Stepwise Regression Fusion of InSAR and Optical DSM Considering Terrain Features

LIN Qiwei; LI Zhiwei; FU Haiqiang

doi:10.13203/j.whugis20250131

您当前的位置：

首页 >

文章列表页 >

Stepwise Regression Fusion of InSAR and Optical DSM Considering Terrain Features

Photogrammetry and Remote Sensing | 更新时间：2026-11-05

- Stepwise Regression Fusion of InSAR and Optical DSM Considering Terrain Features
- Geomatics and Information Science of Wuhan University Vol. 51, Issue 7, Pages: 1494-1506(2026)
- 作者机构：
  
  中南大学地球科学与信息物理学院，湖南长沙，410083
- 作者简介：
- 基金信息：
- DOI：10.13203/j.whugis20250131
  CLC： P237
- Received：21 July 2025，
  
  Published：05 July 2026
- 稿件说明：
移动端阅览
林其炜,李志伟,付海强.顾及地形特征的InSAR和光学DSM逐步回归融合[J].武汉大学学报（信息科学版）,2026,51(7):1494-1506.

LIN Qiwei,LI Zhiwei,FU Haiqiang.Stepwise Regression Fusion of InSAR and Optical DSM Considering Terrain Features[J].Geomatics and Information Science of Wuhan University,2026,51(7):1494-1506.
林其炜,李志伟,付海强.顾及地形特征的InSAR和光学DSM逐步回归融合[J].武汉大学学报（信息科学版）,2026,51(7):1494-1506. DOI：10.13203/j.whugis20250131

LIN Qiwei,LI Zhiwei,FU Haiqiang.Stepwise Regression Fusion of InSAR and Optical DSM Considering Terrain Features[J].Geomatics and Information Science of Wuhan University,2026,51(7):1494-1506. DOI：10.13203/j.whugis20250131

摘要

合成孔径雷达干涉测量（interferometric synthetic aperture radar

InSAR）和光学摄影测量是生成数字表面模型（digital surface model

DSM）的两种主要技术，但InSAR技术容易受到几何畸变影响，光学立体测量在云雨等恶劣天气下的观测能力受限。多源DSM融合能有效利用数据互补的优势，可提升单一数据源数据生成DSM的质量。然而，传统加权平均融合方法的权重分配依赖先验信息，且未充分考虑地形特征对高程误差的影响。因此，提出了一种顾及地形特征的InSAR和光学DSM逐步回归融合方法。以InSAR和光学DSM为研究对象，提取坡度、坡向、粗糙度等地形特征参数，采用逐步回归方法建立高程误差与地形特征间的回归模型，并基于模型自适应计算融合权重。采用美国山区的TanDEM-X DSM和AW3D30 DSM数据开展融合实验，并在两个实验区对结果进行了测试。实验结果表明，所提方法在两个测试区域中的均方根误差分别降低了14.3%和18%，优于传统加权平均融合方法；相比于随机森林方法，所提方法在测试区域达到更高融合精度的同时，具有一定的可解释性。

Abstract

Objectives

Interferometric synthetic aperture radar (InSAR) and optical photogrammetry are two primary techniques for generating digital surface model (DSM). However

InSAR is susceptible to geometric distortion

while optical photogrammetry is limited by cloudy and rainy weather. The fusion of multi-source DSM can effectively leverage the complementary advantages of the data to enhance the quality of DSM derived from a single data source. Traditional weighted average fusion methods rely on prior information for weight allocation and don't adequately consider the impact of terrain features on elevation errors. There is a need to develop a new fusion method.

Methods

This paper proposes a stepwise regression fusion method for InSAR and optical DSM that takes topographic features into account. Taking InSAR and optical DSM as research subjects

and considering the commonalities and differences in error characteristics between InSAR and optical DSM

terrain geometric features

land cover features

and elevation difference features are extracted as training samples in the training area. Subsequently

the stepwise regression method is employed to construct a regression model between elevation errors and terrain features by incrementally adding or removing variables. Elevation errors are then predicted to adaptively determine the fusion weights. Finally

fusion experiments are conducted using TanDEM-X DSM and AW3D30 DSM data from mountainous areas in the United States

and the results are tested in two different experimental regions.

