基于空间特征学习的多源高程数据融合方法

Given the constraints on the vertical accuracy, spatial resolution and continuity of the current DEM datasets, data fusion blending multi-source DEM is a practical way to improve data quality. However, the influencing factors, including observation technology, processing methods and terrain conditions, pose challenges for the effective fusion of the elevation information. This project aims to study the complex relationship between elevation errors and geospatial elements, and propose a DEM fusion method blending optical, radar and laser altimetry observations. To merge the raster DEM and the altimetry points, we construct a point-surface fusion method based on the geo-intelligent deep learning network, thus improve the accuracy of the raster elevation surface. For the regions with no reliable elevation information, we propose an adaptive terrain texture generation method based on deep convolutional adversarial leaning to fix the outliers. The research results can provide theoretical and technological support for multi-source elevation data products, thus generate high-quality seamless DEM data for the Earth-related research fields.

现有的DEM数据在精度、空间尺度和连续性等方面仍然存在制约，融合多源数据之间的互补优势信息，是提升数据质量的一种有效方式。然而，多源高程数据质量受到观测手段、地形环境等因素的影响，在地理空间上具有显著差异，为高程信息的有效融合带来挑战。对此，本项目拟挖掘高程数据误差与地理空间关键要素的复杂关联，发展基于空间特征学习的多源高程数据融合方法，结合光学、雷达、激光雷达等多源观测信息，克服DEM数据中存在的噪声、空洞和异常值等典型质量问题。通过构建基于地理深度回归网络的多源点面融合模型，实现光学、雷达DEM与高精度激光雷达测高信息的有机结合，提升栅格DEM的垂直精度；对于多源数据观测质量不佳导致的异常区域，提出自适应地形纹理生成模型，修复数据中残留的异常值，生成高质量空间无缝DEM。研究成果将为多源高程数据产品的融合提供理论与方法的支持，有效提升DEM数据质量，使其更好地服务于地学相关应用。

DEM是地理空间基础数据的重要组成部分，在地学相关领域具有广泛的应用。随着对地观测技术的不断发展，多样化的遥感观测手段获取得到了丰富的DEM数据产品。然而，受到观测技术、生成方法、地形环境等因素的影响，现有的DEM数据在精度、空间尺度和连续性等方面仍然存在制约，影响数据的可用性。多源数据融合是改善DEM数据质量的有效途径。然而，多源测高数据降质因素复杂，数据精度在地理空间上存在显著差异，现有融合方法未能充分顾及DEM误差与地理空间关键要素之间的复杂关联，为高程信息的有效融合带来挑战。.本项目针对DEM垂直精度和异常值等常见质量问题，充分挖掘光学立体测图、雷达干涉测量、激光雷达测高等多源观测数据的互补特性，分析影响高程数据质量的关键地理空间要素，围绕“顾及高程数据误差空间分布的多源点面融合”，“顾及地形纹理特征差异的异常值修复”等两方面关键技术开展研究，发展了基于空间特征学习的多源高程数据融合方法体系，并实现30米分辨率全球高精度无缝DEM数据产品（GSDEM30）的重建。研究表明，项目成果能够有效提升DEM产品的垂直精度与空间连续性，使其更好地服务于地学相关应用。.按照既定的研究计划，项目基本完成了课题设定的研究任务，实现了预期目标，并在研究的深度和广度上相比既定计划有了进一步的扩展。在项目资助下，以第一/通讯作者身份发表科研论文5篇，其中SCI检索4篇，另有2篇论文已投稿SCI期刊，正在审稿中。独立培养硕士研究生3名，已毕业1名。