Ante la baja precisión en la reconstrucción tridimensional del modelo digital de superficie (DSM) a partir de imágenes satelitales estereoscópicas en áreas de relieve abrupto, en condiciones donde la ausencia de puntos de control terrestres (GCPs) dificulta la obtención de una gran cantidad de datos GCPs o conlleva un aumento de los costos, este estudio propone un método de red neuronal BP (Propagation) para mejorar el DSM del satélite GF-7 fusionando datos de medición láser de altitud. Este método establece una relación entre múltiples factores, como DSM generado a partir de imágenes estereoscópicas del satélite GF-7 en condiciones no controladas y la longitud y latitud geográfica, la pendiente del terreno, errores topográficos y puntos GEDI durante la medición láser de la altitud, con el fin de obtener resultados fusionados para mejorar la precisión del DSM en condiciones no controladas del terreno. Los resultados experimentales muestran que la precisión de la elevación del DSM generado a partir de imágenes estereoscópicas del satélite GF-7 en condiciones no controladas puede alcanzar los 20,49 metros, mientras que la precisión promedio del DSM generado por la fusión es de 1,63 metros, que probablemente es aproximadamente equivalente a la precisión del DSM para el terreno con puntos de control de 1,44 metros. Este método mejora de manera efectiva la baja calidad de precisión de la elevación del DSM producido por imágenes estereoscópicas del satélite GF-7 en condiciones no controladas del área de terreno abrupto, proporcionando así una nueva perspectiva para la aplicación y modelado preciso del terreno con imágenes de alta resolución.

modelo digital de superficie; puntos de control terrestres; red neuronal; terreno de relieve abrupto; imágenes satelitales estereoscópicas GF-7; GEDI