地球信息科学学报 ›› 2022, Vol. 24 ›› Issue (7): 1234-1244.doi: 10.12082/dqxxkx.2022.210667
收稿日期:
2021-10-25
修回日期:
2021-12-15
出版日期:
2022-07-25
发布日期:
2022-09-25
通讯作者:
* 张 艳(1978— ),女,河南郑州人,副教授,主要从事数字摄影测量、数字图像处理等方向研究。E-mail: zhangyanxz7806@163.com作者简介:
郑迎辉(1999— ),男,河南平顶山人,硕士,主要从事星载激光测高数据处理与应用研究。E-mail: hpuxiaozheng@163.com
基金资助:
ZHENG Yinghui(), ZHANG Yan(
), WANG Tao, ZHAO Xiang, ZHANG Kun, WANG Longhui
Received:
2021-10-25
Revised:
2021-12-15
Online:
2022-07-25
Published:
2022-09-25
Contact:
ZHANG Yan
Supported by:
摘要:
ICESat-2(Ice, Cloud and land Elevation Satellite-2)数据的平面定位精度达到米级,高程定位精度达到亚米级,但受各种外界因素的影响,部分激光足印点的高程精度较差,不能用作高程控制点。针对上述问题,本文提出一种适用于ICESat-2数据的多参数联合的高程控制点提取方法。该方法首先利用内置参数辅助检查激光足印点数据质量,滤除异常激光足印点,然后参考内置DEM(Digital Elevation Model)数据进行高程粗差剔除,最后结合云量标记、坡度参数以及时间标记属性参数设置阈值精细筛选,保留满足质量检查、坡度小、云量少的激光足印点作为最终高程控制点,并利用高精度参考高程数据进行精度验证。为验证本文方法的有效性,选取郑州西部、北科达他州西南部、印第安纳州北部地区的ICESat-2激光数据(高程平均绝对误差分别为3.711、0.582、0.333 m)进行高程控制点提取实验,实验结果表明,筛选后的激光足印点平均绝对误差分别达到0.827、0.393、0.131 m,该提取方法在多种地形场景下均能够提取出一定数量且精度较高的高程控制点,不仅能为1:50 000以及1:10 000立体测图提供数据支撑,还能为全国甚至是全球高程控制点提取和高程控制点库建设提供参考。
郑迎辉, 张艳, 王涛, 赵祥, 张昆, 王龙辉. 基于ICESat-2数据的高程控制点提取和精度验证[J]. 地球信息科学学报, 2022, 24(7): 1234-1244.DOI:10.12082/dqxxkx.2022.210667
ZHENG Yinghui, ZHANG Yan, WANG Tao, ZHAO Xiang, ZHANG Kun, WANG Longhui. Elevation Control Points Extraction and Accuracy Validation based on ICESat-2 Data[J]. Journal of Geo-information Science, 2022, 24(7): 1234-1244.DOI:10.12082/dqxxkx.2022.210667
表1
ATL08数据产品参数说明
参数 | 描述 |
---|---|
latitude | 每个统计单元内中心光子的纬度 |
longitude | 每个统计单元内中心光子的经度 |
dem_h | 该地理位置的最佳可用(参考来源为Arctic, GMTED, MSS, Antarctis)DEM高程,参考椭球为WGS84椭球 |
h_dif_ref | h_te_median和ref_dem之间的差值 |
h_te_best_fit | 每个统计单元内中心位置的最佳拟合地形高程,由3种拟合(线性、三阶和四阶多项式)中的最佳确定 |
h_te_interp | 标记为地面光子的插值地表高程 |
h_te_max | 标记为地面光子的地表高程的最大值 |
h_te_min | 标记为地面光子的地表高程的最小值 |
h_te_mean | 标记为地面光子的地表高程的平均值 |
h_te_median | 标记为地面光子的地表高程的中位值 |
n_te_photons | 每个统计单元内标记为地面光子的数量 |
terrain_slope | 每个统计单元内地面的沿轨方向坡度,通过线性拟合计算 |
night_flag | 夜晚标记,0=day,1=night |
cloud_flag_atm | 云量标记,取值范围为[0,10],0以上表示有云或气溶胶存在,[0,1]则表示云量小于或等于10% |
urban_flag | 城市标记,0=not_urban,1=urban |
表2
实验区高程精度验证数据
实验区 | DEM数据名称 | 获取时间 | 数据源 | 坐标系统 | 高程精度 |
---|---|---|---|---|---|
郑州西部实验区 | Dengfeng_DEM_1_meter_2017 | 2017-06—2017-07 | LiDAR | 平面坐标:WGS84 高程基准:WGS84大地高 | 优于0.8 m |
北科达他州西南部实验区 | ND_KidderCO_LiDAR_2014 | 2015-04—2015-05 | LiDAR | 平面坐标:NAD83 高程基准: NAVD88 | 优于0.5 m |
印第安纳州北部实验区 | IN_Indiana_Statewide_LiDAR_2017 | 2017-03—2020-04 | LiDAR | 平面坐标:NAD83 高程基准: NAVD88 | 优于0.5 m |
表3
多参数联合的ICESt-2激光足印点的筛选结果
实验区 | 筛选条件 | 保留激光点数/个 | MAE/m | RMSE/m | 数据剔除率/% |
---|---|---|---|---|---|
