SRTM1 DEM与ASTER GDEM V2数据的对比分析

本文以山西省为实验区,基于ICESat/GLA14测高数据对SRTM1 DEM和ASTER GDEM V2数据的垂直精度进行了对比,分析了其在坡度、土地利用类型和地貌类型中的误差分布情况,并基于地形剖面方法分析了2种DEM数据在地形表达上的差异。研究结果表明：① 在垂直精度上,SRTM1 DEM数据要明显高于ASTER GDEM V2数据,其绝对误差均值分别为4.0 m和7.8 m,标准偏差分别为6.0 m和10.7 m,均方根误差分别为6.1 m和10.7 m。② 这2种DEM数据的精度受坡度影响严重,随坡度值的升高误差增大;SRTM1 DEM的绝对误差均值、标准偏差和均方根误差在水田最小,在林地最大,而ASTER GDEM V2的这3种误差在居民用地最小,在林地最大;SRTM1 DEM 和ASTER GDEM V2的绝对误差均值、标准偏差和均方根误差在平原地区最小,在大起伏山地最大。③ 在平原和台地地区,ASTER GDEM V2数据高程值有异常波动,SRTM1 DEM在起伏山地存在对山谷过高估计。总体上,SRTM1 DEM比ASTER GDEM V2对地形的表达准确,与ICESat/GLA14对地形的描述基本相一致。     

中国区域TanDEM-X 90 m DEM高程精度评价及其适用性分析

数字高程模型（Digital Elevation Model, DEM）是地球表层系统科学相关研究的基础数据,DEM数据精度的定量评价对科学选择DEM数据源、量化数据误差的影响等具有重要意义。在目前全球尺度可免费获取的DEM数据中,2018年发布的TanDEM-X 90 m DEM（TanDEM-X 90）数据凭借其较好的现势性得到了广泛关注。然而,目前大区域尺度上开展的针对TanDEM-X 90数据精度的评价工作较为有限,缺乏对其整体精度及误差空间分布特征的系统认知。本文以ICESat/GLAS卫星测高数据为评价数据,并选择SRTM-3 DEM和AW3D30 DEM作为对比数据,以平均绝对误差（MAE）、均方根误差（RMSE）、偏度和峰度等为统计指标,重点研究了TanDEM-X 90在中国主要陆地区域的误差统计特征和空间分布规律,探讨了高程、坡度、地貌类型、土地覆盖等对DEM精度的影响,并进行了适用性分析。结果表明：① 在中国区域,TanDEM-X 90数据的平均绝对误差和均方根误差分别为4.31 m和7.87 m,其高程精度与SRTM-3相近,但明显低于AW3D30;② 当坡度低于4°时,TanDEM-X 90的整体精度为3种数据中最高的;③ 对于平原、丘陵、台地这3类地貌类型,TanDEM-X 90相较SRTM-3而言具有一定精度优势;④ 本研究还以流域为单元绘制了全国尺度的TanDEM-X 90误差空间分布图,为该数据在全国尺度或典型区域的应用提供重要参考。研究也表明TanDEM-X 90在反映地表高程信息方面具有更好的时效性,能更好地反映中国区域近年来受人类活动影响的地表高程变化。     

不同地貌下国产资源三号测绘卫星DSM数据质量评价——以云南省高海拔山区为例

为了评价不同地貌下国产资源三号测绘卫星DSM数据精度,以云南省高海拔山区为研究案例,并以1:10 000实测地形图DEM为假定真值,以90 m分辨率SRTM DEM为评价参考,从高程精度和地形描述精度两个指标对15 m分辨率的ZY-3 DSM进行精度评价。结果表明:在不同地貌下ZY-3 DSM的高程精度和地形描述精度都优于SRTM DEM。从高程中误差分析来看,台地地貌精度最高,ZY-3 DSM高程中误差仅为SRTM DEM的1/6,平原地貌精度最低,该比值为1/2;就地形描述评价而言,四种地貌下ZY-3 DSM的Et均方根误差实际值与理论值均非常接近,实际值与理论值的比在0.975 2~1.594 3之间,而SRTM DEM在5.310 1~8.749 4之间。由此看来,不同地貌下ZY-3 DSM数据精度整体高于SRTM DEM。     

