Este estudio se realizó para resolver los problemas de baja precisión en la reconstrucción del modelo digital de superficie (DSM) de las imágenes satelitales tridimensionales del satélite GF-7 en áreas montañosas donde no hay puntos de control terrestres (GCPs) y donde la recolección de GCPs en grandes áreas es difícil o costosa. Este artículo presenta un método de red neuronal BP (BP) para fusionar los datos de medición de altura láser espacial del satélite GF-7 para crear un modelo digital de la superficie terrestre (DSM). Este método establece la relación entre el DSM creado a partir de imágenes satelitales tridimensionales de GF-7 en condiciones no controladas y las coordenadas geográficas de longitud y latitud, la pendiente del terreno, los errores del terreno y los puntos de medición de altura láser espacial GEDI para obtener resultados fusionados para mejorar la precisión del DSM en condiciones no controladas. Los resultados de los experimentos muestran que la precisión de la altura vertical del DSM creado a partir de imágenes satelitales tridimensionales de GF-7 en condiciones no controladas puede alcanzar 20.49 m, mientras que la precisión media de la altura vertical del DSM fusionado creado en este artículo es de 1.63 m, y es prácticamente equivalente a la precisión de la altura vertical del DSM del terreno en condiciones controladas de aproximadamente 1.44 m. Este método, propuesto en este artículo, mejora eficazmente la precisión de la altura vertical del DSM del terreno en áreas montañosas en condiciones no controladas y abre nuevas vías para la aplicación de imágenes satelitales de alta resolución y la modelización precisa del relieve.

modelo digital de superficie; puntos de control en tierra; red neuronal; áreas montañosas; imágenes satelitales tridimensionales GF-7; GEDI.