企业官网建设流程全解析

简介：河北省30米分辨率DEM数据包，是一份面向GIS从业者、测绘与地理分析人员的地理空间数据产品。数据源自ASTER GDEM V3版本，以GeoTiff栅格格式存储海拔信息，并采用WGS84坐标系，可直接用于地形坡度、坡向分析，洪水模拟、规划选址及三维景观渲染等场景。压缩包共10个文件，总大小约229.09MB，除核心的高程栅格文件外，还附带河北省行政边界shp矢量文件及配套的dbf、prj、sbn等属性与投影辅助文件，便于在ArcGIS等平台中与边界叠加使用，省去自行配准与裁剪的步骤。发布至今已有698人学习下载，数据版本较新，时效性有保障。对于需要快速获取河北全境高分辨率地形数据，并进行流域分析、交通选线等工作的用户，这份打包好的DEM与边界文件组合可直接投入使用，减少数据预处理工作量。

1. 河北省DEM 30米数据：先想清楚要拿它做什么

拿到这份河北省DEM 30米分辨率数据，第一件事不是急着拖进ArcGIS渲染成彩色，而是先想清楚要拿它做什么。河北从坝上高原、燕山、太行山一路过渡到华北平原，30米像元对这种省级尺度的分析刚刚好：全省坡度分级、区域汇水分析、灾害易发性初筛都能扛住；但要拿来算单边坡精细坡度或做乡镇级土方设计，分辨率和精度都不够。这份数据适合GIS从业者、规划师、水利与测绘背景的工程师直接当底图和分析输入，新手也能用它练完整的地形分析流程。动手之前，先花五分钟确认投影、值域、NoData、空洞分布四个参数，它们决定后面整个工作流要不要返工。

2. 选型与元数据体检：这份DEM凭什么能用

2.1 30米分辨率在河北能扛住的场景，和扛不住的任务

先说一个直观的数字：30米像元意味着每个栅格代表 900 平方米的地面。河北全省面积约 18.88 万平方公里，一张覆盖全省的30米栅格大约有 2.1 亿个像元，单波段Int16裸数据大概 400MB 出头，加上金字塔和压缩后也就几百兆。如果换成10米数据，像元数直接涨到 19 亿，数据量接近10倍，ArcGIS里做一次填洼和流向计算的时间也差不多翻倍。对区域级项目来说，这个性价比非常关键。

实用场景里，30米DEM适合做的是：省级国土空间规划里的坡度分级，水利上的汇水区划分和河网初提，地质灾害易发性的区域性初筛，以及林业、农业的立地条件分类。这些任务的共同特点是“看趋势、看格局”，单个像元的误差不会颠覆结论。反过来，它扛不住的任务也很明确：单边坡开挖设计、村庄尺度的排水管线分析、矿区沉降监测、工程土方量精算，这些场合需要的是厘米级到米级数据，30米DEM连“参考”都很勉强。

具体适合不适合，可以对照下面这张表来判断：

2.2 主流30米数据源对比：SRTM、ASTER、ALOS与Copernicus

市面上30米DEM的全球公开数据源就那么几个，特性差异不小。如果你拿到手的数据没标注生产源，先按这个表做个预判断：

经验上讲，在河北这种地貌组合复杂的地方，SRTM的平原高程误差小，ASTER在山地容易出现细长条带状空洞，ALOS整体干净但偶尔有云补丁，Copernicus是后起之秀，均匀性好。我一般拿到资源后不纠结于它属于哪个源，直接跑一遍体检脚本，看空洞分布和噪声形态就能猜个八九不离十。另外要提醒一句：如果数据表面在建筑区和茂密林区明显隆起，那你拿到的可能是DSM（数字表面模型）而不是DEM。DSM带屋顶和树冠，直接做水文分析会出现径流在房顶和树梢上流的怪事，这是很多新手把河网提得歪七扭八的隐性原因。