典型山区SRTM3与ASTER GDEM数据精度对比分析——以青藏高原东麓深切河谷区为例

目前广泛应用的数字高程模型(DEM)包括SRTM和ASTER GDEM,但在地形影响下,两类数据的误差分布并不均匀。本文选用1:5万地形图DEM及河流要素作为参照,在青藏高原东麓山区开展实验,分别采用"河流-河谷"位置偏移量与高程中误差来评价两类数据的平面精度与垂直精度,结果表明:(1)实验区内SRTM3存在向西南方向的水平位置偏移,平均偏移量为127.8 m,ASTER GDEM则以正西方向偏移为主,平均偏移量为104.1 m,该区域ASTER GDEM的总体平面精度较好;(2)SRTM3数据样本的绝对误差分布相对集中,高程中误差为35.3 m,小于ASTER GDEM样本的高程中误差50.2 m,总体垂直精度优于ASTER GDEM;(3)在平均高程大于4500 m的高海拔区域,两类数据的中误差与高程值正相关,SRTM3中误差随高程增速较慢,垂直精度较ASTER GDEM高;(4)两组数据垂直精度对坡度有较大依赖性,中误差随坡度近似指数曲线增长,在平缓区域SRTM3中误差小于ASTER GDEM。本研究为该类数据在山区的选用及误差修正提供依据。     

资源三号卫星DEM数据与全球开放DEM数据的误差对比

全球开放DEM数据为数字地形分析提供了重要数据源。与已有的全球开放DEM数据相比,资源三号卫星具有更高的空间分辨率、更大的覆盖范围和更好的现势性。将资源三号卫星生成的DEM数据与全球开放DEM数据进行误差对比则为基于资源三号卫星的全球DEM数据研制提供科学依据。本文以山西省中部太原市为研究区,基于高精度激光点云数据生成DEM为参考数据,对资源三号卫星影像生成的DEM数据与全球典型的开放DEM数据(AW3D30、SRTM1和ASTER GDEM)的误差进行了对比分析,并获得了其在不同坡度等级下绝对误差与相对误差的平均值、平均绝对值、均方根值和标准偏差值。研究结果表明:①4种DEM数据的误差分布均具有较好的对称性。同时,平均误差接近于0 m,SRTM1和ASTER GDEM数据更是如此。因此均方根误差值与标准偏差值近似一致;②资源三号DEM具有最高的精度,误差最小(均方根误差4.6 m)。其次为AW3D30数据(均方根误差5.6 m)和SRTM1数据(均方根误差8.8 m)。ASTER GDEM数据误差最大(均方根误差12.6 m),精度最差;③资源三号DEM、SRTM1和ASTER GDEM数据的误差均随坡度的变大而增大,而AW3D30数据误差随着坡度增加呈现先减小后增大的趋势。总体上,与其他3种DEM数据相比,资源三号DEM在所有坡度范围均具有最小的误差值。     

基于地貌特征的数字高程模型融合方法

数字高程模型（Digital Elevation Model, DEM）是一种至关重要的空间信息,广泛应用于各行各业。其中,ASTER GDEM与SRTM几乎覆盖了全球陆域,为地学研究提供了非常实用的高程数据支撑,但是由于二者传感器采集数据原理的不同,使得高程数据在不同地貌条件下的高程精度亦存在程度不一的误差。本文提出了一种新型的基于地貌特征的DEM融合方法,使得融合GDEM与SRTM后的DEM数据,消除了地貌特征的影响、显著地提高了DEM质量。该方法主要分为地理配准和高程融合2个步骤：①基于河流线对等线性地貌特征的位置数据,构建了GDEM与SRTM的水平偏移相关的误差评价函数,采用多级网格搜索法求得DEM间的水平偏移距离,实现对DEM的配准;②按照DEM高程值在不同地貌单元及边界线附近的高程变化特征,建立地貌分区的高程融合模型来融合两种地理配准后的DEM高程,尤其是实现了地貌单元边界线附近的高程平滑过渡。本文以怀柔北部地区为实验区,以1:5万地形图为参考,对2种DEM数据进行融合,统计结果表明：① 融合DEM在各地貌单元的误差均显著下降,地形表达较之融合前更加精确;② 高程差呈现正态分布,明显区别于融合前DEM不对称的多峰分布形态,说明地貌影响被有效地剔除;③ GDEM和SRTM数据的精度对坡度有较大依赖性,融合后DEM的精度在不同坡度范围下均优于GDEM和SRTM,显著降低了融合前DEM对坡度的依赖程度;④ 在不同坡向下,GDEM和SRTM的RMSE取值波动较大,融合DEM的RMSE取值在各方向表现稳定,高程精度较GDEM和SRTM有显著提高。     

