利用地形、土壤和作物信息辅助提高东北漫岗地数字高程模型精度的新方法

摘要：

[目的]SRTM DEM是可免费访问公开可用的数字高程模型,但是当前SRTM DEM的垂直精度不能满足精细农业对地形数据的需求,提高其垂直精度,为精准农业等领域提供数据基础.[方法]以黑龙江省海伦东兴农机合作社为研究区,采集实际地面高程数据,获取SPOT-6、Sentinel-2A遥感影像和SRTM DEM.提取归一化湿度指数(NDMI)、归一化植被指数(NDVI)、土壤亮度(TCB)、潜在太阳辐射(PSR)等变量分析地形对其影响关系.利用极限学习机(ELM)和反向传播神经网络(BPNN)提高SRTM DEM水平空间分辨率和垂直精度.使用实际地面高程点进行精度验证,与基于无人机和光学立体像对(ZY-3)生成的DEM进行对比.[结果]SRTM、NDVI、NDMI、TCB与改进后高程的灰色关联度在90％以上,是改进SRTM DEM的重要辅助信息.在整个研究区,BPNN方法的RMSEP为0.98,R2P为0.98,ELM的RMSEP为1.00,R2P为0.90.在平坦区,BPNN方法的RMSEP为0.84,ELM的RMSEP为1.00;在起伏区,BPNN方法的RMSEP为0.99,ELM的RMSEP为0.94.该方法获得的DEM的垂直精度高于ZY-3光学立体像对生成的DEM的垂直精度,为提高SRTM的水平空间分辨率和垂直精度提供了新思路.[结论]引入SRTM、NDVI、NDMI、TCB辅助信息有利于提高SRTM DEM的空间分辨率和垂直精度,获得高精度的DEM.BPNN方法获得的数字高程模型的精度整体上高于ELM方法,BPNN方法更加适用于平坦区高精度DEM的获取,ELM方法更加适用于起伏区.

关键词：SRTM DEM、神经网络、多光谱影像、灰色关联分析、方差膨胀因子

所属期刊栏目：54

资助基金：国家自然科学基金41671438

在线出版日期：2021-05-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1715-1727