DEM及数字地理底图制作

（一）1：5万调查区的DEM

调查区的DEM是由17幅1：5万图幅的分幅DEM数据拼接而成的。将该17幅地形图进行扫描，在ENVI图像处理软件中进行校正、配准和拼接，形成整幅1：5万调查区地形图，而后进行地形线矢量化，再结合日本卫星ASTER立体像对生成的15m栅格的DEM及国家地理信息中心提供的境内部分地区的DEM共三部分数据，在MAPGIS软件平台生成1：5万调查区的DEM。

（二）1：5万调查区的数字地理底图

首先，在矢量化地形等高线时，也将河流、道路、山峰、高程点、居民地等要素矢量化；将已完成的1：5万调查区DEM转换成Surfer格式的网格数据，再根据需要在MAP⁃GIS中绘制出高程间隔为100m、50m或20m的高程等值线图；最终编辑形成调查区数字地理底图。本图的投影方式为高斯投影，中央经线为东经81°，采用以克拉索夫斯基椭球为基准的北京54坐标系。

（三）1：1万调查区的DEM

1技术难点

高精度DEM是1：1万灾害与地质环境定量遥感调查与监测工作的基础，在山岭起伏地区制作高精度DEM是当今国内外的技术难点。其主要技术难点有两方面：一是当今只有很少的建立高精度立体模型的卫星数据；二是缺少在高差起伏较大地区生成高精度DEM的技术方法。

2技术难点攻关及作业过程

（1）寻求高分辨率卫星立体像对

本项目要求建立1～5m栅格DEM，目前广泛使用的SPOT-5卫星的25m立体像对不能满足精度要求。经过调研，除了SAR以外，目前只有美国OrbView卫星立体像对可能制作这样高精度的DEM。经过一年多的努力，直到2006年11月份才获得该卫星数据。OrbView-3卫星是世界上最早提供高分辨率影像的商业卫星之一。卫星轨道高度470km，回访周期＜3天，全色波段的波谱范围为450-900nm，空间分辨率1m。本项目采用了12幅共6个像对的1m分辨率的OrbView卫星影像数据建立立体模型，生成DEM。

（2）软件平台

开始试采用VirtuoZo作业，但普通的VirtuoZo全数字测图系统软件不支持OrbView卫星影像，经向VirtuoZo供应商要求提供技术援助后，获得了为西部测图新开发的可以支持OrbView卫星影像的VirtuoZoSeri软件的有限使用权。

该项工作还使用了ERDAS、ENVI和PHOTOSHOP等辅助。

（3）三种作业流程方案及对比

高精度DEM是在调查区1：5万工作DEM和数字地理底图完成后进行的。由于制作大起伏山区的高精度DEM是一项探索性工作，所以我们设计了三套方案的工作流程：①从1：5万地形图上选择平面控制点及从1：5万DEM上确定的高程来校正用RSAT模块定向OrbView卫星立体像对形成的DEM；②通过自由网平差来校正用RSAT模块定向Orb⁃View卫星立体像对建立的DEM，而后再用地形图上的控制点校正；③无控制点，根据卫星轨道参数，通过自由网平差用RSAT模块定向OrbView卫星立体像对建立DEM，如图1⁃2所示。

图1⁃2 建立1：1万DEM工作流程的三种方案

在执行“方案一”的作业过程中，定向中误差非常大，最大定向中误差达17852m。究其原因是控制点本身误差太大，所以在参与定向时也不能控制住。分析影响控制点精度的主要因素有以下几点：①栅格地形图误差，控制点是在纠正后的1：5万栅格地图上读取的，1：5万栅格图的一个像素尺度为约4m，现要制作1m栅格的DEM，所以其精度相对较低；尽管已经对1：5万地图采取逐格网纠正，也会有较大误差；作为地理控制的地图资料与影像资料的时间间隔超过20年，在该强风化地区，地形地貌会有一定变化，不容易选择同名点。②地形变化误差，调查区属于高山峡谷地形，难以找到比较固定的参考地形，基本上都是通过河流来选择控制点，由于水面季节性变动及强烈冲刷等原因，20年来河流的边线或形状发生了较大变化。③两种坐标系统转换误差及DEM误差，虽然每幅都有自己的转换参数，但仍存在不同椭球系统之间的转换差，从国家地理信息中心提供的DEM读取控制点高程，该DEM格网间隔为25m，相对1：1万工作，误差太大。

