GIS课程(空间数据处理)ppt.ppt

第三章空间数据的处理 第一节空间数据的变换第二节空间数据结构的转换第三节多元空间数据的融合第四节空间数据的压缩与重分类第五节空间数据的内插方法第六节拓扑关系的编辑 数据处理的内容 数据变换 指数据从一种数学状态到另一种数学状态的变换 包括几何纠正 投影转换和辐射纠正等 以解决空间数据的几何配准 数据重构 指数据从一种格式到另一种格式的转换 包括结构转换 格式转换 类型替换等 以解决空间数据在结构 格式和类型上的统一 实现多源数据和异构数据的联接与融合 数据提取 指对数据进行某种条件取舍 包括类型提取 窗口提取 空间内插等 以适应不同用户对数据的特定需求 第一节空间数据的变换 空间数据的变换即空间坐标系的变换 实质 是建立两个平面点之间的一一对应关系 包括几何纠正和投影转换 它们是空间数据处理的基本内容之一 包括 几何纠正和投影转换 一 几何纠正 几何纠正 是为了实现对数字化数据的坐标系转换和图纸变形误差的改正 几何纠正一般包括 仿射变换 相似变换 二次变换等功能 本教材主要介绍了仿射变换 特点 1 直线变换后仍为直线 2 平行线变换后认为平行线3 不同方向上的长度比发生变化 仿射变换 仿射变换可以对坐标数据在x和y方向进行不同比例的缩放 旋转 平移 两层的数据不匹配 X 方向 Y 方向 平移 旋转 缩小 0 y x P x y P x y x x x xy y y 1 平移变换 y P x y 0 x P X Y 旋转变换 X x cos y sin Y x sin y cos X x0 x x0 cos y y0 sin Y y0 x x0 sin y y0 cos 点可以通过对其P x y 坐标分别乘以各自的比例因子Sx和Sy来改变它们到坐标原点的距离 x x Sxy y Sy x x0 x x0 Sxy y0 y y0 Sy 比例变换 图形缩放 仿射变换 转换坐标与理论坐标之差 法方程组 中位点误差 二 投影投影及其转换 一 地图投影的基本原理 就是建立地球椭球面上的点的地理坐标 与平面上对应点的平面坐标 x y 之间的函数关系 地图投影 投影变形 将不可展的地球椭球面展开成平面 并且不能有断裂 则图形必将在某些地方被拉伸 某些地方被压缩 故投影变形是不可避免的 长度变形面积变形角度变形 二 投影类型 2 变形椭圆取地面上一个微分圆 小到可忽略地球曲面的影响 把它当作平面看待 它投影到平面上通常会变为椭圆 通过对这个椭圆的研究 分析地图投影的变形状况 这种图解方法就叫变形椭圆 为经线长度比 为纬线长度比 微小圆 变形椭圆 该方程证明 地球面上的微小圆 投影后通常会变为椭圆 即 以O 为原点 以相交成q角的两共轭直径为坐标轴的椭圆方程式 代入 X2 Y2 1 得 特别方向 变形椭圆上相互垂直的两个方向及经向和纬向 长轴方向 极大值 a短轴方向 极小值 b经线方向m 纬线方向n 统称主方向 据阿波隆尼定理 有m2 n2 a2 b2m n sinq a b 在分析地图投影时 可借助对变形椭圆和微小圆的比较 说明变形的性质和大小 椭圆半径与小圆半径之比 可说明长度变形 很显然 长度变形随方向的变化而变化 其中有一个极大值 即椭圆长轴方向 一个极小值 即椭圆短轴方向 这两个方向是相互垂直的 称为主方向 椭圆面积与小圆面积之比 可说明面积变形 椭圆上两方向线的夹角和小圆上相应两方向线的夹角的比较 可说明角度变形 变形椭圆与投影变形的关系a b 等角投影 投影面上某点的任意两方向线夹角与椭球面上相应两线段夹角相等 即角度变形为零 0 制作航海图 洋流图 风向图 ab r r 等积投影 投影面与椭球面上相应区域的面积相等 即面积变形为零 制作地质图 土壤图 行政区划图等 其他 任意投影 投影图上 长度 面积和角度都有变形 它既不等角又不等积 其中 等距投影是在特定方向上没有长度变形的任意投影 按投影面的形状分为圆锥投影 圆柱投影和方位投影 按投影面与地球的相对位置关系分为正轴投影 斜轴投影 和横轴投影 