本发明涉及一种基于随机森林回归模型的数字高程模型改正方法和装置，方法包括：将数字高程模型载入基于随机森林算法构建的高程改正回归模型中，进行高程修改；模型训练过程包括：从卫星足印地形高程数据中选取用于参考的地理位置，从数字高程模型中选取与地理位置的距离在第一距离范围以内区域的高程数据，并与卫星足印地形高程数据比较，得到高程差值作为高程改正量；采用高程改正量和根据数字高程模型构建的评估属性，对高程改正回归模型进行训练，评估属性包括地表覆盖因素、地形特征因素、空间分布因素以及数据源质量因素。与现有技术相比，本发明所提方法可以有效提升数字高程模型的高程精度，改正前后的高程精度提升比例约为29‑42％。