郑州西部实验区 | 原始数据 | 22 853 | 3.711 | 5.989 | 0 |
质量检查 | 8347 | 1.261 | 2.138 | 63.48 | |
参考DEM筛选 | 8260 | 1.232 | 2.083 | 0.38 | |
坡度参数 | 2826 | 1.166 | 1.904 | 23.78 | |
云量参数 | 2724 | 1.054 | 1.671 | 0.45 | |
时间标志 | 785 | 0.827 | 1.190 | 8.48 | |
北科达他州西南部实验区 | 原始数据 | 39 741 | 0.582 | 1.759 | 0 |
质量检查 | 37 193 | 0.480 | 1.215 | 6.41 | |
参考DEM筛选 | 37 084 | 0.476 | 1.145 | 1.12 | |
坡度参数 | 28 217 | 0.462 | 1.048 | 22.59 | |
云量参数 | 28 045 | 0.441 | 0.664 | 0.43 | |
时间标志 | 11 170 | 0.393 | 0.590 | 42.46 | |
印尼安纳州北部实验区 | 原始数据 | 46 593 | 0.333 | 2.887 | 0 |
质量检查 | 41 144 | 0.153 | 0.428 | 11.70 | |
参考DEM筛选 | 41 055 | 0.150 | 0.412 | 0.19 | |
坡度参数 | 35 756 | 0.142 | 0.392 | 11.30 | |
云量参数 | 35 511 | 0.141 | 0.297 | 0.53 | |
时间标志 | 11 103 | 0.131 | 0.263 | 52.38 |
表5
不同属性参数(时间标志是否参与)筛选条件下的结果
实验区 | 不同属性参数筛选条件 | 保留激光点数/个 | MAE/m | RMSE/m | 数据剔除率/% |
---|---|---|---|---|---|
郑州西部实验区 | 时间标志参与筛选 | 785 | 0.821 | 1.190 | 96.57 |
时间标志不参与筛选 | 2724 | 1.054 | 1.671 | 88.09 | |
北科达他州西南部实验区 | 时间标志参与筛选 | 11 170 | 0.393 | 0.590 | 73.01 |
时间标志不参与筛选 | 18 045 | 0.441 | 0.664 | 30.55 | |
印尼安纳州北部实验区 | 时间标志参与筛选 | 11 103 | 0.131 | 0.263 | 76.10 |
时间标志不参与筛选 | 25 511 | 0.141 | 0.297 | 23.72 |
[1] | 张重阳. 基于GLAS数据的广义控制点库的建设和应用[D]. 阜新: 辽宁工程技术大学, 2015. |
[ Zhang C Y. Construction and application of generalized elevation control point database on GLAS data[D]. Fuxin: Linaoning Project Technology University, 2015. ] | |
[2] | 李国元, 唐新明, 张重阳, 等. 多准则约束的ICEsat/GLAS高程控制点筛选[J]. 遥感学报, 2017, 21(1):96-104. |
[ Li G Y, Tang X M, Zhang C Y, et al. Multi-criteria constraint algorithm for selecting ICESat/GLAS data as elevation control points[J]. National Remote Sensing Bulletin, 2017, 21(1):96-104. ] DOI: 10.11834/jrs.20175269
doi: 10.11834/jrs.20175269 |
|
[3] | 俄相颖, 戴光耀, 吴松华. ICESat-2 ATL03数据预处理及校正方法[J]. 红外与激光工程, 2021, 50(6):92-102. |
[ E X Y, Dai G Y, Wu S H. ICESat-2 ATL03 data preprocessing and correction method[J]. Infrared and Laser Engineering, 2021, 50(6):92-100. ] DOI: 10.3788/IRLA20211032
doi: 10.3788/IRLA20211032 |
|
[4] |
Magruder L, Brunt K, Neumannn T, et al. Passive ground-based optical techniques for monitoring the on-orbit ICESat-2 altimeter geolocation and footprin diameter[J]. Earth and Space Science, 2021(8):e2020EA001414. DOI: 10.1002/essoar.10504571.1
doi: 10.1002/essoar.10504571.1 |
[5] |
Magruder L A, Brunt K M, Alonzo M. Early icesat-2 on-orbit geolocation validation using ground-based corner cube retro-reflectors[J]. Remote Sensing, 2020, 12(21):3653. DOI: 10.3390/rs12213653
doi: 10.3390/rs12213653 |
[6] | National Snow&Ice Data Center. Data at NSIDC[DB/OL]. https://nsidc.org/data/icesat-2/data-sets,2020. |
