EN中文

地球信息科学学报 >

2021 , Vol. 23 >Issue 4: 646 - 657

DOI: https://doi.org/10.12082/dqxxkx.2021.200450

地理空间分析综合应用

中国区域TanDEM-X 90 m DEM高程精度评价及其适用性分析

  • 於佳宁 , 1, 2, 3 ,
  • 刘凯 , 2, * ,
  • 张冰玥 1, 2, 3 ,
  • 黄滢 1, 2, 3 ,
  • 范晨雨 2, 4 ,
  • 宋春桥 2 ,
  • 汤国安 3
展开
  • 1.南京师范大学强化培养学院,南京 210023
  • 2.中国科学院南京地理与湖泊研究所 流域地理学重点实验室,南京 210008
  • 3.南京师范大学地理科学学院,南京 210023
  • 4.河南理工大学测绘与国土信息工程学院,焦作 454000
*刘 凯（1989— ）,男,江苏镇江人,博士,助理研究员,主要从事水文地貌、水文遥感、数字地形分析等研究。 E-mail:

於佳宁（1999— ）,女,江苏无锡人,本科生,主要从事GIS空间分析相关研究。E-mail:

收稿日期: 2020-08-08

  要求修回日期: 2020-09-15

  网络出版日期: 2021-06-25

基金资助

中国科学院战略性先导科技专项子课题(XDA23100102)

国家自然科学基金项目(41801321)

国家自然科学基金项目(41971403)

国家自然科学基金项目(41930102)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Vertical Accuracy Assessment and Applicability Analysis of TanDEM-X 90 m DEM in China

  • YU Jianing , 1, 2, 3 ,
  • LIU Kai , 2, * ,
  • ZHANG Bingyue 1, 2, 3 ,
  • HUANG Ying 1, 2, 3 ,
  • FAN Chenyu 2, 4 ,
  • SONG Chunqiao 2 ,
  • TANG Guoan 3
Expand
  • 1. Honors College, Nanjing Normal University, Nanjing 210023, China
  • 2. Key Laboratory of Watershed Geographic Sciences, Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 210008, China
  • 3. School of Geography,Nanjing Normal University, Nanjing 210023, China
  • 4. College of Surveying and Geotechnical Engineering, Henan Polytechnic University, Jiaozuo 454000, China
*LIU Kai, E-mail:

Received date: 2020-08-08

  Request revised date: 2020-09-15

  Online published: 2021-06-25

Supported by

Strategic Priority Research Program of the Chinese Academy of Sciences(XDA23100102)

National Natural Science Foundation of China(41801321)

National Natural Science Foundation of China(41971403)

National Natural Science Foundation of China(41930102)

Copyright

Copyright reserved © 2021
Fold

摘要

数字高程模型（Digital Elevation Model, DEM）是地球表层系统科学相关研究的基础数据,DEM数据精度的定量评价对科学选择DEM数据源、量化数据误差的影响等具有重要意义。在目前全球尺度可免费获取的DEM数据中,2018年发布的TanDEM-X 90 m DEM（TanDEM-X 90）数据凭借其较好的现势性得到了广泛关注。然而,目前大区域尺度上开展的针对TanDEM-X 90数据精度的评价工作较为有限,缺乏对其整体精度及误差空间分布特征的系统认知。本文以ICESat/GLAS卫星测高数据为评价数据,并选择SRTM-3 DEM和AW3D30 DEM作为对比数据,以平均绝对误差（MAE）、均方根误差（RMSE）、偏度和峰度等为统计指标,重点研究了TanDEM-X 90在中国主要陆地区域的误差统计特征和空间分布规律,探讨了高程、坡度、地貌类型、土地覆盖等对DEM精度的影响,并进行了适用性分析。结果表明：① 在中国区域,TanDEM-X 90数据的平均绝对误差和均方根误差分别为4.31 m和7.87 m,其高程精度与SRTM-3相近,但明显低于AW3D30;② 当坡度低于4°时,TanDEM-X 90的整体精度为3种数据中最高的;③ 对于平原、丘陵、台地这3类地貌类型,TanDEM-X 90相较SRTM-3而言具有一定精度优势;④ 本研究还以流域为单元绘制了全国尺度的TanDEM-X 90误差空间分布图,为该数据在全国尺度或典型区域的应用提供重要参考。研究也表明TanDEM-X 90在反映地表高程信息方面具有更好的时效性,能更好地反映中国区域近年来受人类活动影响的地表高程变化。

关键词： 数字高程模型; TanDEM-X 90 m DEM; 精度评价; 误差空间分布; 适用性分析; ICESat/GLAS; ALOS AW3D30; SRTM-3 DEM

本文引用格式

於佳宁 , 刘凯 , 张冰玥 , 黄滢 , 范晨雨 , 宋春桥 , 汤国安 . 中国区域TanDEM-X 90 m DEM高程精度评价及其适用性分析[J]. 地球信息科学学报, 2021 , 23(4) : 646 -657 . DOI: 10.12082/dqxxkx.2021.200450

