張一帆，王青山

(信息工程大學(xué)，河南 鄭州 450052)

?

基于規(guī)則格網(wǎng)的DEM插值實驗

張一帆，王青山

(信息工程大學(xué)，河南 鄭州 450052)

1概述

地貌類型、采樣密度和插值算法對DEM插值精度發(fā)揮著重要影響。不同插值算法可能適合不同的地貌類型。而地貌類型、采樣密度等因素又通過DEM插值算法影響DEM精度[1]。研究地貌類型、采樣密度和插值算法對DEM插值精度的影響，有助于根據(jù)所需DEM精度和插值地區(qū)地貌類型，選擇合適的采樣密度和插值算法以提高插值效率和精度。

楊曉云等[2]以等高線為例，探討利用地圖等高線矢量化生產(chǎn)DEM內(nèi)插算法，并分析各種方法的精度及適用范圍；譚衢霖等[3]分析不同的空間內(nèi)插算法和不同地貌類型對DEM生成精度的影響；付永恒等[4]建立局部地形特征描述模型，研究地表粗糙度指標(biāo)和空間分布指標(biāo)與DEM插值算法的關(guān)系；馬英蓮等[5]研究改進謝別德和徑向基函數(shù)在不同數(shù)據(jù)源下生成格網(wǎng)表面模型的差異；寇程等[6]比較ANUDEM和TINDEM兩種插值算法在地形平坦地區(qū)的DEM插值精度；齊曉飛等[7]提出一種適合可視化分析的分類方法，建立DEM誤差與可視化方法之間的對應(yīng)關(guān)系；顧春雷等[8]選擇6種常用插值算法，分別在平原、丘陵和高山幾種不同復(fù)雜程度環(huán)境下，使用交叉驗證法評估其DEM插值精度；楊雯等[9]對DEM內(nèi)插方法的選擇進行理論分析，提出DEM內(nèi)插方法的穩(wěn)定性等問題；胡璐錦等[10]基于規(guī)則格網(wǎng)數(shù)據(jù)，選取不同地貌類型區(qū)域進行插值實驗，最終給出具體地貌適合的內(nèi)插算法；張朝忙等[11]通過DEM面誤差可視化分析、DEM面誤差信息熵模型、中誤差模型等方法分析SRTM3 DEM數(shù)據(jù)高程精度質(zhì)量；史明昌等[12]研究不同地貌起伏狀況下網(wǎng)格尺寸與 DEM精度的關(guān)系。很少有人從局部地形單元入手，綜合研究地貌類型、采樣密度和插值算法對DEM插值精度的影響。本文利用地形函數(shù)建模生成6種局部地形單元，根據(jù)采樣密度和插值算法進行分組插值實驗，殘差計算、統(tǒng)計以及方差分析，研究地貌類型，插值算法和采樣密度與DEM插值精度之間的關(guān)系。

2地形隸屬函數(shù)生成的規(guī)則格網(wǎng)DEM插值實驗

2.1地形隸屬函數(shù)生成格網(wǎng)DEM

利用Surfer8.0軟件的函數(shù)建模功能，用地貌類型隸屬函數(shù)f1~f6分別模擬凹凸地、陡坡、鞍部、山包、尖山包、圓山包6種局部地形單元。表1為6個地形隸屬函數(shù)表達(dá)式，表2為6種地形描述參數(shù)；圖1為6種地形單元的透視效果圖。

2.2分層采樣

將函數(shù)生成格網(wǎng)的橫、縱坐標(biāo)的最大最小值分別設(shè)置為1,0；再依次設(shè)定不同增量進行地形建模得到101×101,112×112，126×126,144×144，168×168，201×201,257×257 7種采樣密度層的規(guī)則格網(wǎng)DEM。

2.3插值計算

對凹凸地、陡坡、鞍部等6種局部地形DEM各采樣密度層，分別采用反距離加權(quán)(IDW)、改進謝

別德(SPD)和多重二次曲面(MQF)、反多重二次曲面(IMQF)、多重對數(shù)(MLF)、薄板樣條(TPSF)、自然三次樣條(NCSF)7種插值算法插值生成密度為257×257的格網(wǎng)DEM。

