一．选题背景和目的 1 选题背景 雷达地形测绘(Shuttle Radar Topography Mission,SRTM)是指以人造地球卫星、宇宙飞船、航天飞机等航天器为工作平台，对地球表面所进行的遥感测量。

这种技术最早可追溯至20 世纪 80年代初[1]。

2000年2月11-22日 ,美国奋进号航天飞机测得地球表面 60#176;N 至 56#176;S 、覆盖陆地表面80% 以上的三维雷达数据#8212;#8212;SRTM-1[2]。

SRTM-1测量范围之广，数据量之大达到前所未有的程度,其测量区域包含平原，丘陵，山脉，水系等，总计3601*3601个采样点的高度数据，测量数据量高达9.8万亿字节。

SRTM-1已于2014年免费向全球用户开放，极大的方便了大地测量学的研究[3]。

然而对于大数据量的SRTM-1而言，如何高效的对其作出精度评价并对部分高程点进行高程修正依然是亟待解决的问题。

2 选题目的 本文旨在解决SRTM-1高程误差修正的难题。

SRTM-1数据和其他测量工程数据有显著的区别，主要体现在测量区域的多样性和庞大的测量数据两方面，导致单纯的人力劳动几乎不可能实现这项庞大的任务。

如今机器学习方兴未艾，使用集成深度学习可有效的降低劳动成本，降低主观倾向，使高程修正结果更贴近现实情况。

二.国内外研究现状 1 SRTM-1的相关研究 1.1 SRTM精度研究的基本思想 国外学者最先着手针对SRTM数据质量的研究,主要集中在高程采样误差评价方面,部分学者对SRTM提取的地形参数描述的精度也进行了研究。