盐城淤泥质滨海湿地DEM构建及其精度评估研究

侯明行，刘红玉，张华兵，王 聪，谭清梅

(南京师范大学 地理科学学院，江苏 南京 210023)

滨海湿地是指发育在海岸带附近并且受海陆交互作用的湿地，是陆地生态系统和海洋生态系统的过渡地带，广泛分布于沿海海陆交界、淡咸水交汇地带，是一个高度动态和复杂的生态系统[1]。其在区域生态安全、人类生存环境甚至区域经济发展方面都发挥着重要作用[2]。盐城滨海湿地属于典型的淤泥质海岸湿地，在人类活动日益加剧的今天，一些岸段基本保持了天然的生态结构和功能，成为我国乃至世界为数不多的典型原始海岸湿地之一[3]。

盐城滨海湿地由于是目前残留的典型淤泥质潮滩湿地[4]，具有地形平坦，潮沟纵横，植被高密以及分布面积广等特征。这些特征一方面给区域地形测量带来巨大困难，另一方面与地形起伏大的区域相比，DEM构建难度较大，使得地形研究成为该湿地的“空白区”，不利于区域湿地保护与科学管理。当前对DEM的研究主要集中于高山丘陵地区，而对于平原地区尤其是地形平缓，高程差异较小的沿海区域，系统的地形研究尚不多见。作为自然环境中的重要因素，地形因子通过各种形式对区域土壤、地表物质的迁移与能量的转换以及水源涵养能力等都产生重要影响[5]。同时地形作为景观结构和空间格局的重要影响因子,还控制着湿地植被的分布与演替。有鉴于此，本研究利用2002年野外高程测量数据，运用Kriging和TIN两种不同思想的插值方法对盐城淤泥质滨海湿地DEM的构建与精度评估两个问题展开研究，在传统方法的基础上，通过查找和充分运用数据本身的约束性条件来创建更能反映平坦湿地的DEM，以期通过研究为该区域湿地地形模拟找到合适的方法，同时为盐城滨海湿地的保护与科学管理提供必要的基础性参考。

1 研究区特征

盐城保护区，地处江苏省中部沿海，是典型的淤泥质滨海湿地。面积约为45.33×104hm2，是我国最大的海岸带保护区。该区地处亚热带向暖温带的过渡地带，季风气候显著，温暖湿润，雨水充沛，四季分明，受南北气流和海洋、大陆双重气候的影响，年平均气温介于13.7～14.8 ℃之间，无霜期220 d,年降水量为900～1 100 mm，南部多于北部。6-8月降雨量约占全年降雨量的40%～50%；地貌类型主要为海积平原。保护区核心区北至新洋港，南至斗龙港，西至海堤，总面积为1.90×104hm2。核心区内原始植被保存完整，植被类型丰富多样。米草、碱蓬、芦苇等自然植被自东向西在南北方向上呈带状分布。目前，保护区以中路港为界分为南北两部分。北部主要为人工管理区，受人类活动干扰强烈，景观组分单一，主要为养殖塘、道路等人为景观。南部则主要为自然湿地区，受人类活动干扰比较微弱，基本保持了原始湿地面貌。本文试图从方法上探讨淤泥质滨海湿地DEM的构建技巧，为消除北部管理区人为活动的影响，故选择南部自然湿地区为本文章的研究区域。研究区位置与范围如图1所示。

图1 研究区位置与范围图Fig.1 Location and scope of the study area

2 数据来源与预处理

2.1 数据来源

研究数据来源于2002-05初-06底所进行的野外地形测绘资料：1∶10000核心区等高线、1∶10000核心区高程点(采用1985年国家高程基准面(大地水准面))。2002年Landsat ETM+遥感影像(多光谱30 m，全色15 m)；1997和2007年江苏省海岸带1∶20万植被调查图、1∶20万地貌调查图。参照1997和2007年海岸调查图，利用监督分类方法制作2002核心区景观类型图[6](经过野外调查检验,遥感影像解译判读精度在90%以上)。以上数据统一采用高斯—克吕格投影的3度分带西安1980坐标系。研究区源数据分布如图2所示。

