顾及地形坡度的SRTM和ASTER加权融合

doi:10.13474/j.cnki.11-2246.2020.0124

测绘通报 ›› 2020, Vol. 0 ›› Issue (4): 121-124.doi: 10.13474/j.cnki.11-2246.2020.0124

顾及地形坡度的SRTM和ASTER加权融合

郑婷婷¹, 陈传法¹, 刘洪涛²

1. 山东科技大学测绘科学与工程学院, 山东青岛 266590;
2. 济南市勘察测绘研究院, 山东济南 250101

收稿日期:2019-09-16 修回日期:2019-11-25 出版日期:2020-04-25 发布日期:2020-05-08
通讯作者: 陈传法。E-mail:chencf@lreis.ac.cn E-mail:chencf@lreis.ac.cn
作者简介:郑婷婷(1996-),女,硕士生,研究方向为空间数据质量改善。E-mail:tingtingzheng8023@163.com
基金资助:
国家自然科学基金（41371367）；山东省自然科学基金（ZR2019MD007；ZR2019BD006）

A slope-based weighting method for fusing SRTM and ASTER

ZHENG Tingting¹, CHEN Chuanfa¹, LIU Hongtao²

1. College of Geomatics, Shandong University of Science and Technology, Qingdao 266590, China;
2. Jinan Geotechnical Investigation and Surveying Institute, Jinan 250101, China

Received:2019-09-16 Revised:2019-11-25 Online:2020-04-25 Published:2020-05-08

摘要/Abstract

摘要： 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。

关键词: SRTM, ASTER, 加权平均融合, 坡度, 精度

Abstract: To produce a high-accuracy public available DEM,a weighted mean method based on terrain slope for fusing SRTM and ASTER is developed in this paper. Specifically, the two public DEMs are first georeferenced. Then, the fusion weights of the two DEMs are calculated with respect to their elevation errors under different slope grades. Finally, the two DEMs are fused based on the fusion weights. The fused DEM is assessed using some high-precision control points. The results indicate that the precision of the fused DEM is improved, whose elevation standard deviation error is 5.65 m and 1.20 m lower than those of SRTM and ASTER, respectively.

Key words: SRTM, ASTER, weighted mean fusion, slope, accuracy

中图分类号:

P208

郑婷婷, 陈传法, 刘洪涛. 顾及地形坡度的SRTM和ASTER加权融合[J]. 测绘通报, 2020, 0(4): 121-124.

ZHENG Tingting, CHEN Chuanfa, LIU Hongtao. A slope-based weighting method for fusing SRTM and ASTER[J]. Bulletin of Surveying and Mapping, 2020, 0(4): 121-124.

参考文献

[1] FISHER P F, TATE N J. Causes and consequences of error in digital elevation models[J]. Progress in Physical Geography:Earth and Environment, 2006, 30(4):467-489.
[2] 许华夏, 谢先明, 谢家朝, 等. 改进的扩展卡尔曼滤波相位解缠算法[J]. 测绘科学, 2018, 43(10):16-21.
[3] 杨亚夫,朱建军,许兵.利用TanDEM-X生成DEM的精度评定[J].测绘通报,2017(7):18-22.
[4] 陈传法, 杜正平, 岳天祥. 基于高精度曲面建模方法的SRTM空缺插值填补研究[J]. 大地测量与地球动力学, 2010, 30(1):126-129.
[5] 张朝忙, 刘庆生, 刘高焕, 等. SRTM 3与ASTER GDEM数据处理及应用进展[J]. 地理与地理信息科学, 2012, 28(5):29-34.
[6] TRAN T A, RAGHAVAN V, MASUMOTO S, et al. A geomorphology based approach for digital elevation model fusion-case study in Danang City, Vietnam[J]. Earth Surface Dynamics, 2014, 2(2):403-417.
[7] 孟伟, 李润奎, 段峥, 等. 基于地貌特征的数字高程模型融合方法[J]. 地球信息科学学报, 2018, 20(7):895-905.
[8] PAPASAIKA H,KOKIOPOULOU E, BALTSAVIAS E,et al. Fusion of digital elevation models using sparse representation[C]//ISPRS Conference on Photogram-metric Image Analysis. Berlin:Springer,2011.
[9] 陈传法, 郑作亚, 岳天祥. 基于快速傅里叶变换的ASTER与SRTM有效融合研究[J]. 国土资源遥感, 2010, 22(4):19-22.
[10] 孙亮, 严薇, 刘平芝, 等. 采用小波分析的SRTM DEM与ASTER DEM数据融合[J]. 测绘科学技术学报, 2014, 31(4):388-392.
[11] 沈焕锋, 刘露, 岳林蔚, 等. 多源DEM融合的高差拟合神经网络方法[J]. 测绘学报, 2018,47(6):854-863.
[12] MUKHERJEE S, JOSHI P K, MUKHERJEE S, et al. Evaluation of vertical accuracy of open source digital elevation model (DEM)[J]. International Journal of Applied Earth Observation and Geoinformation, 2013, 21:205-217.
[13] 赵国松, 杜耘, 凌峰, 等. ASTER GDEM与SRTM3高程差异影响因素分析[J]. 测绘科学, 2012, 37(4):167-170.
[14] 杨小艳, 陈龙高, 陈龙乾, 等. 基于土地利用类型的ASTER GDEM精度评价——以连云港为例[J]. 中国矿业大学学报, 2016, 45(2):377-385.
[15] 高志远, 谢元礼, 王宁练, 等. 青藏高原地区3种全球DEM精度对不同地形因子的响应[J]. 水土保持通报, 2019, 39(2):184-191.
[16] 武文娇, 章诗芳, 赵尚民. SRTM1 DEM与ASTER GDEM V2数据的对比分析[J]. 地球信息科学学报, 2017, 19(8):1108-1115.
[17] 郭海荣,焦文海,杨元喜.1985国家高程基准与全球似大地水准面之间的系统差及其分布规律[J].测绘学报,2004, 33(2):100-104.

