研究背景与创新
数字高程模型（DEM）是地表形态的数字表达，在城市规划、气候韧性提升、空间治理及智能化管理中具有核心作用。传统DEM构建方法在处理复杂城市地物遮挡和动态变化方面存在效率低、后处理复杂或时效性差等问题。
本文提出一种"分区分块"的高精度DEM建模方法，通过深度学习进行地表功能分区，针对不同地物类型采用差异化建模策略，有效解决多地物混合区的高程突变与细节保真问题。
核心流程四阶段
数据预处理
利用大疆智模（DJI Terra）平台，通过自适应算法和阈值设置，自动剔除道路上的车辆、行人及悬浮杂物。
地表功能分区
采用CoANet提取道路骨架，使用DeepLabV3进行地物分割，划分为建筑、裸露地、草地、林地、水体五大典型分区。
差异化建模
针对不同地物类型采用专门的建模策略，如林地采用融合算法恢复林下地形，建筑采用极值识别整体降高。
区域DEM融合
以道路DEM为基准框架，在各地块交界处设置1m缓冲区作为过渡带，采用不同融合策略确保平滑过渡。
五大典型分区
建/构筑物区
结构高差显著，边界清晰。采用极值识别整体降高法，将建筑物表层点云整体降低至邻近地面点高度，针对遮蔽区进行高程点加密补全。
裸露地区
包含道路、广场、操场，高程平缓连续，是城市骨架。采用平均统计降高法，针对道路两侧行道树点云进行高程统一降低处理，消除植被干扰。
草地与低矮植被区
地形起伏微小，地面点分布均匀。采用区域增长算法，关键参数：网格边长10，生长半径5，生长阈值0.15，能有效保留微洼、边缘沉降等自然起伏特征。
林地区
高大乔木覆盖，地表隐蔽，需恢复林下地形。融合"改进局部最大值算法"与"邻域均值降高算法"，将植被点高程赋值为邻域地面点的高程均值，平滑灌木引起的凸点。
水体区
河流、湖泊等，表面平整，边界明确。采用水涯线均值法，提取带有高程信息的水涯线，取其平均值作为水域基底面高程，确保水面平整。