一种基于多源数据和机器学习的DEM数据融合方法

    公开(公告)号:CN117521005A

    公开(公告)日:2024-02-06

    申请号:CN202311465706.0

    申请日:2023-11-06

    摘要: 本发明涉及一种基于多源数据和机器学习的DEM数据融合方法,包括以下步骤:收集航天飞机雷达地形测绘任务高程模型数据、ICESat‑2星载激光雷达数据、土地覆盖数据以及植被覆盖率数据,并进行预处理;基于上述预处理后数据进行误差因素分析;通过多种针对不同因素的分层采样方法对上述数据进行采样,并基于采样后的样本分别构建训练集与测试集;基于极致梯度提升构建DEM数据融合模型,将不同分层采样方法的训练集输入DEM数据融合模型,得到DEM数据融合模型,通过对应分层采样方法的测试集验证当前分层采样方法的DEM数据融合模型精度,将精度最高的作为最终DEM数据融合模型,最后对融合后的DEM数据的异常值进行处理。