企业官网建设流程全解析

简介：这份云南省30米分辨率DEM数据面向地理信息、测绘、环境研究与城市规划等领域的从业者和学习者，提供覆盖全省的高程地形基础数据，可用于洪水风险评估、地质灾害分析、地形地貌研究及交通线路设计等场景。压缩包共10个文件，约1MB，以GeoTIFF栅格影像为核心，辅以shp、shx、dbf、prj等Shapefile组件界定云南省行政边界，另有tfw坐标参数、xml元数据及sbx、sbn空间索引文件，基于ASTER GDEM V3版本，采用WGS84坐标系，便于在QGIS、ArcGIS等软件中直接加载与空间分析。目前已有1057人学习下载。数据分辨率高、地理配准完整，读者可据此开展地形可视化、坡度坡向提取、流域分析等实操，并结合边界文件快速裁剪出研究区范围，是区域地形研究与环境建模的实用底图资料。

1. 云南省DEM（30米分辨率）：从一块“数字地形底座”说起

如果你接过云南的公路选线、光伏选址、水土保持或者无人机航线规划，大概率绕不开一个东西：云南省DEM（30米分辨率）。DEM 是数字高程模型，30 米指的是格网间距，也就是每个格子代表地面约 30×30 米的平均高程。云南地形从滇西北海拔 6000 米级的雪山到滇南不足百米的河谷，高差极大，用一份 30 米 DEM 把全省地形“铺”进 GIS 里，是很多空间分析的第一步。它解决的是“地面到底多高、坡往哪边倒、水往哪里流”这类基础问题，适合做流域分析、坡度坡向、通视、淹没模拟的从业者。但拿到数据只是开始，真正让人翻车的是投影、拼接、空值和无高程区，下面按我实际干过的顺序讲清楚。

2. 云南省DEM（30米分辨率）的获取与数据源选型：先搞清你手里是什么

2.1 30 米分辨率在云南意味着什么

30 米格网，换算到地面就是每个像元覆盖约 900 平方米。对云南这种山高谷深的地方，这个尺度能看出大的山脊、河谷和坝子，但看不出单条冲沟或陡坎。常见做法是把它当作区域级分析底图，而不是工程级设计依据。如果你要做的是村级土地整治或单点边坡稳定，30 米会明显偏粗，得考虑更高分辨率或实测点云。

数据源上，国内常用的是地理空间数据云、资源环境科学数据中心等平台提供的 ASTER GDEM、SRTM 或国产高程产品。不同来源在云南的表现差异不小：ASTER GDEM 在滇西北高山区容易出现条带噪声和“坑”，SRTM 在植被茂密区高程偏植被冠层，国产产品在部分区域做了融合。选型时先看你的分析目标——做水文分析优先选经过洼地填充处理的版本，做可视域分析优先选噪声小的版本。

2.2 下载与整理：按图幅还是按行政区

云南跨多个 1:25 万图幅，直接按行政区裁剪最省事，但要注意边界处的高程连续性。我一般先下载覆盖云南的原始分幅数据，再在 GIS 里按省界掩膜提取。下面是一个用 Python 和 rasterio 做批量裁剪的示例，假设你已经把分幅 DEM 放在raw_dem/目录下，省界矢量是yunnan_boundary.shp。

import rasterio from rasterio.mask import mask import geopandas as gpd import os # 读取云南省界矢量 boundary = gpd.read_file("yunnan_boundary.shp") # 确保矢量与 DEM 坐标系一致，常见 DEM 为 EPSG:4326 boundary = boundary.to_crs("EPSG:4326") geoms = [geom for geom in boundary.geometry] input_dir = "raw_dem" output_path = "yunnan_dem_30m.tif" # 先找到第一幅作为参考，后续统一拼接 dem_files = [os.path.join(input_dir, f) for f in os.listdir(input_dir) if f.endswith(".tif")] # 这里只演示单幅裁剪逻辑，多幅需先合并再裁剪 with rasterio.open(dem_files[0]) as src: out_image, out_transform = mask(src, geoms, crop=True) out_meta = src.meta.copy() out_meta.update({ "height": out_image.shape[1], "width": out_image.shape[2], "transform": out_transform, "compress": "lzw" }) with rasterio.open(output_path, "w", **out_meta) as dest: dest.write(out_image)

这段代码的核心是mask函数，它按矢量范围裁剪栅格，crop=True保证输出范围紧贴矢量边界。参数上，out_meta继承了源数据的坐标系和数据类型，compress="lzw"能显著减小文件体积。注意：如果分幅数据有重叠，直接逐幅裁剪再拼接会出现接边误差，正确顺序是先做镶嵌再裁剪，或者用rasterio.merge合并后再统一掩膜。

