1.简介：

数字高程模型（Digital Elevation Model)，简称DEM，是通过有限的地形高程数据实现对地面地形的数字化模拟。

这次分享的数据是全国34个省份的DEM裁剪数据，一共有6期数据。

分享的数据效果如上图所示。

2.背景介绍

首先，自己的百度云盘堆满了各种DEM数据，但都是单景，每一次使用都需要进行按区域裁剪、镶嵌。做得多也就烦了。
正好，前段时间研究了一下GDAL与Geopandas结合到一起，进行栅格的批量裁剪与转换。我就一次性地把DEM都裁剪到了省。

人数多了，就想要更多人数。
因此我写了这篇推文，阐述批量裁剪DEM的流程，以及分享各省的裁剪DEM资源。

3.数据制作

3.1 流程图

总体思路是：DEM数据转换、按省份裁剪DEM、切片镶嵌，结果数据后处理。

3.1数据准备工作

首先是下载数据，数据量加在一起是60G大小。

待下载好之后，检查数据，统一所有数据格式为TIFF。例如NASA_30mDEM数据为1300张hgt格式的影像，需全部转为tiff文件，
这步使用arcgis的栅格批量转换功能。

3.2 DEM按省份裁剪

3.2.1 脚本进行裁剪

使用python的RasterIO模块进行单景的DEM读取，使用Geooandas模块操作省份矢量裁剪。考虑到这条推文的阅读性，所有脚本代码我会在github上公开（https://github.com/KUAIDUOBAO），这里暂时只放重要的裁剪脚本：

#裁剪函数
def clip(pathDir,shpdata,rasterfile):for i in tqdm(range(len(pathDir))):# 读入栅格文件rasterfile = files_path+"\\"+pathDir[i]rasterdata = rio.open(rasterfile)#获取栅格信息profile = rasterdata.profile#标识符note = pathDir[i]# 投影变换，使矢量数据与栅格数据投影参数一致shpdata = shpdata.to_crs(rasterdata.crs)# 按照所有矢量进行循环裁剪for j in range(0, len(shpdata)):try:# 获取矢量数据的featuresgeo = shpdata.geometry[j]#获取该要素的属性信息data_shp_name=shpdata.全称[j]#文件保存位置的文件夹 各省data_filepath=str(data_shp_name)feature = [geo.__geo_interface__]# 通过feature裁剪栅格影像out_image, out_transform = rio.mask.mask(rasterdata, feature, all_touched=True, crop=True, nodata=0)profile.update(height=out_image.shape[1],width=out_image.shape[2],shape=(out_image.shape[1],out_image.shape[2]),nodata=0,bounds=[],transform=out_transform,)# 定义要创建的目录mkpath = "目录名"# 检测目录是否存在mkdir(mkpath)# 文件名字name="文件名"with rasterio.open(name, mode='w', **profile) as dst:dst.write(out_image)except:pass

使用上述脚本，可以得到省级行政图裁剪每一张影像后的裁剪结果。

这些影像都是按照省级轮廓裁剪后的结果，单张只能覆盖一部分区域，因此需要对所有子集影像进行镶嵌。

3.2 DEM按省份镶嵌

需要遍历34个省份的文件夹，镶嵌使用gdal库的Warp函数。

3.3 数据后处理

主要是使用python脚本，对每一个省份文件夹中的结果影像进行重命名，并删除多余的切片文件。这一步需要添加一个判定函数，判定是否为镶嵌文件，
是则保留，不是则删除。

3.3 数据处理总结

除了上述处理过程，中间也写了数个辅助脚本，用以批量归类DEM文件、多线程处理、批量删除与重命名、匹配文件等。这部分脚本我会上传到github中，不再多做介绍。
当然，进行DEM分省裁剪最大的困难从不是算法问题，而是巨大的数据量，单类全国30m的DEM数据解压后差不多40G。长时间的跑数据，我的笔记本电脑cpu真的可以烤肉了（跑数据过程中，温度长期稳定在80度）。
总得来说，工作量很大，下班后都没时间碰"云顶之弈"这个游戏了。

