1. 为什么需要从DSM中提取地面高程点在测绘和地理信息领域数字表面模型DSM记录了地表所有物体的顶部高程信息包括建筑物、树木、电线杆等。但很多时候我们需要的是数字高程模型DEM也就是纯粹的地面高程数据。比如在做洪水模拟时需要知道河水会淹没到哪个高度这时候如果使用包含建筑物的DSM数据就会导致模拟结果严重失真。我去年参与过一个城市内涝分析项目当时客户提供的无人机航测数据只有DSM。直接使用这些数据做分析结果发现整个城市都会被淹没因为DSM里的高楼大厦都被当成了地面高程。这就是为什么我们需要从DSM中挖出真实地面高程点的原因。2. DOM和DSM的黄金组合2.1 理解DOM和DSM的关系DOM数字正射影像图和DSM就像是一对孪生兄弟。DOM提供了高分辨率的二维影像而DSM则记录了每个像素对应的高度值。在实际操作中我发现将两者叠加使用效果最好先在ArcGIS中加载DOM作为底图然后将DSM以半透明方式叠加在上面最后调整透明度一般在30%-50%之间视觉效果最佳这样操作后你就能同时看到地物影像和它们的高度信息。我习惯用这种组合方式来识别哪些是建筑物哪些是树木哪些才是真实的地面。2.2 目视解译的关键技巧目视解译听起来简单但要做到精准需要掌握几个技巧阴影观察法建筑物在DOM上通常会有明显的阴影特别是在上午或下午拍摄的影像中。通过阴影方向可以判断建筑物的轮廓。纹理分析法植被在DOM上呈现不规则的纹理而人工建筑则会有规则的几何形状。高度突变检测在DSM上地面到建筑物的高度会突然变化这种突变点往往就是建筑物的边缘。我常用的一个技巧是先在DOM上画一个多边形把建筑物圈出来然后到DSM上检查这个区域的高度值。如果发现内部高度基本一致而边缘有突变就基本可以确认这是建筑物。3. ArcGIS中的实操步骤3.1 数据准备和预处理在开始提取高程点前有几个准备工作要做坐标系统一确保DOM和DSM使用相同的坐标系统。我遇到过因为坐标系不匹配导致两者偏移几十米的情况。范围裁剪如果数据量很大建议先裁剪出工作区域。可以使用Extract by Mask工具用研究区的边界shp文件来裁剪。金字塔构建为了提高显示效率建议为DOM和DSM都构建金字塔。在图层属性→常规选项卡里可以找到这个选项。# 示例使用ArcPy裁剪DSM import arcpy from arcpy.sa import * # 设置工作空间 arcpy.env.workspace C:/data # 使用掩膜提取 outExtractByMask ExtractByMask(dsm.tif, study_area.shp) outExtractByMask.save(dsm_clip.tif)3.2 交互式选点技巧在ArcGIS中提取地面点我推荐使用Create Features工具条中的Point工具。这里有几个实用技巧采样策略不要在建筑物阴影区域选点这些地方DSM值可能不准确。密度控制平坦区域可以少取点地形变化大的区域要多取点。验证方法选点后立即查看属性表中的高程值与周边点比较是否合理。我习惯每100米至少取一个点在地形转折处增加到每20-30米一个点。对于面积约1平方公里的区域通常需要采集200-300个地面点才能保证精度。4. 精度验证与质量控制4.1 交叉验证方法提取完地面点后必须进行精度验证。我常用的方法有实地对照法选择部分点位用RTK测量实际高程进行比对。影像反查法在Google Earth等平台上查找对应位置的高程数据进行比对。统计分析计算提取点的高程与周边DSM值的标准差异常大的标准差可能意味着选点错误。# 示例计算高程点与周边DSM的差异 import numpy as np # 假设points是提取的高程点数组 # dsm_values是对应位置的DSM值 differences points - dsm_values mean_diff np.mean(differences) std_diff np.std(differences) print(f平均差异{mean_diff:.2f}米) print(f标准差{std_diff:.2f}米)4.2 常见错误及修正在实际工作中我遇到过几个典型问题建筑物边缘误判有时候建筑物阴影会误导选点。解决办法是在DSM上查看剖面图确认高度变化是否突然。植被误认为地面低矮灌木在DOM上不易识别。可以通过检查NDVI指数或使用多季节影像对比来识别。高程异常值有时候DSM数据本身会有噪点。建议设置合理的高程范围阈值超出范围的直接剔除。有一次项目中发现提取的高程点整体偏高后来发现是因为DSM数据没有去除植被影响。最后我们改用冬季拍摄的DOM影像重新选点问题才得到解决。这个教训告诉我选择合适季节的影像非常重要。