引入NDVI改进SRTM DEM的新方法

精准/智慧农业需要田块尺度高精度地形数据,而现有耕地范围地形测绘数据不能满足需求.为获得高精度数字高程模型(DEM),以SRTM DEM为基础进行改进,获取2016年6～9月SPOT 6多光谱数据,测量实际高程,将实际高程通过克里金空间插值获得分辨率为6m的DEM;将SRTM DEM格网的栅格值和植物生长季节的归一化植被指数(Normalized Difference Vegetation Index,NDVI)作为输入量,建立逐步多元回归和BP神经网络模型,以实测的地面高程和无人机获取的DEM数据作为验证,与空间插值方法和资源三号获取DEM进行对比.结果 表明:①引入生长季节NDVI的线性回归模型的精度达到96.0％,RMSE为1.12;BP神经网络模型精度达到98.7％,RMSE降为0.86;②生长季节NDVI的时空变化是坡度、坡位等地形因子作用的结果;③利用BP神经网络改进的SRTM DEM获得更高空间分辨率的DEM精度高于资源三号生成的DEM,与无人机DEM的空间趋势相似.可为田间变量管理、精准管理分区、土壤分类与精细制图等提供支持.