按照一定的方式采集一定量的数据作为实验数据； 第3步，随机或按一定的策略将实验数据划分为建模集和检验集 第4步，对建模集分别用双线性、双三次和混合方法(ρ=0.2)进行插值; 第5步，对检验集分别用三种插值结果计算RMSE，对比分析它们的精度； 第6步，分别取ρ=0,0.05,0.1,…,1，重复第4步和第5步中混合方法的处理，根据RMSE的变化，分析ρ的合理取值 4.2 DEM插值方法及其精度分析 4.2.1 混合插值方法 实验结果的分析 插值 方法 建模集RMSE 检验集RMSE 双线性模型 双三次模型 混合模型 1.0 RMSE ρ Which one? 分析一：混合方法的精度 分析二：ρ的合理取值 4.3 TIN的线性插值误差估计 4.3.1 基于TIN的双线性插值及误差传播 4.3.2 基于TIN的DEM曲面平均高程误差 4.3.1 基于TIN的双线性插值及误差传播 双线性插值在TIN中的实现 4.3 TIN的线性插值误差估计 Z X Y A C B D P A’ B’ C’ P’ D’ 4.3.1 基于TIN的双线性插值及误差传播 双线性插值在TIN中的实现 4.3 TIN的线性插值误差估计 Z X Y A C B D P A’ B’ C’ P’ D’ 4.3.1 基于TIN的双线性插值及误差传播 双线性插值在TIN中的实现 线性模型完全由初始节点A,B和C决定的 初始节点的误差将会通过插值算法传播到生成的DEM中 4.3 TIN的线性插值误差估计 Z X Y A C B P 接下来，需要建立基于TIN的DEM的平均高程误差公式 4.3.2 基于TIN的DEM曲面平均高程误差 4.3 TIN的线性插值误差估计 Z X Y A C B D P A’ B’ C’ P’ D’ ρ Ha Hc Hb Hd Hp ? 4.3.2 基于TIN的DEM曲面平均高程误差 4.3 TIN的线性插值误差估计 Z X Y A C B D P A’ B’ C’ P’ D’ ρ Ha Hc Hb Hd Hp ? 点P的误差与位置有关系 4.3.2 基于TIN的DEM曲面平均高程误差 4.3 TIN的线性插值误差估计 Z