【www.shanpow.com--数字歇后语】
数字高程模型篇1:数字高程模型和地图——thematicmapping.org译文（一）
数字高程模型和地图——thematicmapping.org译文（一）
分类： GDAL GIS RS DEM Hillshade 2013-01-22 23:30 95人阅读 评论(0) 收藏 举报
作者：Bj?rnSandvik（Google Plus：https://plus.google.com/118196887774002693676）
原文地址：http://blog.thematicmapping.org/2012/06/digital-terrain-modeling-and-mapping.html
这是新博客的第一篇，该系列主要关注于数字地形数据的使用和处理。数字地形数据与地形图和专题图相比，有更多的相关性。（后面一句搞不懂，不译了……囧）
我关注的区域是深受徒步旅行者和登山者爱好的挪威Jotunheimen山区。挪威最高的29座山都在Jotunheimen地区，包括非常高的Galdh?piggen（海拔2469米）。下面是在2006年7月，我拍摄的几张美丽的风景照片：
Skogadalen山谷和Hurrungane的山脉
Fannar?khytta
B?verbreen冰川
对于数字地形数据在存储和处理过程中有很多的数据格式。我首先来看使用数字高程模型（DEM：http://en.wikipedia.org/wiki/Digital_elevation_model）来表示的山歌数据。一个栅格DEM是一个正方形或者像素个网格，每个方格表示该地理位置的高程。每个方格的大小（米或者弧秒为单位）表示该数据的分辨率。
在挪威，可以获得分辨率为10米（http://www.statkart.no/Norge_digitalt/Norsk/Basisdata/Hoydedata+DTM/）的数字地形数据，但是不幸的是，他还没有像公众提供。相反我在Viewfinder Panoramas（http://www.viewfinderpanoramas.org/dem3.html）上找到了合适的数据，从地形图创建的。你会发现这里有覆盖全球的DEM数据，地址为：http://srtm.csi.cgiar.org/，http://www.gdem.aster.ersdac.or.jp/search.jsp和http://www.shadedrelief.com/cleantopo2/index.html。
我从Viewfinder Panoramas下载了两个文件（N61E007.hgt和N61E008.hgt），每个覆盖的范围为1经度和纬度。位置在下图中用黄色标记：
你可以使用gdal提供的工具来拼接和裁切DEM数据，根据你的需要。我使用gdalbuildvrt工具来把两个高程数据拼接起来。
[plain] view plaincopy?
gdalbuildvrt jotunheimen.vrt N61E007.hgt N61E008.hgt
然后使用gdalwarp工具重投影和裁切数据根据我的需要。
[plain] view plaincopy?
gdalwarp -t_srs EPSG:32632 -te 432000 6790000 492000 6850000-r bilinear jotunheimen.vrt jotunheimen.tif
原始的DEM数据并没有投影信息，然后我给他赋了一个UTM的分带投影（UTM zone 32N (EPSG:32632)）。使用UTM坐标用来对数据进行裁切，裁切后的数据覆盖面积是3600平方公里（60km×60km），如上图中的红色区域。我们在对DEM数据进行重投影的时候重采样方式一定要选择双线性插值，因为其他的插值方式会产生奇怪的条纹。
最终我们的了一个Jotunheimen地区的DEM数据，下载地址为：http://thematicmapping.org/playground/terrain/jotunheimen.tif。你可以在Windows中打开这个图像，但是你不会看到什么东西，因为图像机会都是黑色的。使用gdalinfo工具来查看这个数据的属性信息：
[plain] view plaincopy?
gdalinfo -mm jotunheimen.tif
Driver: GTiff/GeoTIFF
Files: jotunheimen.tif
Size is 3134, 3134
Coordinate System is:
PROJCS["WGS 84 / UTM zone 32N",
GEOGCS["WGS 84",
DATUM["WGS_1984",
SPHEROID["WGS 84",6378137,298.257223563,
AUTHORITY["EPSG","7030"]],
AUTHORITY["EPSG","6326"]],
PRIMEM["Greenwich",0],
UNIT["degree",0.0174532925199433],
AUTHORITY["EPSG","4326"]],
PROJECTION["Transverse_Mercator"],
PARAMETER["latitude_of_origin",0],
PARAMETER["central_meridian",9],
PARAMETER["scale_factor",0.9996],
PARAMETER["false_easting",500000],
PARAMETER["false_northing",0],
UNIT["metre",1,
AUTHORITY["EPSG","9001"]],
AUTHORITY["EPSG","32632"]]
Origin =(432000.000000000000000,6850000.000000000000000)
Pixel Size =(19.144862795149969,-19.144862795149969)
Metadata:
AREA_OR_POINT=Area
Image Structure Metadata:
INTERLEAVE=BAND
Corner Coordinates:
Upper Left (432000.000, 6850000.000)(7d42"39.90"E, 61d46"36.81"N)
Lower Left (432000.000, 6790000.000)(7d43"59.45"E, 61d14"18.21"N)
Upper Right (492000.000, 6850000.000)(8d50"54.02"E, 61d46"58.29"N)
Lower Right (492000.000, 6790000.000)(8d51"3.39"E, 61d14"39.21"N)
Center (462000.000,6820000.000) (8d17"9.19"E, 61d30"42.34"N)
Band 1 Block=3134x1 Type=Int16,ColorInterp=Gray
ComputedMin/Max=15.000,2466.000
这些信息中包含什么东西？
l 图像格式为GeoTiff格式，该格式存储地理参考信息；
l 图像的大小是3134×3134个像素；
l 坐标系统是UTM分带投影中的33N带，使用WGS84椭球体；
l 坐标系的单位是米；
l 每个像素的大小是19×19米；
l 图像的四角坐标；
l 图像是16bit整数的单波段高程数据，最小高程是15米，最大高程是2466米。
接下来我们使用gdal_translate工具把GeoTiff转为PNG的灰度图像。[plain] view plaincopy?
