1928 测量与遥感技术观测得到的 DEM, 通常包含了森林植被 建筑物等地物分布形态, 此类 DEM 又称为数字地表模型 (digitalsurfacemodel,dsm) 给定平面坐标 ( 犡犻, 犢犻 ) 相应离散点高程犣犻 ( 规则或不规则 ),DEM 可以采用如下函数表示地面起伏形态的数字

Transcription

1 第 43 卷第 12 期 GeomaticsandInformationScienceofWuhanUniversity Vol.43No.12 Dec.2018 犇犗犐 : /j.whugis 文章编号 : (2018) 全球高分辨率数字高程模型研究进展与展望 李振洪 1,2 李鹏 2,3 丁咚 2,3 王厚杰 2,3 1 英国纽卡斯尔大学工程学院, 英国纽卡斯尔,NE17RU 2 中国海洋大学海洋地球科学学院海底科学与探测技术教育部重点实验室, 山东青岛, 青岛海洋科学与技术国家实验室海洋地质过程与环境功能实验室, 山东青岛, 摘要 : 简要介绍了数字高程模型 (digitalelevationmodel,dem) 的起源与定义, 根据 4 种不同的观测平台分类介绍了 DEM 数据获取方法, 给出目前国际上发布的高分辨率全球 DEM 的主要性质和特点 重点介绍了 9 大类全球 DEM, 分析了 DEM 质量评估相关的评定方法和精度指标 论述了 DEM 在地质灾害监测 海岸带脆弱性分析方面的应用, 以美国地质勘探局和德国航空太空中心正在开展的 DEM 项目为例, 讨论了高精度 高分辨率全球同质 DEM 和地形测深高程模型的最新需求, 最后总结展望全球高分辨率 DEM 的发展趋势 关键词 : 数字高程模型 ; 合成雷达干涉测量 ; 光学 ; 地质灾害 ; 质量评估中图分类号 :P237;P208 文献标志码 :A 地球表面的地球物理过程通常受到地形的控制或强烈影响, 大尺度自然灾害与气候环境变化相关的研究 ( 如地震 火山 滑坡 地面沉降 洪水淹没等 ) 均需要区域或全球尺度的精密地形信息 构建具有长期稳定大地测量参考框架 ( 包含海岸带浅水测深数据 ) 的高质量 高分辨全球数字高程模型 (digitalelevationmodel,dem) 是全球地球观测系统 (GlobalEarth ObservationSystem ofsystems, GEOSS) 过去十年的主要任务之一, 对其正在发挥其作用的环境 气候相关的社会福利领域 (societal benefitareas,sbas) 具有极其重要的价值 本文主要介绍全球高分辨率 DEM 的主要特征 数据获取与质量评估方法, 分析其在地质灾害与海岸带等方面的应用, 讨论其最新需求与挑战及未来发展趋势 1 犇犈犕的起源和定义 地形 (topography) 是指地球表面的高低起伏 形态, 高程是描述地表起伏形状的最基本的几何量 美国麻省理工学院摄影测量学实验室的 Miler 和 Laflamme [1] 通过摄影测量技术采样地形数据, 用于解决计算机辅助道路设计相关的工程问题, 最早提出了数字地形 / 地面模型 (digital terrainmodel,dtm) 的概念, 即利用一个任意坐标场中选择大量已知犡 犢 犣的坐标点对连续地面进行简单统计表示, 得到描述地球表面形态多种信息空间分布特征的有序数值阵列 基于高程数据得到的派生产品, 如坡度 坡向 曲率等地貌因子, 均可以作为 DTM 的第三维分量用于描述地形特征 仅用于描述地面高程信息, 采用有限的离散点高程实现对地形曲面的数字化模拟, 以数字形式按照一定结构组织表示实际地形特征空间分布的 DTM 模型称为 DEM DEM 原本是 DTM 的 [2 3] 一个子集 由于地球表面被各种自然或人工地物覆盖, 难以直接获取精确的地形形态 特别是基于摄影 收稿日期 : 项目资助 : 国家自然科学基金 ( , ); 国家重点研发计划 (2016YFA ); 山东省自然科学基金 (ZR2016DB30); 中国博士后科学基金 (2016M592248); 青岛市自主创新计划应用基础研究 ( jch); 中央高校基本科研业务费 ( ); 青岛市博士后应用研究 ; 英国自然环境研究理事会项目 (COMET:come30001,LICS:NE/K010794/1,CEDRRIC:NE/ N012151/1); 中国海洋大学绿卡人才工程科研经费 第一作者 : 李振洪, 博士, 教授, 主要研究方向为影像大地测量及其在地质灾害 精准农业与人工建筑物稳定性监测方面的应用 Zhen hong.li@newcastle.ac.uk 通讯作者 : 李鹏, 博士 pengli@ouc.edu.cn

2 1928 测量与遥感技术观测得到的 DEM, 通常包含了森林植被 建筑物等地物分布形态, 此类 DEM 又称为数字地表模型 (digitalsurfacemodel,dsm) 给定平面坐标 ( 犡犻, 犢犻 ) 相应离散点高程犣犻 ( 规则或不规则 ),DEM 可以采用如下函数表示地面起伏形态的数字集合 : 犞犻 = ( 犡犻, 犢犻, 犣犻 ), 犻 =1,2 狀 (1) 若平面位置为规则格网形式, 式 (1) 可以简化为一维向量序列 : { 犣犻, 犻 =1,2 狀 } (2) 20 世纪 90 年代以来,DEM 被列为中国国家空间数据基础设施 (NationalSpatialDataInfra structure,nsdi) 和数字地球空间数据框架 (Digi talgeospatialdataframework,dgdf) 的标准产品, 同时也是地理国情监测的重要产品之 [4 7] 一 作为地学分析与建模的基础数据( 如海岛 [8] 礁及周边复杂环境,DEM 逐步替代等高线成为地形描述与分析的重要数据源 ; 同时, 数字地球和智慧地球的建设和发展促进了 DEM 与遥感学科 [9 10] 等的一体化进程 2 犇犈犕数据获取方法 根据式 (1) 可知, 建立 DEM 实现地表重建的前提是对连续地球表面进行有限离散点的精确采 [2] 样和三维坐标测量 目前,DEM 数据获取方法主要包括野外地面测量 地形图数字化 航空航天摄影测量与遥感 ( 激光雷达扫描 (lightdetection andranging,lidar) 合成孔径雷达干涉测量 (interferometric synthetic aperture radar,in SAR) 立体光学影像 ) 等, 本文根据观测平台的差异来分类介绍 DEM 数据来源 2.1 地基模式 地基模式主要指野外地面测量方法 1) 传统地面测量方法, 如全球导航卫星系统静态或动态测量 全站仪测量等 这类方法采用单点采集方式耗时费力, 但是观测精度较高, 主要适用于小范围 大比例尺测图任务, 服务于工程建设项目等 2) 地面三维激光扫描仪 ( 如加拿大 Optech 奥地利 Rigel 瑞士 Leica 等 ) 采用无合作目标激光测距仪与角度测量系统组成自动化快速测量系统, 可以快速获得海量点云数据, 有效数据采集速率可达几十万点 /s, 可以构建高精度 (mm 级 ) 高分辨率 DTM [11] 点云数据采集包括场地踏勘 控制网布设 靶标布设 扫描作业等步骤, 点云数 据处理包括配准 分析 优化压缩 分层 等高线拟合 三维建模 纹理分析等方面 另外, 集成惯性测量单元 (inertialmeasurementunit,imu) 与全球导航卫星系统等组合单元的车载移动测图系统 [12] 可以支持激光扫描仪进行动态数据采集 3) 基于数字化仪通过交互式跟踪数字化或半自动扫描数字化和栅格矢量化, 可以实现已有地形图要素的数字化, 是目前常见的 DEM 数据采集方法之一 由于原始地形图 数字化 栅格化 插值等步骤均存在误差, 该方法效率和精度相对较低, 但对历史记录或存档信息提取而言, 可能是 [13 14] 唯一选项 2.2 船载模式广泛的海底地质过程导致了海底深度和粗糙度的变化, 进而影响了海洋环流 生物多样性分布 海洋油气资源及地震 海啸等 由于高分辨率海底测图成本高 效率低 难度大, 导致全球海底 [15] 地形仍然存在许多空白区域 船基海底地形测量是目前最常用的高分辨率海底地形测量技术 传统的船载海底地形测量主要是借助船载单波束 多波束回声测深仪开展水深测量, 同步开展潮位 定位和声速测量 目前, 多波束全覆盖测深技术已经成为海洋测量的常规技术, 传统的点线式海底地形测量模式已发展成 [16 17] 面状的全覆盖作业模式 无人船 水下载人潜航器 水下自治机器人以及水下遥控机器人等平台可以集成单波束 多波束测深仪等水深测量系统, 结合水下声学定位技术能够开展高效 高精度 高分辨率的水下地形测 [17 19] 量 2.3 机载模式机载模式主要包括航空摄影测量 机载激光 LiDAR 机载激光测深系统 机载 以及无人机等方法 1) 航空摄影测量方法是利用大幅面数码航空相机拍摄的重建地表三维立体模型 量测三维空间坐标的方法, 经历了模拟法 解析法 [20 21] 数字化 3 个发展阶段 目前, 基于数字摄影测量工作站 ( 如 PixelFactoryNeo TM VirtuoZo TM 等 ) 的全数字自动化或者交互式方法相对比较成熟, 可用于获取高精度 高保真 DEM [22] 2) 机载 LiDAR 扫描系统是集激光测距仪 全球导航卫星系统 惯性导航系统 CCD(charge coupleddevice) 相机 计算机数据处理等于一体的新型测量技术, 可以获得地面高密度三维位置点云数据, 通过多次回波滤波 分类与建模可以同

