黄土高原区SRTM1DEM高程误差校正模型构建及对比分析
对SRTM1 DEM高程误差进行校正可有效提高其应用精度.以具有典型地貌特征的黄土高原作为研究区域,以ICE-Sat-2/ATL08陆地高程作为参考数据,引入主流机器学习算法建立SRTM1高程误差与影响因子之间的关系模型对高程值进行校正;通过分析模型性能指标、误差频数分布、校正误差空间格局以及典型剖面误差分布,以此得到不同地貌类型区的高程误差校正模型适用性.实验结果表明:在平原、风沙丘陵和黄土塬地貌区随机森林模型高程校正效果最佳,平均绝对误差分别降低0.49、0.82和1.2 m,同时校正误差在空间分布上异常值较少,低起伏度的平原和风沙丘陵地貌区典型剖面误差与原误差较为贴合;山地区支持向量机模型适用性更强,均方根误差和平均绝对误差分布降低了 6.79 m和5.43 m,可大幅提升误差绝对值较小的点位频数,同时在空间格局和典型剖面验证效果最佳;黄土丘陵地貌区弹性反馈神经网络模型效果最优,均方根误差和平均绝对误差分别降低了2.3 m和2.04m,空间分布上误差降低效果显著,典型剖面误差异常值较少;土石丘陵地貌区卷积神经网络模型效果更理想,均方根误差与平均绝对误差分别降低4.14 m和3.5 m,空间分布与地形剖面误差降低效果良好.研究结果可为该区域不同地貌类型区选用SRTM1 DEM高程校正模型提供了参考.
数字高程模型、误差模型、机器学习、随机森林、支持向量机、弹性反馈神经网络、卷积神经网络、SRTM
25
S157;TP391;P426.6
国家自然科学基金41871324
2023-07-10(万方平台首次上网日期,不代表论文的发表时间)
共13页
669-681