gdal_translate -of PNG -ot Byte -scale 15 2466 0 256 jotunheimen.tifjotunheimen.png
这个图像为您展示了Jotunheimen地区的海拔情况。比较暗的区域就是海拔低的地方，亮的区域就是海拔高的地方。
山体阴影是一种更有效的来可视化地形数据的技术，我们将在下一篇中进行说明。
分享到：
上一篇：Metamaterials perform image compression before light reaches the sensor（微波成像，拍摄与压缩同步进行）
下一篇：使用gdaldem生成山体阴影——thematicmapping.org译文（二）
数字高程模型篇2:（原创）ArcGIS系列教程（一）：DEM数字高程模型数据的生成
ArcGIS系列教程（一）
非常详细的ArcGIS地形处理教程：数字高程模型DEM数据的生成
By：柠檬（MR.H ）
写给城乡规划专业的GIS初学者的，专业GIS大咖请绕道！
写给城乡规划专业的GIS初学者的，专业GIS大咖请绕道！
写给城乡规划专业的GIS初学者的，专业GIS大咖请绕道！
一、写在前面
现在GIS在规划行业的使用逐渐流行起来，多规合一、地理设计、甚至还有大数据、编程设计等等各种高大上无不与GIS多少有点关系，然而大多数行业小伙伴作为一个普通的规划师，只是想用GIS做做地形分析都不会，网上的教程一大堆，看了半天还是很迷茫，要么是操作步骤讲的不够细致，要么是用自己的数据按教程步骤总是做不出想要的成果。也经常有小伙伴或是问我或是直接找我帮忙做地形分析，其实方法是很简单的，也多次教过方法，但是每到下一次要做的时候都说又不会了，总是记不住，或者就是每次都会遇到各种不同的问题，又做不出来了！正好赶上周末闲暇，那就结合自己的经验，写个详细点的实用教程吧。
本教程是只是一个实用教程，不是专门的技术文档，更不是什么学术论文，所以口水话比较多，主要是便于初学者能看懂，专业的大咖请绕道勿喷，本教程只适合GIS基础薄弱但又需要在规划项目中通过ArcGIS（本教程以下非特别说明统一简称GIS）做初步简单的地形处理和分析的童鞋，当然最好有一定GIS基础，起码要知道GIS是干嘛的吧，本文不负责介绍GIS软件的理论知识。学习本教程建议安装ArcGIS for Desktop10.0以上中文版本，如果没有可找我索要安装包。本教程尽量结合自己的一点经验，把可能遇到的问题或难点以及相应的解决办法也写清楚，也是自认为区别于网上其他一些教程的特点吧。
申明：本教程所涉及程序、软件及相应知识产权均归对应软件公司及原作者所有，本文仅作技术交流学习使用，转载请注明来源并保留原作者。
二、基本分析方法
GIS做地形分析的基本步骤其实是非常简单的，网上也有非常多的教程进行阐述，其实大家按这个步骤也基本能做出来，但问题就出现在每个人所使用的基础数据都多多少少有不同的问题，因此在操作过程中就不同程度的受阻，因此本教程先列出最基本的操作步骤，再对所使用的数据及各操作步骤可能出现的问题进行分析并逐一列出解决方法。
GIS地形分析的基本步骤如下：
1. 整理并添加带有高程属性的CAD等高线或者高程点；
2. 将导入的等高线或高程点数据转换为GIS可编辑的Shapefile文件；
3. 进一步整理、检查、修正Shapefile文件中的数据错误；
4. 使用整理好的Shapefile生产数字高程三角模型TIN文件；
5. 将TIN文件转换为栅格数字高程模型DEM文件；
6. 基于DEM即可进一步进行基于地形的坡度、坡向、起伏度、汇水特征等专项分析了。
三、关于几类主要数据
GIS地形分析的核心是数字高程模型DEM数据，基于地形的高程、坡度、坡向、起伏度、汇水分析等都是基于DEM数据的，所以本教程首先重点介绍如何生成获得DEM数据，后续再介绍基于DEM的其他相关分析。
DEM的全称是Digital Elevation Model，非常直接的翻译，就是“数字”、“高程”、“模型”三个词的直接拼接，可谓是简单粗暴好理解，可到底什么是“数字高程模型”这个概念可能是经常困扰大家的问题，貌似很高大上，尤其是一些学术论文，经常只写其英文名，还是简称——DEM，可谓是故作高深，搞得不明真相的童鞋越发糊涂。其实很简单，高程这个概念不用说，“数字模型”就是把高程数字化后的模型嘛，数字化就是在电脑里面显示就是数字化咯，数字高程模型就是在电脑里面进行显示的高程数据嘛。我们搞建筑规划的童鞋肯定都是知道现状地形图里面的高程点、等高线的，从某种程度上来说高程点、等高线就是高程数据的一种数字模型，DEM只是把高程进行连续面状数字化了，那对应的等高线就是线状高程数字化模型，高程点就是点状高程数字化，这样就明白为什么我们可以用等高线或者高程点生成DEM了吧。当然DEM不只是用高程点或者等高线生产的，还有卫星遥感数据等渠道可以获取，这个后面会讲到。在ArcGIS里面用高程点或等高线生成DEM也不是直接生成，需要通过先生产TIN文件，在将TIN文件装换为DEM。
