[发明专利]基于随机森林回归模型的数字高程模型改正方法和装置

权利要求书

1.一种基于随机森林回归模型的数字高程模型改正方法，其特征在于，包括：将数字高程模型载入预先构建并训练好的高程改正回归模型中，对数字高程模型中的高程进行修改，得到改正后的数字高程模型；

所述高程改正回归模型基于随机森林算法构建，

所述高程改正回归模型的训练过程包括：从卫星足印地形高程数据中选取用于参考的地理位置，获取数字高程模型，从该数字高程模型中，选取与所述地理位置的距离在第一距离范围以内区域的高程数据，并与卫星足印地形高程数据进行高程比较，得到高程差值作为数字高程模型的高程改正量；

采用高程改正量和根据所述数字高程模型构建的评估属性，对基于随机森林算法构建的高程改正回归模型进行训练，所述评估属性包括数字高程模型所分布区域内的地表覆盖因素、地形特征因素、空间分布因素以及模型的数据源质量因素。

2.根据权利要求1所述的一种基于随机森林回归模型的数字高程模型改正方法，其特征在于，所述地表覆盖因素为采用全球地表覆盖数据表征数字高程模型所分布区域内的地表。

3.根据权利要求1所述的一种基于随机森林回归模型的数字高程模型改正方法，其特征在于，所述地形特征因素为在预设的第一窗口内数字高程模型的坡度、粗糙度、坡向、曲率和高程统计值。

4.根据权利要求1所述的一种基于随机森林回归模型的数字高程模型改正方法，其特征在于，所述空间分布因素为以预设的第一区域内数字高程模型的平面地理坐标在X和Y方向的最小值，以及高程最小值作为零点坐标参考，计算出的数字高程模型各个像素点相对该零点坐标的三维坐标。

5.根据权利要求1所述的一种基于随机森林回归模型的数字高程模型改正方法，其特征在于，所述模型的数据源质量因素为根据数字高程模型附带的质量产品文件获取的数据源质量。

6.根据权利要求1所述的一种基于随机森林回归模型的数字高程模型改正方法，其特征在于，所述第一距离的取值在10-20m范围以内。

7.根据权利要求1所述的一种基于随机森林回归模型的数字高程模型改正方法，其特征在于，所述对数字高程模型中的高程进行修改具体为：

对数字高程模型中坡度小于25度的部分进行高程修改。

8.一种基于随机森林回归模型的数字高程模型改正装置，其特征在于，包括：

模型构建和训练模块，被配置为，基于随机森林算法构建高程改正回归模型；

所述高程改正回归模型的训练过程包括：从卫星足印地形高程数据中选取用于参考的地理位置，获取数字高程模型，从该数字高程模型中，选取与所述地理位置的距离在第一距离范围以内区域的高程数据，并与卫星足印地形高程数据进行高程比较，得到高程差值作为数字高程模型的高程改正量；

采用高程改正量和根据所述数字高程模型构建的评估属性，对基于随机森林算法构建的高程改正回归模型进行训练，所述评估属性包括数字高程模型所分布区域内的地表覆盖因素、地形特征因素、空间分布因素以及模型的数据源质量因素；

数字高程模型改正模块，将数字高程模型载入训练好的高程改正回归模型中，对数字高程模型中的高程进行修改，得到改正后的数字高程模型。

9.根据权利要求8所述的一种基于随机森林回归模型的数字高程模型改正装置，其特征在于，所述地表覆盖因素为采用全球地表覆盖数据表征数字高程模型所分布区域内的地表；

所述地形特征因素为在预设的第一窗口内数字高程模型的坡度、粗糙度、坡向、曲率和高程统计值；

所述空间分布因素为以预设的第一区域内数字高程模型的平面地理坐标在X和Y方向的最小值，以及高程最小值作为零点坐标参考，计算出的数字高程模型各个像素点相对该零点坐标的三维坐标；

所述模型的数据源质量因素为根据数字高程模型附带的质量产品文件获取的数据源质量。

10.根据权利要求8所述的一种基于随机森林回归模型的数字高程模型改正装置，其特征在于，所述第一距离的取值在10-20m范围以内；

所述对数字高程模型中的高程进行修改具体为：

对数字高程模型中坡度小于25度的部分进行高程修改。