基于街道空间数据及GPS测量的SRTM-DEM校正和插值细化

针对城市地区SRTM数字高程模型,本文引入街道空间分布信息作为辅助数据,并结合GPS实地测量,对DEM中具有空间相关性的误差部分进行修正,从而尝试在一定程度上提高SRTM数据的垂直精度和空间分辨率.本文以墨西哥城Xico地区为例,解析SRTM DEM像元分辨率单元内地物表面平均高程值的组成结构;分析形成DEM高程值的地...     

中国历史山洪灾害分布特征研究

中国山洪灾害发生频繁,区域分布差异性明显且难以预报,关于山洪灾害分布特征的研究对于山洪灾害预警、山洪灾害防治区规划等具有重要意义。本文以历史山洪灾害点为基础数据,以6个一级地貌大区（东部平原低山丘陵大区（Ⅰ）、东南低山丘陵平原大区（Ⅱ）、华北-内蒙东中山高原大区（Ⅲ）、西北高中山盆地高原大区（Ⅳ）、西南中低山高原盆地大区（Ⅴ）、青藏高原高山极高山盆地谷地大区（Ⅵ））为基本分析单元,统计对比不同地貌区域内山洪灾害数目、密度,并进一步分析山洪灾害随高程、高程标准差以及50年一遇6 h雨量（H6-50）的分布情况,从而获得中国历史山洪灾害的主要分布特征。结果表明：山洪灾害集中分布于东南低山丘陵平原大区及西南中低山高原盆地大区,占全国山洪灾害的60%左右。6 h雨量（H6-50）处于240~280 mm区域山洪灾害密度最大。高程标准差小于30 m区域山洪灾害密度较大。东南低山丘陵平原大区高程处于10~50 m间,高程标准差小于30 m,雨量（H6-50）在150~270 mm间地区山洪灾害密度较大;西南中低山高原盆地大区山洪灾害集中分布于高程600 m以下,高程标准差小于50 m,雨量（H6-50）大于120 mm地区。以地貌区划结果为基本分析单元相对于行政界线而言更有助于分析山洪灾害分布特征。     

结合ICESat-2和GEDI的中国东南丘陵地区ASTERGDEM高程精度评价与修正

星载激光雷达ICESat-2和GEDI可以为数字高程模型产品的精度评价与修正提供全球覆盖的、可靠的高精度参考数据源。然而,现有的DEM修正方法主要是针对DEM误差中的植被高信号且多采用线性回归模型。为此,本文分析了ASTER GDEM v3精度与土地覆盖类型、高程、坡度、起伏度及植被覆盖率的关系。在此基础上,提出了一种考虑上述多种精度影响因素并结合XGBoost和空间插值的DEM误差修正方法。结果分析表明:原始ASTER GDEM的误差整体呈正态分布,平均误差为-3.463 m,存在较大负偏差,高程精度随着高程、坡度、起伏度及植被覆盖率VCF的增大呈降低趋势;经过修正后,ASTER GDEM平均误差降低到了-0.233 m,负偏差得到有效改善,整体平均绝对误差降低了26.04%,整体均方差降低了23.56%,耕地、林地、草地、湿地、水域及人造地表的DEM平均绝对误差和均方差都有不同程度的降低;本文提出的方法对多种特征要素与地形误差间的非线性关系进行拟合建模,在研究区取得了较好的修正效果。     

