無(wú)人機(jī)技術(shù)作為現(xiàn)如今測(cè)量的先進(jìn)技術(shù),已被逐漸廣泛應(yīng)用,由于DEM數(shù)據(jù)在實(shí)測(cè)過程中只能形成點(diǎn)數(shù)據(jù),因此對(duì)點(diǎn)數(shù)據(jù)的插值計(jì)算一直是測(cè)繪專業(yè)研究的熱點(diǎn)。為找出適用于無(wú)人機(jī)DEM測(cè)點(diǎn)插值計(jì)算的最優(yōu)模型,本文基于GEM模型、RF模型和M5T模型,以降雨、經(jīng)緯度和海拔為輸入?yún)?shù),對(duì)不同模型下的DEM進(jìn)行了插值計(jì)算,結(jié)果表明:GEM模型表現(xiàn)的精度最高,該模型RMSE僅為11.72 m,RRMSE為12.7%,R2為0.964,Ens為0.946,MAE為11.28 m,該模型可作為無(wú)人機(jī)DEM測(cè)點(diǎn)插值計(jì)算的標(biāo)準(zhǔn)模型使用。 

【文章頁(yè)數(shù)】：4 頁(yè)

【文章目錄】：
0 引言
1 模型構(gòu)建及評(píng)價(jià)指標(biāo)
    1.1 M5 Tree模型
    1.2 隨機(jī)森林模型
    1.3 高斯指數(shù)模型
    1.4 評(píng)價(jià)指標(biāo)體系
2 實(shí)驗(yàn)與分析
3 結(jié)束語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]基于三次樣條插值的智能汽車酒駕測(cè)控系統(tǒng)設(shè)計(jì)[J]. 羅春林,崔浩,舒朝君,王亞.  現(xiàn)代電子技術(shù). 2019(10)
[2]基于BP神經(jīng)網(wǎng)絡(luò)的高頻地波雷達(dá)海流空間插值[J]. 黃奇華,吳雄斌,岳顯昌,張?zhí)m.  海洋學(xué)報(bào). 2019(05)
[3]機(jī)載LiDAR點(diǎn)云獲取與高精度DEM建設(shè)關(guān)鍵技術(shù)探討[J]. 楊輝山,雷麗珍.  測(cè)繪通報(bào). 2019(03)
[4]DEM插值誤差的分布及與地形因子的相關(guān)性研究——以黃土高原丘陵溝壑區(qū)的試驗(yàn)為例[J]. 李夢(mèng)君,李霖,李峰.  國(guó)土與自然資源研究. 2019(01)
[5]Study of heat transfer by using DEM–CFD method in a randomly packed pebble-bed reactor[J]. Qiang Niu,Na-Xiu Wang.  Nuclear Science and Techniques. 2019(02)
[6]基于GPU的DEM并行克里格插值算法[J]. 趙磊,李珂.  北京測(cè)繪. 2018(03)
[7]干熱河谷沖溝DEM插值誤差的空間分布研究[J]. 岳彥利,羅明良,張斌.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(07)
[8]LiDAR數(shù)據(jù)生成DEM濾波與插值方法選取研究[J]. 申艷琴,韓健健.  北京測(cè)繪. 2017(01)



本文編號(hào)：3695238