<\/HEAD>
私の同僚である@Konstantin Krivoruchkoと@Kevin Butlerによって書かれた重要な記事を共有したいと思います。これはDEMを扱う方、特に説明力の高い追加的または代替的なDEM作成手法を探している方にとって必読です。<\/P>
<\/P>
記事からの一部抜粋:<\/P>
「ラスター形式のデジタル標高モデル（DEM）は、最も重要なGISワークフローの基盤です：水文モデリング、サイト適合性評価、コストパス解析など。デジタル標高モデル（DEM）を生成する技術はいくつかありますが、真の標高面を生成できるものはありません。局所的に変動する測定誤差と補間方法の不正確さが、モデルによる真の標高値推定の不確実性に寄与しています。ArcGIS 10.1 for DesktopのGeostatistical Analyst拡張機能で利用可能なクリギングモデルと地統計シミュレーションは、ライダー（lidar）データから導出されたDEMの空間的に変動する不確実性を定量化します。...<\/P>
<\/P>
決定論的アルゴリズムの代替として、クリギングなどの確率的統計補間法は決定論的方法よりもいくつかの利点があります。2012年秋号のArcUserマガジンに掲載された「Empirical Bayesian Kriging: Implemented in ArcGIS Geostatistical Analyst」という記事では、これらの利点が詳細に論じられています。」<\/P>
<\/P>
さらに読むには、また著者に直接連絡するには、添付ファイルをご覧ください。<\/P>
<\/P>
楽しいクリギングを！<\/P><\/BODY><\/HTML>