↑↑↑ 图3.1 数字高程模型DEM灰度可视化示意图
（图片来源：http://www.siweidg.com/Processing/DEM/）
有童鞋可能要问TIN文件又是什么鬼，为什么不能直接生成DEM，而非要先生成TIN文件呢？！
TIN的全称是TriangulatedIrregular Network，翻译过来就是它的中文名——“不规则三角网”，其实也是一种数字模型，当然,TIN文件可以是表达高程的数字模型，也可以是表达其他数据的数字模型本文里面的TIN文件当然就是表达高程的数字模型了，它和DEM的区别就在于他是矢量的，而DEM是栅格的！为什么会这样呢？因为我们知道CAD里面的高程点和等高线都是矢量的，我们把它们导入GIS后依然还是矢量的，我们要把矢量的点状高程点或者线状等高线高程数据转换为连续面状的DEM高程数据模型是需要插值的（什么是插值？简单理解就是在空白地方增加数据，点状、线状转换为面状就是要增加数据的过程！），而这个插值过程是不能直接将矢量插值为栅格数据的，所以要先插值生成TIN格式的矢量数字三个网络模型，再将其转化为栅格数字高程模型DEM文件。
↑↑↑ 图3.2 不规则三角网模型TIN文件的可视化效果
（图片来源：http://www.cnblogs.com/xuanfengling/p/3364136.html）
好了，关于GIS地形分析里面两个核心数据TIN和DEM已经说清楚了，再来看看我们熟悉又让人琢磨不透的CAD高程数据吧。
我们常见的CAD高程数据基本就两种：高程点、等高线。做GIS地形分析对CAD高程点和等高线的要求都是必须带有高程属性！
高程点的高程属性比较简单，如图3.3所示，我们在CAD现状地形图中的大部分高程点都是如图这种高程点图块，图块带有一个高程点及其高程值标注，此时我们双击这个高程点标注文字是不能像传统文字那样编辑的。GIS也是不能直接识别CAD中这样的图块，所以我们不能直接将这一的高程点导入GIS,需要我们进行处理——炸块！但要注意的是此处的炸块不是用CAD中的X命令，如果用X命令对这个块进行炸裂，会发现整个图块就消失了，这是很多童鞋在处理这样高程点时会遇到的问题，正确的做法是通过湘源控规（请自行安装）里面的“工具-图块-炸属性块”对高程点图块进行炸块处理（图3.3）。输入这个工具命令后，会提示是删除还是保留隐藏属性，这里可以默认即可。炸属性块后根据不同情况会有不同显示，但标注高程点的文字肯定是会单独显示的,我们通过双击也发现是可以像传统文字那样进行编辑修改了，这正是我们需要用到的数据。
↑↑↑ 图3.3 常见CAD高程点示意图
（图片来源：作者自绘）
↑↑↑ 图3.4 湘源控规炸属性块工具示意图
（图片来源：作者自绘）
等高线的属性数据相对复杂一些，如图3.5所示，图中绿色的线即是我们需要提取使用的地形等高线，其中比较细的等高线叫做基本等高线，也叫首曲线，是一副地形图中按基本等高距绘制出的等高线；其中比较粗的等高线叫加粗等高线，也叫计曲线，是按每隔五条基本等高线加粗的一条等高线，主要是为了便于判读和计算高程使用。如图xx所示，两根计曲线的高程差为2.5米，则基本等高线的高程差为0.5米。
↑↑↑ 图3.5 CAD等高线数据示意图
（图片来源：作者自绘）
各条等高线的高程查看方法为，在CAD中选中需要查看高程的等高线打开进入其属性查看Elevation属性值即为其高程。CAD查看图元属性可以通过PR（Properties）命令、Ctrl+1打开属性对话框或者通过LI（List）命令调取图元属性列表等方法，如图3.6。
↑↑ 图3.6 CAD等高线高程属性查询
（图片来源：作者自绘）
如果我们所拿到的CAD现状图中具有以上特征的高程点或等高线，那我们基本就能导入GIS正确生成地形分析所需要的TIN文件和DEM数字高程模型，并做进一步的相关分析了。
四、生成DEM的具体操作步骤
1.CAD高程点和等高线的添加
如前文所述，需要在CAD中准备好带高程的高程点和等高线数据。通常我们的现状地形图是多种图层叠加的，需要首先将这两个数据所在图层单独分离出来（也有是所有图元被合并在一个图层的，这种比较麻烦些，后面会讲怎么操作），图层的分离可以在CAD里面提前做好了再导入GIS，也可以导入GIS转换为Shapefile后再做分层处理，此处主要讲一下如何导入GIS后做分层处理（CAD比较简单，直接单独按图层单独选择并写块即可，但是如果数据量大的话在CAD里面会比较卡顿，所以建议先导入GIS再做分离）
首先需要在CAD里面明确高程点和等高线各自的图层名，如本教程所采用数据对应的图层名分别为GCD、DGX。打开ArcGIS for Desktop中的其中一个软件ArcMAP，添加准备好的CAD现状地形图。
步骤为：
方法一：点击菜单栏“文件-添加数据-添加数据”；（图4.1.1）
↑↑↑ 图4.1.1 ArcMAP中添加数据方法一