Abstract

Digital Elevation Model (DEM) is the basic data of studies on monitoring earth surface status and processes. Accuracy assessment of DEM is of great importance in selecting the optimal dataset and estimating the influences caused by DEM errors. Among all the open-access DEM data at a global scale, TanDEM-X 90 m DEM (termed as TanDEM-X 90 hereafter), released in 2018, has attracted widespread attention due to its good performance demonstrated by recent studies. However, few studies focus on the accuracy assessment of TanDEM-X 90 at a large scale, lacking the knowledge of its overall accuracy and the spatial distribution of error influencing factors. In this study, ICESat/GLAS altimetry data was used as basic reference data while SRTM-3 DEM and AW3D30 DEM were used for comparison. Using statistical parameters of Mean Absolute Error (MAE), Root Mean Square Error (RMSE), skewness, and kurtosis, this study investigated the statistical characteristics and spatial distribution patterns of TanDEM-X 90 errors across mainland China. This study also explored the impacts of elevation, slope, geomorphic type, and land cover to DEM vertical accuracy and further analyzed the applicability of TanDEM-X 90. The results indicated that: ① MAE and RMSE of TanDEM-X 90 in China are 4.31 m and 7.87 m, respectively. The overall accuracy of TanDEM-X 90 is close to that of SRTM-3 (MAE=4.72 m, RMSE=7.71 m), but obviously poorer than AW3D30 (MAE=2.69 m, RMSE=4.17 m). ② TanDEM-X 90 achieves the highest accuracy among the three DEMs when the slope is smaller than four degrees. ③ TanDEM-X 90 has better performance than SRTM-3 in three types of landforms, plains, hills, and terraces. ④ Furthermore, the spatial distributions of vertical error of TanDEM-X 90 by watershed were also represented at a national scale, which can provide a beneficial reference for the data applications. In addition, TanDEM-X 90 has been proved to be better in depicting the recent elevation changes of land surface affected by human activities because of its advantages in data acquisition time. For areas with obvious artificial reconstruction such as mining districts, the appropriate time phase of the data according to the research objectives is more important than the difference in data accuracy. This study also found that there are obvious outliers in the TanDEM-X 90 data of the existing version, which restricts the regional availability of the data. Further improvement of this data is the focus of future researches.

Key words： Digital Elevation Model (DEM); TanDEM-X 90 m DEM; accuracy assessment; spatial distribution of errors; applicability analysis; ICESat/GLAS; ALOS AW3D30; SRTM-3 DEM

1 引言

数字高程模型数据（Digital Elevation Model, DEM）是地表形态、过程及其机理研究的重要的基础数据源,广泛应用于地貌、地质、水文、土壤、生态等领域[1,2,3,4]。近年来,遥感对地观测技术的发展为大区域尺度高空间分辨率的DEM数据的构建提供了重要的支撑。目前全球尺度可公开获取的DEM主要有基于航天飞机搭载成像雷达采集数据所构建的SRTM DEM,基于光学影像立体相对生成的ASTER GDEM和ALOS AW3D30 DEM,以及利用雷达卫星干涉测量技术获取的TanDEM-X DEM[5,6,7]。
随着全球公开DEM数据的可获取性不断增强,系统开展不同DEM数据的精度评价成为一项基础而重要的工作。同时随着DEM广泛应用于地学建模和地表过程分析,评估DEM数据精度对不同应用场景的影响[8,9,10,11],也具有重要的研究意义。事实上作为数据的生产机构,美国联邦地质调查局（USGS）、日本宇宙航空研究开发机构（JAXA）、德国宇航局（DLR）等均提供了各自发布数据的评价报告。在此基础上,众多学者开展了面向不同区域、不同地表类型以及不同应用背景的DEM精度评价工作[12,13,14]。为准确评价出不同DEM数据的实际精度,早期的研究中,学者们主要使用了GPS实测点作为验证数据,该数据采集灵活精度高,但野外实测数据成本过高,部分区域也不具备可达条件,限制了其在大区域尺度研究中的应用[15]。目前大区域尺度开展的DEM精度评价中,主要采用的是激光测高数据。其中美国冰雪卫星中心发射的ICESat（Ice, Cloud, and land Elevation Satellite）卫星数据应用最为广泛。该卫星搭载了GLAS（Geoscience Laser Altimeter System）激光测高系统,通过向地表发射激光脉冲信息,并计算激光脉冲返回的时间差,从而解析得到地表激光足印范围内高程值。经过验证,该数据的垂直方向的平均误差小于10 cm,同时其轨道间距较小,因而可提供足够可靠的验证数据。近年来,基于ICESat数据的多源DEM数据精度评价工作取得了较多的成果,相关结论为学者们在地形数据选择方面提供了重要借鉴[14,16]。
DEM数据精度评价工作的实际需求主要源自新的数据发布。2018年底,TanDEM项目公开了全球90 m分辨率的TanDEM-X 90 m DEM,该数据虽然是在其未公开的12 m空间分辨率数据基础上进行了重采样,但考虑到其获取时间较新,采集方式较先进,因而仍得到了极大的关注。当前,TanDEM-X 90数据已在不同地学研究中得到应用[10,17-18],但针对该数据精度的评价性研究仍较为有限,仅有的研 究[19]也是针对河漫滩等特殊地貌类型开展,缺少在大区域尺度上的系统分析。在此背景下,本文开展了面向中国区域的TanDEM-X 90数据的评价工作。以ICESat/GLAS为参考数据,并选择SRTM-3 DEM和AW3D30 DEM为对比数据,本文重点研究TanDEM-X 90在中国陆地区域的误差统计特征和空间分布规律,并对高程、坡度、地貌类型、土地覆盖与DEM高程精度进行了关联分析。以期为用户选择最合适的DEM提供参考,并揭示现有版本TanDEM-X 90中存在的问题,为之后数据优化提供思路。