4.结果展示

裁剪得到了34个省份的DEM，各有6张影像，三种30米分辨率、一种90米分辨率、一种250米分辨率以及一种1000米分辨率。总共166G文件，已经上传到百度云。

5.总结

5.1数据总结

使用gdal、geopandas可以很方面地使用矢量裁剪栅格。
而针对全国的DEM数据裁剪，算法不是问题，唯一的问题是数据量很大，需要足够的算力。

5.2下一步的计划

考虑到我的台式电脑即将组装完毕，而它的优点就是散热能力更强。因此，在工作的闲暇之余，接下来会做：
1.使用更高精度的12.5米分辨率的ALOS PALSAR数据和15米分辨率的SRTM-X-DLR，进行一个行政区划的裁剪；
2.从34个省份的DEM裁剪，扩展到全国400个地级市、2700多个县，并进行归类。

6.数据分享

可以前往“地信遥感数据汇”（https://www.gisrsdata.com/）获取更多数据。

DEM数据全国各省的裁剪与分享(30m、90m、250m、1000m)相关推荐

GaoHR | 全国各省30m分辨率DEM数据
GaoHR | 全国各省30m分辨率DEM数据 Earthdata Search
全国各省10米分辨率的土地利用数据的制作与分享
1.简介该数据来源是清华大学的宫鹏老师团队做的全球土地利用数据,但该数据只能分影像块进行下载,没有制作按区划数据进行归纳,本人使用python爬虫下载了全球共计7000景影像,并利用2021年的区划 ...
2020年全国各省、各个地级市、各县的10米分辨率的土地利用数据的制作方法与获取
1.数据介绍该数据来源是Esri公司基于10m哨兵影像数据,使用深度学习方法制作做的全球土地利用数据.该数据的数据精度总体精度为85%,混淆矩阵如下所示: Esri全球土地利用数据的影像数据的分布如 ...
dem数据下载后怎么使用？查看等高线、地形渲染、地形裁剪教程
Dem数据下载后要怎么用呢?很多人都是用dem来看地形,本文就给大家讲解下,dem数据下载后怎么来查看等高线地形图.地形渲染.按行政区划裁剪等操作. 如果还没有DEM数据的话,推荐查看我在CSDN写的 ...
全国分省12.5m DEM数据（ALOS 12.5m)/高程dem
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言全国分省12.5m DEM数据(ALOS 12.5m)/高程dem 一.ALOS 12.5米DEM免费下载介绍二.数 ...
爬虫项目(四)---采集从01月22日以来全国各省疫情数据
采集从03月02日以来全国各省疫情数据当然,数据来源仍然是丁香园新型冠状病毒肺炎疫情实时动态首页 url:https://ncov.dxy.cn/ncovh5/view/pneumonia 分析确 ...
爬虫项目(三)---采集最近一日全国各省疫情数据
该内容出自黑马程序员教程采集最近一日全国各省疫情数据当然,数据来源仍然是丁香园新型冠状病毒肺炎疫情实时动态首页 url:https://ncov.dxy.cn/ncovh5/view/pneumo ...
分享一个DEM数据下载的方法
概述 DEM,又称数字高程模型,是常见的一类栅格数据,也是每一个做GIS的GISer机场也会用到的一类数据.本文,跟大家分享一个DEM数据下载的方法. 操作本文分享的DEM数据源自地理空间数据云 ( ...
1990-2021年全国各省城市化水平数据
1990-2021年全国各省城市化水平数据 1.包括:全国31省 2.时间:1990-2021年 3.指标包括:城镇常住人口数(万人).常住人口数(万人).城市化水平 4.指标衡量:城市化率=本地区城 ...

DEM数据全国各省的裁剪与分享(30m、90m、250m、1000m)