DEM可视化如何更具有立体感

简介: DEM可视化如何更具有立体感

下载数据

打开ArcGIS Pro下载数据,详细步骤请参考以下文章

https://mp.weixin.qq.com/s?__biz=MzU1NDk2NDEwOA==&mid=2247500953&idx=1&sn=65d952656d2752669d9058dd58850685&chksm=fbd9017accae886cef88965367baab7ad15eb553f601cda68d24f379c0cb4ef4df33071f173f&token=396178783&lang=zh_CN#rd

我选择的是山西省的一处山区

简单可视化

一般来说我们所谓的对其进行“可视化”也就是简单的对它来一个垂直夸大,有立体的感觉,然后换个色带。如下

试试山体阴影

将地图导入布局页面,选择影像,栅格函数

在最下面表面选项里选择山体阴影

输出结果如下

选择山体阴影图层,在上方外观选项里点击图层混合,将混合模式改为叠加

多尝试一些图层混合,相信我,你会有很多意想不到的惊喜

结果如下,效果是不是更好呢

选择混合后的图层,在符号系统设置里将拉伸类型改为标准差,调整数值(数值不唯一)

结果如下,是不是感觉又不一样了,更具有立体感了

哥哥姐姐点个赞支持一下吧,你们的点赞就是我更新的动力

目录
相关文章
|
7月前
|
存储 数据可视化 API
使用UMAP降维可视化RAG嵌入
大型语言模型(LLMs)如 GPT-4 已经展示了出色的文本理解和生成能力。但它们在处理领域特定信息方面面临挑战,比如当查询超出训练数据范围时,它们会产生错误的答案。LLMs 的推理过程也缺乏透明度,使用户难以理解达成结论的方式。
91 0
|
7月前
|
编解码 人工智能 定位技术
哥白尼数字高程模型(Copernicus DEM)30/90m数据集
哥白尼数字高程模型(Copernicus DEM)30/90m数据集
259 0
|
7月前
|
传感器 编解码 区块链
Google Earth Engine(GEE)——Landsat8/modis/sentinel2 NDVI时序影像差异对比分析图表
Google Earth Engine(GEE)——Landsat8/modis/sentinel2 NDVI时序影像差异对比分析图表
173 0
|
算法 数据安全/隐私保护
TSCAN + TMODEL处理点云数据生成DEM
TSCAN + TMODEL处理点云数据生成DEM
688 0
TSCAN + TMODEL处理点云数据生成DEM
|
2月前
|
存储 前端开发 JavaScript
通过dem2terrain生成MapboxGL地形服务
通过dem2terrain生成MapboxGL地形服务
|
4月前
|
JSON 定位技术 数据格式
DEM转换为gltf
DEM转换为gltf
27 0
|
7月前
|
数据可视化
R语言用igraph绘制网络图可视化
R语言用igraph绘制网络图可视化
|
7月前
|
编解码 数据可视化 定位技术
Google Earth Engine谷歌地球引擎GEE直方图与时间序列多波段折线图绘制与可视化参数调整
Google Earth Engine谷歌地球引擎GEE直方图与时间序列多波段折线图绘制与可视化参数调整
132 1
Google Earth Engine谷歌地球引擎GEE直方图与时间序列多波段折线图绘制与可视化参数调整
|
7月前
|
传感器 编解码 人工智能
pie engine——数字高程模型DEM/ALOS_DEM_12.5m数据集
pie engine——数字高程模型DEM/ALOS_DEM_12.5m数据集
195 0
|
7月前
|
数据采集 数据处理
GEE图表——利用NOAA气象数据绘制气温预测图
GEE图表——利用NOAA气象数据绘制气温预测图
121 0