方法二：在菜单栏空白处点击鼠标右键确认标准工具栏打开，点击标准工具栏里的数据添加工具进行添加；（图4.1.2）
↑↑↑ 图4.1.2 ArcMAP中添加数据方法二
方法三：打开ArcCatalog（在ArcGIS启动目录下）或者在标准工具栏里打开目录工具，找到对应的地形CAD文件直接拖入即可。（图4.1.3）
↑↑↑ 图4.1.3 ArcMAP中添加数据方法三
2.CAD高程点和等高线的提取
CAD添加进GIS后的数据列表如图4.2.1所示，我们可以看到一个CAD文件添加进GIS后会出现5个文件，分别是Annontation、Point、Polyline、Polygon、Multipatch（具体是什么后面会另外再讲，这里不展开，有兴趣的小伙伴也可以先自行百度），我们分别对高程点和等高线所属的Annotation和Polyline文件进行分离提取并生成对应的Shapefile文件。（注意：这一步是非常重要的一步）
↑↑↑ 图4.2.1 CAD导入GIS后的数据列表
操作步骤：
（1）通过标准工具栏打开工具箱（ArcToolbox）窗口，并依此展开至“分析工具-提取分析-筛选”（图4.2.2）
↑↑↑ 图4.2.2 CAD导入GIS后的数据列表
（2）双击“筛选”工具，在弹出的筛选工具窗口的输入栏选中Annotation数据；输出要素类位置可默认，也可按自己需要输入对应文件位置；表达式一栏点击后侧SQL表达式图标弹出表达式输入框，按图4.2.3 依此双击各参数并单击相应按钮，此处的表达式含义就是将CAD中图层（Layer）名为“GCD”的高程点数据提取出来。（前面说了要明确高程点和等高线的图层名就是此处要用到！）完成后点击确定即可生成对应的高程点Shapefile文件Annotation_Select1。
↑↑↑ 图4.2.3 通过属性筛选工具提取GCD图层数据示意
按相同的方法将等高线对应的Polyline文件进行提取分离，这次的表达式为"Layer"="DGX",对应生成等高线Shapefile文件Polyline_Select1。
3.高程数据的初步修正
通过上述1、2步的操作，我们已经成功的将CAD格式的高程点和等高线数据添加到ArcGIS中并将其各自转换为ArcGIS可编辑的Shapefile格式，对应的文件分别为Aannotation_Select1、Polyline_Select1。
按一般的正常步骤到了这一步即可开始生成TIN文件了，但是通常我们导入的数据或多或少都有些问题，尤其是高程值不正常会导致生成的TIN文件出现错误，下面就介绍一下如何检查高程值的错误以及修复方法。
（1）高程点错误数据的修正
在内容列表里右键点击Aannotation_Select1图层，选择“打开属性表”，在属性表里我们找到Elevation、Text两列属性值，其中Elevation即为高程点对应的高程值，Text即为CAD里面标注的高程值，此处的Elevation值是真实值我们可以用，但是如果此处的Elevation值为空或者全部为零我们就不能用这个值来计算TIN文件了，就需要用到Text来间接计算，方法见后续章节。我们实验数据里的Elevation值非空（图4.3.1），可以使用，但要检查数据的准确性，一是要检验其数据的正确性，检验方法是通过和Text数据列对比，如果基本是能一一对应的，那数据也就基本是准确的（图4.3.1）；另外是要检查是否有错误值，检查方法是在表头处双击（啥是表头？就是显示Elevation这一列表的名字的地方！），切换数据按高低顺序显示，如图4.3.2，我们可以看到当Elevation数据列按从高到低排列后，出现了部分数据出现严重偏差，和Text数据列所标注高程不对等的情况，数据值为0甚至是负数，这是明显的错误高程值，需要对错误的高程点筛选出来进行修正，方法如下：
↑↑↑ 图4.3.1检查高程点数据中Elevation和Text属性值的差异性
↑↑↑ 图4.3.2 Elevation和Text属性值存在偏差的部分
①点击属性表-表选项-按属性选择，打开属性选择对话框，如图4.3.3。
↑↑↑ 图4.3.3 在属性表中打开属性选择工具
② 在属性框中按图4.3.4所示操作顺序输入属性选择表达式“Elevation
↑↑↑ 图4.3.4 属性选择工具对话框
③在Elevation处右键点击“字段计算器”，打开字段计算器列表，图4.3.5，注意此时选中字段呈现浅蓝色背景表示第②步的数据选择成功，否则不要进行下一步操作，请移步第②步重新操作直至成功选中需要修正的数据项，否则会出现该列数据全部北替换且无法撤退的严重错误，切记！
↑↑↑ 图4.3.5 在属性表中打开字段计算器
④ 在打开的字段计算器对话框中按图4.3.6所示，双击Text字段名，使得Elevation=Text，其含义是将Text字段的高程值赋值给Elevation字段缺失的列表项。点击确认完成。
↑↑↑ 图4.3.6 在字段计算器中将Text字段值赋予Elevation字段