基于BEMD分解的地貌分类研究

地貌是指地势高低起伏的变化,即地表的形态。地貌划分对气温、降水、太阳辐照等诸多应用领域都有着重要作用。本文选择空间分辨率为90 m的福建省的数字高程模型(DEM)数据作为地理信号,运用二维经验模态分解(BEMD)进行分解处理,得到多个具有不同尺度、不同物理意义的本征模函数(BIMF1-BIMF3)以及对应余量ORIG。这些BIMF分量对应不同尺度的微观地形,ORIG余量表现为该研究区的地貌分布趋势,体现了平原、丘陵与山地的大致分布区域。运用变点分析法确定最佳计算单元,利用地形起伏度对各个信号区域进行一级分类,依据绝对高度进行二级分类,最后将一级分类与二级分类相结合,实现对地形的分类,这一分类过程体现了研究地区地貌组合复杂的特征。结果表明:①叠加BIMF分量,提取出分量和大于74 m的区域为高频信号区域。该区域以小起伏度的低山为主,并伴随有丘陵和小起伏度中山。②ORIG余量中余量高度小于等于340 m的区域,去除其中包含的高频信号区域后为低频信号区域,该区域以平原、丘陵为主。③剩余区域定义为中频信号区域,该区域的地貌以平丘陵和小起伏的山地为主。研究成果表明福建地貌可分为7种主要类型:低频平原,低频丘陵,中频丘陵,高频丘陵,中频小起伏低山,高频小起伏低山,高频小起伏中山。     

基于随机森林算法的近地表气温遥感反演研究

近地表气温是城市热环境的重要表征,是改变和影响城区气候的重要因素。为获得空间上连续的近地表气温,本文以北京市为研究区,利用Landsat5/TM数据计算分别得到地表温度、归一化植被指数、改进的归一化差异水体指数、地表反照率、不透水面盖度,并结合气象站点气温和高程作为输入参数建立随机森林模型反演近地表气温。结果表明,随机森林反演的近地表气温平均绝对误差（MAE）为0.80 ℃,均方根误差（RMSE）为1.06 ℃,与传统多元线性气温回归方法相比,平均绝对误差（MAE）和均方根误差（RMSE）分别提高0.06 ℃和0.09 ℃。研究表明,利用随机森林模型反演近地表气温是可行的,并且具有一定的优越性。此外,对随机森林模型的输入参数进行重要性分析,地表温度对气温反演模型的影响最大,其次为高程。     

基于无人机成像点云的禄丰恐龙谷南缘环状地貌空间特征探测实验分析

为了定量获取复杂地貌构造的特征参数,需要获取高精度、高分辨率的地形地貌数据。在复杂地貌特征探测中,基于无人机航测结合成像点云,可以快速、高效、安全、准确地完成复杂地貌空间探测任务。针对禄丰恐龙谷南缘环状地貌的典型局地场景,采用无人机测量技术获取测区高分辨率的地貌影像数据,构建实景三维场景模型并对其地貌特征进行探测分析研究。试验结果表明:①基于无人机成像点云构建0.2 m分辨率DEM数据能够精准表达研究区真实地貌特征。②通过构建环状场景"内-中-外"7条典型高程剖面线,对比分析证实了研究区地形呈现环形"盆缘"形态特征,内外两侧高程逐渐递减,并且"盆缘"外部剖面高程起伏变化剧烈,地形相较于内部地貌更加复杂。③为进一步探测提取微形地貌特征信息,利用无人机成像原理构建的精准DEM数据结合测区实景三维模型,定量提取了该区坡度、坡向、相对高差、等值线、山脊线、山谷线等相关参数进行精准定量测量及分析探讨。④利用立体三维模型的多视角目视解译与典型场景分析,可清楚辨别出测区冲沟发育以及地质体的节理层理面等微地貌特征。通过以上对地貌三维场景探测试验研究表明,利用实景三维模型能够快速准确呈现测区地貌形态特征,并且成像点云数据综合分析,能够量化、半量化揭示区域构造地质信息。总体而言,无人机测量技术与成像点云3D产品在地质调查中的应用具有实用意义,并具备独特的技术优势。      