2.3 坐标系与投影：别让“位置对不上”毁掉后续分析

云南全省跨度大，地理坐标系（EPSG:4326）下 30 米格网在东西方向的实际地面距离会随纬度变化。做面积、坡度、距离量算时，必须投影到适合云南的投影坐标系。常见选择是 UTM 分区，云南主要落在 UTM 47N 和 48N，或者用 Albers 等积投影做全省统计。我一般做全省坡度分析时用 Albers，做局部工程分析时用对应 UTM 带。

投影转换可以用 GDAL 命令行，也可以用 Python 的rasterio.warp。下面这条命令把地理坐标的 DEM 转成 UTM 47N：

gdalwarp -s_srs EPSG:4326 -t_srs EPSG:32647 -r bilinear -tr 30 30 -of GTiff yunnan_dem_30m.tif yunnan_dem_utm47.tif

-r bilinear是重采样方法，高程连续数据用双线性比最近邻更平滑；-tr 30 30指定输出分辨率 30 米。注意：如果源数据本身是地理坐标，重采样到投影坐标时格网大小会略有变化，这是正常的，但不要反复投影，每转一次都会引入一次重采样误差。

3. 用云南省DEM（30米分辨率）做坡度坡向与水文分析：参数怎么设才不玄学

3.1 坡度坡向计算：3 个必调参数

坡度坡向是 DEM 最基础的应用。在 ArcGIS 里用 Spatial Analyst 的 Slope/Aspect，在 QGIS 里用 Raster terrain analysis，在 Python 里用richdem或gdaldem。不管用什么工具，有三个参数直接决定结果可信度：Z 因子、边缘算法、单位。

Z 因子是高程单位与平面单位的换算系数。如果 DEM 是投影坐标且高程是米，Z 因子设 1；如果是地理坐标，必须设成约 111320 乘以纬度余弦的倒数，否则坡度会严重失真。边缘算法决定边界像元怎么处理，常见有 Horn 和 Zevenbergen-Thorne，Horn 更平滑，适合区域分析。单位选度还是百分比，看你的后续用途，做水土保持常用度，做工程边坡常用百分比。

# 用 gdaldem 计算坡度，输出为度 gdaldem slope yunnan_dem_utm47.tif slope_degree.tif -p -s 1.0 -alg Horn # 计算坡向 gdaldem aspect yunnan_dem_utm47.tif aspect.tif -alg Horn

-p表示输出百分比，去掉则输出度；-s 1.0就是 Z 因子；-alg Horn指定算法。跑完后一定要抽查几个已知陡坡和缓坡区域，如果整片区域坡度都接近 0 或 90，八成是 Z 因子或投影出了问题。

3.2 水文分析：填洼、流向、流量累积的连锁反应

用 DEM 做水文分析，标准流程是填洼、计算流向、计算流量累积、提取河网。云南喀斯特地貌多，天然洼地多，填洼阈值设不好会把真实洼地填平，也会把该保留的岩溶漏斗抹掉。我一般先用richdem做一次洼地检测，看看洼地数量和深度分布，再决定填洼阈值。

import richdem as rd dem = rd.LoadGDAL("yunnan_dem_utm47.tif") # 检测洼地 depressions = rd.DepressionHierarchy(dem, rd.TerrainAttribute(dem, attrib='depression')) # 填洼，使用混合算法 dem_filled = rd.FillDepressions(dem, epsilon=True, in_place=False) # 计算流向，使用 D8 算法 flow_dir = rd.FlowDirection(dem_filled, method='D8') # 计算流量累积 flow_acc = rd.FlowAccumulation(flow_dir, method='D8') rd.SaveGDAL("flow_acc.tif", flow_acc)

epsilon=True表示在填洼时加入微小坡度，避免形成平坦区域导致流向无法确定。D8 算法简单稳定，适合区域河网提取，但在平坦区容易产生平行流线，这是正常现象。流量累积阈值决定河网密度，云南山区一般设 1000 到 5000 个像元，具体看你要提取的河流级别。阈值越小河网越密，但也会把坡面流误判为河道。

3.3 用云南省DEM（30米分辨率）做流域分割与子流域统计

流域分割是在流量累积基础上，指定出水口后向上游追溯汇水区。在 Python 里可以用pysheds或whitebox。下面用whitebox的命令行做一次流域提取：