按投影面和地球的空间逻辑关系分为相切和相割两类投影 投影的分类 根据地图投影变形情况 地图比例尺分为 主比例尺 在投影面上没有变形的点或线上的比例尺 局部比例尺 在投影面上有变形处的比例尺 图解直线比例尺 图解复式比例尺 三 地理信息系统常用的地图投影 1 高斯 克吕格投影 高斯 克吕格投影 高斯投影是一种横轴等角切椭圆柱投影 其条件为 1 中央经线和地球赤道投影成为直线且为投影的对称轴 2 等角投影 3 中央经线上没有长度变形 由公式可分析出高斯投影变形具有以下特点 1 中央经线上无变形2 中央经线上的长度比为1 其他任何点上的长度比大于1 3 同一条纬线上 离中央经线越远 变形越大 4 同一条经线上 纬度越低 变形越大 5 投影属于等角性质 面积比为长度比的平方 6 等变形线为平行于中央经线的直线 2墨卡托 Mercator 投影 特点 1 无角度变形 但面积变形较大 2 经线和纬线是两组相互垂直的平行直线 经线间隔相等 纬线间隔由赤道向两极逐渐扩大 3 保持方向和相对位置的正确 属于等角正切圆柱投影 墨卡托投影 正轴等角圆柱投影 墨卡托投影 正轴等角圆柱投影 墨卡托投影常用来制作航海图和航空图 3UTM投影 横轴墨卡托投影 UTM投影是 等角横轴割圆柱投影 圆柱割地球于南纬80度 北纬84度两条等高圈 投影后两条割线上没有变形 中央经线上长度比0 9996 高斯 克吕格投影是 等角横切椭圆柱投影 我国卫星地图 GoogleMap采用UTM投影 4 兰勃特 Lambert 投影 兰勃特等角投影 在双标准纬线下是一 等角正轴割圆锥投影 我国1 100万地形图采用了兰勃特投影 采用双标准纬线 投影变形小而均匀特点 1 角度没有变形 2 两条标准纬线上没有任何变形 3 等变形线和纬度一致 同一条纬线上的变形处处相等 4 两标准纬线外侧为正变形 而两标准纬线之间为负变形 5 同一纬线上等经差的线段长度相等 两条纬线间的经纬度长度处处相等 5 阿尔伯斯 Albers 投影 阿尔伯斯 Albers 投影是等面积正割圆锥投影 我国部分省图采用这种投影 四 投影转换及其转换 主要研究从一种地图投影变为另一种地图投影的理论和方法 其实质是建立两平面之间点的一一对应关系 x f1 y f2 X f3 Y f4 X F1 x y Y F2 x y 投影变换 从投影转换的方式来分 正解变换通过建立资料地图的投影坐标数据到目标地图投影坐标数据的严密或近似的解析关系式 直接由资料地图投影坐标数据x y转换为目标投影的直角坐标X Y 两个不同投影平面场上的点可对应写成 X f1 x y Y f2 x y 式中f1 f2为定域内单值 连续的函数 X f1 x y Y f2 x y 投影转换的方式有两种 正解变换 反解变换 反解变换将资料地图的投影坐标数据x y反解出地理坐标 然后再将地理坐标代入到目标地图的投影坐标公式中 从而实现投影坐标的转换 对前后两种地图投影 可分别有如下表达形式 x f1 y f2 X f3 Y f4 根据资料地图的投影公式求反解 对前一投影则有 f1 x y f2 x y 代入目标地图的投影方程即有 X f3 f1 x y f2 x y Y f4 f1 x y f2 x y 这就是地图投影反解变换的数学模型 x y X Y f1 x y f2 x y X f3 Y f4 X f3 f1 x y f2 x y Y f4 f1 x y f2 x y 反解变换 投影转换的方法 1 解析变换 投影坐标 x y 变换为地理坐标 B L 再由地理坐标变换为另一种投影坐标 X Y 2 数字变换 一种投影的数字化坐标x y变换到另一种投影的直角坐标X Y 3 解析 数值变换 当原数据投影公式不知道的情况下 反解出地理坐标 再由代入已知的新数据投影公式中进行计算 第二节空间数据结构的转换 第二节空间数据结构的转换 应用矢量数据与栅格数据的一般原则 数据采集采用矢量数据结构 有利于保证空间实体的几何精度和拓朴特性的描述空间分析则主要采用栅格数据结构 有利于加快系统的运行速度和分析应用的进程因此 