基于ICESat/GLAS的山东省SRTM与ASTER GDEM高程精度评价与修正

SRTM3和ASTER GDEM V2数据具有较高的空间分辨率和广泛的覆盖范围,对于地学研究具有重要意义;但在不同地形复杂度和地面覆盖物区域,两类数据的误差分布并不均匀。SRTM3和ASTER GDEM V2数据自公布以来,其精度修正一直是研究热点。然而大范围区域精度验证缺乏有效手段,传统方法可靠性差且数据获取成本较高。自ICESat-1数据公开以来,它们已成为SRTM3和ASTER GDEM V2精度评定的主要检核点。为此,本文以山东省为研究区域,借助ICESat-1评估了SRTM3和ASTER GDEM V2的高程精度,并根据插值误差曲面对两种DEM进行了修正。分析表明,原始SRTM和ASTER高程中误差分别为5.57 m和7.20 m,均高于标称精度;随着坡度的增大,高程精度呈降低的趋势。通过分析土地覆盖类型与误差分布关系表明:农田、灌丛土地类型精度较高;森林、湿地精度较低。分别采用反距离加权、普通克里金、地形转栅格和自然邻域插值方法构建误差曲面。结果表明:不同的插值方法构建的误差曲面的特征和精度也不同。其中,反距离加权修正的效果最佳,其次是地形转栅格和自然邻域,而普通克里金修正的效果最差。     

广西非气象参数Tm模型研究

通过分析广西4个探空站资料，结合GGOS Atmosphere格网Tm数据，建立随高程增大的温度递减率模型。根据温度递减率模型分别采用反距离加权法、双线性插值法、新反距离加权法和新双线性插值法计算探空站Tm，通过分析插值误差建立广西非气象参数Tm模型，并与Bevis模型、中国东部模型、广西模型进行比较。结果表明，温度递减率模型的Tm插值精度相对其他3种模型有比较明显的提升，4种方法的平均绝对误差（MAE）和均方根误差（RMSE）在1~2 K之间；广西非气象参数Tm模型的插值精度得到进一步提高，百色站的MAE约为2 K，其余站点的MAE和RMSE均在1 K左右，能满足可降水量反演的精度要求。     

适用于海岛的ICESat-2高程控制点提取方法

针对海岛控制信息获取困难这一现实问题，提出一种基于ICESat-2 ATL08数据的海岛高程控制点提取方法。首先，通过水域掩膜标记与参考高程数据，去除数据中的海域点与粗差点，降低后续处理的数据量；然后，综合分析大气环境、信噪比、数据完整性等因素对高程值的影响，构建多参数约束初步筛选数据；最后，充分利用数据中的已有参数信息，结合控制点精度指标设计自适应地形阈值对高程控制点进行精细化提取。以波多黎各部分离岛及美属维尔京群岛高精度DEM(Digital Elevation Model)数据验证所提取高程控制点的准确性，实验结果表明：相较于原始数据，本文方法提取的高程控制点在平地、丘陵和山地区域的平均绝对误差与中误差分别从2.65 m/7.23 m、3.92 m/7.65 m、4.93 m/8.29 m减小为0.28 m/0.61 m、0.46 m/0.79 m、0.63 m/0.89 m；在保证精度的前提下，本文方法提取的高程控制点数量显著多于现有方法；利用本文方法，可从海岛区域提取一定数量、精度可靠的高程控制点，能为后续全球海图修测与质量控制提供有力数据支撑。     

神农架林区植被分布与地形的关系研究

神农架林区是我国物种多样性最为丰富的地区之一,地形地貌复杂,对植被分布影响巨大。本文利用该地区2007年数字高程数据、2007年植被分布图以及2017年野外实地调查数据,基于最大熵模型和空间分析理论,从植被类型和种群两个角度研究该地区不同尺度植被空间分布的地形特征,分别量化植被类型和种群空间分布的地形范围,得到植被类型与地形因子关系模型、植被种群与地形因子关系模型。结果表明:①神农架林区影响植被空间分布的地形因子不同,其中影响针叶林分布的最重要的地形因子是高程和高程变异系数,影响阔叶林分布的是高程和坡向,影响灌丛分布的是坡向变率和坡向,影响草丛分布的较为分散;②典型植被种群分布的地形范围和植被类型的基本一致,其中90%针叶林分布在高程1600~2600 m间,典型种群巴山冷杉和华山松主要分布在高程1700~3200 m和1700~2200 m;85%的阔叶林分布在高程1000~2000 m间,典型种群青冈类和鹅耳枥主要分布在高程1200~2200 m间;95%的灌丛分布在坡向变率0~40°间,典型种群杜鹃和蔷薇主要分布在坡向变率小于40°的范围,但相应的关系模型存在差异,植被类型与地形因子为高斯模型,典型种群与地形因子关系模型相对复杂,不同种群的分布模式不同;③虽然坡度常作为数字地形的重要因子,但本文研究发现该地区坡度对植被类型和种群分布的影响不明显。研究结果可为神农架林区植被保护和恢复,以及植被规划和管理提供基础参考。     