# 先填洼 whitebox_tools -r=FillDepressions -v --wd="." -i="yunnan_dem_utm47.tif" -o="dem_filled.tif" # 计算 D8 流向 whitebox_tools -r=D8Pointer -v --wd="." -i="dem_filled.tif" -o="flow_dir.tif" # 计算流量累积 whitebox_tools -r=D8FlowAccumulation -v --wd="." -i="flow_dir.tif" -o="flow_acc.tif" # 提取河网，阈值 2000 whitebox_tools -r=ExtractStreams -v --wd="." -i="flow_acc.tif" -o="streams.tif" --threshold=2000 # 按河网分割子流域 whitebox_tools -r=Basins -v --wd="." -i="flow_dir.tif" -o="basins.tif"

这套流程里，threshold是唯一需要反复试的参数。我的习惯是先跑 2000，叠加影像看河网是否和实际沟谷吻合，再上下调整。子流域分割结果可以直接用来做统计，比如每个子流域的平均坡度、高程、植被指数，这对水土保持规划很有用。

4. 云南省DEM（30米分辨率）避坑与排查：5 条血泪经验

4.1 现象：拼接后出现明显接边错位，山脊线断开

原因：不同图幅的 DEM 来源或版本不一致，高程基准有差异，或者拼接时没有做重叠区匀色。解决：优先使用同一来源、同一版本的分幅数据；如果必须混用，在重叠区做直方图匹配或线性回归校正，再拼接。拼接后用山脊线叠加检查，错位超过一个像元就要返工。

4.2 现象：坡度计算结果整片偏小，缓坡变平地

原因：Z 因子没设对，尤其是地理坐标下直接算坡度。解决：确认 DEM 坐标系，地理坐标必须设 Z 因子为1/(111320*cos(lat))，投影坐标设 1。算完后抽查一个已知 30 度左右的坡面，误差超过 2 度就要检查。

4.3 现象：水文分析提取的河网在坝区消失或乱窜

原因：坝区地势平坦，D8 算法在平坦区无法确定唯一流向，导致流线平行或中断。解决：填洼时加 epsilon 微坡度，或者改用 D-infinity 算法。坝区河网可以叠加实际水系矢量做校正，不要完全依赖自动提取。

4.4 现象：DEM 出现大片空值或异常负值

原因：原始数据在云覆盖区、水体或边界处无有效高程，或者数据下载不完整。解决：用gdalinfo -stats查看统计值，空值用相邻像元插值或参考更高精度数据填补。异常负值通常是数据错误，直接设为 NoData 后重算。

4.5 现象：投影转换后面积和距离对不上

原因：投影选择不当，或者转换时没有正确设置源坐标系。解决：云南全省统计用 Albers 等积投影，局部工程用 UTM。转换前用gdalsrsinfo确认源数据坐标系，不要凭经验猜。转换后量算一条已知长度的公路或河流，误差超过 1% 就要查。

5. 把云南省DEM（30米分辨率）用出进阶价值：从地形因子到场景化分析

30 米 DEM 本身只是高程矩阵，真正值钱的是它衍生出的地形因子和场景模型。我常用的进阶玩法有三个：地形起伏度、地形湿度指数和太阳辐射模拟。地形起伏度用窗口分析法，在 3×3 到 11×11 窗口内算高程极差，能快速识别山脊和河谷。地形湿度指数是 ln(a/tanβ)，a 是汇水面积，β 是坡度，用来判断土壤水分空间分布，对农业和生态选址很有用。太阳辐射模拟考虑纬度、坡向、坡度和地形遮蔽，对光伏选址和建筑日照分析是刚需。

下面是一个用 Python 计算地形起伏度的示例：

import numpy as np import rasterio from scipy.ndimage import generic_filter with rasterio.open("yunnan_dem_utm47.tif") as src: dem = src.read(1) profile = src.profile # 定义窗口函数，计算极差 def relief(window): return np.max(window) - np.min(window) # 用 5×5 窗口计算起伏度 relief_map = generic_filter(dem, relief, size=5) profile.update(dtype=rasterio.float32, compress="lzw") with rasterio.open("relief_5x5.tif", "w", **profile) as dst: dst.write(relief_map.astype(rasterio.float32), 1)

size=5对应约 150 米窗口，适合识别中尺度地形。窗口越大起伏度越平滑，但会掩盖小地形。算完后用已知陡坡区和坝区对比，陡坡区起伏度应该明显高于坝区。

太阳辐射模拟可以用pysolar或 GRASS GIS 的r.sun。我一般用 GRASS 做全省模拟，按月份输出辐射量，再叠加土地利用数据筛选可用地块。这一步的计算量不小，建议先分县跑，再合并结果。

最后说一个我自己的习惯：每次拿到一份新的 DEM，先做三件事——看统计值、看投影、看空值分布。这三件事花不了十分钟，但能避免后面几天的返工。云南省DEM（30米分辨率）是个好底座，但底座稳不稳，取决于你有没有认真对待它的坐标系和空值。希望帮到你。

本文还有配套的精品资源，点击获取