利用ASTER数据融合的SRTM空值填补方法

由于雷达干涉采集误差导致SRTM数据出现高程空值,为了保证数据完整性,需要对其进行空值修补。本文总结了国内外对SRTM数据空值的填补方法,提出了一种在内插的基础上利用ASTER数据进行数据融合的空值填补方法。该方法首先对ASTER数据进行预处理,以消除两者之间的高程差异,然后利用处理后的90m间隔ASTER数据对SRTM数据进行融合,从而实现了SRTM数据的空值填补。实例验证了该方法是一种获取完整地形数据的有效途径。     

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。     

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。     

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。     

利用随机森林回归算法校正ASTER GDEM高程误差

通过构建 ASTER GDEM(advanced spaceborne thermal emission and reflection radiometer global digi-tal elevation model)高程误差与影响因子间的关系模型,可对其高程精度进行有效校正.选取陕北黄土高原境内长武、宜君、甘泉、...     

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。     

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。     

数据驱动的多源遥感信息融合研究进展

多源遥感信息融合技术是突破单一传感器的观测局限,实现多平台多模态观测信息互补利用,生成大场景高“时-空-谱”无缝的观测数据的重要手段。随着人工智能理论与技术的日益完善,数据驱动的多源遥感信息融合获得了研究者的广泛青睐,然而,数据驱动算法与生俱来的低物理可解释性,弱泛化能力都阻碍了其在多源遥感信息融合领域的长远发展。因此,本文分别对同质遥感数据融合,异质遥感数据融合,以及点-面融合的有关研究成果进行了系统的梳理和归纳,分析了各融合问题的发展趋势。最后,对算法研究进展进行了总结,剖析了数据驱动的融合算法所面临的挑战,指出了未来多源遥感信息融合领域的研究方向。     

双通道卷积神经网络在影像融合中的应用

利用Landsat8遥感卫星影像数据制作影像融合数据集,提出了一种双通道融合网络,并利用结果影像的质量指数对网络融合性能进行评估,分析与双三次卷积插值和GS影像融合方法的差异。结果表明,该网络加强了对高频空间信息的提取,在更高效提取空间特征的同时,减弱了融合过程中对多光谱影像光谱特征的影响,从而提高了融合影像的综合影像质量（QNR=0.885 2）。     

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。     

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...     

基于条件模拟的DEM误差曲面实现研究

为了抑制采样点中粗差对数字高程模型(digital elevation model,DEM)建模的影响,以较高精度的多面函数(multi-quadric,MQ)为基函数,由改进Huber损失函数和权重惩罚项组成目标函数,发展了MQ抗差插值算法(MQ-H)。通过优化MQ-H目标函数,采样点权重计算最终转换为方程组求解。以数学曲面为研究对象,将MQ-H计算结果与传统MQ及最小绝对偏差MQ(MQ-L)进行比较,结果表明:当采样误差服从正态分布时,MQ-H计算精度与传统MQ相当,而远高于MQ-L;当采样误差服从拉普拉斯分布时,MQ-H计算精度略高于MQ-L及传统MQ;当采样点被粗差污染时,MQ-H计算精度远高于传统MQ及MQ-L。在实例分析中,以无人遥测飞艇立体像对获取的地面离散高程点为基础数据,基于MQ-H构建测区DEM,并将计算结果与传统插值算法,如反距离加权(inverse distance weighting,IDW)、普通克里金(ordinary Kriging,OK)和专业DEM插值软件ANUDEM(Australian National University DEM)进行比较,结果表明,传统插值方法在不同程度上受采样点中异常值或偶然误差影响,而MQ-H受异常值影响较小,且能准确捕捉到地形细节信息。     

Accuracy assessment of GDEM,SRTM, and DLR-SRTM in Northeastern China

This paper compares the accuracy of Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) Global Digital Elevation Model (GDEM), Shuttle Radar Topography Mission (SRTM) C-band and German Aerospace Centre (DLR)-SRTM X-band digital elevation models (DEMs) with the Ziyuan 3 (ZY-3) stereoscopic DEM and ground control points (GCPs). To date, the horizontal error of these DEMs has received little attention in accuracy assessments. Using the ZY-3 DEM as reference, this study examines (1) the horizontal offset between the three DEMs and the reference DEM using the normalised cross-correlation method, (2) the vertical accuracy of those DEMs using kinematic GPS data and (3) the relationship between the three DEMs and the reference ZY-3 DEM. The results show that the SRTM and DLR-SRTM have greater vertical accuracy after applying horizontal offset correction, whereas the vertical accuracy of the ASTER GDEM is less than the other two DEMs. These methods and results can be useful for researchers who use DEMs for various applications.     

ASTER GDEM垂直精度评价及其在重力地形改正中的适用性

通过构建ASTER GDEM(advanced spaceborne thermal emission and reflection radiometer global digital elevation model)高程误差与影响因子间的关系模型,可对其高程精度进行有效校正。选取陕北黄土高原境内长武、宜君、甘泉、延川4个不同地貌类型的样区,以1∶5万DEM (digital elevation model)作为参考数据,经过数据预处理后,计算各点位高程误差值及相关地形因子和地表覆盖指数; 提取一定数量的采样点和检验点,引入随机森林回归算法,建立高程误差预测模型,以对高程精度进行校正,并与多元回归模型进行比较分析。实验结果表明,ASTER GDEM的高程误差特征与地形条件有较强的相关性; 随机森林回归预测模型整体上优于多元回归模型,具有较好的适用性与误差校正效果,可分别将长武、宜君、甘泉、延川的高程误差均值减小3.08 m、3.00 m、3.61 m和6.95 m。     

Characterization of ASTER GDEM elevation data over vegetated area compared with lidar data

Current researches based on areal or spaceborne stereo images with very high resolutions (<1 m) have demonstrated that it is possible to derive vegetation height from stereo images. The second version of the Advanced Spaceborne Thermal Emission and Reflection Radiometer Global Digital Elevation Model (ASTER GDEM) is the state-of-the-art global elevation data-set developed by stereo images. However, the resolution of ASTER stereo images (15 m) is much coarser than areal stereo images, and the ASTER GDEM is compiled products from stereo images acquired over 10 years. The forest disturbances as well as forest growth are inevitable in 10 years time span. In this study, the features of ASTER GDEM over vegetated areas under both flat and mountainous conditions were investigated by comparisons with lidar data. The factors possibly affecting the extraction of vegetation canopy height considered include (1) co-registration of DEMs; (2) spatial resolution of digital elevation models (DEMs); (3) spatial vegetation structure; and (4) terrain slope. The results show that the accurate coregistration between ASTER GDEM and national elevation dataset (NED) is necessary over mountainous areas. The correlation between ASTER GDEM minus NED and vegetation canopy height is improved from 0.328 to 0.43 by degrading resolutions from 1 arc-second to 5 arc-second and further improved to 0.6 if only homogenous vegetated areas were considered.