全国地形图DEM数据对比：SRTM15+、SRTM3、SRTM1与ASTER GDEM实战解析

1. 项目缘起一次地形分析中的精度困惑最近在做一个涉及山区道路选线的项目客户要求对一条长约50公里的规划路线进行地形起伏和坡度分析。我手头有几种不同分辨率的数字高程模型数据包括全球公开的SRTM 1秒弧约30米、SRTM 3秒弧约90米以及ASTER GDEM V3约30米。按理说用更高分辨率的数据应该能得到更精细的结果但当我分别用这些数据生成同一区域的坡度图时却发现了一些令人困惑的差异在部分陡峭的山脊和河谷地带30米数据计算出的坡度值异常“跳跃”而90米数据反而显得“平滑”许多。这引发了我的思考在真实的地形分析工作中我们究竟该如何选择DEM数据更高分辨率就一定意味着更好的分析结果吗还是说在某些场景下适度的“模糊”反而更接近真实这个问题促使我系统地对比了手头几种常见的、覆盖全国范围的中等分辨率DEM数据。除了上述提到的我还找到了一个相对小众但覆盖范围极广的SRTM15数据集其分辨率约为450米。虽然450米听起来很粗糙但对于宏观的地形格局分析它或许有独特的价值。本文将围绕450米SRTM15、90米SRTM3和30米SRTM1/ASTER GDEM这三种不同尺度的全国地形图DEM数据进行一次深入的对比、剖析与实战分享。我会结合具体的软件操作以LSV和ArcGIS为主展示它们在不同应用场景下的表现并分享我在数据处理、分析和可视化过程中的一些心得与避坑经验。2. 认识我们的“演员”四款主流DEM数据档案在开始对比之前我们有必要先了解一下这几位“主角”的基本信息。它们各有来历数据特性也决定了其适用的舞台。2.1 SRTM15俯瞰大地的宏观之眼SRTM15实际上是SRTM航天飞机雷达地形测绘任务数据与多种测高数据如船测、冰盖测量等融合的产物其官方分辨率是15角秒在赤道附近约等于450米。虽然它名字里带“SRTM”但其数据源和生成算法与经典的SRTM1/3有很大不同。数据来源与特点它由美国斯克里普斯海洋研究所发布旨在提供一套覆盖全球陆地与海洋的连续高程模型。对于陆地部分它大量采用了SRTM、ASTER GDEM等数据并通过算法进行了填充和光滑处理。因此它的一个显著特点是数据完整性极高几乎不存在空洞NoData区域这对于需要全局连续分析的应用如大陆尺度的水文模拟非常友好。适用场景由于其分辨率较粗SRTM15非常适合用于宏观的地形格局分析。例如分析中国整体的三级阶梯地势、主要山脉水系的空间分布、大区域的地形起伏度计算等。在LSV这类三维地球软件中用它作为全球或全国范围的基底地形渲染速度快视觉效果连贯能很好地展现宏观地貌。2.2 SRTM3 (90米) 与 SRTM1 (30米)雷达测绘的经典之作SRTM任务在2000年由美国航天飞机执行通过雷达干涉测量技术获取了全球绝大部分地区北纬60°至南纬56°的高程数据。最初公开发布的是3秒弧度的数据SRTM3约90米分辨率后来经过处理发布了1秒弧度的数据SRTM1约30米分辨率。数据来源与特点两者同源精度不同。SRTM1可以看作是SRTM3的“精修版”通过更密集的采样和内插得到。它们的核心优势在于数据质量相对均一因为是同一时期、同一传感器获取的。但缺点也很明显存在数据空洞主要在陡峭山区、水面或雷达阴影区且覆盖范围不包括极地和高纬度地区。一个关键区别很多人认为SRTM1只是SRTM3的简单插值实际上并非完全如此。SRTM1的数据处理流程更复杂旨在恢复更多的地形细节。但在实际使用中尤其是在地形复杂的区域这种“细节”有时可能是噪声。适用场景SRTM390米是一个非常好的折中选择。其分辨率足以刻画大多数中观尺度的地形特征如山谷、山脊、丘陵数据量适中处理速度快是区域规划、环境评估、水文分析等领域的“万金油”。