张宏鸣教授团队在全球雷达高程数据混合误差去除方法研究方面取得新进展

论文题目：A Low-Rank Group-Sparse Model for Eliminating Mixed Errors in Data for SRTM1

作者：Chenyu Ge,Mengmeng Wang,Hongming Zhang,Huan Chen,Hongguang Sun,Yi Chang,Qinke Yang

期刊名称：Remote Sensing

发表时间： 2021年4月

论文摘要：

全球雷达高程数据（SRTM1）使用雷达收集的离散点云来数字化模拟地形表面。团队在进行全球土壤侵蚀评价过程中，发现数据中存在大量尖峰、斑点、空洞和多向条带形成的混合误差，对地形因子提取及全球侵蚀评价产生了严重干扰。基于此提出了一种基于低秩组稀疏模型的误差消除算法（Low Rank Group Sparse, LRGS）。首先，利用局部范围数据在低秩方向上的唯一性和组稀疏性约束多方向全局出现的条带误差结构，并使用变分思想来约束数据梯度方向，避免造成非误差数据过度消除；其次，使用加权核范数的非局部自相似性来消除随机误差；最后，使用交替方向乘子法策略对模型进行求解，保证了模型的收敛性。与最新的处理方法和现有全球高程数据集产品相比，拟议的低秩稀疏方法（LRGS）可有效消除视觉和定量评估中的混合误差。

综上表明，LRGS能够在保证地形轮廓特征基本不变的情况下更好的修复原始数据，对全球雷达高程数据的可靠性提高与后续应用提供重要的方法支持。目前课题组已基于该数据完成全球土壤侵蚀地形因子（LS Factor）的估算，是目前全球尺度分辨率最高的数据。

该研究得到国家自然科学基金、欧盟地平线2020研究创新计划等项目的资助。

原文链接：https://www.mdpi.com/2072-4292/13/7/1346

          https://doi.org/10.3390/rs13071346