非参数估计法在DEM误差置信区间估计中的应用

该文献是一篇2011年的工程技术论文，主要探讨了如何改进非参数估计法来更准确地估计数字高程模型(DEM)的误差置信区间，特别是在面对非正态分布误差和有限采样数的情况下。 在数字高程模型的精度评估中，传统的全局精度指标和局部误差分布图有时无法全面反映误差特性。因此，作者针对这一问题，提出了一种改进的非参数估计法——M-NPM（Modified Nonparametric Method）。该方法旨在降低非正态误差分布和小样本数量对置信区间估计精度的影响。 研究以机载激光扫描仪获取的6个不同区域的DEM数据为样本，通过交叉验证法得到了三组接近正态分布和三组非正态分布的误差数据。通过对这些误差数据进行随机采样，M-NPM方法可以计算出95%置信水平的误差方差区间，并与传统的非参数方法NPM（Nonparametric Method）进行对比。分析结果显示，当采样数小于40时，两种方法的精度都会受到误差母体分布的影响，但M-NPM受到的影响较小。此外，对于非正态分布的误差母体，M-NPM的估计精度显著优于NPM，且不论误差母体分布如何或采样总数多少，M-NPM的精度始终更高。然而，这种更高的精度是以更宽的置信区间为代价的。 M-NPM的提出是对NPM方法的优化，尤其是在处理非正态分布误差和有限数据集时，能够提供更可靠的置信区间估计，这对于理解和改善DEM的精度评估具有重要意义。这一研究对于遥感、地理信息系统(GIS)以及地形分析等领域中的误差分析和模型校准具有实际应用价值。 关键词: 置信度; 数字高程模型; 精度; 非参数估计 中图法分类号: P208 通过这篇论文，读者可以了解到在DEMs的精度评估中，如何运用统计学方法来处理非正态误差分布，以及如何在样本量有限的情况下提高置信区间的估计准确性。M-NPM方法的提出为DEM误差分析提供了新的工具，有助于提升地理空间数据的可信度。