融合场景分类与空间几何关系的建筑高度精准估算方法及其在城市复杂环境中的应用

针对复杂城市环境中建筑高度估算精度不足的问题，研究人员提出了一种融合场景分类与空间几何关系的新方法。通过整合光学影像、地形和路网数据，结合植被阴影分析（Gabor滤波）和道路高程预测（基于SRTM坡度坡向），在武汉试验区实现MAE 1.84 m的精度，显著优于传统DSM方法，为城市三维建模和低空经济提供关键技术支撑。

　　

随着城市化进程加速，建筑高度作为垂直空间的核心指标，直接影响污染扩散、灾害评估和人口分布。然而，传统人工测量效率低下，现有遥感方法在植被阴影密集的复杂场景中误差显著。例如，基于阴影长度的方法易受相邻建筑遮挡干扰（如Shao et al. 2011的RMSE达12.99 m），而DSM方法在植被覆盖区易出现无效值（Zeng et al. 2014仅适用于简单场景）。如何实现复杂环境下的高精度建筑高度估算，成为城市数字化建设的迫切需求。

武汉大学的研究团队在《International Journal of Applied Earth Observation and Geoinformation》发表研究，提出创新性解决方案。该方法首先通过GF-7卫星立体影像生成1 m分辨率DSM，利用自适应阈值法提取建筑阴影，结合Gabor纹理分析和ISODATA聚类识别植被；随后根据地面覆盖率（BGC）阈值0.6划分场景类型：低覆盖率区域直接筛选DSM地面高程（采用箱线图去噪），高覆盖率区域则基于OSM路网数据，通过K近邻算法和SRTM地形数据（30 m分辨率）推算建筑基底高程；最终通过屋顶与地面高程差计算建筑高度。

研究结果部分：

1. 阴影与植被提取：阴影提取精度F值达85.92%（P=97.92%），植被提取F值86.93%，Gabor滤波器有效识别复杂纹理（公式1）。
2. 低覆盖率建筑高度估算：2013栋建筑验证显示，屋顶高程RMSE 2.18 m，地面高程RMSE 2.01 m，整体高度估算RMSE 2.92 m（公式5-7）。
3. 高覆盖率建筑高度估算：100栋样本中82%误差<5 m，MAE 3.17 m，但路网缺失区域误差增大（图9）。
4. 方法对比：较Zeng et al.方法提升7.2 m精度，较Zhao et al.多窗口滤波法提升2.48 m（表3）。

结论表明，该方法通过场景自适应策略和路网高程融合，有效解决了植被阴影干扰下的地面高程获取难题。在呼和浩特的验证中（1,676栋建筑），MAE稳定在1.42-2.12 m，证实其跨区域适用性。尽管存在路网不全和SRTM数据时效性限制，该研究为智慧城市建模提供了可靠技术路径，未来可通过深度学习优化路网提取进一步突破精度瓶颈。