Results

The proposed method outperforms the traditional weighted averaging fusion method. The root mean square errors decrease by 14.3% and 18% in the two test regions

respectively. Compared with the random forest method

the proposed method achieves higher fusion precision while maintaining favorable interpretability.

Conclusions

The proposed method effectively improves the quality of fused DSM by utilizing terrain features and achieves favorable performance in complex terrain areas

providing an effective solution for multi-source DSM fusion.

关键词

Keywords

references

雷秋佳，刘婧，曹新运 . 利用机载LiDAR数据的开放DEM产品精度评估［J］. 武汉大学学报（信息科学版）， 2025 ， 50 （ 1 ）： 153 - 163 .

LEI Qiujia ， LIU Jing ， CAO Xinyun . Accuracy Evaluation of Open DEM Products Based on Airborne LiDAR Data ［J］. Geomatics and Information Science of Wuhan University ， 2025 ， 50 （ 1 ）： 153 - 163 .

张文婷 . 基于InSAR技术的DEM重建理论与应用研究［D］. 西安：长安大学， 2018 .

ZHANG Wenting . Theory and Application of High Accuracy DEM Constructed by InSAR Technology ［D］. Xi’an ： Chang’an University ， 2018 .

李振洪，李鹏，丁咚，等 . 全球高分辨率数字高程模型研究进展与展望［J］. 武汉大学学报（信息科学版）， 2018 ， 43 （ 12 ）： 1927 - 1942 .

LI Zhenhong ， LI Peng ， DING Dong ， et al . Research Progress of Global High Resolution Digital Elevation Models ［J］. Geomatics and Information Science of Wuhan University ， 2018 ， 43 （ 12 ）： 1927 - 1942 .

YUE L W ， SHEN H F ， ZHANG L P ， et al . High-Quality Seamless DEM Generation Blending SRTM-1， ASTER GDEM V2 and ICESat/GLAS Observations ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2017 ， 123 ： 20 - 34 .

TOUTIN T . Impact of Terrain Slope and Aspect on Radargrammetric DEM Accuracy ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2002 ， 57 （ 3 ）： 228 - 240 .

杜亚男，冯光财，李志伟，等 . TerraSAR-X/TanDEM-X获取高精度数字高程模型技术研究［J］. 地球物理学报， 2015 ， 58 （ 9 ）： 3089 - 3102 .

DU Yanan ， FENG Guangcai ， LI Zhiwei ， et al . Generation of High Precision DEM from TerraSAR-X/TanDEM-X ［J］. Chinese Journal of Geophysics ， 2015 ， 58 （ 9 ）： 3089 - 3102 .

刘平芝，孙亮，张卫柱，等 . 多源DEM数据融合［J］. 测绘科学与工程， 2014 （ 3 ）： 14 - 20 .

LIU Pingzhi ， SUN Liang ， ZHANG Weizhu ， et al . Multi-source DEM Data Fusion ［J］. Geomatics Science and Engineering ， 2014 （ 3 ）： 14 - 20 .

OKOLIE C J ， SMIT J L . A Systematic Review and Meta-Analysis of Digital Elevation Model （DEM） Fusion： Pre-processing， Methods and Applications ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2022 ， 188 ： 1 - 29 .

BAGHERI H ， SCHMITT M ， ZHU X X . Fusion of TanDEM-X and Cartosat-1 Elevation Data Supported by Neural Network-Predicted Weight Maps ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2018 ， 144 ： 285 - 297 .

GIROHI P ， BHARDWAJ A . ANN-Based DEM Fusion and DEM Improvement Frameworks in Regions of Assam and Meghalaya Using Remote Sensing Datasets ［J］. European Journal of Environment and Earth Sciences ， 2022 ， 3 （ 4 ）： 79 - 89 .

GUI R ， QIN Y J ， HU Z ， et al . Neural Network-Based Fusion of InSAR and Optical Digital Elevation Models with Consideration of Local Terrain Features ［J］. Remote Sensing ， 2024 ， 16 （ 19 ）： 3567 .