2 数据来源与研究方法

2.1 数据来源

2.1.1 DEM数据集
TanDEM-X是一种地球观测雷达任务,由TerraSAR-X和TanDEM-X两颗卫星编队飞行,通过单通道合成雷达孔径（SAR）干涉测量生成全球数字高程模型[20]。从2010年12月—2015年1月历时 4年多,对全球地表进行至少2次扫描,完成雷达图像采集,并经过图像处理、DEM生成等工作,于2016年发布空间分辨率为12 m的TanDEM-X 12 m DEM。TanDEM-X任务的精度规范为绝对垂直精度10 m（线性误差90%）,相对垂直精度2 m（< 20%的坡度）及4 m（> 40%的坡度）。基于ICESat数据,TanDEM-X 12已验证的绝对垂直精度为全球3.49 m,如果不考虑森林或冰川,则仅为0.88 m[7]。对TanDEM-X 12进行重采样后得到TanDEM-X 90数据,该数据于2018年公开发布,克服了访问限制。值得注意的是,TanDEM-X DEM为数字地表模型（DSM）,高程对应于X波段信号的反射面。虽然X波段可以穿透云层,不受昼夜条件的影响,但信号会从表面（如建筑物屋顶、树顶或裸露的地面）反射,从而给出表面的高程,而不是地形的高程。当前版本是未经编辑的版本,这意味着TanDEM-X DEM产品在复杂区域（如水面、陡坡、茂密的植被）有少部分不可靠的高程值及由于没有应用空隙填充或插值而具有空洞或无效数据。
航天飞机雷达地形测绘任务（Shuttle Radar Topography Mission, SRTM）通过使用机载雷达,于2000年2月11日—2月22日共11 d飞行完成测量,获取了56°S—60°N之间的雷达影像数据,覆盖地球80%以上的陆地表面[21]。SRTM地形数据按精度可以分为SRTM-1 DEM和SRTM-3 DEM,分别对应的分辨率精度为30 m和90 m,本次实验使用的数据为90 m公开数据。本文选择90 m分辨率的SRTM-3 DEM作为对比,是因为其具有较高的高程精度,是使用最广泛的DEM之一,且与TanDEM-X 90空间分辨率相同,便于评价。AW3D30 DEM是于2006年1月—2011年4月,由先进陆地观测卫星（ALOS）上用于立体制图的全色遥感仪器对全球陆地82°S—82°N地区进行覆盖观测而生成[22]。该数据的水平分辨率是30 m,也是目前精度最高的全球可公开获取的DEM数据,选用该数据可将其视为评价标杆。
本文用到的DEM数据的基本信息如表1所示。
表1 本文用到的DEM数据的基本信息

Tab. 1 The basic information of the adopted DEMs.

DEM数据 缩写 采集技术 数据获取时间/年 水平分辨率/m 覆盖范围 高程基准
SRTM-3 V4.1 DEM SRTM-3 InSAR 2000 90 56°S—60°N WGS84/EGM96
ALOS AW3D30 DEM AW3D30 光学立体像对 2006—2011 30 82°S—82°N WGS84/EGM96
TanDEM-X 90 m DEM TanDEM-X 90 InSAR 2010—2015 90 全球覆盖 WGS84/EGM96
2.1.2 ICESat/GLAS数据
2003年1月,ICESat（Ice, Cloud, and land Elevation Satellite）由NASA发射,该卫星上的GLAS（地学激光测高系统）测量冰盖高及其随时间的变化、云层和气溶胶的外形、陆地高和植被的厚度以及海冰的厚度等。ICESat任务的主要目的是测量极地冰盖质量的变化及其对全球海平面的影响。GLAS激光器发射波长为532 nm可见光和1064 nm近红外激光脉冲,地面激光光斑直径大约70 m,每个光斑在轨道方向的距离是172 m,激光雷达测高垂直精度可达15 cm[23]。
ICESat/GLAS数据为2003—2009年观测并经处理后的全球（86°S—86°N之间）地球表面的高程散点数据,本文采用的是二级数据产品中的GLA14,可以在国家冰雪数据中心（NSIDC）（http://NSIDC.org/Data/icesat/）下载[24]。本文合并了2003—2009年于中国大陆区域共19 382 947个样本点,并从中随机抽取了10%,共1 938 295个样本点进行实验。考虑到本研究主要开展陆地区域的地形精度评价,湖泊因为不同年份会存在水位波动,不能完全反映数据的真实精度。因此,在本研究中采用了2015年的全国湖泊分布数据[25],对湖泊范围内的测高点予以剔除。同时,由于DEM数据的采集时间和参考数据有一定的差异,对于地表覆盖变化比较大的区域,高程精度分析会受到一定程度的影响,对于这些区域地形数据的选择,需要注意数据采集时间和研究时间段的匹配性。
2.1.3 其他相关数据
为研究DEM在不同地貌类型区的误差分布特征,本文采用中国1:100万地貌类型空间分布数 据[26],可从国家地球系统科学数据共享平台（http://www.geodata.cn）下载[27],并参考了中国陆地1：100万数字地貌分类体系对地貌类型进行分类。该分类体系包括七层,选择基本地貌形态类型（第1层,包括起伏高度和海拔高度2个指标）和成因类型（第2层）进行分析。
为研究不同土地利用类型区DEM精度的差异,本文采用了10 m分辨率的全球土地覆盖产品——FROM-GLC10,该产品由清华大学地球系统科学系宫鹏教授等与遥感科学国家重点实验室地表覆盖制图小组开发,可以于http://data.ess.tsinghua.edu.cn进行下载[28]。
此外,为研究误差的空间分布特征,本文采用流域作为基本统计单位,流域划分数据由全球流域数据库（GDBD）提供（http://www.cger.nies.go.jp/db/GDBD/-GDBD_index_e.html）[29]。该数据将中国区域共划分为5456个子流域,平均流域面积大小为0.17万km2。

