Globale Interpolations- und Prädiktionsverfahren Seminar Geoinformation WS 2000 / 2001 Referent: Jens Stenger
Globale Interpolation I. Einführung II. Globale Methoden IV. Beispiel DGM Sämtliches verfügbares Datenmaterial wird genutzt um Vorhersagen für das gesamte betrachtete Gebiet abzuleiten Globale Methoden basieren in der Regel auf einfachen statistischen Verfahren (Varianz-Analyse / Regression)
Interpolationsmethoden I. Einführung II. Globale Methoden IV. Beispiel DGM Globale Methoden Klassifizierung aufgrund externer Information Trendflächen Globale Regression auf Grundlage von cheap-to-measure Attributen (Kriging) Lokale Methoden
Verwendung eines Klassifizierungsmodells I. Einführung II. Globale Methoden IV. Beispiel DGM Einbeziehung von „soft information“ Einteilung des Gebiets in verschiedene Regionen charakterisiert durch Mittel und Varianz der Attribute
ANOVA-Modell einfaches statistisches Modell I. Einführung II. Globale Methoden IV. Beispiel DGM einfaches statistisches Modell ANOVA = Analysis of Variance Signifikanz der Klassifizierung kann über einen F-Test getestet werden
Datentransformationen I. Einführung II. Globale Methoden IV. Beispiel DGM Grund für eine Transformation Datenmaterial ist nicht immer normalverteilt Transformationsmethoden logarithmisch Wurzel-Transformation
Beispiel zum Klassifizierungsmodell I. Einführung II. Globale Methoden IV. Beispiel DGM Vorhersage von Zink-Niveau im Boden mit dem ANOVA-Modell soft-information: Karte mit Überschwemmungshäufigkeiten 3 Klassen jährlich alle 2-5 Jahre weniger als 5 Jahre
Trendflächen I. Einführung II. Globale Methoden IV. Beispiel DGM Bei kontinuierlicher Variation eines Attributes kann eine Modellierung über eine glatte mathematische Fläche möglich sein Grundidee: über das beobachtete Datenmaterial wird ein Polynom eingepaßt Werte an unbekannten Punkten können aufgrund ihrer Koordinaten vorhergesagt werden
Multiple Regression I. Einführung II. Globale Methoden IV. Beispiel DGM im zweidimensionalen Fall sind die durch multiple Regression erhaltenen Kurven von der Form linear quadratisch
Wahl des richtigen Polynomgrads I. Einführung II. Globale Methoden IV. Beispiel DGM Zielsetzung Minimierung der Quadratsumme der Residuen Wahl des richtigen Polynomgrads Mit einem Hypothesentest wird geprüft, ob sich mit der Erhöhung des Grads des Polynoms die Einpassung signifikant verbessert
Vorteile Nachteile sehr einfache Technik empfindlich gegen Ausreißer I. Einführung II. Globale Methoden IV. Beispiel DGM Vorteile sehr einfache Technik Nachteile empfindlich gegen Ausreißer Vorhersage von negativen Konzentrationen möglich
Globale Regression auf Grundlage von cheap-to-measure Attributen I. Einführung II. Globale Methoden IV. Beispiel DGM cheap-to-measure Attribute Informationen, die relativ leicht erhältlich sind betrachtetes Attribut ist abhängig von assoziierten Attributen Bsp. Zink-Niveau im Boden abhängig von der Distanz zum Fluß abhängig von der Höhe der Schwemmebene
Regressionsmodell Regressionsmodell ist von der Form I. Einführung II. Globale Methoden IV. Beispiel DGM Regressionsmodell ist von der Form das Modell wird auch als „Transfer Funktion“ bezeichnet Koordinaten und assoziierte Attribute P können in einer Regression kombiniert werden
Repräsentationsmethoden I. Einführung II. Globale Methoden IV. Beispiel DGM Modellierung ist möglich über regelmäßige Netze (Höhen-Matrizen) Trianguliertes Netzwerke (TIN) die beiden Formen sind konvertierbar
Datenquellen terrestrische Messungen Photogrammetrie I. Einführung II. Globale Methoden IV. Beispiel DGM terrestrische Messungen Photogrammetrie Digitalisierung von Höhenlinien aus Karten
Darstellungsmöglichkeiten I. Einführung II. Globale Methoden IV. Beispiel DGM Grauwertbild (Höhe) Grauwertbild (Kompasslage) bei Verwendung einer geeigneten Grauskala erscheint das Bild von Norden beleuchtet räumlicher Eindruck wird erweckt