تشكل نماذج الارتفاعات الرقمية (Digital Elevation Models) الناتجة عن بيانات رادار الماسح الضوئي ذي التداخل الصناعي (Interferometric Synthetic Aperture Radar) تحدياً كبيراً في المناطق الجليدية والمغلفة بالثلوج، حيث تعاني كثيراً من الأخطاء النظامية المعروفة باسم "خطأ الاختراق" (penetration bias). في هذا السياق، تم اقتراح إطار عمل مبتكر يجمع بين النماذج الفيزيائية المدعومة بالبيانات وعلوم الكمبيوتر، بهدف تصحيح هذه الأخطاء.

تستند الدراسة الحديثة إلى اختبار نهج متكامل يجمع بين النمذجة الفيزيائية المعلمة (parametric physical modeling) مع أساليب التعلم الآلي (machine learning). أُخذت الدراسة أجريت في غرينلاند، حيث تم استخدام بيانات TanDEM-X لتقييم الأداء الفعلي للإطار المقترح مقارنةً بالأساليب التقليدية.

وتم تجريب المنهج على ثلاثة سيناريوهات تدريب مميزة، محددة مع مجموعة متنوعة من معايير الاكتساب، لتقييم الكفاءة العامة وقدرة النموذج على التعميم. أظهرت التجارب أن التصحيحات التي تم اقتراحها من خلال النموذج الهجين خفضت بوضوح من المتوسط والانحراف المعياري للأخطاء في نماذج الارتفاعات الرقمية مقارنة بالأساس القائم على النمذجة الفيزيائية فقط.

كما سجّل الإطار الهجين تحسنًا ملحوظًا في التعميم مقارنةً بالأساليب الرقمية البحتة، حتى عند التدريب على بيانات ذات تنوع محدود في معايير الاكتساب. يظهر هذا النجاح أهمية الجمع بين النمذجة الفيزيائية والتعلم الآلي في تحسين دقة البيانات الجغرافية، ويعد خطوة هامة في التقدم العلمي في هذا المجال.