数字高程模型(Digital Elevation Model,DEM)是地表起伏形态特征的数字表达形式,是地理空间数据的重要组成部分,在地学、生态、农业、水文等各个领域都具有广泛的应用。随着对地观测技术的不断发展,多样化的遥感观测手段获取得到了丰富的DEM数据。然而,受到观测技术、生成方法、地形环境等因素的影响,DEM数据往往在空间分辨率、数据精度和覆盖范围等方面存在数据质量的制约,影响数据的可用性。随着对地观测领域研究需求的不断增长,缺少高质量的无缝DEM数据集为地学领域的精细化研究和应用带来了挑战。尽管不断发展的观测技术以及高程解译算法为我们提供了获取大范围无缝高精度DEM数据产品的可能性,不过新的数据获取成本高、周期长,并且仍然不可避免地受到观测技术和地表环境的限制。多源数据融合是改善数据质量的另一种有效途径。然而,目前的融合方法还存在普适性不强,数据源较为单一以及与应用需求结合不够紧密等问题。因此,本文在充分评价和分析现有DEM数据产品的数据特点的基础上,通过挖掘多源数据之间精度与尺度的互补特性,结合应用需求构建融合策略,从而提高后续应用与分析的精度。研究主要从以下三个方面展开:(1)多尺度DEM的自适应变分融合模型。利用DEM数据在空间分辨率和覆盖范围上的互补特性,顾及多源数据误差和地形特征,构建多尺度DEM的自适应变分一体化融合方法。针对具有不同分辨率和不同覆盖范围的DEM数据进行融合,能够利用高分辨率数据的信息对低分辨率数据空间进行约束,从而重建得到同时具有更高分辨率和更广覆盖范围的数据,并能同时处理DEM融合过程中由于数据分辨率差异、空洞和噪声等降质因素带来的问题。(2)融合多源异构数据的空间无缝DEM重建方法。针对全球DEM数据产品的互补特性,提出空间无缝DEM重建的的多源异构融合框架。本文尝试融合雷达数据SRTM1、光学数据ASTER GDEM和激光雷达测高数据点ICESat GLAS等全球高程数据产品。一方面,利用点面融合的思想构建多源异构数据的融合框架,以ICESat数据为参考,建立神经网络框架对ASTERGDEM的高程值进行精度校正,然后利用基于TIN的曲面差分算法对SRTM1的缺失区域进行有效填充;另一方面,对高纬度地区SRTM1经度方向分辨率的限制,结合多尺度变分融合方法利用ASTER GDEM数据的高分辨率信息对数据进行重建。(3)融合多源DEM数据的冰川物质平衡研究。面向精细化的局部尺度冰川物质平衡应用研究,分析DEM误差与地形因子的相关统计特性,及其对冰川物质平衡估计的影响。以中国最南部的季风海洋型冰川玉龙雪山为研究区域,结合高精度的地形图DEM为参考对SRTMI和ASTER DEM数据进行精度校正。利用校正后的多时相DEM数据估算长时序的冰川物质平衡,并结合长时序观测的遥感影像,提取冰川范围的变化,综合分析了海洋型冰川从20世纪中期到21世纪初对全球气候变暖的响应模式。