[7] | Neuenschwander A L, Pitts K L, Jelley B P. et al. ATLAS/ICESat-2 L3A land and vegetation height, version 4[DB/OL]. https://nsidc.org/data/atl08/versions/4,2021. |
[8] |
Neuenschwander A L, Magruder L A. The potential impact of vertical sampling uncertainty on ICESat-2/ATLAS terrain and canopy height retrievals for multiple ecosystems[J]. Remote Sensing, 2016, 8(12):1039. DOI: 10.3390/rs8121039
doi: 10.3390/rs8121039 |
[9] | 董佳臣, 倪文俭, 张志玉, 等. ICESat-2植被冠层高度和地表高程数据产品用于森林高度提取的效果评价[J]. 遥感学报, 2021, 25(6):1294-1307. |
[ Dong J C, Ni W J, Zhang Y Q, et al. Performance of ICESat-2 ATL08 product on the estimation of forest height by referencing to small footprint LiDAR data[J]. National Remote Sensing Bulletin, 2021, 25(6):1294-1307. ] DOI: 10.11834/jrs.20219449
doi: 10.11834/jrs.20219449 |
|
[10] |
Neuenschwander A L, Magruder L A. Canopy and terrain height retrievals with ICESat-2: A first look[J]. Remote Sensing, 2019, 11(14):1721. DOI: 10.3390/rs11141721
doi: 10.3390/rs11141721 |
[11] |
Xing Y, Huang J, Gruen A, et al. Assessing the performance of ICESat-2/ATLAS multi-channel photon data for estimating ground topography in forested terrain[J]. Remote Sensing, 2020, 12(13):2084. DOI: 10.3390/rs12132084
doi: 10.3390/rs12132084 |
[12] |
Dandabathula G, Verma M, Sitiraju S R. Evaluation of best-fit terrain elevation of ICESat-2 ATL08 using DGPS surveyed points[J]. Journal of Applied Geodesy, 2020, 14(3):285-293. DOI: 10.1515/jag-2020-0003
doi: 10.1515/jag-2020-0003 |
[13] |
Liu A B, Cheng X, Chen Z Q. Performance evaluation of GEDI and ICESat-2 laser altimeter data for terrain and canopy height retrievals[J]. Remote Sensing of Environment, 2021, 264:112571. DOI: 10.1016/j.rse.2021.112571
doi: 10.1016/j.rse.2021.112571 |
[14] |
Zhu X X, Nie S, Wang C, et al. A ground elevation and vegetation height retrieval algorithm using micro-pulse photon-counting LiDAR data[J]. Remote Sensing, 2018, 10(12):1962. DOI: 10.3390/rs10121962
doi: 10.3390/rs10121962 |
[15] |
Wang C, Zhu X X, Nie S, et al. Ground elevation accuracy verification of ICESat-2 data: A case study in Alaska, USA[J]. Optics Express, 2019, 27(26):38168-38179. DOI: 10.1364/OE.27.038168
doi: 10.1364/OE.27.038168 |
[16] | 王密, 韦钰, 杨博, 等. ICESat-2/ATLAS全球高程控制点提取与分析[J]. 武汉大学学报·信息科学版, 2021, 46(2):184-192. |
[ Wang M, Wei Y, Yang B, et al. Extraction and analysis of global elevation control points from ICESat-2/ATLAS data[J]. Geomatics and Information Science of Wuhan University, 2021, 46(2):184-192. ] DOI: 10.13203/j.whugis20200531
doi: 10.13203/j.whugis20200531 |
|
[17] |
