12米与30米TanDEM-X数字高程模型DEM数据的下载申请方法

简介: 12米与30米TanDEM-X数字高程模型DEM数据的下载申请方法

  本文介绍全球12米与30米高空间分辨率的数字高程模型(DEM)数据——TanDEM-X数据的下载申请方法。

  Tandem-X卫星项目于2010年6月启动,并于2010年6月21日和2010年12月21日分别发射两颗卫星,即TerraSAR-XTanDEM-XTandem-X卫星之间以极低的距离进行飞行,形成了一对相互独立但高度协同的雷达卫星。Tandem-X卫星项目的主要任务是通过合成孔径雷达技术获取地球表面的高分辨率三维地形和地貌数据。通过采集雷达回波数据并进行处理,Tandem-X能够提供高精度的数字高程模型(Digital Elevation Model,DEM),可用于制图、地形分析、地貌研究、水文模拟等应用领域。目前,TanDEM-X数据已有12米、30米与90米等不同分辨率的全球DEM数据,其中12米与30米的数据暂时不能公开下载,而是需要申请后获取;本文就对这一申请流程加以详细介绍。

  需要说明的是,12米与30米的TanDEM-X数据申请流程非常繁琐——申请过程中,不仅需要填写数据使用的目的,还需要对申请数据的课题组加以阐述,因此个人申请极大概率是无法通过的,而是需要以课题组、实验室乃至整个机构为单位来申请;且通过申请后,还并不是可以下载全球的全部数据,而是只能下载限定面积的数据,超出这个面积范围我们就无法继续下载了;而且还有一点,就是数据申请网站还非常卡顿,不太方便。因此,如果大家是个人身份,或者需要的数据比较多,并不建议用12米与30米的TanDEM-X数据,不如用其他可以公开下载的数据。

  首先,我们进入12米与30TanDEM-X数据的申请网站https://tandemx-science.dlr.de/cgi-bin/wcm.pl?page=TDM-Proposal-Submission-Procedure),并在屏幕左上角选择“Investigators Registration”选项,如下图所示。

  随后,在弹出的窗口中,按照要求创建账号。

  随后,注册完毕后,我们等待验证邮件,并在收到邮件后点击邮件中的链接,从而验证注册。如下图所示。

  随后,回到刚刚的注册页面,点击注册页面中的如下按钮即可。

  随后,我们将回到首页,并在左上角输入我们刚刚注册好的账号;如下图所示。

  这里需要注意,如果输入数据后出现错误,显示登陆失败的话,大家可以多登录几次;或者确认一下,是不是已经在邮件中验证了账号。等我们登陆成功后,选择“Investigator”选项;如下图所示。

  随后,在新的窗口中,选择“Create DEM Proposal”选项,提交DEM数据的申请。如下图所示。

  接下来,我们在新的窗口中,选择下拉框中的“DEM”选项,如下图所示。

  随后,即可进入申请填写界面。如下图所示,这个只是申请的第一页,后面还有大量需要填写的内容,包括我们下载数据的目的、数据研究区域介绍、所在课题组介绍等等,非常繁多。

  例如,第二页就是对自己所在的课题组的介绍,包括课题组的研究经历、组织等。

  如果大家确实很需要这一数据,那么就填写全部申请内容,并在最后一步中选择“Submit”选项。

  如果大家的申请填写无误,即可在刚刚的注册邮箱中收到一封邮件,表示申请已经提交成功;后期大家等待申请通过,即可开始指定区域数据的下载了。

  至此,大功告成。

欢迎关注:疯狂学习GIS

相关文章
|
Java
SpringBoot导入导出Excel
简单、便捷、快速
8316 0
|
安全 图形学
【unity实战】事件(Event)的基本实战使用
【unity实战】事件(Event)的基本实战使用
1451 1
国家互联网信息办公室关于发布第十批深度合成服务算法备案信息的公告
2025年3月12日,国家网信办公布第十批深度合成算法备案信息,共395款算法通过公示。根据《互联网信息服务深度合成管理规定》,境内深度合成服务提供者和技术支持者需履行备案手续。具体信息可在中国互联网信息服务算法备案系统查询,疑议请发邮件至指定邮箱。附件含完整备案清单。
|
弹性计算 Ubuntu Linux
快速部署 Docker 社区版
Docker Community Edition (CE) 是Docker项目的免费版本,面向广大开发者、爱好者以及希望利用容器技术的个人和组织。它是Docker企业版(Docker Enterprise Edition, EE)的社区驱动对应版,提供了强大的容器化应用构建、部署和运行能力。本文解释如何通过计算巢快速部署Docker社区版。
快速部署 Docker 社区版
|
存储 人工智能 自然语言处理
Github上的十大RAG(信息检索增强生成)框架
信息检索增强生成(RAG)是一种结合了检索系统和生成模型优势的技术,能够显著提升大型语言模型的性能。RAG通过从外部知识库中检索相关信息,增强模型的输入,从而生成更加准确、符合上下文、实时更新的响应。GitHub上涌现出多个开源RAG框架,如Haystack、RAGFlow、txtai等,每个框架都有独特的功能和特性,适用于不同的应用场景。这些框架不仅提高了模型的准确性和可靠性,还增强了过程的透明度和可解释性。
2555 2
|
传感器
光学雨量计雨量传感器的原理与工作机制
光学雨量计雨量传感器的原理与工作机制
光学雨量计雨量传感器的原理与工作机制
|
JSON Rust JavaScript
🎉使用Tauri+vite+koa2+mysql开发了一款待办效率应用
这是一个基于tauri+vite的应用,它采用了一些最新的前端技术,包括 Tauri、Vue3、Vite5、koa2 和 mysql。它提供了丰富的效率管理工具。
479 8
|
异构计算
zTasker v1.88.1一键定时自动化任务
zTasker是一款完全免费支持定时、热键或条件触发的方式执行多种自动化任务的小工具,支持win7-11。其支持超过100种任务类型,50+种定时/条件执行方法,而且任务列表可以随意编辑、排列、移动、更改类型,支持任务执行日志,可覆盖win自带的热键,同时支持任务列表等数据的备份及自动更新等。
636 3
|
机器学习/深度学习 数据采集 大数据