数字高程模型(DEM)是对具有地理参考位置的表面高程的数值表示。它通常以高程值网格来描述陆地表面,但也可以采用不规则分布的点、相互连接的三角形及其他结构来表示高程。DEM 并不只是一幅表现地形明暗的图像,而是一种数据集,可用于计算各种量测结果、剖面、排水网络,并生成三维可视化成果。
高程模型是地理信息系统中的基础数据,可用于制作地形图、划分流域、模拟洪水、设计基础设施以及研究地貌变化。解读高程模型时,需要考虑测量的是什么表面、采样密度如何、采用了何种高程参考系统,以及测量和处理过程中引入了哪些误差。因此,即使两个数据集的标称网格间距相同,它们对某项特定分析的适用性也可能存在显著差异。
含义、范围与表面定义
数字高程模型一词有广义和狭义两种用法。广义上,它既包括地面高程的数字化表示,也包括含有植被、建筑物或其他物体的表面的数字化表示。按一种较狭义的惯例,DEM 指以规则格网表示的裸土地形。由于不同测绘机构和学科使用的术语并不统一,产品规格说明比名称本身更能准确传达其含义。
数字地形模型(DTM)通常表示剔除植被和人工构筑物后的地面。不过,在某些测量传统中,DTM 专指一种结构化的地形表示,其中包含实测点、地形特征线以及其他有关地貌几何形态的信息,而不仅仅是裸地栅格。数字表面模型(DSM)表示最上层表面,其中可能包括树冠、屋顶、桥梁和裸露地面。用 DSM 减去与之相匹配的 DTM,可以估算地物高度;但测量日期、水平配准或表面采样方面的差异,也可能导致误导性的结果。
“裸地”本身也是一种操作性定义。分类处理可能剔除建筑物,却保留路堤、路面及其他经过人为改造的地面。桥梁可能会被剔除,以显露其下方的河道,而大坝通常会作为地形要素保留。在植被茂密的地区,地面可能是根据稀疏的观测数据推断出来的,而非在每个位置都直接测得。因此,最终模型是对目标表面的重建,而不是全部观测数据的完整汇集。
大多数 DEM 都是2.5 维的:每个水平位置只有一个高程值。这足以表示许多地貌,但无法表示悬挑、洞穴、隧道,或在同一水平坐标处具有多个高度的垂直壁面。此类几何形态需要用完整的三维网格或体积模型来表示。这一区别在城市中同样重要,因为常规高程格网无法分别描述桥面及其下方的道路。
高程模型也可以描述冰川表面、水下地形或行星地形。水下高程通常归入水深测量(海底地形测绘)的范畴,往往以低于参考面的深度表示,而不是以高于参考面的高度表示。连续的海岸带模型在拼接陆地与海床测量数据之前,必须先协调这些表示惯例。此外,高程也可能指积雪或冰层顶部的高程,而非基岩高程,因此,所建模表面究竟是什么、对应哪个日期,都是理解模型含义的关键。
数据结构、采样与空间分辨率
最常见的数字高程模型结构是由栅格数据单元组成的矩形网格。每个单元存储一个高程值,并配有用于确定网格在地球上位置的空间参考信息。规则网格便于存储、显示和处理,因为可以通过行号和列号找到相邻的数值。它们还支持高效的数值运算,例如计算局部坡度或地形上的汇流累积量。
网格值的物理含义并不总是相同。根据具体产品,它可能代表单元中心处经插值得到的高程、规则格点上的采样值,也可能是描述某一区域的统计值。“像元代表点”与“像元代表面积”这两种约定的区别会影响网格的定位。即使坐标系统和标称分辨率一致,混淆这两种约定也可能造成半个单元的水平偏移。缺失的观测值通常用指定的无数据值或单独的有效性掩膜表示,不得将其理解为零高程。