图2 研究区源数据分布图Fig.2 Source data distribution of the study area

2.2 高程点预处理

离散高程点数据的质量和分布特征对DEM的质量有直接影响，因此在构建DEM之前必须对离散高程点数据进行质量和分布特征检测。检测的内容主要包括：是否存在重复点和异常点、是否符合正态分布、是否存在趋势效应等。由于湿地高程数据采集任务的繁重，加之面积巨大，不可避免的会对部分数据进行重复合并或多次读数；同时由于测量过程中的操作失误，还可能造成部分影响全局或局部的异常点[7]。再者，数据的正态分布以及趋势效应也会对插值的DEM产生较大的影响。适当考虑数据中的趋势效应有助于利用数学公式对表面的非随机成分进行表达，以便选择更好的模型对其拟合，只有这样才能保证生成的DEM效果最佳。基于以上思想，本文章利用地统计分析模块的数据浏览功能(Explore Date)对本次数据进行检测：全局异常点的检测以及正态分布采用直方图法，局部异常点的检测采用Voronoi图法，而趋势效应检测采用Trend Analysis法进行[8]。检测结果如图3、4所示。

图3 数据直方图Fig.3 Histogram of the data

图4 数据趋势图Fig.4 Trend chart of the data

观察直方图3(其中x轴为研究区高程点海拔分布范围(-0.3～2.8 m),y轴为在该区间上的分布频率(个数×10-1))发现，该数据未发现明显的全局异常点，而在Voronoi图的检测中，数据存在部分偏高的异常值，通过查阅资料以及参照卫星影像分析认为，这些偏高的异常点部分是明显的测量误差，部分则是符合局部地形(米草区)的特征值。对局部特征值进行保留，对测量误差值进行剔除。同时，还可以发现直方图表面数据呈单峰分布，而且具有一定的对称性，接近于正态分布。

观察Trend Analysis图4(逆时针旋转20°呈现NE-SW)可以发现，在NE-SW(包括南北)方向(右方)上数据没有明显的特征，接近于直线分布；而在SE-NW方向(左方)上表现出先增高后降低的趋势，显示出一个倒置的“U”型。这种趋势结合2002年景观分类图(图2)可以给予解释：核心区从陆向海方向上，养殖塘、芦苇、碱蓬、米草、光滩自东向西在南北方向上成带状分布，而图上的SE-NW方向上的趋势主要发生在研究区下部三里河部位，该区生长着宽达4 km的米草带，借助于米草的促淤保滩功能使其海拔明显高出两边的光滩和碱蓬区。因此，在SE-NW方向上呈现的倒置“U”型趋势是合理的。

3 结果与分析

3.1 盐城淤泥质滨海湿地DEM构建

3.1.1 数字高程模型(DEM)的概念

数字高程模型(DEM) 是在电子计算机支持下采用数字量来描述地球表面高程变化的抽象模型[7]。它是一定范围内规则格网点的平面坐标(X，Y)及其高程(Z)的数据集，用以描述区域地貌形态的空间分布。它能够以多种形式显示地形特征，并且支持对数据的快速修改和实时更新，便于进行地形分析和动态变化分析，具有形象、直观、精确的特点。广义上的DEM还包括等高线、三角网等。

3.1.2 DEM的构建方法

目前,根据研究需要和数据采集情况,构建DEM的方法主要有：利用实测数据构建TIN创建DEM；利用地形图提取等高线插值生成DEM；利用航摄立体相对构建DEM；利用遥感影影像立体相对建立DEM以及利用合成孔径雷达干涉测量技术获取DEM等[9]。在实践中应用最广泛、技术最成熟的结构类型是正方形格网DEM(Grid)和不规则三角网DEM(TIN)[6]。本文章将重点阐述在考虑数据源诸多限制性条件下这两者的构建方法，以期为盐城滨海湿地DEM的构建选择合适的方法。

对图2中的高程点，应用Arcgis地统计分析模块中的Greate Subsets工具按随机方式分解成两部分，一部分占95%，共285个观测点，用以构建DEM；另一部分占5%，共 16个观测点，用以评价DEM精度。

