混合插值法重构近地表模型
如何解决测绘技术中的地理信息数据的空间插值问题
如何解决测绘技术中的地理信息数据的空间插值问题引言：测绘技术中的地理信息数据的空间插值问题是一个重要的研究领域，涉及到了地理信息系统、遥感技术、地图制图等多个学科。
在地理信息数据的获取和分析过程中，由于观测点的不连续性或者缺失，需要通过插值方法来填充数据空白区域，以实现对整个地理空间上的数据的有效表达。
本文将通过介绍插值方法的原理和应用案例，讨论如何解决测绘技术中的地理信息数据的空间插值问题。
一、插值方法的原理插值方法是一种通过已知点数据来判断未知点数据的方法，常用于补齐或预测未知点的值。
在地理信息数据的空间插值中，常用的插值方法包括：1.反距离权重插值法（IDW）：该方法根据已知点周围的距离来确定未知点的值，距离越近的点权重越大。
该方法简单易懂，但容易受离散点的影响。
2.克里金插值法（Kriging）：该方法基于统计学方法，根据已知点之间的空间关系来推断未知点的值。
它考虑了空间相关性和变差性，适用于稀疏数据和多元均一性插值。
3.三角网插值法（TIN）：该方法通过构建三角网格来估计未知点的值，其优点在于能够保留地形特征，适用于不规则分布的数据。
4.径向基函数插值法（RBF）：该方法通过定义径向基函数来插值。
它能够自适应地调整插值权重，适用于高维度数据和复杂关系的插值。
二、插值方法的应用案例1.数字高程模型的生成数字高程模型（DEM）是测绘技术中经常使用插值方法生成的一种地表模型。
例如，在地质调查、环境评估、城市规划等项目中，需要获取地表高程信息。
通过插值方法可以根据地面观测点的高程数据生成连续的高程模型，用于分析地表地形、水文流域等方面的信息。
2.地下水位的预测地下水位的预测对水利工程、环境保护等领域具有重要意义。
通过利用已知的地下水位观测点数据，结合插值方法可以预测未来的地下水位情况。
例如，在水资源调查和管理中，地下水位的插值预测可以帮助指导水资源的合理利用和保护。
3.土地利用变化的监测土地利用变化是城市规划和环境管理中的重要问题。
测绘中的数字高程模型建立方法
测绘中的数字高程模型建立方法引言：数字高程模型(DEM)是测绘领域中的一项重要技术，它以数字化的方式呈现地表或地形的高程信息。
在土地规划、水文治理、城市规划等领域中，数字高程模型的建立对于准确分析地形特征及进行可视化展示具有重要意义。
本文将介绍几种主要的数字高程模型建立方法，旨在为相关领域的从业者提供参考。
一、插值法插值法是数字高程模型建立的经典方法之一。
它基于已知高程点的坐标和对应高程值，通过建立数学模型来推算未知点的高程值。
常用的插值算法有三角剖分法、反距离加权法、克里金插值法等。
三角剖分法是一种利用三角形连接点的方法，通过计算三角形边的长度和角度关系来推算出未知点的高程值。
这种方法适用于具有明显地形特征的地区，但对于复杂地形来说，容易出现细节缺失的问题。
反距离加权法是根据已知点与未知点之间的距离关系来计算未知点的高程值。
根据距离远近，适当调整不同点的权重，以达到更精确的高程推算结果。
但该方法在处理噪声点时会出现一定的偏差，需要适当进行数据预处理。
克里金插值法是一种基于地统计原理的插值方法，它通过计算已知点与未知点之间的协方差来推算出未知点的高程值。
该方法具有较好的空间平滑性和精度，但对于较大的数据集来说，计算量较大。
二、激光雷达技术激光雷达技术在数字高程模型建立中得到了广泛应用。