3 第 43 卷第 12 期李振洪等 : 全球高分辨率数字高程模型研究进展与展望 1929 时得到 DSM 和 DTM [23 27] 机载 LiDAR 技术在活断层识别 滑坡监测 海岸带脆弱性分析等领域 [28 30] 得到了广泛应用 3) 机载激光测深系统 (LaserAirborneDepth Sounder,LADS 或 AirborneLiDAR Bathyme try,alb) 分别向海面发射两种波段的激光, 其中红外波段被海面反射, 蓝绿波段透射海水后反射, 利用激光传播时间差得到相对瞬时海面的相对深度, 根据潮汐资料和潮汐模型获得瞬时海面高程和海底绝对高程 该方法适合用于近岸 浅海 岛礁等近海浅水区域的水深测量, 最小探测深度可达 0.15m, 最大测深在 50m 左右, 测点密度 [16 17,31 32] 可达 dm 级 目前, 可以采用单一蓝绿波段激光 ( 如美国 EAARL 系统 奥地利 RIEGL VQ 系统等 ) 开展沿岸陆地与浅水的一体化无缝 [23,32] 地形测量 4) 机载 技术适用于测绘困难地区 ( 如多云 雾地区 ) 的高精度 高分辨率 实时地表信息 [33 35] 获取 美国航空航天局 (NationalAeronau ticsandspaceadministration,nasa) 喷气动力实验室 (JetPropulsionLaboratory,JPL) 最早研发了一款机载干涉合成孔径雷达 (syntheticaper tureradar,sar) 测图系统 (AIRSAR), 又称为 TopographicSAR (TOPSAR), 年搭载于 DC 8 喷气式飞机之上, 具备 P/L/C 波段全极化能力, 幅宽为 10km, 距离向分辨率分别为 7.5m/3.75 m/1.875 m [36 37] 最具标志性意义的是,2000 年美国航天飞机雷达地形测绘任务 (ShutleRadarTopography Mission,SRTM) 利用机载 技术, 仅 11d 便获取了全球 80% 陆地 1 分辨率的三维地形信息 5) 无人机 (unmannedaerialvehicles,uav) 或微型无人机 (mini UAV,mUAV) 也可用于搭载数码相机 SAR LiDAR 等设备, 特别适用于小范围 低成本项目 ( 如局部侵蚀 沉积 城市规划 [38 39] 等 ) 的 DEM 获取 近年来发展起来的应用于构造地貌 林业 农业 考古等领域的运动重建技术 (structurefrom motion,sfm) 仅需要一台搭载于传统航空摄影测量平台或 UAV 风筝 气球 竿子等平台的相机对感兴趣区域的影像进行重叠拍摄, 基于点云后处理软件即可生成高精度 高分辨率 DEM [40 41] 2.4 星载模式星载模式主要包括卫星遥感立体影像 星载 雷达测高 激光测高 LiDAR 等, 有利于获取全球范围质量一致的 DEM 1) 高分辨率光学立体影像近年来已成为生成 DEM 产品 ( 特别是全球 DEM) 的首要数据 [42 43] 源, 例如法国 SPOT 系列 美国 Terra AS TER(Advanced Spaceborne Thermal Emission and Reflection Radiometer) 日本 ALOS(Ad vancedland ObservingSatelite)PRISM(Pan chromaticremotesensinginstrumentforstereo [44 46] Mapping) 中国资源三号 (ZY 3) 等 目前, 超高分辨率 (veryhighresolution,vhr) 光学遥感卫星已经越来越普遍, 例如 WorldView 3/4 (0.31m) WorldView 1/2(0.46 m) GeoEye 1 (0.46m) Pleiades 1A/B(0.5 m) KOMPSAT 3/3A(0.7/0.55 m) Quickbird (0.65 m) Gaofen 2(0.8 m) TripleSat(0.8 m) IKONOS (0.82m) SkySat 1/2(0.8m) 等 2) 星载 技术一般为重复轨道干涉测量模式, 主要面向地表形变监测应用 高精度 DEM 的生成容易受时间 空间去相关及大气延迟和轨道误差等影响 双星编队分布式 SAR 系统 ( 例如德国航空太空中心发射的 TerraSAR X 与 TanDEM X 卫星 ) 能够有效克服上述问题, 已经得到了覆盖全球 空间分辨率 12 m 的 World DEM TM, 在精度方面 ( 相对精度 2 m 绝对精度 4 m) 超过了其他全球 DEM 3) 卫星 LiDAR 是利用卫星平台搭载激光测高仪, 向地面发射激光脉冲并接收回波信号, 根据激光往返时间 卫星轨道等信息获得足印点 (footprint) 高程的方法, 是获取月球及小行星三 [47] 维地形地貌的主要方法 NASA 于 2003 年发射的 ICESat 卫星 (Ice,Cloud,andlandEleva tionsatelite) 搭载有唯一有效载荷 GLAS(Geo sciencelaseraltimetersystem), 是首个全球连续观测的星载 LiDAR 传感器, 可以提供全球地表高程及反演森林植被特征 GLAS 每隔 170m 左右生成约 70 m 直径的地面激光光斑, 其地表高程观测精度为 15cm [48] 其后继卫星 ICESat 2 于 2018 年 9 月发射, 搭载唯一载荷 ATLAS (Advanced Topographic Laser Altimeter Sys tem) 以每隔 70cm 进行高程观测 另外,2010 年 4 月欧空局发射的新一代测高卫星 CryoSat 2 搭载的合成孔径干涉雷达高度计 (SyntheticAper tureinterferometric Radar Altimeter,SIRAL) 则特别适合极地冰盖与海冰的高精度高程监 [49 51] 测 4) 基于卫星测高重力异常与船测水深数 [15,52 54] 据, 或者利用多光谱或 SAR 卫星遥感影

4 1930 [17,55] 像构建反演模型, 也可以实现大面积海底地形的反演, 但在反演精度 空间分辨率等方面仍有待提高 3 全球犇犈犕 早期大范围 DEM( 全球 大陆或区域尺度 ) 主要基于已有地图资料的重新编译和数据融合, 空间分辨率较为粗糙 ( 一般大于 1km), 例如 ETO PO5(earthtopographyfiveminutegrid) Terra inbase GLOBE(GlobalLand One km BaseEle vation) GTOPO30(Global30 arc seconddigital Elevation Models) 等, 但在众多领域仍然发挥了重要作用 目前常见的高分辨率全球 DEM 的生成主要得益于全球卫星遥感 卫星测高 船载测深等资料的获取, 例如 SRTM ASTER GDEM AW3D30 (ALOS World 3D 30 m ) World DEM TM NEXTMAP 等 表 1 给出了主要全球 DEM 数据的分辨率 高程基准 存储格式等特征, 所有产品水平基准均为 WGS 犈犜犗犘犗系列 1)ETOPO 年 5 月, 美国国家海洋与大气管理局 (NationalOceanicand Atmospheric Administration,NOAA) 国家地球物理数据中心 (NationalGeophysicalDataCenter,NGDC) 发布了第一个全球陆地和海底高程数据集 ETOPO5, 其经纬度格网为 5 ( 约 10km), 在缺少海底观测数据的亚洲 南美洲 非洲等区域, 其真实空间分辨率在 1 左右 2)ETOPO 年 9 月,NGDC 发布了经纬度格网 2 ( 约 4km) 的 ETOPO2, 该版本融合了船载声学测量与卫星测高结果以及来自 GLOBE 项目的陆地新高程数据 3)ETOPO 年 8 月,NGDC 发布了 ETOPO2v2 的改进版本 ETOPO1, 用于支持海啸预警与建模 海洋环流建模与地球可视化, 其经纬度格网为 1 ( 约 1.8km), 可以获取两个不同格网版本 : 南极和格陵兰冰原顶部冰表面 (icesur face) 和冰盖底部基岩 (bedrock) 3.2 犌犜犗犘犗 30 为了满足 NASA 地球观测系统 (Earth Ob servingsystem,eos) 及其他全球变化研究项目对高质量全球 DEM 产品的需求,1996 年, 美国地质调查局 (United States Geological Survey, USGS) 发布了全球范围空间分辨率约 1km( 经纬度格网为 30 ) 的 GTOPO30 [56] 由于当时没有 全球覆盖的一致数据源,GTOPO30 是由 8 种不同栅格 矢量地形数据源编译而成, 其主要数据源为美国国家地理空间情报局 (NationalGeospa tial InteligenceAgency,NGA) 生产的数字地面高程数据 (digitalterrainelevationdata,dted) 和世界数字地图 (digitalchartofthe world, DCW) 该数据发布后, 成为 GLOBE DEM 和 ETOPO2 等其他全球高程产品和大尺度应用的首要数据源 3.3 犌犕犜犈犇 2010 在 GTOPO30 发布之后, 全球多数地区有了新高程数据 ( 如 DTED SRTM ICESat 等 ), USGS 与 NGA 利用 11 种栅格高程数据源 ( 主要数据源为 1 SRTM DTED2) 融合得到了全球多分辨率地面高程数据 (global multi resolution terrainelevation data2010,gmted2010), 是 GTOPO30 GLOBE 及其他 30 分辨率全球 DEM 替代版本 该产品具有 30 ( 约 1km) 15 ( 约 500 m) 和 7.5 ( 约 250m) 等 3 个不同分辨率, 基于聚合方法 (aggregation method) 得到 7 类高程子产品 ( 最小值 最大值 均值 中值 标准差 系统二次抽样 断线强调 ), 范围主要覆盖 84 N~56 S 陆地 [57] 部分 3.4 犛犚犜犕犇犈犕 1)SRTMv1&v 年 2 月,NASA 联合 NGA DLR 意大利航天局开展了 SRTM, 利用 C 波段 技术收集了 60 N~56 S 陆地地 [58] 形信息 SRTM DEM 在美国本土分辨率为 1 ( 约 30m), 在全球其他地区则为 3 ( 约 90 m) 该数据是 形变监测 重力场建模等应用的 [59] 关键数据源 2)SRTM v 年 9 月, 国际农业研究磋商组织下属的空间信息协会 (Consultative Group oninternational Agricultural Research, Consortium for SpatialInformation, CGIAR CSI) 发布了 3 分辨率的全球无缝高程数据集 SRTM v4.1, 该版本采用高级插值与补洞方法, [60] 与之前版本相比, 高程质量有显著改进 3)SRTMGL3(Global3 V003) 2013 年 11 月,NASA 发布了 3 分辨率的 SRTM v3(srtm Plus), 使用了 ASTER GDEM v2 USGS GMT ED2010 或美国国家高程数据集 (NationalEleva [61] tiondataset,ned) 填补数据空洞 4)SRTMGL1(Global1 V003) 2014 年 9 月,NGA 宣布 1 分辨率的 SRTM 数据逐步向全球用户免费开放 自 2015 年 7 月起, 中国大陆用

