中国农业期刊集成服务平台

当前位置: 首页 > 文章 > 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中国农业科学 2021 (8) 1715-1727

Position: Home > Articles > 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 Scientia Agricultura Sinica 2021 (8) 1715-1727

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

作者：

马雨阳;官海翔;杨昊轩;邵帅;邵逸群;刘焕军

单位：

东北农业大学公共管理与法学院;东北农业大学资源与环境学院

关键词：

SRTM DEM;神经网络;多光谱影像;灰色关联分析;方差膨胀因子;

摘要：

【目的】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。【方法】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。【结果】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RMSE_P为0.98,R_P²为0.98,ELM的RMSE_P为1.00,R_P²为0.90。在平坦区,BPNN方法的RMSE_P为0.84,ELM的RMSE_P为1.00;在起伏区,BPNN方法的RMSE_P为0.99,ELM的RMSE_P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。【结论】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。

相似文章

基于SRTM DEM的汾河流域特征提取研究 [郭力宇, 吴锦忠] 中国农业资源与区划 2016,37 (06) 1-7
基于SRTM DEM的陕南汉江上游流域水文特征模拟研究 [詹蕾] 安徽农业科学 2011,39 (16) 316-317+409
SRTM DEM在TOPMODEL模型中的可用性分析 [王培法] 水土保持研究 2005,12 (6)
基于SRTM DEM的河棚河流域水系提取研究 [姜卫祥, 吕成文] 安徽农业科学 2017,45 (13) 214-217
SRTM DEM在黄土高原地区的应用研究 [张庆功, 贾智乐, 黄伟, 黄毅鹏, 雷闪] 中国水土保持 2025 (3) 38-41

PDF下载 PDF预览

导出引用

计量

文章访问数: 32

HTML全文浏览量: 0

PDF下载量: 1

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

相似文章

所属期刊

中国农业科学

推荐期刊

中国水土保持

安徽农业科学