3. 数字高程模型（DEM）原理
各位同学，今天我们来聊聊DEM。这东西说白了，就是地球表面的“数字身份证”。我刚开始接触遥感那会儿，总觉得DEM不就是个高程数据嘛，有啥好研究的？后来做项目踩了坑才明白——DEM的精度，直接决定了你后续所有分析的可信度。
3.1 DEM到底是个啥？
数字高程模型，英文叫Digital Elevation Model。简单讲，就是用一组有序的数字阵列，来表示地面高程的起伏变化。你想想看，把地球表面切成无数个小格子，每个格子给一个海拔值，连起来就是DEM。
这里有个概念容易混淆——DEM和DSM的区别。我遇到过不少新手把这两个混为一谈。DEM是“裸地表”的高程，剔除了建筑物、树木这些地物。而DSM（数字表面模型）是包含地物顶部的。做洪水淹没分析，你得用DEM；做城市通信信号覆盖，你得用DSM。选错了，结果就是笑话。
核心要点：DEM ≠ DSM。DEM是地表真实形态，DSM是地表覆盖物顶部形态。两者应用场景完全不同。
3.2 DEM怎么来的？
获取DEM的方式，我归纳为三大类。每一类我都亲手做过，优缺点心里有数。
3.2.1 摄影测量法
用立体像对提取高程。说白了，就是两张不同角度的照片，通过视差计算高程。我记得2018年做某山区项目，用高分辨率卫星立体像对提取DEM，效果还不错。但有个坑——植被茂密区域，同名点匹配经常失败。
- 优点：覆盖范围大，分辨率可选
- 缺点：受天气影响，植被区精度差
- 典型数据：WorldView-3立体像对，分辨率可达0.5m
3.2.2 激光雷达（LiDAR）
这是目前我最信赖的方式。LiDAR发射激光脉冲，打到地面反射回来，通过时间差算距离。我曾经做过一个城市精细建模项目，LiDAR点云密度达到每平米16个点，最后生成的DEM精度在5厘米以内。嗯，那感觉真爽。
- 优点：精度极高，能穿透植被
- 缺点：成本高，数据处理量大
- 典型数据：机载LiDAR，精度可达10-30cm
3.2.3 雷达干涉测量（InSAR）
这个技术有点意思。用两幅雷达影像的相位差来提取高程。我2019年用Sentinel-1数据做过地表形变监测，精度出乎意料的好。但要注意——相位解缠是个技术活，搞不好就出大错。
- 优点：全天候，大范围
- 缺点：对地形陡峭区域效果差
- 典型数据：SRTM、TanDEM-X
我的建议：如果预算充足，首选LiDAR。如果做大范围区域，用InSAR数据（如SRTM）性价比最高。摄影测量法适合中等精度需求的项目。
3.3 精度评价——别被漂亮数据骗了
拿到DEM数据后，第一件事不是急着用，而是做精度评价。我见过太多人直接下载SRTM就开干，结果分析结果一塌糊涂。
3.3.1 评价指标
常用的精度指标有三个，我列个表方便你对照：
| 指标 | 全称 | 计算公式 | 说明 |
|---|---|---|---|
| RMSE | 均方根误差 | √(Σ(Δh²)/n) | 最常用，对异常值敏感 |
| MAE | 平均绝对误差 | Σ|Δh|/n | 直观，不受异常值影响 |
| LE90 | 90%线性误差 | 排序后第90%分位 | 美国标准，常用 |
Δh是DEM高程与实测高程的差值。实测数据通常来自GPS测量或更高精度的LiDAR数据。
3.3.2 评价方法
我个人习惯用三步走：
- 收集检查点：至少30个均匀分布的点，覆盖不同地形
- 提取DEM值：在GIS软件中提取检查点位置的DEM高程
- 计算误差：用实测值减去DEM值，统计RMSE、MAE等指标
我曾经做过一个实验，用SRTM（30m分辨率）和LiDAR（1m分辨率）对比。在平坦区域，两者差异不到2米。但在陡峭山区，SRTM的误差能到10米以上。为什么会这样？因为SRTM的雷达信号在陡坡上会产生阴影和叠掩。
避坑指南：千万不要只看全局RMSE就认为数据可用。一定要分地形类别评价——平原、丘陵、山地、水域，精度差异可能很大。我曾经在某个项目中忽略了这一点，结果在山区的分析结果完全不能用，白白浪费了两周时间。
3.4 知识体系总览
下面这张图，是我梳理的DEM核心知识框架。你把它存下来，以后做项目时对照着看，思路会清晰很多。
这张图把DEM的核心脉络理清楚了。你从定义出发，理解它是什么；再掌握三种获取方式，知道数据从哪来；最后学会精度评价，确保数据能用。这三步走完，DEM这块就算入门了。
好了，关于DEM的原理就讲这么多。记住，数据质量决定分析质量。下次拿到DEM数据，先做精度评价，别急着出图。这是我从无数次翻车中总结出来的教训。