简介这份资源面向GIS从业者、地理科研人员及规划、环境、灾害评估等方向的学习者提供贵州省黔南布依族苗族自治州12.5米分辨率数字高程模型并附带市级行政范围矢量边界可用于地形分析、坡度坡向提取、区域划分与空间建模等场景。压缩包共12个文件约219.69MB以tif栅格为主体配合tfw、prj、ovr、aux.xml等辅助文件保障坐标定位与多级缩放显示另有shp、shx、dbf、sbn、sbx等Shapefile组件存储行政边界几何、索引与属性信息xml文件补充元数据说明。相比常见的30米DEM12.5米精度能更细致地刻画山脊、山谷与坡度变化行政边界可直接与高程数据叠加便于按市域范围裁剪统计。目前已有244人学习下载适合需要高精度地形底图与边界配套数据的用户参考使用。1. 黔南州 12.5 米 DEM 到手之后这份数据到底能干什么如果你正在做黔南布依族苗族自治州的水文分析、坡度坡向计算、工程选址或者三维地形可视化大概率绕不开一个基础问题高程数据从哪来。贵州省黔南州地处云贵高原向广西丘陵过渡的斜坡地带喀斯特地貌发育地形起伏剧烈用 30 米分辨率的公开 DEM 做小流域分析时经常出现山脊被抹平、河谷被填平的情况。这份 12.5 米 DEM 数据含市级范围 shp 文件就是冲着这个精度缺口来的。它本质上是一套栅格高程数据加一个矢量边界文件的组合包压缩格式为 7z。12.5 米分辨率意味着每个像元代表地面约 12.5 米 × 12.5 米的区域相比 30 米数据对黔南这种峰丛洼地交错的地形能多保留一层细节。配套的市级范围 shp 文件解决的是裁剪和掩膜问题——你不需要自己去网上找边界再配准直接用它做按掩膜提取就行。适合谁用做水文建模的、做公路选线的、做光伏选址的、做 GIS 教学案例的以及需要把 DEM 转成等高线或三维地形的那批人。下面从数据拆包开始一步步说到能跑出结果。2. 拆包与数据完整性核验7z 解压和 shp 边界检查2.1 7z 解压的两种姿势与常见报错拿到.7z文件后Windows 下最常见的是用 7-Zip 或 Bandizip 右键解压。但有一类报错很典型密码明明是对的进度条走到一半提示“数据错误”或“CRC 校验失败”。这不是密码问题是压缩包在下载或拷贝过程中出现了字节级损坏。Linux 下用7z命令行解压时同样会遇到类似提示。# Linux 下安装 p7zip 并解压 sudo apt-get install p7zip-full # Debian/Ubuntu 系 # 或 sudo yum install p7zip # RHEL/CentOS 系 # 先测试压缩包完整性不实际解压 7z t 黔南州12.5米DEM.7z # 测试通过后再解压到指定目录 7z x 黔南州12.5米DEM.7z -o./qiannan_dem -y7z t是测试模式只读不写能在解压前告诉你压缩包有没有坏。-o指定输出目录-y表示所有询问自动确认。如果t就报错别急着反复解压重新获取文件更省时间。Windows 下如果 7-Zip 版本过老对某些高版本压缩算法支持不好换 7-Zip 19.00 以上或 Bandizip 通常能解决。解压后你会看到两类东西一类是 DEM 栅格文件可能是.tif或.img格式另一类是 shp 文件组——注意 shp 从来不是单个文件至少包含.shp、.shx、.dbf三个缺一个都打不开。2.2 shp 边界文件的字段与坐标系确认市级范围 shp 拿到手第一件事不是急着裁剪而是确认它的坐标系和 DEM 是否一致。常见翻车场景DEM 是 WGS84 地理坐标系shp 却是投影坐标系直接做掩膜提取结果要么报错要么裁出来位置偏到隔壁州。import geopandas as gpd import rasterio # 读取 shp 边界 boundary gpd.read_file(./qiannan_dem/qiannan_city.shp) print(shp CRS:, boundary.crs) print(字段列表:, boundary.columns.tolist()) print(要素数量:, len(boundary)) # 读取 DEM 元数据 with rasterio.open(./qiannan_dem/dem_12_5m.tif) as src: print(DEM CRS:, src.crs) print(DEM 尺寸:, src.width, x, src.height) print(像元大小:, src.res) print(无效值:, src.nodata)这段代码做三件事看 shp 的坐标系、看字段结构、看 DEM 的坐标系和像元信息。如果两者 CRS 不一致用boundary.to_crs(src.crs)统一后再裁剪。字段列表里通常会有市级名称字段做批量分县裁剪时靠它筛选。