使用 DSM 数据和地面范围，按照一定的间隔使用螺旋采样算法逐点获取地面点的三维坐标。可以使用 Python 中的 NumPy 和 Pandas 库来处理数据。

下面是一个使用Python中的NumPy和Pandas库来逐点获取地面点的三维坐标的简单示例：

import numpy as np
import pandas as pd

# 读取DSM数据和地面范围数据
dsm = np.load('path/to/dsm.npy')
ground_boundary = pd.read_csv('path/to/ground_boundary.csv')

# 设置采样间隔和螺旋半径
interval = 10
radius = 10

# 初始化采样点列表
samples = []

# 对于每个采样圈
for i in range(0, int(ground_boundary.shape[0] / interval), 1):
    # 获取当前采样圈的起始点和结束点
    start_index = i * interval
    end_index = min((i + 1) * interval, ground_boundary.shape[0])
    
    # 获取当前采样圈的中心点
    center_point = ground_boundary.iloc[i]['x'], ground_boundary.iloc[i]['y']
    
    # 从中心点开始，按照螺旋线的顺序获取采样点
    for j in range(radius):
        # 沿着当前螺旋线的顺序获取采样点
        for angle in [0, 90, 180, 270]:
            for k in range(j+1):
                x = int(center_point[0] + (k+1) * np.cos(np.radians(angle)))
                y = int(center_point[1] + (k+1) * np.sin(np.radians(angle)))
                
                # 如果当前点在地面范围内，则将其添加到采样点列表中
                if ground_boundary.iloc[start_index:end_index].isin([(x, y)]).any().any():
                    samples.append((x, y, dsm[y, x]))
                    
# 将采样点列表转换为Pandas DataFrame对象
samples = pd.DataFrame(samples, columns=['x', 'y', 'z'])

# 保存采样点数据
samples.to_csv('path/to/sampled_points.csv', index=False)

在这个代码中，我们首先使用NumPy库中的`np.load()`函数和Pandas库中的`read_csv()`函数读取DSM数据和地面范围数据。然后，我们设置采样间隔和螺旋半径，并初始化一个空的采样点列表。接下来，我们对于每个采样圈，获取当前采样圈的起始点和结束点，以及当前采样圈的中心点。然后，我们从中心点开始，按照螺旋线的顺序获取采样点，将符合条件的采样点添加到采样点列表中。

最后，我们将采样点列表转换为Pandas DataFrame对象，并使用`to_csv()`方法将其保存到磁盘上。注意，在保存采样点数据时，我们需要设置`index=False`，以避免将数据带有默认的行索引保存到CSV文件中。