从SRTM到ALOS：详解全球主流高精度DEM数据获取与实战应用

1. 全球主流DEM数据全景概览

第一次接触数字高程模型（DEM）时，我盯着电脑屏幕上那些五颜六色的地形图发愣——这些看似简单的网格数据，背后竟然藏着整个地球表面的起伏秘密。作为地理信息系统的基石，DEM数据就像给地球做CT扫描，把高山、峡谷、平原都转化为可计算的三维坐标点。在实际项目中选错DEM精度，就像用模糊的老花镜看精密电路板，要么细节全无，要么资源浪费。

目前主流的开放DEM数据主要分为三个精度梯队：90米的SRTM3、30米的ASTER GDEM和SRTM1，以及12.5米的ALOS PALSAR。这就像给用户提供了三种放大镜——普通双筒望远镜、专业观鸟镜和高倍显微镜，每种工具对应不同的观察需求。90米数据适合洲际尺度的地形趋势分析，30米能满足省级流域规划，而12.5米则可用于局部工程选址。有趣的是，这些数据大多来自卫星雷达和光学传感器，相当于太空中的"地形扫描仪"，通过不同波段的电磁波反射时间来测算高程。

2. 90米SRTM3数据实战指南

2.1 数据特性与适用场景

2000年2月执行任务的航天飞机雷达地形测绘任务（SRTM）堪称DEM界的"老前辈"，其C波段雷达采集的SRTM3数据虽然分辨率只有90米，但凭借完整的全球覆盖（南北纬60°以内）和稳定的数据质量，至今仍是许多GIS项目的首选。我曾用SRTM3数据做过东南亚红树林分布研究，虽然单看某个湿地的地形细节略显模糊，但在分析整个湄公河三角洲的海拔梯度变化时却游刃有余。

SRTM3每个像素代表约90×90米的地表区域，高程精度官方标称为±16米。实际测试中，在平缓地区误差可控制在10米内，但山区会出现明显的"阶梯状"地形失真。建议将SRTM3用于：

• 跨省或跨国尺度的地形特征分析
• 中小比例尺（1:25万以上）地图制作
• 气候模型中的地形参数输入

2.2 数据获取与预处理技巧

NASA官网虽是官方数据源，但下载速度让人抓狂。我通常通过USGS EarthExplorer平台获取GeoTIFF格式数据，支持按经纬度网格或行政区划筛选。对于中国区域，有个省时技巧——直接下载已分幅的STRM3数据包，比如"广东省_90m_DEM"这样的预处理数据，省去了后续裁剪步骤。

原始数据常采用UTM投影，在Global Mapper中转换到WGS84地理坐标系只需三步：

1. 加载DEM文件
2. 右键图层选择"Reproject"
3. 输出坐标系选"Geographic Lat/Lon"

遇到数据缺失区域（如水域或雷达阴影区），可用相邻像素插值填补。有个容易踩的坑：SRTM3的NoData值常显示为-32768，在ArcGIS中需要用栅格计算器将其替换为真正的高程值。

3. 30米精度DEM的双雄对决

3.1 ASTER GDEM的进化之路

日本经济产业省（METI）与美国NASA联合发布的ASTER GDEM堪称"地形摄影大师"，其光学立体像对技术能生成色彩斑斓的地形图。2019年发布的V3版本让我眼前一亮——之前做黄土高原水土流失研究时，V2版本在沟壑区总有数据空洞，而V3通过新增68万场景数据弥补了这些缺陷。

ASTER GDEM覆盖了全球99%的陆地（北纬83°至南纬83°），每个像素代表30×30米区域。实测高程精度在平地为±10米，山区约±15米。与SRTM1相比，它的优势在于：

• 更丰富的纹理细节（尤其裸露岩层）
• 包含建筑和植被的"表面高程"
• 支持坡度/坡向的精细计算

但要注意其"过度平滑"现象——在城市区域，高楼会被摊平成一个缓坡。我曾用ASTER数据估算山区光伏电站选址，必须配合LiDAR点云数据校正才能获得真实地形。

3.2 SRTM1的隐藏价值

同样30米精度的SRTM1数据常被忽视，其实它在某些场景下比ASTER更可靠。SRTM1采用雷达干涉测量，能穿透云层获取地形数据。去年分析喜马拉雅山脉冰川退缩时，ASTER数据因常年云雾覆盖无法使用，而SRTM1给出了完整的高程信息。

获取SRTM1有个捷径：美国地质调查局（USGS）的3DEP计划提供了经过空洞填充的版本。处理时建议：

• 使用NASA提供的"void fill"算法修补缺失数据
• 对于陡峭地形，先做5×5的中值滤波消除雷达噪声
• 与当地控制点数据配准校正

4. 12.5米ALOS数据的工程级应用

4.1 雷达测绘的技术突破

日本ALOS卫星搭载的PALSAR传感器可谓"地形显微镜"，其L波段雷达能生成12.5米精度的DEM。我在参与某跨境铁路选线时，ALOS数据清晰显示了传统数据中看不到的5-10米高差变化，成功避开了多处潜在滑坡体。

ALOS World 3D - 30m (AW3D30)的增强版能达到5米分辨率，但需要商业授权。免费版数据需注意：

• 原始数据为1°×1°分幅
• 使用前必须做正射校正
• 沿海区域可能出现高程异常

4.2 数据处理实战演示

以QGIS处理ALOS数据为例：

# 步骤1：合并相邻图幅 gdal_merge.py -o merged.tif N035E138_AVE_DSM.tif N035E139_AVE_DSM.tif # 步骤2：转换为CGCS2000坐标系 gdalwarp -t_srs EPSG:4490 merged.tif reprojected.tif # 步骤3：生成坡度图 gdaldem slope reprojected.tif slope.tif -of GTiff

对于大型工程，建议采用"金字塔"策略——用ALOS数据做重点区域分析，周边用30米数据补充。曾有个水库项目，我们仅对坝址周边3公里使用ALOS数据，就节省了70%的处理时间。

5. 精度选择的黄金法则

面对多种DEM数据，新手常陷入"精度越高越好"的误区。其实就像选择相机镜头，关键看拍摄对象——拍足球场用广角镜，拍昆虫才需要微距。根据项目经验，我总结出这个选择矩阵：

有个容易忽略的时间维度——SRTM3数据已是20年前的老照片，在城市扩张区可能严重失真。去年分析深圳前海片区时，2000年的SRTM3显示该处还是海面，必须配合最新航拍数据使用。

6. 预处理中的避坑指南

DEM数据就像新鲜食材，需要适当"烹饪"才能上桌。这些年在数据处理上踩过的坑，总结出几条血泪经验：

投影转换时遇到"橡皮筋效应"怎么办？这是由椭球面到平面的数学变形导致。有次将UTM数据转高斯投影时，山区道路网竟然扭曲成了波浪线。解决方法很简单：

1. 先用gdalwarp做初步转换
2. 再用ArcGIS的"Rubbersheet"工具局部校正
3. 最后用控制点检查精度

数据镶嵌时的"接缝噩梦"更让人头疼。不同时相、不同传感器的DEM拼接处常出现"悬崖"。我的应对方案是：

• 在Global Mapper中使用"Feather"羽化功能
• 重叠区取平均值
• 必要时手动编辑接缝线

对于追求效率的用户，不妨考虑商业预处理数据。虽然需要付费，但像全国分省的WGS84坐标系DEM，即下即用的便利性确实能节省数周工作量。不过要警惕某些商家提供的"精度增强"数据——有次买到的所谓"5米DEM"，实则是12.5米数据插值而来，高程误差反而增大了。