ASTER GDEM V2的南极冰川高程误差校正及精度分析

ASTER GDEM V2是研究南极冰盖表面的一种重要DEM数据源。由于南极冰雪区反射率高且缺乏地形特征,导致ASTER GDEM V2存在大量的坑、隆起等噪声,难以直接用于南极地形分析。本文以ICESat/GLAS激光点高程数据作为参考,采用修正等高线法对南极伯德（Byrd）冰川ASTER GDEM V2进行了误差校正,并将其与ICESat-1 DEM的垂直精度进行了对比分析。结果表明：ASTER GDEM V2的RMSE由校正前的26.56 m下降到校正后的18.77 m,远低于ICESat-1 DEM的RMSE（121.24 m）;校正后的ASTER GDEM V2高程精度受坡度影响较小,不存在明显的系统误差,而ICESat-1 DEM的高程精度受坡度的影响较大。本研究进一步通过地形剖面分析得到：校正前的ASTER GDEM V2噪声主要分布于高程较低、地形平坦的区域,通过修正等高线的方法可以有效去除这些噪声,去除噪声后的ASTER GDEM V2可作为研究伯德冰川理想的DEM数据源。     

对ASTER GDEM数字高程模型的精度评价及修正

针对ASTER GDEM高程精度还未得到充分验证,以江西省莲花县为试验区,使用ICESat-2数据系统分析了ASTER GDEM在坡度、地形起伏度和土地利用类型中的误差分布。结果表明,ASTER GDEM受坡度、地形起伏度影响严重,随坡度、地形起伏度增加,GDEM误差呈上升趋势;对于不同土地利用类型,GDEM误差存在较大差异,在水域误差最大,在建设用地误差最小。最后,使用后向传播神经网络(BPNN)对莲花县ASTER GDEM修正,结果发现BPNN模型可以有效改善其高程精度。     

利用弹性反馈神经网络融合ASTER GDEM和SRTM1高程数据

由于数据获取与后期处理方式不同,先进星载热发射和反射辐射仪全球数字高程模型(advanced spaceborne thermalemissionandreflectionradiometerglobaldigitalelevationmodel,ASTERGDEM)和航天飞机雷达地形测绘任务(shuttle radar topography mission,SRTM)数据在高程精度上存在差异,采用弹性反馈（resilient backpropagation,RProp）神经网络算法对二者进行融合处理,实现优势互补以提升高程精度。选取两个黄土丘陵沟壑地貌样区分别用于模型建立与效果验证,1∶10 000高程精度为参考数据,在建模样区应用RProp神经网络算法构建ASTER GDEM高程校正模型、SRTM1高程校正模型、ASTER GDEM与SRTM1高程融合模型,同时应用误差反向传播(back propagation,BP)神经网络建立ASTER GDEM与SRTM1高程融合模型,将这些模型的高程精度优化效果进行对比,并在验证样区检验RProp融合模型的可行性。结果表明,RProp融合模...     

影响黄土高原集水面积阈值的地形因子主成分分析

以ASTER GDEM为信息源、22个典型小流域为样区,分析黄土高原集水面积阈值与沟谷密度的关系,利用均值变点法确定最佳阈值,探讨了影响阈值的数字高程模型（digital elevation model,DEM）地形因子主成分。结果表明,集水面积阈值由北向南、自东向西逐步增大,宏观上受黄土高原地貌类型制约,地形因子对其的影响成分归纳为坡面、起伏及高程变异因子。坡面因子的最大值与阈值正相关,坡度>粗糙度>地形曲率>平面曲率>剖面曲率。起伏因子的均值与阈值正相关,起伏度>切割深度。高程变异因子与阈值负相关。三者的主成分贡献率依次为58.754%、18.915%、11.388%,权重为0.527、0.229、-0.569。研究表明,坡面特征是影响黄土沟谷发育的重要因子。     

ASTER GDEM与SRTM3高程差异影响因素分析

作为最新发布的全球地形数据,ASTER GDEM比目前常用的SRTM3数据有着更高的分辨率和更广的覆盖范围,对于相关地学分析具有重要意义。本文以华中地区为研究区域,对ASTER GDEM与SRTM3数据进行了比较,重点分析了坡度、坡向、地形起伏度、土地利用类型、植被覆盖度、生成ASTER GDEM栅格点高程数据所用的ASTER DEM影像数等因素对2种DEM数据高程差异的影响。结果表明,在研究区域内,ASTER GDEM高程比SRTM3高程平均低5.42 m,两种DEM数据高程差异的RMS值为16.90 m;ASTER GDEM与SRTM3之间的高程差异随着坡度、地形起伏度、植被覆盖度的增大而增大,而ASTER DEM影像数越大,高程差异越小;坡向、土地利用类型对高程差异也有影响。     