nodata值也要留意黔南部分区域如果有云遮挡或数据缺失会填一个特定值常见是 -9999 或 -32768后续统计时要把它排除否则最小值会变成负数。注意shp 文件路径中如果包含中文部分老版本 ArcGIS 会识别异常。建议解压后把目录名改成纯英文比如qiannan_dem能省掉很多玄学问题。3. 用 QGIS 和 Python 做裁剪、重采样与坡度计算3.1 按掩膜提取QGIS 图形化操作与 GDAL 命令行裁剪 DEM 到黔南州市级范围QGIS 里用“按掩膜图层裁剪栅格”工具最直观。参数设置里“掩膜图层”选 shp“源 CRS”和“掩膜 CRS”保持一致“输出范围”选掩膜图层范围勾选“保持输入分辨率”。但如果你要批量处理多个县或者想把步骤固化下来GDAL 命令行更靠谱。# 用 gdalwarp 按 shp 边界裁剪 DEM gdalwarp -cutline ./qiannan_dem/qiannan_city.shp \ -crop_to_cutline \ -dstnodata -9999 \ -tr 12.5 12.5 \ -r bilinear \ ./qiannan_dem/dem_12_5m.tif \ ./qiannan_dem/dem_qiannan_clip.tif-cutline指定裁剪边界-crop_to_cutline让输出范围紧贴边界而不是保留原图幅-dstnodata设无效值-tr 12.5 12.5强制输出像元大小-r bilinear是重采样方法。这里有个细节如果原始 DEM 像元不是正好 12.5 米-tr会触发重采样双线性插值适合连续高程表面别用最近邻否则高程会出现阶梯状突变。3.2 坡度坡向计算与单位陷阱裁剪完的 DEM 直接拿来做坡度十有八九会得到一个离谱的结果——坡度值全是 0 到 90 之间的角度但分布明显不对。问题出在 z 因子Z factor上。DEM 的高程单位是米但平面坐标单位如果是度地理坐标系坡度的计算需要把度换算成米否则水平距离被严重低估坡度被严重高估。import numpy as np import rasterio from rasterio.transform import xy def slope_degree(dem_path, z_factor1.0): with rasterio.open(dem_path) as src: dem src.read(1).astype(float) nodata src.nodata if nodata is not None: dem[dem nodata] np.nan # 计算 x 和 y 方向梯度 dy, dx np.gradient(dem, src.res[1], src.res[0]) slope_rad np.arctan(np.sqrt(dx**2 dy**2) * z_factor) slope_deg np.degrees(slope_rad) return slope_deg, src.profile slope, profile slope_degree(./qiannan_dem/dem_qiannan_clip.tif, z_factor1.0) print(坡度范围:, np.nanmin(slope), 到, np.nanmax(slope)) print(平均坡度:, np.nanmean(slope))np.gradient用中心差分算梯度src.res给出像元在 x 和 y 方向的大小。如果 DEM 是投影坐标系单位米z_factor保持 1.0如果是地理坐标系单位度需要把z_factor设成约 111320赤道处每度对应的米数或者先把 DEM 重投影到投影坐标系再算。黔南州纬度约 25° 到 27°实际每度经度对应的距离约 111320 × cos(26°) ≈ 100000 米用 111320 会略有偏差但比不设强得多。更稳妥的做法是统一重投影到 UTM 或高斯-克吕格投影后再计算。3.3 重采样到 30 米为什么以及怎么做有些分析场景不需要 12.5 米这么细比如做全州尺度的水文汇流分析30 米反而能减少计算量、避免噪声放大。重采样用gdalwarp或rasterio都行。# 重采样到 30 米用平均法聚合 gdalwarp -tr 30 30 -r average \ ./qiannan_dem/dem_qiannan_clip.tif \ ./qiannan_dem/dem_qiannan_30m.tif-r average对高程来说比bilinear更合适因为它取的是邻域均值能平滑掉 12.5 米数据里的一些高频噪声。但如果你要做的是微地形分析比如喀斯特峰丛的坡度突变就别重采样直接用 12.5 米。4. 