2.3 数据到手先查四个参数：投影、值域、NoData、空洞

打开数据之前先写个检查脚本，比在ArcGIS里肉眼刷屏高效得多。我用Python的rasterio来做，几分钟能跑完：

import rasterio import numpy as np path = "heb_dem_30m.tif" with rasterio.open(path) as ds: print("投影:", ds.crs) print("范围:", ds.bounds) print("像元尺寸:", ds.res) arr = ds.read(1) nodata = ds.nodata valid = arr[arr != nodata] total = arr.size nodata_count = total - valid.size print("有效高程min/max:", valid.min(), valid.max()) print("NoData占比: {:.2f}%".format(nodata_count / total * 100))

这段脚本的输出要对着四个检查点看：第一，投影如果是WGS84地理坐标系，后面做面积计算前必须转投影；第二，像元尺寸必须接近30×30，实际出现29.99或30.00都正常，但出现1或2开头的数，说明数据被重采样过；第三，有效高程最小值如果是0或-32768，基本可以断定边界或空洞被填了0值，要回炉处理；第四，NoData占比超过2%，就得把NoData像元分布图导出来看，确认空洞是不是集中在太行山、燕山的阴坡。这四个参数过关，再往下做坡度水文分析才踏实。

空洞位置怎么看？简单做法是把NoData重分类成1、有效值设成0，用ArcGIS的Spatial Analyst画出来。如果空洞呈细长条带、走向和山脊一致，这是典型的ASTER天窗特征；如果呈块状，可能是云或原始数据缺失。记住这个判断，后面第5章补洞时能少走弯路。

3. 把分幅数据变成河北省一张图：镶嵌、裁剪与投影选择

3.1 分幅TIFF镶嵌成全省栅格

如果这份河北省DEM是按标准分幅交付的，第一步是把几十个分幅拼成一张全省图。命令行环境里，我习惯先用GDAL把分幅“虚拟拼接”成VRT，再做一次实际转换，这样中途出错不用重新读几十个文件：

# 先生成VRT虚拟栅格，不实际复制数据 gdalbuildvrt heb_dem_merged.vrt *.tif # 再转成正式TIFF，统一像元类型和NoData gdal_translate -ot Int16 -a_nodata -9999 -co COMPRESS=DEFLATE heb_dem_merged.vrt heb_dem_merged.tif

关键参数在第二行：-ot Int16把栅格统一成16位有符号整型，防止某个分幅是浮点型导致整张图体积膨胀；-a_nodata -9999强制把NoData设为-9999，这是后续避免边界0值巨坑的第一道防线；-co COMPRESS=DEFLATE用无损压缩，30米全省数据压完通常能缩到200MB以内。如果分幅文件分散在多个子目录，把文件列表写进一个txt，用gdalbuildvrt -input_file_list list.txt指定，避免通配符匹配到无关文件。

在ArcGIS里对应的是Mosaic To New Raster工具。注意把“Pixel Type”选为16 Bit Signed，“NoData”填-9999，Mosaic Operator选First或Blend都行，关键在于每个分幅的边缘值要一致。分幅重叠区如果有高程差，可以用Mosaic Tool底下的Blend做羽化，但30米省级数据我一般不用，缝隙小到对分析没影响。

3.2 按河北省界裁剪，别让边缘NoData污染分析

裁剪看起来是最简单的操作，但水文分析对边缘极其敏感。直接用省界shp裁剪后，边界外的NoData会在坡度坡向计算时参与邻域运算，导致边界一圈出现坡度假高值，甚至把流向引向栅格外部。我常用的做法是：裁剪前先判断后续做什么。如果只是出图，直接剪到省界没问题；如果要做汇水分析或流向计算，先用Buffer把省界向外扩10个像元（300米），用这个缓冲后的范围裁剪，分析完成后再把结果裁回省界。

命令行裁剪：

gdalwarp -cutline hebei_buf.shp -crop_to_cutline \ -tr 30 30 -r near -dstnodata -9999 \ heb_dem_merged.tif heb_dem_bufclip.tif