通过激光雷达仪器对地面进行精确扫描，获取大量地面点云数据，然后利用点云配准、过滤、分类、插值等处理过程，构建出数字高程模型。
激光雷达技术具有高精度、高密度、丰富的纹理信息等优势，尤其适用于山地、森林等复杂地形的数字高程模型建立。
然而，该技术的设备昂贵，数据处理复杂，且在野外环境复杂的情况下，数据采集和精度保证存在一定的挑战。
三、遥感数据处理遥感数据处理也是一种常用的数字高程模型建立方法。
遥感技术通过航空或卫星载荷感测地表反射数据，获取地表形态和覆盖信息，然后通过数据处理，提取地面高程信息并构建数字高程模型。
常用的遥感数据处理算法有半自动解译、图像匹配法、立体匹配法等。
测绘技术中的地形模型生成方法
测绘技术中的地形模型生成方法地形模型是测绘技术中的重要组成部分，它能够提供精确的地理信息，为各个领域的工作提供基础数据支持。
在地理信息系统、城市规划、灾害管理等领域中，地形模型的生成方法起着关键性作用。
本文将探讨测绘技术中的地形模型生成方法，旨在为读者提供一些了解和思考的方向。
一、栅格模型方法：1. 相邻高程法：相邻高程法是地形模型中最简单直接的方法之一。
它基于高程点的邻域关系，将周围的点相连，通过插值算法来估计未知点的高程。
这种方法的优势在于计算简单、可靠，但缺点是不能处理地形变化较大的情况。
2. 内插法：内插法是测绘技术中常用的地形模型生成方法之一。
它通过确定邻近已知高程点的权重，使用合适的插值算法来估计未知点的高程。
常用的内插方法包括反距离加权法、克里金插值法等。
内插法的优势在于可以较好地处理地形变化较为复杂的情况，但在处理地形边界和孤立点时可能会出现插值误差。
3. TIN三角网方法：TIN三角网方法是一种基于三角形连接的地形模型生成方法。
它通过将地形点构建成三角形网络，根据三角形的特征来估计未知点的高程。
这种方法的优势在于可以较好地处理地形的不规则性和边界情况，但生成的地形模型较为稀疏，对于局部细节的表达能力有限。
二、基于激光雷达的方法：随着激光雷达技术的发展，基于激光雷达的地形模型生成方法逐渐成为主流。
激光雷达通过发射激光束并测量其回波时间，可以高精度地获取地面的高程信息。
在地形模型生成中，常用的方法有以下几种：1. 基于点云的方法：点云是激光雷达获取的地面高程数据，通过对点云进行处理和分析，可以生成地形模型。
常见的点云处理方法包括滤波、分类、拟合等。
这种方法的优势在于能够获取较为精细的地形信息，对于地形中的细节和复杂性有很好的表达能力。
2. 基于网格的方法：基于网格的方法是一种将点云数据转换为规则网格的地形模型生成方法。
在网格模型中，每个网格单元都包含一个高程值，通过对点云进行分割和平滑，可以生成规则的网格模型。
如何进行地理数据的空间插值与模型构建
如何进行地理数据的空间插值与模型构建地理数据的空间插值与模型构建是地理学、地理信息科学等领域中重要的研究方法与技术。
地理数据插值是指根据已知点的数据，通过数学方法和算法，推算出未知位置上的数值或属性。
而地理数据模型构建则是基于已有数据的统计分析和建模，以预测未来地理事件或现象的发生。
本文将从插值方法与技术以及模型构建的步骤与要点两个方面，介绍地理数据的空间插值与模型构建。
一、地理数据的空间插值1. 插值方法空间插值主要有目标方法（目标插值）和邻近法（邻近插值）两种方法。
目标插值包括反距离加权法（IDW）、克里金法（Kriging）等，它们根据样点之间的距离和空间相似性进行权重计算，得到插值结果。
邻近插值方法则通过找到目标点周围最近的已知点的值，进行简单的距离加权或按照一定规则确定插值结果。
