科研动态｜重力遥感与导航团队在基于DEM植被校正的区域重力场精化方面取得新进展
研究背景
高精度地球重力场信息是地质构造解释、火山活动监测和资源勘探的重要基础。目前高频重力场信息恢复以及区域重力场精化主要基于数字高程模型（DEM）和地形密度信息的残差地形模型（RTM）技术。然而，在植被覆盖区域，全球DEM产品实为包含了植被冠层高的数字表面模型（DSM），此类高程误差传播至地形重力场解算，降低了高频重力场建模的精度。因此，从DEM产品中校正植被冠层高的影响、得到表示裸地地形高程的数字地形模型（DTM），是提升区域重力场建模精度的重要科学问题之一。
研究进展
在黑龙江省五大连池航空重力梯度标定场建设区域（图1），团队提出了一种融合多源遥感数据与机器学习的DEM校正方法，联合ICESat-2、机载LiDAR及植被地形因子，构建了随机森林模型（RF）对DEM中的植被误差进行校正，并采用反距离加权法（IDW）融合多源数据，消除边界效应，实现了DTM高精度重构。本研究融合了全球重力场模型和RTM高频重力场，基于实测重力数据评估了植被高度对重力场建模的影响，揭示了DEM植被误差向重力异常传播的统计关系和空间尺度效应。
图1 五大连池航空重力梯度标定场区域
结果表明，本研究提出的RF-IDW校正方法有效降低了TanDEM-X DEM由植被和复杂地形导致的高程误差。相较原始DEM，重构DTM的高程均方根误差（RMSE）由2.81 m（图2）降至1.62 m（图3），精度提升了约42%。同时，显著削弱了区域内原有5–10 m范围的高程误差，将其降至±3 m内。
图2 原始DEM和校正DEM的高程误差
图3 重构DTM的高程误差以及误差的削弱量（相比原始DEM）
DEM精度的提升直接改善了重力场建模的精度。基于重构DTM的重力异常正演精度提升了约18%，误差改善主要集中于密集植被区、火山锥及行道树附近。这证实了植被和地形相关的高程误差会通过影响近地表质量分布，从而影响重力场建模精度（图4）。
图4 基于不同DEM的重力异常正演误差
进一步分析表明，DEM高程误差与重力异常误差具有显著相关性（图5）。约90 m邻域的平均高程误差与重力异常误差的相关性最强，相关系数R²为0.420。这说明了地形重力场建模的近区主导效应，为后续地形改正和高精度重力场建模提供了重要参考价值。
图5 DEM高程误差与重力异常误差的相关性分析
发表信息
研究成果2026年6月发表在遥感与地球观测领域期刊《International Journal of Applied Earth Observation and Geoinformation》，题为“Quantifying the influence of DEM elevation errors on regional gravity forward modeling through DEM correction and fusion”。raybet电竞下载遥感科学与技术学院博士生王乐涵为论文第一作者，杨萌副教授为通讯作者，胡国平副教授、李为凯博士后、冯伟教授和钟敏教授为论文合作作者。本研究获得国家重点研发计划项目（2024YFC2813500）、“精密重力测量”国家重大研究设施课题（PGMF）以及广东省ZJ人才计划项目（2023QN10H526）的共同支持。
原文链接：https://doi.org/10.1016/j.jag.2026.105372
系列成果
近十年来，重力遥感与导航团队围绕区域重力场精化与高程基准建设，系统开展了基于残差地形模型（RTM）的高频重力场建模研究，开发并开源了高频重力场解算软件系统（TGF），作为主要贡献者构建并发布了高分辨率全球地形重力场模型（SRTM2gravity）。
围绕复杂区域高频重力信息恢复问题，团队逐步形成了“陆海精细地形构建—高频重力场建模—区域大地水准面精化”的研究主线。其中，针对复杂区域地形精细度不足制约高频重力信息恢复的问题，分别开展了陆地与海洋区域精细地形建模研究。
针对陆地区域植被覆盖导致DEM难以真实反映裸地地形的问题，团队前期研究揭示了植被冠层误差对重力正演建模的影响，证明树冠偏差会在植被覆盖区引入不可忽略的系统性重力场偏差[1]。在此基础上，以五大连池航空重力梯度标定场为示范区，进一步开展了DEM误差评估、植被误差校正及重力场误差传播研究[2]，揭示了DEM误差与地形复杂度的耦合关系及其尺度效应，最终建立了融合植被误差改正、多源DEM融合与重力场解算的误差补偿方法[3]。相关工作为复杂地形和植被覆盖区高精度地形改正、航空重力梯度标定和区域重力场精化提供了重要的技术支撑。
在海洋区域，针对海岸带及1000 m以内浅海区域卫星测高重力精度下降、测深数据稀疏条件下海底地形恢复能力不足的问题，发展了航空重力增强与多源水深联合约束的海底地形反演技术，揭示了高精度航空重力数据对短波海底地形信号恢复的增强机制，显著提高了稀疏测深条件下近岸海底地形反演精度[4-6]。进一步提出了多源测深数据约束的海底地形恢复方法，揭示了控制点密度与海底地形恢复精度之间的响应关系，明确了复杂近海区域实现稳定地形恢复的最优控制点范围[6]。系列研究突破了海陆过渡带区域海底地形精细恢复能力不足的技术瓶颈，为复杂海域高频重力信息恢复提供了可靠的地形约束。
代表性论文：
1. Yang, M.*, Hirt, C., Rexer, M., Pail, R., & Yamazaki, D. The tree-canopy effect in gravity forward modelling. Geophysical Journal International, 219, 271–289, 2019. DOI: 10.1093/gji/ggz264.
2. Wang, L., Yang, M.*, Huang, Z., Feng, W., Yan, X., & Zhong, M. Impacts of Digital Elevation Model Elevation Error on Terrain Gravity Field Calculations: A Case Study in the Wudalianchi Airborne Gravity Gradiometer Test Site, China. Remote Sensing, 16, 3948, 2024. DOI: 10.3390/rs16213948.
3. Wang, L., Yang, M.*, Hu, G., Li, W., Feng, W., & Zhong, M. Quantifying the influence of DEM elevation errors on regional gravity forward modeling through DEM correction and fusion. International Journal of Applied Earth Observation and Geoinformation, 151, 105372, 2026. DOI: 10.1016/j.jag.2026.105372.
4. Chen, X., Yang, M.*, Zhong, M., & Feng, W. Investigations on the contribution of airborne gravity measurements in the prediction of bathymetry: a case study in the Puerto Rico region. Geo-spatial Information Science, 2026. DOI: 10.1080/10095020.2026.2646377.
5. Chen, X., Yang, M.*, Sun, M., Li, W., An, D., Feng, P., Feng, W., & Zhong, M.* Enhancing bathymetry estimation from altimeter-derived gravity in shallow to intermediate seas by integrating coastline and SDB constraints. Advances in Space Research, 76, 4959–4976, 2025. DOI: 10.1016/j.asr.2025.07.094.
6. Wei, L., Yang, M.*, Chen, X., Feng, W., & Zhong, M. Inversion of Seafloor Topography in the Gulf of Mexico Based on Convolutional Neural Network Integrated With Multisource Gravity Data and Bathymetric Data. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 19, 1872–1882, 2026. DOI: 10.1109/JSTARS.2025.3642379.