SRTM-1误差分析与建模文献综述
2020-08-04 09:08
一、选题背景 DEM(数字高程模型)是地理信息系统和遥感等领域所必需的核心数据,而且在测绘、水文、气象、 地貌、地质、土壤、工程建设、通讯和军事等领域也有着广泛的应用,这些应用都急切需要更高精度的 DEM数据。
目前, DEM数据可以通过野外测量和遥感技术的手段获取.其中,野外测量得到的DEM 精度高,但是会消耗大量的人力物力。
通过遥感技术可以在相对短的时间内获取覆盖面积较大的 DEM数据。
SRTM( Shuttle Radar Topography Mission)即航天飞机雷达地形测绘任务,由美国国家航空航天局、 美国国防部国家测绘局和德国与意大利航天机构共同完成测量的。
测量任务历时11d,获取了自60 #176;N至 56#176; S之间的SAR图像。
由SRTM获取的DEM数据 有30m( SRTM-1)和90m( SRTM-3)两种分辨率的产 品. SRTM数据每经纬度方格提供一个文件,精度有1arc-second和3 arc-second 两种,称作SRTM-1和SRTM-3, SRTM-1数据自2015年1月起逐步向全球免费公开,文件里面包含3601*3601个采样点的高度数据,并且数据的高程精度为#177;16m。
SRTM-1误差分析与建模目的是为了使SRTM数据更加精确,更加广泛应用到测绘、水文、气象、 地貌、地质、土壤、工程建设、通讯和军事等领域。
对优化DEM的精度和使用效果是非常有意义的。
二、国内外现状分析 目前,国内外研究人员对多源DEM 综合优化取得了一些研究成果.优化方法可以分为两大类: 一类是使用同源或异源的规则格网DEM数据进行综合优化.如孙亮等[1]提出了空间域最优加权融合算法,而陈传法等[2]采用快速傅立叶变换将DEM 数据变换的频域,对不同来源的DEM分别进行高通和低通滤波处理,再将频域相加,逆变换到空域. 两者在地形起伏不明显的地区取得了很好的效果. Ka r aka s i s等[4]将DEM 数据用不同的二元函数展开,对得到的展开系数矩阵进行加权融合处理.邓 少平等[5]根据对DEM精确性的评价融合了光学立体像对、 InSAR 和 雷 达 摄 影 测 量 等 方 式 获 取 的DEM.另外还有研究人员采用了基于稀疏表示的 DEM融合方法,但是这些研究还不够深入[6]。
另一类是使用高精度离散点高程数据来优化规则格网 DEM,而这类方法的文献较少。
您可能感兴趣的文章
- 以火蝾螈为例分析空间自相关模型是否可以揭示群体过程外文翻译资料
- 英国的食源性疾病与气候变化外文翻译资料
- 高山流域地表温度的地形和生态水文控制外文翻译资料
- 职前教师进行教育时需掌握的地理地图知识和技能外文翻译资料
- 利用三维激光图像扫描系统监测边坡变形:案例研究外文翻译资料
- 利用多源遥感数据绘制城市树木的碳存储:生物量、土地利用和波士顿社区人口统计数据之间的关系外文翻译资料
- 1987年至2017年美国,中国和日本四个主要海湾地区城市群的时空演变:来自遥感影像的证据外文翻译资料
- 基于遥感的岩矿光谱特征及信息提取研究外文翻译资料
- 利用兴趣点数据估计中国上海市中心的通勤模式外文翻译资料
- 面向对象的应用程序框架框架提供的概念外文翻译资料