顾及数据配准的江西省SRTM DEM精度评价和修正

目前,ICESat/GLAS是大尺度SRTM DEM精度评价的主要数据源。然而,现有的精度评价方法均忽略了2组数据的有效配准。为此,本文分析了数据配准前、后SRTM DEM整体精度差异,以及不同地形因子和土地利用类型对SRTM DEM影响程度。在此基础上,充分考虑SRTM DEM精度影响因素,分别借助多元线性回归（MLR）、后向传播神经网络（BPNN）、广义回归神经网络（GRNN）以及随机森林（RF）对SRTM DEM修正。结果分析表明：配准前,ICESat/GLAS与SRTM DEM沿x、y方向的平均水平位移分别为-17.588 m、-29.343 m,高程方向系统偏差为-2.107 m;配准后,SRTM DEM的系统误差基本消除,而且中误差降低了14.4%。配准前,坡向与SRTM DEM误差呈正弦函数关系,配准后这种关系基本消失。SRTM DEM误差均随地形起伏度、坡度、高程的增加呈增大趋势; 6种土地利用类型中,SRTM DEM在林地误差最大,未利用土地误差最小。对配准后SRTM DEM修正表明,RF效果最优,其中误差分别比MLR、BPNN、GRNN降低了3.1%、2.7%、11.3%。     

ASTER GDEM垂直精度评价及其在重力地形改正中的适用性

利用重力剖面的GPS数据对ASTER GDEM模型进行垂直精度评估,并对其在重力地形改正中的适用性进行讨论。结果表明,ASTER GDEM模型在贵阳-维西和金川-犍为两个重力剖面中,与实测GPS高程相比标准差分别为14.93 m和18.02 m,模型起伏与实测数据具有较好的一致性。在小比例尺中、远区及大比例尺远区重力地形改正中,ASTER GDEM模型数据的适用性较好。     

基于GPS的河北省冬春季节MODIS水汽校正模型研究

以河北省为例，利用GPS水汽进行MODIS水汽的校正模型研究。通过GPS水汽与MODIS水汽的比较发现，两者的相关系数超过0.879，均方根误差达到2.31 mm，说明两者存在较好的相关性和一定的偏差；利用线性回归方法分别构建城市和区域MODIS水汽校正模型，实验证明，利用实测GPS水汽对城市模型和区域模型进行可靠性验证，9个测站的模型检验的均方根误差小于1 mm。两类模型均可有效提高MODIS水汽精度，满足气象预报应用的要求。     

改进的DisTrad模型在地形起伏区地表温度空间分辨率提升的应用

DisTrad（Disaggregation procedure for radiometric surface temperature）模型是常用于遥感地表温度空间分辨率提升的主要模型之一。DisTrad模型常面向空间范围有限、地形相对平坦的研究区域,且常选用植被参数（如植被指数或植被覆盖度等）作为关键参数。然而在空间范围较大、地形起伏地区,地表温度的空间变异可能无法完全通过植被参数解释。本研究选取四川盆地及毗邻地区为研究区,通过模拟数据研究DisTrad模型在地形起伏区地表温度空间分辨率提升中的适用性。数字高程模型（Digital Elevation Model,DEM）、归一化差值植被指数（Normalized Difference Vegetation Index,NDVI）等参数,采用滑动窗口逐步回归,将空间分辨率为6km的地表温度提升至空间分辨率为1km。研究结果表明,改进的模型在平原及海拔较低的高原地区提升获得的地表温度空间分辨率具有较高精度,均方根误差（Root Mean Square Error,RMSE）为0.5K左右;在地形起伏较大的地区,RMSE为4K,验证了改进的模型提升的可行性。