|
|||||
|
|
| 利用随机森林回归算法校正ASTER GDEM高程误差 | |
| 摘 要： | 通过构建ASTER GDEM(advanced spaceborne thermal emission and reflection radiometer global digital elevation model)高程误差与影响因子间的关系模型,可对其高程精度进行有效校正。选取陕北黄土高原境内长武、宜君、甘泉、延川4个不同地貌类型的样区,以1∶5万DEM(digital elevation model)作为参考数据,经过数据预处理后,计算各点位高程误差值及相关地形因子和地表覆盖指数;提取一定数量的采样点和检验点,引入随机森林回归算法,建立高程误差预测模型,以对高程精度进行校正,并与多元回归模型进行比较分析。实验结果表明,ASTER GDEM的高程误差特征与地形条件有较强的相关性;随机森林回归预测模型整体上优于多元回归模型,具有较好的适用性与误差校正效果,可分别将长武、宜君、甘泉、延川的高程误差均值减小3.08 m、3.00 m、3.61 m和6.95 m。 |
| 本文献已被 CNKI 等数据库收录！ | |