农业机械学报

作者：张宏鸣，全凯，杨亚男，杨江涛，陈欢，郭伟玲

单位：西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,安徽理工大学,

关键词：山区;数字高程模型;超分辨率重构;坡度;深层残差卷积神经网络

基金：国家自然科学基金项目（41771315、41501294）、国家重点研发计划项目（2017YFC0403203）和西北农林科技大学博士启动基金项目（Z1090219191）

针对大区域高分辨率数字高程模型（DEM）数据较难获取、超分辨率重构（降尺度）较低分辨率的DEM精度不高、难以满足实际需要的问题,提出一种对起伏特征较明显的山区DEM超分辨率重构的方法。利用较深层的神经网络充分学习高低分辨率DEM之间的非线性映射关系；为了降低训练难度，结合残差学习的方法进行数据训练。将双立方插值法、稀疏混合估计法重构的DEM及提取的坡度结果分别同深层残差网络法的结果进行对比，结果表明，3种方法DEM结果的差值平均值分别为0.41、0.34、0.34m，RMSE分别为0.5945、0.5715、0.4869m；坡度结果的差值平均值分别为3.02°、2.04°、1.99°，RMSE分别为3.6498°、3.1360°、2.7387°；处理时间分别为0.052、663.39、2.16s。研究表明，对于10、20、40m的DEM，本文方法在空间分布和误差方面优于其他方法，在耗时效率上也优于稀疏混合估计法，适合应用于梯田等地形复杂的区域进行超分辨率重构。

来源：2021年第1期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2021年第1期