DGM vs. DOM – Digitales Höhenmodell erklärt

DHM, DGM und DOM – Was bedeuten diese Begriffe?

Digitales Höhenmodell (DHM), Digitales Geländemodell (DGM) und Digitales Oberflächenmodell (DOM) bezeichnen drei eng verwandte, aber klar unterschiedliche Konzepte. Die Abkürzungen werden in der Praxis oft verwechselt – dabei ist die Unterscheidung für die richtige Anwendung entscheidend.

Das Digitale Höhenmodell (DHM) ist laut DIN 18716 der Oberbegriff für alle Modelle, die Höheninformationen der Erdoberfläche numerisch beschreiben. Das DHM umfasst sowohl das DGM als auch das DOM und entspricht dem englischen Begriff DEM (Digital Elevation Model).

Das Digitale Geländemodell (DGM) beschreibt ausschließlich die nackte Erdoberfläche – also das Terrain ohne Gebäude, Vegetation oder sonstige künstliche Aufbauten. Im Englischen entspricht das dem DTM (Digital Terrain Model). Das DGM zeigt, wie das Land tatsächlich geformt ist, wenn man alle Objekte darauf entfernt.

Das Digitale Oberflächenmodell (DOM) erfasst die Erde inklusive aller Objekte, die sich auf ihr befinden: Gebäude, Bäume, Brücken, Masten, Fahrzeuge. Es entspricht dem englischen DSM (Digital Surface Model) und ist das unmittelbare Ergebnis einer Drohnen-Photogrammetrie oder LiDAR-Befliegung.

Das Normierte Digitale Oberflächenmodell (nDOM) ergibt sich aus der Differenz DOM minus DGM und zeigt die Höhe aller Objekte über dem Boden. Ein Baum mit 15 m Wuchshöhe erscheint im nDOM als 15 m hohe Erhebung, auch wenn er auf einem Hang steht. Das nDOM ist besonders nützlich für die Baumhöhenkartierung, Verschattungsanalyse und Stadtplanung.

Von der Drohne zum Höhenmodell – der Workflow

Eine Drohne mit Kamera und aktiviertem RTK-GNSS oder mit Bodenkontrollpunkten (GCP) fliegt das Gebiet in parallelen Bahnen mit 70–80 % Längs- und 60–70 % Seitenüberlappung ab. Je höher die Auflösung am Boden (GSD), desto detaillierter werden die späteren Modelle – typisch sind 2–5 cm GSD für hochgenaue Geodaten.

Aus den überlappenden Bildern berechnet die Photogrammetrie-Software (Agisoft Metashape, Pix4D oder OpenDroneMap) zunächst eine dichte Punktwolke via Structure-from-Motion (SfM) und Multi-View-Stereo (MVS). Diese Punktwolke enthält Millionen von georeferenzierten 3D-Punkten – alle Objekte der Szene werden zunächst gemeinsam erfasst.

Das erste Ergebnis ist immer ein DOM: Die Punktwolke enthält Dachflächen, Baumkronen, Zäune, Masten – alles, was die Kamera "sieht". Aus dieser Punktwolke wird direkt das Digitale Oberflächenmodell interpoliert, meist als GeoTIFF-Raster mit der gewählten Auflösung.

Das DGM entsteht erst im zweiten Schritt durch Klassifizierung und Ground-Filterung der Punktwolke. Dabei werden "Bodenpunkte" von "Nicht-Boden-Punkten" getrennt. Nur die Bodenpunkte fließen in das DGM ein. Für Gebiete mit dichter Vegetation ist dieser Schritt besonders anspruchsvoll, da die Kamera den Boden unter dem Blätterdach kaum sieht – hier ist LiDAR im Vorteil.

Punktwolken-Klassifizierung und Ground-Filterung

Die Ground-Filterung ist der zentrale Prozess zur Ableitung eines DGM aus einer photogrammetrischen Punktwolke. Gängige Algorithmen sind der CSF (Cloth Simulation Filter) nach Zhang et al. (2016), der Progressive TIN Densification (PTD) Algorithmus sowie der Multiscale Curvature Classification (MCC) Algorithmus.