利用车载动态PPP技术检核SRTM、ASTER GDEM和AW3D模型的高程精度

SRTM、ASTER GDEM和AW3D是比较有代表性的全球数字高程模型。本文探讨了采用车载动态PPP技术对上述3类模型的区域高程精度进行检核,首先沿广州至肇庆公路进行连续数据采集,采用动态精密单点定位（PPP）技术解算动态点的WGS-84坐标;然后利用EGM2008重力场模型和仪器高获得动态点的正常高;最后采用4种不同的插值方法对SRTM、ASTER GDEM和AW3D模型进行高程检验。检核结果显示：不同的插值方法具有较好的一致性,SRTM3 V4.1、ASTER GDEM V2、AW3D30的高程标准差分别优于3.4 m、4.1 m和3.3 m,均优于其全球标称高程精度;本文检核方法快速高效,有较好的适用性。     

基于地统计学的黄土高原地貌分异规律研究

地统计分析是研究区域化变量的重要手段,以陕北黄土高原为研究区域,采用数字地形分析结合地统计学的方法进行地形空间分异规律研究.选取神木、绥德、延川、甘泉、宜君、长武、淳化7个样区,从变程、偏基台值、块金值3个指标,分析了黄土高原地区高程、坡度、剖面曲率和平面曲率在空间上的分异规律.结果表明,高程的块金值变化与地形粗糙度存...     

我国东部地区ASTER GDEM高程精度评价

为了解我国ASTER GDEM数据高程精度,在考虑空间分布的情况下,选取我国东部辽宁、山东、浙江和海南4个地区的平原、丘陵、山地等作为典型研究区,并以1∶5万DEM为假定真值、以1∶25万DEM为参照,通过DEM面误差可视化分析和DEM面误差信息熵模型等方法对ASTER GDEM数据的高程精度做了分析。结果表明:ASTER GDEM数据高程误差在整个地图上分布是否均匀与其高程精度高低无决定关系;在山地和丘陵地形研究区,其数据高程精度要高于SRTM DEM和1∶25万DEM。总体来看,中国东部地区ASTER GDEM数据高程精度整体上要高于SRTM DEM和1∶25万DEM,但低于1∶10万DEM。     

多源DEM融合的高差拟合神经网络方法

本文侧重于介绍智能化摄影测量机器学习的高差拟合神经网络方法。观测手段和处理方式等限制导致全球高质量无缝DEM数据的缺乏,进而制约了它在水文、地质、气象及军事等领域的应用。本文提出了一种基于高差拟合神经网络的多源DEM融合方法,尝试融合全球DEM产品SRTM1、ASTER GDEM v2和激光雷达测高数据ICESat GLAS。首先,根据ICESat GLAS的相关参数及与DEM数据的高程差值,结合坡度自适应的思想设置高差阈值对ICESat GLAS进行滤波,剔除异常数据点。然后,以ICESat GLAS数据为控制点,利用神经网络模型拟合ASTER GDEM v2的误差分布。以地形坡度信息和经纬度坐标作为网络输入,ICESat GLAS和ASTER GDEM v2的高程差值作为目标输出,训练得到预测高差,将其与ASTER GDEM v2高程值相加即可获得校正结果。最后,引入TIN差分曲面的方法,利用校正后的ASTER GDEM v2高程值对SRTM1的数据空洞进行填充,融合生成空间无缝DEM。本文通过随机选取数据进行真实试验,对模型进行了精度验证,并给出了处理结果的定量评价和目视效果。结果表明,不论是空洞还是整体区域,本文方法相比其他DEM数据集和其他方法的处理结果都能够在RMSE上表现出优势,同时,本文提出的方法能够有效克服ASTER GDEM中异常值的影响,得到空间无缝DEM。     

统计回归分析算法校正AW3D30高程误差适用性研究

针对AW3D30在不同区域存在高程误差存在明显差异的问题,该文选取秦岭高山、中山以及低山3个地貌类型区,1:50 000 DEM作为参考数据,在数据预处理之后,通过提取一定量采样点与验证点及其地形参数和森林覆盖率指数,利用多元回归模型、随机森林和支持向量机算法校正AW3D30高程误差并对其适用性进行探讨.实验结果表明,...     