5 第 43 卷第 12 期李振洪等 : 全球高分辨率数字高程模型研究进展与展望 1931 户可以免费下载 5)X SARSRTM 2010 年 12 月,DLR 发布了 X 波段获取的 1 分辨率 SRTM DEM, 覆盖全球约 40% 陆地表面, 高程精度约为 6 m 由于采用高分窄幅模式观测,X SAR 影像条带间存在大 [62] 量数据空隙 3.5 犃犛犜犈犚犌犇犈犕 2009 年 6 月, 日本经济 贸易与工业部 (Mi nistryofeconomy,trade,andindustry,me TI) 与 NASA 合作发布了覆盖全球 83 N~83 S 陆地 空间格网为 1 的 ASTER GDEM v1 该数据利用了约 150 万景 ASTER 光学影像, 通过立 [63 64] 体像对相关 (stereo correlation) 技术得到 2011 年 10 月,METI 与 NASA 发布了 AS TER GDEM v2, 新版本重新处理了 年约 150 万景 ASTER 影像 ( 同时增加了 2008 年 9 月以后的 26 万景新影像 ), 在受云持续覆盖的区域采用 SRTM v3 等数据源替代缺失数据, 通过减小归一化相关配准窗口 校正高程系统偏差 (-5m) 提升水体探测能力等措施改进其空间 [65] 分辨率和高程精度 3.6 犃犠 3 犇系列日本宇航局 (Japan Aerospace Exploration Agency,JAXA) 与日本遥感技术中心 (the Re mote Sensing Technology Center of Japan, RESTEC) 日本 NTT DATA 公司自 2014 年起合作开发了 AW3D 系列产品 1)AW3D Standard 基于 ALOS 卫星搭载的 PRISM 进行三维地形观测, 是首个覆盖全球陆地的 5m 分辨率 DSM/DTM, 高程精度 RMSE(rootmeansquareerror) 为 5m; 2)AW3D Enhanced 基于数字地球 (Digi talglobe) 公司的 WorldView 生成 3 种空间分辨率 (0.5 m/1 m/2 m) 的 DSM/DTM, 无地面控制点高程精度 RMSE 为 2m, 另外提供高精度正射影像 城市 建筑物 电信 机场等栅格或矢量产品 ; 3)AW3D 年 5 月发布了基于 5 m 分辨率的 AW3D 标准产品得到的覆盖全球 82 N ~82 S 的 30 m 分辨率 DSM 数据集 AW3D30 Version1 [66],2018 年 4 月发布了基于 ICESat 高程校正及条带误差改正后的新版本 Version 犠狅狉犾犱犇犈犕犜犕系列 WorldDEM TM 系列产品是由 DLR 与法国空中客车防务与空间公司 (Airbus Defenseand Space,ADS) 采用公私伙伴关系 (PublicPrivate Partnership,PPP) 联合发布, 基于 TanDEM X 与 TeraSAR X 雷达卫星组成双站 观测模式, 在 2010 年 12 月至 2014 年 6 月对全球所有陆地进行了至少两次完整覆盖 DLR 负责卫星在轨运行 数据获取与干涉处理,ADS 负责 World DEM TM 数据的商业化 该系列主要包括如下产品 1)WorldDEM core 该产品是未经任何后处理精化的干涉输出结果 DSM, 包含了地表建筑物 基础设施与植被, 也包含了 相关的误差源 空洞等 ; 2)WorldDEM TM 该产品是对地形 ( 如异常值移除 空洞填充 噪声滤波 海岸带负值抬升等 ) 水文 ( 如海洋 湖泊 河流 岛屿 海岸线 桥 堤坝 船只 海洋平台等 ) 和机场进行编辑 精化后的 DSM; 3)WorldDEM DTM 该产品是经过剔除建筑物和植被之后不含有地物特征的裸地地形 3.8 犖犈犡犜犕犃犘系列美国 Intermap 公司利用多传感器数据源 ( 机载 星载 地面测量等 ) 推出了全球多尺度无缝商业 DSM 与 DTM 三维高程数据服务 NEXTMAP 该系列主要包括如下产品 1)NEXTMAP ONE TM 基于 2016 至今的星载 资料, 可提供全球所有国家和地区 1m 空间分辨率的 DSM 与 DTM, 绝对高程精度 RMSE<1m; 2)NEXTMAP5 TM 利用 Intermap 公司机载 平台, 获取了全球超过 40 个国家 5 m 空间分辨率的 DSM 和 DTM, 绝对高程精度 RMSE 为 1m; 3)NEXTMAP World10 TM 利用多源数据获取方式 ( 机载 星载 地基等 ), 可提供全球范围 1/3 弧秒 ( 约 10m 空间分辨率 ) 的 DSM 和 DTM, 绝对高程精度 RMSE<10m; 4)NEXTMAP World30 TM 通过校正 配准 滤波 融合多源数据集, 得到覆盖全球范围 1 弧秒的 DSM( 约 30m 空间分辨率 ), 基于 ASTER GDEM SRTM 等数据源填补数据空洞和改正内部误差, 利用上百万个独立控制点 ( 如 ICESat 地面控制点 机载数据等 ) 对全部数据 ( 包括水体与海岸线 ) 进行三维建模校正, 绝对高程精度 RMSE<10m 3.9 犃犐犚犅犝犛犈犾犲狏犪狋犻狅狀系列 ADS 公司利用不同分辨率 不同数据来源的影像产品得到了多尺度 DEM 产品 1)Elevation1 基于 Pleiades 和三

6 1932 线阵光学立体影像资料生成的具有 1 m 格网 1.5m 高程精度的 DEM 2)Elevation4 基于 Pleiades 和三线阵光学立体影像资料生成的具有 4 m 格网 2m 高程精度的 DEM 3)Elevation8 基于 SPOT6 和三线阵光学立体影像资料生成的具有 8 m 格网 3m 高程精度的 DEM 4)Elevation10 基于 TerraSAR X 雷达卫星数据生成的具有 10 m 格网 5 m 高程精度的 DEM 5)Elevation30 主要基于 SPOT5 光学卫星数据及 TerraSAR X 雷达卫星资料进行漏洞填补得到的具有 30m 格网 8m 高程精度的 DEM 表 1 主要全球犇犈犕产品汇总 Tab.1 SummaryofMajorGlobalDEM Products DEM 产品 发布时间 / 年 发布机构 空间范围 格网大小 官方高程精度 RMSE/m 获取方法 海底地形 免费 垂直基准 空值 Voids 存储 格式 ETOPO NGDC 1 - STDM30 GTOPO30 海道测量卫星测高等数据融合 有是海平面 Novoids NetCDF GeoTIFF 犡犢犣 Binary GTOPO USGS DTED 地图数字化等数据融合 无 是 平均海平面 Binary GMTED USGS NGA ~ 84 N ~42 29~32 26~30 SRTM SPOT5 Reference3D 等数据融合 无是 EGM ArcGrid GeoTIFF Shapefile SRTMGL NASA 56 S ~ 60 N 1 16 机载 C Band 无是 EGM96 Novoids HGT SRTMGL NASA 56 S ~ 60 N 3 16 机载 C Band 无是 EGM96 Novoids HGT SRTMGL NASA 60 S 机载 C Band 无是 EGM96 Novoids HGT SRTM30_ PLUSv UCSD 30 - SRTM30 GTOPO30 船载测深雷达高度计 有是 EGM NetCDF SRTM15_ PLUSv UCSD 15 - SRTM ASTER 船载测深雷达高度计 有是 EGM NetCDF GEBCO_ 2014Grid 2014 IHO IOC 30 - 船载测深卫星重力 有是 EGM NetCDF SRTMv CGIAR CSI 56 S ~ 60 N 3 16 机载 C Band 无是 EGM GeoTIFF SRTMX 2010 DLR 56 S ~ 60 N 1 16 机载 X Band 无是 DTED2 ASTER GDEM METI NASA 83 S ~ 83 N 1 20 (LE95) 星载 ASTER 无是 EGM GeoTIFF AW3D Standard 2014 NTT RESTEC 82 S ~ 82 N 5m 5 ALOSPRISM 无否 EGM GeoTIFF AW3D Enhanced 2014 NTT RESTEC 82 S ~ 82 N 0.5m 1m 2m 2 WorldView 无否 EGM GeoTIFF

7 第 43 卷第 12 期李振洪等 : 全球高分辨率数字高程模型研究进展与展望 1933 续表 DEM 产品 发布时间 / 年 发布机构 空间范围 格网大小 官方高程精度 RMSE/m 获取方法 海底地形 免费 垂直基准 空值 Voids 存储 格式 AW3D30 v JAXA 82 S ~ 82 N 1 3 ALOSPRISM 无是 EGM GeoTIFF World DEMcore 2016 DLR Airbus 12 4 TanDEM X 无否 EGM GeoTIFF World DEM TM 2016 DLR Airbus 12 4 TanDEM X 无否 EGM GeoTIFF WorldDEM DTM 2016 DLR Airbus TanDEM X 无否 EGM GeoTIFF NEXTMAP ONE TM 2016 Intermap 1m 1 多传感器无否 EGM GeoTIFF NEXTMAP 5 TM 2016 Intermap 5m 1.65 LiDAR 无否 EGM GeoTIFF NEXTMAP TM World Intermap 10m 8 多传感器无否 EGM GeoTIFF NEXTMAP TM World Intermap 1 8 多传感器无否 EGM GeoTIFF Elevation Airbus 1.5 <10 Pleiades 无否 EGM GeoTIFF Elevation Airbus 2 <10 Pleiades 无否 EGM GeoTIFF Elevation Airbus 3 <10 SPOT6&7 无否 EGM GeoTIFF Elevation Airbus 5 <10 SPOT6&7 无否 EGM GeoTIFF Elevation Airbus 8 <10 SPOT5 TerraSAR X 无否 EGM GeoTIFF 注 : 国际海道测量组织 (IHO); 政府间海洋学委员会 (IOC) 4 犇犈犕质量评估 已有许多学者研究了 DEM 质量相关的评估 [2,67 71] 方法及高精度 DEM 建模方法, 系统分析了 DEM 误差的影响因素 ( 如采样 插值等 ) 与精度建模等, 本文不再赘述 本文简要介绍全球 DEM 质量评估通常采用的评定方法与精度指标 4.1 评定方法 DEM 精度是 DEM 面上的点高程与其真值 [2] 的接近程度, 可以通过描述系统偏差评估其系统误差, 通过估计高差的离散情况来评估其随机误差 全球 DEM 通常给出了该产品官方声称的全局精度指标, 但由于 DEM 数据质量在区域尺度上存在空间变化, 因此需要对其定量评估并谨慎

