姜 陽 張 俊

（1.黑龍江省測繪產(chǎn)品質(zhì)量監(jiān)督檢驗站，黑龍江 哈爾濱 150081;2.黑龍江第二測繪工程院，黑龍江 哈爾濱 150081）

0.引言

基于密集匹配算法的數(shù)字高程模型數(shù)據(jù)（即DEM數(shù)據(jù)）生產(chǎn)方式，主要是對衛(wèi)星影像的每個立體像對進(jìn)行密集匹配，并通過前方交會計算出每個物方點的三維坐標(biāo)，從而得到整個區(qū)域的數(shù)字表面模型數(shù)據(jù)（即DSM數(shù)據(jù)），再經(jīng)過人機(jī)交互編輯濾波，將高于地面的林地、房屋、橋梁以及臨時堆放物等非地面附著物的高程降至地面，最終得到DEM數(shù)據(jù)成果。其中，密集匹配是指在生產(chǎn)DSM或DEM數(shù)據(jù)時，為了計算測區(qū)每個物方點的三維坐標(biāo)，從而重建整個測區(qū)地形而進(jìn)行的同名點匹配。

基于密集匹配算法的DEM數(shù)據(jù)生產(chǎn)近幾年從實驗走向了大規(guī)模應(yīng)用，主要源于國家建設(shè)對于DEM數(shù)據(jù)的迫切需求，部分區(qū)域甚至需要DEM數(shù)據(jù)的更新周期達(dá)到一年以內(nèi)，“一帶一路”國家戰(zhàn)略更是需要全球范圍內(nèi)的DEM數(shù)據(jù)。因此，傳統(tǒng)的長周期的DEM生產(chǎn)方式已經(jīng)無法滿足項目需求，基于密集匹配算法的DEM數(shù)據(jù)生產(chǎn)則可較好地解決此類問題。近年來，由于我國高分辨率衛(wèi)星影像獲取能力極大增強(qiáng)，使得大規(guī)模快速生產(chǎn)DEM數(shù)據(jù)成為了現(xiàn)實。

相比于傳統(tǒng)的DEM數(shù)據(jù)生產(chǎn)方式，基于密集匹配算法的DEM數(shù)據(jù)生產(chǎn)效率高、范圍廣、時效性更強(qiáng)、模型表達(dá)更加精細(xì)，但在某些方面，又有其自身的不足。下面筆者將在各個方面對其優(yōu)缺點進(jìn)行詳細(xì)地分析和闡述。

1.生產(chǎn)效率和覆蓋范圍方面

基于密集匹配算法的DEM數(shù)據(jù)生產(chǎn)效率更高。傳統(tǒng)的DEM生產(chǎn)方式主要是人機(jī)交互立體采集高程點、線，并以此為基礎(chǔ)內(nèi)插構(gòu)建高程模型。這種方式人工參與度較高，因此對于人工的依賴較大，作業(yè)人員的熟練程度和經(jīng)驗的積累對生產(chǎn)效率起著至關(guān)重要的作用。根據(jù)實際生產(chǎn)周期計算，1∶50000比例尺山地類型的數(shù)據(jù)生產(chǎn)平均每幅圖需要約40-50天的工作量。而基于密集匹配算法的DEM數(shù)據(jù)生產(chǎn)從自動匹配生成DSM數(shù)據(jù)到影像粗糾正，再到DEM數(shù)據(jù)編輯僅需要約12天左右的時間，如若大規(guī)模生產(chǎn)平地或無植被區(qū)域則效率更高。在基于密集匹配算法的DEM數(shù)據(jù)的整個生產(chǎn)環(huán)節(jié)中，從衛(wèi)星影像立體相對的密集匹配，到通過前方交會計算物方點的三維坐標(biāo)，再到DSM模型數(shù)據(jù)的生成，基本可以做到全自動化，因此可以安排在任意時間段進(jìn)行數(shù)據(jù)生產(chǎn)，極大地提高了工作效率。此外，對于后續(xù)的人工編輯環(huán)節(jié)，由于是將已經(jīng)生成的DSM模型作為底圖，需要降高的區(qū)域僅為林地、建筑區(qū)、橋梁等明顯的高于地面部分，在沙漠、戈壁等地物稀少的區(qū)域甚至無需降高處理，可以將DSM數(shù)據(jù)直接作為DEM數(shù)據(jù)使用，因此極大地降低了人工作業(yè)的強(qiáng)度和難度，對于作業(yè)人員熟練程度的要求也不如傳統(tǒng)DEM生產(chǎn)要求那樣高。經(jīng)過測算，項目的平均生產(chǎn)效率相對于傳統(tǒng)生產(chǎn)方式整體上提高了5-8倍，可滿足在1∶50000比例尺下，全國范圍內(nèi)DEM數(shù)據(jù)每年一次頻率的更新要求。這將極大地提高DEM數(shù)據(jù)的可應(yīng)用性，能夠?qū)ν粎^(qū)域進(jìn)行連續(xù)不間斷的地形監(jiān)測，對于突發(fā)的地形變化，如地震、山體滑坡等也可在短時間內(nèi)制作特定區(qū)域的DEM模型。

