《Water》：DEMands of Precision: How DEM Resolution Shapes Various Flood Applications
编辑推荐：
数字高程模型（Digital Elevation Model, DEM）构成了洪水相关研究的基石。正确选择DEM产品对于获得可靠估算至关重要。大多数旨在理解DEM分辨率影响的研究都集中于几何比较。本研究开发了一个用于DEM比较的综合结构与功能评估框架。利用DE
数字高程模型（Digital Elevation Model, DEM）构成了洪水相关研究的基石。正确选择DEM产品对于获得可靠估算至关重要。大多数旨在理解DEM分辨率影响的研究都集中于几何比较。本研究开发了一个用于DEM比较的综合结构与功能评估框架。利用DEM的结构差异来理解不同DEM产品如何产生不同的洪水敏感性估算、降雨-径流划分、泥沙通量估算以及暴雨洪水影响。虽然不存在一种普遍优越的DEM分辨率，但结果表明，基于先进星载热发射和反射辐射计（Advanced Spaceborne Thermal Emission and Reflection Radiometer, ASTER）的30 m DEM通常最不可靠。广泛可用的10 m三维高程计划（3D Elevation Program, 3DEP）DEM非常适合降雨-径流划分以及洪水风险和敏感性绘图应用。将该DEM重采样至15 m分辨率可获得相似结果，并可用于大范围应用。基于光探测与测距（Light Detection and Ranging, LiDAR）的高分辨率DEM（1 m或更小分辨率）最适合暴雨洪水描绘和雨水管理。值得注意的是，即使是10 m DEM也可能产生不一致的结果。由于坡度高估和流域形状改变，30 m ASTER DEM对泥沙通量的估算最为保守。因此，高分辨率DEM也被推荐用于该应用。
洪水风险评估和雨水管理依赖水文模型预测径流、泥沙和污染物负荷。数字高程模型（Digital Elevation Model, DEM）是流域划分和坡度等地形参数的关键输入，不同分辨率的DEM会直接影响洪水管理结果。已有研究多集中于DEM的几何比较，且许多研究开展时LiDAR DEM尚不成熟，也较少考察DEM对洪水应用的功能影响。为解决这些缺口，研究人员提出一个综合结构与功能评价的框架，并将论文发表于《Water》。研究以美国德克萨斯湾海岸六个未受人为扰动的流域为样本，系统比较1 m LiDAR、10 m 3DEP、30 m ASTER与30 m SRTM等DEM产品及其重采样版本，评估其在洪水敏感性、降雨径流、泥沙通量和暴雨洪水（pluvial flooding）模拟中的表现。研究表明不存在普遍最优的DEM分辨率；基于先进星载热发射和反射辐射计（Advanced Spaceborne Thermal Emission and Reflection Radiometer, ASTER）的30 m DEM通常最不可靠；广泛可用的10 m三维高程计划（3D Elevation Program, 3DEP）DEM适用于降雨径流划分与洪水风险和敏感性制图；重采样至15 m可降低计算负担；基于光探测与测距（Light Detection and Ranging, LiDAR）的高分辨率DEM（1 m或更小）最适合暴雨洪水划界与雨水管理。该研究为洪水规划者选择DEM产品提供了直接依据。
关键技术方法包括：以USGS GAGES-II数据库中六个未扰动流域为样本，以USGS测流站为出口；采用D8算法提取流向和汇流，进行填洼处理；利用ArcGIS Pro和Python/R实现地形指标（如地形湿度指数Topographic Wetness Index, TWI）、拓扑相似性指标、形态一致性指数（Morphometric Concordance Index, MCI）、基于CRITIC权重的TOPSIS多准则决策、SCS-CN降雨径流模型、RUSLE泥沙模型以及洼地/汇水区分析。
4.1 探索性数据分析（Exploratory Data Analysis）
通过分位数与统计量比较各DEM高程差异。结果显示，高分辨率（<15 m）DEM在不同流域间更一致；以10 m 3DEP为参考时，15 m重采样DEM误差最小，30 m SRTM优于30 m ASTER，原因是SRTM基于雷达，不受云层干扰，而ASTER为光学传感器，易受大气影响。
