Кратко и по делу — набор практических приёмов (до/после съёмки), которые реально улучшают DTM на солнечных склонах и в лесах и помогают отделять растительность от земли.

1) Планирование съёмки (предотвращение артефактов)

Увеличьте перекрытие: фронт/бок 80–85% / 65–75% (в лесу и на крутых склонах лучше ближе к верхним значениям). Двойные проходы: снимки с надира + один или два набора косых снимков (≈20–40°) в разных направлениях (cross‑hatch). Косые хорошо «видят» под крону и по склону. Низкий пролёт/меньший GSD (чем мельче GSD, тем выше шанс получить ground‑пиксели). Время съёмки: избегайте очень яркого верхнего солнца (меньше «белых пятен»), но и сильные контрастные тени тоже вредны. Иногда полезна съёмка в несколько времён дня (разные углы освещения улучшают сопоставление). Съёмка в листопад (leaf‑off) для лиственных пород, если возможно — значительно увеличивает проникновение в подлесок. Используйте фильтр поляризации и/или корректную экспозицию; снимайте в RAW, фиксируйте параметры (без автоэкспозиции/баланса) для равномерной radiometry. Маркируйте на местности контрольные точки так, чтобы они были видны и на надирах, и на косых снимках (контрастные таргеты, желательно непрозрачные).

2) Контрольные точки и геопозиционирование

GCP: минимум 5–10 точек для маленьких площадей; распределить по углам, центру и по изменению высоты/склона. На больших проектах — плотнее. Используйте высокоточные координаты GCP (RTK/PPK GNSS) с точностью см по вертикали. Добавьте независимые check‑points (0–3) для валидации точности DTM. Если аппарат с RTK/PPK — всё равно держите несколько GCP для проверки/выравнивания.

3) Предобработка изображений

Калибровка камеры: объективная модель, коррекция дисторсии и виньетирования, профиль камеры в ПО. При возможности выполните лабораторную/полевую калибровку (калибровочный щит). Радиометрическая коррекция: баланс экспозиции, подавление бликов, удаление сильно пересвеченных снимков или маскирование пересветов. Удаление неинформативных/шумных кадров (стёртые, сильно размытые). Маскирование неба/бликов перед построением плотной облачной модели.

4) Параметры SfM / MVS (в ПО: Metashape, Pix4D, OpenMVS и т.п.)

Увеличьте количество ключевых точек/параметры сопоставления (keypoints limit, tie point limit). Используйте более жёсткие/настраиваемые параметры для сшивки при сложных участках: уменьшите порог Lowe, увеличьте matching attempts. При генерации dense cloud — выставьте более жёсткие/качественные настройки («high/ultra») и используйте multi‑view stereo с оптимизацией глубины и фильтрацией артефактов. Если ПО поддерживает «filtering by image masks», применяйте; для солнечных склонов замаскируйте пересветы и сильно засвеченные участки.

5) Фильтрация и очистка точек (постобработка point cloud)

Удаляйте выбросы: Statistical Outlier Removal (среднее + множитель стандартного отклонения) и Radius Outlier Removal. Удаляйте «шумы» из-за ветвей/сильных теней вручную/полуавтоматически. Классификация ground vs vegetation:
Morphological/Progressive Morphological Filter (PMF / SMRF — Simple Morphological Filter). Cloth Simulation Filter (CSF) — часто хорошо «ляжет» на фотограмметрические облака. TIN‑based ground filtering (lasground в LAStools). Slope‑adaptive и гума‑подходы (для крутых склонов используйте адаптивные параметры). ПО/инструменты: LAStools (lasground, lasclassify), PDAL, TerraScan, CloudCompare (Normals, SOR), Fusion/Whitebox.

6) Использование мультиспектральных данных / индексов

NIR + Red → NDVI/VARI для выделения растительности в орто и точечном облаке (если у вас multispectral камеры и co‑registration). Это помогает маскировать вегетацию перед генерацией ground‑точек или при классификации. Цветовые характеристики RGB (экстракция текстуры) + нормали/геометрия точек — хороший набор признаков для машинного обучения классификаторов (Random Forest, SVM) для разделения «капюшона» и земли. Мультиспектраль сам по себе не «прорезает» крону, но значительно улучшает классификацию точек.

7) Дополнительная съемка и комбинирование сенсоров

Leaf‑off и/или зимняя съёмка (если применимо) — серьёзное улучшение. Низколетящая дооблётка в проблемных местах (низкая высота, высокий перекрытие, дополнительные косые снимки). Сочетание с UAV‑LiDAR — золотой стандарт для DTM под густой растительностью: LiDAR пробивает крону и даёт надёжный ground. Если бюджет позволяет — используйте LiDAR для лесов. На труднодоступных склонах — наземное измерение (GNSS нивелировка, веха) для критических участков.

8) Заполнение «пробелов» и сглаживание DEM

Если остались локальные провалы — интерполяция (TIN‑построение, IDW, kriging) с явной пометкой/маской интерполяции. Не делайте агрессивного сглаживания, если нужны формы рельефа. Применяйте морфологическое закрытие для малых дыр, затем повторную фильтрацию ground‑точек. Hydrological conditioning: очистка артефактов, удаление «шумных бугорков», повторная проверка по контрольным точкам.

9) Валидация качества

Сравните DTM с независимыми check‑points, с GPS‑высотами, с существующими топографическими данными. Опишите bias, RMSE по высоте. Визуальная проверка: профильные сечения по трассам, сравнение DSM/DTM, проверка водосборов и стоков (логика рельефа).

10) Рекомендованный рабочий протокол (приоритет действий)

Планирование: увеличить перекрытие + добавить косые пролёты + снять в leaf‑off/под разным углом солнца (если возможно). Установить 6–12 GCP, взять 3–5 контрольных точек. RTK/PPK + GCP. Снимать в RAW, фиксированные параметры, выполнить калибровку камеры. В обработке: увеличить параметры сопоставления, маскировать пересветы, детализировать dense cloud. Очистить облако: SOR, radius filter, затем применить CSF/PMF/lasground для классификации ground. Скорректировать параметры адаптивно по склону. Использовать мультиспектраль для маски вегетации/классификации. При неудаче (много пробелов под кроной) — заказать UAV‑LiDAR или выполнить дополнительную низкую облетку/leaf‑off.

Короткие замечания о причинах артефактов

Сильный контраст (яркий склон/тёмная тень) → плохой matching → «дыры». Однообразная текстура (снег, скалы, однотонные травяные склоны) → потеря ключевых точек. Крона деревьев и плотный подлесок → блокирование обзора земли — фотограмметрия часто не даст подлесок, нужен LiDAR или leaf‑off/заблаговременно спроектированная косая съёмка.

Если хотите — пришлите параметры текущего полёта (высота, перекрытие, тип камеры, примеры орто/облака), и я предложу конкретные настройки SfM/MVS и параметры фильтров для вашего случая.