近日，航空工程学院遥感科学与技术专业2023级本科生董培钧，以第一作者身份在地学领域TOP期刊International Journal of Digital Earth （中国科学院/新锐二区， IF=5.4）发表题为“Artefact and Risk Area Detection of the TanDEM-X 30m Edited DEM Using an Integrated Machine Learning and DEM-of-Difference Framework: A Case Study in the Alps”的学术论文。

数字高程模型（DEM）是诸多地理空间应用的重要基础。TanDEM-X 30 m Edited数字高程模型（TDX30）应用广泛，但其数据质量可能受到InSAR处理过程中复杂伪影的影响。传统检测多关注肉眼可见的地形异常，而该研究揭示并解决了一种极具破坏性的“隐形误差”——“风险区”。在这些区域，地形表面看似平滑真实，但受干涉测量中失相干及整周模糊度传递错误的影响，实际隐藏着巨大的绝对高程误差。针对TDX30数据中的伪影和风险区识别问题，研究提出了一种多策略融合检测框架。该方法结合了机器学习形态学分类、定向边缘检测以及双参考高程差值（DoD）分析（图1），将数据精准划分为正常地形、轻微伪影、严重伪影以及风险区。

图1伪影与风险区的检测流程

研究在地形复杂的欧洲阿尔卑斯山脉开展了全面应用与验证（图2）。结果显示，所构建分类器的测试精度为97.43%±0.49%，Kappa系数为93.70%±1.10%。基于ICESat-2数据的独立验证表明，不同类别之间具有较明显的高程误差差异。研究形成的空间诊断图层，可为数据生产者定位需进一步核查、标记或更新的区域提供参考。

图2 TDX30在欧洲阿尔卑斯山脉的伪影与风险区检测结果

航空工程学院本科生董培钧为论文第一作者，张鑫港博士为通讯作者，共同作者包括航空工程学院张云菲教授及本科生杨瑞、郝泽宇。该研究是在本科生导师指导下，依托大学生创新创业训练计划项目、挑战杯学科竞赛等创新实践平台开展的。本科生参与科研项目并完成学术论文，是学院加强本科生科研训练、推进科教融合与科研育人的一次具体实践，也反映了学院在“双创”教育和创新人才培养方面的持续探索。

文章信息：

Dong Peijun, Zhang Xingang*, Zhang Yunfei, Yang Rui, Hao Zeyu. Artefact and Risk Area Detection of the TanDEM-X 30m Edited DEM Using an Integrated Machine Learning and DEM-of-Difference Framework: A Case Study in the Alps.International Journal of Digital Earth, 2026.https://doi.org/10.1080/17538947.2026.2707690

（文、图/董培钧；一审/张鑫港；二审/张云菲；三审/文丽丽）