基于密集匹配算法的DEM數(shù)據(jù)生產(chǎn)的成圖范圍更廣?；诿芗ヅ渌惴ǖ腄EM數(shù)據(jù)可實現(xiàn)覆蓋全球所有的陸地范圍（個別影像無法獲取的特殊區(qū)域除外），并可根據(jù)需要在5-8年內(nèi)對全球的陸地范圍進(jìn)行更新。這個目標(biāo)能夠得以實現(xiàn)主要是源于以下幾個技術(shù)條件的逐漸成熟：

1.1 我國衛(wèi)星影像資源獲取能力極大加強(qiáng)

近年來，我國自主研發(fā)并成功發(fā)射了多枚氣象、海洋、資源等民用遙感衛(wèi)星系列及環(huán)境減災(zāi)衛(wèi)星星座，資源三號、天繪、高分等影像的大范圍獲取為高精度DEM成果的生產(chǎn)提供了多重覆蓋的數(shù)據(jù)源，保證了影像數(shù)據(jù)獲取的數(shù)量和質(zhì)量，其范圍可覆蓋全球，因此生產(chǎn)中可根據(jù)實際需要來選擇合適的影像源。

1.2 無地面控制測圖關(guān)鍵技術(shù)的突破

衛(wèi)星的密集時序化在軌幾何定標(biāo)能夠提供任意時間點衛(wèi)星的坐標(biāo)以及姿態(tài)角等重要參數(shù)的信息，這些信息的獲取可以極大地減少測繪生產(chǎn)對于地面控制的依賴，并利用大范圍的區(qū)域網(wǎng)平差技術(shù)使DEM成果的高程精度得到了極大提高和保障。此外，全球統(tǒng)一大地基準(zhǔn)的確定將全球范圍的DEM數(shù)據(jù)納入了統(tǒng)一的標(biāo)準(zhǔn)之下，這使得我們的眼光不僅局限于國內(nèi)，可以將全世界的DEM數(shù)據(jù)在同一尺度下進(jìn)行生產(chǎn)、分析、比較，為DEM數(shù)據(jù)應(yīng)用打開了廣闊的前景。

1.3 眾源地理信息快速融合、海量信息在線發(fā)布技術(shù)

國際海量信息的在線共享，特別是格網(wǎng)寬度為30m的SRTM數(shù)據(jù)和AW3D30數(shù)據(jù)獲取為我們提供了大量輔助的參考資料，可為密集匹配DEM數(shù)據(jù)的提供精度參考，也可為空白區(qū)域提供漏洞補(bǔ)充。

密集匹配DEM數(shù)據(jù)生產(chǎn)的范圍更廣除了以上三個條件的技術(shù)支持，也是源于其更高的生產(chǎn)效率，這種方法能夠在規(guī)定的時間內(nèi)，使生產(chǎn)范圍擴(kuò)大幾倍，可應(yīng)用性更強(qiáng)。因此基于密集匹配算法的DEM數(shù)據(jù)生產(chǎn)方式可廣泛應(yīng)用于軍用和民用領(lǐng)域，目前，我國主導(dǎo)的“一帶一路”戰(zhàn)略已開始大規(guī)模應(yīng)用此技術(shù)。

2.高程精度方面

DEM成果的高程精度取決于多方面的因素，如影像質(zhì)量、地形類別等。這里采用的影像源主要是1∶50000比例尺DEM數(shù)據(jù)生產(chǎn)常用的資源三號衛(wèi)星影像，影像分辨率為2m，并將對比區(qū)域設(shè)定為國內(nèi)同精度區(qū)域網(wǎng)范圍內(nèi)的同一區(qū)域。基于密集匹配算法的DEM數(shù)據(jù)在不同的地形類別下，相對于高精度檢查點目前所能達(dá)到的高程中誤差（如表1所示）：