表1　6個地形隸屬函數(shù)表達(dá)式

表2　地形描述參數(shù)表

圖1　6種地形單元的透視效果圖

2.4殘差計算

插值結(jié)束后，將257×257的格網(wǎng)DEM作為原始數(shù)據(jù)，隨機選擇257×257×4%的檢查點f1P.dat~f6P.dat，將檢查點帶入6種局部地形、6個密度層和7種插值算法插值生成的252個257×257格網(wǎng)DEM，求得殘差，統(tǒng)計得到平均偏差。

2.5插值參數(shù)

不同的插值算法具有不同的“最優(yōu)”插值參數(shù)[13-17]。為了排除插值參數(shù)對實驗分析的影響，本實驗對不同插值算法采用相同的插值參數(shù)，如表3所示。

表3　實驗所用插值算法的插值參數(shù)取值

3實驗分析

3.1采樣密度對DEM插值精度的影響

研究采樣密度對DEM插值精度的影響，以采樣密度為橫軸，以殘差的平均偏差為縱軸，用不同的顏色代表不同的插值算法，建立“采樣密度-平均偏差”柱形圖，如圖2和圖3所示，由于SPD,TPSF,NCSF和MQF 4種插值算法精度明顯高于另外3種，為便于進一步觀察分析，將這4種插值算法單獨列出，如圖4、圖5所示。

圖2　7種插值算法在f1地形對6種采樣密度插值結(jié)果

圖3　7種插值算法在f2地形對6種采樣密度插值結(jié)果

圖4　4種精度較高插值算法在f1地形對6種采樣密度插值結(jié)果

圖5　4種精度較高插值算法在f2地形對6種采樣密度插值結(jié)果

1)當(dāng)采樣密度增加時，殘差的平均偏差逐漸減小，即地貌類型和插值算法確定時，采樣密度和殘差之間都存在一種單調(diào)非增關(guān)系；

2)SPD，TPSF和NCSF的插值精度較高，其插值精度隨采樣密度的變化不明顯，但和殘差之間也遵循單調(diào)非增的關(guān)系；

3)IDW，IMQF，MQF，MLF 4種算法精度稍差，其插值精度隨采樣密度的變化較明顯。

3.2插值算法對DEM插值精度的影響

研究插值算法對DEM插值精度的影響，以插值算法為橫軸，以殘差的平均偏差為縱軸，用不同顏色代表不同的地貌類型，建立“插值算法-平均偏差”柱形圖，可以發(fā)現(xiàn)：

1)MQF，SPD，TPSF，NCSF 4種算法插值精度較IDW，MLF 和IMQF 3種算法高(見圖6、圖7)。

圖6　采樣密度為101時7種插值算法對6種地貌類型的插值精度

圖7　采樣密度為101時4種精度較高插值算法對6種地貌類型的插值精度

2)在統(tǒng)一插值參數(shù)的情況下7種插值算法有如下規(guī)律：IDW和IMQF,MLF對在本實驗中對6種地形單元的插值精度比較低，尤其是在對平均坡度較大、地形相對復(fù)雜的f1(凹凸地)插值過程中精度最差;SPD,NCSF和TPSF在本實驗中對6種地形單元的插值精度很高。

3.3地貌類型對DEM插值精度的影響

研究地貌類型對DEM插值精度的影響，以地貌類型為橫軸，以殘差的平均偏差為縱軸，用不同的顏色代表不同的插值算法，建立“地貌類型-平均偏差”柱形圖，可以發(fā)現(xiàn)地形單元的插值精度有如下規(guī)律：

凹凸地(f1)、陡坡(f2)、鞍部(f3)3種地形單元都具有坡度大、起伏明顯的特點，實驗選取的幾種插值算法插值精度都比較差，其中只有SPD稍好；f4、f5、f63種地形單元類似，山包(f4)、尖山包(f5)、圓山包(f6)坡度變化小，地形變化溫和。對于每一種插值算法，三者的插值精度跟平均坡度成單調(diào)遞減關(guān)系，即坡度越陡，插值精度越低,如圖8~圖10。