2.2 研究方法

2.2.1 数据预处理
由于TanDEM-X 90、SRTM-3和AW3D30的参考系统为WGS84/EGM96,而ICESat/GLA14地面高程数据参考了Topex/Poseidon椭球体和EGM 2008大地水准面,因此需要利用式（1）进行高程转换[30]。
ICESa t ele = ICESa t eleMeasured - N - offset
式中：ICESateleMeasured为测量所得相对于T/P椭球的高程;N为EGM96与T/P椭球面的差值;offset为2个椭球体间的高程差异,一般取值为0.7 m。
2.2.2 误差统计指标
ICESat/GLAS的数据精度已经得到了广泛验证,本研究中将其获取的高程值作为地面真实高程。对于每一个ICESat足迹点,利用双线性插值方法获取该点位置处,3套不同DEM数据所对应的高程值,并以此构建分析的基础数据。考虑到激光测高数据和DEM数据,在数据采集和处理过程中均存在着噪声点,为消除这些异常值对精度分析结果的影响,需要进行去粗差处理。参考前人研究[14,16,19],本文将DEM高程值与参考值之间差值位于±50 m以外的数据予以剔除。
本文采用了平均绝对误差（MAE）、均方根误 差（RMSE）、偏度（Skewness）和峰度（Kurtosis）（式（2）—式（5））4种误差分析指标比较了DEM高程与ICESat/GLAS估计值的差异。
平均绝对误差（MAE）可以避免误差相互抵消的问题,因而可准确反映实际预测误差的大小。均方根误差（RMSE）是预测值与真实值偏差的平方与观测次数n比值的平方根,可以用来衡量观测值同真值之间的偏差。偏度（Skewness）和峰度（Kurtosis）反映了数据的分布形状,即数据偏离正态分布的程度。偏度（Skewness）是统计数据分布偏斜方向和程度的度量,峰度（Kurtosis）是数据分散程度的度量。
MAE = ∑ i = 1 n | ( x i - y i ) | n
RMSE = ∑ i = 1 n [ ( x i - y i ) 2 ] n
Skewness = 1 n ∑ i = 1 n [ ( x i - y i ) - MEAN ] 3 { 1 n - 1 ∑ i = 1 n [ ( x i - y i ) - MEAN ] 2 } 3 2
Kurtosis = 1 n ∑ i = 1 n [ ( x i - y i ) - MEAN ] 4 { 1 n + 1 ∑ i = 1 n [ ( x i - y i ) - MEAN ] 2 } 2 - 3
式中：n是点数;x是参考数据（即ICESat）高程值;y是DEM值。

3 结果及分析

3.1 TanDEM-X 90垂直精度整体评估

基于2.2.2节中的误差统计指标,中国区域TanDEM-X 90数据垂直精度及其与SRTM-3和AW3D30的对比结果如表2所示。
表2 基于ICESat的DEM数据精度评价结果

Tab. 2 The accuracy statistics based on ICESat (m)

TanDEM-X 90 AW3D30 SRTM-3
MAE 4.31 2.69 4.72
RMSE 7.87 4.17 7.71
Skewness 0.37 -0.74 -0.10
Kurtosis 8.03 19.11 6.29
精度分析结果表明,TanDEM-X 90数据和SRTM-3数据精度相近,但均明显低于AW3D30数据。AW3D30本身数据质量较好,同时其相比较TanDEM-X 90数据更高的水平分辨率（30 m）也是影响精度的因素之一。具体而言,TanDEM-X 90和SRTM-3的MAE分别为4.31 m和4.72 m,而RMSE则分别为7.87 m和7.71 m,TanDEM-X 90的整体精度要高于目前最广泛使用的SRTM-3数据,但对粗差更为敏感的均方根误差略高于SRTM-3,这说明该数据目前仍存在相对较多异常值。事实上SRTM-3 DEM在其早期版本中也存在较多的异常值,但经过多个版本的改进,目前的V4.1版本已大为改善。考虑到TanDEM-X 90数据发布不久,相信经过多次迭代处理,其数据精度能有一定的提升空间。研究发现,本文中计算得到的TanDEM-X 90误差指标显著大于Hawker等[19]研究结果。其主要原因在于,Hawker等[19]研究仅选用了海拔较低、地势较平坦的洪泛区,而本文计算结果则基于整个中国区域,分析结果的系统性更强。
为了直观地揭示不同数据高程误差的模式及误差分布特征,本文采用高程误差分布直方图,并把尾部区域（25~50 m误差区间）进行局部放大。同时,为了清楚地比较数据差异,放大区域采用相同的刻度。如图1所示,3套DEM数据的误差分布均近似服从正态分布,呈现较小的偏度和较大的峰度,这与表2计算所得的偏度和峰度结果一致。具体而言,TanDEM-X 90和SRTM-3的峰度分别为8.03和6.29,这表明TanDEM-X 90数据偏离平均误差的高程误差更少,大多数误差集中在0附近。对比3套DEM数据尾部区域放大图,TanDEM-X 90和SRTM-3较大误差占比明显高于AW3D30。在35~50 m误差区间,TanDEM-X 90较SRTM-3衰减速度更为缓慢,因此较大的误差降低了其数据精度。总而言之,TanDEM峰度较高,但属于长尾分布,数据中较大的误差部分对整体误差影响较大。
图1 以ICESat观测值为基准的3套DEM数据高程误差直方图

Fig. 1 Histograms of the elevation differences between DEMs and ICESat measurements