4.2 基于地形的评估（Terrain-Based Assessment）
逐像元计算坡度与汇流，并提取TWI。结果表明，TWI对DEM分辨率敏感：高分辨率DEM保留微地形，坡度较大，TWI较低；粗分辨率DEM平滑坡度，TWI高估，导致对流域滞留能力的高估和径流低估，可能使雨水设施设计偏小。
4.3 拓扑比较（Topological Comparisons）
采用流域边界一致性等拓扑指标比较不同DEM生成的流域。高分辨率DEM（1–15 m）的边界一致性值大多高于0.92，但Little Cypress Creek例外；30 m ASTER和SRTM的边界一致性最低，且SRTM优于ASTER。粗分辨率因高程平滑改变流域形状，进而影响径流与泥沙输移。
4.4 DEM在洪水敏感性制图中的作用（Role of DEMs in Flood Susceptibility Mapping）
利用17个地貌参数、MCI和CRITIC加权TOPSIS评估洪水敏感性排序。高分辨率DEM的MCI值普遍高于0.86，15 m与10 m参考最接近；ASTER的MCI最低。TOPSIS结果表明，1 m、5 m和15 m DEM与10 m参考DEM的排序接近，30 m DEM偏差较大，且平坦地区偏差更明显；适度重采样不会显著改变洪水敏感性排序，有利于大范围应用。
4.5 降雨径流模拟应用（Rainfall-Runoff Modeling Applications）
采用SCS-CN法模拟6小时单位降雨的径流过程。30 m SRTM DEM产生最大峰值流量和最短峰现时间，原因在于其改变了流域形状和坡度，故提供保守估计；高分辨率DEM次之。因此，10 m或30 m SRTM可用于洪水规划的径流估算。
4.6 DEM对泥沙通量计算的影响（DEM Impacts on Sediment-Yield Computations）
基于RUSLE模型计算泥沙通量。30 m ASTER DEM因高估坡度和改变流域形状而给出最保守的泥沙通量估计，且可能显著高估；1 m LiDAR DEM次之。由于泥沙通量与分辨率和数据获取方式有关，建议在平坦流域使用多个DEM以获得可能范围。
4.7 DEM在暴雨洪水表征中的作用（Role of DEMs in Pluvial Flooding Characterization）
通过填洼和洼地深度、面积、体积统计评估暴雨洪水特征。粗分辨率DEM，特别是30 m ASTER，会得到不现实的洼地深度和体积；即使10 m DEM在某些流域也不一致。1 m LiDAR DEM能捕捉微小洼地，结果一致，因此推荐用于暴雨洪水研究。
4.8 实际意义与可迁移性（Practical Implications and Transferability）
讨论指出，10 m 3DEP DEM在可获得性、垂直精度和计算成本间平衡较好，适合流域尺度洪水敏感性和降雨径流规划；15 m重采样可用于大区域；1 m LiDAR适合暴雨洪水和雨水管理；30 m SRTM适合保守筛选；30 m ASTER在低起伏流域应慎用。该框架可迁移到其他地貌，但分辨率建议需根据当地地形和气候再校准。
研究总结指出，不存在适用于所有洪水应用的单一最优DEM分辨率，但可按应用选择。粗分辨率DEM往往高估坡度并改变流域形状，影响泥沙通量和降雨径流模拟。对于降雨径流模拟，广泛可用的10 m DEM提供合理的保守估计，缺少更高分辨率数据不应阻碍洪水规划；该分辨率也适用于基于地貌因子的流域尺度洪水敏感性制图。10 m DEM可重采样至15 m以减轻计算负担。在30 m分辨率下，ASTER DEM总体不如基于雷达的SRTM DEM；ASTER对泥沙通量的保守估计很可能是显著高估，且其不适合划分对暴雨洪水研究至关重要的洼地；即使10 m DEM也可能不足，因此建议使用基于LiDAR的1 m DEM。此外，研究未进行正式的概率不确定性传播，未来应利用垂直误差分布、自举重采样或地统计模拟生成DEM集合，并在山区、城市、干旱半干旱流域以及NASADEM、TanDEM-X等新全球产品中检验结论的可迁移性。这些结论有助于洪水规划者和建模者针对具体应用选择合适的DEM产品。
