高精度地形数字高程模型（Digital Elevation Model,DEM）是当前反映地形特征最重要的基础地理数据。近年来,随着城市化进程的不断加快,使得地表形态也呈现出多样化、不连续的特征,此时现有的DEM无法有效表达地表真实形态,严重制约了DEM在这些区域的应用。尽管各种新型数据源出现提升了DEM的高程精度,但是由于人类活动对地表的改造,导致自然地形转变为一个自然与人工相结合、突变地形与连续地形交错分布的综合体,此时单一的数据源难以满足高精度DEM构建需求,不仅会导致建模结果形态失真,还会造成城市地表汇水路径紊乱的现象。针对上述问题,需要采用更新时效快和易获取的多种新型数据源,提出一种专门适用于自然与人工相结合、突变地形与连续地形交错分布的DEM构建方法。主要研究成果及内容如下:（1）建模数据处理与提取:由于构建DEM需要采用精确的地面点和精准的地形边界,因此,本文针对DEM构建所需的地形数据进行处理和提取,首先采用成熟的滤波算法从原始点云中提取建模所需的精确地面点;由于正射影像中涵盖大量的自然地形与生活中常见人工地形,本文基于深度学习对正射影像进行了地形分类,高效准确的提取各种地形的边界,为后续构建DEM提供数据基础。（2）典型地形DEM建模方法研究:本文采用“分类、建模、融合”的思想,依据不同地形形态、高程信息及地形功能等特征,设计不同地形建模方法。对于道路、边坡这类形态表达优先地形,分别设计了顾及形态特征的建模方法,很好的保证道路和边坡的真实形态;对于广场这类功能表达优先地形,设计了一种顾及汇水功能的DEM构建方法;道路部分基于传统插值方法构建的道路DEM采用修正算法修正,正确的模拟水流方向;最后依据不同类型的地形边界,设计了不同的融合方式进行DEM融合,保证地形间衔接自然。（3）实例验证本文方法适用性。本文以滁州学院为研究区,采用各地形建模方法进行实验,实验结果表明,本文建模方法构建地形模型,无论是高程精度还是形态精度均能符合高精度建模的要求。对于形态表达优先地形,本文建模方法能够较好的体现出各地形几何语义、形态特征;对于功能表达优先地形,本文建模方法能较好的体现地形功能特征。因此,本文建模方法能够清晰的表达出地表形态的框架结构,达到了精细建模的标准。