避坑与排查DEM 处理里最容易翻车的五件事4.1 裁剪后像元值全变成 nodata现象用 shp 裁剪完打开结果发现全是黑块或无效值。原因通常是 shp 和 DEM 的坐标系不一致裁剪时空间范围对不上GDAL 找不到重叠区域就全填了 nodata。解决办法裁剪前先用gdalinfo或geopandas确认两者 CRS不一致就先统一。另一个可能是 shp 的几何类型是点或线而不是面-cutline对面要素才有效。4.2 坡度计算结果全是 0 或 90现象坡度图要么一片平要么一片陡崖。原因多半是 z 因子没设对或者 DEM 本身是地理坐标系但没做单位换算。解决确认 DEM 的 CRS 类型地理坐标系下要么设 z_factor要么先重投影。还有一种可能是 DEM 的 nodata 值没排除被当成真实高程参与了梯度计算。4.3 7z 解压报“密码错误”但密码确实是对的现象输入正确密码后提示错误或 CRC 失败。原因压缩包损坏常见于下载中断或拷贝时文件系统出错。解决先用7z t测试完整性损坏就重新获取。如果是在 Linux 下用7z报错检查是否安装了p7zip-full而不是p7zip后者功能不全。4.4 shp 文件打开后属性表乱码现象用 ArcGIS 打开 shp属性表里的中文字段显示为乱码。原因dbf 文件的字符编码问题老版本 ArcGIS 默认用系统编码而 shp 可能用 UTF-8。解决在 QGIS 里打开正常的话用 QGIS 另存为一份编码选 GBK 或 UTF-8 再试。或者用geopandas读取时指定encodingutf-8或encodinggbk。4.5 裁剪边界和 DEM 有微小偏移现象裁剪结果看起来对但边界处像元值有异常或者边界线和实际地形对不上。原因shp 边界和 DEM 的配准精度有差异或者 shp 本身是简化过的边界。解决做高精度分析时别直接用市级边界裁先用gdal_polygonize从 DEM 提取有效数据范围再和 shp 做交集。另外-crop_to_cutline会按像元中心判断是否在边界内边界处可能丢一两个像元对面积统计有影响的话要留意。5. 从 DEM 到三维地形和等高线两个进阶用法5.1 用 QGIS 生成三维地形并导出12.5 米 DEM 做三维可视化比 30 米数据在黔南这种地形上表现好很多。QGIS 里用“栅格转三维”或者直接上 Qgis2threejs 插件能把 DEM 叠加影像贴图输出成网页可交互的三维场景。关键参数是垂直夸张系数黔南地形起伏大垂直夸张设 1.5 到 2 倍比较合适设太大反而失真。导出时注意选择 WebGL 兼容的格式否则浏览器打不开。如果要在 ArcGIS 里做用 ArcScene 加载 DEM设置基底高程再叠加 shp 边界做底图。但 ArcScene 对大数据量支持一般12.5 米全州数据可能卡顿建议先按县裁剪再分别处理。5.2 等高线生成与平滑处理从 DEM 生成等高线QGIS 里用“等值线”工具等高距根据用途定做地形图一般 10 米或 20 米做工程规划可能 5 米。生成后的等高线往往有锯齿需要平滑。import geopandas as gpd from shapely.geometry import LineString # 读取生成的等高线 contours gpd.read_file(./qiannan_dem/contours_20m.shp) # 对每条线做平滑简化 缓冲再取中线是常见做法 def smooth_line(geom, tolerance0.5): if geom.geom_type LineString: return geom.simplify(tolerance) return geom contours[geometry] contours[geometry].apply(smooth_line) contours.to_file(./qiannan_dem/contours_20m_smooth.shp, encodingutf-8)simplify用 Douglas-Peucker 算法tolerance控制简化程度单位跟坐标系一致。投影坐标系下 0.5 表示 0.5 米地理坐标系下 0.5 表示 0.5 度差别巨大别搞混。平滑后的等高线更适合出图但用于面积量算时要谨慎简化会引入误差。提示等高线生成后如果出现闭合小圈异常多检查 DEM 是否有孤立的噪声像元。可以先做一次 3×3 中值滤波再生成。5.3 一个我常用的验证习惯每次拿到新 DEM不管多急我都会先跑一遍“三看”看 CRS、看 nodata、看高程范围。黔南州海拔大致在 200 米到 2000 米之间如果统计出来的最小值是 -9999 或者最大值是 8000 多不用往下做先查数据问题。这个习惯帮我省过很多次返工。从那以后我每次处理 DEM 都强制走一遍这个检查希望帮到你。本文还有配套的精品资源点击获取