GIS数据质置研究的常用方法

Python与开源GIS

GIS数据质置研究的常用方法

2018-05-14 作者: xuzhiping 浏览: 1714 次

摘要: 1.敏感度分析法 一般而言,精确确定GIS数据的实际误差非常困难。为了从理论上了解输出结果如何随输入数据的变化而变化,可以通过人为地在输入数据中加上扰动值来检验输出结果对这些扰动值的敏感程度。然后根据适合度分析,由置信域来衡量由输入数据的误差所引起的输出数据的...

1.敏感度分析法

一般而言,精确确定GIS数据的实际误差非常困难。为了从理论上了解输出结果如何随输入数据的变化而变化,可以通过人为地在输入数据中加上扰动值来检验输出结果对这些扰动值的敏感程度。然后根据适合度分析,由置信域来衡量由输入数据的误差所引起的输出数据的变化。

为了确定置信域,需要进行地理敏感度测试,以便发现由输入数据的变化引起输出数据变化的程度,即敏感度。这种研究方法得到的并不是输出结果的真实误差,而是输出结果的变化范围。对于某些难以确定实际误差的情况,这种方法是行之有效的。

在GIS中,敏感度检验一般有以下几种:地理敏感度、属性敏感度、面积敏感度、多边形敏感度、增删图层敏感度等。敏感度分析法是—种间接测定G1S产品可靠性的方法。

2.尺度不变空间分析法

地理数据的分析结果应与所采用的空间坐标系统无关,即为尺度不变空间分析,包括比例不变和平移不变。尺度不变是数理统计中常用的—个准则,一方面在能保证用不同的方法能得到一致的结果,另一方面又可在同—尺度下合理地衡量估值的精度。

也就是说,尺度不变空间分析法使GIS的空间分析结果与空间位置的参考系无关,以防止由基准问题而引起分析结果的变化。

3.Monte Carlo实验仿真

由于GIS的数据来源繁多、种类复杂,既有描述空间拓扑关系的几何数据,又有描述空间物体内涵的属性数据。对于厲性数据的精度,往往只能用打分或不确定度来表示。对于不同的用户,由于专业领域的限制和需要,数据可靠性的评价标准并不相同。因此,想用一个简单的、固定不变的统计模型来描述GIS的误差规律似乎是不可能的。在对所研究问题的背景不十分了解的情况下,Monte Carlo实验仿真是一种有效的方法。

Monte Carlo实验仿真首先根据经验对数据误差的种类和分布模式进行假设,然后利用计算机进行模拟试验,将所得结果与实际结果进行比较,找出与实际结果最接近的模型。对于某些无法用数学公式描述的过程,用这种方法可以得到实用公式,也可检验理论研究的正确性。

4.空间滤波

获取空间数据的方法可能是不同的,既可以采用连续方式采集,也可采用离散方式采集。这些数据采集的过程可以看成是随机采样,其中包含倾向性部分和随机性部分。前者代表所采集物体的实际信息,而后者则是由观测噪声引起的。

空间滤波可分为高通滤波和低通滤波。高通滤波是从含有噪声的数据中分离出噪声信息;低通滤波是从含有噪声的数据中提取信号。例如,经高通滤波后可得到一随机噪声场,然后用随机过程理论等方法求得数据的误差。

对GIS数据质量的研究,传统的概率论和数理统计是其最基本的理论基础,同时还需要信息论、模糊逻辑、人工智能、数学规划、随机过程、分形几何等理论与方法的支持。

关注“开源集思”公众号
获取免费资源

随机推荐


Copyright © 2014-2019 OSGeo中国中心 吉ICP备05002032号

Powered by TorCMS

OSGeo 中国中心 邮件列表

问题讨论 : 要订阅或者退订列表,请点击 订阅

发言 : 请写信给: osgeo-china@lists.osgeo.org