بالنسبة لتصوير الأقمار الصناعية للصور ثلاثية الأبعاد للتضاريس تحت ظروف عدم وجود نقاط تحكم على سطح الأرض (GCPs) في تطور الأخاديد ودقة إعادة بناء التضاريس منخفضة، وصعوبة جمع نقاط GCPs على مساحة كبيرة أو تكلفة مرتفعة ومشاكل أخرى، يقترح هذا البحث طريقة شبكة الدماغي العصبي (BP) لنموذج السطح الرقمي (DSM) لصور الأقمار الصناعية GF-7 المتكاملة مع بيانات قياس الارتفاع بالليزر من مركبة الفضاء. تنغص هذه الطريقة من خلال إقامة علاقة بين العوامل المتعددة مثل DSM المُنتَج من صور الأقمار الصناعية GF-7 في ظروف بدون رقابة وخط طول وعرض جغرافي، درجة التضاريس، خطأ التضاريس ونقاط GEDI لقياس الارتفاع بالليزر، للحصول على نتائج متكاملة بهدف تحسين دقة DSM في ظروف بدون رقابة على التضاريس. تُظهر النتائج التجريبية أن دقة ارتفاع DSM المُنتَجة من صور الأقمار الصناعية GF-7 تصل إلى 20.49 متر، في حين تصل دقة DSM المُنتَجة من تكاملنا في المتوسط إلى 1.63 متر، وهو على ما يبدو على نفس مستوى دقة DSM للتضاريس تحت ظروف وجود نقاط تحكم وقدرها 1.44 متر. تُحسِّن هذه الطريقة بشكل فعّال جودة دقة ارتفاع DSM المُنتَج من صور الأقمار الصناعية GF-7 تحت ظروف بدون رقابة في مناطق التضاريس التي تطوِّرت فيها الأخاديد، وتعتبر خطوة جديدة نحو استخدام صور الأقمار الصناعية في إنتاج عالي الدقة لنمذجة التضاريس المحلية.

النموذج السطحي الرقمي; نقطة تحكم على الأرض; الشبكة العصبية; تطوّر الأخاديد; صور الأقمار الصناعية GF-7 ثلاثية الأبعاد; GEDI