DEM数据基本概念介绍
0 前言
数字高程模型(Digital Elevation Model, DEM)作为地理信息系统数据库中最为重要的空间信息资料和赖以进行地形分析的核心数据系统,国家测绘部门将其作为国家空间数据基础设施建设的重要内容之一。随着全国多尺度DEM的相继建立,其正在科学研究、生产与国防建设中发挥越来越重要的作用。
1 数字高程模型的定义及相关术语
数字高程模型是通过有限的地形高程实现对地形曲面的数字化模拟或者说是地形表面形态的数字化表示。由于高程数据常常采用绝对高程或海拔(即从大地水准面起算的高度),DEM也常常成为DTM(Digital Terrain Mode,数字地形模型)。要说明的是由于“Terrain”一词含义比较广泛,不同专业背景对“Terrain”一词含义理解也不相同,DTM趋向于表达比DEM更为广泛的内容。
表1 数字高程模型有关术语
术语 | 全称 | 特点及含义 |
---|---|---|
DEM | Digital Elevation Model | 以绝对高程或海拔表示的地形模型 |
DHM | Digital Height Model | 以任意高程表示的地形模型,包括绝对高程和相对高程,德国使用较多 |
DGM | Digital Groud Model | 具有连续变化特征的地表实体模型,英国使用较多 |
DGM(另一种) | Digital Geomorphology Model | 除了高程外的其它地貌形态模型,如坡度、坡向等 |
DSM | Digital Surface Model | 数字表面模型,指包含了地表建筑物、桥梁和树木等高度的地面高程模型 |
DTM | Digital Terrain Model | 泛指地形表面自然、人文、社会景观模型 |
DTEM | Digital Terrain Elevation Model | 为美国国防制图局所使用的地形模型,强调模型的格网结构特征 |
2 DEM 数据结构
2.1 规则DEM数据结构
规则格网DEM数据在水平方向和垂直方向间隔相等,格网点的平面坐标隐含在行列号中,常采用矩阵结构存储,即按行(或列)逐一记录每一个网格单元的高程值。此外,还有采用行程编码结构、块状编码结构、四叉树编码结构等数据结构存储DEM数据的。
2.2 不规则三角网DEM数据结构
与格网DEM的规则数据阵列相比,不规则三角网DEM数据结构要复杂得多。由于三角形的不规则性,三角形的定义及其与相邻三角形的关系要显示表达出来,TIN(Triangulated Irregular Network,不规则三角网)模型不仅要存储每个顶点的高程,还要存储三角形顶点的平面坐标、顶点见的连接关系和邻接三角形等拓扑关系。
2.3 格网DEM与TIN的对比
规则格网DEM和不规则三角网DEM是目前数字高程模型的两个主要的数据模型,两个模型各有特点,如表2所示
表2 规则格网DEM与TIN的对比
类型 | 优点 | 缺点 |
---|---|---|
规则格网DEM | 简单的数据存储结构;与遥感影像结构的良好结合性;良好的表面分析功能 | 计算效率较低;数据冗余 |
不规则格网TIN | 较少的点可以获得较高的精度;可变分辨率;良好的拓扑结构 | 表面分析能力较差;构建较费时;算法设计比较复杂 |
3 DEM数据采集方法
3.1 地形图数据采集方法
地形图容易获得,作业设备简单操作,对操作人员技术要求较低,因而地形图数字化是一种DEM数据获取的最基本方法。不论从哪种比例尺的地形图上采集DEM数据,最基本的问题都是对地形图进行数字化处理,如手扶跟踪数字化或者半自动扫描数字化,然后再用某种数据建模方法内插DEM,数字化后通过坐标转换处理以数字化仪坐标为基准的坐标转换到大地坐标系中。
3.2 摄影测量数据采集方法
通过数字摄影测量获取DEM数据的方法可分为两类:一类是全数字自动摄影测量方法,直接形成格网DEM;另一类是交互式数字摄影测量方法。全数字自动摄影测量方法采用规则格网采样,直接形成格网DEM,如果与GPS自动空中三角测量系统集成,则可形成内外业一体的高度自动化DEM数据采集技术流程;交互式数字摄影测量方法增加了人工干预和编辑的功能。
3.3 野外测量数据采集方法
地图矢量化、摄影测量方法一般适合于大范围的DEM数据采集,而对于小范围内的DEM,其应用特点是服务于工程设计,对DEM精度要求相对较高,采用地形图数字化方法节能难以满足精度要求,而航测则成本较高,这时一般可以采用野外测量的方式获取数据建立DEM。野外数据采集所采用的仪器和手段,主要有平板测量、全站仪测量、GPS测量、车载GPS测量等。
3.4 合成孔径雷达干涉测量采集方法
合成孔径雷达干涉测量(InSAR)是近几十年发展起来的空间遥感新技术,它是传统的微波遥感与射电天文干涉技术相结合的产物。合成孔径雷达干涉测量通过对从不同空间位置获取同一地区的两个雷达图像利用杨氏双夹缝光干涉原理进行处理,从而获得该地区的地形信息。对于覆盖同一地区的两幅主、从雷达影像,可以利用相位解缠的处理算法来得到该区域的相位差图,也就是干涉图像,再经过基线参数的确定,就可以得到该地区的DEM数据。
3.5 机载激光扫描数据采集
机载激光扫描系统又称为机载激光雷达LiDAR。激光扫描不需要反光镜,还可以被看到,而且很少受到气候条件影响,测量精度高,因此机载激光扫描成为测绘困难地区(如密集的城区、森林地区)和物体(电力线等)的新技术。机载激光扫描利用主动遥感的原理,通过机载激光扫描系统发射出激光信号,经由地面反射后到达系统接受器,计算发射信号和反射信号之间的相位差或时间差,来得到地面的地形信息。对获得的激光扫描数据,利用其他大地控制信息将其转换到局部参考坐标系统即可得到局部坐标系统的三维坐标数据。对三维坐标系统数据进行滤波处理即可以得到DEM数据。
3.6 基于声波、超声波的DEM数据采集
主要用于水下地表数字高程模型的建立。其原理是利用测深雷达、回声测深仪、SP2100波潮仪和ADCP海流计等仪器获取水深数据,再结合水体表面的GPS定位信息建立水下地表数字高程模型。该方法目前已在航道选址、河床分析、海底地形分析等领域得到广泛应用。
参考文献
【1】汤国安, 李发源, 刘学军. 数字高程模型教程[M]. 北京: 科学出版社, 2010.