1)正方形格网DEM(Grid)的构建方法

加载地统计分析模块(Geostatistical Analyst),应用地统计向导中的普通Kriging插值法对随机产生的285个观测点进行运算(Geostatistical Analyst->Geostatistical Wizard ->Kriging->Ordinary Kriging->Prediction Map)。为防止采用缺省参数插值造成的DEM精度过低，本方法应用数据预处理中检测的限制性条件来约束Kriging插值。其中，针对数据中东南-西北方向上呈现的倒置“U”型趋势，采用二阶多项式拟合，以消除该趋势对全局的影响；本次观测点样点对之间的空间距离平均为600 m,且半变异/协方差检验中发现当距离大于790 m之后样点对之间就不存在自相关关系，故将步长值设置为650 m，步长组设置为15，这样可以有效地放大并模拟相邻采样点间局部变异的细节；参考点采用约束最大搜索半径、约束搜索方向和约束搜索参考点个数的复合条件搜索法，为保证在各个方向上都有参考点，将搜索方向分为四个方向，每一个方向最多搜索5个参考点，最少搜索2个参考点。交叉验证显示：均差为0.000 068 0接近0，均方根标准误差为0.984 7接近于1。因此，可以判断采用基于数据本身的限制性条件来约束Kriging插值构建DEM的模型具有精确的预测效果。经查阅相关资料[10-12]可知：当输出栅格尺寸过小时，将造成地形信息遗缺情况严重,数据损失率增大[13]。当栅格尺寸过大时，在某种程度上又会造成对地形的描述过于粗糙，难以实现对真实地形的表达。结合本研究区整体地形平坦，高程差异较小等特征，为方便对地形开展进一步的研究，本文章采用的栅格大小为5 m。输出栅格大小为5 m×5 m的Grid-DEM如图5所示。

2)不规则三角网DEM(TIN)的构建方法

不规则三角网(TIN)是按一定的规则将离散点连接成覆盖整个区域且互不重叠、互不交叉的三角形，从而建立离散点之间的空间关系的过程[14-15]。根据采样点之间的相互关系，TIN的构建方法分为约束性TIN和无约束性TIN[8]。鉴于本文章数据之间存在一定的空间关系，故采用基于Delaunay准则的带边界约束的TIN构建DEM。

加载三维分析模块(3D Analyst),应用Create TIN from features工具构建TIN(3D Analyst→Create/Modify TIN→Create TIN from features)。同时，加载数据等高线和等高点。其中Height source设置为高程字段(ELEV)，Triangulate as设置为mass point(使等高线和等高点都以点的形式参与TIN的构建)。为方便与Grid-DEM对比，通过3D Analyst →Convert→TIN to Raster工具，将TIN转换为栅格DEM。栅格大小同设置为5 m×5 m。然后对生成的DEM执行平滑处理，使生成的表面更加精确。TIN-DEM结果如图6所示。

图5 Grid-DEM效果图(m)Fig.5 Effect drawing of the Grid-DEM(m)

图6 TIN-DEM效果图(m)Fig.6 Effect drawing of the TIN-DEM(m)

3.2 DEM精度评估与比较

3.2.1 DEM精度评估

目前，DEM精度评定的方法主要有检查点法、剖面法、等高线法等[9]。检查点法具有直观、清晰、精确和易操作的特点。故本文章采用此种方法来检验DEM的精度。

检查点法即将模型高程与相同位置实测点的高程进行比较，从而进行对比分析，以评估DEM精度的方法[16]。本文章应用在数据预处理中，经过运算随机产生的5%(16个)的实测点，用以评价DEM精度。规定模型高程与实测点高程的差的绝对值为绝对误差,绝对误差与实测点高程的比为相对误差[17]。统计结果如表1所示。