在地理信息系统中 需要进行数据结构的转换 一 由矢量向栅格的转换 矢量向栅格转换处理的根本任务 通过就是把点 线或面的矢量数据 转换成对应的栅格数据 这一过程称为栅格化 栅格化首先要建立矢量数据的平面坐标系和栅格行列坐标系之间的对应关系 0 1 2 3 4 5 6 7 1 2 3 4 5 6 7 8 9 8 9 X Y 设矢量数据的一坐标点值为 x y 转成栅格数据其行列值为 I J 表示矢量数据的X最小值和Y最小值 一 点的转换 MinX MinY 1000 1000 X Y 4600 2300 X Y 0123456789 9876543210 dx dy 1000 1000 9876543210 0123456789 0123456789 9876543210 点要素栅格化的过程 0123456789 1 用点栅格化方法 实现直线的起点和终点坐标点栅格化用以上点栅格计算公式分别求出矢量数据中直线端点a b的栅格行列值 I1 J1 和 I2 J2 2 求出直线段所对应的栅格单元的行列值范围这里直线段ab所对应的栅格单元的行范围为 I2 I1 列范围为 J2 J1 二 线的转换 3 如果行列数差 I J 分两种情况考虑 1 列数大于行数 J I 3 如果行列数差 I J 分两种情况考虑 2 行数大于列数 I J 三 面的栅格化 1 基于弧段数据的栅格化方法 1 2 3 两种不同的方法 基于弧段数据的栅格化和基于多边形数据的栅格化 交点列左多边形右多边形 1001 1 2 3 2312 3623 4930 主要针对实体结构的多边形矢量数据栅格化 就是在矢量表示的多边形边界内部的所有栅格上赋予相应的多边形属性值 从而形成栅格数据阵列 转换方法 边界代数算法 内点填充法 包含检验法 多边形数据的栅格化方法 2 基于多边形数据的栅格化方法 边界代数法基于积分求多边形的思想 通过简单的代数运算 实现多边形的矢栅转换 该算法简单可靠 被大量使用 假定沿边界前进方向Y值下降为下行 Y值上升为上行 沿着多边形实体的边界环绕多边形一圈 当向上环绕时 把边界左边一行中所有的栅格单元的数值都减去属性值 向下环绕时 把边界左边一行中所有的栅格单元的数值加属性值 1 边界代数算法 这样 多边形外部的栅格正负抵消 而多边形内部的栅格被赋予属性值 首先按线的栅格化方法把多边形的边界栅格化 然后在多边形的内部找一个内点 从该点出发 向外填从多边形区域 直到边界为止 2 内点填充法 判别方法 由待判点对每个多边形的夹角和 如果夹角和为2 则该待判点属于此多边形 赋予多边形编号 纪录属性 如果积分值为0 则该待判点在此多边形外部 1检验夹角法 3 包含检验法 角度 方向 V 0 角度为逆时针方向 V 0 角度为顺时针方向 a 夹角和为零 b 夹角和360度 由待判点向图外某点引射线 判断该射线与多边形所有边界相交的总次数 判别方法 如相交偶数次 则待判点在该多边形的外部 如相交奇数次 则待判点在该多边形内部 2铅垂线法 二 由栅格向矢量的转换 目的一是将扫描仪获取的图像栅格数据存入矢量形式的空间数据库 二是将栅格数据进行数据压缩 将面状栅格数据转换为由矢量数据表示的多边形边界 栅格数据结构向矢量数据结构的转换又称为矢量化 边界栅格数据 填充栅格数据 方法 根据数据文件的不同 分别采用不同的算法 一 图像数据的转换方法 二 栅格数据的转换方法 对任意栅格点数据P 假设其坐标数据为 I J 按下图所示坐标 将其转换为矢量数据 其中心点坐标 x y 计算公式为 点的矢量化 9876543210 0123456789 图像数据是不同灰阶的影像 一般通过扫描仪按一定分辨率扫描采样 得到不同灰度值 0 255 表示的数据 目前扫描仪的分辨率可达到0 0125mm 因此对一般粗度 例如0 1mm 的线条 其横断面扫描后平均也有8个像元 而矢量化的要求只能允许横断面保持一个栅格的宽度 因此需要进行二值化 细化和跟踪等矢量化步骤 一 基于图像数据的矢量化方法 具体步骤如下图 分3步 二值化 