申请/专利权人:中南林业科技大学
申请日:2020-06-29
公开(公告)日:2023-09-08
公开(公告)号:CN111812600B
主分类号:G01S7/40
分类号:G01S7/40;G01S13/88;G01S13/89
优先权:
专利状态码:有效-授权
法律状态:2023.09.08#授权;2020.11.10#实质审查的生效;2020.10.23#公开
摘要:一种自适应地形相关的SRTM‑DEM校正方法,包括以下步骤:1构建与地理位置相关的线性模型来对全球趋势误差进行建模,即ftrendE,N=a0+a1sinE+a2cos90°‑N1;2基于BIC的局部地形误差校正模型的构建将与地形有关的误差fterrain构造为fterrainS,A,Z=a3H+fTFS,A2;3构建自适应地形相关的SRTMDEM校正模型ΔH=ftrendE,N+fterrainS,A,H+Δh+δ4;4利用模型参数的稳健估计值。相对于传统的SHM和MLE校正方法,本发明的校正方法的精度更高。
主权项:1.一种自适应地形相关的SRTM-DEM校正方法,其特征在于:包括以下步骤:1构建与地理位置相关的线性模型来对全球趋势误差进行建模,即ftrendE,N=a0+a1sinE+a2cos90°-N1其中a0,a1,a2是模型参数;2基于BIC的局部地形误差校正模型的构建将与地形有关的误差fterrain构造为fterrainS,A,Z=a3H+fTFS,A2其中a3是SRTMDEM与高度相关的误差系数,fTFS,A表示与坡度和坡向有关的误差;其实fTFS,A的阶数采用自适应策略来确定;选择达到最低贝叶斯信息准则值,即选择达到最低BIC值的模型作为描述SRTMDEM中与坡度和坡度有关的误差的最佳模型;BIC=lnnk-2L3其中n表示观测样本大小,k是独立参数的数量,L是模型的对数似然性;3构建自适应地形相关的SRTMDEM校正模型即SRTMDEM高程和实测高程之间的差值ΔH,ΔH=ftrendE,N+fterrainS,A,H+Δh+δ4其中E,N,H,S和A是所有实测点所对应的SRTMDEM的经度、纬度、高程、坡度和坡向;Δh代表对应的植被偏差,将其设置为0;δ是残差误差项;也可用ΔH=B·X5表示,其中X表示模型参数,B表示模型因素向量;4利用模型参数的稳健估计值可以通过以下方式实现SRTMDEM的像素级校正: 其中H1是SRTMDEM的任意像素的高程向量,B1是SRTMDEM的任意像素系数矩阵,包含新的自变量的系数矩阵;新的自变量包括经度,纬度,高程,坡度和坡向。
全文数据:
权利要求:
百度查询: 中南林业科技大学 一种自适应地形相关的SRTM-DEM校正方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。