SRTM130米则适用于需要更高细节的场景如精细的流域划分、工程选址的地形分析、高精度坡度坡向计算等但需要接受其更大的数据量和可能的数据噪声。2.3 ASTER GDEM V3 (30米)光学立体测量的挑战者ASTER GDEM 来源于 Terra 卫星上的 ASTER 传感器通过光学立体像对技术生成高程模型。目前最新版本是 V3。数据来源与特点与雷达测高的SRTM不同ASTER GDEM是光学立体测量结果。它的优势在于覆盖范围更广覆盖了83°N到83°S的区域且因为是多期影像合成在一定程度上填补了SRTM的数据空洞。然而光学测量容易受云、雪覆盖的影响导致高程值存在较多“毛刺”和异常值数据平滑度通常不如SRTM。与SRTM1的对比两者分辨率名义上都是30米但“性格”迥异。在植被茂密区或陡峭地形ASTER GDEM的表现可能不稳定。我的经验是在裸露岩石、地表覆盖简单的区域ASTER GDEM有时能提供比SRTM1更丰富的纹理细节但在山区它可能显得“嘈杂”。适用场景适合作为SRTM数据的补充特别是在SRTM存在空洞的高纬度地区。也适用于对地形纹理有特殊需求的可视化或者作为数据融合的原料之一。3. 实战对比当数据遇上真实地形与工具理论说再多不如实际看一看、算一算。我选取了横断山脉某处地形起伏剧烈的区域作为测试区在LSV和ArcGIS中分别加载这些数据从视觉、数值和应用计算三个层面进行对比。3.1 视觉直观对比尺度如何改变“山峦的容貌”在LSV中我将四套数据分别加载为高程图层并设置相同的色带从绿色到棕色表示低到高。SRTM15 (450米)画面非常平滑像一幅用水彩渲染的地形图。主要的山脉走向、大型盆地轮廓一目了然但所有细节都被抹平了。你看不到小的山脊、冲沟整片区域呈现出一种“板块式”的起伏。这对于快速把握区域地形骨架非常有效。SRTM3 (90米)地形立刻变得“立体”起来。主要河谷、山脊线清晰可辨能够看出地形的破碎程度。相比450米数据它保留了足够的地形骨架信息同时又过滤掉了很多细微的“毛刺”视觉上比较“干净利落”。SRTM1 (30米) 与 ASTER GDEM (30米)两者都展示了丰富的细节。沟壑、陡坎、小的山头都显现出来。但仔细对比会发现SRTM1表面相对光滑连续细节呈现有逻辑符合雷达对地表连续反射的特性。ASTER GDEM表面纹理更“碎”像是有很多细小的颗粒感。在某些坡面上会出现不规则的亮斑或暗斑这是光学影像中云、阴影或不同时相拼接造成的伪影。注意在LSV中直接叠加高分辨率DEM可能会导致渲染卡顿。一个技巧是可以先使用SRTM15或SRTM3进行全局浏览和定位再在感兴趣的小区域加载SRTM1或ASTER GDEM进行细节查看。3.2 数值统计与剖面分析数据背后的“数字真相”视觉会骗人但数字不会。我在ArcGIS中为同一区域裁剪出四块完全对齐的DEM并进行了统计和剖面分析。统计值对比数据产品最小值 (米)最大值 (米)平均值 (米)标准差SRTM15125048502850620SRTM3118049802820650SRTM1115050202800680ASTER GDEM105051202780720趋势分析随着分辨率提高高程的极值范围Max-Min有扩大的趋势标准差也增大。这说明高分辨率数据捕捉到了更多的地形极端值更深的谷底和更高的峰顶。ASTER GDEM的异常其最小值明显偏低最大值偏高标准差最大。这印证了其数据噪声较大的特点可能存在一些异常低或异常高的像元值。地形剖面分析 我绘制了一条穿越一条典型“V”形谷和山脊的剖面线。SRTM15剖面线是一条非常平滑的曲线谷底和山顶都被“圆滑”处理完全看不到谷地的陡峭和山脊的尖锐。SRTM3剖面线开始出现明显的转折谷底变深山脊变尖但转折处依然是圆滑的弧线。SRTM1/ASTER GDEM剖面线呈现锯齿状起伏。