QGIS里怎么加载NASA的SRTM高程数据?从下载到3D可视化的保姆级教程

news2026/4/2 11:00:24
QGIS实战从NASA SRTM高程数据下载到3D地形可视化全流程指南当你第一次在QGIS中看到那些起伏的山脉、蜿蜒的河谷以三维形式呈现时那种将地理数据转化为视觉故事的成就感是无与伦比的。NASA的SRTM航天飞机雷达地形测绘任务高程数据作为全球覆盖最广的免费DEM数据源已经成为地理信息工作者和爱好者的基础素材。本文将带你从零开始完成从数据获取到三维场景构建的完整工作流过程中会特别关注中文用户常遇到的路径问题和坐标转换陷阱。1. 获取SRTM高程数据避开新手常踩的坑Earthdata网站是获取NASA官方数据的首选入口但初次访问时全英文界面和复杂的筛选条件往往让人望而生畏。实际上只需要掌握几个关键步骤就能高效获取所需数据。首先访问https://search.earthdata.nasa.gov/在搜索框输入SRTMGL130米分辨率或SRTMGL390米分辨率。建议优先选择Version 3数据这是经过空隙填充处理的完整版本。在结果页面使用地图工具直接框选需要下载的区域比手动输入经纬度更直观。数据下载注意事项中国区域数据命名规则为EN.hgt如E116N38.hgt单个文件覆盖1°×1°范围下载前需计算目标区域的完整覆盖文件网速不稳定时建议使用下载工具避免大文件中断# 示例批量下载中国某区域的SRTM数据 wget https://e4ftl01.cr.usgs.gov/MEASURES/SRTMGL1.003/2000.02.11/N37E105.SRTMGL1.hgt.zip wget https://e4ftl01.cr.usgs.gov/MEASURES/SRTMGL1.003/2000.02.11/N37E106.SRTMGL1.hgt.zip对于不习惯命令行操作的用户QGIS内置的SRTM Downloader插件提供了图形化下载界面。安装后只需在插件面板中绘制矩形选区系统会自动拼接所需图幅。2. QGIS中的数据加载与预处理拿到.hgt文件后新手常犯的错误是直接拖入QGIS导致显示异常。SRTM数据采用WGS84地理坐标系但需要特别注意高程值的存储方式。正确加载步骤菜单选择图层→添加图层→添加栅格图层文件类型选择SRTMHGT (*.hgt)遇到中文路径报错时将文件移动到纯英文目录右键图层选择属性→符号系统设置合适的色带常见问题解决方案全黑/全白显示调整符号系统的对比度增强高程值异常检查数据是否损坏重新下载坐标偏移确认CRS设置为EPSG:4326对于NetCDF格式数据需要使用网格加载器而非普通栅格导入。多波段数据加载后需要通过右键属性→源选项卡选择正确的波段通常为Band 1。# 使用PyQGIS批量加载SRTM文件夹 import os for file in os.listdir(/path/to/srtm): if file.endswith(.hgt): iface.addRasterLayer(os.path.join(/path/to/srtm, file), file.split(.)[0])当需要处理大范围区域时建议先用栅格→杂项→合并工具将相邻图幅拼接为单一文件后续操作会更高效。3. 从平面到立体高级可视化技巧基础的高程着色只是DEM应用的起点。通过组合不同的渲染方式可以制作出具有专业出版质量的地形图。地形晕渲图制作菜单选择栅格→地形分析→山体阴影设置方位角默认315°和垂直夸大系数1-3倍将生成的山体阴影图层设置为正片叠底混合模式原始DEM图层使用地形色带调整透明度实现最佳效果对于等高线生成栅格→提取→等高线工具需要特别注意参数设置等高距根据研究区域高差确定平原地区建议10-20米勾选创建3D矢量可生成带有高程属性的等高线输出前选择简化容差可优化线条平滑度三维可视化进阶技巧表效果类型实现方法适用场景坡度图栅格→地形分析→坡度地质灾害评估坡向图栅格→地形分析→坡向太阳能潜力分析地形指数栅格计算器使用公式水文建模基础高程剖面使用剖面工具插件线路规划设计4. 打造沉浸式3D场景QGIS2ThreeJS全攻略QGIS2ThreeJS插件将静态二维地图转化为可在浏览器中交互的3D场景是成果展示的利器。安装后需要注意WebGL兼容性问题建议使用Chrome或Firefox最新版。场景构建流程在插件面板点击New Scene在DEM选项卡选择高程数据层Extent设置中绘制或导入场景范围Objects添加矢量要素如建筑物轮廓Style中调整垂直夸大和纹理细节// 导出后的场景可自定义的HTML参数 viewer.setBackgroundColor(0x87CEEB); // 天空色 viewer.setLightPosition(10000, 10000, 10000); // 光源位置 viewer.setTerrainExaggeration(2.5); // 高程夸大系数常见问题排查模型闪烁降低纹理分辨率或缩小场景范围要素偏移检查所有图层使用同一CRS浏览器崩溃减少同时加载的矢量要素数量对于需要离线演示的情况可将整个输出文件夹包含html、js和资源文件打包无需服务器即可本地运行。高级用户还可以修改template.html文件添加公司LOGO或自定义控件。5. 性能优化与成果输出处理全国范围数据时内存管理成为关键。以下技巧可显著提升工作效率使用栅格→投影→扭曲(重投影)转换到适当投影如Albers等面积投影对大数据应用栅格→提取→栅格裁剪缩小处理范围金字塔构建选择内部而非外部可减小文件体积输出成果时TIFF格式选择LZW压缩可减少50%以上体积打印布局要点添加高程图例时勾选分类化使色阶更清晰3D场景导出为图片前调整太阳角度增强立体感添加比例尺选择数字条形双形式经纬网格间隔建议设置为整数度数记住最好的学习方式是实践——尝试用同一区域不同分辨率数据对比效果或叠加OpenStreetMap作为底图。当你能在十分钟内完成从数据下载到3D场景输出的全流程时这些技能就已经转化为你的专业竞争力了。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2475153.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…