共查询到10条相似文献，搜索用时 31 毫秒
1.
反距离加权插值算法中插值参数对DEM插值误差的影响 总被引：5，自引：0，他引：5
插值算法是影响DEM精度的主要因素之一,对于插值参数如何影响插值算法并最终影响插值精度却研究较少。这里以反距离加权插值算法中的插值参数为实验对象,选取了6种不同地貌类型的离散点数据,基于中误差度量指标,运用交叉验证方法研究权指数、搜索点数、搜索方向对DEM插值精度的影响。实验结果表明:1)在搜索方向方面,四方向搜索和八方向搜索对提高DEM插值精度并不明显;2)搜索点数为8～12点是较好的选择;3)当权指数≥3时,对DEM插值精度的影响不明显,2或3是较好的选择;4)3因素对DEM插值精度的显著性影响顺序为"权指数>搜索点数>搜索方向"。 相似文献
2.
径向基函数对干热河谷冲沟DEM构建的影响 总被引：3，自引：0，他引：3
针对当前沟谷尺度侵蚀定量化研究中构建干热河谷区沟谷DEM时主要集中在宏观尺度DEM或微DEM构建与分析,而对DEM评价指标及构建等的研究不够深入的问题,文章以云南元谋典型冲沟为例,基于径向基函数插值,以平均误差、均方根误差及高程正负偏差为指标,通过交叉验证及检查点法,对比分析不同基函数、邻域搜索点数及搜索方位对DEM插值的影响。结果表明,张力样条函数、邻域3~18个点插值效果较好;限制搜索方位降低了样本及检查点的平均误差,其他参数不敏感;构建了大比例尺冲沟DEM,能够较真实的模拟元谋冲沟地表形态。 相似文献
3.
4.
针对反距离加权插值算法中的插值参数对基于野外实测点云数据构建DEM精度的影响问题,以典型冲沟地貌为例,采用平均值误差和均方根误差作为精度指标,通过改变不同权值函数,搜索方向,搜索点数以及光滑因子等参数,进行实验探究分析.实验结果表明:权指数为5,四方向搜索方式,邻域点8-12得到的插值结果较好. 相似文献
5.
DEM插值参数优选的试验研究 总被引：2，自引：0，他引：2
插值参数是构成插值算法的基本元素,不同的插值参数产生不同的插值精度,甚至存在巨大差异。但是对于普通用户来说,选择合适的插值参数是困难的,最终导致插值参数选择的随意性。在插值算法相关内容的研究中,使用不合适的插值算法或插值参数可能存在潜在的严重后果,甚至得到完全相反的实验结论。因此,本文根据插值算法最优权重确定方法的差异,选取反距离加权插值算法、径向基函数插值算法和普通克里格插值算法的相关插值参数,进行插值参数的“优选”研究。首先根据插值参数对插值精度的不同影响,选择相关插值参数作为实验研究对象;然后选择六种不同地貌类型地区的稀疏分布的离散采样数据作为实验数据源,运用交叉验证法、相关分析、趋势面分析和方差分析等一系列实验方法,系统研究并给出实验插值参数的“最优”取值区间, 消除插值参数选择的随意性,更好地指导DEM建模的运用。 相似文献
6.
针对数字高程模型数据的精度与内插算法的有关问题,分别选取反距离加权插值算法、径向基函数插值算法、最近邻点插值法和克里格插值算法生成DEM。根据插值参数对插值精度的影响不同,选择插值参数为研究对象,然后运用交叉验证法与方差分析等试验方法来研究插值参数与DEM精度的关系,以便得到合理插值参数,并通过对不同插值算法生成的DEM计算坡度坡向面积,分析不同内插算法对坡度坡向的面积变化规律。通过研究发现,不同的内插算法主要是对小坡度区域(15°)有影响,而坡度较大(15°)时没产生显著的影响。不同插值算法生成的DEM提取的坡向主要在平坦地区有显著的影响。 相似文献
7.
胡杰 《测绘与空间地理信息》2012,35(11):138-140
利用规则格网进行逐点DEM内插的关键在于:如何提高待插点周围数据的搜索效率及如何选取内插函数模型。针对以上两个问题,本文提出了"逐步扩张搜索"法,能迅速搜索到内插点所需的参考点数据;并在分析和比较各种DEM内插算法的基础上,结合二次曲面模型和加权平均法的优点,提出"组合内插模型"。实验表明,改进后的DEM逐点内插算法,能显著提高搜索速度和内插精度,具有很好的应用价值。 相似文献
8.
离散点云构建数字高程模型的插值方法研究 总被引：1，自引：0，他引：1
针对消除DEM构建中插值方法选择的随意性问题,该文基于机载LiDAR离散点云数据,以广东省典型城区与山区为实验对象,利用克里金、反距离权重、径向基函数和自然邻域4种插值方法,对插值参数进行优选后构建DEM,使用交叉验证、相关性分析、像元统计量和三维可视化等方法进行精度分析与比较。结果表明:在城区反距离权重插值,不但可以对空值区域进行适当填充和平滑,而且对高程最大、最小值的预测精度也很高;不同插值方法在构建山区DEM时精度相差不大,插值精度可以达到厘米级,其中普通克里金插值效果最佳。对于城区与山区点云数据反距离权重插值法生成的DEM均能很好地反映地表自然形态,为今后LiDAR点云数据构建DEM选择最佳的插值算法以及插值参数提供参考。 相似文献
9.
本文借助GPU在并行浮点运算方面的巨大优势,通过对串行克里格插值算法可并行性的分析,基于并行LU分解法、并行邻域搜索方法和直接邻域比较搜索方法,提出了基于GPU的DEM并行克里格插值算法。通过对比实验可知,当插值点数较少时,并行克里格插值算法效率低于串行算法,然而,当插值点数很高时,并行克里格插值算法的效率较串行算法有了显著提高,加速的效果甚至高达102倍。 相似文献
10.
无人机技术作为现如今测量的先进技术,已被逐渐广泛应用,由于DEM数据在实测过程中只能形成点数据,因此对点数据的插值计算一直是测绘专业研究的热点。为找出适用于无人机DEM测点插值计算的最优模型,本文基于GEM模型、RF模型和M5T模型,以降雨、经纬度和海拔为输入参数,对不同模型下的DEM进行了插值计算,结果表明:GEM模型表现的精度最高,该模型RMSE仅为11.72 m,RRMSE为12.7%,R2为0.964,Ens为0.946,MAE为11.28 m,该模型可作为无人机DEM测点插值计算的标准模型使用。 相似文献