地理信息学与地统计学：概述

基于地质统计学的融合提高数字高程模型测高精度

Felgueiras CA、Ortiz JO、Camargo ECG、Namikawa LM、Rosim S、Oliveira JRF、Renno CD、Sant'Anna SJS 和 Monteiro AMV

本文使用基于地理统计方法的融合来提高数字高程模型 (DEM) 的测高属性的精度。普通克里金法、带外部漂移的克里金法、回归克里金法和协同克里金法程序用于评估不确定性表示，从中可以获得测高预测和其他信息。融合数据建模是根据现有的 DEM（主要在互联网上免费提供）和额外的高精度 3D 采样点集进行的。虽然免费软件 DEM 很密集并且通常具有良好的空间分布，但它们的测高信息的精度
可能不适合许多应用。缓解此问题的一种方法是在数据建模过程中将可用的 DEM 数据与来自其他各种来源且质量更好的附加信息相结合。通常，高精度测高数据是在现场工作中以更高的成本
在感兴趣的空间区域内的特定点位置收集的。简而言之，这项工作旨在通过地理统计方法整合不同来源的空间高程信息、数据结构和高程精度，以获得更精确的 DEM。本研究中涉及的方法应用于
巴西东南部地理区域的案例研究。使用独立的高精度数据集和基于 DEM 差异和排水网络自动提取的比较进行了定量和定性验证。对于所考虑的研究区域，具有外部漂移的克里金法和回归克里金法导致了类似的定量和定性改进，优于协同克里金法。