本發(fā)明涉及地形測繪，具體是一種基于多源遙感數(shù)據(jù)的高精度地形測繪系統(tǒng)及方法。

背景技術(shù)：

1、cn118362102a“一種基于航空測繪技術(shù)的地形測繪系統(tǒng)及測繪方法”包括：獲得待測繪地區(qū)多張圖像數(shù)據(jù)和雷達(dá)點(diǎn)云數(shù)據(jù)，對待測繪地區(qū)圖像數(shù)據(jù)進(jìn)行預(yù)處理，每張待測繪地區(qū)圖像數(shù)據(jù)包括位置信息和高程信息；構(gòu)建測繪地形的卷積神經(jīng)網(wǎng)絡(luò)模型；獲取待測繪地區(qū)的天氣指數(shù)；通過實驗獲取飛行高度與地形復(fù)雜度、天氣指數(shù)、相機(jī)參數(shù)的擬合曲線；無人機(jī)按照一一匹配的確定飛行高度與位置飛行，獲取新待測繪地區(qū)圖像；將新待測繪地區(qū)圖像與待測繪地區(qū)圖像對比、填充、結(jié)合，獲得測繪圖像；導(dǎo)入獲取到的雷達(dá)點(diǎn)云數(shù)據(jù)；對測繪圖像進(jìn)行空中三角測量，結(jié)合地表三維輪廓建立三維地形圖。

2、cn117848302b“一種實時地形智能測繪方法及系統(tǒng)”包括：融合多種測繪數(shù)據(jù)生成初始等高圖數(shù)據(jù)，對每個等高圖劃分子區(qū)域，并選取每個初始等高圖邊緣特征點(diǎn)；利用gps接收儀和實時動態(tài)差分定位技術(shù)，獲取移動站點(diǎn)的實時坐標(biāo)，計算位置偏差指數(shù)，形成第一地形變化指數(shù)；通過測繪設(shè)備獲取子區(qū)域表面圖像，比較計算面積變化指數(shù)，基于每個等高區(qū)域的表面圖像以及邊緣特征點(diǎn)的選取方法，選取并計算邊緣特征點(diǎn)處的曲率變化指數(shù)，進(jìn)而得出第二地形變化指數(shù)；綜合兩個指數(shù)，形成綜合地形變化指數(shù)，與重測繪閾值比較，靈活采取重測繪策略。

3、地形測繪在眾多領(lǐng)域如城市規(guī)劃、土地管理、地質(zhì)勘探、水利工程等具有重要意義。傳統(tǒng)的地形測繪方法往往依賴于地面測量手段，如全站儀、水準(zhǔn)儀等，雖然精度較高，但效率較低，難以快速獲取大面積的地形信息。隨著遙感技術(shù)的發(fā)展，利用衛(wèi)星遙感、航空遙感等手段進(jìn)行地形測繪逐漸成為主流，但單一的遙感數(shù)據(jù)源存在一定的局限性，例如光學(xué)遙感影像易受天氣影響，雷達(dá)遙感影像在地形細(xì)節(jié)表現(xiàn)上可能不夠精確等。因此，如何綜合利用多種遙感數(shù)據(jù)，克服各自的缺點(diǎn)，提高地形測繪的精度和可靠性，成為亟待解決的問題。

