Face aux problèmes de faible précision à reconstruire en 3D le modèle numérique de surface (DSM) à partir d'images stéréoscopiques satellitaires de la région à relief fortement marqué, dans des conditions où l'absence de points de contrôle terrestres (GCPs) rend difficile d'obtenir une grande quantité de données GCPs ou entraîne une élévation des coûts, cette étude propose une méthode de réseau neuronal BP (Back-Propagation) pour améliorer le DSM du satellite GF-7 en y fusionnant les données de mesure laser de l'altitude. Cette méthode établit une relation entre plusieurs facteurs, tels que le DSM généré à partir des images stéréoscopiques du satellite GF-7 dans des conditions non contrôlées et la longitude et la latitude géographiques, la pente du relief, les erreurs de relief et les points de GEDI lors des mesures laser d'altitude, dans le but d'obtenir des résultats fusionnés pour améliorer la précision du DSM dans des conditions non contrôlées du relief. Les résultats expérimentaux montrent que la précision de l'élévation de DSM généré à partir des images stéréoscopiques du satellite GF-7 dans des conditions non contrôlées peut atteindre 20,49 mètres, tandis que la précision moyenne de DSM générée par la fusion est de 1,63 mètres, ce qui est probablement à peu près équivalent à la précision de DSM pour le relief avec points de contrôle de 1,44 mètre. Cette méthode améliore efficacement la faible qualité de précision de l'élévation de DSM produit par les images stéréoscopiques du satellite GF-7 dans des conditions non contrôlées de la région à relief fort marqué, offrant ainsi une nouvelle perspective pour l'utilisation et la modélisation précise du relief avec des images haute résolution.

modèle de surface numérique; points de contrôle terrestre; réseau neuronal; relief à relief fortement marqué; images stéréoscopiques satellitaires GF-7; GEDI