资源三号测绘卫星 DSM 与AST ER GDEM 精度对比分析--以高海拔山区为例

为了评价国产资源三号测绘卫星DSM数据质量,选取地貌类型丰富的云南省高海拔山区为试验样区,以1∶10 000实测地形图DEM为假定真值,以30m分辨率ASTER GDEM为评价参照,从高程精度和地形描述精度两方面着手,对国产资源三号测绘卫星DSM数据精确性进行分析。结果表明:国产资源三号测绘卫星DSM数据精度整体高于ASTER GDEM。     

地形因子流程化提取的模型描述与方法研究

将工作流思想引入到地形因子的提取中,应用可扩展标记语言(extensible markup language,XML)对地形因子流程化提取过程进行建模描述与方法研究。通过对地形因子提取过程中数据流转关系和数据输入与输出、参数执行、因子模型与驱动执行的结构化组织与描述,形成一套适用于地形因子流程化提取的模型和建模方法。在基础地形因子提取算法的基础上,采用分辨率为5 m×5 m的数字高程模型(digital elevation model,DEM)数据,对实验区域的地形因子进行全自动流程化提取验证。同时,应用该模型对实验区域的河网进行提取,均取得了良好效果,表明该模型具有较强的普适性与可扩展性。     

基于深度置信网络的多源DEM点面融合模型

融合多源数字高程模型(digital elevation model, DEM)数据能有效利用数据间的互补优势,提升单一源数据的质量。提出一种基于深度置信网络(deep belief networks, DBN)的点面融合模型,在DBN的框架下考虑地形坡度、地表覆盖和空间位置信息等因素对DEM高程误差空间分布的影响,建立DEM高程值与高精度激光雷达测高数据之间的回归关系,从而实现多源栅格DEM与激光雷达测高点数据的空间融合,提升栅格DEM的垂直精度。对于空洞数据,根据空洞和非空洞区域的范围建立相应的输入数据集,分别进行融合,再利用不规则三角网差分曲面方法实现融合结果的无缝拼接。实验结果表明,相比原始DEM数据和两两融合的结果,所提出的多源DEM点面融合模型能够大幅度提升数据精度,有效解决原始数据中存在的空洞、噪声和异常值等问题。     

不同格网密度的DSM/DEM对影像分类精度的影响研究

在无控制点的卫星影像正射校正中,大多采用DSM/DEM数据作为辅助数据来消除或限制因地形起伏引起的形变,然而经不同格网密度的DSM/DEM正射校正后的影像对后续处理会产生不同程度的影响,如对地物分类精度产生影响。针对这一问题,本文分别采用不同的DSM/DEM数据(China DSM 15 m、ASTER GDEM 30 m和SRTM 90 m)对资源三号影像进行正射校正,然后对正射校正后影像利用支持向量机进行分类,比较正射校正后影像结果的分类精度。结果表明:在相同重采样方法下,影像经China DSM 15 m DSM正射校正后结果的分类精度优于ASTER GDEM 30 m DEM和SRTM 90 m DEM。     

随机森林回归模型用于土壤重金属含量多光谱遥感反演

本文以陕西省柞水县大西沟矿区为研究区域,通过实地采集土壤样本,结合在Landsat 8多光谱遥感影像上提取的辐射亮度值和光谱衍生指数,以及从ASTER GDEM提取的3种地形因素,通过相关性分析确定了建模因子,并以K折交叉验证法建立了砷、铜、铅3种重金属元素的随机森林回归模型。试验结果表明,所建立模型的预测精度优于多元线性回归模型和CART模型,可见随机森林回归模型适用于在小样本情况下的矿区重金属含量反演。经现场调查,空间反演结果与实际情况较符合,证明了基于多光谱遥感的随机森林回归模型在矿区土壤重金属反演中的准确性。     

顾及地形坡度的SRTM和ASTER加权融合

为了克服现有SRTM和ASTER各自缺陷,提升公共DEM精度,本文提出了一种顾及地形坡度的SRTM和ASTER加权融合方法。首先对两种DEM进行地理配准;然后计算不同坡度等级下SRTM和ASTER的高程误差,并得到DEM融合权重;最后采用加权平均法对SRTM和ASTER进行融合。高精度控制点的检验表明：融合后DEM精度有明显提高,相比于原始SRTM和ASTER高程误差,标准差分别降低了5.65 m和1.20 m。     

