BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ

Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  26,791,440
  • Công bố khoa học và công nghệ Việt Nam

38

Trắc địa học và bản đồ học

Nguyễn Quang Minh, Nguyễn Thị Thu Hương, Hoàng Thị Thủy, Lã Phú Hiến(1), Nguyễn Văn Chức, Đỗ Văn Dương

Nâng cao độ chính xác mô hình số độ cao DEM bằng mạng NƠ RON HOPFIELD với tập dữ liệu điểm độ cao bổ sung

Improvement of DEM accuracy using Hopfield Neural Network downscaling with additional point elevation data

Khoa học Đo đạc và Bản đồ

2023

56

17-24

0866-7705

Mô hình số độ cao, Mạng nơ ron Hopfield, Nâng cao độ phân giải

DEM, Hopfield Neural Network, Downscaling

Bài báo đề cập đến việc cải thiện độ chính xác của mô hình số độ cao (Digital Elevation Model - DEM). Mặc dù, các thuật toán tái chia mẫu song tuyến, bicubic, Kriging và mô hình tăng độ phân giải bằng mạng nơ ron Hopfield (HNN) cho phép nâng cao độ chính xác cho mô hình số độ cao, đặc biệt là mô hình số độ cao từ các nguồn dữ liệu toàn cầu như SRTM, ASTER, v.v., sự tham gia của dữ liệu độ cao bổ sung cũng có thể cải thiện hơn nữa độ chính xác của mô hình số độ cao. Bài báo này đề xuất một mô hình HNN với sự tham gia của hàm hiệu chỉnh độ cao và sự thay đổi của điều kiện ràng buộc. Mô hình được thử nghiệm đánh giá tại Cao Bằng với dữ liệu DEM SRTM 30 m tại một khu vực có kích thước 1650 m × 1344 m, với 130 điểm độ cao được sử dụng để nâng cao độ chính xác và 64 điểm được sử dụng để đánh giá. Kết quả thử nghiệm cho thấy độ chính xác của DEM tăng lên tới 30% nhờ các điểm độ cao bổ sung. Kết quả cho thấy mô hình có khả năng được áp dụng trên thực tế để nâng cao độ chính xác của mô hình số độ cao DEM, đặc biệt là các DEM toàn cầu.

The paper proposes a method to accurately approve the digital elevation model (DEM) using additional point elevation data. Although the resampling methods such as bilinear, bicubic, Kriging and especially the Hopfield Neural Network downscaling showed the improvement in accuracy of the DEM, the additional data such as point elevation data is useful for DEM's accuracy increase for the free global DEM data such as SRTM, ASTER and so on. The proposed approach used a new elevation gain function and a modified elevation constraint for the HNN. This newly proposed model was tested using SRTM 30 m DEM in Cao Bang, Vietnam, in an area of 1650 m × 1344 m with 130 elevation points for accuracy improvement and 64 elevation points for validation. The result showed that the accuracy has increased by 30% regarding Root Mean Square Error (RMSE) compared with the original DEM and the downscaled DEM by HNN (without additional elevation data). It means that the new methods can be applicable after further evaluation.

TTKHCNQG, CVv 362

Xem toàn văn