Der CSF-Algorithmus simuliert ein virtuelles Tuch, das sich von oben auf die invertierte Punktwolke legt. Punkte, die das Tuch berühren, werden als Bodenpunkte klassifiziert. Die Rigidität des Tuches und die Auflösung des Simulationsrasters sind die entscheidenden Parameter – weicheres Tuch für hügeliges Terrain, härteres für flache Bereiche.

Nach der Klassifizierung werden die Bodenpunkte zu einem regelmäßigen Raster interpoliert (IDW, Kriging oder TIN-Triangulation), woraus das finale DGM-Raster entsteht. Die Punktwolken-Klassifizierung ist in Agisoft Metashape, Pix4D, CloudCompare (kostenlos) und PDAL (Open Source) möglich.

Wichtig: Die Qualität des DGM hängt direkt von der Dichte der Bodenpunkte ab. Auf versiegelten Flächen (Parkplätze, Straßen) ist die Klassifizierung trivial. Auf landwirtschaftlichen Feldern, Freiflächen oder Baustellen liefert sie exzellente Ergebnisse. In dicht bewaldeten Gebieten kann die photogrammetrische DGM-Ableitung unzuverlässig werden.

DGM vs. DOM vs. nDOM – der strukturierte Vergleich

Die folgende Tabelle fasst die drei Modelltypen nach den für die Praxis relevanten Kriterien zusammen:

Genauigkeit und Qualitätsstufen

Die erreichbare Genauigkeit hängt von Flughöhe, GSD, Georeferenzierungsmethode (RTK oder GCP) und dem Gelände ab. Als Faustregel gilt laut Pix4D: Die relative Lagegenauigkeit beträgt 1–2× GSD horizontal (X/Y) und 2–3× GSD vertikal (Z). Bei einem GSD von 2 cm bedeutet das theoretisch ±2–4 cm horizontal und ±4–6 cm vertikal.

In der Praxis erreicht eine Drohne mit RTK-GNSS (z. B. DJI Phantom 4 RTK, M350 RTK) und ohne GCPs absolute Genauigkeiten von ±3–5 cm horizontal und ±5–8 cm vertikal. Mit zusätzlichen GCPs, die per GNSS-Rover eingemessen wurden, sind ±1–2 cm horizontal und ±2–3 cm vertikal realistisch – diese Werte wurden in mehreren unabhängigen Validierungsstudien bestätigt.

Die staatlichen DGMs der Bundesländer (über die Landesvermessungsämter) sind in folgende Qualitätsstufen gegliedert: DGM1 (Gitterweite 1 m, Genauigkeit ±15 cm auf offenem Gelände, ±30 cm in bewaldetem Terrain), DGM2 (Gitterweite 2 m), DGM5 (Gitterweite 5 m, Genauigkeit ±1 m, abgeleitet aus DGM1). Die AdV (Arbeitsgemeinschaft der Vermessungsverwaltungen) regelt die Spezifikation über den ATKIS-Objektkatalog.

Drohnen-DGMs übertreffen staatliche DGM1-Daten in der Regel deutlich: Mit RTK und GCPs werden Genauigkeiten von ±2–5 cm vertikal erreicht gegenüber ±15 cm beim DGM1. Für die meisten Anwendungen in Bau, PV-Planung und BIM ist das Drohnen-DGM daher die präzisere Wahl – allerdings nur für das konkrete Projektgebiet, nicht flächendeckend.

Ausgabeformate und Software

Digitale Höhenmodelle werden in verschiedenen Formaten bereitgestellt, abhängig vom Anwendungsfall. Die wichtigsten sind:

GeoTIFF ist das universelle Rasterformat für DGM und DOM. Jedes Pixel enthält einen Höhenwert und das Koordinatensystem ist im Dateiheader kodiert. GeoTIFF wird von QGIS, ArcGIS, AutoCAD (via Plugin), Revit (via Add-in) und praktisch jeder GIS- und BIM-Software gelesen.

