SRTM DEM数据空洞插值填补方法对比分析

SRTM全球数字高程模型数据目前已被广泛应用于多个领域。最新版本的SRTM DEM仍然存在较小的高程空值区域（数据空洞）和模糊区域。文章在模拟某试验区域SRTM DEM数据空洞的基础上,利用线性插值、反距离权插值、二次多项式插值、三次样条插值等DEM插值方法进行了数据空洞的插值填补试验和对比分析,结果表明在丘陵地区和空...     

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。     

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...     

基于数据融合的SRTM数据空洞填补方法

总结国内外对SRTM数据空洞的填补方法,指出基于内插的填补方法无法满足大区域SRTM数据处理的需求。提出在内插的基础上进行数据融合的空洞填补方法,并以实例验证了该方法是一种获取完整地形数据的有效途径。     

采用小波分析的SRTM DEM与ASTER DEM数据融合

为了利用航天飞机雷达地形测绘任务数字高程模型(SRTM DEM)与先进星载热反射和反辐射仪数字高程模型(ASTER DEM)的互补信息,提出基于小波分析的多源DEM数据融合方法,以我国秦岭典型高山峡谷地貌类型区为试验样区,选取相同位置的SRTM DEM与ASTER DEM数据,通过重采样、数据配准等步骤形成融合数据源;对小波分解的低频系数作基于邻域像素关联性的融合,高频系数采用像素点绝对值取大的融合,生成融合DEM。并把融合前与融合后的数据分别与1∶5万高程库数据作精度比较,总体统计与抽样检查表明融合DEM精度较源数据均得到了提高。该融合技术为应用SRTM DEM与ASTER DEM生成精度和可靠性更高的DEM产品提供了可行方案。     

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。     

面向分布式水文模型的SRTM无效高程数据处理方法

获取高精度DEM是分布式水文模型开发和应用的基础,而最新发布的全球高分辨率SRTM数据在很大程度上解决了高分辨率DEM数据获取相对困难的问题,对于水文学研究具有重要意义。由于利用雷达技术获取地面高程数据技术本身的限制,SRTM原始DEM数据中存在着很多问题。本文以雪野水库区域为例,利用ASTER数据通过分析两种数据高程差异的分布特点对SRTM高程数据无效区域进行了填充,计算结果表明该方法可以提高无效数据处理结果的精度,是一种有效的获取相对完整地形数据的方法。     

利用插值算法填补SRTM3 DEM数据空洞的比较分析

由于雷达热噪声、斑点噪声和解缠等因素的共同影响,利用合成孔径雷达干涉测量(InSAR)技术获取的SRTM3 DEM存在高程数据空洞,严重影响了该DEM产品的应用。SRTM3 DEM数据空洞的分布一般呈现空间随机性。本文通过比较分析利用各种插值算法填补DEM数据空洞的优劣,从中选出一种最优方法来对SRTM3 DEM进行插值填补。     

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。     

中国及周边区域ASTERGDEM与SRTMDEM高程对比分析及互补修复

本文分析了ASTER GDEM和SRTM DEM的获取方式,通过对两者在中国及周边区域高程的对比分析,得出两者高程间存在系统误差,前者高程比后者平均低4.9m。ASTER GDEM在许多区域特别是水域及高山区常存在明显粗差;SRTM DEM在特别是高山区域会出现空白区域,但其有效区域层次清晰、细节分明,无明显粗差,可靠性高。经过填补及高差约束限制修复,生成了无空白区域的SRTM DEM和可靠性更高的ASTER GDEM。     

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。     

Comparative evaluation of horizontal accuracy of elevations of selected ground control points from ASTER and SRTM DEM with respect to CARTOSAT-1 DEM: a case study of Shahjahanpur district,Uttar Pradesh,India

Digital elevation model (DEM) data of Shuttle Radar Topography Mission (SRTM) are distributed at a horizontal resolution of 90 m (30 m only for US) for the world, Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) DEM data provide 30 m horizontal resolution, while CARTOSAT-1 (IRS-P5) gives 2.6 m horizontal resolution for global coverage. SRTM and ASTER data are available freely but 2.6 m CARTOSAT-1 data are costly. Hence, through this study, we found out a horizontal accuracy for selected ground control points (GCPs) from SRTM and ASTER with respect to CARTOSAT-1 DEM to implement this result (observed from horizontal accuracy) for those areas where the 2.6-m horizontal resolution data are not available. In addition to this, the present study helps in providing a benchmark against which the future DEM products (with horizontal resolution less than CARTOSAT-1) with respect to CARTOSAT-1 DEM can be evaluated. The original SRTM image contained voids that were represented digitally as ?140; such voids were initially filled using the measured values of elevation for obtaining accurate DEM. Horizontal accuracy analysis between SRTM- and ASTER-derived DEMs with respect to CARTOSAT-1 (IRS-P5) DEM allowed a qualitative assessment of the horizontal component of the error, and the appropriable statistical measures were used to estimate their horizontal accuracies. The horizontal accuracy for ASTER and SRTM DEM with respect to CARTOSAT-1 were evaluated using the root mean square error (RMSE) and relative root mean square error (R-RMSE). The results from this study revealed that the average RMSE of 20 selected GCPs was 2.17 for SRTM and 2.817 for ASTER, which are also validated using R-RMSE test which proves that SRTM data have good horizontal accuracy than ASTER with respect to CARTOSAT-1 because the average R-RMSE of 20 GCPs was 3.7 × 10^?4 and 5.3 × 10^?4 for SRTM and ASTER, respectively.     

Comparison of basin morphometry derived from topographic maps,ASTER and SRTM DEMs: an example from Kerala,India

The drainage network of a sixth-order tropical river basin, viz. Ithikkara river basin, was extracted from different sources such as Survey of India topographic maps (1: 50,000; TOPO) and digital elevation data of Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) (30 m) and Shuttle Radar Topography Mapping Mission (SRTM) (90 m). Basin morphometric attributes were estimated to evaluate the accuracy of the digital elevation model (DEM)-derived drainage networks for hydrologic applications as well as terrain characterization. The stream networks derived from ASTER and SRTM DEMs show significant agreement (with slight overestimation of lower order streams) with that of TOPO. The study suggests that SRTM (despite the coarser spatial resolution) provides better results, in drainage delineation and basin morphometry, compared to ASTER. Further, the variability of basin morphometry among the data sources might be attributed to spatial variation of elevation, raster grid size and vertical accuracy of the DEMs as well as incapability of the surface hydrologic analysis functions in the GIS platform.     

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。