另一种结构是不规则三角网(TIN),它将地表划分为互不重叠的三角形,各顶点的水平坐标和高程均已知。三角形内部的高程通常通过线性插值估算。不规则三角网可以沿山脊、沟道或坡度突变处密集布设顶点,而在平缓地形上使用较少的点。断裂线对三角形边施加约束,使插值能够遵循堤顶或沟道边缘等地形特征。与栅格不同,不规则三角网可根据地表的复杂程度调整采样密度,但其连接关系需要额外的存储空间和处理工作。
点云包含离散的三维观测数据,但不一定定义连续的表面。数百万乃至数十亿次激光测量的结果可以作为地形模型的输入,但仍须经过分类和插值,才能将这些观测数据转换为裸地栅格或网格。等值线数据集也是一种高程表示方式,不过,等高线记录的是选定的高程层级,而不是明确给出每个位置的高程。
空间分辨率描述的是采样尺度,并不保证精度或细节程度。将30米网格重采样为1米网格后,其中包含的地形信息本质上仍来自较粗的源数据。反过来,对密集测量得到的地表数据进行聚合、生成粗网格时,也可能丢失细小沟道或狭窄山脊。网格方向、插值和平滑处理都会影响最终保留的地形特征。
以角度单位表示的分辨率,其对应的地面尺寸也会随位置而变化。纬度方向的1角秒约为31米,而在纬度 处,经度方向的1角秒约为 米;此外,地球的椭球形状也会带来额外变化。因此,1角秒网格在全球各地并不对应大小相等的地面正方形。
坐标系统与高程参考
数字高程模型既需要水平定位框架,也需要垂直参考。水平坐标参考系统规定位置与地球之间的关系,通常采用地理坐标或投影坐标系统。地图投影将弯曲的参考曲面转换为平面坐标,由此产生的变形有多大影响,取决于所在位置和所执行的操作。将角度坐标视为普通笛卡尔坐标,并不总能正确计算距离、栅格单元面积和地形派生量。
垂直参考决定了“零高程”的含义。卫星定位通常提供椭球高 ,即相对于数学定义的参考椭球测得的高度。许多国家的测绘系统则采用与重力相关曲面及指定的大地基准(垂直基准)相联系的高程。对于正高,其参考面与大地水准面相关;大地水准面是地球重力场的一个等位面,在物理意义上近似于平均海平面。大地水准面并不是一个简单的椭球面,也不与瞬时海面重合。
一个常用的关系式为
其中, 为正高, 为大地水准面相对于参考椭球的起伏。只有当各量采用一致的参考框架和约定时,这一关系式才有用。有些国家采用正常高和似大地水准面,而不是正高和大地水准面。因此,不同高程系统之间的转换,可能并非减去一个固定偏移量那么简单。
例如,利用卫星导航定位的激光测量数据,最初可能包含的是椭球高,而现有的工程地形模型可能采用国家高程基准。不经转换就合并两者,可能会在测区边界处产生明显的高程台阶。这种偏差可能随空间位置而变化,因此,校正一个控制点并不一定能使整个区域的高程一致。单位也可能造成不匹配:如果高程以英尺存储,而水平坐标以米存储,除非明确统一单位,否则就会算出错误的坡度。
时间也可能是参考问题的一部分。在存在构造运动、地面沉降或冰川均衡调整的地区,不同测量历元之间的坐标和高程变化可能达到可测出的程度。数据集的采集日期和参考框架历元是两项不同的信息:前者说明何时观测了地表,后者则有助于定义坐标。
这些区别在沿海应用中尤为重要。平均低低潮面等潮汐基准不能与国家陆地高程基准互换使用。评估淹没情况或海平面上升时,必须将陆地高程与水位统一到相容的垂直参考下;否则,基准差异可能被误认为陆地与水面之间的实际高差。
测量技术