细化 更踪 1 二值化 将用256级或128级灰度值G i j 量度的图像扫描数据的灰阶压缩到2个灰阶 即0和1两级 具体方法 在最大与最小灰阶之间定义一个阈值T 则根据下式得到二值图 具体过程举例 2 细化 细化是消除线划横断面栅格数的差异 使得第一条线只保留代表其轴线的单个栅格的宽度 细化的方法可分为 剥皮法 和 骨架化 两大类 剥皮法剥皮法的实质 从曲线的边缘开始 每次剥掉等于一个栅格宽度的一层 直到最后留下彼此连通的 由单个栅格点组成的图形 解决办法 根据待剥栅格为中心的3 3栅格组合图来决定 3X3栅格组合图 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 3 跟踪目的 将栅格数据转换为线段和闭合的线条 并以矢量形式存储线段的坐标 方法 从起始点开始 根据八邻域搜索下一个相邻点 记录其坐标 直到完成全部栅格数据的矢量化 二 栅格数据的矢量化方法 栅格数据的的矢量化常针对栅格数据中的多边形进行 步骤 1 首先搜索多边形弧段相交的节点位置 2 任选一个起始点 顺着栅格单元属性值不同的两个栅格单元之间进行多边形边界弧段的跟踪矢量化 3 将跟踪得到的弧段数据连接组织成多边形 2020 3 18 69 可编辑 第一步搜索多边形弧段相交的节点位置 第二步跟踪弧段 第三步构建多边形 第三节多源空间数据的融合 地理数据的多语义性 多时空性 多尺度性 获取手段的多样性 存储格式的不同以及数据模型与数据结构的差异等 导致了多源数据的产生 给数据的集成和信息共享带来了困难 因此 需要进行多源数据的融合 遥感影像 DEM数据 行政界线 一 遥感与GIS数据的融合 遥感与GIS数据融合的具体方法表现为 1 遥感影像与数字线画图 DLG 的融合 2 遥感影像与数字地形模型 DEM 的融合 3 遥感图像与数字栅格图 DRG 的融合 借助遥感技术获得的信息具有周期动态性 信息丰富 获取效率高等优点 GIS具有空间数据管理和灵活的空间数据综合分析能力 两者的结合 有利于增强数据的复合能力 改善GIS数据的及时性和可靠性 便于利用遥感影像辅助GIS空间数据的获取与更新 提高数据的使用率 遥感影像与数字线画图 DLG 的融合 遥感影像与专题地图的复合 遥感影像与DEM复合 IRS 1C全色卫星影像 分辨率5 8m 同一地区的原始地形图 DRG 修测后的地形图 1 50000 遥感影像与数字栅格图 DRG 的融合 二 不同格式数据的融合 目前GIS软件系统使用的空间数据格式主要有 ESRI公司的ARC INFOCoverage ArcShapeFiles E00格式 Autodesk公司有DXF和DWG格式 MapInfo公司的TAB和MIF格式Intergraph公司的DGN格式 不同格式数据融合的几种主要方法 1 基于转换器的融合 2 基于数据标准的数据融合 3 基于公共接口的数据融合 4 基于直接访问的数据融合 1 基于转换器的数据融合 在这种模式下 数据转换一般通过交换格式进行 2 基于数据标准的数据融合 采用同一个标准来转换数据 采用一种空间数据的转换标准来实现多源GIS数据的融合 例如 美国国家空间数据协会 NSDI 制定了统一的空间数据格式规范SDTS SpatialDataTransformationStandard 包括几何坐标 投影 拓扑关系 属性数据 数据字典等 国土资源部在国家标准 地球空间数据交换格式 简称CNSDTF 基础上制定了矢量数据交换格式VCT2 0数据交换格式 3 基于公共接口的数据融合 又称为数据互操作模式 接口就是一种标准 各个系统通过接口相互联系 OGC OpenGISConsortium 为数据互操作制定了统一的规范 根据OGC的规范 可以将提供数据源的软件成为数据服务器 DataServers 使用数据的软件称为数据客户 DataClients 4 基于直接访问的数据融合 一 空间数据压缩与综合的意义 1 数据采集系统获得的坐标数据量极其巨大 2 建立无级比例尺数据库 