这里-tr 30 30强制像元尺寸不变形，避免GDAL自动重采样把30米悄悄变成几十米；-r near对整型高程用最近邻重采样，保持原始高程值不插值。裁剪完之后，用2.3节的脚本再跑一次值域统计，重点确认两件事：一是裁剪后范围的最外层一圈是否还有-9999；二是有效高程最小值和原始数据是否一致。不一致就说明裁剪时发生了重采样，回去查cutline有没有问题。

3.3 投影坐标系：为什么省级分析我更推荐Albers等积圆锥

很多新手拿到DEM直接就用WGS84地理坐标系做坡度分析，这在河北这种中纬度地区不是不能用，但算面积、算坡度后处理时会有畸变。河北地处北纬36°到43°之间，经度跨度约6.5°，一个3度带覆盖不了全省，所以省级尺度的分析我更推荐Albers等积圆锥投影：中央经线选117°E，双标准纬线选37°N和41°N，这套参数能把河北省绝大部分区域的面积变形控制在可忽略范围。

ArcGIS和GDAL里都可以自定义这套投影。要注意的是转换前用gdalwarp -r bilinear还是-r near，对DEM来说我坚持用Near，坡度分析里高程不能靠插值“发明”出中间值。投影转换后重新检查像元尺寸，Albers投影下30米像元不会正好是30.00整，出现30.00x29.98之类很正常，只要偏差小于1%，不用重新采样。

如果要发布Web地图，最后再转成Web墨卡托（EPSG:3857）供切片显示，分析工作流里不要用Web墨卡托算面积和坡度，不然河北北部的面积会被放大得离谱。

4. 地貌分析实战：坡度、坡向、填洼与河网提取的参数怎么定

4.1 坡度坡向提取：像元邻域、Z因子和单位

ArcGIS的Slope工具默认用3×3像元邻域计算每个像元的坡度，这个窗口对30米DEM意味着每个坡度值由周围270米范围内的地形决定，局部微地形被天然平滑。执行前要注意三个参数：输出单位选degree还是percent，水文领域习惯用度；Z factor当水平单位和高程单位都是米时必须设为1，如果高程是英尺而水平是米，Z factor要填0.3048，方向反了会得到灾难性的错误结果；第三个是输出栅格类型选浮点，坡度不要存整型，否则1.7°会被取整成2°，平原区分析直接失掉一多半信息。

坡向（Aspect）同样基于3×3邻域，输出的是0到360度的方位角，其中-1表示平地。坡向是环形数据，后续做统计时不能直接求平均，东北坡的平均值不是45和90取均值得到67.5这种算法，要用三角函数转换后再平均。这个细节在山地生态分析里经常被忽略，但在河北省的坡度分级和光照分析中很常见。

提取完之后，用栅格计算器把坡度小于某个阈值的像元挑出来看分布，比直接看渲染图靠谱。河北平原区坡度大量集中在0°到1°之间，这不代表数据坏了，而是30米像元对微地貌的平滑结果。

4.2 填洼不是无脑填：先量化“填了多深”

水文分析前必须做填洼（Fill），但填洼是最容易翻车的一步。ArcGIS的Fill工具默认会把所有检测到的洼地填平，Z limit参数可以限制最大填深，但默认行为在不同版本间语义有差异，我不建议新手一上来就设某个经验值，而是先跑一次默认填洼，然后对比填洼前后差异：

import rasterio import numpy as np with rasterio.open("dem_filled.tif") as ds: filled = ds.read(1) with rasterio.open("heb_dem_bufclip.tif") as ds: orig = ds.read(1) depth = filled.astype(np.float32) - orig.astype(np.float32) depth[orig == -9999] = np.nan print("最大填深(m):", np.nanmax(depth)) print("平均填深(m):", np.nanmean(depth)) print("填深超过5m的像元数:", np.sum(depth > 5))

这段脚本的价值在于把“填了多少”量化出来。如果最大填深超过20米、平均填深超过5米，就要警觉：要么数据源在山区有真实洼地（喀斯特漏斗、采煤塌陷区），要么原始DEM噪声太大。河北省太行山区有采空塌陷区，平原区有古河道洼地，真实洼地不该被填平。处理办法是分两步：第一步用Z limit=10限制最大填深，只填浅层伪洼地；第二步把填洼结果和高程影像叠加，目视检查那些被填掉的深洼地是不是地形真相。

