全球数字高程数据(DEM)详解,还有地形晕渲、等高线等干货
1 基本概念
DEM是数字高程模型的英文简称(Digital Elevation Model),是研究分析地形、流域、地物识别的重要原始资料。由于DEM 数据能够反映一定分辨率的局部地形特征,因此通过DEM 可提取大量的地表形态信息,可用于绘制等高线、坡度图、坡向图、立体透视图、立体景观图,并应用于制作正射影像、立体地形模型与地图修测。在测绘、水文、气象、地貌、地质、土壤、工程建设、通讯、军事等国民经济和国防建设以及人文和自然科学领域有着广泛的应用。
如在工程建设上,可用于如土方量计算、通视分析等;在防洪减灾方面,DEM是进行水文分析如汇水区分析、水系网络分析、降雨分析、蓄洪计算、淹没分析等的基础; 在无线通讯上,可用于蜂窝电话的基站分析等。
2 主流数据源
目前网上有多种全球高程数据,简要介绍下这四种数据:
SRTM C 波段数据,可能是最有名的高程数据了。美国航空航天局 NASA 在 2000 时利用奋进号航天飞机上的雷达测观测所得,是以前用得最多的高程数据,覆盖了全球南北纬 60 度以内的区域。
SRTM1:1 角秒精度,对应精度为30 米
SRTM3: 3角秒精度,对应精度为90 米。谷歌地球所使用高程数据即为 SRTM3,全球覆盖,保真度不好,几乎没有漏洞、空洞。

ASTER GDEM数据,美国货, 该数据是根据 NASA 的新一代对地观测卫星 Terra 的观测结果制作完成的。其数据覆盖范围为北纬 83°到南纬 83°之间的所有陆地区域,陆地表面99%覆盖。这是目前覆盖最广的高精度全球高程数据。垂直精度20米,水平精度30米,噪点较高。
第一版(2009):精度为90米,全球覆盖,保真度欠佳
第二版(2011):精度为30米,全球覆盖,保真度较好
DLR数据,即SRTM X 波段数据,DLR是德国宇航中心缩写,该数据同样由2000 在奋进号航天飞机开展航天飞机雷达地形测绘任务时测的,DLR用更高精度的雷达(X波段),但只是呈网状覆盖全球,国内40%覆盖,带宽50KM,空白宽100KM。精度为 1 角秒,高程相对精度 6 米,绝对精度 16米,噪点高。

DLR数据中国覆盖情况
GMTED2010 数据,美国货,美国地质勘探局 USGS和美国国家地理空间情报局 NGA搞的,全球: 30 角秒、 15 角秒和 7.5 角秒,对应的最高精度也在 250 米了。
美国: 1 角秒、 1/3 角秒,部分区域还有 1/9 角秒,即精度达到了 3 米的水平。

另外,还有一些其他数据源:

一般来说,下载全部的 DLR 数据和 GDEM-V2 的数据,DLR 覆盖到的区域用 DLR 数据,未覆盖到的区域用GDEM-V2,就足够了。

3 地形应用
晕渲图是DEM地表形态表达的一种形式,它通过设置光源的高度角和方位角更形象或者更符合人类视觉的方式展示一个地区的地形。晕渲图使用阴影与颜色渐变来展现全球地表的起伏变化,同时叠加了植被、水系、行政要素以及主要道路等,方便用户直接使用此图作为底图来展示特定的专题要素。

谷歌地形
DEM数字高程模型是三维的,能够看到三维的地表起伏变化。然而在二维视角下,借助地形晕渲图能够更加快速、准确地分辨出平原、丘陵、山地、盆地等地形地貌,不同地形区域 晕渲立体效果区别对比明显,同时更适合印刷制图的用途。

天地图地形晕渲

谷歌地形
等高线图大家就比较熟悉了,有了它我们可以分清楚该位置的基本地理环境,包括海拔多少、那里是山脊、哪里是山坳、哪里平坦、哪里陡峭等信息。根据海拔给等高线地形图分层上色,可以获得一张分层设色地形图,看起来就更加生动了,可以直接观察颜色来判断地形。

谷歌等高线

Landscape等高线
除此之外,还可以借助ArcGIS等软件制作各种不同用途、不同效果的应用图:

