【技术实现步骤摘要】
本专利技术涉及互联网，具体为一种基于同轨卫星的地面高程模型生成方法。
技术介绍
1、中地面高程模型是地理信息科学领域中的核心研究方向之一，其在灾害预测、城市规划、资源管理等方面有着重要应用价值。作为这一领域的一个具体研究方向，利用卫星遥感技术构建高程模型，凭借其覆盖范围广、观测效率高的优势，成为目前高精度地形测绘的重要手段之一。在卫星遥感技术中，同轨卫星的应用尤为独特，它是指具有相同轨道参数的卫星，能够以周期性的方式重复观测同一地表区域。这一特点为获取多时间序列的高精度地形数据提供了可能。
2、在实际应用场景中，比如洪水监测中地形变化的评估、地震后灾区地形的快速恢复建模，以及农作物种植区的微地形分析，同轨卫星的多次观测能够为精确、高效的地形建模提供关键数据。
3、尽管同轨卫星在地面高程模型生成中具有显著优势，但现有的处理方法在多源数据融合方面存在明显的局限性。具体而言，由于多次飞行产生的数据受观测时间、天气条件、地表动态变化，例如降雨和季节性植被生长因素影响，不同数据集间的质量与一致性差异较大，导致生成的高程模型存在精度偏差。此外，当前的数据处理算法通常依赖简单的平均或插值方法，无法有效剔除临时性地表变化对模型的干扰。这种不足不仅限制了高程模型在动态复杂地形中的应用潜力，也降低了在自然灾害等应急场景中快速响应的可靠性。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种基于同轨卫星的地面高程模型生成方法，解决了
技术介绍
中提到的问题。
2、
3、s1、采集同轨卫星的多时段高程数据，获取相关观测数据，并进行预处理，组成高程数据集d；
4、s2、对高程数据集d进行特征提取，再进行时序一致性检测，进行判断高程数据集d的稳定性，通过量化多时段数据的一致性，获取一致性因子c，并根据一致性因子c进行修正，获取修正高程数据集dc；
5、s3、对修正高程数据集dc进行分析短期地表变化，计算短期高程变化指数△h进行动态剔除干扰点，并进行标记干扰点，获取动态剔除后的剔除高程数据集合ds；
6、s4、通过融合不同时间序列的剔除高程数据集合ds，获取高程融合评估指数hf，并进行整合，组成地面高程数据集demb，并判断与预设的精度允许误差阈值tthe对比，获取地面高程数据集demb可用状态结果；
7、s5、根据地面高程数据集demb可用状态结果进行迭代优化以及构建地面高程模型。
8、优选的，所述s1包括s11和s12；
9、s11、采集同轨卫星的多时段高程数据，记录每次观测的高程数据hij以及相关观测条件，包括采样时间ti和光照条件li，组成初始高程数据集合dr＝{hij，ti，li}；
10、其中，高程数据hij具体表示为第i次观测的第j个地面采样点的高程值；采样时间t具体表示第i次采样的观测时间戳，用于标识观测的时间顺序；光照条件li表示第i次采样的环境光照条件。
11、优选的，s12、对初始高程数据集合dr进行预处理，包括噪声剔除、异常点修正和数据标准化，生成高程数据集d＝{hij(std)，ti，li(std)}，其中，hij(std)和li(std)分别表示数据标准化预处理后的标准化高程数据和标准化光照条件；
12、其中，噪声剔除通过使用上下四分位法对初始高程数据集合dr进行检测并剔除观测数据中的噪声点；异常点修正通过采用线性插值法对噪声剔除后的初始高程数据集合dr进行异常点修正；数据标准化通过使用最小-最大归一化方法对异常点修正后的初始高程数据集合dr进行归一化处理到0至1的区间范围内。
13、优选的，所述s2包括s21和s22；
14、s21、对高程数据集d进行特征提取，获取标准化高程数据hij(std)和采样时间ti，对同一地面采样点j的多时段数据进行时序一致性检测，组成时间序列特征集hj＝{h1j(std)，h2j(std)，h3j(std)……，hnj(std)}进行判断高程数据集d的稳定性，通过量化多时段数据的一致性，获取一致性因子c；
15、其中，n表示采样观测总数，hj表示地面采样点j的高程时间序列特征；
16、所述一致性因子c通过以下计算公式获取：
17、
18、式中，cj表示地面采样点j位置的一致性因子，σ(hj)表示时间序列特征集hj的标准差，具体用于衡量数据的波动程度，hmax和hmin分别表示在地面采样点j位置的上限高程值和下限高程值；
19、其中，标准差σ(hj)通过计算公式获取，式中，表示时间序列特征集中的标准化高程数据hij(std)均值。
20、优选的，s22、根据获取的一致性因子c与预设的一致性状态阈值cthe进行对比，获取数据集修正执行状态结果，并根据数据集修正执行状态结果对高程数据集d进行修正，获取修正高程数据集dc；
