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

马雨阳，官海翔，杨昊轩，邵帅，邵逸群，刘焕军，2

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

马雨阳1，官海翔1，杨昊轩1，邵帅1，邵逸群3，刘焕军1，2

1东北农业大学公共管理与法学院，哈尔滨 150030；2中国科学院东北地理与农业生态研究所，长春 130012；3东北农业大学资源与环境学院，哈尔滨 150030

【】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。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。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。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。……