2. 插值技术插值技术包括经验插值法和模型插值法两种。
经验插值法是根据经验关系推算未知点的数值或属性，如基于行政区域的插值、基于地理特征的插值等。
模型插值法则是根据已知点的数值和位置，建立数学或统计模型来推算未知点数值或属性，如回归分析、时间序列分析等。
二、地理数据模型构建1. 数据准备地理数据模型构建的第一步是准备好所需的数据。
包括收集与目标地理事件或现象相关的已有数据，如人口统计数据、土地利用数据等。
此外，还需考虑数据的质量、准确性以及时空分辨率等。
2. 数据清洗与处理在准备好数据后，需要进行数据清洗与处理。
包括数据的归一化、异常值的处理、缺失值的填补等。
这些步骤旨在提高数据的可信度和准确性。
3. 模型选择与建立根据目标地理事件或现象的特征，选择适合的模型进行建立。
常用的模型包括回归分析、时间序列分析、人工神经网络等。
模型的选择应考虑数据的特点、模型的复杂度和拟合度等因素。
4. 模型评估与优化构建好模型后，需要对模型进行评估与优化。
评估模型的有效性和准确性，如误差分析、交叉验证等。
若模型不符合预期，需要进行优化，可能需要调整数据的选择、模型参数的设定等。
测绘数据的融合与融通方法与技巧
测绘数据的融合与融通方法与技巧测绘数据是地理信息科学中的重要组成部分，它反映了地球表面的地理空间数据，如地形、地貌、地物等。
在现代社会中，测绘数据的应用范围越来越广泛，涉及到城市规划、土地利用、资源管理等方方面面。
然而，由于测绘数据来源的多样性和数据格式的不一致性，常常需要对这些数据进行融合与融通，以提高数据的质量和可用性。
本文将介绍一些常用的测绘数据融合与融通的方法与技巧。
首先，测绘数据的融合可以通过空间插值来实现。
空间插值是一种将离散的点数据转换为连续表面的方法，可以通过插值算法来估算未知点的值。
常见的插值方法有反距离加权插值、克里金插值等。
通过这些方法，我们可以将不同来源、不同格式的测绘数据融合成一张连续的地理表面，从而更好地表示地球表面的特征。
其次，测绘数据的融合还可以通过数据转换和格式标准化来实现。
不同来源的测绘数据往往使用不同的数据格式和坐标系统，这给数据的使用和融合带来了困难。
因此，我们可以通过数据转换和格式标准化的方式将这些数据转换为一致的格式和坐标系统。
例如，可以将经纬度坐标转换为投影坐标，或者将不同的数据文件转换为统一的数据格式，如shapefile格式、GeoTIFF格式等。
这样一来，就能够更方便地对不同来源的测绘数据进行处理和融合。
此外，测绘数据的融合还可以通过精度评定和校正来提高数据的质量。
由于不同来源的测绘数据可能存在一定的误差，所以在进行数据融合之前，需要对数据的精度进行评定和校正。
评定和校正的方法有很多种，如误差椭球法、精度评定法等。
通过这些方法，我们可以了解数据的误差范围和精度水平，从而在数据融合的过程中进行适当的处理和调整，提高数据的准确性和可信度。
最后，测绘数据的融合可以通过数据分类和特征提取来实现。
不同来源的测绘数据可能包含着大量的信息，如地形特征、地物分类等。
而这些信息的提取和分类对于数据的应用和分析非常重要。
因此，我们可以使用一些数据分类和特征提取的方法来将这些数据转化为可用的信息。
cokriging插值法
cokriging插值法是一种基于kriging插值方法的一种扩展，可以用于处理多个相关的目标变量。
下面是一个简单的介绍，包括多个O 的目标、O下边具体的KR1、KR2，以及子指标。