圖8　采樣密度為101時6種地貌類型用3種插值算法插值精度

圖9　采樣密度為101時6種地貌類型用4種插值算法插值精度

圖10　6種地形單元的平均坡度

3.4方差分析

方差分析(Analysis of Variance，ANOVA)，又稱“變異數(shù)分析”或“F檢驗”，用于2個及2個以上樣本均數(shù)差別的顯著性檢驗。采樣密度、插值算法、地貌類型對DEM插值精度都存在一定的影響，本文引用方差分析對這3種因素做了顯著檢驗。本文借助SPSS 13.0軟件[18]分別對采樣密度、插值算法、地貌類型三者平均偏差進行方差分析，表4給出組間效應(yīng)檢驗結(jié)果。從表4中可以看出，地貌類型的檢驗統(tǒng)計量F的觀測值為21.376，檢驗的概率p=0.000，小于0.05，拒絕零假設(shè)，可以認(rèn)為地貌類型之間存在顯著差異，不同地貌類型對DEM差值精度的影響較大；采樣密度的檢驗統(tǒng)計量F=2.863，檢驗的概率p=0.016，小于0.05，拒絕零假設(shè)，可以認(rèn)為采樣密度之間存在顯著差異，不同采樣密度對DEM差值精度的影響較大；插值算法的檢驗統(tǒng)計量F=32.444，檢驗的概率p=0.000，小于0.05，拒絕零假設(shè)，可以認(rèn)為插值算法之間存在顯著差異，不同插值算法對DEM差值精度的影響較大。

表4　組間效應(yīng)檢驗結(jié)果

采用密度、插值算法、地貌類型對DEM插值精度都存在一定的影響，那么這三者之間也應(yīng)該有主次之分。本文用方差對這3種因素做了顯著性比較。如果某個因素殘差的方差最大，那么這個因素就是影響DEM插值精度的主要因素，同理其他因素是次要因素。本文用matlab軟件分別計算了采樣密度、插值算法、地貌類型三者平均偏差的方差，然后取均值作比較。為研究三者顯著性的關(guān)系，比較了三者的方差：圖11~圖13分別比較采用密度、插值算法和地貌類型中兩兩之間關(guān)系。

圖11　相同采樣密度時地貌類型和插值算法的方差

圖12　相同插值算法時地貌類型和采樣密度的方差

圖13　相同地貌類型時插值算法和采樣密度的方差

同種采樣密度的情況下，地貌類型的方差大于插值算法的方差；同種插值算法的情況下，地貌類型的方差大于采樣密度的方差；同種地貌類型的情況下，插值算法的方差大于采樣密度的方差。至此，結(jié)論：采樣密度、插值算法和地貌類型三者對DEM插值精度的影響程度不同，地貌類型對插值的影響最明顯，其次是插值算法，采樣密度對插值精度的影響最不明顯。

4結(jié)束語

1)DEM精度顯著的受到地貌類型，插值算法和采樣密度的影響，影響程度分別為“地貌類型>插值算法>采樣密度”。

2)采樣密度越高，DEM的插值精度越高，在實驗成本允許的情況下，盡可能的增加采樣密度是提高DEM插值精度的有效措施。

3)插值算法中，改進謝別德、徑向基函數(shù)插值算法對地形適應(yīng)性比較強，在本文研究的局部地貌插值實驗中，對各種地貌的插值精度都比較高，尤其是改進謝別德和徑向基函數(shù)中的TPSF和NCSF插值算法;SPD相對是最好的內(nèi)插方法，IDW、IMQF和MLF效果比較差。

4)地形越粗糙平均坡度越大，例如實驗的f1(凹凸地)地形，插值精度就越差，反之，地形越平坦平均坡度越小，插值精度越高，例如實驗的f6(圓山包)地形。

參考文獻(xiàn)：

[1]張錦明.DEM插值算法適應(yīng)性研究[D].鄭州：信息工程大學(xué)，2012.

[2]楊曉云，唐成遠(yuǎn)，梁鑫.基于等高線生成DEM的內(nèi)插算法及其精度分析[J].測繪工程，2006，15(2):37-40.

[3]譚衢霖，徐瀟，王浩宇，等.不同地貌類型地區(qū)DEM空間內(nèi)插算法精度評價[J].應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報,2014，22(1)：139-149.

[4]付永恒，張錦明，馬民，等.DEM插值算法的局部地形適應(yīng)性研究[J].測繪科學(xué)技術(shù)學(xué)報，2013,30(5):515-520.