8 1934 使用 本文给出 DEM 质量评估的一般 [65,72 78] 思路 1) 利用目视检查和剖面图, 初步识别 DEM 的系统误差和随机误差, 了解 DEM 的可见细节程度 2) 利用连续运行参考站 (ContinuouslyOpera tingreferencestation,cors), 或者高精度 (cm ~dm 级 ) 实时动态测量 (real timekinematic, RTK), 或者 ICESat 地面参考点位数据来估计 DEM 绝对高程误差 参考点的高程精度需要至少优于 DEM 高程精度 3 倍, 通过双线性内插方法对参考点进行格网插值 3) 利用参考 DEM( 如 LiDAR 机载 或者其他已有高精度 DEM 资料 ), 以像素所在的面状区域为基础, 评估待测 DEM 的高程精度 4) 由于绝对高程误差与局部地貌坡度通常存在强相关, 土地覆盖是 DEM 精度的关键影响因子, 因此需要将 DEM 与参考数据按照坡度或者坡向 地物覆盖类型进行划分, 用于确定高程误差空间分布与地形 地物的相关性 4.2 精度指标假定 DEM 高程误差服从正态分布, 高程精度可用如下指标进行衡量 1) 误差均值 ^μ = 1 犖 ( 犎犻犖 - 犎 ref ) = 1 犖犻 =1 犖 Δ 犺犻 (3) 犻 =1 2) 标准差犖 1 2 ^σ = ( Δ 犺犻 -^ 犖 -1 μ ) (4) 槡犻 =1 3)RMSE RMSE = 1 犖 2 犖 Δ 犺犻 (5) 槡 犻 =1 在非开阔区域, 由于滤波与插值误差导致激光扫描或数字摄影测量技术得到的 DEM 误差较 [79] 少服从正态分布, 因此需要采用高程误差直方图和分位数 Q Q 图诊断其是否服从正态分布 考虑到系统偏差 μ 和标准差 σ 等精度估计会受到异常值和误差非正态分布的影响, 因此 DEM 精度评估还需要考虑如下稳健统计方法 [79 80] 1) 中位数 ^ 犙 Δ 犺 ( 0. 5) = 犿 Δ 犺 (6) 2) 绝对偏差中位数 (medianabsolutedevia tion,mad) MAD = median 犼 ( Δ 犺犼 - 犿 Δ犺 ) (7) 3) 归一化绝对偏差中位数 (normalized me dian,nmad) NMAD = median 犼 ( Δ 犺犼 - 犿 Δ犺 ) 4)90% 分位数绝对偏差 (8) LE90=^ 犙 Δ 犺 ( 0. 9 ) (9) NMAD 通常用于估计重尾分布标准差 σ, 对于正态分布 (68.3% 置信区间 ) 而言,NMAD=σ, 对于 90% 置信区间的线性误差,LE90=1.65σ 5 犇犈犕应用 高分辨率 高精度 DEM 数据在科学 工程 军事 社会经济等领域发挥着基础重要作用, 特别是在地质灾害 全球变化与应对等方面, 例如滑坡 [81] 监测 冰川变化 海岸带淹没等 5.1 地质灾害应用 地质灾害通常定义为对生命 财产和环境具有潜在风险的地质状态和过程, 包括自然灾害 ( 如地震 滑坡 火山 海啸和洪水等 ) 与人类活动相关的灾害 ( 如地下水抽取 矿产开采等导致的地面沉降 水污染 大气污染等 ) [82] 滑坡灾害是一种重大的地质灾害, 每年造成大量人员伤亡和经济财产损失, 近年来其发生频率随着气候变化和城市化的扩张而显著增 [83 84] 加 高分辨率 高精度 DEM 是滑坡识别 滑坡监测 滑坡灾害分析与预测等阶段的关键数据集, 可以用于茂密植被地区的滑坡现象与滑坡机制目视判读 滑坡目录制图 滑坡形变量求解 环 [29] 境因子与触发因子分析等研究 目前, 高分辨率卫星遥感影像或 LiDAR 技术被广泛用于高地质风险区域的宏观地物覆盖 裸地 DEM 和地表形变获取 为了更好地融合不同观测平台的数据与模型, 需要进一步结合地面实测数据 ( 如地面三维激光扫描 地基 近景摄影测量等 ) 和局部传感器网络开展 DEM 数 [84] 据的验证与补充 5.2 海岸带应用 根据联合国政府间气候变化专业委员会 2014 年发布的第 5 次气候变化评估报告, 过去 110a 间全球海平面上升了 19cm, 在全球变暖大背景下, 海平面上升仍呈加速趋势, 预计到 2100 年全球海平面最大升幅为 0.98m [85] 海平面上升会淹没滨海低地, 加剧风暴潮 洪涝 海岸侵蚀 海水入侵与土壤盐渍化等灾害, 威 [86 88] 胁沿海基础设施安全 沿海城市在城市规划和重大基础设施的设计参数制定中, 需要充分考虑海平面上升等气候变化增量因素 过去二十多

9 第 43 卷第 12 期李振洪等 : 全球高分辨率数字高程模型研究进展与展望 1935 年, 欧美国家及中国已经针对沿海地区开展了海平面上升影响评估和脆弱区划研究, 根据经济社会发展程度采取防护 后退和顺应等策略应对海 [89 91] 平面上升 高程数据是确定海岸带地区自然灾害脆弱性的主要变量, 特别是与洪水和海平面上升相关的 [92 93] 淹没灾害, 但是对于 DEM 高程不确定性对海平面上升评估结果的影响研究仍然较少 因此, 需要了解底层高程数据质量, 才能正确建模潜 [89] 在影响, 进而得到可靠的灾害评估结果 6 犇犈犕最新需求与发展趋势 本文以 USGS 和 DLR 正在开展的两类 DEM 项目为例, 分析全球 DEM 领域的最新需求与发展趋势 6.1 高精度 高分辨率全球同质犇犈犕对于全球部分国家或地区而言, 仅有来自多种不同数据源 不同数据处理方法得到的粗糙 不一致或者不完整的 DEM 过去十年间,DLR 致力于开发全球空间分辨率 12m 12m 相对高程精度 2 m 的 TanDEM X DEM ( 即 World DEM TM ), 可以为众多科学与商业应用提供不可或缺的全球同质 DEM [80 81] TanDEM X 卫星采用波长 3.1cm 的 X 波段干涉 SAR, 仅能穿透少部分森林树冠 ( 大约树冠以下 10%~20% 左右, 该比例取决于森林类型 ) 因此, 该 DEM 可代表陆地上层表面模型 (DSM), 包含如密集森林植被上层 城市顶层 建筑物屋顶等高程, 而 DTM 描述的是植被下部的地形变化 尽管 TanDEM X 采用不同基线多个相同季节观测相同区域两次以上, 对于存在厚植被的农作物地区仍然无法有效描述 利用卫星遥感或激光测高 ( 如 ICESat) 等方法编译得到的森林高度图, 移除 SRTM ASTER GDEM 或 TanDEM X DSM 的树高偏移量, 有望得到全球裸地 DEM [94] Tandem L 卫星将作为 TanDEM X 卫星的扩展任务, 采用波长为 24cm 的 L 波段 SAR 信号, 能够穿透植被获取 DSM, 利用极化干涉 SAR(PolIn SAR) 技术获取植被下部地形 (DTM), 基于相同波长与观测几何的双基 SAR 模式获取与 TanDEM X [95] 相同空间分辨率和精度的全球 DEM 产品 该卫星预计 2022 年发射,2023 年起可获得全球 DSM 和 DTM, 并且对其保持季度和年度更新 6.2 地形测深高程模型在未来几十年, 海岸线将对普遍预测的海平 面上升 风暴潮和灾难性事件等导致的沿海洪水泛滥做出响应 沿海环境物理过程受控于地上地形地貌与水下测深地貌, 许多地理空间数据应用 [96] 需要详细的近岸地形和水深测绘信息 USGS 在 年核心科学系统策略报告中, 将关键带 (criticalzone) 的描述 理解与测图作为未来十年 3 大目标之一 通过获取更高精度和空间分辨率的三维陆地高程与海岸带水下地形数据, 来更好地描述和理解人类活动影响与 [97] 自然地表过程的关系 自 2003 年以来,USGS 非常重视利用 Li DAR( 机载 地面等平台 ) 技术获取高分辨率 高精度的海岸带地形地貌信息, 用于海平面上升相 [30,89,98] 关的海岸带脆弱性分析与建模研究 USGS 通过开展海岸带国家高程数据库项目 (CoastalNationalElevationDatabase,CoNED), 过去十年致力于开发全国无缝衔接的地形测深与高程模型 (TopobathymetricElevation Models, TBDEMs), 定期发布其境内海岸带陆地 部分内 [99 103] 陆湖泊 河流区域的潜在淹没风险制图 6.3 高分辨率犇犈犕发展趋势 1) 观测技术与观测平台趋于多样化 机载 LiDAR 等技术在工程建设领域逐渐取代传统野外测图方式,UAV 无人船 无人车 无人潜航器等观测平台的使用越来越普遍, 基于多源遥感影像数据 ( 如 LiDAR SAR 光学遥感等 ) 融合已成为全球无缝 多尺度 DEM 生成的重要方法,SfM 技术使得网络相片等免费资源利用成为可能, 人工智能与机器学习方法正在加速这种 [42] 趋势, 将极大地降低 DEMs 的更新换代成本 2) 高精度 高分辨率 DEM 更新换代周期逐渐缩短 得益于观测技术与观测平台的发展, 全球尺度 DEM 与局部 DEM 的精度与空间分辨率差距逐渐缩小 基于地物变化探测应用驱动的高 [104] 分辨率 DEM 数据的更新换代周期逐渐缩短, 从以年为周期逐渐发展到天为周期 3) 高精度 高分辨率 空间基准一致的全球无缝地形数据获取逐渐成为可能 国内外正在加快构建基于潮汐模型与海洋基准面模型的海洋垂直基准转换关系, 实现沿海海域陆地与海洋高程与 [16, ] 深度基准的转换与统一 7 结语 自然界地球物理与地质过程导致了地球表面地形起伏变化, 而地形变化是研究地球科学 社会

