排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
星载激光雷达ICESat-2和GEDI可以为数字高程模型产品的精度评价与修正提供全球覆盖的、可靠的高精度参考数据源。然而,现有的DEM修正方法主要是针对DEM误差中的植被高信号且多采用线性回归模型。为此,本文分析了ASTER GDEM v3精度与土地覆盖类型、高程、坡度、起伏度及植被覆盖率的关系。在此基础上,提出了一种考虑上述多种精度影响因素并结合XGBoost和空间插值的DEM误差修正方法。结果分析表明:原始ASTER GDEM的误差整体呈正态分布,平均误差为-3.463 m,存在较大负偏差,高程精度随着高程、坡度、起伏度及植被覆盖率VCF的增大呈降低趋势;经过修正后,ASTER GDEM平均误差降低到了-0.233 m,负偏差得到有效改善,整体平均绝对误差降低了26.04%,整体均方差降低了23.56%,耕地、林地、草地、湿地、水域及人造地表的DEM平均绝对误差和均方差都有不同程度的降低;本文提出的方法对多种特征要素与地形误差间的非线性关系进行拟合建模,在研究区取得了较好的修正效果。 相似文献
2.
植物是大型河流生态系统的重要成分。但受气候变化和人类活动影响,洲滩禾本科植物高度不断发生调整,进而影响洲滩生境和河道防洪安全,故需长期监测。近年来,伴随着星载激光雷达(LiDAR)技术的发展,应用LiDAR卫星数据反演洲滩禾本科植物高度成为一种可能。本文融合新一代星载LiDAR系统GEDI数据与Sentinel-2影像,基于XGBoost算法构建了考虑物候、累积温度与光合有效辐射指标的洲滩典型禾本科植物高度外推模型,同时利用Attention-UNet算法搭建了洪淹区域识别模型。随后以长江中游洲滩为例,探明了星载LiDAR技术在获取洲滩植株高度方面的性能,分析了各指标对模型精度的影响,并初步得出了洲滩典型禾本科植物高度对不同淹没条件的响应模式。主要结论包括:(1)星载LiDAR系统GEDI具有准确探测洲滩植物高度的能力,与无人机航测数据相比RMSE=0.43 m;(2)运用GEDI数据构建禾本科植物高度外推模型时,考虑物候和累积温度等指标可有效提升模型精度,提升幅度为6.8%～10.7%;(3)利用无人机航测数据对模型外推植物高度进行评价,RMSE=0.80m。同时从模型外推结果中可知... 相似文献
1