随着比例尺的缩小 需要对要素进行简化 数据压缩的定义所谓数据压缩 即从所取得的数据集合S中抽出一个子集A 使这个在规定的精度范围内最好地逼近原数据集合 而又取得尽可能大的压缩比 一 空间数据的压缩 第四节空间数据的压缩与重分类 曲线压缩的示意图 比例尺不断变小 压缩比 压缩比 表示信息载体减少的程度 以一条线实体为例 设数据集S中曲线的原来点序列为 A A1 A2 An 压缩处理后 获得新的子序列为 A As1 As2 Asm a值的大小 既与曲线的复杂程度 缩小倍数 精度要求 数字化取点的密度等因素有关 又与数据压缩技术有关 m 1 a n 压缩比为 基于矢量的压缩通常是对线状实体上点的数量的压缩 其中最常用的是 二 基于矢量的压缩 1 道格拉斯 佩克算法2 垂距法3 光栏法 1 道格拉斯 佩克法 Douglas Peucker 基本思路与方法 1 对每一条曲线的首末点虚连一条直线 求所有点与直线的距离 并找出最大距离值dmax 用dmax与限差D相比 dmax 2 若dmax D 这条曲线上的中间点全部舍去 3 若dmax D 保留dmax对应的坐标点 并以该点为界 把曲线分为两部分 对这两部分重复使用该方法 道格拉斯 佩克法 Douglas Peucker 2 垂距法 垂距法的基本思路是 1 每次顺序取曲线上的三个点 计算中间点与其它两点连线的垂线距离d 并与限差D比较 d 2 若d D 则中间点去掉 然后再依次取下三个点继续处理 3 若d D 则中间点保留 然后顺序取下三个点继续处理 直到这条线结束 3 光栏法 光栏法的基本思想是 定义一个扇形区域 通过判断曲线上的点在扇形外还是在扇形内 确定保留还是舍去 设曲线上的点列为 pi i 1 2 n 光栏口径为d 可根据压缩量的大小自己定义 则光栏法的实施步骤可描述为 1 连接p1和p2点 过p2点作一条垂直于p1p2的直线 在该垂线上取两点a1和a2 使a1p2 a2p2 d 2 此时a1和a2为 光栏 边界点 p1与a1 p1与a2的连线为以p1为顶点的扇形的两条边 这就定义了一个扇形 这个扇形的口朝向曲线的前进方向 边长是任意的 通过p1并在扇形内的所有直线都具有这种性质 即p1p2上各点到这些直线的垂距都不大于d 2 2 若p3点在扇形内 则舍去p2点 然后连接p1和p3 过p3作p1p3的垂线 该垂线与前面定义的扇形边交于c1和c2 在垂线上找到b1和b2点 使p3b1 p3b2 d 2 若b1或b2点落在原扇形外面 则用c1或c2取代 图中由c2取代b2 此时用p1b1和p1c2定义一个新的扇形 这当然是口径 b1c2 缩小了的 光栏 p1 a1 a2 c1 c2 b2 b1 p2 p3 p4 pn d 2 d 2 d 2 d 2 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 地形坡度数据的重分类 第五节空间数据的内插方法 空间数据的内插 通过已知点或分区的数据 建立一种函数关系 使关系式最好地逼近这些已知的空间数据 据此推求任意点或任意多边形分区范围的值 这种方法称为空间数据的内插 根据已知点和已知多边形分区数据的不同 空间数据内插的方法可分为 点的内插区域的内插应用 等值线自动制图 DTM建立 区域现象的相关分析与比较研究 一 点的内插 点的内插 是用于研究具有连续变化特征现象 例如地面高程等 的数值内插方法 内插的理论基础在于对空间相关性的认知 空间相关性即对地理上连续分布的现象 相邻点之间关联性强 较远的点之间关联性弱或者无关 地面高程模型的建立一般需要经过三个过程 数据取样指数据点的选取和坐标的确定 数据内插是以数据点作为控制基础 用某一数学模型来模拟地表面 进行内插计算 数据精度分析对模型的验证 一 数据取样 取样基础 等高线图取样方案 随机取样方案 按地性线 山脊线 山谷线 坡度变换线 或沿等高线 或沿断面线布设取样点 将数据点选择在地性线坡度改变处 或沿等高线在方向改变的地点 即根据地形变化取点 这样 数据落在地形特征点上 