3.2 误差分布的影响因素分析

3.2.1 海拔高度对DEM精度的影响
为了探究DEM数据精度与高程带的关系,研究区以500 m间隔被划分为11个高程带,3套DEM数据在不同高程带的MAE及高程区间空间分布如图2所示。整体而言,除了海拔小于500 m的区域,在其余海拔区间,TanDEM-X 90数据的精度都要高于SRTM-3数据,但相比较而言与AW3D30仍有明显差距。3套数据的垂直误差在不同的高程区间有明显差异,总体随着高程增加呈现先上升再下降趋势,这反映了数据误差与高程之间并没有绝对的正相关关系。这也反映了中国三级阶梯的情况,在第一/二阶梯过渡和第二/三阶梯过渡地带,地形一般比较崎岖,DEM数据高程误差较大。以TanDEM-X 90为例,在海拔3500~4000 m区间（大致在第一/二阶梯过渡地带）,数据误差为最大（MAE=7.71 m）,此后迅速下降,到4500~5000 m区间MAE为4.03 m,基本接近<1000 m高程区间。
图2 海拔高度对TanDEM-X 90,AW3D30和SRTM-3数据精度的影响

注：图2(b)基于自然资源部标准地图服务网站下载的审图号为 GS(2020)4632 号的标准地图制作,底图无修改。

Fig. 2 The influence of altitude on vertical accuracy of TanDEM-X 90, AW3D30 and SRTM-3

3.2.2 坡度对DEM精度的影响
地表坡度被认为和DEM垂直误差有显著的正相关。如图3所示,本文以1°为步长统计了坡度小于50°区域的数据误差和坡度之间的相关性,并给出了坡度的空间分布。结果表明,随着坡度增加, 3套DEM的垂直误差均呈现出明显增大的趋势。当坡度低于4° 时,TanDEM-X 90的数据精度在3种数据中相对最高;当坡度大于4° 时,TanDEM-X 90数据和SRTM-3数据误差明显上升,两者基本保持同步,且TanDEM-X 90略优于SRTM-3。为了量化DEM误差,本文使用了二阶多项式函数来拟合DEM误差和坡度之间的统计关系。3套数据误差拟合函数的R2均大于0.98,表明该公式可用于对研究区数据误差的快速估算。
图3 坡度对TanDEM-X 90,AW3D30和SRTM-3数据精度的影响

注：图3(b)基于自然资源部标准地图服务网站下载的审图号为 GS(2020)4632 号的标准地图制作,底图无修改。

Fig. 3 The influence of surface slope on vertical accuracy of TanDEM-X 90, AW3D30 and SRTM-3

3.2.3 地貌形态类型对DEM精度的影响
如2.1.3节所述,中国1：100万陆地数字地貌分类体系在中国区域定义了25种基本地貌类型。 3套DEM数据在不同地貌类型上的MAE值及基本地貌类型的空间分布如图4所示。总体来看,在山地地形中,3套DEM数据垂直误差均较大;在平原、丘陵和台地地形中,3套数据垂直误差相对较小。除低海拔平原、低海拔台地地貌类型外,在其他平原、丘陵、台地的地貌类型上,TanDEM-X 90数据 相较SRTM-3数据而言精度较高,有广泛的适用性,但与AW3D30数据仍有一定差距。但在>5000 m 的极高海拔地形上,不论是平原、丘陵还是台地,TanDEM-X 90均表现最优,数据精度很高。
图4 基本地貌类型（2009年）对TanDEM-X 90,AW3D30和SRTM-3数据精度的影响

注：图4(b)基于自然资源部标准地图服务网站下载的审图号为 GS(2020)4632 号的标准地图制作,底图无修改。

Fig. 4 The influence of basic morphological (2009) on vertical accuracy of TanDEM-X 90, AW3D30 and SRTM-3

3.2.4 地貌成因类型对DEM精度的影响
如2.1.3节所述,中国1：100万陆地数字地貌分类体系在中国区域定义了10种成因类型。3套DEM数据在不同地貌成因类型上的MAE值及地貌成因类型的空间分布如图5所示。总体来看,在冰川、冰缘、黄土、火山熔岩、喀斯特和流水作用形成的地貌形态中,3套数据均有较大误差。在以上成因形成的地貌形态中,TanDEM-X 90数据比SRTM-3数据精度高,但与AW3D30数据相比仍有较大差距。在风成、干燥、海成和湖成作用形成的地貌形态中,3套数据精度均较高。在风成和干燥作用下形成的地貌形态中,TanDEM-X 90数据表现最佳;而在海成和湖成作用下形成的地貌形态中,SRTM-3较TanDEM-X 90有更高的精度。
图5 地貌成因类型（2009年）对TanDEM-X 90,AW3D30和SRTM-3数据精度的影响

注：图5(b)基于自然资源部标准地图服务网站下载的审图号为 GS(2020)4632 号的标准地图制作,底图无修改。

Fig. 5 The influence of genesis types (2009) on vertical accuracy of TanDEM-X 90, AW3D30 and SRTM-3

3.2.5 土地利用类型对DEM精度的影响
3套DEM数据在不同土地利用类型上的MAE值及土地利用类型的空间分布如图6所示。考虑到不同土地利用类型随时间变化的更新速度有所差异,因而,对于变化较快的土地利用类型,误差分析结果并不能完全反映数据特性,参考数据和DEM数据的获取时间也是影响分析结果的重要因素。如建设用地、农田、水体等属于变化较快的土地利用类型,SRTM-3数据因为数据采集时间相对参考数据较为接近,因而其误差均小于TanDEM-X 90。森林、草地、灌木丛、苔原、荒地等变化较小的土地利用类型,基本能反映数据的真实误差。在这些土地利用类型中,除森林外,TanDEM-X 90数据高程精度优于SRTM-3,但与AW3D30仍有一定差距。特别是在森林和灌木丛土地利用类型中,由于数据获取的方式不同,即基于激光的ICESat/GLAS系统能够穿透冠层直到地面,而基于雷达的TanDEM-X 90和SRTM-3的平均相位中心位于冠层附近,故高程误差较大。此外,冰川较为特殊,数据采集时间、季节、以及不同数据采集方式对冰川表面的穿透程度的差异都影响了最终的高程结果,因而本研究中所使用的参考数据并不适合该土地利用方式下的高程精度评价。
图6 土地利用类型（2017年）对TanDEM-X 90,AW3D30和SRTM-3数据精度的影响