【2】黄杏元,马劲松. 地理信息系统概论(第3版)[M]. 北京:高等教育出版社,2008.
DEM数据基本概念介绍相关推荐
- DEM数据知识介绍-数字高程模型
1. DEM数据源特征 2. DEM数据采样理论 3. DEM数据采样方法 4. DEM数据采样质量控制 5. DEM数据共享与利 ...
- FPGA之道(75)静态时序分析(一)基本概念介绍
文章目录 前言 基本概念介绍 常用时间参数介绍 tsu 建立时间要求 建立时间余量 th 保持时间要求 保持时间余量 tco Maximum frequency (or Minimum period) ...
- Lesson 13.2 模型拟合度概念介绍与欠拟合模型的结构调整策略
一.模型拟合度概念介绍与实验 1.测试集的"不可知"悖论 通过此前课程内容介绍,我们已经知道了机器学习模型主要通过模型在测试集上的运行效果来判断模型好坏,测试集相当于是&quo ...
- linux块设备驱动(一)——块设备概念介绍
linux块设备驱动(一)--块设备概念介绍 本文来源于: 1. http://blog.csdn.net/jianchi88/article/details/7212370 2. http://bl ...
- c语言 activemq,activemq概念介绍
ActiveMQ概念介绍 是Apache下的开源项目,完全支持JMS1.1和J2EE1.4规范的JMS Provider实现,消息中间件. 消息中间件: A传递消息到B(功能或者系统),有比较强的耦合 ...
- 提取点的dn值_干货在线 | DEM数据如何生成高程点
这次给大家介绍一个arcgis里的实用功能:通过地形数据提取高程点. 首先做好准备工作: 1.地形数据下载获取 2.辅助数据下载 地形数据下载完成后,通过矢量边界数据裁剪得到了下图的地形数据, 找到a ...
- arcgis dem栅格立体感_如何使用ArcGIS从DEM数据中提取水系
1. 概述 在比较偏远的地方,往往会缺少水文信息,我们可以通过ArcGIS对高程DEM数据进行水文分析,为地表水流建立模型,进而获取到该地的水文信息,DEM数据精度越高,获取到的水文数据精度也就越高, ...
- DNS术语,组件和概念介绍
DNS术语,组件和概念介绍 2014年2月18日发布 255.4k个意见 DNS 概念LINUX基础常见问题 介绍 DNS或域名系统往往是学习如何配置网站和服务器的一个非常困难的部分.了解DNS如何工 ...
- SQL语言基础:数据库语言概念介绍
1.概念介绍 SQL(Structured Query Lanauage)结构化查询语言是关系数据库中最普遍使用的语言.主要包括查询.数据操纵.数据定义.数据控制功能,是一种通用的.功能强大的关系数据 ...
- Spark入门必读:核心概念介绍及常用RDD操作
导读:Spark是由加州大学伯克利分校AMP实验室开源的分布式大规模数据处理通用引擎,具有高吞吐.低延时.通用易扩展.高容错等特点.Spark内部提供了丰富的开发库,集成了数据分析引擎Spark SQ ...
最新文章
- wordpress本地mysql_如何在本地搭建和运行wordpress
- 广船国际股份有限公司OA项目
- PASCAL不仅仅是语言
- 神东煤矿:煤矿管控难?且看帆软如何助力其智慧化生产管控
- 把时间变成钱?可视化平台实时监控百万数据,决策分析不再等
- 深入研究Java中一个对象的初始化过程
- 页面头部title、description、keywords标签的优化
- 3.9 神经网络的梯度下降法
- 6位大师浅谈未来三年大数据的发展
- android开发JNI之高级篇
- 苹果mac菜单栏应用管理软件Bartender 让Mac选项列不再拥挤
- python布局管理_Python入门-图形用户界面-几何布局管理器-grid布局管理器
- 啊D注入工具是一种主要用于SQL的注入工具
- Win10--YOLOX训练和测试VOC格式数据
- 启动docker 服务时 虚拟机端口转发 外部无法访问
- Altium Designer 的技巧补充
- Linux-centos7自我学习
- 华为浏览器html页样式没了,返回键没有了怎么办 华为手机没有返回键了怎么处理...
- 一个程序员去英国之申请ATAS
- 英语日常口语对话(3)