DEM数据全国各省的裁剪与分享(30m、90m、250m、1000m)

2021-08-19 21:02:16 阅读：386 来源： 互联网

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features
                geo = 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

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

“锐多宝的地理空间”gongzonghao，回复“DEM”，获取数据下载方式。

标签：250m,省份,裁剪,shpdata,DEM,90m,数据,out
来源： https://www.cnblogs.com/QQ2281138561/p/15163790.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9