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