数字高程模型（Digital Elevation Model,DEM）在地质、军事、水文、测绘和灾后应急救援等方面提供了十分重要的数据支持。湖北省的地貌类型多样,山地、平原、丘陵和岗地兼备,地势高低起伏较大,西边神农架的最高峰神农顶海拔可达3105米,而在其它中南部等区域的海拔多在35米以下,因此对湖北省的DEM数据及地形地貌进行研究具有易扩展性。由于单个DEM数据产品具有局限性,而且越来越多的DEM数据产品可以公开获取到,所以将多源DEM数据进行融合逐渐成为一个热门的研究方向,对多源DEM数据进行融合有多方面的用途,既可以用于空洞填补,又可以对多种DEM数据取长补短,提升数据精度。近些年来机器学习算法在DEM数据精度提升方面也表现出了不错的性能,各种结合机器学习方法对DEM数据进行精度提升也取得了一些成果,本文以这一思路作为出发点进行DEM数据精度提升研究。本文基于以上背景,首先对湖北省区域内的四种全球DEM数据产品（ASTER GDEM v2、ASTER GDEM v3、SRTM 1、AW3D30）进行了精度评价,精度评价的参考点是高精度的ICESat-2数据点,然后对四种DEM数据的标准偏差、均误差、均方根误差进行了比较,结果显示SRTM1的标准偏差、均误差、均方根误差均最小,其次是AW3D30产品,而ASTER GDEM v3除标准偏差外另外两项指标均优于ASTER GDEM v2,以初始精度评价的数据作为参考值,与进行多源DEM融合后的数据的各项指标进行比较,分析融合后的数据各指标是否得到提升。此外还针对湖北省内的四种全球DEM数据产品在不同土地利用类型、坡度、坡向的均方根误差进行比较分析,结果显示土地利用类型和坡度对于数据精度的影响较大,而各个坡向的数据均方根误差非常接近。进行精度评价的四种全球DEM数据的标准差、均方根误差不仅可以作为本文训练后模型的对比数据,还对选择模型的输入地形因子提供了参考。本文以XGBoost模型为核心算法思想设计了多源DEM融合模型用于提升DEM数据精度,该模型以四种水平分辨率为30米的DEM数据产品为基础,使用DEM的高程值和坡度以及土地利用类型等经过前期统一配准处理后作为模型的输入值,以ICESat-2陆地插值高程作为参照值使用XGBoost算法进行模型的训练,最后通过模型对比验证,得到训练后模型的标准误差相较于AW3D30、GDEM2、GDEM3、SRTM1分别下降了33.9%、63.1%、45.6%和26.6%,均方根误差相较于AW3D30、GDEM2、GDEM3、SRTM1分别下降了38%、63.8%、53%和30.9%,基于本文设计的多源DEM融合模型,建立了DEM精度评价及数据融合系统,系统主要包含GIS的基本功能、图层和地图界面展示、DEM精度评价和DEM数据融合等功能,为需要评价DEM数据精度或者DEM数据精度提升的研究人员提供便捷平台。