技術(shù)實現(xiàn)思路

1、為了解決上述技術(shù)問題，本發(fā)明的目的在于提供一種基于多源遙感數(shù)據(jù)的高精度地形測繪方法，包括以下步驟：

2、步驟s1：獲取目標(biāo)區(qū)域的光學(xué)遙感影像、雷達(dá)遙感影像、lidar點(diǎn)云數(shù)據(jù)和氣象指標(biāo)數(shù)據(jù)，例如，選用worldview-3衛(wèi)星獲取光學(xué)遙感影像，其全色影像分辨率可達(dá)0.31米，多光譜影像涵蓋多個波段，同時，利用sentinel-1衛(wèi)星的sar數(shù)據(jù)獲取雷達(dá)遙感影像，以穿透山區(qū)可能存在的云層和植被，獲取地形的大致起伏信息，此外，采用機(jī)載lidar系統(tǒng)進(jìn)行飛行掃描，獲取該山區(qū)的點(diǎn)云數(shù)據(jù)，確保能夠精確測量地形的高程變化和細(xì)節(jié)特征，并對光學(xué)遙感影像、雷達(dá)遙感影像和lidar點(diǎn)云數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，所述數(shù)據(jù)預(yù)處理過程包括，對光學(xué)遙感影像進(jìn)行幾何校正，選取山區(qū)內(nèi)明顯的地物標(biāo)志(如山峰頂點(diǎn)、山谷底部的道路交叉點(diǎn)等)作為地面控制點(diǎn)，利用多項式擬合方法進(jìn)行幾何校正，并采用6s大氣校正模型進(jìn)行輻射校正，以消除大氣影響，提高影像質(zhì)量，對于雷達(dá)遙感影像，根據(jù)其軌道參數(shù)和成像模型進(jìn)行幾何校正，并進(jìn)行定標(biāo)處理，將影像灰度值轉(zhuǎn)換為后向散射系數(shù)，對lidar點(diǎn)云數(shù)據(jù)進(jìn)行安裝角度偏差校正和時間延遲校準(zhǔn)后，采用基于坡度的濾波算法分離地面點(diǎn)和非地面點(diǎn)，去除樹木、建筑物等非地面物體的點(diǎn)云數(shù)據(jù)，保留準(zhǔn)確的地形點(diǎn)云信息；

3、步驟s2：獲取目標(biāo)區(qū)域的地物類型以及各個地物類型的覆蓋面積，根據(jù)目標(biāo)區(qū)域的地物類型以及各個地物類型的覆蓋面積，對目標(biāo)區(qū)域的光學(xué)遙感影像和雷達(dá)遙感影像進(jìn)行加權(quán)融合，獲取自適應(yīng)融合遙感影像；

4、步驟s3：將lidar點(diǎn)云數(shù)據(jù)中各個點(diǎn)劃分為區(qū)分地面點(diǎn)和非地面點(diǎn)，根據(jù)lidar點(diǎn)云數(shù)據(jù)中各個地面點(diǎn)，構(gòu)建數(shù)字高程模型，在數(shù)字高程模型基礎(chǔ)上，結(jié)合自適應(yīng)融合遙感影像的紋理信息進(jìn)行地形的三維建模，生成三維地形模型。

5、進(jìn)一步地，獲取目標(biāo)區(qū)域的地物類型以及各個地物類型的覆蓋面積的過程包括：

6、對數(shù)據(jù)預(yù)處理后的光學(xué)遙感影像進(jìn)行光譜特征提取，獲取目標(biāo)區(qū)域不同波段的光譜反射數(shù)據(jù)，根據(jù)不同波段的光譜反射數(shù)據(jù)獲取目標(biāo)區(qū)域的地物類型以及各個地物類型的覆蓋面積，利用地物在不同波段的光譜反射率差異，可以更精確地識別地物類型和覆蓋面積；例如，在近紅外波段，植被的反射率明顯高于其他地物，通過分析植被在近紅外和紅光波段的反射率比值(如歸一化植被指數(shù)ndvi)，可以準(zhǔn)確地估算植被覆蓋度，其計算公式為ndvi＝(nir-r)/(nir+r)，其中nir是近紅外波段反射率，r是紅光波段反射率，當(dāng)ndvi值接近1時，表示植被覆蓋度高；當(dāng)ndvi值接近-1時，表示非植被覆蓋區(qū)域。

7、進(jìn)一步地，根據(jù)目標(biāo)區(qū)域的地物類型以及各個地物類型的覆蓋面積，對目標(biāo)區(qū)域的光學(xué)遙感影像和雷達(dá)遙感影像進(jìn)行加權(quán)融合，獲取自適應(yīng)融合遙感影像的過程包括：

8、構(gòu)建自適應(yīng)權(quán)重調(diào)整模型，將目標(biāo)區(qū)域的地物類型、各個地物類型的覆蓋面積以及氣象指標(biāo)數(shù)據(jù)輸入自適應(yīng)權(quán)重調(diào)整模型，根據(jù)自適應(yīng)權(quán)重調(diào)整模型輸出光學(xué)遙感影像對應(yīng)的第一權(quán)重和雷達(dá)遙感影像對應(yīng)的第二權(quán)重，根據(jù)第一權(quán)重和第二權(quán)重對光學(xué)遙感影像和雷達(dá)遙感影像中的每個像素點(diǎn)進(jìn)行加權(quán)融合，獲取自適應(yīng)融合遙感影像。