10 1936 经济等的关键影响因子 本文以观测平台为例, 详细阐述了 DEM 数据获取方法 全球 DEM 数据性质和特征 质量评估方法与精度指标, 介绍了高精度 DEM 数据在地质灾害监测与海岸带全球变化响应方面的应用 通过分析 USGS 与 DLR 正在开展的 DEM 数据项目, 讨论了 DEM 数据的最新需求与发展趋势 观测技术与观测平台的发展加快了高精度 高分辨率 全球同质 海陆无缝衔接 DEM 数据的构建, 对国家海洋安全 科学研究 工程建设等具有重要的意义 致谢 : 感谢 DLR TerraSAR X(No.IDEM_ CALVAL0059) 与 TanDEM X (No. DEM _ CALVAL1423) 项目对本文前期研究的支持 参考文献 [1] MilerC L,Laflamme R A.The DigitalTerrain Model TheoryandApplications [J]. 犘犺狅狋狅犵狉犪犿 犿犲狋狉犻犮犈狀犵犻狀犲犲狉犻狀犵,1958,24(3): [2] LiZhilin,Zhu Qing,Xie Xiao.DigitalElevation Model[M].3rded.Beijing:SciencePress,2017 ( 李志林, 朱庆, 谢潇. 数字高程模型 [M].3 版. 北京 : 科学出版社,2017) [3] TangGuo an,lifayuan,liuxuejun.digitalele vation ModelTutorial [M].3rded.Beijing:Sci encepress,2016( 汤国安, 李发源, 刘学军. 数字高程模型教程 [M].3 版. 北京 : 科学出版社,2016) [4] LiDeren,DingLin,ShaoZhenfeng.Reflectionson IssuesinNationalGeographicalConditions Monito ring [J]. 犌犲狅犿犪狋犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻狏犲狉狊犻狋狔,2016,41(2): ( 李德仁, 丁霖, 邵振峰. 关于地理国情监测若干问题的思考 [J].,2016,41(2): ) [5] LiDeren,Wang Yanjun,ShaoZhenfeng.Geo In formatizationof New GeographicInformation Era [J]. 犌犲狅犿犪狋犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻狏犲狉狊犻狋狔,2012,37(1):1 6( 李德仁, 王艳军, 邵振峰. 新地理信息时代的信息化测绘 [J].,2012,37(1):1 6) [6] LiDeren,MiaoQianjun,ShaoZhenfeng.Orienta tionandframeworkofgeo InformatizationSystem [J]. 犌犲狅犿犪狋犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻狏犲狉狊犻狋狔,2007,32(3): ( 李德仁, 苗前军, 邵振峰. 信息化测绘体系的定位与框架 [J].,2007,32(3): ) [7] LiDeren,GongJianya,ZhuXinyan,etal.Design and Implementaion of Digital Geospatial Data FrameworkinChina[J]. 犌犲狅犿犪狋犻犮狊犪狀犱犐狀犳狅狉犿犪 狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻狏犲狉狊犻狋狔,1998,23(4): ( 李德仁, 龚健雅, 朱欣焰, 等. 我国地球空间数据框架的设计思想与技术路线 [J].,1998,23(4): ) [8] LiDeren,YaoYuan,ShaoZhenfeng.Dynamic3D ModelingofIsland,ReefandSurroundingComplex Environment[J]. 犌犲狅犿犪狋犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀犛犮犻 犲狀犮犲狅犳犠狌犺犪狀犝狀犻狏犲狉狊犻狋狔,2012,37(11): ( 李德仁, 姚远, 邵振峰. 海岛礁及周边复杂环境动态三维建模 [J].,2012,37(11): ) [9] LiDeren,ShenXin,GongJianya,etal.OnCon struction of China s SpaceInformation Network [J]. 犌犲狅犿犪狋犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻狏犲狉狊犻狋狔,2015,40(6): ,766 ( 李德仁, 沈欣, 龚健雅, 等论我国空间信息网络的构建 [J].,2015,40(6): ,766) [10]LiuLin,LiDeren,LiWanwu,etal.Thoughtson SmarterPlanetfrom the View of Geomatics [J]. 犌犲狅犿犪狋犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻 狏犲狉狊犻狋狔,2012,37(10): ( 柳林, 李德仁, 李万武, 等. 从地球空间信息学的角度对智慧地球的若干思考 [J]., 2012,37(10): ) [11]ChevalierM L,PanJ,LiH,etal.FirstTectonic GeomorphologyStudyAlongtheLongmu GozhaCo FaultSystem,Western Tibet [J]. 犌狅狀犱狑犪狀犪犚犲 狊犲犪狉犮犺,2017,41: [12]Fang Lina,Yang Bisheng.Automated Extracting 3DRoadsfrom MobileLaserScanningPointClouds [J]. 犃犮狋犪犌犲狅犱犪犲狋犻犮犪犲狋犆犪狉狋狅犵狉犪狆犺犻犮犪犛犻狀犻犮犪, 2013,42(2): ( 方莉娜, 杨必胜. 车载激光扫描的三维道路自动提取方法 [J]. 测绘学报, 2013,42(2): ) [13]Yu Xiaohong.Errors Analysis of Map Scanning Digitizing [J]. 犛犮犻犲狀犮犲狅犳犛狌狉狏犲狔犻狀犵犪狀犱犕犪狆 狆犻狀犵,2001,26(4):49 52( 余晓红. 地图扫描数字化的误差分析 [J]. 测绘科学,2001,26(4):49 52) [14]HaoXiangyang,QianZengbo.TheAccuracyAna lysisof Map Digitizing Based on ScannedImages [J]. 犃犮狋犪犌犲狅犱犪犲狋犻犮犪犲狋犆犪狉狋狅犵狉犪狆犺犻犮犪犛犻狀犻犮犪, 1996,25(1):46 52( 郝向阳, 钱曾波. 地图扫描数字化的点位精度分析 [J]. 测绘学报,1996,25 (1):46 52)

11 第 43 卷第 12 期李振洪等 : 全球高分辨率数字高程模型研究进展与展望 1937 [15]BeckerJJ,SandwelD T,Smith W H F,etal. GlobalBathymetryand Elevation Dataat30 Arc SecondsResolution:SRTM30_PLUS [J]. 犕犪狉犻狀犲犌犲狅犱犲狊狔,2009,32(4): [16]ZhaiGuojun,Huang Motao.TheReviewofDeve lopmentofmarinesurveyingtechnology[j]. 犃犮狋犪犌犲狅犱犪犲狋犻犮犪犲狋犆犪狉狋狅犵狉犪狆犺犻犮犪犛犻狀犻犮犪,2017,46 (10): ( 翟国君, 黄谟涛. 海洋测量技术研究进展与展望 [J]. 测绘学报,2017,46(10): ) [17] ZhaoJianhu,Ouyang Yongzhong, Wang Aixue. StatusandDevelopmentTendencyforSeafloorTer rainmeasurementtechnology[j]. 犃犮狋犪犌犲狅犱犪犲狋犻犮犪犲狋犆犪狉狋狅犵狉犪狆犺犻犮犪犛犻狀犻犮犪,2017,46(10): ( 赵建虎, 欧阳永忠, 王爱学. 海底地形测量技术现状及发展趋势 [J]. 测绘学报,2017,46 (10): ) [18]GutierrezFJ,GutowskiM,GantherS,etal.Deep RippledBedformsinLochNess:Evidencefrom An AUVBathymetrySurvey[J]. 犐犈犈犈 / 犗犈犛犃狌狋狅狀狅 犿狅狌狊犝狀犱犲狉狑犪狋犲狉犞犲犺犻犮犾犲狊 ( 犃犝犞 ),2014,doi: /AUV [19] HilerT,Steingrimsson A,Melvin R,Expanding thesmalauv MissionEnvelope;Longer,Deeper and More Accurate[J]. 犐犈犈犈 / 犗犈犛犃狌狋狅狀狅犿狅狌狊犝狀犱犲狉狑犪狋犲狉犞犲犺犻犮犾犲狊 ( 犃犝犞 ),2012:1 4 [20]Zhang Jianqing,Pan Li, Wang Shugen.Photo grammetry[m].2nded.wuhan:wuhanuniversi typress,2009( 张剑清, 潘励, 王树根. 摄影测量学 [M].2 版. 武汉 : 武汉大学出版社,2009) [21]LiDeren,WangMi,PanJun,etal.Concept,Prin cipleandimplementation of Seamless Stereo Or thimagedatabase [J]. 犌犲狅犿犪狋犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻狏犲狉狊犻狋狔,2007,32(11): ( 李德仁, 王密, 潘俊, 等. 无缝立体正射影像数据库的概念 原理及其实现 [J]. 武汉大学学报 信息科学版,2007,32(11): ) [22]BaltsaviasEP,FaveyE,BauderA,etal.Digital Surface Modelingby AirborneLaserScanningand DigitalPhotogrammetryforGlacierMonitoring[J]. 犜犺犲犘犺狅狋狅犵狉犪犿犿犲狋狉犻犮犚犲犮狅狉犱,2001,17(98): [23]NingJinsheng,LiuJingnan,LiDeren,etal.Intro ductiontosurveyingand Mapping [M].3rded. Wuhan:WuhanUniversityPress,2016( 宁津生, 刘经南, 李德仁, 等. 测绘学概论 [M].3 版. 武汉 : 武汉大学出版社,2016) [24]BaltsaviasEP.AirborneLaserScanning:BasicRe lationsandformulas[j]. 犐犛犘犚犛犑狅狌狉狀犪犾狅犳犘犺狅 狋狅犵狉犪犿犿犲狋狉狔犪狀犱犚犲犿狅狋犲犛犲狀狊犻狀犵,1999,54(2): [25] Wehr A,Lohr U.AirborneLaserScanning An IntroductionandOverview [J]. 犐犛犘犚犛犑狅狌狉狀犪犾狅犳犘犺狅狋狅犵狉犪犿犿犲狋狉狔犪狀犱犚犲犿狅狋犲犛犲狀狊犻狀犵,1999,54 (2):68 82 [26]BufingtonKJ,DuggerBD,ThorneK M,etal. StatisticalCorrectionofLiDAR DerivedDigitalEle vation Modelswith MultispectralAirborneImagery intidalmarshes[j]. 犚犲犿狅狋犲犛犲狀狊犻狀犵狅犳犈狀狏犻狉狅狀 犿犲狀狋,2016,186: [27]Brideau M A,SturzeneggerM,SteadD,etal.Sta bilityanalysisofthe2007chehalislakelandslide Basedon Long Range TerrestrialPhotogrammetry andairbornelidar Data [J]. 犔犪狀犱狊犾犻犱犲狊,2012, 9(1):75 91 [28]Han Nana,Shan Xinjian,Song Xiaogang.VHR DEM MeasurementTechnologyandItsApplication inactive Fault Research [J]. 犃犮狋犪犛犲犻狊犿狅犾狅犵犻犮犪犛犻狀犻犮犪,2017,39(3): ( 韩娜娜, 单新建, 宋小刚. 高空间分辨率数字高程模型测量技术及其在活断层研究中的应用 [J]. 地震学报,2017,39 (3): ) [29]van Westen C J,Castelanos E,KuriakoseS L. SpatialDataforLandslideSusceptibility,Hazard, and Vulnerability Assessment:An Overview [J]. 犈狀犵犻狀犲犲狉犻狀犵犌犲狅犾狅犵狔,2008,102(3 4): [30]GeschD B.AnalysisofLiDAR ElevationDatafor ImprovedIdentification and Delineation of Lands Vulnerableto Sea Level Rise [J]. 犑狅狌狉狀犪犾狅犳犆狅犪狊狋犪犾犚犲狊犲犪狉犮犺,2009,25(6):49 58 [31]Liu Yanxiong,Guo Kai,HeXiufeng,etal.Re search Progress of Airborne Laser Bathymetry Technology [J]. 犌犲狅犿犪狋犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻狏犲狉狊犻狋狔,2017,42(9): ( 刘焱雄, 郭锴, 何秀凤, 等. 机载激光测深技术及其研究进展 [J].,2017,42(9): ) [32]YangFanlin,BaoJingyang,Hu Xingshu.Under waterbathymetricsurveying [M].Wuhan:Wuhan UniversityPress,2017( 阳凡林, 暴景阳, 胡兴树. 水下地形测量 [M]. 武汉 : 武汉大学出版社,2017) [33] Lou Liangsheng,Liu Siwei,Zhou Yu.Accuracy AnalysisofAirborneSystem [J]. 犌犲狅犿犪狋犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻狏犲狉狊犻狋狔, 2012,37(1):63 67( 楼良盛, 刘思伟, 周瑜. 机载 系统精度分析 [J]. 武汉大学学报 信息科