1. 多个O的目标cokriging插值法的目标是估计一个空间域内的多个目标变量的值。
这些目标变量可以是任何需要插值的变量，如温度、湿度、海拔等等。
在cokriging插值中，这些目标变量被统称为“目标”（objective）。
2. KR1和KR2在cokriging插值法中，需要用到两个或更多的kriging模型。
这些模型被称为“kriging权重函数”（kriging weights）或简称“KR”。
KR1和KR2是两个常用的kriging权重函数，它们分别表示第一个和第二个目标变量的kriging权重。
KR1和KR2都是基于空间域内的样本数据和它们之间的空间自相关结构来计算的。
KR1和KR2的取值范围是0到1之间，表示每个样本点在估计目标变量时的权重大小。
3. 子指标除了KR1和KR2之外，cokriging插值法还需要用到一些子指标（sub-objective）。
这些子指标是除了KR1和KR2之外的其他需要考虑的因素，如地形、气候、土壤类型等等。
子指标可以用来调节kriging 权重函数的影响程度，以更好地拟合实际情况。
在cokriging插值法中，每个子指标都需要根据实际情况进行定义和计算。
不同的子指标可能会有不同的计算方法和影响程度，需要根据具体情况进行调整和优化。
总之，cokriging插值法是一种基于kriging插值方法的扩展，可以用于处理多个相关的目标变量。
通过定义多个O的目标、具体的KR1、KR2和子指标，可以更好地拟合实际情况，提高插值精度。
地理空间数据分析中的空间插值技术的使用教程
地理空间数据分析中的空间插值技术的使用教程在地理空间数据分析中，空间插值技术被广泛应用于填充缺失值、补齐网格数据、生成等高线图等任务中。
本文将介绍空间插值技术的基本原理、常用方法以及使用教程，以帮助读者更好地理解和运用这一技术。
一、空间插值技术的基本原理空间插值是通过已知的观测点得出未知位置的属性值的一种方法。
它基于空间相关性的假设，即临近点的属性值相似性较高。
根据这个假设，空间插值方法可以通过在观测点之间进行合理的插值推断来得出未知点的属性值。
二、常用的空间插值方法1. 反距离加权插值（IDW）反距离加权插值是一种简单且常用的插值方法。
它根据观测点和插值点的距离，对观测点进行加权计算，距离越近的点权重越大。
该方法适用于局部空间变异性较大且存在离散数据的情况。
2. 克里金插值（Kriging）克里金插值是一种基于泛函高斯随机场理论的空间插值方法。
它考虑了空间数据的自相关性和空间变异性，能够更好地描述空间数据的复杂性。
克里金插值方法通过构建半变异函数和克里金方程，对观测点进行插值推断。
3. 三角网插值（TIN）三角网插值将空间数据进行三角化处理，在每个三角形内进行插值。
它适用于不规则分布的观测点和空间数据边界不规则的情况。
通过分割空间为连续的三角形，可生成连续的等高线图等。
4. 其他插值方法除了上述常用的插值方法外，还有较多的其他插值方法可供选择。
例如径向基函数插值（RBF）、样条插值（Spline）等。
选择合适的插值方法需要根据具体的数据特征和分析目标进行。
三、空间插值技术的使用教程以下是空间插值技术的使用教程，以反距离加权插值和克里金插值为例。
1. 反距离加权插值（IDW）的使用教程（1）使用ArcGIS等地理信息系统软件打开需要进行插值的地理空间数据。
（2）选择反距离加权插值工具。
（3）根据自己的需求设置插值参数，如距离权重指数、邻近点数量等。
（4）开始插值计算，待计算完成后得到插值结果。