9、采用加權(quán)融合的方法進(jìn)行光學(xué)遙感影像和雷達(dá)遙感影像的數(shù)據(jù)級融合，根據(jù)光學(xué)遙感影像和雷達(dá)遙感影像在地形測繪中的重要性和可靠性，為它們分配不同的權(quán)重。例如，在植被覆蓋較少的區(qū)域，光學(xué)影像的分辨率較高且地物細(xì)節(jié)清晰，可以給予較高的權(quán)重；而在植被覆蓋茂密或者有云霧遮擋的區(qū)域，雷達(dá)影像能夠穿透植被和云霧，此時給予雷達(dá)影像較高的權(quán)重。

10、進(jìn)一步地，根據(jù)第一權(quán)重和第二權(quán)重對光學(xué)遙感影像和雷達(dá)遙感影像中的每個像素點(diǎn)進(jìn)行加權(quán)融合，獲取自適應(yīng)融合遙感影像的過程包括：

11、設(shè)光學(xué)遙感影像的像素值為iq，雷達(dá)遙感影像的像素值為ir，第一權(quán)重為ωq，第二權(quán)重為ωr，加權(quán)融合后的像素值if的計算公式為：if＝ωqiq+ωrir；

12、例如，如果光學(xué)遙感影像的權(quán)重ωq＝0.6，雷達(dá)遙感影像的權(quán)重ωr＝0.4，光學(xué)遙感影像某像素值iq＝100，雷達(dá)遙感影像對應(yīng)像素值ir＝80，那么加權(quán)融合后的像素值if＝92。

13、進(jìn)一步地，構(gòu)建自適應(yīng)權(quán)重調(diào)整模型的過程包括：

14、預(yù)先在目標(biāo)區(qū)域內(nèi)選取多個試驗區(qū)域，不同試驗區(qū)域包括不同的地物類型以及各個地物類型的覆蓋面積，采集不同氣象指標(biāo)數(shù)據(jù)條件下各個試驗區(qū)域的光學(xué)遙感影像和雷達(dá)遙感影像，對所述光學(xué)遙感影像和雷達(dá)遙感影像進(jìn)行數(shù)據(jù)預(yù)處理，采用不同的預(yù)設(shè)權(quán)重組合(如光學(xué)遙感影像權(quán)重為0、0.2、0.4、0.6、0.8、1，相應(yīng)的雷達(dá)遙感影像權(quán)重為1、0.8、0.6、0.4、0.2、0)進(jìn)行不同氣象指標(biāo)數(shù)據(jù)條件下各個試驗區(qū)域的數(shù)據(jù)預(yù)處理后的光學(xué)遙感影像和雷達(dá)遙感影像的數(shù)據(jù)融合，獲取不同氣象指標(biāo)數(shù)據(jù)條件下各個試驗區(qū)域在不同權(quán)重組合條件下的自適應(yīng)融合遙感影像；

15、獲取各個試驗區(qū)域的實地測量數(shù)據(jù)(如全站儀測量的地形點(diǎn)數(shù)據(jù))，將各個試驗區(qū)域的實地測量數(shù)據(jù)與不同氣象指標(biāo)數(shù)據(jù)條件下各個試驗區(qū)域的不同權(quán)重組合條件下的自適應(yīng)融合遙感影像進(jìn)行比較，獲取不同氣象指標(biāo)數(shù)據(jù)條件下各個試驗區(qū)域的不同權(quán)重組合條件下的自適應(yīng)融合遙感影像的精度誤差；

16、基于深度學(xué)習(xí)構(gòu)建自適應(yīng)權(quán)重調(diào)整模型，將各個試驗區(qū)域包括的不同的地物類型、各個地物類型的覆蓋面積以及不同氣象指標(biāo)數(shù)據(jù)條件下各個試驗區(qū)域的不同權(quán)重組合條件下的自適應(yīng)融合遙感影像的精度誤差作為訓(xùn)練集以及測試集，將所述訓(xùn)練集輸入到所述自適應(yīng)權(quán)重調(diào)整模型中進(jìn)行訓(xùn)練，直至損失函數(shù)訓(xùn)練平穩(wěn)，并保存模型參數(shù)，通過測試集對所述自適應(yīng)權(quán)重調(diào)整模型進(jìn)行測試，直至符合預(yù)設(shè)要求，輸出所述自適應(yīng)權(quán)重調(diào)整模型；