12 1938 学版,2012,37(1):63 67) [34]HuangGuoman,ZhangJixian,ZhaoZheng,etal. ResearchonAirborneSARInterferometry Mapping System [J]. 犃犮狋犪犌犲狅犱犪犲狋犻犮犪犲狋犆犪狉狋狅犵狉犪狆犺犻犮犪犛犻 狀犻犮犪,2008,37(3): ( 黄国满, 张继贤, 赵争, 等. 机载干涉 SAR 测绘制图应用系统研究 [J]. 测绘学报,2008,37(3): ) [35] WimmerC,Siegmund R,Schwabisch M,etal. GenerationofHighPrecisionDEMsofthe Wadden SeawithAirborneInterferometricSAR [J]. 犐犈犈犈犜狉犪狀狊犪犮狋犻狅狀狊狅狀犌犲狅狊犮犻犲狀犮犲犪狀犱犚犲犿狅狋犲犛犲狀狊犻狀犵, 2000,38(5): [36]MadsenSN,ZebkerH A,MartinJ.Topographic Mapping Using RadarInterferometry:Processing Techniques [J]. 犐犈犈犈犜狉犪狀狊犪犮狋犻狅狀狊狅狀犌犲狅狊犮犻犲狀犮犲犪狀犱犚犲犿狅狋犲犛犲狀狊犻狀犵,1993,31(1): [37]Zebker H A,MadsenS N,MartinJ,etal.The TOPSARInterferometricRadarTopographic Map pinginstrument [J]. 犐犈犈犈犜狉犪狀狊犪犮狋犻狅狀狊狅狀犌犲狅 狊犮犻犲狀犮犲犪狀犱犚犲犿狅狋犲犛犲狀狊犻狀犵,1992,30(5): [38]Diaz VarelaR A,Zarco TejadaPJ,AngileriV,et al.automaticidentification of Agricultural Ter races Through Object Oriented Analysis of very High Resolution DSMsand MultispectralImagery Obtainedfrom an Unmanned Aerial Vehicle [J]. 犑狅狌狉狀犪犾狅犳犈狀狏犻狉狅狀犿犲狀狋犪犾犕犪狀犪犵犲犿犲狀狋,2014, 134: [39]ColominaI,MolinaP.Unmanned AerialSystems forphotogrammetryand RemoteSensing:A Re view [J]. 犐犛犘犚犛犑狅狌狉狀犪犾狅犳犘犺狅狋狅犵狉犪犿犿犲狋狉狔犪狀犱犚犲犿狅狋犲犛犲狀狊犻狀犵,2014,92:79 97 [40]Fonstad M A,DietrichJT,CourvileBC,etal. TopographicStructurefrom Motion:A New Deve lopment in Photogrammetric Measurement [J]. 犈犪狉狋犺犛狌狉犳犪犮犲犘狉狅犮犲狊犲狊犪狀犱犔犪狀犱犳狅狉犿狊,2012,38 (4): [41]Johnson K,Nissen E,SaripaliS,etal.Rapid MappingofUltrafineFaultZoneTopography with Structurefrom Motion [J]. 犌犲狅狊狆犺犲狉犲,2014,10 (5): [42]LiDeren,Wang Mi,ShenXin,etal.From Earth Observation Satelite to Earth Observation Brain [J]. 犌犲狅犿犪狋犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻狏犲狉狊犻狋狔,2017,42(2): ( 李德仁, 王密, 沈欣, 等. 从对地观测卫星到对地观测脑 [J].,2017,42(2): ) [43]LiDeren.DevelopmentProspectofPhotogramme tryandremotesensing[j]. 犌犲狅犿犪狋犻犮狊犪狀犱犐狀犳狅狉 犿犪狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻狏犲狉狊犻狋狔,2008,33 (12): ( 李德仁. 摄影测量与遥感学的发展展望 [J].,2008, 33(12): ) [44]Tang Xinming, Wang Hongyan,Zhu Xiaoyong. TechnologyandApplicationsofSurveyingandMap pingforzy 3 Satelites [J]. 犃犮狋犪犌犲狅犱犪犲狋犻犮犪犲狋犆犪狉狋狅犵狉犪狆犺犻犮犪犛犻狀犻犮犪,2017,46(10): ( 唐新明, 王鸿燕, 祝小勇. 资源三号卫星测绘技术与应用 [J]. 测绘学报,2017,46(10): ) [45]Toutin T.ASTER DEMsforGeomaticand Geo scientificapplications:a Review [J]. 犐狀狋犲狉狀犪狋犻狅狀 犪犾犑狅狌狉狀犪犾狅犳犚犲犿狅狋犲犛犲狀狊犻狀犵,2008,29(7): [46] Wang Mi,YangBo,LiDeren,etal.Technologies andapplicationsofblockadjustmentwithoutcon trolforzy 3ImagesCoveringChina[J]. 犌犲狅犿犪狋犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻狏犲狉狊犻狋狔, 2017,42(4): ( 王密, 杨博, 李德仁, 等. 资源三号全国无控制整体区域网平差关键技术及应用 [J].,2017,42 (4): ) [47]Tang Xinming, Li Guoyuan. Development and ProspectofLaserAltimetrySatelite[J]. 犛狆犪犮犲犐狀 狋犲狉狀犪狋犻狅狀犪犾,2017(467):13 18( 唐新明, 李国元. 激光测高卫星的发展与展望 [J]. 国际太空,2017 (467):13 18) [48]ZwalyHJ,SchutzB,AbdalatiW,etal.ICESat s LaserMeasurementsofPolarIce,Atmosphere,O cean,and Land [J]. 犑狅狌狉狀犪犾狅犳犌犲狅犱狔狀犪犿犻犮狊, 2002,34(3 4): [49]Dong Yusen,Hsing Chung C,Zhang Kui,etal. CryoSat 2 SARIn Interferometric Processing for DEM Generation [J]. 犌犲狅犿犪狋犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻狏犲狉狊犻狋狔,2017,42(6): ( 董玉森,Hsing ChungC, 张奎, 等.CryoSat 2 SARIn 数据干涉处理及 DEM 获取 [J].,2017,42(6): ) [50] XiaoFeng,LiFei,ZhangShengkai,etal.DEM ProductionforLarsemannHilsCombiningCryoSat 2andGround BasedElevationData [J]. 犌犲狅犿犪狋犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻狏犲狉狊犻狋狔, 2017,42(10): ( 肖峰, 李斐, 张胜凯, 等. 联合 CryoSat 2 测高数据和地面高程数据建立东南极拉斯曼丘陵地区 DEM [J]. 武汉大学学报 信息科学版,2017,42(10): ) [51]ZhangShengkai,XiaoFeng,LiFei,etal.DEM