4.3 河网提取全流程与阈值试错法（ArcGIS/QGIS对照）

河网提取的标准链路是：填洼DEM → 流向（Flow Direction） → 累积流量（Flow Accumulation） → 阈值提取 → 河网矢量。ArcGIS里每一步都有对应工具，QGIS里则通过SAGA。流程和参数对照如下：

阈值怎么定，是河网提取里最像“玄学”的部分。我一般用试错法：先按总像元数的万分之一到十万分之一作为初次阈值。河北全省约2.1亿像元，万分之一对应2.1万像元，适用于提取主要河流；十万分之一对应2100像元，能提出来大量沟壑。然后把这个结果和真实水系叠加，调整阈值直到干流不破碎、支流不泛滥。平原区阈值要调高，因为平坦地区累积流量随机性大；太行山、燕山区阈值可以调低，地形约束更强，提取的河网可信度更高。

还有一个容易被忽略的操作：流向计算前如果DEM边缘还有NoData，流向会朝无数据区域倾斜，导致边界河网扭曲。所以第3章的外扩裁剪在这里就体现出价值了。QGIS用户要注意SAGA工具里的“Fill Sinks”默认会连真实洼地一起填，处理逻辑和ArcGIS不完全一致，对比结果时别拿两套结果直接PK，要看相对真实水系的一致性。

5. 避坑指南：河北DEM处理中容易翻车的五个现场

5.1 平原区坡度渲染成“一块饼”，看着像坏数据

现象：把河北省DEM放进ArcGIS算坡度，渲染出来华北平原一大片全是同一个颜色，坡度像被“拍平”了，甚至怀疑数据源出了问题。

原因：30米像元在平原区对微地形的分辨率只有零点几米，大片区域坡度确实在0°到1°之间，默认色带把1°和0.5°都映射成相近颜色，视觉上会糊成一片。

解决：别改坡度数据，改渲染方式。用山体阴影做底图叠加，或者改用局部地形起伏指数（TPI）表达平缓地区的微地形；如果一定用坡度做分级，把分级边界设在0.5°、1°、2°、5°，而不是等间距。再不行就用等高线辅助判读，30米DEM在平原区提取5米等高线完全可行。从那以后我做河北平原的分析，默认不再用单一色带渲染坡度。

5.2 省界外出现一圈0m巨坑

现象：裁剪后的DEM在省界外出现一圈黑色或白色的“0米”像元，统计高程最小值直接变成0，整个栅格的山体阴影在边界处塌陷。

原因：原始TIFF里NoData值没被正确识别，或者裁剪工具把掩膜外的值直接写成了0。0被当作有效高程参与计算后，坡度、坡向在水系边界处全部失真。

解决：裁剪前先确认原始NoData值，裁剪后立刻用2.3节的脚本查值域。如果已经出现0值，用栅格计算器把高程等于0的像元重分类为NoData，然后重新做一次裁剪。GDAL里加-dstnodata -9999能避免大部分情况，ArcGIS的Extract by Mask工具里要手动指定NoData值。这个坑我在刚接触DEM那年踩过，之后每次裁剪都强制跑一遍值域统计。

5.3 TIFF转DEM格式后高程值全乱套

现象：把GeoTIFF用ArcGIS右键Export Data导出成DEM/Grid格式后，高程从三百多变成几万，或者全变成127、128这类奇怪的数，看起来像被“加了盐”。

原因：TIFF里存的是浮点型高程，导出成Esri Grid整数格式时发生了一次不恰当的整型转换；或者导出过程中NoData值被重新赋值，导致原本的-9999被当成有效高程读出来。

解决：不要用右键导出，用ArcToolbox里的Copy Raster工具，在Environment设置里把“Pixel Type”显式指定为16 Bit Signed，NoData指定为-9999。转完以后再随机抽查三五个已知高程点，对比真实值，别只看最小最大值就放行。这个坑在把DEM交给只认旧格式的合作方时特别常见，转换后多花两分钟做一次抽查，能省掉后面一整轮返工。