高程模型通过地面测量、航空观测和卫星遥感生成。每种技术测量的物理信号不同,而这些信号决定了所探测到的是哪一种表面。地面测量能够在道路沿线、施工场地或基准网中提供精度可严格控制的高程数据,但在广大区域内采集密集测量数据的成本很高。遥感则以牺牲部分局部控制能力为代价,换取广得多的覆盖范围。
摄影测量利用从不同视点拍摄的重叠影像重建三维几何形态。首先确定影像中的同名特征,再根据相机的几何参数和姿态,通过三角测量计算这些特征的位置。早在数码相机普及之前,航空立体摄影就已用于地形测绘。现代自动影像匹配技术能够利用航空和卫星影像生成密集的表面测量数据。运动恢复结构方法利用多幅相互重叠的影像,联合估计相机位置与场景几何形态,之后通常还会进行稠密重建。地面控制点或位置精确已知的相机用于确定地理尺度和位置。云、阴影、重复纹理、随风移动的植被以及缺乏明显特征的雪面,都可能妨碍影像匹配。
激光雷达利用激光测量距离。机载地形激光雷达系统通常将激光测距与卫星定位、惯性测量单元相结合,以确定每个回波的位置。有些脉冲会从冠层的不同层次及地面产生多个回波,因此,只要有足够的激光到达地表,就能重建植被下方的地形。不过,茂密冠层仍会减少地面采样量,而回波点之间的地面高程则必须通过估算获得。对于常规近红外地形激光雷达,水体往往无法产生可靠回波;专用的绿光波段测深系统则可在水体透明度及其他条件允许时,测量浅水区的水下表面。
干涉合成孔径雷达利用位于不同位置的天线所获取的雷达观测之间的相位差推导高程。这一基线的几何关系使相位差对地表高度敏感。处理时必须考虑成像几何、相位模糊以及其他信号分量的影响。受波长、植被和湿度影响,雷达的有效散射面可能位于冠层内部,而非地面或冠层顶部。因此,雷达测得的高程并不天然等同于光学测得的表面高程,也不等同于经分类提取的激光雷达地形高程。
雷达能够穿透云层采集数据,也无需日光照明,但陡峭地形会造成一些特有的问题。透视收缩会使朝向传感器的坡面在影像中受到压缩;叠掩可能使高处和低处地物的表观排列顺序颠倒;雷达阴影则会使部分坡面无法被观测到。光学立体观测也有自身的通视限制,在陡峭、背阴或积雪覆盖的坡面上尤其明显。结合不同的观测方向或测量技术可以减少数据空缺,但也需要协调不同技术对地表响应的差异。
卫星和航空观测还可辅以卫星测高、声呐或实地测量。测高仪提供的是沿轨迹分布的精确观测数据,而非均匀、连续的全覆盖数据。其价值可能更多在于对区域表面模型进行控制、验证或更新,而不是直接生成密集格网。
从观测数据到高程产品
数字高程模型的生产是一系列几何处理、统计分析和解译操作的过程。首先必须对原始测量数据进行定位、校准和筛查。在机载激光测量中,这包括重建飞机轨迹、应用传感器偏移量和姿态改正,以及检查重叠航带之间的一致性。对于影像数据,则需要先完成相机标定、影像定向和同名点匹配,再进行地表重建。这一阶段的处理错误可能影响整个测区,而不只是少数孤立的栅格单元。
生成裸地模型通常需要将地面观测数据与非地面观测数据分离。分类算法会考察局部高差、坡度、邻域几何形态和回波属性等特征。在平坦农业平原上表现良好的方法,到了陡峭山区可能会误删真实地形特征,或在沼泽地中将低矮植被保留下来。当自动分类将悬崖、挡土墙、茂密灌木或建筑物与其下方的地面混淆时,人工检查和有针对性的修正仍然十分重要。
空间插值将离散的高程点转换为连续曲面或规则格网。最近邻插值保留采样值,但可能造成不连续。不规则三角网(TIN)上的线性插值会生成平面三角面片。反距离加权法赋予邻近观测值更大的权重,而克里金法则利用空间协方差模型估计数值。样条插值可生成平滑曲面,但在突变处附近可能出现过冲。任何方法在重建未观测地形时都需要作出假设;应根据点密度、地表几何形态和预期用途选择合适的方法。