[5]馬英蓮，彭樹宏，錢靜.基于Surfer軟件的兩種數(shù)據(jù)插值方法研究[J].測繪通報,2010(8):54-57.

[6]寇程，柯長青.地形平坦地區(qū)DEM生成算法的比較研究[J].測繪與空間地理信息,2013,36(7):33-40.

[7]齊曉飛，王光霞，馬俊，等.DEM誤差可視化方法的適應(yīng)性研究[J].測繪工程，2013,22(2):17-21.

[8]顧春雷，楊漾，朱志春.幾種建立DEM模型插值方法精度的交叉驗證[J].測繪與空間地理信息,2011,34(5):99-102.

[9]楊雯，劉洪利，胡卓瑋，等.數(shù)字高程模型內(nèi)插方法研究[J].測繪科學(xué),2009,34(4):136-138.

[10] 胡璐錦，王亮，陶坤旺.基于不同地貌類型的DEM內(nèi)插算法分析與研究[J].測繪與空間地理信息,2012,35(12):202-206.

[11] 張朝忙，劉慶生，劉高煥，等.中國地區(qū)SRTM3DEM高程精度質(zhì)量評價[J].測繪工程，2014,23(4)：14-19.

[12] 史明昌，沈晶玉.不同地貌起伏狀況下網(wǎng)格尺寸與DEM精度關(guān)系研究[J].水土保持研究,2006,13(3):35-38.

[13] 張錦明，游雄，萬剛.DEM插值參數(shù)優(yōu)選的實驗研究[J].測繪學(xué)報，2014,43(2):178-185.

[14] 徐靜,王春,張耀民,等.規(guī)則格網(wǎng)DEM中平直面狀特征地形識別與提取[J].測繪科學(xué)，2014，39(8):163-166.

[15] 徐靜，顧留碗，張耀民，等.規(guī)則格網(wǎng)DEM地形綜合方法分析[J].測繪工程，2014,23(9)：26-31.

[16] 程綿綿，李少梅，朱新銘，等.基于規(guī)則格網(wǎng)DEM線狀矢量要素三維可視化方法[J].測繪工程，2015,24(2)：38-41.

[17] 劉淑瓊，鄒時林.基于格網(wǎng)DEM的地形特征線提取方法比較[J].測繪與空間地理信息,2015,38(2):85-86.

[18] 張慶利.SPSS寶典[M].2版.北京：電子工業(yè)出版社，2011.

[責(zé)任編輯：李銘娜]

摘要：通過地形建模，將6個地形隸屬函數(shù)按照101×101,112×112，126×126,144×144，168×168，201×201,257×257 7種格網(wǎng)密度生成6種局部地形單元的規(guī)則格網(wǎng)DEM；使用反距離加權(quán)(IDW)等7種插值算法，將前6種格網(wǎng)密度下的DEM插值成257×257規(guī)格；從原始257×257DEM中隨機抽取檢查點計算殘差，并對殘差中誤差進行分析。通過分組插值實驗，運用控制變量法、方差分析等方法研究地貌類型、采樣密度和插值算法對DEM插值精度的影響。

關(guān)鍵詞：DEM插值；地貌類型；采樣密度；插值算法；DEM精度

Experiments on DEM interpolation based on regular gridZHANG Yifan，WANG Qingshan

(Information Engineering University，Zhengzhou 450052，China)

Abstract：Through terrain modeling，this experiment turns six geomorphic membership functions into six terrain units grid DEM，with seven grid densities:101×101,112×112，126×126,144×144，168×168，201×201,and 257×257.Using IDW and other six interpolation algorithms，it interpolates the first six densities of grid DEM into 257×257 grid DEM;Then it selects some checkpoints from the original 257×257 DEM randomly，calculating residuals and RMSE for further statistical analysis.With interpolation experiments in group，the methods of controlling variable and variance analysis are used to analyze the effects of terrain morphology，sampling density and interpolation algorithms on grid DEM accuracy.

Key words：DEM interpolation;terrain morphology;sampling density;interpolation algorithm;DEM accuracy

作者簡介：張一帆(1992-)，男，碩士研究生.

收稿日期：2014-10-28;修回日期：2015-03-02

中圖分類號：P208

文獻(xiàn)標(biāo)識碼：A

文章編號：1006-7949(2016)02-0017-05