地形晕渲
图
温度图

日照图

坡度图


地形渲染图

等高线图

等高线图



4 如何获取DEM?
目前,ASTER GDEM数据、 SRTM C 波段数据,国内中科院有镜像数据可以下载。DLR-DEM 数据也已经有国内镜像下载。
当然,如果想快速下载到谷歌地形、天地图地形晕渲、Gebco地形晕渲、Landscape等高线、OCM等高线、MF等高线、Sigma等高线等地图,在LocaSpace Viewer软件就可以全部搞定,支持免费查看和下载。
全球数字高程数据(DEM)详解,还有地形晕渲、等高线等干货的更多相关文章
- [转]SRTM、ASTER GDEM等全球数字高程数据(DEM)下载方式简介
之前写过一篇短文对比过几种数字高程数据的区别:5种全球高程数据对比,这篇文章简要介绍下如何下载这些数据. 1.DLR的数字高程数据.该数据也是SRTM(shuttle radar topo ...
- 3dTiles 数据规范详解[1] 介绍
版权:转载请带原地址.https://www.cnblogs.com/onsummer/p/12799366.html @秋意正寒 Web中的三维 html5和webgl技术使得浏览器三维变成了可能. ...
- ContentProvider数据访问详解
ContentProvider数据访问详解 Android官方指出的数据存储方式总共有五种:Shared Preferences.网络存储.文件存储.外储存储.SQLite,这些存储方式一般都只是在一 ...
- 【HANA系列】SAP HANA XS使用JavaScript数据交互详解
公众号:SAP Technical 本文作者:matinal 原文出处:http://www.cnblogs.com/SAPmatinal/ 原文链接:[HANA系列]SAP HANA XS使用Jav ...
- JVM 运行时数据区详解
一.运行时数据区 Java虚拟机在执行Java程序的过程中会把它所管理的内存划分为若干个不同数据区域. 1.有一些是随虚拟机的启动而创建,随虚拟机的退出而销毁,所有的线程共享这些数据区. 2.第二种则 ...
- 学习《深度学习与计算机视觉算法原理框架应用》《大数据架构详解从数据获取到深度学习》PDF代码
<深度学习与计算机视觉 算法原理.框架应用>全书共13章,分为2篇,第1篇基础知识,第2篇实例精讲.用通俗易懂的文字表达公式背后的原理,实例部分提供了一些工具,很实用. <大数据架构 ...
- oracle 重置序列从指定数字开始的方法详解
原文 oracle 重置序列从指定数字开始的方法详解 重置oracle序列从指定数字开始 declare n ); v_startnum ):;--从多少开始 v_step ):;--步进 tsql ...
- 【HANA系列】【第一篇】SAP HANA XS使用JavaScript数据交互详解
公众号:SAP Technical 本文作者:matinal 原文出处:http://www.cnblogs.com/SAPmatinal/ 原文链接:[HANA系列][第一篇]SAP HANA XS ...
- HTTP数据包详解
无论Web技术在未来如何发展,理解Web程序之间通信的基本协议相当重要, 因为它让我们理解了Web应用程序的内部工作. 本文将对HTTP协议进行详细的实例讲解,内容较多,希望大家耐心看. 阅读目录 ...
随机推荐
- NSObject常用方法
类 @interface NSObject <NSObject> { Class isa OBJC_ISA_AVAILABILITY; } // 初始化加载 + (void)load; / ...
- windows server 2016 远程桌面mstsc DPI(更改文本、应用和其他项目大小) 设置
windows server 2016 远程桌面mstsc DPI 设置 在高分辨率机器2K,4K,8K,登入使用window远程桌面mstsc时,登入后虽然分辨率变成了和cilent一样分辨率 但是 ...
- Selenium Grid 的使用
简介 Selenium Grid 是 selenium 的三大组件之一,允许用户同时在不同的机器和系统上测试不同的浏览器,可以分布式的来执行我们的自动化测试,也可以测试不同浏览器的兼容性. Selen ...
- 【tensorflow2.0】处理图片数据-cifar2分类
1.准备数据 cifar2数据集为cifar10数据集的子集,只包括前两种类别airplane和automobile. 训练集有airplane和automobile图片各5000张,测试集有airp ...
- POJ 1163 数字三角形
Portal:http://poj.org/problem?id=1163 DP经典题,IOI94考题,在各大OJ上都有 #include<iostream> #include<al ...
- Django之queryset API
1. QuerySet 创建对象的方法 >>> from blog.models import Blog >>> b = Blog(name='Beatles Bl ...
- B - 来找一找吧 HihoCoder - 1701(排列组合 + 同余差值相同)
这次到渣渣问桶桶了... 准备给你n个数a1, a2, ... an,桶桶你能从中找出m个特别的整数吗,我想让任意两个之差都是k的倍数. 请你计算有多少种不同的选法.由于选法可能非常多,你只需要输出对 ...
- 自执行函数-[javascript]-[语法]
在看别人的代码的时候,遇到了一种写法,之前没有见过,如下: 和模式串(以 P 代替),要求找出 P 在 S 中出现的位置,此即串的模式匹配问题. Knuth-Morris-Pratt 算法(简称 KMP)是解决这一问题的常 ...