注：图6(b)基于自然资源部标准地图服务网站下载的审图号为 GS(2020)4632 号的标准地图制作,底图无修改。

Fig. 6 The influence of landcover types (2017) on vertical accuracy of TanDEM-X 90, AW3D30 and SRTM-3

3.3 误差空间分布

在统计分析的基础上,探讨不同数据误差的空间分布特征对全国尺度或不同区域的研究具有指导意义。由于ICESat数据的轨迹限制,无法获得逐像元的误差空间分布图。因此本文以GDBD流域数据集为基础,统计了全国陆地区域5456个子流域的DEM高程误差。如图7（a）和图7（b）所示,同为90 m分辨率的高程数据,TanDEM-X 90和SRTM-3的误差空间分布相似度较高。高程误差大于15 m的区域主要分布于青藏高原南部边缘,横断山区、云贵高原和东南丘陵地形区。虽然AW3D30在这些地区也呈现出一定的误差高值区,但高值区范围明显较小。相比较而言,主要平原区如东北平原、华北平原和长江中下游平原,3套DEM数据的误差空间分布格局基本一致,差异较小。此外,青藏高原的羌塘地区虽然海拔较高,但因为其内部地形起伏较小,因而不同数据均取得了较高的精度。
图7 流域（2000年）尺度下3套DEM数据垂直误差空间分布

注：该图基于自然资源部标准地图服务网站下载的审图号为 GS(2020)4632 号的标准地图制作,底图无修改。

Fig. 7 Spatial distributions of DEM vertical errors using basin-scale statistical units (2000)

4 讨论

4.1 异常值阈值的影响分析

DEM数据采集和处理过程中,受到天气、山体阴影以及后续处理算法误差等影响,所生成的数据产品中往往存在一定范围的异常区域。如早期的SRTM数据产品中存在较多的数据空洞,后续经过多版本迭代,在SRTM 4.1版本数据中异常问题已经得到明显改善。数据中异常区域严重影响了数据的完全性和可用性,在误差分析中,一般通过设置误差阈值将异常区域剔除。这种处理方式虽然避免了异常值对数据真实精度结果的干扰,但也造成了数据异常值问题容易被忽视。
本研究中为探讨TanDEM-X 90数据异常值的分布特征及其影响,选择了平原和山地两种地理单元,对比了TanDEM-X 90和SRTM-3数据在不同异常值阈值情况下误差的变化情况（图8）。结果表明,在平原区,SRTM-3数据的误差随着阈值大小的增加变化较小,而TanDEM-X 90则迅速增加。当阈值小于50 m时,TanDEM-X 90相比较SRTM-3具有一定的精度优势,但当阈值大于50 m,TanDEM-X 90的误差明显大于SRTM-3。相比较而言,在山地区域随着阈值的增加,虽然TanDEM-X 90的数据误差相比较SRTM-3也呈现较快的上升趋势,但增加幅度要低于平原区域。考虑到本文所采用的SRTM-3数据已经消除了绝大多数异常,因此以上现象可认为是由TanDEM-X 90数据自身仍存在较多的异常值造成的,而且这些异常区域更多分布在平原区。本文研究中通过将阈值设置为50 m,避免了异常值对分析结果的影响,体现了数据可用区域数据的真实精度。但对于大区域尺度研究,需要研究者采用多种数据融合的策略,避免异常值对分析结果的干扰。同时,对于TanDEM-X 90异常值的消除也将是一项重要的研究内容。
图8 平原和山地地区采用不同异常值阈值的DEM数据差异

Fig. 8 The accuracy statistics with different outliers in the plains and mountains

4.2 人工改造明显区域对比分析

相比较遥感影像数据所强调的多时相,传统研究对DEM数据的时相性关注相对较少。一方面是因为DEM数据的获取及后处理难度较大,另一方面DEM所表达的地表形态一般认为在一定时间尺度内是不变的。但近年来,人类活动不断加剧,地形地貌的原真性可以在短时间内发生剧烈的改变,如矿山开挖、梯田修筑、水库蓄水等。因此,在选择数据源时,如研究区地表形态变化较大,需要特别注意数据采集时间和研究问题之间的匹配度。
为说明DEM数据时相的重要性,本文以青海省海北与海西交界处的大通河上游盆地中木里煤田及周围区域为例,对人工改造明显区域进行对比分析。我们分别截取了2000年和2015年该区域的影像,并采用SRTM-3和TanDEM-X 90数据进行了地形可视化。如图9所示,2000年采集的SRTM-3与同年的影像之间具有良好的匹配度,此时木里矿区并未被建设。而2015年的影像上能明显观察到地表被开挖,矿区已形成较大规模。这些信息在2010—2015年采集的TanDEM-X 90上能有效表达。对于这类人工改造明显区域,相比较数据精度的差异,根据研究问题选择合适时相的数据更为重要。此外,综合多时相DEM数据也将是研究的重要手段,如木里矿区案例,结合SRTM-3和 TanDEM-X 90能够定量化分析矿区的开挖量,从而实现基于影像分析结果的维度扩展。
图9 人工活动显著区域不同时相的影像和DEM对比

Fig. 9 Optical images and DEMs of a typical region where terrain surface was modified by human activities