在常规的基于邻近关系的方法可能产生误导的地方,地形断裂线和补充观测数据可以对插值施加约束。河岸、山脊线或海堤可能需要显式表达,因为跨越这些地物进行插值,会将具有重要物理意义的边界平滑掉。水体通常通过水面平整化处理赋予受控的水面高程,以消除湖泊表面不真实的坡度或不规则起伏,并按照各类产品的具体规则表达河流。这类编辑能提高一致性,但也意味着最终格网不仅包含直接测量值,还包含建模得到或人为设定的数值。
镶嵌是将相互重叠的测量成果或分块数据拼接起来。这要求采用一致的水平和垂直参考基准、可比的地表定义,并处理拼接缝。不同的数据采集日期可能造成真实的不连续,例如期间发生了挖掘、施工、洪水或植被变化。对这些边界进行融合处理可能改善视觉效果,却也可能掩盖实际的测量历史。
成品应保留元数据,说明采集日期、数据源传感器、分辨率、高程基准、处理方法、分类、无数据区域和质量评估等信息。GeoTIFF等格式可以将高程格网与地理参考信息一同存储,但仅凭文件扩展名并不能确认所有必要的元数据均已具备。用于数据分发的金字塔和压缩瓦片可提高访问效率;不应将它们误认为是其他分辨率下独立获取的测量数据。
精度、不确定性与验证
数字高程模型(DEM)的质量包含多个维度:水平精度、垂直精度、有效分辨率、完整性,以及对目标表面的忠实程度。准确度关注的是与适当参考值的一致程度,而精密度关注的是测量的可重复性或离散程度。一个表面模型即使内部平滑、重复测量结果高度一致,也可能存在显著的系统性高程偏移。
垂直精度验证通常将模型高程与精度更高的独立检查点进行比较。若检查点 处的高程残差为
则残差均值可用于估计偏差,而均方根误差为
均方根误差综合反映了系统性分量和随机分量,且对较大的残差较为敏感。中位误差、基于百分位数的指标,以及稳健的离散程度统计量,可以提供补充信息,尤其适用于误差分布偏斜或含有离群值的情况。只有在相关假设得到充分支持时,才适合采用基于正态分布的置信度表述。
检查点的选择至关重要。如果测量点集中在易于到达的道路或平坦开阔地带,就可能无法充分反映林木覆盖的坡地、湿地或密集城区的情况。有意义的评估应区分相关的土地覆盖类型和地形类型,并避免将生产过程中使用的控制点再次用作独立验证点。仅比较两个 DEM,并不能揭示其中任何一个的绝对精度,因为两者都可能存在误差,也可能采用了相同的数据源。
在倾斜地形上,水平错位会造成表观上的垂直误差。对于较小的位移,可近似表示为
因此,即使水平偏移不大,也可能在陡峭山坡上产生很大的高程差异。这也是在将重复测量之间的差异解释为侵蚀、冰川变薄或挖方之前,必须先进行配准的原因之一。
误差还具有空间结构。航带偏移、雷达伪影、插值产生的空间模式,以及源数据分幅之间的不匹配,都可能造成跨越许多栅格单元的相关误差。因此,在估计平均高程或计算体积的不确定性时,通常不能假定每个栅格单元都提供了独立观测。同样,即使高程误差看起来很小,坡度和曲率计算仍可能放大短波长噪声。
解读产品规格时,必须结合预期分析的尺度。误差为数米的全球模型或许能够支持区域流域划分,却未必适合识别低矮的海岸堤防或设计小型排水构筑物。标称栅格间距、视觉上的清晰程度,以及文件中存储的小数位数,都不能替代验证。
地形派生量与水文结构
数字高程模型往往在作为计算派生量的基础时最能发挥作用。局部坡度描述高程的变化率,坡向则表示最陡下坡方向。若 和 ,且水平与垂直方向采用相容的单位,则坡度角可表示为
