海洋预警报产品抽稀方法研究——以海流数据为例

在确保海洋预警报产品质量的前提下,基于抽稀比例要求,定量抽稀海量数据,从而快速、准确地进行海洋预警报产品可视化表达。以海流数据为例,提出基于空间分层抽样的抽稀方法。将统计学中的抽样理论应用于海流数据的抽稀方法中,通过对海流数据单一聚类因子加权处理,得到综合聚类因子。基于综合聚类因子建立"抽稀框",在充分顾及局部环境内海流大小和方向奇异值的前提下,进行冗余点的删除。从而保证了抽稀后海流预警报产品质量和可视化效果。

复杂地形条件下多密度级无人机LiDAR点云DEM精度研究——以2022年北京冬奥会延庆赛区为例

为进一步提升复杂地形条件下无人机激光雷达(Light Detection and Ranging,LiDAR)点云数据构建数字高程模型的效率与精度,以2022年北京冬奥会延庆赛区场馆建设用地为实验区,按照不同抽稀比例,对实验区原始无人机激光雷达点云中分类出的地面点数据进行抽稀处理,利用克里金插值算法对不同密度地面点数据进行插值处理,结合高程中误差、平均绝对误差对生成的数字高程模型进行双重精度评定,得出以下结论:对于复杂地形而言,随着点云数据密度的下降,数字高程模型建模效率明显提升,但地形特征逐渐模糊,数据精度级别逐级降低,其中高程中误差由0.381 m增大至1.914 m,平均绝对误差值由0.335 m增大至1.357 m。在满足精度要求的前提下,对LiDAR点云数据进行适度抽稀处理,可保障生产成本与时效。