为了预防灾害的发生和降低灾害对自然环境和人类社会的影响,对有可能发生资源环境灾害的区域构建数字高程模型（Digital Elevation Model,DEM）进行地形监测成为一项重要工作。机载激光雷达（Light Detection and Ranging,LiDAR）扫描技术能够弥补传统地形监测方法与其它新型测绘技术的作业效率低、区域分辨率低和受制于特殊地形等缺点,可以为资源环境灾害的前期预防、中期施救和后期治理等阶段提供有效且可靠的技术支撑。考虑监测区域往往存在地物遮挡较多和地表形态复杂的情况,基于机载LiDAR点云难以构建高质量的DEM。针对单一渐进式形态学滤波算法受制于窗口尺寸、地形坡度、高差阈值等参数之间难以协调的影响,导致在机载LiDAR点云中植被和建（构）筑物反射的接近实际地表的非地面点部分遗留,造成在生成的DEM中这些区域产生异常“凸起”,导致获取的地面点云不能构建高质量DEM的现状,本文提出并组合一种基于空间向量投影的后处理滤波方法,进一步提取植被等遗留的非地面点,提高生成的DEM质量。该方法首先对渐进式形态学滤波获取的“地面点云”中所有的激光点增添一个“label”属性,并初始化为‘0’。然后对“地面点云”划分规则网格,获取每一个网格内的高程表现最低的激光点。接着以每个激光点为起点,分别与距离它最近的9个网格最低点为终点构建空间向量,累加9个向量在Z方向上的投影。再与预先设置的阈值比较,如果投影之和小于阈值,判断当前激光点为非地面点,并修改它的“label”值为‘1’。遍历完“地面点云”中所有的激光点,提取“label”属性值为‘0’的“新”地面点云。为了验证提出的组合滤波算法的有效性,选取国际摄影测量与遥感协会（International Society for Photogrammetry and Remote Sensing,ISPRS）提供的包含有15组测试数据的样本集,和课题组使用实测数据制作的包含有3组测试数据的样本集进行实验。在统一默认参数的前提下,采用反距离权重法（Inverse Distance Weighted,IDW）分别将加入后处理滤波前后获取的地面点云生成1m×1m分辨率的DEM,并与各样本集中提供的真实地面点云生成的参考DEM进行比较。然后在每组测试数据所覆盖的研究区域随机抽取1000个测试点,对测试点所在位置采用线性回归分析法分析在加入后处理滤波前后构建的DEM中的高程值的变化情况。通过对比分析各组测试数据加入后处理滤波前后的点云滤波精度和DEM构建精度,采用定性和定量分析相结合的方式综合评价提出的加入后处理滤波的组合算法的性能。本文的主要结论如下:（1）提出的组合滤波算法在地形平整、连续的地区表现较好。与单一渐进式形态学滤波算法相比,提出的组合滤波算法在地形平整的城市地区和地形连续的乡村地区具有较好的性能,获得不错的点云滤波效果和DEM构建精度,总误差降幅最大超过50%,平均降幅超过30%,均方根误差RMSE降幅最大超过70%,平均降幅超过45%。（2）提出的组合滤波算法针对植被提取的效果表现优良。无论是在有绿化植被的城市地区,还是在植被广布的森林地区,单一渐进式形态学滤波产生的植被残留对DEM的构建质量都存在着重要影响,加入后处理滤波的组合算法能够进一步提取其中影响较大的植被残留,去除或缩小因植被残留而产生的“凸起”,提高生成的DEM质量。值得关注的是,在森林地区中的决定系数R~2均接近于1,均方根误差RMSE均不超过0.15,构建的DEM质量较高。