在栅格中,导数根据相邻像元估算,因此结果取决于邻域大小和数值方法。较粗的网格通常会弱化短距离陡坡,而分辨率很高但含有噪声的表面则可能夸大这些陡坡。在完全水平的表面上,坡向没有定义;在坡度很小的地方,坡向也不稳定。
曲率描述坡度的变化,有助于区分汇聚型洼地、发散型山脊,以及凸形或凹形剖面。地表粗糙度、局部起伏度和地形位置分别衡量地形形态的不同方面。山体阴影通过模拟选定光源的照明来呈现地貌,但它是一种可视化手段,而非对岩石类型或地形状况的直接测量。改变照明方向,可以使某些特征格外醒目,同时让另一些特征几乎不可见。
在水文学中,地形栅格可用于识别流域、河道路径和汇水区。D8 方法将每个像元的水流导向其八个相邻像元之一,通常选择下坡梯度最大的那个。多流向方法将水流分配给多个下坡方向的相邻像元,另一些方法则根据局部面片估算连续流向。这些不同方法可能生成不同的河网和湿润程度分布,尤其是在宽广的坡面和地形起伏较小的地区。
真实洼地和数据伪洼地都会使水流路径计算变得复杂。有些洼地是测量误差造成的,但另一些则是真实地貌,例如湖泊、封闭盆地或喀斯特落水洞。填洼通过抬高低处像元来形成出水口;切洼则通过切穿阻挡物来开辟通道。两种方法都会改变原始表面。因此,经过水文校正的数字高程模型是一种面向特定用途的表示,并不一定能更准确地反映实际地面高程。
道路和桥梁可以说明这种区别。在地形栅格中,道路路堤可能阻断水流,但实际上水可以通过其下方的涵洞流过。移除桥面,或添加适当的排水连接,可以恢复符合实际的水流连通性。反之,若切穿真实存在的堤防,就会制造出虚假的水流通道。水文校正需要有关构筑物和排水系统的信息,而不能仅仅遵循每个像元都必须能够排水的规则。
汇流累积量是在选定的水流路径假设下对汇水面积的估算,并不直接衡量河流流量。模拟径流还需要考虑降水、下渗、蓄水及其他过程。同样,由数字高程模型提取的河道只是几何推断,并不能证明那里存在常年性河流。
在环境科学与工程中的应用
在洪水模拟中,高程决定了水流所经过空间的几何形态,也提供了与模拟水位进行比较的地面高程。河道深度、洪泛平原上的障碍物、道路交叉设施和堤防都可能显著影响模拟结果。机载地形数据通常无法测得水下河床,因此可能需要水深测量或其他河道信息。简单的“浴缸式”淹没图会标出低于选定水位的陆地区域,但无法再现水流阻力、水力连通性、时间演变过程或风暴潮的动力学过程。
在地貌学中,高程模型用于量化地貌形态和地表景观变化。重复测量可以揭示河岸后退、滑坡位移、海岸侵蚀、采矿活动或泥沙沉积。在完成对齐并统一基准后,将两个时期的表面高程相减,即可得到差分数字高程模型。对于等面积栅格单元,体积变化可估算为
其中, 为栅格单元面积, 为高程变化。解释结果时,需要考虑测量不确定性、植被变化、数据缺失,以及地表位移与实际物质增减之间的区别。
对于冰川和冰盖,多期地表高程测量可用于估算体积变化和冰川物质平衡,后者采用大地测量法求得。将体积换算为质量,需要对密度作出假设或进行观测。积雪、粒雪压实以及雷达穿透深度的差异,都可能改变测得的地表高程,却不代表实体冰厚度发生了相应变化。因此,数据采集的季节十分重要。
工程应用包括线路选线、场地竖向设计、土方量估算、水库几何形态分析和排水设计。借助地形模型,可以在开展详细实地勘察之前,对铁路或道路的备选线位进行评估。不过,工程所需的精度通常高于区域高程产品所能提供的精度。当狭窄地物对设计起决定作用时,可能需要局部测量、构筑物细节以及明确的地形特征线。