2. 克里金插值的使用教程（1）使用克里金插值软件，如Surfer、GS+等，打开需要进行插值的地理空间数据。
复杂地层结构三维地质建模空间插值方法研究
DOI: 10.3969/J.ISSN.2097-3764.2024.01.016Vol. 19 No.01 March, 2024第 19 卷 第1期 2024 年 3 月/复杂地层结构三维地质建模空间插值方法研究郑杨，简季（成都理工大学地球科学学院，四川 成都 610059）摘 要：三维地质体对于自然资源勘探、环境保护、自然灾害风险评估等领域都具有重要意义。
在建模过程中，地质体的模型精度与插值算法有着直接关系。
为研究不同插值算法的适用情况，文章对云南陆良某污染场地进行浅层三维地质建模，分别选取反距离权重法和自然邻域法，利用钻孔数据插值建模，并对模型结果进行目视检验和误差对比分析。
研究结果表明：反距离权重法适用范围广，建模精度较高；相较于自然邻域法，反距离权重法更适用于地层结构复杂的三维地质建模，该方法对断层细节的描述更细致，模型更符合实际情况；而自然邻域法在断层明显的区域插值效果较差，不适用于地层结构复杂的情况。
关键词：三维地质模型；钻孔数据；反距离权重法；自然邻域法；精度验证Spatial interpolation methods for 3D geological modeling ofcomplex strata structuresZHENG Yang, JIAN Ji（School of Earth Sciences, Chengdu University of Technology, Chengdu 610059, Sichuan, China ）Abstract: Three-dimensional (3D) geological bodies are of great significance in natural resources exploration, environmental protection, natural disaster risk assessment, and other fields. In the modeling process, the accuracy of geological body models is directly related to interpolation algorithms. T o study the applicability of different interpolation algorithms, this paper con-ducted shallow 3D geological modeling in a heavy metal pollution area in Luliang, Yunnan. The inverse distance weighting method and natural neighborhood method were selected to interpolate the drilling data in the study area. Visual inspection and error comparison were carried out of the model results. The results show that the inverse distance weighting method has a wider applicability