黄土高原区SRTM1 DEM高程误差校正模型构建及对比分析 |
| |
引用本文: | 黄帅元,董有福,李海鹏.黄土高原区SRTM1 DEM高程误差校正模型构建及对比分析[J].地球信息科学,2023(3):669-681. |
| |
作者姓名: | 黄帅元 董有福 李海鹏 |
| |
作者单位: | 南京工业大学测绘科学与技术学院 |
| |
基金项目: | 国家自然科学基金项目(41871324)~~; |
| |
摘 要: | 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ICESat-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2.04 m,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 ...
|
关 键 词: | 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 |
|
| 点击此处可从《地球信息科学》浏览原始摘要信息 |
| 点击此处可从《地球信息科学》下载免费的PDF全文 |
|