视域是指在给定高程表面和指定观测条件下,从某一观测点理论上可以看到的区域。裸地地形模型可支持景观尺度的可视性分析,而要考虑建筑物和植被,则需要地表模型或额外的三维信息。其应用包括通信规划、视觉影响评估和考古景观研究。远距离计算还可能需要考虑地球曲率和大气折射。
高程通过温度梯度、日照、排水以及对气流的阻挡作用,影响生态系统和大气过程。因此,生境分布、土壤侵蚀和局地气候模型会结合地形变量与其他观测数据。例如,土壤侵蚀评估会从数字高程模型中提取与坡度有关的因子,而天气模型则在其自身的计算尺度上表示地形。在这些应用中,改变数字高程模型的分辨率,不仅会改变地图呈现的细节程度,也会改变解释变量。
历史发展与主要高程数据集
20 世纪中叶,数字地形表示技术与电子计算、解析测量和工程设计自动化一同发展。查尔斯·L. 米勒和罗伯特·A. 拉弗拉姆于 1958 年开展的数字地形模型研究是早期的一项里程碑,尤其在公路工程领域具有重要意义。此后,各国测绘计划将等高线、摄影测量数据和实测高程数字化,使高程数据能够用于自动化分析,而不再仅供人们在地形图上进行目视判读。
地理信息系统的普及使规则高程格网日益实用。早期的国家级高程产品往往受其源地图的比例尺和等高距影响,因此相邻数据集的精度与生产方法可能有所不同。后来,机载激光扫描大幅提升了局部细节的表现能力,并使部分植被覆盖区域下的大范围裸地测绘成为可能。在美国,美国地质调查局的三维高程计划(3DEP)支持系统化的高程数据采集与分发;美国大部分地区的测绘以激光雷达为核心,阿拉斯加则采用干涉雷达。
2000 年 2 月,搭载“奋进号”航天飞机执行的航天飞机雷达地形测绘任务(SRTM)使近全球高程覆盖取得了重大进展。其干涉雷达观测覆盖了约北纬 至南纬 之间的陆地。在缺乏易于获取的国家级高程数据的地区,SRTM 成为广泛使用的地形分析数据源。从 2014 年起,1 角秒数据逐步向美国以外的地区开放,其格网点间距通常近似表述为 30 米。尽管该任务覆盖范围广泛,数据空洞、植被影响和雷达观测几何仍是使用时需要重点考虑的因素。
ASTER 全球数字高程模型于 2009 年首次发布,采用了美国国家航空航天局 Terra 卫星上先进星载热发射与反射辐射计获取的光学立体影像。它将覆盖范围扩展到高纬度地区,提供 1 角秒的格网点间距,但云污染和立体处理伪影需要仔细评估。日本的 AW3D30 产品是另一个全球高程数据源,由 ALOS 卫星上的 PRISM 仪器获取的光学立体观测数据生成。
德国 TanDEM-X 卫星于 2010 年发射,与 TerraSAR-X 卫星编队飞行,通过双基地雷达干涉测量生成了高度一致的全球高程模型。哥白尼数字高程模型(Copernicus DEM)源自基于 TanDEM-X 观测数据制作的 WorldDEM 产品,并经过编辑处理和辅助数据补充。它属于数字表面模型,而非在所有区域都表示裸地的地形模型。其面向全球提供的 GLO-30 和 GLO-90 产品,格网点间距分别约为 30 米和 90 米。
这些产品在数据获取时期、传感器物理原理、编辑处理、垂直基准和许可条件等方面各不相同。全球格网可能整合了多个日期的观测数据,而非反映某个单一时刻的状况。因此,选择产品时,应根据其文档所述特性,判断它是否适合研究区的地形地貌和分析任务,而不能认定最新发布的产品或像元最小的产品总能提供最合适的地形表示。