点击关注 关注我们吧~

在测绘学的领域中，有一个至关重要的概念 —— 平差（adjustment）。它是采用特定估算原则处理各类测量数据，从而求得待定量最佳估值并进行精度估计的理论和方法，在测绘学的测量数据处理与质量控制方面占据着关键地位。

测量平差的诞生源于生产实践的需求。早在十八世纪末，在测量学和天文测量学等实践活动里，人们面临着如何消除观测误差引发的观测量之间矛盾的难题，也就是要从带有误差的观测值中探寻未知量的最佳估值。1794 年，年仅 17 岁的德国天才高斯率先提出了解决方案 —— 最小二乘法。他依据偶然误差的四个特性，以算术平均值作为待求量的最或然值，进而推导出偶然误差的概率分布，并给出了基于最小二乘原理的未知量最或然值计算方法，不过当时高斯并未正式发表这一原理。直到 1806 年，法国数学家勒让德从代数角度独立提出了相同的方法，并将其命名为最小二乘法。

在随后的漫长岁月里，直至二十世纪五六十年代，测量平差主要以观测偶然误差为基础，形成了经典测量平差体系，其主要包含条件平差法、间接平差法（又称参数平差法）、附有参数的条件平差法和附有限制条件的间接平差法这四种方法。

然而，近三十多年来，随着科技的飞速发展，测量领域发生了翻天覆地的变革。测量仪器从传统的光学仪器迈向电子化、数字化和自动化；观测范围从单纯的地面测量延伸至海洋、空中乃至卫星测量。与此同时，用户对观测成果的精度和质量期望越来越高，交叉学科也对测量平差提出了新的要求。在这些因素的共同推动下，测量平差实现了巨大的飞跃，近代测量平差体系应运而生。

近代测量平差在理论体系上实现了重大转变，从以代数为主转变为以概率统计学为主，并与现代数学紧密结合。在误差处理方面，从仅仅关注偶然误差拓展到涵盖系统误差和粗差及其相应的平差方法。在估计准则上，从单纯的最小二乘法最优估计扩展到极大似然估计、极大验后估计、最小方差估计以及贝叶斯估计等多种统计估计准则。此外，还催生了诸如秩亏网平差（又称自由网平差）、滤波、推估和配置、稳健最小二乘平差等一系列全新的平差方法。

测量平差从经典到近代的发展历程，见证了测绘学的不断进步与创新。它在现代测绘及众多相关领域中持续发挥着不可或缺的作用，为我们获取更精确的测量结果、推动科学研究与工程建设提供了坚实的技术支撑。