按以上步骤我们对小于100的错误高程值进行了修正，完成之后我们再在Elevation表头双击，让列表按从高到底的顺序再做排序查看，我们通过和Text数据列的对比发现有几个较高的高程值仍然是不对的，对此，我们重复上述操作步骤①至④完成对该类错误数据的修复。
至此我们将Elevation中错误的高程值筛选出来并更新为Text字段中正确的高程值。
（2）等高线错误数据的修正
类似对高程点的操作步骤，在内容列表里右键点击Polyline_Select1图层，同样选择“打开属性表”，此处我们只看Elevation属性列，该列数据即为等高线的高程值，同样在表头双击进行排序检查错误高程值，此处没有Text字段进行对比，其检查方法就是查看明显具有较大跨度的高程值一般都是错误的，比如我们的实验数据中，基本的高程都是分布在790-1042米之间，那通过排序我们发现里面出现了高程值为0和91600这样极低和极高的高程值都是明显的错误值，对等高线的这种明显的错误值建议的处理方法是直接删除。
删除方法：
①按高程点筛选错误数据的方法筛选出等高线中错误高程值；
②在菜单栏空白处右键，勾选编辑器工具，点击编辑器-开始编辑，进入等高线编辑状态；（图4.3.7 ）
↑↑↑ 图4.3.7 通过编辑器开始编辑等高线数据
③直接按Delete键即可删除，完成后点击编辑器中的“保存编辑内容”、“停止编辑”。
至此我们也完成了对高程点和等高线错误数据的初步修正，下一步我们可以进行TIN文件的生成了。之所以只是初步修正，是因为在现阶段数据基础上生产的TIN文件不一定百分百正确，我们只是对我们在这个阶段能检查到的处于极高和极低的明显错误高程进行修复，其实在内部也可能存在一些我们看似正确其实是错误的高程值，比如某条等高线正常应该是100米，但是其中有一段被错误赋值为200米了，这样的错误我们在这个阶段是发现不了的，必须通过生成TIN文件后才能看出来，这个我们在后面讲解如何修复。
4、生成TIN文件
基于上述处理好的高程点和等高线我们即可生成TIN文件了，由于使用高程点和等高线生成TIN文件的方法是一样的，此处为了避免重复，选用等高线进行示范操作讲解。
（1）如图4.4.1，在ArcToolbox中依此展开“3DAnalyst-数据管理-TIN-创建TIN”，打开创建TIN工具；
↑↑↑ 图4.4.1 创建TIN工具所在ArcToolbox工具箱列表中的位置
（2）在创建TIN窗口按图4.4.2进行设置；
↑↑↑ 图4.4.2 创建TIN窗口的设置
（3）点击确认即可生成TIN文件，图4.4.3；
↑↑↑ 图4.4.3 生成的TIN文件可视化效果
说明：
（1）输出TIN的路径可根据需要自定义；
（2）坐标系暂时可不管，后续教程再讲如何设置正确的坐标系；
（3）高程字段请选择我们前面步骤修正后的高程字段，即Elevation字段；
（4）在图层列表里面TIN文件对应的图层名上双击可进入“符号系统”对其进行图示化设置，此处不展开讲解，后续再做图示化表达专题。
5、生成DEM文件
将第4步生成的TIN文件转换成DEM文件，方法比较简单，操作步骤为：
（1）在ArcToolbox中依此展开“3D Analyst工具-转换-由TIN转出-TIN转栅格”，双击打开“TIN转栅格”工具；（图4.5.1）
↑↑↑ 图4.5.1 TIN转栅格工具所在ArcToolbox工具箱列表中的位置
（2）如图xx，在“TIN转栅格”工具对话框中输入TIN文件选择第4步生成的TIN文件，采样距离选择CELLSIZE，其值设置为1。（注：此处的CELLSIZE的意思可以理解为生成DEM的精度，其取值默认不是1，设置为1的时候精度最高，当然对应数据量也最大，如果地形范围不大，建议此处尽量设置为1，如果地形范围太大可适当设置为5、10等数值）
↑↑↑ 图4.5.2 TIN转栅格工具对话框窗口选项设置
（3）点击确定，等待转换完成即可生产DEM栅格数据了，图5.5.3所示的createtin1_T图层即是我们生成的DEM原始效果，图例中945.5-1042的数值即是高程值的范围，通过双击图层进入符号系统可对其进行进一步的图示化表达。
↑↑↑ 图4.5.3 生成的DEM文件原始效果
至此我们成功通过ArcGIS将CAD中的高程数据（高程点、等高线）转换生成了我们在GIS中做地形分析所需要的DEM文件，后续我们常规的高程、坡度、坡向分析都是基于这个DEM文件进行的，该部分内容留作下次再讲解。
5、总结
本次教程的核心是讲解如何通过CAD高程数据生产GIS地形分析的核心数据——数字高程模型DEM文件，基于DEM的高程、坡度、坡向等其他相关地形分析在后续教程再做讲解。
从教程来看，生产DEM的核心是前期基础数据的处理，只要前面的数据处理好了，后面的生成操作是非常简单的，但是数据处理是一个相对麻烦的过程，尤其是不同来源的数据都有各自不同的问题，文中已经把我们常见的基本问题作了分析讲解，如果大家在自己操作中仍然出现了其他问题欢迎私信交流探讨。