岳林蔚，沈焕锋，袁强强，等 . 基于深度置信网络的多源DEM点面融合模型［J］. 武汉大学学报（信息科学版）， 2021 ， 46 （ 7 ）： 1090 - 1097 .

YUE Linwei ， SHEN Huanfeng ， YUAN Qiangqiang ， et al . A Multi-source DEM Point-Surface Fusion Model Based on Deep Belief Network ［J］. Geomatics and Information Science of Wuhan University ， 2021 ， 46 （ 7 ）： 1090 - 1097 .

黄帅元，董有福，李海鹏 . 黄土高原区SRTM1 DEM高程误差校正模型构建及对比分析［J］. 地球信息科学学报， 2023 ， 25 （ 3 ）： 669 - 681 .

HUANG Shuaiyuan ， DONG Youfu ， LI Haipeng . Establishment and Comparative Analysis of SRTM1 DEM Error Correction Model in the Loess Plateau ［J］. Journal of Geo‐Information Science ， 2023 ， 25 （ 3 ）： 669 - 681 .

HOJA D ， D'ANGELO P . Analysis of DEM Combination Methods Using High Resolution Optical Stereo Imagery and Interferometric SAR Data ［C］// ISPRS Commission I Symposium “From Sensors to Imagery” ， Marne-la-Vallée， France ， 2006 .

LEITÃO J P ， DE SOUSA L M . Towards the Optimal Fusion of High-Resolution Digital Elevation Models for Detailed Urban Flood Assessment ［J］. Journal of Hydrology ， 2018 ， 561 ： 651 - 661 .

KAUR H ， KOUNDAL D ， KADYAN V . Image Fusion Techniques： A Survey ［J］. Archives of Computational Methods in Engineering ， 2021 ， 28 （ 7 ）： 4425 - 4447 .

CHU T ， DAS A ， LINDENSCHMIDT K E . RADARSAT-2-Based Digital Elevation Models Derived from InSAR for High Latitudes of Northern Canada ［J］. Journal of Applied Remote Sensing ， 2017 ， 11 （ 3 ）： 035013 .

刘娇，赵尚民 . 结合NASA DEM和AW3D30 DEM的太原市DEM数据融合［J］. 测绘通报， 2022 （ 11 ）： 90 - 95 .

LIU Jiao ， ZHAO Shangmin . DEM Fusion Based on NASA DEM and AW3D30 DEM in Taiyuan ［J］. Bulletin of Surveying and Mapping ， 2022 （ 11 ）： 90 - 95 .

ZHAO S M ， LIU J ， CHENG W M ， et al . Fusion Scheme and Implementation Based on SRTM1， ASTER GDEM V3， and AW3D30 ［J］. ISPRS International Journal of Geo‐Information ， 2022 ， 11 （ 3 ）： 207 .

SCHINDLER K ， PAPASAIKA-HANUSCH H ， SCHÜTZ S A ， et al . Improving Wide-Area DEMs Through Data Fusion： Chances and Limits ［C］// The 53rd Photogrammetric Week ， Stuttgart， Germany ， 2011 .

DEO R ， ROSSI C ， EINEDER M ， et al . Framework for Fusion of Ascending and Descending Pass TanDEM-X Raw DEMs ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2015 ， 8 （ 7 ）： 3347 - 3355 .

GRUBER A ， WESSEL B ， MARTONE M ， et al . The TanDEM-X DEM Mosaicking： Fusion of Multiple Acquisitions Using InSAR Quality Parameters ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2016 ， 9 （ 3 ）： 1047 - 1057 .

GROHMANN C H . Evaluation of TanDEM-X DEMs on Selected Brazilian Sites： Comparison with SRTM， ASTER GDEM and ALOS AW3D30 ［J］. Remote Sensing of Environment ， 2018 ， 212 ： 121 - 133 .

HIRT C ， FILMER M S ， FEATHERSTONE W E . Comparison and Validation of the Recent Freely Available ASTER-GDEM Ver1， SRTM Ver4.1 and GEODATA DEM-9S Ver3 Digital Elevation Models over Australia ［J］. Australian Journal of Earth Sciences ， 2010 ， 57 （ 3 ）： 337 - 347 .