4.3 TanDEM-X 90数据适用性分析

TanDEM-X 90作为一套全球覆盖的DEM数据,可为大区域尺度的科学研究和生产应用提供较为精确的地形信息,特别是在平原、丘陵、台地等地貌类型区域,TanDEM-X 90均表现出较高的精度。但TanDEM-X 90更大的价值在于其相对较新的数据采集时间,对于地貌形态随时间变化较大区域,往往能够揭示更具有现势性的地貌特征。例如上文提及的2000年以来开挖的矿区等人工地貌占主导区域以及近年来发生滑坡、泥石流等地质灾害区域。此外,通过与SRTM DEM、ASTER GDEM以及ALOS AW3D30等不同时期采集的DEM数据的组合分析,往往能在时间尺度上量化出地形变化程度进而挖掘其潜在意义。最典型的应用是学者们基于SRTM数据和TanDEM-X 90数据的高程差,绘制出了青藏高原冰川物质平衡的空间格局,为揭示全球气候变化对冰冻圈的影响提供了重要证据[10]。此外,对于湖泊水文遥感领域的应用,TanDEM-X 90的适用性还受到不同湖泊个体的变化特征影响。例如,对于2000年以来一直萎缩的咸海,TanDEM-X 90 数据能够揭示更多的湖盆地形数据,因此相比较SRTM DEM更适合用于对水量变化估算。相反,青藏高原大部分湖泊2000年以来显著扩张,对于这些湖泊的水位及水量变化研究,SRTM DEM更加适合[31]。
TanDEM-X 90数据在应用于地形起伏较大区域时,受水平分辨率的限制,其数据精度显著低于AW3D30以及SRTM-1 DEM等。事实上,TanDEM-X项目也提供了30 m和12 m更高分辨率的数据产品,但考虑到其需要付费获取,因此建议可根据实际需求予以选择。

5 结论

本文以ICESat/GLAS为高程参考数据,选择平均绝对误差（MAE）、均方根误差（RMSE）、偏度和峰度等统计指标,定量表达TanDEM-X 90及对比数据集SRTM-3和AW3D30在中国陆地区域的误差统计特征和空间分布规律,并对高程、坡度、地貌类型、土地覆盖与DEM高程精度进行了关联分析,研究结果表明：
（1）中国陆地区域TanDEM-X 90的高程精度要略高于SRTM-3,但受限于数据空间分辨率,相比较于AW3D30仍有明显差距。当坡度小于等于4°时,TanDEM-X 90的数据精度在3种数据中最高;此外在平原、丘陵、台地等地貌类型,TanDEM-X 90相较SRTM-3具有一定优势。
（2）TanDEM-X 90和SRTM-3的误差空间分布格局较为类似,误差大于15 m的区域主要分布于青藏高原南部边缘,横断山区、云贵高原和东南丘陵区等,具有较高的数据分辨率的AW3D30在这些起伏较大区域具有明显优势。而在平原区以及塔里木盆地、羌塘高原等地形起伏较小区域,三套数据差异不大。
（3）相比较2000年采集的SRTM-3和2006—2011年采集的AW3D30,2010—2015年采集的TanDEM-X 90在数据时相上具有独特性。考虑到近年来人类活动对地表形态的原真性造成了较大影响,对于部分地形变化较明显区域,数据的时空一致性相比较数据自身精度更为重要。因此,TanDEM-X 90的优势不仅体现在较好的数据精度,同时能够弥补特定时间段内大区域尺度地形数据的不足。本研究同时也发现,现有版本TanDEM-X 90数据中存在较为明显的异常值区域,影响了数据的区域可用性,对该数据的进一步的改进是今后研究的重点。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
汤国安. 我国数字高程模型与数字地形分析研究进展[J]. 地理学报, 2014,69(9):1305-1325.

[ Tang G A. Progress of DEM and digital terrain analysis in China[J]. Acta Geographica Sinica, 2014,69(9):1305-1325. ]

[2]
Wilson J P. Digital terrain modeling[J]. Geomorphology, 2012,137(1):107-121.

[3]
秦承志, 卢岩君, 邱维理, 等. 模糊坡位信息在精细土壤属性空间推测中的应用[J]. 地理研究, 2010,29(9):1706-1714.

[ Qin C Z, Lu Y J, Qiu W L, et al. Application of fuzzy slope positions in predicting spatial distribution of soil property at finer scale[J]. Geographical Research, 2010,29(9):1706-1714. ]

[4]
程维明, 周成虎, 申元村, 等. 中国近40年来地貌学研究的回顾与展望[J]. 地理学报, 2017,72(5):755-775.

[ Cheng W M, Zhou C H, Shen Y C, et al. Retrospect and perspective of geomorphology researches in China over the past 40 years[J]. Acta Geographica Sinica, 2017,72(5):755-775. ]

[5]
Fujita K, Suzuki R, Nuimura T, et al. Performance of ASTER and SRTM DEMs, and their potential for assessing glacial lakes in the Lunana region, Bhutan Himalaya[J]. Journal of Glaciology, 2008,54(185):220-228.

[6]
Tadono T, Takaku J, Tsutsui K, et al. Status of “ALOS World 3D (AW3D)” global DSM generation[C]. Geoscience and Remote Sensing Symposium (IGARSS), 2015:3822-3825.

[7]
Rizzoli P, Martone M, Gonzalez C, et al. Generation and performance assessment of the global TanDEM-X digital elevation model[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2017,132:119-139.

[8]
Dai W, Yang X, Na J, et al. Effects of DEM resolution on the accuracy of gully maps in loess hilly areas[J]. Catena, 2019,177:114-125.

[9]
Schlögel R, Marchesini I, Alvioli M, et al. Optimizing landslide susceptibility zonation: Effects of DEM spatial resolution and slope unit delineation on logistic regression models[J]. Geomorphology, 2018,301:10-20.

