当前全球主流数字水深模型（DBM）虽已广泛应用于海底地形建模，但在浅海地形复杂地区仍存在局部精度低、不连续等问题，且单一DBM数据源或仅融合两种DBM建模的数据量和互补性有限，难以满足高质量建模需求。针对现有方法在数据来源、融合精度和区域适应性上的不足，本文提出以台湾海峡中的两处浅海区域为研究对象，选取6种主流全球DBM数据（ETOPO2022、GEBCO2024、SRTM30_PLUS、TOPO V25.1等），引入海图水深数据为约束，采用多尺度分割与自适应分区提取地形特征，结合空间加权融合算法，构建高精度DBM，并使用变异系数与莫兰指数进一步评价分区方案和建模空间特征。实验结果表明，多个DBM融合建模可有效提高精度，六个DBM融合建模RMSE可达到5.104-7.157 m，相较原始模型可提升23.7%-33.1%。而且，在不同研究区应使用不同的分区方案，T1和T2样区分别在使用4分区和7分区时，融合后的DBM达到最佳精度。

数字水深模型；多源数据融合；浅海地形建模；加权融合；自适应分区