SRTM(1″)DEM在流域水文分析中的适用性研究

高精度的数字高程模型(digital elevation model,DEM)数据是流域水文分析应用的基础。美国地质调查局新发布了全球高分辨率数字高程数据产品,其空间分辨率为1″(约为30 m)。为评价该数据在流域水文分析中的适用性,以鹤壁汤河流域为实验区,以机载LiDAR DEM数据为参考,统计了SRTM(1″)数据的高程误差,分析了坡度、坡向、地表覆盖等对误差的影响;在基于地形的水文分析中,统计分析了SRTM(1″)数据误差对地形湿度指数、坡度坡长因子以及汇流动力指数等地形指数计算的影响;最后选取流域汇水区面积、最长水流路径长度、形状系数、弯曲度系数等流域特征参数对两种DEM数据提取结果进行了对比。研究表明SRTM(1″)DEM数据具有较高的精度,原始数据均方根误差为5.98 m,在消除平面位移误差后减小为4.32 m。基于地形的水文分析表明SRTM DEM与LiDAR DEM计算结果具有一定的差异,地形湿度指数平均值略高,坡度坡长因子和汇流动力指数平均值偏低,离散度偏小,这与SRTM DEM在微地貌以及高坡度地形区存在失真相关。两种DEM数据提取流域特征参数差异较小。上述研究表明SRTM DEM(1″)数据在流域水文分析中具有较大的应用潜力。     

基于随机森林算法对青藏高原TRMM降水数据进行空间统计降尺度研究

提高气象数据空间分辨率对水文、气象和生态等领域的流域尺度研究至关重要。青藏高原气候变化在全球气候研究中占有重要的位置,并且对局域降水分布的研究在大气科学中处于基础地位。为获取青藏高原地区准确、有效、更高空间分辨率的降水数据,基于随机森林算法,引入植被和地形因子,采用热带降水测量计划卫星(Tropical Rainfall Measuring Mission,TRMM) 3B43降水数据(0. 25°×0. 25°)、NOAA-AVHRR归一化植被数(normalized difference vegetation index,NDVI)数据(8 km×8 km)、航天飞机雷达地形测绘任务(Shuttle Radar Topography Mission,SRTM)数字高程模型(digital elevation model,DEM)数据(90 m×90 m)以及经纬度信息,建立了非线性空间统计降尺度模型,最终获得8 km分辨率降水降尺度结果。另外,采用将时间序列分析和非线性回归分析融合的方法,基于2000—2012年TRMM年均降水数据和NDVI数据,建立降水量时间尺度预测模型。分析结果表明,综合考虑植被和地形因子对青藏高原地区降水空间分布的影响,基于随机森林算法建立的降尺度模型,其降尺度结果与地面站点测量值拟合系数为0. 89,高于TRMM数据与地面站点测量值的拟合系数0. 81,说明降尺度结果提高了卫星遥感降水数据的空间分辨率。另外,降水预测模型能够较好地描述青藏高原地区的年际降水变化趋势和数量级,2006—2012年的预测降水量与TRMM降水数据拟合系数均高于0. 80。     

资源三号02星对地激光测高系统几何检校及验证

星载激光测高仪安装误差、激光指向和激光测距误差等导致最终激光测高精度不高,对激光器进行在轨几何检校可以有效提升激光测高精度。针对资源三号02星（ZY3-02）激光测高仪的工作模式,以裸露地表的航天飞机雷达地形测绘任务（shuttle radar topography mission,SRTM）数字高程模型（digital elevation model,DEM）数据约束同轨激光测距值,通过逼近地形起伏趋势线实现了卫星激光器出射方向的初始检校,实验证明不同轨激光指向的相对检校精度在20 m以内。利用地面铺设激光靶标的方法对星载激光测高系统进行几何精检校,并通过外业测量验证了ZY3-02激光器在平坦区域的测高精度优于0.5 m。     

利用波形信息的加权曲面拟合LiDAR点云滤波

为发挥机载全波形激光探测与测量（light detection and ranging,LiDAR）技术优势,提高数字高程模型（digital elevation model,DEM）生成精度,提出了一种利用波形信息的加权曲面拟合LiDAR点云滤波方法。该方法利用全局收敛LM解算离散点云与波形参数,引入波形信息与抗差估计原理检测异常种子点,依据波形参数对地形曲面进行加权拟合,综合考虑滤波窗口尺寸与曲面拟合中误差影响设置自适应高差阈值。选取中国黑河综合遥感联合实验中的城市区域、耕地区域与山地区域数据进行实验,结果表明,相比传统方法,所提方法的波形分解结果更加可靠,点云滤波精度进一步提高,具备较高实用价值。