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,美国货,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

等高线图

4 如何查看下载?

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。

快速获取到谷歌地形、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等高线等地图查看和下载方法,“查看”

硬核干货!全球数字高程数据(DEM)详解,还有地形晕渲、等高线等相关推荐

  1. SRTM、ASTER GDEM等全球数字高程数据(DEM)下载方式简介

    1.DLR的数字高程数据.该数据也是SRTM(shuttle radar topography mission,航天飞机雷达地形测绘任务)数据,一般提到SRTM都是指NASA在2000年利用奋进号跑出 ...

  2. SRTM、ASTER GDEM等全球数字高程数据(DEM)下载方式简介

    转自:http://blog.sina.com.cn/s/blog_720f853f0101c4a5.html 1.DLR的数字高程数据.该数据也是SRTM(shuttle radar topogra ...

  3. 全球数字高程数据:ASTER GDEM

    简介 ASTER GDEM,即先进星载热发射和反射辐射仪全球数字高程模型,与SRTM一样为数字高程DEM,其全球空间分辨率为30米.该数据是根据 NASA的新一代对地观测卫星Terra的详尽观测结果制 ...

  4. 高精度数字高程数据1m的dem

    最近一直在做一个三维场景的项目,老板一直让我下载高精度的数据,从而构建三维场景,一开始在各种网站上下载如中国科学院镜像站点下载,德国航天局的DLR数字高程数据,美国航天局NASA网站上等一些地方下载, ...

  5. 硬核干货:网易云音乐如何做产品创新

    网易云音乐是大家非常熟悉和喜欢的一款产品,作为一个音乐类应用,成功融合进了社交等元素,满足了多样化的用户需求.那么今天产品系就带大家揭秘网易云音乐是怎样做产品的,而揭秘者正是网易云音乐的产品总监沈博文 ...

  6. e站app里站hosts_硬核干货区 | E站的国际站运营知识星球上线啦

    朋友们大家好,E站已上线了知识星球内容库和问答圈,以阿里国际站,Wordpress自建站,Google SEO的更新内容为主,用原理技术的视角+全栈运营的思维去加成对店铺的运营和优化,知道为什么要这样 ...

  7. 【硬核干货】4500字、10个案例分享几个Python可视化小技巧,助你绘制高质量图表...

    大家好,这里是俊欣,又是新的一周,好吧,打工人真的是太苦了 一般在Python当中,我们用于绘制图表的模块最基础的可能就是matplotlib了,今天小编分享几个用该模块进行可视化制作的技巧,帮助你绘 ...

  8. 2022年台湾省矢量数据(点线面)及数字高程数据下载

    鉴于最近台湾形势,百度高德地图开放道路和poi数据,各大媒体争相关注.因此将台湾省截至目前可获取的最新矢量数据,及srtm格式30米分辨的dem数据分享,需要的人可自行下载. 一.矢量数据(shp格式 ...

  9. 12.5m高程数据DEM,导入大疆精灵4RTK,M300仿地飞行

    点赞及加关注,即可获得--12.5m高程数据DEM,记得私信我--回复 "12.5m高程数据DEM" 领取哦. 文末有视频教程连接. 下面进入教程正文. 全国12.5米高程数据,是 ...

最新文章

  1. Java解决递归栈溢出_方法递归调用中java栈溢出的问题 及 解答 | 学步园
  2. iOS 视频捕获系列Swift之AVFoundation(一)
  3. ORACLE_SID含义
  4. oracle雾化试图_Oracle 物化视图 说明
  5. centos中如何找出系统中 load 高时处于运行队列的进程
  6. Spring框架—基础介绍
  7. [机器学习]超参数优化---贝叶斯优化(Bayesian Optimization) 理解
  8. import() 动态加载component组件失败
  9. 信息学奥赛一本通 1105:数组逆序重存放 | OpenJudge NOI 1.6 04
  10. 设备上专用计算机管理办法,计算机设备管理办法
  11. 微软开源C++ REST SDK——Casablanca
  12. java的max函数比较三个数_java – 使用泛型创建返回较大函数的max函数
  13. discoverer初始化环境
  14. [Reinforcement Learning] 动态规划(Planning)
  15. struts2框架学习
  16. python学习之生成器
  17. jieba库词频统计_jieba库的使用与词频统计
  18. Layer Tree 绘制
  19. 华为荣耀8青春版计算机在哪里,华为荣耀8青春版比荣耀8青春在哪里?
  20. 初识华为云数据库GaussDB(for Cassandra

热门文章

  1. 股票自选股基本函数大全-3
  2. 在Xshell上下载vim
  3. java: 非法字符: ‘\ufeff‘解决方法
  4. CS1503号错误是什么
  5. (十五:2020.08.28)CVPR 2013 追踪之论文纲要(译)
  6. Windows服务描述及其原理
  7. SAP S4 HANA 1909 安装说明
  8. 多多自走棋改动_《多多自走棋》9月底最新平衡性改了什么 最新平衡性改动介绍...
  9. 多多自走棋改动_多多自走棋版本前瞻 巫师上线后 羁绊改动集锦
  10. 机器学习:python常用可视化技巧