后执行方案二，先用立体像对，通过数字摄影测量的自由网平差方法，制作一套正射影像（DOM），利用影像本身的经纬度，通过坐标转换和移位，使地形图和生成的DOM的位置相关，并参照该地区的ASTER影像图寻找栅格图和影像的同名点，读取所选控制点的54平面坐标。再将控制点的54坐标转换为80坐标，把80坐标的控制点与已制作完成的1：5万80坐标的DEM进行套合，读取控制点的高程数据。这样虽然确定了控制点，但由于上述地形图与影像资料时间差太大和特殊地形，获取的成果精度仍不合格。对控制点分析结果表明，控制点参与定向后，残差比没有控制点参与的要大得多，引入控制点作业会加大作业区的内部误差。

因此，最终采用方案3-主要使用卫星的轨道参数来控制。

（4）提高DEM精度的方法

本项目采取以下解决办法：①在纠正地形图时采取逐点（每个格网点都参与）二次多项式纠正法，尽量减少纠正误差；②该高山峡谷地区在地形图和影像图上选取控制点，难度均很大，后来以该地区的ASTER彩色影像辅助参照选点，并在控制点套合DEM读取控制点高程信息时，尽量将所有控制点对应的DEM处放到最大，以减少人为选择平面控制点误差；③创建完立体模型后在显示立体工具栏下可以看见生成的立体影像，但由于地形高差太大，在测图模块下不能显示立体；此外，创建的立体模型不能编辑DEM，但可以自动匹配DEM，也可以生成正射影像。对这些问题，均与协作方联合攻关，最后所有软、硬件问题都一一得到解决。

（5）图像处理

ETM、SPOT、ASTER、CBERS-2各类卫星数据的图像处理，包括多光谱合成、数据融合、镶嵌、几何校正与图像配准工作，主要在ENVI、PCI和PHOTOSHOP平台上进行。

在获取高精度DEM以前，地面分辨率≤1m的高分辨率图像的校正是基于1：5万DEM的，所以其绝对精度只有1：5万。1：1万高精度正射影像及各时相影像之间的精确配准是滑坡及地质环境定量解译与监测的基础与保证。在建立合格的1：1万DEM后，将已获取的2004-2007年度QUICKBIRD、ALOS共8个时相的多光谱数据重新进行3、4、2波段合成及与全色波段融合，并全部与OrbView DOM（1个时相）进行图像对图像校正、配准，并统一重采样成1m分辨率的图像，至此完成调查区1：1万9个时相的多光谱正射图像制作。

（6）人机交互解译及验证

人机交互遥感解译，就是基于滑坡地学原理，在处理合格的解译基础上，采用人机交互方法进行解译，获取滑坡及地质环境基本信息。解译主要在MAPGIS、ENVI和PHOTO⁃SHOP平台上进行。

1：5万灾害与地质环境解译以5m分辨率的SPOT-5多光谱正射影像为基础，同时参照ASTER、ETM及ALOS影像。本区的地质工作程度较低，区内唯一详细的资料是1：25万扎达幅和斯诺乌山幅区域地质图。但据访问，由于地形复杂及气候恶劣等原因，填图工作未能到达帕里河流域。本项目遥感解译，首先参照该图及文字说明，结合影像特征建立解译标志，然后据解译标志逐片解译。初步解译完成后曾去西藏现场验证，虽已是6月，但由扎达通往帕里河调查区需翻越的多座5000m高程以上的垭口，积雪覆盖太厚，虽雇了当地民工及马匹，还是未能到达帕里河流域。由于喜马拉雅山脉东西两端气候虽有较大差别，但地形是基本对称相似的，所以我们便辗转到了东端的南迦巴瓦峰山脉，考察了那里的冰川与泥石流地形与环境。此外又通过访问当地曾去过帕里河的水利及地质环境监测站人员了解实地情况，收集了帕里河的野外照片，并通过附近卫星影像对比解译来验证调查区的灾害与地质环境情况。野外验证返回后，再次对全区灾害与地质环境进一步解译分析。