从表1、2中可以看出，从总体上来说无论是Grid还是TIN生成的DEM，误差都在可控范围之内。其中Grid-DEM的绝对误差最大值为0.162 m，平均绝对误差为0.063 m，平均相对误差为4.20%；而TIN-DEM的最大值仅为0.028 m，平均绝对误差和平均相对误差只有0.005 m和0.36%。根据数字高程模型标准(CH/T9009.2-2010)中对高程误差的规定，高程中误差最低的平地为0.5 m[16]。因此，检查点法评估结果表明本次所建立的Grid-DEM和TIN-DEM的精度是符合要求的。

3.2.2 DEM比较

本文章利用盐城滨海湿地等高线和等高点数据，分别从两种方法上，以不同的思想构建湿地DEM。经过精度评估认为，两种方法在模拟湿地地形中都具有较好的效果，均满足精度需要。为更好的揭示湿地地形，将两种方法进行直接的比较，以期为湿地DEM构建选择最优的方法提供理论参考。比较结果如表2所示。

表1 DEM误差统计表Table 1 Statistics of the DEM errors

表2 DEM比较表Table 2 Comparison between the DEMs

表2说明，对以上两种方法生成的DEM,经过精度评估，虽然都满足精度要求，但二者仍然存在较大的差别：从整体上来看，无论是绝对误差还是相对误差，Grid-DEM都要远高于TIN-DEM。从最大值上来看，Grid-DEM在绝对误差方面比TIN-DEM整整高出0.134 m，就整个区域0.1 m的高程差来说，0.134 m的误差对地形本就平缓的湿地在地形表达方面将会产生较大的影响。通过查看景观分类图可知，二者差别较大的区域主要集中在西部的田埂和东部的光滩上，在这些受人类干扰较强以及经常受潮汐影响而处于不断变化的区域，Grid插值要明显差于TIN插值。在平均相对误差方面，Grid-DEM达到4.20%，相应的TIN-DEM却只有0.36%，如果定义100%与平均相对误差的差为平均精度，那么本次研究中TIN-DEM的平均精度就高达99.63%，而Grid-DEM的平均精度仅为95.80%。分析认为，尽管在Grid插值时，全面的考虑了数据存在的“U”型趋势，且根据样点对之间的自相关阈值设置了合适的步长和步长组，插值精度在一定程度上也能得到保证，但与基于等高线和等高点数据为基础的TIN插值来说，在精度方面要远远落后，因为等高线是地形的综合表达，蕴藏着丰富和准确的地形信息，是各种约束条件所无法比拟的。从图5、6上来看，在DEM表面整体光滑度方面，Grid-DEM却要优于TIN-DEM。

同时，Grid和TIN作为目前DEM最主要的两个数据结构，都各有优缺点。Grid存储结构简单，有利于对地形的进一步表达。但由于其精度主要受方格大小的影响，过大或过小都会影响对复杂地形的描绘。于此相反，TIN的存储结构较为复杂，但由于TIN的三角形可以任意大小，对复杂地形和平坦区域都具有较好的表达能力。因此，如果采样点分布比较均匀，研究区域没有地形突变特征，那么首选Grid-DEM。反之，如果采样点分布很不均匀，研究区域又存在多种地形突变特征，而且需要保留地形的特征点或特征线等信息，那么首选TIN-DEM。另外，在地形较为平坦的湿地区域，若要进一步分析地形与植被分布，以及湿地冲淤演变的相互关系等问题时，选择精度更高的TIN-DEM，才能从根本上揭示地形作为景观结构和空间格局重要影响因子的核心作用。

4 结 论

本文章围绕基于Grid和TIN两种不同思想的插值方法对盐城淤泥质滨海湿地DEM的构建与精度评估两个问题展开研究，试图通过研究为该区域湿地地形模拟找到合适的方法。DEM数据是原始湿地保护与管理的重要基础性数据，而精度评估则是DEM数据能否发挥作用的关键。通过对以上两个问题的研究，主要取得了以下几个方面的成果：

1)利用地统计分析工具，对观测点数据进行了检测，发现数据呈现出一定的正态分布趋势，符合插值要求；在数据中未发现全局异常点和影响插值的局部异常点；在SE-NW方向上数据呈现出明显的倒置“U”型趋势，但基本与该区域的植被分布状况吻合。通过对数据的分析与预处理，得到了有利于构建DEM的可靠数据。