17、基于深度學(xué)習(xí)構(gòu)建自適應(yīng)權(quán)重調(diào)整模型是一個復(fù)雜的過程，它涉及到模型選擇、訓(xùn)練、驗證和測試等多個步驟，本實施例選擇深度信念網(wǎng)絡(luò)(dbn)作為深度學(xué)習(xí)架構(gòu)，選用均方誤差損失函數(shù)，它計算的是預(yù)測值與真實值之間差值的平方的平均值，在這個自適應(yīng)權(quán)重調(diào)整模型的場景中，預(yù)測值是通過自適應(yīng)權(quán)重融合后的遙感影像像素值(例如高程值、地物分類概率等)，真實值是通過高精度實地測量(如全站儀測量的地形點(diǎn)數(shù)據(jù))得到的準(zhǔn)確值，隨后將準(zhǔn)備好的訓(xùn)練集輸入到選定的深度學(xué)習(xí)模型中開始訓(xùn)練，訓(xùn)練過程中，通過反向傳播算法不斷更新權(quán)重，使得損失函數(shù)逐漸減小，直至達(dá)到穩(wěn)定狀態(tài)。在此期間，利用早停法(early?stopping)等技術(shù)避免過度擬合，除了基本的訓(xùn)練流程外，同時通過網(wǎng)格搜索(grid?search)對模型的各種參數(shù)進(jìn)行調(diào)優(yōu)，所述參數(shù)包括學(xué)習(xí)率、批次大小、正則化系數(shù)等；

18、當(dāng)模型訓(xùn)練完成并且參數(shù)調(diào)整完畢后，通過測試集來進(jìn)行最后的評估，獲取模型的評估結(jié)果，所述評估結(jié)果包括如準(zhǔn)確率、召回率、f1分?jǐn)?shù)等分類指標(biāo)，根據(jù)測試集上的評估結(jié)果，判斷模型是否達(dá)到了預(yù)期的標(biāo)準(zhǔn)。如果滿足要求，則保存模型參數(shù)并準(zhǔn)備部署；如果不理想，則需要返回之前的某個階段重新審視數(shù)據(jù)質(zhì)量、模型結(jié)構(gòu)或是訓(xùn)練策略等問題。

19、進(jìn)一步地，將lidar點(diǎn)云數(shù)據(jù)中各個點(diǎn)劃分為區(qū)分地面點(diǎn)和非地面點(diǎn)的過程包括：

20、獲取lidar點(diǎn)云數(shù)據(jù)中各個點(diǎn)與相鄰點(diǎn)之間的坡度，預(yù)設(shè)目標(biāo)區(qū)域的初始網(wǎng)格尺寸，根據(jù)初始網(wǎng)格尺寸將目標(biāo)區(qū)域劃分為若干個相同的初始網(wǎng)格，構(gòu)建目標(biāo)區(qū)域的二維坐標(biāo)系，設(shè)置目標(biāo)區(qū)域的起始點(diǎn)(xmin，ymin)，按照選定的網(wǎng)格尺寸依次劃分，例如，對于正方形網(wǎng)格，若網(wǎng)格邊長為l，第一個網(wǎng)格的左下角坐標(biāo)為起始點(diǎn)(xmin，ymin)，則第二個網(wǎng)格左下角坐標(biāo)為(xmin+l，ymin)，第三個網(wǎng)格左下角坐標(biāo)為(xmin，ymin+l)，以此類推，直到覆蓋整個目標(biāo)區(qū)域，同時在劃分過程中考慮邊界情況，確保最后一排和最后一列的網(wǎng)格能夠完整覆蓋目標(biāo)區(qū)域的邊界部分；獲取每個初始網(wǎng)格內(nèi)的平均坡度，將每個初始網(wǎng)格內(nèi)的各個點(diǎn)與相鄰點(diǎn)之間的坡度與每個初始網(wǎng)格內(nèi)的平均坡度進(jìn)行比較，獲取每個初始網(wǎng)格內(nèi)的各個點(diǎn)的坡度差值，將各個點(diǎn)的坡度差值與預(yù)設(shè)坡度差值閾值進(jìn)行比較，將坡度差值大于坡度差值閾值的點(diǎn)標(biāo)記為非地面點(diǎn)，將坡度差值小于等于坡度差值閾值的點(diǎn)標(biāo)記為地面點(diǎn)。