21、所述数据集修正执行状态结果通过以下对比方式获取：
22、当一致性因子c＜一致性状态阈值cthe时，获取数据集修正执行状态结果为执行修正，包括将地面采样点j的标准化高程数据hij(std)修正为均值hj，进行替换地面采样点j的数据添加至修正高程数据集dc中；
23、当一致性因子c≥一致性状态阈值cthe时，获取数据集修正执行状态结果为不执行修正，将地面采样点j的标准化高程数据hij(std)直接添加至修正高程数据集dc中。
24、优选的，所述s3包括s31和s32；
25、s31、对修正高程数据集dc进行分析短期地表变化，包括计算同一地面采样点j在相邻的时间点之间的短期波动，获取短期高程变化指数△h，并进行动态剔除干扰点；
26、所述短期高程变化指数△h通过以下计算公式获取：
27、
28、式中△hij表示第i次观测地面采样点j位置的短期高程变化指数，hij(std)表示修正高程数据集dc中的第i次观测地面采样点j位置的标准化高程数据，h(i+1)j(std)表示第(i+1)次观测地面采样点j位置的标准化高程数据，ti和tk表示相邻的采样时间，具体表示采样时间ti和采样时间t(i+1)。
29、优选的，s32、根据短期高程变化指数△hij与预设的短期变化评估阈值hthe进行对比，判断地面采样点j位置的干扰状态结果mij，并根据干扰状态结果mij对地面采样点j位置进行标记干扰点，获取对修正高程数据集dc动态剔除后的剔除高程数据集合ds；
30、所述干扰状态结果mij通过以下对比方式获取：
31、
32、其中，当短期高程变化指数△hij＞短期变化评估阈值hthe时，干扰状态结果mij＝1，具体表示地面采样点j位置需要标记为干扰点；
33、当短期高程变化指数△hij≤短期变本文档来自技高网...
【技术保护点】
1.一种基于同轨卫星的地面高程模型生成方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于同轨卫星的地面高程模型生成方法，其特征在于：所述S1包括S11和S12；
3.根据权利要求2所述的一种基于同轨卫星的地面高程模型生成方法，其特征在于：S12、对初始高程数据集合Dr进行预处理，包括噪声剔除、异常点修正和数据标准化，生成高程数据集D＝{Hij(std)，Ti，Li(std)}，其中，Hij(std)和Li(std)分别表示数据标准化预处理后的标准化高程数据和标准化光照条件；
4.根据权利要求1所述的一种基于同轨卫星的地面高程模型生成方法，其特征在于：所述S2包括S21和S22；
5.根据权利要求4所述的一种基于同轨卫星的地面高程模型生成方法，其特征在于：
6.根据权利要求5所述的一种基于同轨卫星的地面高程模型生成方法，其特征在于：所述S3包括S31和S32；
7.根据权利要求6所述的一种基于同轨卫星的地面高程模型生成方法，其特征在于：S32、根据短期高程变化指数△Hij与预设的短期变化评估阈值
8.根据权利要求1所述的一种基于同轨卫星的地面高程模型生成方法，其特征在于：所述S4包括S41和S42；
9.根据权利要求8所述的一种基于同轨卫星的地面高程模型生成方法，其特征在于：S42、通过从地面高程数据集DEMb中提取与预设的精度允许误差阈值Tthe对比状态，获取地面高程数据集DEMb可用状态结果；
10.根据权利要求1所述的一种基于同轨卫星的地面高程模型生成方法，其特征在于：所述S5包括S51；
...【技术特征摘要】
1.一种基于同轨卫星的地面高程模型生成方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于同轨卫星的地面高程模型生成方法，其特征在于：所述s1包括s11和s12；
3.根据权利要求2所述的一种基于同轨卫星的地面高程模型生成方法，其特征在于：s12、对初始高程数据集合dr进行预处理，包括噪声剔除、异常点修正和数据标准化，生成高程数据集d＝{hij(std)，ti，li(std)}，其中，hij(std)和li(std)分别表示数据标准化预处理后的标准化高程数据和标准化光照条件；
4.根据权利要求1所述的一种基于同轨卫星的地面高程模型生成方法，其特征在于：所述s2包括s21和s22；
5.根据权利要求4所述的一种基于同轨卫星的地面高程模型生成方法，其特征在于：
6.根据权利要求5所述的一种基于同轨卫星的地面高程模型生成方法，其特...
【专利技术属性】
技术研发人员：赵晓峰，张蕴灵，董元帅，金星，程向军，李潇屹，高宜娜，
申请(专利权)人：中国公路工程咨询集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。