2)在数据分析的基础上采用Kriging插值法对观测点进行运算，其中针对数据中SE-NW方向上呈现的倒置“U”型趋势，采用二阶多项式拟合，以消除该趋势对全局的影响；根据数据样点对之间的自相关阀值，确定了合适的步长和步长组，最大程度的模拟了相邻采样点局部变异的细节。交叉验证显示：均差接近于0，均方根标准误差接近于1。证明采用Kriging插值同时考虑数据本身约束性条件的模型是可行的。同时，运用等高线和等高点数据生成的TIN，效果同样比较理想。

3)对两种方法生成的DEM进行了精度评估，从总体上来说无论是Grid还是TIN生成的DEM，误差都在可控范围之内。其中Grid-DEM的绝对误差最大值为0.162 m，平均绝对误差为0.063 m，平均相对误差为4.20%；而TIN-DEM的最大值仅为0.028 m，平均绝对误差和平均相对误差只有0.005 m和0.36%。根据数字高程模型标准，本次所建立的Grid-DEM和TIN-DEM的精度是符合要求的。

4)在对Grid-DEM和TIN-DEM的比较中发现：从整体上来看，无论是绝对误差还是相对误差，Grid-DEM都要远高于TIN-DEM，两者最大值相差0.134 m，这将会对湿地地形表达产生较大的影响。在受人类干扰较强以及经常受潮汐影响而处于不断变化的区域，Grid插值要明显差于TIN插值。通过进一步的运算可知，本次研究中TIN-DEM的平均精度高达99.63%，而Grid-DEM的平均精度仅为95.80%。造成这些差别的原因，分析认为主要是等高线和潮汐的影响。因为等高线是地形的综合表达，蕴藏着丰富和准确的地形信息，是各种约束条件所无法比拟的。但在DEM表面整体光滑度方面，Grid-DEM却要优于TIN-DEM。

5)针对此次研究中两种DEM的评估误差较大，笔者分析认为可能是等高线和潮汐的影响。淤泥质滨海湿地受潮汐的作用频繁，基于潮汐作用提取水边线进而反演高程将会成为一个新的研究课题。这部分工作将在以后的论文中予以阐述。

参考文献(References)：

[1] ZHANG X L, LI P Y, LI P, et al. Present Conditions and Prospects of Study on Coastal Wetlands in China[J]. Advances in Marine Science,2005,23(1):87-95. 张晓龙，李培英，李萍，等．中国滨海湿地研究现状与展望[J].海洋科学进展，2005,23(1)：87-95.

[2] LIU H Y, LI Y F, CAO X, et al. The current problems and perspectives of landscape research of Wetlands in China[J]. Acta Geographica Sinica,2009,64(11):1394-1401. 刘红玉，李玉凤，曹晓，等．我国湿地景观研究现状、存在的问题与发展方向[J].地理学报，2009，64(11):1394-1401．

[3] ZHANG H B, LIU H Y, HAO J F, et al. Spatiotemporal characteristics of landscape change in the coastal wetlands of Yancheng caused by natural processes and human activities[J]．Acta Ecologica Sinica，2012，32(1):101-110. 张华兵，刘红玉，郝敬锋，等. 自然和人工管理驱动下盐城海滨湿地景观格局演变特征与空间差异[J].生态学报，2012,32(1)：101-110.

[4] XUE X Y, LIU H Y. Study on the classification approaches of Yancheng Coastal Wetlands based on ALOS images[J]. Remote Sensing Technology and Applcation,2012,27(2):248-255. 薛星宇，刘红玉.基于ALOS影像的盐城海滨湿地遥感信息分类方法研究[J].遥感技术与运用，2012,27(2)：248-255.

[5] YU H, ZENG H, JINAG Z Y. Study on distribution characteristics of landscape elements along the terrain gradient[J]. Scientia Geographica Sinica,2001,21(1):64-69. 喻红，曾辉，江子瀛.快速城市化地区景观组分在地形梯度上的分布特征研究[J].地理科学，2001，21(1):64-69.