MR.H 2016年11月20日
数字高程模型篇3:gis原理十六
§3.5 GIS的数据质量
首先阐述了GIS数据质量的内容和类型，然后介绍了GIS数据质量的研究方法，详细介绍了数据采集中，数据处理中的数据质量评价。
一、GIS的数据质量的内容和类型
GIS数据质量包含如下五个方面:位置精度、属性精度、逻辑一致性、完备性、现势性。空间数据的误差类型包括源误差、处理误差。
二、研究GIS数据质量的方法
GIS数据质量需要有评估的标准。GIS数据质量的评价方法 包括直接评价法、间接评价法、非定量描述法。研究GIS数据质量的常用方法，包括敏感度分析法、尺度不变空间分析法、Monte Carlo实验仿真、空间滤波。
三、数据采集中数据质量的评价
GIS中数据采集的方法通常可分为直接方法和间接方法两种。直接方法是指直接从野外采集，以获取观测数据、图像等，间接方法是指从已有的图件上进行采集。直接方法获取的数据受人差、仪差、环境等的影响，但已有传统的方法可以解决。间接方法获取的数据中，除了含有直接方法中的误差外，还有展绘控制点的误差、编绘的误差、制图综合的误差，数字化的误差等。
四、数据处理中数据质量的评价
在GIS的数据处理中，几何纠正、坐标变换、格式转换等的计算，除了计算机字长的影响外，在理论上可以认为是无误差的，因此，数据处理过程中的主要误差集中在与应用直接相关的处理中。这里举出几个实例：数字高程模型(DEM)的精度、矢量数据栅格化的误差、多边形叠置产生的误差等予以说明。
一、GIS的数据质量的内容和类型
1、GIS数据质量的基本内容
GIS数据质量包含如下五个方面：
1° 位置精度：如数学基础、平面精度、高程精度等，用以描述几何数据的质量。
2° 属性精度：如要素分类的正确性、属性编码的正确性、注记的正确性等，用以反映属性数据的质量。
3° 逻辑一致性：如多边形的闭合精度、结点匹配精度、拓扑关系的正确性等。
4° 完备性：如数据分类的完备性、实体类型的完备性、属性数据的完备性、注记的完整性等。
5° 现势性：如数据的采集时间、数据的更新时间等。
2、空间数据的误差类型
GIS空间数据的误差可分为源误差和处理误差。
(1)源误差
源误差是指数据采集和录入中产生的误差，包括：
1° 遥感数据：摄影平台、传感器的结构及稳定性、分辩率等。
2° 测量数据：人差(对中误差、读数误差等)、仪差(仪器不完善、缺乏校验、未作改正等)、环境(气候、信号干扰等)。
3° 属性数据：数据的录入、数据库的操作等。
4° GPS数据：信号的精度、接收机精度、定位方法、处理算法等。
5° 地图：控制点精度，编绘、清绘、制图综合等的精度。
6° 地图数字化精度：纸张变形、数字化仪精度、操作员的技能等。
(2)处理误差
处理误差是指GIS对空间数据进行处理时产生的误差，例如在下列处理中产生的误差就是处理误差。
1° 几何纠正；
2° 坐标变换；
3° 几何数据的编辑；
4° 属性数据的编辑；
5° 空间分析(如多边形叠置等)；
6° 图形化简(如数据压缩)；
7° 数据格式转换；
8° 计算机截断误差；
9° 空间内插；
10° 矢量栅格数据的相互转换。
(3)、GIS中的误差传播
误差传播是指对有误差的数据，经过处理生成的GIS产品也存在着误差。误差传播在GIS中可归结为三种方式。
1° 代数关系下的误差传播：这是指对有误差的数据进行代数运算后，所得结果的误差。
2° 逻辑关系下的误差传播：即指在GIS中对数据进行逻辑交、并等运算所引起的误差传播，如叠置分析时的误差传播。
3° 推理关系下的误差传播：这是指不精确推理所造成的误差。
二、研究GIS数据质量的方法
1、GIS数据质量的评价方法
（1）直接评价法
1°用计算机程序自动检测
某些类型的错误可以用计算机软件自动发现，数据中不符合要求的数据项的百分率或平均质量等级也可由计算机软件算出。例如，可以检测文件格式是否符合规范、编码是否正确、数据是否超出范围等。
2°随机抽样检测
在确定抽样方案时，应考虑数据的空间相关性。
（2）间接评价法
所谓间接评价法是指通过外部知识或信息进行推理来确定空间数据的质量的方法。用于推理的外部知识或信息如用途、数据历史记录、数据源的质量、数据生产的方法、误差传递模型等。
（3）非定量描述法
非定量描述法是指通过对数据质量的各组成部分的评价结果进行的综合分析来确定数据的总体质量的方法。
2、研究GIS数据质量的常用方法
（1）敏感度分析法
一般而言，精确确定GIS数据的实际误差非常困难。为了从理论上了解输出结果如何随输入数据的变化而变化，可以通过人为地在输入数据中加上扰动值来检验输出结果对这些扰动值的敏感程度。然后根据适合度分析，由置信域来衡量由输入数据的误差所引起的输出数据的变化。
为了确定置信域，需要进行地理敏感度测试，以便发现由输入数据的变化引起输出数据变化的程度，即敏感度。这种研究方法得到的并不是输出结果的真实误差，而是输出结果的变化范围。对于某些难以确定实际误差的情况，这种方法是行之有效的。
