空间信息的尺度、不确定性与融合2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

空间信息的尺度、不确定性与融合PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章　概述1

1.1 空间信息1

1.2　空间信息集成5

1.3 尺度8

1.4　不确定性14

1.5 内容介绍19

第2章　空间数据模型23

2.1　概述23

2.2 场26

2.2.1　模型26

2.2.2　地形因子31

2.3　对象36

2.3.1　模型36

2.3.2　矢量数据结构40

2.3.3　若干几何及拓扑操作44

2.4　讨论47

第3章　数理统计基础49

3.1 概述49

3.2　随机事件与概率50

3.2.1　随机事件50

3.2.2　概率52

3.2.3　概率模型53

3.2.4　条件概率、概率的乘法公式、全概率公式、Bayes公式54

3.2.5　事件的独立性55

3.3　随机变量及其分布56

3.3.1　随机变量的定义56

3.3.2　随机变量的分布函数57

3.3.3　离散型随机变量58

3.3.4　连续型随机变量59

3.3.5　二维随机变量60

3.4　随机变量的数字特征64

3.4.1　数学期望64

3.4.2　方差65

3.4.3　几种重要随机变量分布的数学期望及方差66

3.4.4　协方差及相关系数、矩66

3.5 大数定律和中心极限定理68

3.5.1　大数定律68

3.5.2 中心极限定理70

3.6　统计推断基础71

3.6.1　统计推断的几个基本概念72

3.6.2　统计量的描述73

3.6.3　统计量的分布76

3.7　区间估计77

3.7.1　点估计77

3.7.2　估计量的评价标准77

3.7.3　区间估计78

3.8 假设检验79

3.8.1　假设检验的基本概念79

3.8.2　正态总体参数的假设检验80

第4章　空间变异与分析83

4.1　概述83

4.2 随机函数84

4.3　区域化变量85

4.4　协方差函数和变异函数87

4.4.1　协方差函数87

4.4.2　变异函数87

4.4.3　协方差函数和变异函数的关系89

4.5 内蕴假设及平稳假设91

4.5.1 内蕴假设91

4.5.2　平稳性假设92

4.6　估计方差93

4.7　离差方差98

4.8　变异函数及结构分析99

4.8.1 变异函数的性质100

4.8.2　变异函数的理论模型100

4.8.3　结构分析104

第5章 空间预测：克里格法116

5.1 概述116

5.2　克里格法的基本原则117

5.3　普通克里格法118

5.3.1　简单克里格法与普通克里格法118

5.3.2　普通克里格法的解算过程119

5.3.3　点克里格的计算实例124

5.3.4　块段普通克里格的计算实例128

5.4　泛克里格法130

5.4.1 泛克里格法概述130

5.4.2　漂移及其形式131

5.4.3 泛克里格法的基本假设及非平稳区域化变量的变异函数132

5.4.4　点支撑条件下的泛克里格法135

5.4.5　块段支撑条件下的泛克里格法138

5.4.6　漂移的估计143

5.5　协同克里格法146

5.5.1　协同变异函数146

5.5.2　协同克里格方程组147

5.6　指示克里格法148

5.6.1　指示变异函数148

5.6.2　指示克里格方程组149

第6章　随机模拟与空间不确定性建模151

6.1　概述151

6.2　随机模拟的原理153

6.2.1　条件模拟153

6.2.2　条件模拟的前提154

6.3　序贯高斯模拟155

6.3.1　单个变量的模拟156

6.3.2　涉及多变量的随机模拟162

6.4　协同区域化的模拟164

6.4.1 共位协同克里格和马尔可夫模型166

6.4.2　带有外部漂移的克里格法167

6.4.3　带有趋势模型的克里格法167

6.4.4　多变量的联合模拟169

6.5　块段的模拟170

6.5.1 模拟点的平均170

6.5.2　点的非条件模拟和块段为条件化172

6.5.3　块段的直接条件模拟173

6.6　空间不确定性建模174

6.6.1　随机模拟与空间不确定性建模174

6.6.2　实例——矢量数据的误差建模177

6.6.3 实例——数字摄影测量中DEM—DOM—DLG的误差传递183

第7章　尺度模型与尺度转换190

7.1 概述190

7.2 变异函数的正则化及其求逆197

7.3　遥感场景离散目标的正则化202

7.4　土地覆盖专题类别场的尺度转换215

第8章　空间信息集成235

8.1 概述235

8.2　协同克里格法的深化239

8.3　数据源误差的处理245

8.4 回归克里格法250

8.5　积雪参数数据的套合254

第9章　时空模型与信息融合260

9.1　概述260

9.2　卡尔曼滤波原理与算法262

9.3　卡尔曼滤波的扩展271

9.3.1　空间维扩展271

9.3.2　序贯数据同化274

9.3.3　多尺度空间树模型276

9.3.4　时空模型279

9.4　应用实例282

第10章　结语288

10.1　尺度288

10.2　不确定性292

10.3 时空数据集成与信息融合296

参考文献300