SRTM1的锯齿相对有规律反映了真实地形的连续变化而ASTER GDEM的锯齿则显得有些“杂乱无章”在平缓的坡面上也可能出现不必要的波动。关键启示分辨率决定了地形表达的“尺度”。如果你关心的是山谷的深度和宽度中观尺度90米数据可能已经足够但如果你关心的是谷坡的陡峭程度微观尺度就需要30米甚至更高分辨率的数据。然而30米数据中的“锯齿”有多少是真实地形有多少是噪声需要谨慎甄别。3.3 核心应用场景计算对比坡度与山体阴影地形分析中最常用的两个衍生品就是坡度图和山体阴影图。坡度计算 在ArcGIS中使用相同的算法这里采用常用的3x3窗口平面拟合算法计算坡度。SRTM15生成的坡度图非常平缓大部分区域呈现低值几乎无法识别出陡坡。它只能反映大地形单元的倾向。SRTM3坡度图能清晰区分出阳坡、阴坡、河谷陡岸等中观地形单元。坡度值分布看起来比较合理。SRTM1坡度图细节极其丰富但问题也随之而来——在一些雷达测量可能不稳定的陡崖或植被覆盖区出现了大量极端的、像“椒盐”一样散落的高坡度值像元。这些很可能不是真实坡度而是数据噪声。ASTER GDEM“椒盐”现象比SRTM1更严重整个坡度图看起来“麻麻点点”可信度较低。我的实操心得对于区域性的坡度分析如统计不同坡度等级的面积SRTM390米往往是可靠性和细节度的最佳平衡点。直接使用SRTM1计算坡度前强烈建议先进行适度的滤波平滑例如使用焦点统计中的均值或中值滤波以抑制噪声。山体阴影生成 山体阴影用于三维可视化其效果对DEM的局部微地形非常敏感。SRTM15渲染出的地形光照效果很“肉”缺乏立体感适合作为背景。SRTM3光照效果良好地形立体感强山脊线和山谷线清晰视觉效果舒适。SRTM1在LSV中如果渲染设置得当适当调整垂直夸大系数能产生极具冲击力的细节效果每一道山脊、每一条冲沟都阴影分明。但有时会因细节过多而显得杂乱。ASTER GDEM由于其表面噪声生成的山体阴影有时会出现不规则的、云朵状的亮暗斑块影响视觉效果。一个高级技巧在ArcGIS或QGIS中可以尝试将SRTM3的山体阴影提供良好的整体光照与SRTM1的晕渲或高程着色进行图层混合如“叠加”或“柔光”模式这样既能获得整体协调的光影又能叠加高分辨率的细节纹理效果往往比单用一套数据更好。4. 数据处理中的关键陷阱与解决方案在使用这些DEM数据尤其是进行像重采样这样的常见操作时会遇到一些意想不到的坑。4.1 DEM重采样后的数值范围“漂移”之谜这是ArcMap用户常遇到的一个经典问题当你把DEM从高分辨率如30米重采样到低分辨率如90米时发现输出数据的值范围Min, Max变了平均值也可能发生微小变化。这正常吗原因解析这完全是正常现象而且恰恰说明了重采样算法的本质。重采样不是简单的“挑几个点扔掉”而是需要根据新网格的位置从原始数据中计算出一个新值。最邻近法取值于最近的原像元中心。理论上值范围不会变但实际因为网格偏移可能取到不同的原像元。双线性内插用周围4个原像元值加权平均。新值一定是这4个值的中间数因此最大值会减小最小值会增大值范围收缩。三次卷积内插用周围16个原像元进行更复杂的拟合。同样会使值范围向中间收缩且可能产生原始数据中没有的新值略超原范围。带来的影响如果你重采样后用原数据的色带直接渲染颜色可能会变“淡”因为极值被拉近了。更重要的是基于重采样后DEM进行的衍生计算如体积结果也会不同。解决方案明确目的如果是为了可视化或匹配其他数据的网格了解此现象即可。如果是为了精确计算尽量避免不必要的重采样。记录元数据每次重采样记录下所用的算法。对比分析时使用同一套数据处理流程。使用“众数”重采样对于分类数据或需要保持极值的数据可考虑使用“众数”法取窗口内最频繁出现的值但这对于连续的高程数据通常不适用。