13 第 43 卷第 12 期李振洪等 : 全球高分辨率数字高程模型研究进展与展望 1939 DevelopmentandPrecision Analysisin TwoLocal Areas of Antarctica, Using CryoSat 2 Altimetry Data [J]. 犌犲狅犿犪狋犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻狏犲狉狊犻狋狔,2015,40(11): ( 张胜凯, 肖峰, 李斐, 等. 基于 CryoSat 2 测高数据的南极局部地区 DEM 的建立与精度评定 [J].,2015,40(11): ) [52]LiQianqian,BaoLifeng.ComparativeAnalysisof MethodsforBathymetryPredictionfrom Altimeter derived Gravity Anomalies [J]. 犎狔犱狉狅犵狉犪狆犺犻犮犛狌狉狏犲狔犻狀犵犪狀犱犆犺犪狉狋犻狀犵,2016,36(5):1 4( 李倩倩, 鲍李峰. 测高重力场反演海底地形方法比较 [J]. 海洋测绘,2016,36(5):1 4) [53]NieLinjuan,WuYunsun,JinTaoyong,etal.In versionofsubmarine TopographyofSouth China SeabyUsingGravityAnomalyCausedbyMassDe ficiency [J]. 犑狅狌狉狀犪犾狅犳犌犲狅犱犲狊狔犪狀犱犌犲狅犱狔狀犪 犿犻犮狊,2012,32(1):43 46( 聂琳娟, 吴云孙, 金涛勇, 等. 基于海水质量亏损引起的重力异常反演南海海底地形 [J]. 大地测量与地球动力学,2012, 32(1):43 46) [54] Hu Minzhang,LiJiancheng,Jin Taoyong,etal. RecoveryofBathymetryoverChinaSeaandItsAd jacentareasby Combinationof Multi sourcedata [J]. 犌犲狅犿犪狋犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻狏犲狉狊犻狋狔,2015,40(9): ( 胡敏章, 李建成, 金涛勇, 等. 联合多源数据确定中国海及周边海底地形模型 [J].,2015,40(9): ) [55]ZhengQuanan,XieLingling.ProgressinResearch ofsatelitesar DectectionofOceanBotom Topo graphy[j]. 犃犱狏犪狀犮犲狊犻狀犕犪狉犻狀犲犛犮犻犲狀犮犲,2016,34 (2): ( 郑全安, 谢玲玲. 卫星合成孔径雷达探测海底地形研究进展 [J]. 海洋科学进展,2016, 34(2): ) [56]GeschDB,VerdinK L,GreenleeSK.New Land SurfaceDigitalElevation ModelCoversthe Earth [J]. 犈狅狊, 犜狉犪狀狊犪犮狋犻狅狀狊犃犿犲狉犻犮犪狀犌犲狅狆犺狔狊犻犮犪犾犝 狀犻狅狀,1999,80(6):69 70 [57]DanielsonJ,GeschD.GlobalMulti resolutionter rainelevationdata2010(gmted2010)[ol].ht tps://doi.org/ /ofr ,2011 [58]FarrT G,RosenP A,CaroE,etal.TheShutle RadarTopography Mission [J]. 犚犲狏犻犲狑狊狅犳犌犲狅 狆犺狔狊犻犮狊,2007,45(2):361 [59]HirtC,ClaessensS,FecherT,etal.New Ultra High ResolutionPictureofEarth s Gravity Field [J]. 犌犲狅狆犺狔狊犻犮犪犾犚犲狊犲犪狉犮犺犔犲狋犲狉狊,2013,40(16): [60]JarvisA,ReuterH,Nelson A,etal.Hole Filed SRTM forthe Globe Version 4 [OL].htp:// srtm.csi.cgiar.org,2008 [61]NASA. SRTM Topography Update: Includes NASA Version3.0 (SRTM Plus)[OL].htps:// lpdaac.usgs.gov/sites/default/files/public/meas ures/docs/nasa_srtm_v3.pdf,2018 [62]DLR.DLRSRTM X SARDigitalElevationModels [OL].htps://centaurus.caf.dlr.de:8443/eoweb ng/licenseagreements/dlr_srtm _Readme.pdf, 2018 [63]SlaterJA,HeadyB,Kroenung G,etal.Global AssessmentoftheNew ASTER GlobalDigitalEle vation Model [J]. 犘犺狅狋狅犵狉犪犿犿犲狋狉犻犮犈狀犵犻狀犲犲狉犻狀犵犪狀犱犚犲犿狅狋犲犛犲狀狊犻狀犵,2011,77(4): [64]Abrams M,BaileyB,Tsu H,etal.TheASTER GlobalDEM [J]. 犘犺狅狋狅犵狉犪犿犿犲狋狉犻犮犈狀犵犻狀犲犲狉犻狀犵犪狀犱犚犲犿狅狋犲犛犲狀狊犻狀犵,2010,76(4): [65]TachikawaT,Kaku M,IwasakiA,etal.ASTER Global Digital Elevation Model Version 2 Sum maryof Validation Results [OL].htps://lpdaa caster.cr.usgs.gov/gdem/summary_gdem2_ validation_report_final.pdf,2018 [66]TakakuJ,Tadono T.Quality Updatesof AW3D GlobalDSM Generatedfrom ALOS PRISM [C]. IEEEInternationalGeoscienceandRemoteSensing Symposium,FortWorth,Texas,USA,2017 [67] WuYanlan,HuHai,HuPeng,etal.AReviewon theissuesindem ErrorandDEM QualityAssess ment [J]. 犌犲狅犿犪狋犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻狏犲狉狊犻狋狔,2011,36(5): ( 吴艳兰, 胡海, 胡鹏, 等. 数字高程模型误差及其评价的问题综述 [J].,2011, 36(5): ) [68]HuHai,WuYanlan,HuPeng.DiscussionofDEM Standards,Quality Theoryand Conceptions [J]. 犌犲狅犿犪狋犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻 狏犲狉狊犻狋狔,2011,36(6): ( 胡海, 吴艳兰, 胡鹏. 数字高程模型精度标准 质量理论和科学观念讨论 [J].,2011,36 (6): ) [69]ChenChuanfa,YanChangqing,LiuFengying,et al.a TotalError BasedInterpolation Methodfor DEM Generation [J]. 犌犲狅犿犪狋犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻狏犲狉狊犻狋狔,2018,43(5): ( 陈传法, 闫长青, 刘凤英, 等. 一种综合考虑

14 1940 采样点水平和高程误差的 DEM 建模算法 [J].,2018,43(5): ) [70]ChenChuanfa,LiuFengying,YanChangqing,et al.a Huber DerivedRobustMulti quadricinterpo lation MethodforDEM Construction [J]. 犌犲狅犿犪 狋犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻狏犲狉狊犻 狋狔,2016,41(6): ( 陈传法, 刘凤英, 闫长青, 等.DEM 建模的多面函数 Huber 抗差算法 [J].,2016,41(6): ) [71]XuZhimin,LinZhiyong,LiWenjing,etal.DEM AccuracyEvaluation ModelBasedonCutFil Me thod [J]. 犌犲狅犿犪狋犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻狏犲狉狊犻狋狔,2017,42(8): ( 徐志敏, 林志勇, 李雯静, 等基于填挖方分析的 DEM 精度评价模型 [J]., 2017,42(8): ) [72]LiP,LiZ,MulerJP,etal.A New QualityVali dationofglobaldigitalelevation ModelsFreelyA vailablein China [J]. 犛狌狉狏犲狔犚犲狏犻犲狑,2016,48 (351): [73]LiP,ShiC,LiZ,etal.Evaluationof ASTER GDEM UsingGPSBenchmarksandSRTMinChina [J]. 犐狀狋犲狉狀犪狋犻狅狀犪犾犑狅狌狉狀犪犾狅犳犚犲犿狅狋犲犛犲狀狊犻狀犵, 2013,34(5): [74]LiP,ShiC,LiZ H,etal.EvaluationofASTER GDEM ver2 Using GPS MeasurementsandSRTM ver4.1inchina [J]. 犐犛犘犚犛犃狀狀犪犾狊狅犳狋犺犲犘犺狅狋狅 犵狉犪犿犿犲狋狉狔, 犚犲犿狅狋犲犛犲狀狊犻狀犵犪狀犱犛狆犪狋犻犪犾犐狀犳狅狉犿犪 狋犻狅狀犛犮犻犲狀犮犲狊,2012,I 4: [75]LiPeng,LiZhenhong,ShiChuang,etal.Quality Evaluationof1ArcSecondVersionSRTM DEMin China[J]. 犅狌犾犲狋犻狀狅犳犛狌狉狏犲狔犻狀犵犪狀犱犕犪狆狆犻狀犵, 2016(9):24 28( 李鹏, 李振洪, 施闯, 等. 中国地区 30 米分辨率 SRTM 质量评估 [J]. 测绘通报, 2016(9):24 28) [76] HirtC,Filmer M,Featherstone W.Comparison andvalidationoftherecentfreely Available AS TER GDEM ver1,srtm ver4.1and GEODATA DEM 9Sver3 DigitalElevation Modelsover Aus tralia[j]. 犃狌狊狋狉犪犾犻犪狀犑狅狌狉狀犪犾狅犳犈犪狉狋犺犛犮犻犲狀犮犲狊, 2010,57(3): [77]JarvisA,RubianoJ,NelsonA,etal.PracticalUse ofsrtm Datainthe Tropics:Comparisons with DigitalElevation Models Generatedfrom Cartog raphicdata [J]. 犠狅狉犽犻狀犵犇狅犮狌犿犲狀狋,2004,198: 32 [78]CarabajalCC,HardingDJ,BoyJP,etal.Evalua tionoftheglobalmulti resolutionterrainelevation Data2010 (GMTED2010)UsingICESatGeodetic Control[C].InternationalSymposiumonLidarand Radar Mapping 2011:Technologiesand Applica tions,nanjing,china,2011 [79]H hlej,h hlem.accuracyassessmentofdigital Elevation Models by Means of RobustStatistical Methods[J]. 犐犛犘犚犛犑狅狌狉狀犪犾狅犳犘犺狅狋狅犵狉犪犿犿犲狋狉狔犪狀犱犚犲犿狅狋犲犛犲狀狊犻狀犵,2009,64(4): [80] WesselB,Huber M,WohlfartC,etal.Accuracy AssessmentoftheGlobalTanDEM XDigitalEleva tion ModelwithGPSData[J]. 犐犛犘犚犛犑狅狌狉狀犪犾狅犳犘犺狅狋狅犵狉犪犿犿犲狋狉狔犪狀犱犚犲犿狅狋犲犛犲狀狊犻狀犵,2018,139: [81]Zink M,Bachmann M,Brautigam B,etal.Tan DEM X:TheNew GlobalDEM TakesShape [J]. 犐犈犈犈犌犲狅狊犮犻犲狀犮犲犪狀犱犚犲犿狅狋犲犛犲狀狊犻狀犵犕犪犵犪狕犻狀犲, 2014,2(2):8 23 [82]Tomás R, Li Z. Earth Observations for Geo hazards:presentand FutureChalenges [J]. 犚犲 犿狅狋犲犛犲狀狊犻狀犵,2017,9(3):194 [83]ScaioniM.RemoteSensingforLandslideInvestiga tions:from Researchinto Practice [J]. 犚犲犿狅狋犲犛犲狀狊犻狀犵,2013,5(11):5488 [84]Scaioni M,LongoniL,Melilo V,etal.Remote SensingforLandslideInvestigations:An Overview ofrecentachievementsandperspectives [J]. 犚犲 犿狅狋犲犛犲狀狊犻狀犵,2014,6(10):9600 [85]PachauriR K,Alen M R,BarrosV R,etal.Cli matechange2014:synthesisreport.contribution ofworkinggroupsi,iand ItotheFifthAssess mentreportoftheintergovernmentalpaneloncli mate Change [R].IPCC,Geneva,Switzerland, 2014 [86]HinkelJ,JaegerC,NicholsRJ,etal.Sea Level RiseScenariosandCoastalRisk Management [J]. 犖犪狋狌狉犲犆犾犻犿犆犺犪狀犵犲,2015,5(3): [87]CazenaveA,CozannetG L.SeaLevelRiseandIts CoastalImpacts[J]. 犈犪狉狋犺 狊犉狌狋狌狉犲,2014,2(2): [88]FitzGeraldD M,FensterM S,ArgowB A,etal. CoastalImpactsduetoSea LevelRise Morphody namicsofholocenesaltmarshes:a ReviewSketch fromtheatlanticandsouthernnorthseacoastsof Europe[J]. 犃狀狀狌犪犾犚犲狏犻犲狑狅犳犈犪狉狋犺犪狀犱犘犾犪狀犲狋犪 狉狔犛犮犻犲狀犮犲狊,2008,36(1): [89]GeschDB.ConsiderationofVerticalUncertaintyin Elevation BasedSea LevelRise Assessments:Mo