21、進(jìn)一步地，根據(jù)lidar點(diǎn)云數(shù)據(jù)中各個地面點(diǎn)，構(gòu)建數(shù)字高程模型的過程包括：

22、獲取各個初始網(wǎng)格內(nèi)的地面點(diǎn)的高程，對各個初始網(wǎng)格內(nèi)的地面點(diǎn)的高程進(jìn)行統(tǒng)計分析，獲取各個初始網(wǎng)格內(nèi)的高程標(biāo)準(zhǔn)差，構(gòu)建網(wǎng)格尺寸對照表，所述網(wǎng)格尺寸對照表包括不同高程標(biāo)準(zhǔn)差對應(yīng)的網(wǎng)格尺寸，需要進(jìn)一步說明的是初始網(wǎng)格尺寸大于網(wǎng)格尺寸對照表中包括的若干網(wǎng)格尺寸，根據(jù)各個初始網(wǎng)格內(nèi)的高程標(biāo)準(zhǔn)差和網(wǎng)格尺寸對照表獲取各個初始網(wǎng)格對應(yīng)的新網(wǎng)格尺寸，根據(jù)各個初始網(wǎng)格對應(yīng)的新網(wǎng)格尺寸，將各個初始網(wǎng)格劃分為若干個相同的新網(wǎng)格，若新網(wǎng)格尺寸與初始網(wǎng)格尺寸一致，則不進(jìn)行初始網(wǎng)格的劃分，并將初始網(wǎng)格標(biāo)記為新網(wǎng)格，根據(jù)各個新網(wǎng)格以及各個新網(wǎng)格內(nèi)各個點(diǎn)的高程，構(gòu)建新網(wǎng)格的數(shù)字高程模型。

23、進(jìn)一步地，在數(shù)字高程模型基礎(chǔ)上，結(jié)合自適應(yīng)融合遙感影像的紋理信息進(jìn)行地形的三維建模，生成三維地形模型的過程包括：

24、構(gòu)建數(shù)字高程模型與自適應(yīng)融合遙感影像之間的坐標(biāo)匹配關(guān)系，對于經(jīng)過數(shù)據(jù)預(yù)處理的自適應(yīng)融合遙感影像和數(shù)字高程模型，通過確定它們的基準(zhǔn)點(diǎn)(如影像四個角點(diǎn)與數(shù)字高程模型邊界點(diǎn)的對應(yīng)關(guān)系)以及調(diào)整分辨率差異(如影像每個像素代表的實際地面尺寸與數(shù)字高程模型網(wǎng)格尺寸的對比)，來實現(xiàn)坐標(biāo)的統(tǒng)一，對自適應(yīng)融合遙感影像進(jìn)行紋理采樣，根據(jù)坐標(biāo)匹配關(guān)系將采樣得到的紋理貼附在數(shù)字高程模型表面對應(yīng)的位置，生成三維地形模型。

25、一種基于多源遙感數(shù)據(jù)的高精度地形測繪系統(tǒng)，包括云端，所述云端通信連接有數(shù)據(jù)采集模塊、影像特征融合模塊和三維建模模塊；

26、數(shù)據(jù)采集模塊用于獲取目標(biāo)區(qū)域的光學(xué)遙感影像、雷達(dá)遙感影像、lidar點(diǎn)云數(shù)據(jù)和氣象指標(biāo)數(shù)據(jù)，并對光學(xué)遙感影像、雷達(dá)遙感影像和lidar點(diǎn)云數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理；

27、影像特征融合模塊用于獲取目標(biāo)區(qū)域的地物類型以及各個地物類型的覆蓋面積，根據(jù)目標(biāo)區(qū)域的地物類型以及各個地物類型的覆蓋面積，對目標(biāo)區(qū)域的光學(xué)遙感影像和雷達(dá)遙感影像進(jìn)行加權(quán)融合，獲取自適應(yīng)融合遙感影像；

28、三維建模模塊用于將lidar點(diǎn)云數(shù)據(jù)中各個點(diǎn)劃分為區(qū)分地面點(diǎn)和非地面點(diǎn)，根據(jù)lidar點(diǎn)云數(shù)據(jù)中各個地面點(diǎn)，構(gòu)建數(shù)字高程模型，在數(shù)字高程模型基礎(chǔ)上，結(jié)合自適應(yīng)融合遙感影像的紋理信息進(jìn)行地形的三維建模，生成三維地形模型。