[6] LIU Y X, ZHANG R S, LI M C. Study of the remote sensing extraction method of ground object information on the Jiangsu tidal flat[J].Advances in Marine Science,2004，22(2)：210-214. 刘永学，张忍顺，李满春.江苏淤泥质潮滩地物信息遥感提取方法研究[J].海洋科学进展，2004，22(2)：210-214.

[7] HE M B. A Study on DEM construction and dynamic change of Jiuduansha Wetland base on 3S technology[D].Shanghai:East China Normal University,2008. 何茂兵.基于3S技术的九段沙湿地DEM构建及动态变化研究(学位论文)[D].上海：华东师范大学，2008.

[8] TANG G A, YANG X. Experimental course of geographic information system spatial analysis[M]. Beijing:Science Press,2006：308-435. 汤国安，杨昕.ArcGis地理信息系统空间分析实验教程[M].北京：科学出版社，2006:308-435.

[9] QIN H B, ZHENG X X, LIU D L, et al. The establishment of digital elevation model based on ArcGIS and its application to Badaling Forest Park[J]. Forest Inventory and Planning，2008,33(1)：4-7. 秦红斌,郑小贤,刘东兰,等.基于ArcGIS的DEM的构建及其在八达岭森林公园规划中的应用[J].林业调查规划，2008,33(1)：4-7.

[10] XIE Y L, ZHANG W, WU L W, et al. A research on the grid size in constructing DEM with 1∶2 000 topographical map[J]. Journal of Northwest University (Natural Science Edition),2006,38(3):495-498. 谢元礼,张 伟,吴乐文,等.1∶2000地形图构建DEM时栅格尺寸的研究[J].西北大学学报(自然科学版)，2006,38(3):495-498.

[11] SHEN C L, MA J S. The influence of different size of grid on terrain factors in DEM analysis[J]. Modern Surveying and Mapping,2007,30(6):3-6. 申成磊,马劲松.栅格尺度对DEM分析中地形因子的影响[J].现代测绘，2007,30(6)：3-6.

[12] WANG Y, LIU H B, NING M Z. Effect of horizontal resolution of raster DEM on landform information[J].Geomatics & Spatial Information Technology,2005,28(6):41-47. 王妍,刘洪斌,宁茂歧.栅格DEM的水平分辨率对地形信息的影响分析[J].测绘与空间地理信息，2005,28(6)：41-47.

[13] SHI M C, SHEN J Y. Studies on the relations between the grids size of various undulate landforms and the accuracy of DEM[J]. Research of Soil and Water Conservation,2006,13(3):35-38. 史明昌,沈晶玉.不同地貌起伏状况下网格尺寸与DEM精度关系研究[J].水土保持研究，2006,13(3)：35-38.

[14] WANG J Y, CUI T J, MIAO G Q. Digital elevation model and data structure[J].Hydrographic Surveying and Charting,2004,24(3):1-4. 王家耀,崔铁军,苗国强.数字高程模型及其数据结构[J].海洋测绘, 2004, 24 (3)：1-4.

[15] ZHANG X Q, ZHAO X L. Establishment and application of three-dimensional visualization in pingyi county[J]. Journal of Shandong land resources,2007,23(12):12-15. 张先启，赵贤良.平邑县DEM模型的建立及其三维可视化[J].山东国土资源，2007,23(12)：12-15.

[16] REN Y S, LUO M X. Coastal DEM construction and accuracy assessment based on ArcGIS[J].Geospatial Information,2011,9(6):93-95. 任岳森，罗美雪.ArcGIS支持下的海岸带DEM构建与精度评估分析[J].地理空间信息，2011,9(6):93-95.

[17] HE M B, WU J P. Jiuduansha intertidal elevation acquisition based on multi-temporal remote sensing images. [J]. Resources and Environment in the Yangtze Basin,2008,17(2):310-316. 何茂兵，吴健平.基于多时相遥感数据的九段沙潮滩高程获取[J].长江流域资源与环境，2008,17(2)：310-316.