地理数据

制作FABDEM的工作流程包括三个阶段：

(1)数据准备，包括处理预测数据和参考DEMs；

(2)随机森林校正，分别对森林和建筑物进行移除；

(3)后期处理，合并校正后的DEMs，填补不真实的坑洞，并应用平滑滤波器。

4.数据基础

FABDEM 生产中使用的所有数据都经过处理并重新网格化到COPDEM30网格（EPSG 4326投影，水平网格间距为1弧秒）。然后将预测数据和参考DEM编译成随机森林模型使用的表格数据格式。选择了被确定为对估计DSM中与建筑物和树木有关的异常情况有用的预测数据。描述森林高度、森林覆盖率和建筑物足迹的关键数据集具有与COPDEM30相似的分辨率（10-100米），使它们能够提供网格单元级别的信息。

使用随机森林模型从森林区域的参考数据 (LiDAR) 预测 COPDEM30 高程和地形高程之间的差异。因此，需要变量来估计森林的高度和森林的冠层覆盖率。因为 COPDEM30 中使用的雷达信号穿透树冠的方式取决于树木的特性和雷达特性。

森林高度的预测数据取自 Global Forest Canopy Height 2019 数据集。国际空间站上的 全球生态系统动力学调查(GEDI) LiDAR数据已与 Landsat GLAD ARD数据集成，以估计30m网格为间距获取森林冠层高度。在2019年全球森林冠层高度数据集（52°N 以上）之外的区域，我们使用 ICESat-2 L3A土地和植被高度（v4.0）ATL-08数据估计冠层高度。

建立了一个单独的随机森林模型来预测 COPDEM30高程与LiDAR城市地区地形高程之间的差异。多个预测数据集用于建筑物拆除，以表征与建筑物高度相关的因素，例如建筑物占地面积、人口和社会经济指标。预测数据集包括 人口密度 (WorldPop)、旅行时间、夜间灯光、城市建筑足迹(World Settlement Footprint)、人均建成区、GDP和平均绿度GHS-UCDB R2019A。

5.质量验证

在建立随机森林模型时，75%的数据样本被用于训练模型，25%的数据样本被保留下来，只用于验证。

对于城市校正，参考COPDEM30数据的平均绝对误差（MAE）为1.72米，在训练样本上的预测结果降为0.94米，而在验证样本上的预测结果的MAE为1.35米。对于森林模型（北纬52°以南），分割样本验证结果为。COPDEM30数据的MAE为7.2米，对训练样本的预测MAE为3.52米，对验证样本的预测MAE为6.55米。最后，对于北方森林模型（北纬52°以北），分割样本验证结果是COPDEM30数据的MAE为3.77米，对训练样本的预测MAE为1.72米，对验证样本的预测MAE为3.24米。

在每种情况下，验证样本的误差都大于训练样本，但与COPDEM30数据相比有所减少。上述分割样本验证的结果是在应用任何后处理之前，针对随机森林模型预测的参考数据的误差。

将FABDEM与COPDEM30和MERIT DEM与参考数据进行比较的直方图。每个包含参考数据的图块采样1000个网格单元。注意：此处使用的参考数据与用于训练机器学习模型的数据集相同，但是是不同的随机样本。

将COPDEM30、FABDEM和MERIT DEM与每种校正方法的参考DEM进行比较的误差统计。仅对应用了相应类型的FABDEM校正的陆地单元进行比较。ME是平均误差，MAE是平均绝对误差，RMSE是均方根误差。

COPDEM30、FABDEM和MERIT DEM与陆地点、洪泛区点（由GFPLAIN250m数据集定义）、树冠覆盖和人口密度的ICESat2高程数据进行比较的误差统计。ME是平均误差，MAE是平均绝对误差，RMSE是均方根误差。

6.视觉评估

为了定性地确定应用于FABDEM的校正的好处，我们展示了参考数据的空间图和包括 FABDEM 在内的五种不同的全球DEM。显示了四个位置：一处美国迈阿密，与随机森林模型训练中未包含的参考DEM进行比较；两处荷兰和澳大利亚，包括在随机森林模型的训练中；一处湄公河三角洲，在没有高质量本地DEM 的情况下比较全球DEM。

美国佛罗里达州（包括迈阿密）地区不同DEM 的比较。涵盖80.5°–80°W，25.7°–26°N。US_NED是美国国家高程数据集（该图像的某些西部范围不是 LiDAR）

荷兰地区不同DEM的比较。涵盖 5.268°–5.582°E、51.595°–51.934°N。AHN3是荷兰国家高程数据集。注意：一些水域被遮盖并在AHN3中显示为灰色。

澳大利亚罗克汉普顿Fitzroy河上不同DEM的比较。域涵盖150.25°–150.475°E，23.3°-23°S。注意：在20m 以上，Coastal DEM没有应用修正。

湄公河三角洲部分地区不同DEM的比较。涵盖 106°–106.8°E，10°–10.35°N。无法在该位置访问地面实况 LiDAR 图像进行比较。

7.论文及数据获取

引用格式：

Hawker L, Uhe P, Paulo L, et al. A 30 m global map of elevation with forests and buildings removed[J]. Environ. Res. Lett. 17(2022) 024016.

原文链接：

访问链接：

https://data.bris.ac.uk/data/dataset/25wfy0f9ukoge2gs7a5mqpq2j7

出版单位：University of Bristol

出版时间：17.Dec.2021

转载自 GEO地理数据研究所

经作者授权转载

文章仅代表作者观点，与本公众号无关，版权归原作者所有

原文标题：数据分享 | 全球30m分辨率移除树木和建筑物的数字高程模型数据集

排版：许多

审编：黄莘绒

终审：颜子明 黄宗财 鲁嘉颐

猜你喜欢

1. 地理数据 | 全国分省汇总的县级七普人口数据在哪下载？？

2. 地理数据 | 首套中国近海海水养殖数据集介绍及免费获取

3. 干货分享 | 如何快速查找研究区所需遥感影像？小白也能很快上手

4. 干货分享 | 互联网地理数据获取技术分析

扫描二维码 关注我们 返回搜狐，查看更多