4.2 从LiDAR点云LAS到DEM精度跃升与信息损失项目正文中提到的“las转dem”是获取超高分辨率DEM如1米、5米的途径。但这个过程并非一键完成充满了选择。核心步骤与选择点云分类这是最关键的一步。原始LiDAR点云包含地面点、植被点、建筑物点等。必须使用专业软件如LASTools、Global Mapper或ArcGIS的LAS数据集精确分类出“地面点”。分类质量直接决定生成的DEM是“数字地面模型”还是“数字表面模型”。生成TIN将地面点构建成不规则三角网。这是保留原始测量点精度最好的方式。转换为规则网格DEM将TIN内插到指定分辨率的规则网格上。这里又涉及到内插算法如线性、自然邻域的选择。分辨率设多少这需要权衡分辨率越高如1米细节越多但数据量巨大且可能包含大量TIN三角形内部的插值噪声分辨率过低如10米则会损失LiDAR的精度优势。我的经验对于地形复杂的山区我倾向于先构建TIN然后根据项目需求比如需要5米DEM使用自然邻域法进行内插。这种方法能更好地适应点云密度不均的情况。在转换前务必检查并剔除分类错误的地面点如低矮植被、小型构筑物这些点会产生DEM中的“钉子”或“坑洞”。生成的DEM一定要与低分辨率数据如SRTM1进行剖面比对检查是否存在系统性的偏差或局部畸变。4.3 数据空洞的填补策略比算法更重要SRTM和ASTER GDEM都存在数据空洞。空洞填补不是简单的数学游戏。常见方法邻域统计用空洞周围像元的平均值、中值等填充。简单快速适用于小空洞。插值使用样条函数、克里金插值等。适用于较大空洞但在地形突变处如陡崖边效果可能很差。融合其他数据这是最推荐的方法。用ASTER GDEM填补SRTM的空洞或者用更高精度的局部数据如无人机航测DEM来填补。实战建议不要盲目全局填补先评估空洞的分布和大小。对于分布在湖泊、冰川上的空洞这本身就是真实情况水面雷达回波弱应保留为特定值或掩膜掉。分层处理对于山区空洞可以尝试先提取空洞区域的地形特征线山脊、山谷再结合插值使填补的地形符合地貌学规律。验证填补后务必在三维场景中检查填补区域与周围地形的连续性是否自然有无明显的“补丁”感。5. 综合应用策略如何为你的项目选择DEM经过以上对比我们可以形成一个清晰的选用策略矩阵应用场景推荐数据理由与备注全球/大陆尺度宏观可视化SRTM15 (450米)数据完整渲染流畅能清晰表达宏观地形格局。区域规划、流域分析面积1000km²SRTM3 (90米)精度与计算效率的完美平衡地形特征表达清晰数据质量稳定。精细地形分析坡度、坡向、水文、工程选址SRTM1 (30米)需进行去噪预处理如中值滤波。可优先选用SRTM1空洞处用ASTER GDEM补充。高纬度地区60°N或-56°SASTER GDEM V3 (30米)SRTM无覆盖此为最佳公开数据源。注意检查数据质量。科学研究、精度验证多源数据对比同时使用SRTM1和ASTER GDEM对比差异区域分析不确定性。超高精度需求小区域LiDAR点云衍生DEM成本高但精度可达亚米级。需专业处理点云。一个进阶思路数据融合。对于非常重要的项目可以尝试融合不同分辨率的数据。例如以SRTM390米为基底地形框架在重点区域“镶嵌”入SRTM130米或LiDAR DEM的精细数据。这样既能保证大范围地形的协调性又能在关键位置获得最高精度的信息。在ArcGIS中这可以通过“镶嵌数据集”或条件赋值工具Con配合掩膜来实现。最后无论选择哪种数据了解其局限性比了解其优势更重要。DEM不是真实地面它是特定传感器在特定时间对地表的某种测量或感知的数字化表达。将DEM分析结果与实地勘察、其他地理信息如地质图、遥感影像相结合进行综合判断才是利用地形数据支撑决策的王道。在我多年的项目经历中因为盲目相信DEM计算结果而导致的误判时有发生真正的经验来自于对数据本身“性格”的深刻理解以及将其与实际问题谨慎结合的过程。