DEM数据下载——以地理空间数据云为例

简介: 数字高程模型(Digital Elevation Model)是进行地形分析的重要基础,诸如坡度、坡向及水文分析等都在此基础上进行。今天,我们一起来聊一聊一种DEM数据常见下载方式。

数字高程模型(Digital Elevation Model)是进行地形分析的重要基础,诸如坡度、坡向及水文分析等都在此基础上进行。今天,我们一起来聊一聊一种DEM数据常见下载方式。
按照惯例,先将网址列出:
https://www.gscloud.cn/home
地理空间数据云是由中国科学院计算机网络信息中心科学数据中心开发的在线平台,支持数据检索下载及相关服务。平台提供了一系列DEM数字高程数据产品,包括30米GDEM数字高程数据、90米SRTM数据以及基于高程数据加工产生的坡度、坡向等系列产品。
数据下载(以ASTER GDEM 30M 分辨率数字高程数据为例)
①注意:在下载数据前应完成平台注册及登录
②浏览数据
数据以条带号及行编号构成的编号组织标识,我们可以通过输入实验区的数据标识、条带号、行编号或是经纬度进行检索,但是这种检索不够直观。
③高级检索
平台提供了高级检索方式,可以采用更加直观便捷的方式进行操作。
首先,我们在数据集中筛选出【ASTER GDEM 30M 分辨率数字高程数据】
其次,再进行空间尺度的确定。在这里,主要有以下4种选择方式:地图选择、行政区、经纬度和条带号,我们可以根据实际需要选取不同的选择方法。其中,地图选择是通过在页面上绘制点、矩形和多边形来选取相应的范围。如果是以明确的行政区为研究对象,筛选精度可以达到区县旗级,操作起来也是十分方便的。
最后,由于我们这里是进行DEM数据的下载,可以忽略时间范围和云量的设置,直接点击【检索】即可,然后对相关数据进行下载操作,再导入GIS软件进行拼接等后续处理。
此外,平台也提供了名为【DEM切割】的在线服务,使用也很方便,感兴趣的朋友可以尝试一下。

相关文章
|
4月前
|
存储 数据可视化 数据处理
`geopandas`是一个开源项目,它为Python提供了地理空间数据处理的能力。它基于`pandas`库,并扩展了其对地理空间数据(如点、线、多边形等)的支持。`GeoDataFrame`是`geopandas`中的核心数据结构,它类似于`pandas`的`DataFrame`,但包含了一个额外的地理列(通常是`geometry`列),用于存储地理空间数据。
`geopandas`是一个开源项目,它为Python提供了地理空间数据处理的能力。它基于`pandas`库,并扩展了其对地理空间数据(如点、线、多边形等)的支持。`GeoDataFrame`是`geopandas`中的核心数据结构,它类似于`pandas`的`DataFrame`,但包含了一个额外的地理列(通常是`geometry`列),用于存储地理空间数据。
|
6月前
|
数据可视化 数据挖掘 关系型数据库
R语言中的地理空间数据分析
【4月更文挑战第26天】R语言在地理空间数据分析中发挥着关键作用,拥有如"sp"、"sf"和"rgdal"等扩展包。
144 1
|
6月前
|
存储 数据可视化 关系型数据库
矢量数据库在地理空间数据处理中的应用
【4月更文挑战第30天】矢量数据库在地理空间数据处理中展现优势,高效存储管理高维向量数据,支持快速查询、空间分析与可视化。分布式处理能力适应大数据量需求,提供高效、灵活、可扩展及可视化支持,是处理地理空间数据的理想选择。随着技术进步,其应用将更加广泛。
|
6月前
|
定位技术 API 数据处理
使用GIS制作静态地图和处理地理数据
使用GIS制作静态地图和处理地理数据
|
6月前
|
编解码 定位技术
ENVI对不含地理参考信息的栅格图像添加地理或投影坐标系信息
ENVI对不含地理参考信息的栅格图像添加地理或投影坐标系信息
|
6月前
|
定位技术 Python
ArcGIS批量拼接大量栅格遥感影像:Mosaic工具
ArcGIS批量拼接大量栅格遥感影像:Mosaic工具
240 1
|
存储 Cloud Native 关系型数据库
Ganos矢量栅格数据快速入库方法简介
本文介绍了Ganos提供的矢量、栅格数据高效入库方法,帮助用户快速理解云原生数据库空间数据的写入方案,以便更好的使用Ganos矢栅数据的处理能力。
|
数据可视化 数据挖掘 定位技术
GIS空间分析 栅格数据分析1 欧氏距离分析
本文讲述ArcGIS栅格数据欧氏距离分析、栅格数据重分类、栅格叠置分析等空间分析功能;
173 1
使用Rasterio创建栅格数据
使用Rasterio创建并写入栅格数据比GDAL还简单一些,基本使用到两个函数:rasterio.open()和write()
194 0
|
数据可视化 定位技术 数据处理
使用 geopandas 和 shapely(.shp) 进行地理空间数据处理和可视化
使用 geopandas 和 shapely(.shp) 进行地理空间数据处理和可视化
755 0