BHANG K J ， SCHWARTZ F W ， BRAUN A . Verification of the Vertical Error in C-Band SRTM DEM Using ICESat and Landsat-7， Otter Tail County， MN ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2007 ， 45 （ 1 ）： 36 - 44 .

蒋广鑫，谢元礼，高志远，等 . 中国5类典型区域常用DEM高程精度评价［J］. 水土保持研究， 2020 ， 27 （ 5 ）： 72 - 80 .

JIANG Guangxin ， XIE Yuanli ， GAO Zhiyuan ， et al . Evaluation on Elevation Accuracy of Commonly Used DEM in Five Typical Areas of China ［J］. Research of Soil and Water Conservation ， 2020 ， 27 （ 5 ）： 72 - 80 .

TRAN T A ， RAGHAVAN V ， MASUMOTO S ， et al . A Geomorphology-Based Approach for Digital Elevation Model Fusion： Case Study in Danang City， Vietnam ［J］. Earth Surface Dynamics ， 2014 ， 2 （ 2 ）： 403 - 417 .

FU C Y ， TSAY J R . Statistic Tests Aided Multi-source Dem Fusion ［J］. ISPRS‐International Archives of the Photogrammetry， Remote Sensing and Spatial Information Sciences ， 2016 ， XLI-B 6 ： 227 - 233 .

BAGHERI H ， SCHMITT M ， ZHU X X . Fusion of Urban TanDEM-X Raw DEMs Using Variational Models ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2018 ， 11 （ 12 ）： 4761 - 4774 .

黎伟，焦健，韩海姣，等 . 双站与重轨InSAR数据融合获取DEM的方法［J］. 遥感信息， 2023 ， 38 （ 2 ）： 10 - 17 .

LI Wei ， JIAO Jian ， HAN Haijiao ， et al . Method of Generating DEM Through Fusion of Bistatic and Repeat-Pass InSAR Data ［J］. Remote Sensing Information ， 2023 ， 38 （ 2 ）： 10 - 17 .

KRIEGER G ， MOREIRA A ， FIEDLER H ， et al . TanDEM-X： A Satellite Formation for High-Resolution SAR Interferometry ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2007 ， 45 （ 11 ）： 3317 - 3341 .

HÖHLE J ， HÖHLE M . Accuracy Assessment of Digital Elevation Models by Means of Robust Statistical Methods ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2009 ， 64 （ 4 ）： 398 - 406 .

游士兵，严研 . 逐步回归分析法及其应用［J］. 统计与决策， 2017 ， 33 （ 14 ）： 31 - 35 .

YOU Shibing ， YAN Yan . Stepwise Regression Analysis and Its Application ［J］. Statistics & Decision ， 2017 ， 33 （ 14 ）： 31 - 35 .

HU Z ， GUI R ， HU J ， et al . InSAR Digital Elevation Model Void-Filling Method Based on Incorporating Elevation Outlier Detection ［J］. Remote Sensing ， 2024 ， 16 （ 8 ）： 1452 .

SHI W Z ， WANG B ， TIAN Y . Accuracy Analysis of Digital Elevation Model Relating to Spatial Resolution and Terrain Slope by Bilinear Interpolation ［J］. Mathematical Geosciences ， 2014 ， 46 （ 4 ）： 445 - 481 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Close⁃Range Sensing of Forest： Status， Challenges， and Prospects

A Review of Multi-scale Geospatial Data Updating Methods

Monitoring and Warning of Terraced Loess Potential Landslide Based on Data Fusion

Estimation of GRACE Groundwater Storage Components Using Wavelet Decomposition

Accuracy Evaluation of Open DEM Products Based on Airborne LiDAR Data

Related Author

GONG Jianya

LIANG Xinlian

CHEN Jianchang

PANG Yong

DING Yi

CHEN Lei

ZHENG Guang

CHEN Jiale

Related Institution

School of Remote Sensing and Information Engineering, Wuhan University

Institute of Remote Sensing and Geographic Information System, School of Earth and Space Sciences, Peking University

Academy of Inventory and Planning, National Forestry and Grassland Administration

School of Remote Sensing Science and Technology, Aerospace Information Technology University

International Institute for Earth System Science, Nanjing University

AI问答

⁰