表1 基于密集匹配算法的DEM數(shù)據(jù)相對于高精度檢查點的高程中誤差

采用傳統(tǒng)生產(chǎn)方式的DEM數(shù)據(jù)相對于高精度檢查點所能達(dá)到的高程中誤差（如表2所示）：

表2 傳統(tǒng)生產(chǎn)方式的DEM數(shù)據(jù)相對于高精度檢查點的高程中誤差

從以上兩種方式的高程精度對比中，我們可以看出，基于密集匹配算法的DEM數(shù)據(jù)在平地區(qū)域，精度相較于傳統(tǒng)方式要稍微差一些，而在其他三種地形類別中與傳統(tǒng)方式的精度基本一致，甚至在高山地還要優(yōu)于傳統(tǒng)方式。這主要是因為密集匹配算法主要是根據(jù)影像中不同地物之間的紋理差異來匹配生成高程模型。在平地區(qū)域弱紋理區(qū)較多，地物特征不明顯，出現(xiàn)的粗差點和錯誤地形也較多，匹配效果不好；而山地影像信息更加豐富，地物特征明顯，明暗對比強(qiáng)烈，匹配效果反而要好一些。傳統(tǒng)生產(chǎn)方式主要是根據(jù)不同視角的遙感影像生成立體模型并進(jìn)行人工采集，由于視覺原因，地面起伏對高程精度所造成的影響更大。但是由于密集匹配算法的大部分生產(chǎn)環(huán)節(jié)為自動識別匹配，相對于衛(wèi)星與地面之間的高差，地面起伏所造成的差異就顯得微乎其微了。此外，在1∶10000比例尺下，利用高分七號衛(wèi)星影像（影像分辨率為0.8m）的試生產(chǎn)實驗中，也呈現(xiàn)出了類似的特性。由此可以看出，基于密集匹配算法的DEM數(shù)據(jù)與傳統(tǒng)方式生產(chǎn)的DEM數(shù)據(jù)相比，在整體上高程精度的差別并不大，且通過后期的精細(xì)編輯處理，不同匹配軟件和不同匹配參數(shù)的調(diào)整還可以適當(dāng)彌補(bǔ)高程精度的不足。

3.視覺效果方面

基于密集匹配算法的DEM成果可以直接通過匹配獲取像素的高程值，從而形成最終的柵格數(shù)據(jù)，而不需要采集傳統(tǒng)的高程點線等矢量數(shù)據(jù)。因此，基于密集匹配算法的DEM成果是連續(xù)的不間斷的數(shù)據(jù)，相對于傳統(tǒng)方式DEM成果無高程點線的內(nèi)插區(qū)域就會更加真實準(zhǔn)確，模型生成的暈渲效果也更加細(xì)膩。圖1和圖2是在Global-mapper軟件下顯示的DEM暈渲效果對比圖：

圖1 密集匹配DEM數(shù)據(jù)暈渲效果圖

圖2 傳統(tǒng)方式DEM數(shù)據(jù)暈渲效果圖

基于密集匹配算法的DEM成果所生成的暈渲效果（如圖1所示）能更加連續(xù)地表達(dá)地貌特征，地形的起伏不會斷裂，更接近真實地貌；而傳統(tǒng)的DEM成果（如圖2所示），則會呈現(xiàn)出梯田狀的效果，這是由于在兩根等高線之間，傳統(tǒng)DEM模型只能呈現(xiàn)同一高程值。在整個模型的視覺效果方面，基于密集匹配算法的DEM成果顯然要優(yōu)于傳統(tǒng)方式。

4.表達(dá)精細(xì)度方面

現(xiàn)階段，我國在1∶50000比例尺下采用資源三號衛(wèi)星影像生產(chǎn)的DEM數(shù)據(jù)格網(wǎng)寬度多為10m。由于基于密集匹配算法的DEM數(shù)據(jù)的暈渲效果更加連續(xù)，因此在部分微地貌的表達(dá)中更加真實，特別是對某些高差較小的地貌表達(dá)更加細(xì)致?？梢哉f基于密集匹配算法的DEM數(shù)據(jù)后期可以采用任意等高距來生成等高線，而傳統(tǒng)方式生產(chǎn)的DEM數(shù)據(jù)則只能根據(jù)生產(chǎn)時的等高距來生成等高線。在同一地區(qū)（如圖3、圖4所示），基于密集匹配算法的DEM數(shù)據(jù)可清晰地表示出河流的細(xì)部形態(tài)，而傳統(tǒng)方式的DEM數(shù)據(jù)由于等高距的限制僅能表示出平坦地貌，而沒有河流的痕跡。

圖3 密集匹配DEM數(shù)據(jù)河流細(xì)部表達(dá)

圖4 傳統(tǒng)方式的DEM數(shù)據(jù)無河流痕跡

然而，基于密集匹配算法的DEM數(shù)據(jù)也有其局限性。在有地物遮擋區(qū)域，如何判斷地物相對高度，并將DSM數(shù)據(jù)降至真實的地面一直是DEM數(shù)據(jù)生產(chǎn)中的一個難題。而且在DSM自動匹配過程中，有些高程點匹配至地面，有些則匹配至地物的頂端或中間位置，同種地物點云匹配位置的不同更加大了地物相對高度判斷的難度。如果地物相對高度判斷不準(zhǔn)確，就很容易出現(xiàn)錯誤的“人造”地貌。