5.4 平原河网提取出来打转、拐直角

现象：用填洼后的DEM提取河网，平原区河道不走自然弯曲，而是沿着道路、田埂拐直角，甚至一段上游流向和下游流向完全相反，成“打转”状态。

原因：30米DEM在平原根本区分不了车辙、田埂、人工沟渠和自然微地形。道路高出地面几十厘米，在30米采样后就是一个“伪山脊”，径流就沿着路网走了；农田的畦埂形成方格状的“伪地形”，流向被带着拐直角。

解决：提取河网前先对平原区DEM做一次低通滤波，把短波长噪声压掉。用Focal Statistics做一个5×5均值滤波，然后再填洼、算流向。另一个办法是提取后做“矢量修剪”：拿真实水系线，对提取的河网做缓冲匹配，只保留距离真实水系一定范围内的分支。做完这两个操作，平原河网还打转，就把阈值调高，提取更“干流化”的河网。

5.5 太行山、燕山出现条带状黑缝

现象：山体阴影渲染后，太行山和燕山的阴坡出现细长条带状的黑色缝隙，这些区域没有高程值，像被刀划了一道。

原因：这是ASTER GDEM系数据的典型特征，陡峭山谷的立体像对形成天窗，加上云遮挡，在阴坡会留下连续的空洞。如果数据源是ASTER衍生品，几乎绕不开这个问题。

解决：不要试图用插值硬填大缝隙。先用ALOS AW3D30或Copernicus GLO-30作为参考数据，把同区域的高程贴进来，再用gdal_fillnodata做小范围补洞：

gdal_fillnodata.py -md 10 -si 1 heb_dem_ast.tif heb_dem_fill.tif

-md 10表示最大搜索半径为10个像元，超过10个像元的空洞不要补——补出来也是“发明地形”；-si 1是平滑插值。补完以后把填充区域单独做个掩膜，后续在坡度分析中把这部分像元标记为“低置信度”，比装作没有空洞要诚实得多。

6. 进阶：给DEM做一次精度体检和一个出图习惯

6.1 用实测高程点算RMSE，判断数据够不够格

把DEM当黑匣子用之前，我建议花半小时做一次精度体检。方法不复杂：拿一批已知高程的控制点（水准点、GPS实测点、工程勘察点都可以），在ArcGIS里用Extract Multi Values to Points把DEM高程提取到点上，然后算均方根误差：RMSE = sqrt(mean((z_dem - z_ref)^2))。对30米产品，RMSE落在5~10米以内算正常，超过15米就要怀疑配准或来源问题。体检结果在项目报告里写一句“基于某批次控制点，DEM中误差约X米”，比空口说“用30米DEM够用”有说服力得多。

6.2 山体阴影叠加分层设色：一个能直接用的出图组合

河北地形出图，我常用的组合是：DEM分层设色在下层，山体阴影在上层，透明度40%到50%。山体阴影参数固定为方位角315°、太阳高度角45°、Z因子1，这组参数对河北地貌出图不容易出现“半边黑、半边亮”的失衡。叠加后如果觉得阴坡过重，把透明度往上调到60%，或者改成Multiply混合模式，视觉效果立刻立体。这个组合同时适用于ArcGIS和QGIS，打印输出记得把分辨率设到300dpi以上。

6.3 一个值得长期保留的处理习惯

把第2.3节的体检脚本存成一个固定工具，每次接手任何DEM数据，第一件事就是跑一遍投影、值域、NoData、空洞占比，然后把输出截图存进项目文件夹。这套流程救过我很多次，最典型的一次是换了一份看起来没问题的新数据，结果空洞占比3.2%，分布全在蓄水区范围里，差点把整个库区的汇水分析带偏。从那以后，我要求自己无论多急，DEM进项目先体检，绝不跳步。希望这个习惯对你也有用。

本文还有配套的精品资源，点击获取