Answers:
如果要创建最高质量的配置文件，则算法必须基本上包括查询路径相交的每个单元格，然后它就变成了简单的2D曲线拟合问题。但是，如果您只想采样这些点的一个子集并创建一个视觉上更令人愉悦的轮廓，则可能会发现，来自地球计算的这篇论文有很多不同的插值技术用于采样高程及其背后的数学运算。
高程轮廓计算两个曲面的相交。其中之一是由路径确定的垂直图纸。（也就是说，它由所有坐标（x，y，z）组成，其中（x，y）在路径上，z是任意数字。）另一个是栅格DEM表示的曲面。因此，这等于找到位于曲线点上方的z值。 这使其与从栅格插值的问题相同。 特别是，尽管它具有将曲线拟合到（距离，高程）数据的更简单的一维问题的许多特征，但事实并非如此。同样的情况。以这种方式查看它可能会产生次优的高程剖面，因为您将不会在曲线两侧的栅格数据的完整2D范围内利用这些信息。
显然，所有附加到插值曲面的注意事项在这里都是相关的。有许多竞争方法，每种方法都有优点和缺点，每种方法都适合不同的用途，并且每种方法都有自己的“质量”。它们包括（但不限于）：
在给定不一定与任何数据点一致的任意位置（x，y）的情况下，所有这些算法都是根据数据估算值z（x，y）的算法。 顺便说一下，这就是绘制栅格数据集的方式：要确定屏幕或纸张（地图）上特定像素（u，v）的颜色，需要计算像素的世界坐标（x，y），使用插值器计算值z（x，y），并使用渐变或查找表将该值转换为颜色。（为了提高效率，我怀疑许多GIS不会在每个像素上执行此过程：相反，它们对像素进行常规的子采样，找出其颜色，然后在屏幕或纸张上对颜色进行一些简单的插值。）
我们可以将像素视为确定用于插值的平面位置的常规样本。创建高程轮廓涉及类似的考虑：沿路径在何处定位“像素”？ 答案的开发方式与我们回答地图制作相应问题的方式相同：您需要什么比例？大规模（放大）时，您需要进行更近距离的采样；在小比例尺上，您可以以较大的间距进行采样。如果您很聪明，甚至可以使用自适应或递归方法将采样集中在z值变化最快，曲率最大或达到极限值的位置。如果您不那么聪明，或者不需要最好的表示，则可以沿着路径在距离d（0）<d（1）<... <d（n）上创建一组等距的值沿路径并从附近的栅格值插值相应的高程z（0），z（1），...，z（n）。然后，您将绘制对（d（0），z（0）），...，（d（n），假设z（i + 1）-z（i）的变化足够小，以至于曲线的拟合方式都无关紧要。（自适应方法检查这些变化，并在出现较大变化的中间距离处获得更多的插值。）
这使我们想到了问题的核心：初始采样距离应该是多少？ 答案取决于仰角轮廓的预期比例，DEM值的精度，将曲线记录到DEM位置的精度以及沿轮廓及其附近的高程变化率。通常，更大的比例尺（即放大），高程和地理配准的更好精度以及更高的变化率要求更近的间距。因为它们以复杂的方式相互作用，所以没有最佳间距的一般规则。不过，起初，您可以期望任何比栅格像元大小更细的间距都不会给您带来多少好处。从而，如果您有能力使用相对较小的间距来计算高程剖面，则最好继续进行。这可能是矫kill过正，但是那又如何呢？
注意，这种方法充其量只能准确地再现内插的高程值。 这些几乎总是栅格所代表的高程的降级版本。例如，山区的许多DEM达不到峰的高度，因为峰通常落在栅格像元之间。在亚峰高程之间进行插值时，通常会得到某种加权平均值，该平均值仍将小于峰高。因此，正好越过山峰的路径的高程分布很少会达到峰高。（三次卷积和某些形式的克里金法（包括使用克里金法的随机模拟））可以克服此问题的轻度形式。如果您想重现海拔轮廓的统计特征，而不是寻求将极端情况平均化的“最佳拟合”，请与他们联系。