【文件属性】：
文件名称：DSM-to-DTM:探索使用机器学习将数字表面模型（例如SRTM）转换为数字地形模型
文件大小：11.79MB
文件格式：ZIP
更新时间：2021-05-27 04:56:06
Python
使用机器学习改进洪水地形的免费地形数据
作为计划要求的一部分，该研究项目探索了机器学习模型使免费数字地面模型（例如广泛使用的SRTM）更适用于洪水建模的潜力。 ，方法是去除与植被和建成区有关的垂直偏差，以获得“裸土”数字地形模型。
下图在所考虑的三个测试区域之一中可视化了其中一个模型（全卷积神经网络）的性能（即，在模型训练和验证过程中看不到的数据，用于评估模型推广到新位置的能力）。 相关的开放获取期刊文章提供了更详细的描述。
Python脚本
在此研究中使用的所有Python代码片段都在这里共享（包括准备输入数据，构建和训练三个不同的ML模型以及可视化结果），希望它们对其他从事相关工作或扩展/改进此功能的人有用方法。 请注意，此代码包含许多探索性步骤和一些死胡同，并且不是在新位置应用此方法的完善的分步模板。
脚本存储在与运行它们的虚拟环境相关的文件夹中，以及一个文本文件，该文本文件汇总
【文件预览】：
DSM-to-DTM-main
----README.md(10KB)
----scripts()
--------geo()
--------sklearn()
--------osm-env.txt(18KB)
--------geo-env.txt(22KB)
--------sklearn-env.txt(15KB)
--------tf2()
--------osm()
--------tf2-env.txt(10KB)
----images()
--------residuals_boxplots_by_zone-lcdb.png(332KB)
--------maps_elv_MRL18_WPE_convnet.png(358KB)
--------graphical_abstract_boxplots.png(2.34MB)
--------maps_elv_res_MRL18_WVL.png(2.04MB)
--------readme.md(2KB)
--------maps_elv_res_MRL18_WPE.png(2.16MB)
--------maps_elv_TSM16_ATG_convnet.png(343KB)
--------maps_elv_res_TSM16_ATG.png(2.18MB)
--------residuals_boxplots_by_flha-hand.png(263KB)
--------graphical_abstract_barh.png(1.95MB)
--------maps_elv_MRL18_WVL_convnet.png(303KB)
----LICENSE.txt(1KB)