Brunt K M, Neumann T A, Smith B E. Assessmentnt of ICESat-2 ice sheet surface heights, based on comparisons over the interior of the Antarctic ice sheet[J]. Geophysical Research Letters, 2019, 46(22):13072-13078. DOI: 10.1029/2019GL084886
doi: 10.1029/2019GL084886 |
[18] |
Thomas A, Neumann, Anthony J, et al. Land Elevation Satellite-2 mission: A global geolocated photon product derived from the Advanced Topographic Laser Altimeter System[J]. Remote Sensing of Environment. 2019, 233:11325. DOI: 10.1016/j.rse.2019.111325
doi: 10.1016/j.rse.2019.111325 |
[19] |
Neuenschwander A L, Eric G, Joanne C, et al. Validation of ICESat-2 terrain and canopy heights in boreal forests[J]. Remote Sensing of Environment, 2020, 251:112110. DOI: 10.1016/j.rse.2020.112110
doi: 10.1016/j.rse.2020.112110 |
[20] | U.S. Geological Survey. 20200330, USGS one meter x42y518 ND KidderCO 2014: U.S. geological survey[DB/OL]. https://www.sciencebase.gov,2021. |
[21] | U.S. Geological Survey, 20210704. USGS 1 meter 16 x52y445 IN_Indiana_Statewide_LiDAR_2017_B17: U.S. geological survey[DB/OL]. https://www.sciencebase.gov,2021. |
[22] | NOAA's NGS, OCS, CO-OPS. A tutorial on Datums[DB/OL]. https://vdatum.noaa.gov/about.html,2021. |
[1] | 林志坤, 吴小竹. 考虑驾驶员驾驶风格的车辆跟驰模型[J]. 地球信息科学学报, 2023, 25(9): 1798-1812. |
[2] | 邢子瑶, 董芯蕊, 昝糈莉, 杨帅, 黄梓焓, 刘哲, 张晓东. 融合VGI和遥感等多源数据的洪涝范围提取与模拟方法[J]. 地球信息科学学报, 2023, 25(9): 1869-1881. |
[3] | 韩宝辉, 赵起超, 常荣, 李笑萌, 颜克勤, 付启铭. 叶绿素a浓度反演模型:堆栈自编码器粒子群优化BP神经网络[J]. 地球信息科学学报, 2023, 25(9): 1882-1893. |
[4] | 戴泽源, 张立华, 张林, 刘翔, 周寅飞, 陈秋. 适用于海岛的ICESat-2高程控制点提取方法[J]. 地球信息科学学报, 2023, 25(8): 1559-1569. |
[5] | 林娜, 何静, 王斌, 唐菲菲, 周俊宇, 郭江. 结合植被光谱特征与Sep-UNet的城市植被信息智能提取方法[J]. 地球信息科学学报, 2023, 25(8): 1717-1729. |
[6] | 冯耀伟, 屈永华. 结合光照信息的多尺度K-均值植被几何光学四分量提取算法[J]. 地球信息科学学报, 2023, 25(5): 1037-1049. |
[7] | 刘洋, 康健, 管海燕, 汪汉云. 基于双注意力残差网络的高分遥感影像道路提取模型[J]. 地球信息科学学报, 2023, 25(2): 396-408. |
[8] | 焦怀瑾, 陈崇成, 黄洪宇. 结合ICESat-2和GEDI的中国东南丘陵地区ASTER GDEM高程精度评价与修正[J]. 地球信息科学学报, 2023, 25(2): 409-420. |
[9] | 闫兆进, 杨慧, 慈慧, 王冉. 船舶轨迹提取模型构建与交通流分析[J]. 地球信息科学学报, 2023, 25(11): 2134-2149. |
[10] | 于明洋, 陈肖娴, 张文焯, 刘耀辉. 融合网格注意力阀门和特征金字塔结构的高分辨率遥感影像建筑物提取[J]. 地球信息科学学报, 2022, 24(9): 1785-1802. |
[11] | 张华, 郑祥成, 郑南山, 史文中. 基于MAEU-CNN的高分辨率遥感影像建筑物提取[J]. 地球信息科学学报, 2022, 24(6): 1189-1203. |
[12] | 姚锦一, 王卷乐, 严欣荣, 魏海硕, Altansukh Ochir, Davaadorj Davaasuren. 基于深度神经网络的蒙古国色楞格河流域水体信息提取[J]. 地球信息科学学报, 2022, 24(5): 1009-1017. |
[13] | 邱凤婷, 过志峰, 张宗科, 魏显虎, 景睦馨. 基于改进SVM分类法的SAR图像水体面积提取研究[J]. 地球信息科学学报, 2022, 24(5): 940-948. |
[14] | 陈振, 陈芸芝, 吴婷, 李佳优. 面向高分遥感影像道路提取的轻量级双注意力和特征补偿残差网络模型[J]. 地球信息科学学报, 2022, 24(5): 949-961. |
[15] | 吴新辉, 毛政元, 翁谦, 施文灶. 利用基于残差多注意力和ACON激活函数的神经网络提取建筑物[J]. 地球信息科学学报, 2022, 24(4): 792-801. |
|