15 第 43 卷第 12 期李振洪等 : 全球高分辨率数字高程模型研究进展与展望 1941 bile Bay,Alabama Case Study [J]. 犑狅狌狉狀犪犾狅犳犆狅犪狊狋犪犾犚犲狊犲犪狉犮犺,2013,63: [90]YouZaijin.CoastalInundationandErosionHazards AlongtheCoastofChinaand MitigationStrategies [J]. 犅狌犾犲狋犻狀狅犳犆犺犻狀犲狊犲犃犮犪犱犲犿狔狅犳犛犮犻犲狀犮犲狊, 2016,31(10): ( 尤再进. 中国海岸带淹没和侵蚀重大灾害及减灾策略 [J]. 中国科学院院刊,2016,31(10): ) [91]KangLei,MaLi,LiuYi.LossEvaluationofFarm landcausedbysealevelriseandstormsurgeinthe PearlRiverDeltaRegionUnderGlobalClimateChange [J]. 犃犮狋犪犌犲狅犵狉犪狆犺犻犮犪犛犻狀犻犮犪,2015,70(9): ( 康蕾, 马丽, 刘毅. 珠江三角洲地区未来海平面上升及风暴潮增水的耕地损失预测 [J]. 地理学报,2015,70(9): ) [92]Ciro AuceliP P,DiPaola G,IncontriP,etal. CoastalInundation Risk AssessmentduetoSubsi denceandsealevelriseina Mediterranean Alu vialplain (Volturno CoastalPlain SouthernItaly) [J]. 犈狊狋狌犪狉犻狀犲, 犆狅犪狊狋犪犾犪狀犱犛犺犲犾犳犛犮犻犲狀犮犲,2017, 198: [93]LentzEE,ThielerER,PlantN G,etal.Evalua tionofdynamiccoastalresponsetosea LevelRise ModifiesInundation Likelihood [J]. 犖犪狋狌狉犲犆犾犻犿犆犺犪狀犵犲,2016,6(7): [94]GalantJC,ReadA M,DowlingTI.Removalof TreeOfsetsfromSRTM andotherdigitalsurface Models[J]. 犐犛犘犚犛 犐狀狋犲狉狀犪狋犻狅狀犪犾犃狉犮犺犻狏犲狊狅犳狋犺犲犘犺狅狋狅犵狉犪犿犿犲狋狉狔, 犚犲犿狅狋犲犛犲狀狊犻狀犵犪狀犱犛狆犪狋犻犪犾犐狀 犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲狊,2012(1): [95]MoreiraA,KriegerG,HajnsekI,etal.Tandem L:A HighlyInnovativeBistaticSAR Missionfor Global Observation of Dynamic Processes onthe Earth ssurface [J]. 犐犈犈犈犌犲狅狊犮犻犲狀犮犲犪狀犱犚犲犿狅狋犲犛犲狀狊犻狀犵犕犪犵犪狕犻狀犲,2015,3(2):8 23 [96]BrockJC,PurkisSJ.TheEmergingRoleofLi DAR RemoteSensinginCoastalResearchand Re source Management [J]. 犑狅狌狉狀犪犾狅犳犆狅犪狊狋犪犾犚犲 狊犲犪狉犮犺,2009,25(6):1 5 [97]BristolRS,EulissJrN H,BoothN L,etal.Sci encestrategyforcoresciencesystemsinthe US GeologicalSurvey, [OL].htps://doi. org/ /ofr ,2012 [98] LiDeren,Sui Haigang,ShanJie.Discussionon Key Technologies of Geographic National Condi tionsmonitoring [J]. 犌犲狅犿犪狋犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻狏犲狉狊犻狋狔,2012,37(5): ( 李德仁, 眭海刚, 单杰. 论地理国情监测的技术支撑 [J].,2012, 37(5): ) [99]GeschD B,BrockJC,ParrishC E,etal.Intro duction:specialissueon Advancesin Topobathy metric Mapping, Models,and Applications [J]. 犑狅狌狉狀犪犾狅犳犆狅犪狊狋犪犾犚犲狊犲犪狉犮犺,2016,25(6):1 3 [100]ThatcherC A,BrockJC,DanielsonJJ,etal. Creating a Coastal National Elevation Database (CoNED)forScienceandConservationApplications [J]. 犑狅狌狉狀犪犾狅犳犆狅犪狊狋犪犾犚犲狊犲犪狉犮犺,2016,76:64 74 [101]DanielsonJJ,PoppengaS K,BrockJC,etal. Topobathymetric Elevation Model Development UsingaNew Methodology:CoastalNationalEleva tiondatabase [J]. 犑狅狌狉狀犪犾狅犳犆狅犪狊狋犪犾犚犲狊犲犪狉犮犺, 2016:75 89 [102]LoftisJD,WangH V,deYoungRJ,etal.Using LiDARElevationDatatoDevelopaTopobathymet ricdigitalelevation ModelforSub gridinundation ModelingatLangleyResearchCenter[J]. 犑狅狌狉狀犪犾狅犳犆狅犪狊狋犪犾犚犲狊犲犪狉犮犺,2016,76: [103]ParrishCE,DijkstraJA,O Neil DunneJP M, etal.post SandyBenthic Habitat Mapping Using New TopobathymetricLiDAR TechnologyandOb ject Based Image Classification [J]. 犑狅狌狉狀犪犾狅犳犆狅犪狊狋犪犾犚犲狊犲犪狉犮犺,2016,76: [104]LiDeren,XiaSong,Jiang Wanshou,etal.Ap proachforterrainchangedetectionanddem Up dating [J]. 犌犲狅犿犪狋犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻狏犲狉狊犻狋狔,2006,31(7): ( 李德仁, 夏松, 江万寿, 等. 一种地形变化检测与 DEM 更新的方法研究 [J]., 2006,31(7): ) [105]Zhou Xinghua,Fu Yanguang,XuJun.Progress andprospectsindeveloping MarineVerticalDatum [J]. 犃犮狋犪犌犲狅犱犪犲狋犻犮犪犲狋犆犪狉狋狅犵狉犪狆犺犻犮犪犛犻狀犻犮犪, 2017,46(10): ( 周兴华, 付延光, 许军. 海洋垂直基准研究进展与展望 [J]. 测绘学报, 2017,46(10): ) [106]BaoJingyang,XuJun,YuCaixia.TechnicalPro gressanddevelopmentdirectionsofoceanicspatial InformationDatum [J]. 犃犮狋犪犌犲狅犱犪犲狋犻犮犪犲狋犆犪狉狋狅 犵狉犪狆犺犻犮犪犛犻狀犻犮犪,2017,46(10): ( 暴景阳, 许军, 于彩霞. 海洋空间信息基准技术进展与发展方向 [J]. 测绘学报,2017,46(10): )

16 1942 犚犲狊犲犪狉犮犺犘狉狅犵狉犲狊狊狅犳犌犾狅犫犪犾犎犻犵犺犚犲狊狅犾狌狋犻狅狀犇犻犵犻狋犪犾犈犾犲狏犪狋犻狅狀犕狅犱犲犾狊 1,2 犔犐犣犺犲狀犺狅狀犵 2,3 犔犐犘犲狀犵 2,3 犇犐犖犌犇狅狀犵 2,3 犠犃犖犌犎狅狌犼犻犲 1 SchoolofEngineering,NewcastleUniversity,NewcastleUponTyneNE17RU,UnitedKingdom 2 KeyLabofSubmarineGeosciencesandProspectingTechnology,InstituteofEstuarineandCoastalZone, ColegeofMarineGeosciences,OceanUniversityofChina,Qingdao266100,China 3 LaboratoryofMarineGeology,QingdaoNationalLaboratoryforMarineScienceandTechnology,Qingdao266061,China 犃犫狊狋狉犪犮狋 :TherearemanygeologicprocessesthatshapethesurfaceoftheEarth,andtheevolutionof topographyprovidesuscluestotheinterioroftheearthandtheforcesthatexistthere.firstly,in thispaper,theoriginanddefinitionofdigitalelevationmodels(dems)arebrieflyintroducedfolowed bytheircommonacquisitionmethodsaccordingtoground based,shipborne,airborneandspaceborne observationplatforms.secondly,themaincharacteristicsofexistingglobalhighresolutiondemsare demonstratedwithemphasisonninecommonly usedglobaldems.thirdly,acommonprocedurefor DEMqualityevaluationispresented.Fourthly,thepotentialapplicationsofDEMstogeologicaldisas termonitoringandcoastalvulnerabilityanalysisaredescribed.takingtheongoingdem projectsin USGS (UnitedStatesGeologicalSurvey)andDLR (DeutschesZentrumfürLuft undraumfahrt)as examples,therequirementsforhighprecisionhighresolutionglobalyconsistentandhomogeneous DEMsandtopobathemetricelevationmodelsarediscussed.Finaly,thefuturetrendsandprospectsof globalhighresolutiondemsaresummarized.wefindthatfusionofmulti sourceremotesensingim agedata(suchaslidar,sarandopticalremotesensing)hasbecomeanimportantapproachtoge nerateglobalmulti scaleseamlessdems,andtheuseofunmannedaircraftsandshipsasobservation platformsmakesitpossibletoshortentherenewalcycleofhighprecisionhighresolutiondems. 犓犲狔狑狅狉犱狊 :digitalelevationmodel;sarinterferometry;opticalstereo;geologicalhazards;qualitye valuation 犉犻狉狊狋犪狌狋犺狅狉 :LIZhenhong,PhD,professor,maininterestsincludeimagingGeodesyanditsapplicationstogeohazards,precisonagricul tureandinfrastructurestability.e mail:zhenhong.li@newcastle.ac.uk 犆狅狉狉犲狊狆狅狀犱犻狀犵犪狌狋犺狅狉 :LIPeng,PhD.E mail:pengli@ouc.edu.cn 犉狅狌狀犱犪狋犻狅狀狊狌狆狆狅狉狋 :TheNationalNaturalScienceFoundationofChina,Nos , ;theNationalKeyResearchandDe velopmentprogramofchina,no.2016yfa ;shandongprovincialnaturalsciencefoundation,no.zr2016db30;chinapost doctoralsciencefoundation,no.2016m592248;qingdaoindigenousinnovationprogram,no jch;fundamentalresearch FundsfortheCentralUniversities,No ;QingdaoPostdoctoralApplicationResearchProject;NaturalEnvironmentResearch Council,Nos.COMET:come30001,LICS:NE/K010794/1,CEDRRIC:NE/N012151/1;GreenCardTalentProgramofOceanUniversi tyofchina.