29、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

30、1、數(shù)據(jù)融合優(yōu)勢顯著提升測繪精度：

31、綜合利用光學(xué)遙感影像、雷達(dá)遙感影像和lidar點(diǎn)云數(shù)據(jù)，充分發(fā)揮各數(shù)據(jù)源優(yōu)勢。光學(xué)影像能清晰展現(xiàn)地物顏色、紋理等外觀細(xì)節(jié)，利于識別土地利用類型、植被種類；雷達(dá)影像不受光照、天氣限制，穿透云層獲取信息，精準(zhǔn)反映地形起伏與地物結(jié)構(gòu)；lidar點(diǎn)云數(shù)據(jù)提供高精度三維地形信息。三者融合克服單一數(shù)據(jù)源局限，如在山區(qū)測繪，光學(xué)影像呈現(xiàn)植被、巖石外觀，雷達(dá)影像穿透植被揭示地形高差，lidar精確測量高程，全方位捕捉復(fù)雜地形地貌，相比僅依賴單一數(shù)據(jù)源，測繪精度大幅提高，生成的數(shù)字高程模型與實際地形貼合度更高。

32、采用自適應(yīng)加權(quán)融合光學(xué)影像與雷達(dá)影像，依據(jù)地物類型、覆蓋面積及氣象指標(biāo)動態(tài)調(diào)整權(quán)重。在植被茂密區(qū)加大雷達(dá)影像權(quán)重獲取地形，晴朗開闊區(qū)提升光學(xué)影像權(quán)重展現(xiàn)地物細(xì)節(jié)，確保融合影像在不同環(huán)境下精準(zhǔn)反映地表，避免固定權(quán)重融合導(dǎo)致部分信息缺失或偏差，進(jìn)一步優(yōu)化測繪精度。

33、2、智能模型實現(xiàn)高效精準(zhǔn)權(quán)重分配：

34、基于深度學(xué)習(xí)構(gòu)建自適應(yīng)權(quán)重調(diào)整模型，利用多區(qū)域試驗數(shù)據(jù)訓(xùn)練優(yōu)化。模型學(xué)習(xí)不同地物、氣象條件下最佳權(quán)重組合，自動適應(yīng)復(fù)雜多變實地情況。例如在城市與鄉(xiāng)村交錯區(qū)域測繪，建筑、農(nóng)田、林地等地物多樣，不同季節(jié)氣象各異，模型依據(jù)實時數(shù)據(jù)給出適配權(quán)重，減少人工反復(fù)調(diào)試，既提升效率又保障融合影像質(zhì)量，為后續(xù)地形建模等提供可靠數(shù)據(jù)基礎(chǔ)。

35、3、精細(xì)點(diǎn)云處理保障數(shù)字高程模型高精度構(gòu)建：

36、lidar點(diǎn)云濾波區(qū)分地面與非地面點(diǎn)方法科學(xué)高效。通過對比點(diǎn)與相鄰點(diǎn)坡度、結(jié)合初始網(wǎng)格平均坡度與閾值判斷，有效分離建筑物、樹木等非地面點(diǎn)，精準(zhǔn)提取地面點(diǎn)用于數(shù)字高程模型構(gòu)建，避免非地面點(diǎn)干擾導(dǎo)致地形失真。如在城市高樓林立區(qū)，準(zhǔn)確濾除建筑點(diǎn)云，還原真實地面起伏，保證數(shù)字高程模型如實反映地形高程變化，為地形分析、工程規(guī)劃等提供精準(zhǔn)地形數(shù)據(jù)支撐。

37、根據(jù)初始網(wǎng)格高程標(biāo)準(zhǔn)差動態(tài)調(diào)整網(wǎng)格尺寸構(gòu)建數(shù)字高程模型，兼顧精度與效率。在地形變化平緩區(qū)適當(dāng)擴(kuò)大網(wǎng)格，減少數(shù)據(jù)冗余；復(fù)雜地形區(qū)細(xì)化網(wǎng)格，精準(zhǔn)捕捉地形細(xì)節(jié)。如平原地帶大網(wǎng)格快速勾勒地形輪廓，山區(qū)峽谷地帶小網(wǎng)格細(xì)致刻畫地形高低錯落，使數(shù)字高程模型既能滿足宏觀規(guī)劃需求，又適應(yīng)微觀工程建設(shè)精度要求。

38、4、逼真三維建模增強(qiáng)地形可視化效果：

39、利用自適應(yīng)融合遙感影像紋理與數(shù)字高程模型結(jié)合進(jìn)行三維建模，紋理映射使模型兼具精確地形幾何與豐富地物外觀。如模擬山區(qū)，數(shù)字高程模型塑造山體起伏，融合影像紋理賦予山體植被、巖石色彩紋理，搭配光照渲染，生成逼真三維地形模型，直觀展現(xiàn)地形地貌與地物分布，輔助城市規(guī)劃師、地質(zhì)勘探人員等專業(yè)人士高效理解實地情況，提升決策科學(xué)性與準(zhǔn)確性。