（7）GIS和空间分析

将以上解译获取的基本信息在GIS系统中进行空间分析及计算，包括重点调查区的灾害类型、性质及环境分析，灾害体位置、形态及规模估算；1：5万调查区重力侵蚀类型与位置确定、规模计算、危险性评价及与环境关系分析。该项工作主要在MAPGIS、ARC⁃VIEW和ENVI平台上进行。

（8）成果精度

1）1：1万遥感调查。本项目调查区总体地形困难程度应属最高的三级高山地，但对于局部滑坡而言也有相对较平缓的地形，对多时相滑坡监测，要求有更严格的几何校正及各时相图像的配准，所以要求中误差达到1m以内。需要说明的是，这只是重点区范围内部的相对精度，如表1⁃2所示。

表1-2 本项目重点区内部1：1万DEM精度

另需说明的是，项目工作的前一阶段，由于未能获得建立用于1：1万调查的高精度DEM的数据源，所以只能先建立1：5万DEM，相应的重点工作区虽然购买了06m分辨率的卫星数据，但校正及配准精度还是1：5万的，解译基础（正射影像、DEM和数字地形图）也只能是1：5万精度的。直至2006年12月才重新建立了重点区的高精度DEM及解译基础。

2）1：5万遥感调查。本项目采用的1：5万DEM由前述三部分组成，境内部分满足国家测绘标准，境外部分精度难以统计。

1：5万灾害与地质环境解译以5m分辨率的SPOT-5多光谱正射影像为基础，同时参照ASTER、ETM及ALOS影像。就地面分辨率而言，足以满足1：5万调查的要求。

在图像处理过程中，主要用满足国家测绘标准的境内DEM作校正及与地理坐标配准，调查区的SPOT图像各景季节不同，PAN数据与多光谱时相也不同，加之在高山峡谷地区，故校正及融合难度都很大。经多种方法比较，最终采用了有限元计算处理，最终融合数据校正误差不超过10个像元。ASTER、ETM及ALOS则与已融合校正的SPOT图像采用图像对图像校正，误差控制在2个像元内。

有下面几种方法供参考。

首先，你已经有了坐标数据，可以用来生成等高线，如autocad的dwg格式数据。然后将dwg的等高线转成shp格式（用arcgis）。下面的工作就是要生成dem了，dem是转成ded的直接数据，但必须是USGS

DEM。用shp生成dem有好几种方法。用arcgis92的arcscene工具，或erdas软件，或者envi都可以生成各自标准的dem。详细给你介绍下第一种方法吧。

arcscene工具是arcgis分解出来的一个独立的处理和现实三维数据的工具，具体做法是将shp转成TIN，然后再生成TINGRID。然后再借助global

mapper软件（一种很有用的格式转换软件）将其转为usgs

dem。

creator软件里terrain——>build

ded把转成的dem导入及自动生成ded。下面你就可以用自制的地形数据做三维模拟了。

叶面积指数（leaf area index）又叫叶面积系数，是一块地上阳光直射时作物叶片垂直投影的总面积（也有认为是叶片种面积、植物光学有效总截取面积 等，定义不固定）与占地面积的比值。即：叶面积指数=投影总面积/占地面积。直接获取方法是通过仪器探测获取叶面积指数。如果要通过遥感影像获取叶面积指数，有两种方法:

一种是统计模型法：主要是将遥感图像数据如NDVI RVI（比值植被指数） PVI（垂直植被指数）与实测叶面积指数建立模型，会受到植被类型影响。

另一种是光学模型法：它基于植被的双向反射率分布函数，是一种建立在辐射传输模型基础上的模型，它把叶面积指数作为输入变量，采用迭代的方法来推算叶面积指数，这种方法不会受到植被类型的影响。

因此，你要使用erdas提取叶面积指数，首先要有样本数据用于反演、建模和验证，得出反演模型或是函数，再在ERDAS中使用公式算出叶面积指数。这个不是那么简单的。

以上就是关于DEM及数字地理底图制作全部的内容，包括:DEM及数字地理底图制作、怎么使用dem水库三维模拟立体、叶面积指数在erdas中如何提取等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！