[10]
Ke L, Song C, Yong B, et al. Which heterogeneous glacier melting patterns can be robustly observed from space? A multi-scale assessment in southeastern Tibetan Plateau[J]. Remote Sensing of Environment, 2020,242:111-777.

[11]
黄骁力, 汤国安, 刘凯. DEM分辨率对地形纹理特征提取的影响[J]. 地球信息科学学报, 2015,17(7):822-829.

[ Huang X L, Tang G A, Liu K. Influence of DEM resolution on the extraction of terrain texture feature[J]. Journal of Geo-information Science, 2015,17(7):822-829. ]

[12]
赵尚民, 程维明, 蒋经天, 等. 资源三号卫星DEM数据与全球开放DEM数据的误差对比[J]. 地球信息科学学报, 2020,22(3):370-378.

[ Zhao S M, Cheng W M, Jiang J T, et al. Error comparison among the DEM datasets made from ZY-3 satellite and the global open datasets[J]. Journal of Geo-information Science, 2020,22(3):370-378. ]

[13]
Mukherjee S, Joshi P K, Mukherjee S, et al. Evaluation of vertical accuracy of open source Digital Elevation Model (DEM)[J]. International Journal of Applied Earth Observation and Geoinformation, 2013,21(4):205-217.

[14]
Liu K, Song C, Ke L, et al. Global open-access DEM performances in Earth's most rugged region High Mountain Asia: A multi-level assessment[J]. Geomorphology, 2019,338:16-26.

[15]
Berthier E, Arnaud Y, Vincent C, et al. Biases of SRTM in high-mountain areas: Implications for the monitoring of glacier volume changes[J]. Geophysical Research Letters, 2006,33(8):L08502.

[16]
Du X, Guo H, Fan X, et al. Vertical accuracy assessment of freely available digital elevation models over low-lying coastal plains[J]. International Journal of Digital Earth, 2016,9(3):252-271.

[17]
Wu Q, Song C, Liu K, et al. Integration of TanDEM-X and SRTM DEMs and spectral imagery to improve the large-scale detection of opencast mining areas[J]. Remote Sensing, 2020,12(9):14-51.

[18]
Vanthof V, Kelly R. Water storage estimation in ungauged small reservoirs with the TanDEM-X DEM and multi-source satellite observations[J]. Remote Sensing of Environment, 2019,235:111-437.

[19]
Hawker L, Neal J, Bates P. Accuracy assessment of the TanDEM-X 90 digital elevation model for selected floodplain sites[J]. Remote sensing of environment, 2019,232:111-319.

[20]
德国宇航局地球观察中心. https://download.geoservice.dlr.de/TDM90/.

[ Earth Observation Center, DLR. https://download.geoservice.dlr.de/TDM90/. ]

[21]
美国地质调查局. https://earthexplorer.usgs.gov/.

[ United States Geological Survey, USGS. https://earthexplorer.usgs.gov/. ]

[22]
日本宇宙航空研究开发机构. http://www.eorc.jaxa.jp/ALOS/en/aw3d30/index.htm.

[ Japan Aerospace Exploration Agency, JAXA. http://www.eorc.jaxa.jp/ALOS/en/aw3d30/index.htm. ]

[23]
Zwally H J, Schutz B E, Abdalati W, et al. ICESat's laser measurements of polar ice, atmosphere, ocean, and land[J]. Journal of Geodynamics, 2002,34(3-4):405-445.

[24]
国家冰雪数据中心. https://n5eil01u.ecs.nsidc.org.

[ National Snow and Ice Data Center. https://n5eil01u.ecs.nsidc.org. ]

[25]
Zhang G, Yao T, Chen W, et al. Regional differences of lake evolution across China during 1960s-2015 and its natural and anthropogenic causes[J]. Remote Sensing of Environment, 2019,221:386-404.

[26]
周成虎, 程维明, 钱金凯, 等. 中国陆地1∶100万数字地貌分类体系研究[J]. 地球信息科学学报, 2009,11(6):707-724.

[ Zhou C H, Cheng W M, Qian J K, et al. Research on the Classification System of Digital Land Geomorphology of 1∶1 000 000 in China[J]. Journal of Geo-information Science, 2009,11(6):707-724. ]

[27]
国家科技基础条件平台—国家地球系统科学数据中心. https://www.geodata.cn.

[ National Earth System Science Data Center, National Science & Technology Infrastructure of China. https://www.geodata.cn. ]

[28]
清华大学地球系统科学系. http://data.ess.tsinghua.edu.cn/.

[ Department of Earth System Science, Department of Earth System Science, Tsinghua University. http://data.ess.tsinghua.edu.cn/. ]

[29]
全球流域数据库. http://www.cger.nies.go.jp/db/gd-bd/gdbd_index_e.html.

[ Global Drainage Basin Database, GDBD. http://www.cger.nies.go.jp/db/gd-bd/gdbd_index_e.html.

[30]
Bhang K J, Schwartz F W, Braun A, et al. Verification of the vertical error in C-Band SRTM DEM Using ICESat and Landsat-7, Otter Tail County, MN[J]. IEEE Transactions on Geoscience and Remote Sensing, 2007,45(1):36-44.

[31]
罗竹, 刘凯, 张春亢, 等. DEM在湖泊水文变化研究中的应用进展[J]. 地球信息科学学报, 2020,22(7):1510-1521.

[ Luo Z, Liu K, Zhang C K, et al. Progress of the DEM Application for studing lake hydrology dynamics[J]. Journal of Geo-information Science, 2020,22(7):1510-1521. ]

Options
文章导航

/

〈 〉