range and higher modeling accuracy. Compared to the natural neighborhood method, the inverse dis-tance weighting method is more suitable for complex geological modeling with distinct stratigraphic structures, providing a more detailed description of fault details and a model that better reflects reality. On the other hand, the natural neighbor-hood method has poor interpolation performance in areas with distinct faults and is not suitable for complex stratigraphic structures.Keywords: 3D geological model; drill data; inverse distance weighting method; natural neighborhood method; accuracy verifica-tion收稿日期：2023-09-05；修回日期：2023-11-16第一作者简介：郑杨（1990- ），男，在读硕士研究生，研究方向：数字孪生与三维建模。
如何使用地理信息系统进行空间插值分析
如何使用地理信息系统进行空间插值分析地理信息系统（Geographic Information System，简称GIS）是一种用来处理和分析空间数据的强大工具。
通过使用GIS，我们可以对地理现象进行可视化和量化分析，其中空间插值分析是GIS的一个重要应用领域。
本文将介绍如何使用地理信息系统进行空间插值分析，详细讨论插值方法的选择和步骤。
一、什么是空间插值分析？空间插值分析是一种通过使用有限点数据来推断未知位置上的值的方法。
在地理学和环境科学领域，空间插值分析常用于生成等值线图、表面模型和预测未来地理现象，如气候变化、土地利用和水资源分布。
二、插值方法的选择在进行空间插值分析之前，我们需要选择适合的插值方法。
常见的插值方法包括反距离加权插值（Inverse Distance Weighting，简称IDW）、克里金插值（Kriging）和径向基函数插值（Radial Basis Function Interpolation，简称RBF）等。
1. 反距离加权插值（IDW）反距离加权插值是一种基于距离的插值方法，根据待估值点与已知点之间的距离进行加权。
该方法假设距离越近的点对待估值点的影响越大。
反距离加权插值简单快捷，适用于点密度较高的情况。
2. 克里金插值（Kriging）克里金插值是一种基于统计模型的插值方法，更为精确和准确。
它通过拟合已知点之间的空间相关性来估计未知点的值。
克里金插值方法考虑了距离、方向和半方差等因素，适用于空间数据具有一定趋势的情况。
3. 径向基函数插值（RBF）径向基函数插值是一种基于核心函数的插值方法，将已知点作为控制点，通过求解线性方程组来估计未知点的值。
它使用径向基函数将每个点的值向周围点进行传递，可以适应非常稀疏的点分布情况。
选择插值方法时，需要考虑数据的特点和研究目的，综合比较它们的优缺点来确定最适合的方法。