在GIS中，敏感度检验一般有以下几种：地理敏感度、属性敏感度、面积敏感度、多边形敏感度、增删图层敏感度等。敏感度分析法是一种间接测定GIS产品可靠性的方法。
（2）尺度不变空间分析法
地理数据的分析结果应与所采用的空间坐标系统无关，即为尺度不变空间分析，包括比例不变和平移不变。尺度不变是数理统计中常用的一个准则，一方面在能保证用不同的方法能得到一致的结果，另一方面又可在同一尺度下合理地衡量估值的精度。
也就是说，尺度不变空间分析法使GIS的空间分析结果与空间位置的参考系无关，以防止由基准问题而引起分析结果的变化。
（3）Monte Carlo实验仿真
由于GIS的数据来源繁多，种类复杂，既有描述空间拓扑关系的几何数据，又有描述空间物体内涵的属性数据。对于属性数据的精度往往只能用打分或不确定度来表示。对于不同的用户，由于专业领域的限制和需要，数据可靠性的评价标准并不相同。因此，想用一个简单的、固定不变的统计模型来描述GIS的误差规律似乎是不可能的。在对所研究问题的背景不十分了解的情况下，Monte Carlo实验仿真是一种有效的方法。
Monte Carlo实验仿真首先根据经验对数据误差的种类和分布模式进行假设，然后利用计算机进行模拟试验，将所得结果与实际结果进行比较，找出与实际结果最接近的模型。对于某些无法用数学公式描述的过程，用这种方法可以得到实用公式，也可检验理论研究的正确性。
（4）空间滤波
获取空间数据的方法可能是不同的，既可以采用连续方式采集，也可采用离散方式采集。这些数据采集的过程可以看成是随机采样，其中包含倾向性部分和随机性部分。前者代表所采集物体的实际信息，而后者是由观测噪声引起的。
空间滤波可分为高通滤波和低通滤波。高通滤波是从含有噪声的数据中分离出噪声信息；低通滤波是从含有噪声的数据中提取信号。例如经高通滤波后可得到一随机噪声场，然后用随机过程理论等方法求得数据的误差。
对GIS数据质量的研究，传统的概率论和数理统计是其最基本的理论基础，同时还需要信息论、模糊逻辑、人工智能、数学规划、随机过程、分形几何等理论与方法的支持。
三、数据采集中数据质量的评价
GIS 中数据采集的方法通常可分为直接方法和间接方法两种。直接方法是指直接从野外采集，以获取观测数据、图像等，间接方法是指从已有的图件上进行采集。
直接方法获取的数据受人差、仪差、环境等的影响，但已有传统的方法可以解决。间接方法获取的数据中，除了含有直接方法中的误差外，还有展绘控制点的误差、编绘的误差、制图综合的误差，数字化的误差等。
地图数字化是获取矢量数据的主要方法之一，也是GIS中的重要误差源，是GIS数据质量研究的重点之一。在地图数字化中，原图固有误差和数字化过程中引入的误差是两个主要的误差源。下面对地图数字化的数据误差作一分析。
1、地图固有误差的来源和类型
在地图的固有误差中，除了含有控制点和碎部点引入的误差外，至少存在下列误差：
(1)控制点展绘误差
展绘控制点是成图的第一步。当对地图的精度要求不高时，该项误差可不考虑。
(2)编绘误差
通常点状特征的编绘精度优于线状特征的编绘精度，即使都是线状特征，如果分辨率或宽度不同，编绘精度也不同。
(3)绘图误差
绘图误差是在绘图过程中产生的，其误差范围为0.06—0.18mm.。
(4)综合误差
综合误差的大小取决于特征的类型和复杂程度，又取决于采用的制图综合方法，如取舍、移位、夸大等，因此，综合误差极难量化。
(5)地图复制误差和分版套合误差
这些都是地图印刷中产生的误差，如地图复制误差的均方差为0.1—0.2mm。
(6)绘图材料的变形误差
地图一般印在纸上，随着温度和湿度的变化，纸张的尺寸也会变化。由于纸张在印刷时温度升高，纸张长度会伸长1.5%，宽度会伸长2.5%；而当纸张干燥和冷却后，其长度和宽度又分别收缩0.5%和0.75%。因此，在地图印刷完成后，图纸在长、宽方向上的净伸长分别为0.99%和1.73%。
(7)特征的定义
自然界中的许多特征并无明确的界限。例如，海岸线的位置、森林的边界等，但在地图上却有明确的位置。
2、数字化的误差
目前的地图数字化方式主要有跟踪数字化和扫描数字化两种。数字化的精度主要受数字化仪的精度、数字化方式、操作员的水平、数字化软件的算法等的影响，常采用下列方法进行评价。
1°、自动回归法
在对线划进行跟踪数字化的过程中，每隔一定时间和距离就记录一次坐标值，因此可以认为这些数据是序列相关的。即某一点误差的大小，除受该点本身的影响外，还受前一点误差的影响。
由于跟踪数字化不仅是一个随机序列，而且是一个时间序列，因此可用数理统计中的时间序列分析法来确定数字化的误差。
2°、ε－Band法
ε－Band法又称误差带方法，即在一条数字化线的两侧，各定义宽为ε的范围，作为该数字化线的误差带，也就是用ε的值来说明误差的范围，以及处理多边形叠置等的误差。该方法适用于任何类型的GIS数据，关键是如何给出合理的ε值。
3°、对比法
