美国北卡罗来纳海岸城市合成高程检查点网络的自动化生成及其在遥感地形验证中的应用

本研究为解决遥感地形模型垂直精度验证中现场工作成本高、覆盖不均的问题，开发了一种基于激光雷达数字高程模型（Digital Elevation Model, DEM）时间序列、道路矢量网络和土地覆盖图的自动化合成高程检查点生成方法。研究成功在美国北卡罗来纳海岸生成了6000-10000个检查点，验证了其与传统现场检查点相似的统计精度（RMSEz平均差0.018 m），显著降低了资源消耗，并为历史数据集提供精度评估手段，推动海岸变化监测和灾害管理应用。

　　

在海岸科学和灾害管理领域，高精度数字高程模型（DEM）的应用日益广泛，例如洪水测绘、滑坡监测和地貌变化检测。然而，这些模型的垂直精度验证严重依赖现场高程检查点网络——需要专业团队使用全球导航卫星系统（GNSS）实地测量，既耗时又昂贵。更棘手的是，许多历史遥感调查因资源限制而缺乏验证数据，导致精度指标缺失或仅基于“编译达标”标准（如假设RMSE_z为0.15 m），而非实际测试结果。这一问题在北卡罗来纳州海岸尤为突出：该地区虽拥有22年的激光雷达（Lidar）DEM时间序列，但56%的早期调查未经验证，且现有检查点网络稀疏（平均仅0.17-0.24点/km），无法捕捉空间误差变异。这不仅限制了地貌变化检测的可靠性，还迫使研究人员采用保守的不确定度阈值，错失纠正系统性偏差的机会。

为解决这一挑战，美国地质调查局（U.S. Geological Survey）的研究人员Alexander Seymour及其团队在《Science of Remote Sensing》上发表了一项创新研究。他们开发了一种全自动方法，利用公开数据生成大规模合成高程检查点（Time-Series Control Points, TSCPs），并通过北卡罗来纳州海岸的实证验证，证明了该方法在降低验证成本、提升历史数据精度评估能力方面的显著优势。研究结果表明，TSCPs能生成高密度检查点网络（密度达189点/km²），其精度与传统现场检查点统计相似（RMSE_z差异仅0.007-0.020 m），同时为历史数据集提供了可靠的垂直误差指标（平均偏差差0.021 m），为海岸地貌动态监测开辟了新途径。

研究采用多步骤技术流程：首先，基于道路矢量网络和土地覆盖图（如NOAA C-CAP）定位候选点；其次，利用激光雷达DEM时间序列计算高程平均值，并分阶段移除全局异常值（如1990年代低精度调查）和局部异常值（阈值±0.075 m）；最后，通过置信区间滤波（如95% CI宽度<0.06 m）和趋势检测，筛选出高可靠性TSCPs。样本来源于北卡罗来纳州海岸18个历史Lidar调查和公共道路数据。

3.1. TSCP分布

研究在沿海城市化区域生成了6,853个复杂TSCPs和10,661个简约TSCPs，分布密度在卡罗来纳海滩等地高达189点/km²。TSCPs集中分布于发达城镇（如大西洋海滩），但在自然屏障岛（如沙克尔福德岛）或沙质道路区（如卡罗沃）缺失，突显方法对开发环境的依赖性。高程不确定性平均为0.031 m（复杂版）和0.046 m（简约版），与现场检查点精度相当。

3.2. 当代Lidar-DEM与SfM-DSM精度对比

验证2019年Lidar-DEM时，TSCPs的RMSE_z估计值（0.046 m）与现场检查点（0.039 m）统计