数字高程模型(Digital Elevation Model,简称DEM)作为地形表面的重要数字表达,其质量问题受到人们的普遍关注。影响DEM精度的因素多种多样,其中由失误引起的粗差,会造成DEM空间上的严重扭曲,甚至导致DEM及其产品的失真,因此探测并剔除粗差显得尤其重要。目前在相关领域提出的DEM粗差探测算法中大部分是针对DEM的表达方式,如规则格网和不规则格网结构提出来的,很少考虑不同数据源DEM的特征。现存的各种DEM数据采集方法各有其优缺点,所生产的DEM的特性也各有不同。本文在此基础上,分别以机载激光雷达数据生产的DEM、地形图扫描矢量化生产的DEM和两种生产方式结合生产的DEM为例,重点研究了以LIDAR为数据源的DEM粗差探测方法、以地形图扫描矢量化为数据源的DEM粗差探测方法和考虑多源数据的DEM粗差探测方法。1.采用机载激光雷达数据生产的DEM,空间分辨率较高,数据点密度大、分布较均匀,滤波后残留的非地面点以簇群形式存在,自动提取地形特征较困难。因此以LIDAR为数据源的DEM粗差探测,是把LIDAR数据滤波后残留的非地面点当作粗差点处理。这些粗差点一般以簇群形式存在于DEM中,可采用粗差簇群算法探测粗差点。经过粗差簇群算法处理后,剩余的粗差点大部分以离散形式存在,采用反距离加权法内插各点的高程值,求出内插值与原始数据高程值的较差并进行统计检验,探测剩余粗差点。2.地形图扫描矢量化生产的DEM,是以常规测量方式生产的DEM,其数据点密度较小,地形综合程度较高,自动提取地形特征线的算法成果较丰富。现有的粗差探测方法分为两种,一种是把粗差归入函数模型来实现粗差的探测；另一种是把粗差归入随机模型进行粗差探测。以地形图扫描矢量化为数据源的DEM粗差探测方法,将粗差归入随机模型进行粗差的定位,具有很强的稳健性。它首先通过最小二乘估计来确定第一次平差的残差,然后再根据残差和相关的参数,按所选的权函数计算出每个观测值的权,经过迭代计算求得观测值的最终残差,最后按照统计检验的方法剔除粗差。3.考虑多源数据的DEM粗差探测方法,则针对激光扫描时具有盲目性,不可能像手工测量那样在地形变化处采集数据,自动提取地形特征线较困难,扫描矢量化生产的地形图对地形综合程度高,自动提取地形特征线的算法较多这些特点,从扫描矢量化生产的地形图中直接提取地形特征线叠加至LIDAR数据中,以提高DEM的粗差探测率。本文对上述三种方法都进行了实验验证,实验结果证明针对不同数据源的DEM采用不同的方法探测粗差,可以增强DEM粗差探测的有效性和稳定性,提高DEM的精度,在实际应用中具有参考价值。