把数字化后的数据，用绘图机绘出，与原图叠合，选择明显地物点进行量测，以确定误差。除了几何精度外，属性精度、完整性、逻辑一致性等也可用对比法进行对照检查。
四、数据处理中数据质量的评价
在GIS的数据处理中，几何纠正、坐标变换、格式转换等的计算，除了计算机字长的影响外，在理论上可以认为是无误差的，因此，数据处理过程中的主要误差集中在与应用直接相关的处理中，下面举几个例子说明。
1、数字高程模型(DEM)的精度
数字高程模型（DEM）的数据来源是多种多样的，建立DEM的技术也不一样。常用的方法是利用解析立体测图仪从立体航空像对上测得高程，或者是利用数字化的地图等高线进行内插获得。此外，地面测量、声纳测量、雷达测量等数据也可作为DEM的数据源。
DEM的精度主要受原始资料的精度(采样密度、测量误差、地形类别、控制点等)和内插的精度(内插方法、地形类型、原始数据的密度等)的影响。在研究DEM的精度时，一般都假定已排除了粗差的影响，因为DEM的粗差难以探测。
对DEM内插精度的估算方法有多种，但结论是相同的，即DEM的内插精度主要受原始采样点的采样密度的影响，与不同的插值方法的关系不很大。但在DEM精度评定的标准方面、地貌逼真度方面、DEM的粗差探测等方面仍没有得到圆满的解决。
2、矢量数据栅格化的误差
矢量数据栅格化的误差可分为属性误差和几何误差两种。
在矢量数据转换为栅格数据后，栅格数据中的每个像元只含有一个属性数据值，它是像元内多种属性的一种概括。例如，在陆地卫星图像上，每个像元对应的地面面积为80m×80m，像元的属性值是像元内各地物发射量的平均值。如果像元内有一部分物体的反射率很高，即使占像元的面积比例很小，对像元属性值的影响也很大，从而导致分类错误，且损失一些其它有用信息。因此，像元越大，属性误差越大。 几何误差是指在矢量数据转换成栅格数据后所引起的位置的误差，以及由位置误差引起的长度、面积、拓扑匹配等的误差。几何误差的大小与像元的大小成正比。其中矢量数据表示的多边形网用像元逼近时会产生较严重的拓扑匹配问题。
关于拓扑匹配误差问题，Frolov和Maling(1969)提出的最早的估算方法是考虑一个像元被一条实际边界线二等分时引起的误差问题。尔后，Goodchild(1980)重新研究了这个问题。
如果假设边界线为一条随机穿过像元的直线，则对每个由边界线切割的像元i，把其切除部分的平均面积定义为误差方差，其估算公式为：
其中，S是正方形像元的边长，a为常数。Frolov和Maling计算的a为0.0452，后来Goodchild建议改为0.0619。
多边形面积误差的估算是按全部多边形边界像元的误差和来计算的。如果一个多边形的边界像元有m个，则其误差方差为：
边界像元的个数m可按多边形的边长来计算，且可简单地按下式计算：
其中N为多边形的总像元数目。
Switzer(1975)提出了估计矢量数据栅格化的精度的另一种方法。其分析的前提是：假设误差仅仅是由栅格化引起的，不考虑观测误差。该方法的基本思想是，假设存在一幅理想的矢量地图，图上不同属性的制图单元由很细的线分开；对理想地图进行观测采样得到一幅具有规则格网的栅格地图，把这两幅图进行叠置比较。虽然理想地图是根本不存在的，但在这一假设下，可以提供一种仅利用栅格地图本身来估算矢量数据栅格化的精度的方法。该方法的具体计算过程从略。
3、多边形叠置产生的误差
多边形叠置是GIS中常用的空间分析方法，但却会产生拓扑匹配误差、几何误差和属性误差。
多边形叠置误差计算的思路是，先计算单幅图或单层图的误差，再计算叠置图的误差。因此，下面仅简要讨论单数据层的叠置问题。
多边形叠置往往是不同类型的地图、不同的图层，甚至是不同比例尺的地图进行叠置，因此，同一条边界线往往是不同的数据，这样在叠置时必然会出现一系列无意义的多边形。所叠置的多边形的边界越精确，越容易产生无意义的多边形。这就是拓扑匹配误差。
多边形叠置所形成的多边形的数量与原多边形边界的复杂程度有关。将两个分别含有V1和V2个顶点的多边形叠置后将产生至少3个，至多V1+V2+1个多边形。如果多边形之间具有统计独立性时，产生中等数量的多边形；如果是高度相关的，则产生大量无意义的多边形。
多层叠置产生的无意义多边形实际上相当于矢量多边形栅格化引起的面积匹配误差。面积匹配误差因数字化精度的提高而减少，虽然无意义多边形的个数增多。
不管是用人机交互的方法把无意义的多边形合并到大多边形中，还是根据无意义多边形的临界值，自动合并到大多边形中，以及用拟合后的新边界进行叠置，都会产生几何误差，既新边界可能会偏离已制图的边界位置（或真实位置）。为了保证人们习惯上认为重要的边界线的精度，如境界、河流、主要道路等，处理时应对这些边界上的点加权使他们能尽可能地不被移动。
除了几何误差，实际上每个进行叠置的多边形本身的属性就是有误差的，因为属性值是分类的结果(如把植被分为不同的类别)，而分类就会产生误差。多幅图的叠置会使误差急剧增加，以至使叠置出的结果不可信。