三、空间插值分析步骤进行空间插值分析时，需要按照一定的步骤进行操作。
常用的克里金插值及其变体
常用的克里金插值及其变体
常用的克里金插值及其变体包括以下几种：
1.普通克里金插值(OrdinaryKriging)：这是克里金插值的最基本形式，它基于一系列测量数据，通过最小化预测误差的平方和，对未测量位置的值进行估计。
这种方法假设观测点之间的空间相关性可以用一个随机过程来描述。
2.简单克里金插值(SinlPleKriging)：与普通克里金插值类似，但假设空间相关性可以忽略不计，因此每个观测点都被视为独立的。
这种方法适用于观测点之间几乎没有空间相关性，或者已经对观测点进行了充分的空间混合的情况。
3.泛克里金插值(UniVerSalKriging)：这是在普通克里金插值的基础上，考虑了非线性趋势的克里金插值。
它适用于那些除了空间相关性之外，还包含非线性趋势的地质数据。
4.协同克里金插值(Co-Kriging)：这种插值方法用于评估两个不同但相关的测量数据集之间的空间相关性。
它允许我们同时对两个数据集进行插值，并考虑它们之间的相关性。
5.多变异克里金插值(MUlti-VariateKriging)：这是用于处理多个相关变量的插值方法。
它允许不同变量之间的空间相关性被建模，这有助于更好地理解不同变量之间的相互关系。
这些是常见的克里金插值及其变体，选择哪种方法取决于数据的性质以及分析者的需求。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ａ ｂ ｉ ｎｔ ｒ ｏ ａ ｉ ｎ ｆ ｒ Ｒｅ ０ ｔ ｕ ｔｎｇ Ｎｅ ｒ Ｓ ｒ ａ ｅ Ｍ ｏ ｌ Ｈｙ ｒ ｄ Ｉ ｅ ｐ ｌ ｔｏ ｏ ｃ ｎｓ ｒ ｃ ｉ ａ — ｕ ｆ ｃ ｄｅ
Ｗ ｅ ｉ ｎ ａ ａ ｇ Ｙ ａ ｈｕ ｉＹ ｗｅ ｎｄ Ｗ ｎ ｎｃ ｎ
Ａ ｐｒ ２ ２ ． ０１
混 合 插 值 法 重 构 近 地 表 模质 大 学 地 球 物 理 与 信 息 技 术 学 院 北 京 １ ０ ８ ） 中 ０ ０ ３
（ ｉｉ ｎ ９ ２ １ ６ ｃ ｍ ） ｗｅｙｗｅ ｌ ８ ＠ ２ ． ｏ
摘 要 ：当 控 制 点 多 和 网格 稠 密 时 ， 于 薄 板 样 条 （ Ｐ ） 值 的 近 地 表 模 型 重 构 往 往 很 耗 时 ， 响 了 静 校 正 中 近 地 基 Ｔ Ｓ插 影
ｅ ｌ ａ ｅ ｈｅ ｓ ａ ｓ ｉ ． Ｂａ ｅ ｎ ｗｈｉｈ ｃ ｉ ｐｌｎｅｉ ｅ ｐ ｌ ｔｏ ｕｎ ｔｏ ｓ ｃ ｅ ｔ ｄ ａ ｈｅ ｖａ ｕ ｔ ｄ ｏｎ ｔ ｐ ｒ ｅｇｒｄ ｓ ｄｏ ｃ ｕｂ ｃ ｓ ｉ ｎｔ ｒ ｏ ａ ｉ ｎ ｆ ｃ ｉ ｎ ｉ ｒ ａ ｅ ｎｄ ｔ ｎ，ｉ ｔ
第 ２ ４卷 第 ４期 ２１ ０ ２年 ４月
计算 机辅 助设 计 与 图形 学 学报
Ｊ ｕ ｎ ｌ ｆＣｏ ｏ ｒ ａ ｏ ｍｐ ｔ ｒ Ａｉ ｅ ｓｇ ＆ Ｃｏ ｕ ｅ ａ ｈ ｃ ｕ ｅ — ｄ ｄ Ｄｅ ｉ ｎ ｍｐ ｔ ｒＧｒ ｐ ｉ ｓ
ＶｏＬ ２ ｏ ４ ４ Ｎ ．
ｇｒｄ ｉ ａ ｅ ｉｄ ｗ ｉｈ ａ ｐｒ ｒａ ｅｓ ｅ ｎ ｔ ｎｄ Ｙ ｒ ｃ ｉ ｎｓａ ｈｅ ｉ ｓｒ ｒ ｆｅ ｔ ｐ ｏｐ ｉ ｔ ｔ ｐｓｉ ｈｅ Ｘ ａ ｄｉｅ ｔｏ ｎｄ ｔ ｎ，ＴＰＳ ｉ ｔ ｒ ｏｌ ｔｏｎ ｆ ｃ ｉ ｓ ｎ ｅ ｐ ａ ｉ ｕｎ ｔｏｎ ｉ
