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。