确定内插间距 判断格网密度 与插值计算 格网取样时 设拟定的取样点为1 2 3 相应的为h1 h2 h3 取等距离间隔为单位 则中间点的高程为 这里 应在数字地形模型精度要求的限差之内 否则 要缩短格网间距 地形变化明显的地方 增加地形特征点为数据点 检查点位与高程值的匹配 然后进行插值运算 格网取样时 二 数据的内插 插值运算 选择一个合理的数学模型 利用已知点上的信息求出函数的待定系数 建立插值运算模型 使用整体内插存在很多问题 一般采用 1 局部分块内插法2 逐点内插法 线性内插原理数据点为地形特征点时 地面模型以三角网建立 可认为分块内插区的地表面为一平面 按直线比例内插待定点的高程 一般形式设待定点高程为zp 则线性内插函数为用最靠近待定点的3个数据点坐标值代入上式 求出待定系数a0 a1 a2 给定待定点的平面坐标xp yp后 可求出内插高程zp 1 分块内插法 分块内插法 将整个内插空间划分成若干分块 并对各块求出各自的曲面函数来刻画曲面形态 问题 解决各块的连续性 分块 线性内插法 双线性多项式内插 二元样条函数内插法 根据三个控制点 求出三个参数 具体求解为 线性内插原理 双线性多项式内插 一般用于规则分布的数据模型 方法 使用最靠近内插点的四个已知数据点组成一个四边形 确定一个双线性多项式来内插其中的高程 将内插点周围的4个数据点的数据值带入多项式 即可解算出系数a0 a1 a2 a3 二元样条函数内插法 双三次多项式 原理在分块插值区用双三次多项式 样条函数 模拟地面 则待定点高程为 由于有16个待定参数 而分块格元只有4个节点信息可用 因此 要用各数据点x方向上的斜率R y方向上的斜率S和曲面的扭矩T 一起构成16个方程 求出上面的16个待定参数 对于数据点A x方向的斜率 y方向的斜率 曲面的扭矩 4个数据点A B C D列出Z R S和T的式子写成 如在分块格网ABCD内插n n个正方形待定点 则 3 13 中的 移动拟合法 对每一个待定点P 用一个多项式曲面拟合地表面时 从而计算出该点的高程值 1 以待定点P为圆心 以R为半径 读取该圆内的数据点坐标与高程值 2 选择一种定义函数 如二次多项式 将读取数据点的坐标与高程值代入该定义函数 求出其待定系数 3 列出误差方程 用最小二乘法平差 2 逐点内插法 以插值点位中心 定义一个局部函数去拟合周围的数据点 数据点的范围随插值点的位置的变化而变化 因此又称移动曲面法 移动拟合法的一般形式 设取二次多项式来拟合 则待求点的高程的一般形式为 zp Ax2 Bxy Cy2 Dx Ey F 考虑两方面的问题1 考虑范围2 考虑点数 加权平均法 使用搜索圆寻找附近数据点的方法和移动拟合法相同 但在计算待插值点的高程时 使用加权平均值代替误差方程求解出的曲面函数 加权平均内插的结果随使用的函数及其参数 采样点的分布 窗口的大小等的不同而变化 通常使用的采样点数为6 8点 对于不规则分布的采样点需要不断地改变窗口的大小 形状和方向 以获取一定数量的采样点 克里金法 Kriging 克里金法是地统计学 Geostatistics 的基础工具 Kriging方法是基于这样的假设 被插值的某一要素 如地形要素 可以被当做一个区域化的变量来看待 Kriging方法是建立在一个预先定义的协方差模型的基础上 通过线性回归方法把估计值的方差最小化的一种插值方法 分三种 普通Kriging 简单Kriging 通用Kriging 所谓区域化的变量就是介于完全随机的变量和完全确定的变量之间的一种变量 它随所在区域位置的改变而连续的变化 以此 彼此离得近的点之间有某种程度上的空间相关性 而相隔比较远的点之间在统计上看是相互独立无关的 克里金法 Kriging 1 普通Kriging 步骤 1 利用那些将要用来插值的离散点集合建立一个变量图 变量图通常包括两个部分 一个实验获得的变量图 一个是模型变量图 离散的高程点 Kriging插值的半方差图 克里金法 Kriging 步骤 2 利用模型变量图计算K