ｍ ｏ １ Ｆｉｓ ｌ ｄｅ ． ｒ ｔｙ，ｎ ｎｌ ｅ ｕ ｓｖ ｏｔｏ ｙ ｒ ｃ ｒ ｉ ｅ ＬＵ ｅ ｏ ｐ ｉｉ ｎ ｂｕ ｌｏ Ｇ ＰＵ ａ ｅ ｄ ｃ ｍ ｏｓｔｏ ｔａ ｓ ｂ ｓ ｄ ＬＵ ｃ ｍ ｐ ｉｉ ｓｕｓ ｄ ｔ ｄｅ ｏ ｏｓｔｏｎ ｉ ｅ ｏ
表 建 模 的效 率 ． 对 此 问题 ， 用 一 种 Ｔ Ｓ插 值 和 三次 样 条 插 值 相 结 合 的混 合 插 值 法 重 构 近 地 表 模 型 ． 先 利 用 矩 针 采 Ｐ 首 阵 递 归 Ｌ 分解 及 Ｇ Ｕ 加 速 的 Ｌ 分 解 算 法 求 解 大 型 线 性 方 程 组 ， 立 ＴＰ ｕ Ｐ ｕ 建 Ｓ插 值 函 数 ； 后 在 ｘ 和 ｙ 方 向上 使 用 然 适 当 的 步 长 对 网格 进 行 抽稀 ， 用 ＴＰ 运 Ｓ插 值 函 数 计 算 稀 疏 网 格 点 的值 ， 通 过 稀 疏 网格 点 建 立 三 次 样 条 插 值 函数 并 再 计 算 剩 余 网格 点 的值 ； 后 用 Ｏｐ ｎ 最 ｅＧＬ实 现 近 地 表 模 型 的 三 维 可 视 化 ． 验 结 果 表 明 ， 中 算 法 提 高 了 近 地 表 模 型 实 文 重 构 的速 度 ， 精 度 接 近 ＴＰ 其 Ｓ插 值 精 度 ． 关 键 词 ：薄 板 样 条 ； 地 表 模 型 ； 校 正 ； 次 样 条 ； 归 Ｌ 分 解 近 静 三 递 Ｕ
（ ｃ ｏ ｌ ｆ Ｇｅ ｐ ｙ ｉｓ ｎ ｅ ｉｆ ｒ ｔ ｎＳ ｓｅ ， ｈ ｎ ｉｅ ｓｔ ｆ Ｇｅ ｓｉ ｃ ｓ Ｂｅ ｉ ｇ １ ０ ８ ） Ｓ ｈ ｏ ｏ ｈ ｓｃ ａ ｄ Ｇ ｏ ｎ ｏ ｍａ ｉ ｙ ｔｍｓ Ｃ ｉａＵｎ ｖ ｒｉ ｏ ｏ ｃ ｎ ｅ 。 ｉ ｎ ０ ０ ３ ｏ ｏ ｙ ｅ ｊ
Ａｂｓｒ ｃ ：Ｗ ｈ ｎ ｔａ ｔ ｅ ｂｏ ｈ ｈｅ ｔ ｔ ｎｕ ｂ ｒ ｃ ｎｔ ｏ ｐｏ ｎｔ ａ ｔ ｓｚ ｏ ｇｒｄ ｍ ｅ ｏｆ ｏ ｒ ｌ ｉ ｓ ｎｄ ｈｅ ｉｅ ｆ ｉ ｂｅ ｏ ｅ ａ ｇ ｃ ｍ ｌ ｒ ｅ， ＴＰＳ ａ ｅ ｂ ｓ ｄ ｒ ｃ ｎｓ ｒ ｃ ｉ ｆｎ ａ — ｕｒａ ｅ ｍｏ ｌｉ ｆ ｅ ｒ ｉ ｅ ｃ ｓ ｍ ｉ ｇ．Ｔｈ ｒ ｆ ｅ，ｓ ｃ ｔ ｄ ａ ｆ ｃ ｓ ｔ ｅ ｅ ｏ ｔ ｕ ｔｏｎ ｏ ｅ ｒ ｓ ｆ ｃ ｄｅ Ｓｏ ｔ ｎ ｖｅ ｙ ｔｍ — ｏｎ ｕ ｎ ｅ ｅ ｏｒ ｕ ｈ ｍｅ ｈｏ ｆｅ ｔ ｈ
ｉ ｅ ｐ ａｉｎ ｃ ｎｔ ｒ ｏｌｔｏ ｏｍｂｉ ｉ ＴＰＳ ｎ ｎｇ ｗｉｈ ｕ ｃ ｐ ｉ ｉ ｅ ｐ ｌ ｔｏ ｉ ｕｓ ｄ ｏ ｒ ｃ ｎｓ ｒ ｃ ｉ ｎｅ ｒ ｕｒ ａ ｅ ｔ ｃ ｂｉ ｓ ｌｎｅ ｎｔ ｒ ｏ ａ ｉ ｎ ｓ ｅ ｆ ｒ ｅ ｏ ｔ ｕ ｔｎｇ ａ ｓ ｆ ｃ
ｓ ｌ ａ ｇｅ ｌｎ ａ ｙ ｔ ｍ ｑ ａ ｉ ｎ ．Ａ ｎ ｈｅ ｏ ｖｅ ｌ ｒ ｉ ｅ ｒｓ ｓ ｅ ｏｆｅ ｕ ｔｏ ｓ ｄ ｔ ｎ，ＴＰＳ ｉ ｅ ｐｏ ａ ｉ ｎ ｆ ｎｃ ｉ ｎ ｉ ｒ ａ ｅ ｎｔ ｒ ｌ ｔｏ ｕ ｔｏ ｓ ｃ ｅ ｔ ｄ．Ｓｅ ｏ ｌ ｃ ｎｄ ｙ，ｔ ｈｅ
ｅ ｆｃ ｅ ｙ ｏｆｂｕｉｄ ｎｇ ｅ ｒ ｓ ｒ ａ ｅ ｍ ｏ ｌ ｎ ｈｅ ｓ ａ ｉ ｏ ｒ ｃ ｉ ｎ． Ｔ ｏ ａ ｒ ｓ ｔ ｓ ｒ ｆ ｉｉｎｃ ｌ ｉ ｎ ａ — ｕ ｆ ｃ ｄｅ ｉ ｔ ｔ ｔｃ ｃ ｒ ｅ ｔｏ ｄｄ ｅ ｓ ｈｉ ｐ ｏｂｌｍ ， ａ ｅ ｈｙ ｒ ｄ ｂ ｉ