圖5 河灘處的坑狀地貌

由于相對高度判斷不準(zhǔn)確，導(dǎo)致林地降高不足，從而使河灘處出現(xiàn)錯誤的坑狀地貌（如圖5所示）。而這種問題在某些區(qū)域是極難避免的，因為我們不可能針對像素逐個降高處理，只能盡量分割縮小單個的編輯范圍，將這種問題控制在可達(dá)到的精度范圍內(nèi)。

在山地和高山地區(qū)域則分為兩種情況。對于山形較大且形態(tài)相對完整的區(qū)域（如圖6所示），基于密集匹配算法的DEM數(shù)據(jù)可以將地形表現(xiàn)的更加清晰準(zhǔn)確，整體趨勢和微地貌形態(tài)都可以細(xì)致地表現(xiàn)出來，總體能夠達(dá)到優(yōu)于傳統(tǒng)1∶50000比例尺成果生產(chǎn)方式等高線的要求（如圖7所示）：

圖6 形態(tài)完整的大型山體地貌影像

圖7 密集匹配DEM生成等高線（藍(lán)色）與傳統(tǒng)方式DEM生成等高線（紅色）對比

而在破碎地貌區(qū)域，基于密集匹配算法的DEM數(shù)據(jù)則體現(xiàn)出了其局限性。破碎地貌，顧名思義，是山體在常年的風(fēng)化作用下，形成的如刀削斧劈般縱橫交錯的極端破碎地形（如圖8所示），其特征是小型的溝谷或山脊等微地貌形態(tài)較多，一般谷底寬度不超過20m，為實際生產(chǎn)帶來了巨大的編輯工作量。

圖8 破碎地貌影像

根據(jù)生產(chǎn)實踐的經(jīng)驗來看，一般溝谷和山脊寬度至少需要達(dá)到30m才能夠完整、準(zhǔn)確地表達(dá)出地貌特征。因為柵格數(shù)據(jù)生成的點云高程取值在像素的中心位置，同一像素范圍內(nèi)高程值一致，因此僅有一列或兩列點，大部分點位會落在山坡位置，無法準(zhǔn)確地落到谷底地面，山脊也類似。

由于破碎地貌山體兩側(cè)沖溝等細(xì)部地貌較多，且溝谷和山脊較窄，無法達(dá)到30m寬度的要求，因此DEM模型僅能適度表達(dá)出整體的地形趨勢和地貌特征，而無法準(zhǔn)確表示出谷底高程（如圖9所示）：

而傳統(tǒng)DEM數(shù)據(jù)在人工立體采集的生產(chǎn)過程中則可以根據(jù)人為判斷適當(dāng)夸大地貌特征，對等高線進(jìn)行微加工，從而使微地貌的特征更加明顯（如圖10所示）。通過對比發(fā)現(xiàn)（如圖11所示），部分寬度在30m以下的溝谷，基于密集匹配算法的DEM數(shù)據(jù)無法體現(xiàn)出來，生成的等高線趨于圓滑，微地貌丟失，而傳統(tǒng)DEM數(shù)據(jù)則可以根據(jù)人工夸張表示把微地貌特征表現(xiàn)出來。

圖9 密集匹配DEM生成等高線（藍(lán)色）與影像套合

圖10 傳統(tǒng)方式DEM生成等高線（紅色）與影像套合

圖11 密集匹配DEM等高線（藍(lán)色）與傳統(tǒng)方式DEM生成等高線（紅色）差異對比

5.結(jié)束語

相比于傳統(tǒng)的DEM數(shù)據(jù)生產(chǎn)方式，基于密集匹配算法的DEM數(shù)據(jù)在生產(chǎn)效率、范圍以及視覺效果方面的優(yōu)勢明顯，在高程精度對比方面則略低于傳統(tǒng)方式，而在地形表達(dá)的精細(xì)度方面，除幾種特殊情況外，則要強(qiáng)于傳統(tǒng)方式。由于其在生產(chǎn)效率上的巨大優(yōu)勢，可極大地提高數(shù)據(jù)更新頻率，擴(kuò)大數(shù)據(jù)生產(chǎn)范圍，現(xiàn)階段的DEM數(shù)據(jù)生產(chǎn)基本上都開始采用此種方法，可以說基于密集匹配算法的DEM數(shù)據(jù)生產(chǎn)方式已經(jīng)發(fā)展到較為成熟的階段。近幾年，在大范圍更新生產(chǎn)DEM數(shù)據(jù)的項目中，基于密集匹配算法的DEM數(shù)據(jù)生產(chǎn)方式已成為主要的技術(shù)手段。隨著更高分辨率影像源的使用，DEM數(shù)據(jù)格網(wǎng)寬度將進(jìn)一步縮小，地貌表達(dá)將更加準(zhǔn)確、精細(xì)，而隨著技術(shù)手段的不斷優(yōu)化，其效率也將進(jìn)一步得到提高。