顾及地形坡度的SRTM和ASTER加权融合

A slope-based weighting method for fusing SRTM and ASTER

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	陈一彪, 秘金钟, 谷守周, 杨李俊, 王洪斌, 楚彬. BDS-3+GPS精密单点定位模型及性能分析[J]. 测绘通报, 2022, 0(6): 12-17,39.
[2]	窦世卿, 郑贺刚, 徐勇, 陈治宇, 苗林林, 宋莹莹. 基于U-Net3+的高分遥感影像建筑物提取[J]. 测绘通报, 2022, 0(6): 40-44.
[3]	周建国, 罗超, 彭朵. 微型无人机辅助的三角高程测量方法[J]. 测绘通报, 2022, 0(6): 71-75.
[4]	王春霞, 张俊, 李屹旭, 范成成. 一种基于Landsat 8的多波段组合水体指数模型[J]. 测绘通报, 2022, 0(5): 20-25.
[5]	王仁军, 刘宝康, 杜玉娥, 张红丽, 于志远. 基于GF-6的可可西里典型湖泊水体面积提取方法研究[J]. 测绘通报, 2022, 0(5): 32-37.
[6]	王道杰, 陈倍, 孙健辉. 机载LiDAR点云密度对DEM精度的影响[J]. 测绘通报, 2022, 0(5): 140-144,169.
[7]	张东升, 张玉英, 李国柱, 赵子龙, 杨苏新. 低纬度高海拔地区BDS/GPS/GLONASS非差非组合PPP性能分析[J]. 测绘通报, 2022, 0(5): 150-156.
[8]	肖浩威, 王江林, 郭海荣, 杨立扬. PPP-B2b服务的实时精密单点定位精度分析[J]. 测绘通报, 2022, 0(4): 117-121.
[9]	高志钰, 郭进义, 刘杰. 北斗在地壳形变监测中的应用进展[J]. 测绘通报, 2022, 0(3): 32-35.
[10]	段晨阳, 冯建中, 全斌, 白林燕, 王盼盼. 利用深度学习进行GF-6影像枣园检测识别[J]. 测绘通报, 2022, 0(3): 54-59.
[11]	任旭斌, 康建锋, 于东海. 无人机倾斜摄影测量在房屋建筑面积测算中的应用[J]. 测绘通报, 2022, 0(3): 116-120,126.
[12]	李志娟, 李慧, 刘建军, 张东华. 利用稀少卫星影像控制点生产1:10 000 DOM[J]. 测绘通报, 2022, 0(3): 143-147.
[13]	周诗洋, 吴向阳. 像控点布设对勘测定界复杂区域实景建模精度的影响[J]. 测绘通报, 2022, 0(2): 1-4,15.
[14]	蔡嘉伦, 贾洪果, 刘国祥, 张波, 刘巧, 吴仁哲, 向卫, 毛文飞, 张瑞. 对比传统低空航测的无人机倾斜摄影测量精度评估[J]. 测绘通报, 2022, 0(2): 31-36.
[15]	钟娜娜, 滕紫晴, 胡振彪, 王海银, 赵军. 一种I3S标准的倾斜摄影服务精度动态控制方法[J]. 测绘通报, 2022, 0(2): 128-130,135.