抗差估计在规则格网DEM粗差探测中的应用.docx

抗差估计在规则格网DEM粗差探测中的应用
抗差估计在规则格网DEM粗差探测中的应用
DEM（DigitalElevationModel）是数字高程模型的简称，它是使用数字化的方法将地形信息转化为数字高程数据的数学模型。在地球科学领域中，DEM数据在地形分析、水文模拟、气象预测、自然灾害评估等方面都发挥着重要作用。然而，由于数据采集、处理等因素的影响，DEM中往往会出现不可避免的粗差点。粗差点的存在会影响DEM数据的准确性和可靠性，因此需要进行粗差探测和剔除。
在DEM粗差探测中，抗差估计是一种有效的方法。抗差估计是一种在数据中存在异常值时能够保持估计结果鲁棒性的统计学方法。与传统的最小二乘法不同，抗差估计可以自动检测并剔除可能存在的异常值。在DEM粗差探测中，抗差估计可以识别并剔除DEM中的粗差点，从而提高DEM数据的质量和可靠性。
在规则格网DEM中，采用抗差估计进行粗差探测主要包括以下步骤：
1.网格化：首先将DEM数据进行规则格网化，将DEM分为若干个小区域进行处理。
2.估计高程：对于每个小区域，采用抗差估计方法估计其中所有的高程数据，并得到其均值。这个过程中会尝试剔除所有的粗差点。
3.计算残差：计算每个小区域内剩下的高程值相对于均值的残差，然后根据残差的大小判断该区域内是否存在粗差点，例如可以选取一个残差的阈值，根据残差是否大于该阈值来判断是否存在粗差点。
4.剔除粗差：如果某个小区域内存在粗差点，则需要将其从原始数据中剔除，并重新进行估计和计算。
通过以上步骤，可以利用抗差估计方法快速地检测和剔除规则格网DEM中的粗差点。这种方法的优点是可以自动剔除异常点，处理效率比较高，适用于处理大规模的DEM数据。但同时也存在一些不足，如对估计误差没有进行实际的分析和计算等。
总之，在规则格网DEM粗差探测中，采用抗差估计方法可以提高DEM数据的质量和可靠性，为进行DEM分析提供更准确的数据基础。但需要注意的是，采用抗差估计方法进行粗差探测时，需要合理选择估计参数，并进行有效的结果检验和控制，以保证处理结果的准确性和可靠性。