LAS und LAZ sind die Standardformate für Punktwolken (LAS = unkomprimiert, LAZ = komprimiert mit verlustloser Kompression). In diesen Dateien sind die klassifizierten Bodenpunkte (Klasse 2 im ASPRS-Standard) von Vegetation (Klasse 3–5), Gebäuden (Klasse 6) und anderen Objekten getrennt. CloudCompare, LAStools und PDAL lesen und schreiben LAS/LAZ.

XYZ- und ASCII-Raster sind einfache Textdateien mit drei Spalten (X, Y, Z-Koordinate) und werden von vielen CAD-Programmen (AutoCAD, BricsCAD, ZWCAD) direkt importiert. Für große Flächen sind sie jedoch sehr speicherintensiv.

DXF/DWG als TIN-Netz oder Höhenpunkte-Cloud sind der bevorzugte Übergabeweg an CAD-Teams, die in AutoCAD, Civil 3D oder ArchiCAD arbeiten. Voxelia liefert DGM-Daten standardmäßig als GeoTIFF und auf Anfrage als DXF/DWG mit klassifizierten Schichten.

Für die Weiterverarbeitung in BIM (Revit, ArchiCAD) wird das DGM häufig als IFC-Terrain oder RVT-Toposurface übergeben. Der Import erfolgt über das Koordinatensystem des Projekts und erfordert eine korrekte CRS-Zuordnung (z. B. ETRS89/UTM32N in Deutschland).

Anwendungsfälle – wann welches Modell?

Die Wahl zwischen DGM und DOM richtet sich nach dem Anwendungsfall. Beide Modelle haben klar definierte Stärken – häufig werden sie kombiniert.

PV-Planung und Verschattungsanalyse: Hier ist das DOM das entscheidende Modell. Es zeigt nicht nur das Dach selbst, sondern auch benachbarte Gebäude, Schornsteine, Antennen und Bäume, die Schatten werfen. Solarplanungssoftware wie PV*SOL Premium, PVcase und Polysun importieren DOM-Daten als 3D-Geländehintergrund für die Ertragsberechnung. Das DGM ist für Dachflächen-PV unerheblich, da das Dach selbst Teil des DOM ist.

Freiflächenanlagen (Agri-PV, Freiflächen-PV): Hier wird das DGM benötigt, um das tatsächliche Gefälle und die Entwässerungssituation des Geländes zu beurteilen. Das DOM enthält in diesem Kontext kaum relevante Objekte außer dem Terrain selbst – in der Praxis stimmen DGM und DOM auf offenen Feldern fast überein.

Bauprojekte, Erdmassen und Volumenberechnung: Das DGM liefert die Geländeoberfläche vor dem Bau (Bestandsaufnahme). Nach Abschluss der Erdarbeiten wird ein zweites DGM erstellt. Die Differenz der beiden DGMs ergibt das Auf- und Abtragsvolumen – ein Verfahren, das deutlich schneller und kostengünstiger als traditionelle Tachymetrie ist.

BIM-Integration: In BIM-Projekten (Revit, ArchiCAD, Vectorworks) wird das DGM als georeferenziertes Geländemodell (IFC IfcSite oder Revit Toposurface) in das Projektmodell eingebettet. Das DOM wird ergänzend verwendet, um umgebende Bebauung abzubilden. Die Verbindung von BIM und präzisem Drohnen-DGM ist ein zentraler Baustein des Digitalen Zwillings.

Hochwasserschutz und Entwässerungsplanung: Das DGM ist die ausschließliche Grundlage für hydrologische Berechnungen. Abflussmodelle (z. B. in SWMM, HYSTEM-EXTRAN) benötigen das Terrain ohne Bebauung. Ein DOM würde Gebäudedächer fälschlicherweise als Wasserpeaks interpretieren und die Simulation verfälschen.

Stadtplanung und Baumhöhenkartierung: Das nDOM zeigt alle Objekte mit ihrer wahren Höhe über dem Boden. Forstbehörden, Stadtplaner und Landschaftsarchitekten nutzen es zur Erfassung von Baumbeständen, Dachaufbauten und technischen Anlagen. Aus dem nDOM lassen sich direkt Baumhöhen, Kronendurchmesser und Freiflächenvolumen ableiten.