DEM、DSM和DTM之间的区别及5米高程数据获取

2024-05-27 01:28

本文主要是介绍DEM、DSM和DTM之间的区别及5米高程数据获取,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在日常的学习工作中我们经常会遇到DEM、DSM和DTM等术语,它们的含义类似,甚至相互替换。那么它们之间有什么区别?这里我们对这些术语进行介绍。

  1. DEM(数字高程模型,Digital Elevation Model):

    • 定义:DEM是一个通用术语,用于描述地球表面的高程数据。它通常包括DSM和DTM。

    • 内容:DEM可以包括地表上的所有物体,如建筑物、树木等(即DSM),也可以表示地表的裸露地形(即DTM)。

    • 用途:DEM用于各种地理和工程应用,如地形分析、洪水模拟、土壤侵蚀研究等。

  2. DSM(数字表面模型,Digital Surface Model):

    • 定义:DSM表示地表及其上所有物体的高程数据。这包括自然特征(如树木、植被)和人为特征(如建筑物、桥梁)。

    • 内容:DSM显示了从地面到地表物体的最高点的高度。

    • 用途:DSM用于城市规划、通信线路分析(如无线电塔位置)、视线分析等。

  3. DTM(数字地形模型,Digital Terrain Model):

    • 定义:DTM表示裸露的地表地形数据,不包括任何地表物体。这通常需要从DEM或DSM中去除这些特征来获得。

    • 内容:DTM显示了地面的实际形状,包括山丘、山谷、坡度等。

    • 用途:DTM用于工程项目,如道路建设、土方量计算、洪水建模等。

关键区别总结

  • DEM是一个通用的高程数据术语,可以指DSM或DTM。

  • DSM包括地表及其上所有物体的高程数据。

  • DTM仅包括裸露的地表地形数据,不包括地表物体。

图示说明

假设有一片地面上有树木和建筑物:

  • DSM将显示地面到树顶和建筑物顶的高度。

  • DTM将仅显示没有树木和建筑物的地面的高度。

通过区分这些模型,用户可以选择最适合其特定应用需求的地形数据。

5米DEM高程数据的概念及获取

    5米DEM是一种特定分辨率的数字高程模型,其中每个单元代表了地表上5米x5米的区域。它基于地表的高程数据,将地表划分为不同单元,每个单元记录了该区域内的平均高程。这种连续的表示方式可用于各种地理信息应用,从土地规划到环境模拟。

DEM构建方法:5米*5米规划格网法

5米DEM的构建方法通常涉及采用5米*5米的规划格网法。这意味着地表被划分为5米x5米的单元,每个单元内的高程数据被测量和记录,然后整合到一个数字数据集中。这种方法可确保DEM的均匀性和高程数据的连续性,使其适用于各种应用领域。

样例数据对比
不同精度地形数据的细节效果对比

     下图1为5米格网的DEM,图2为ALOS 12.5米分辨率的DEM,图3为ASTER GDEM V3 30米分辨率的DEM,图4为SRTM3 90米分辨率的DEM。

图片

下图为 5 米 DEM 生成的等高线效果:

图片

 对比12.5mDEM生成的等高线:

图片

 对比30米DEM生成的等高线:

图片

      通过等高线对比,可以发现5米DEM数据生成的等高线细节远比12.5米和30米丰富,能够达到优于1:10000图的精度效果。

      下图为某地城市区域地形晕渲效果。左为DSM效果,右为DEM效果。在DSM中,可以清晰的看出城市建筑,而在DEM中,仅能看到河流、地表等信息。

图片

《5米高程数据获取》共享方法如下:

(1)人员,限定为关注小编的用户。

(2)各类项目(包括各类科研项目)申请本数据扔享受免费政策,但需向本号捐赠一定数量的硬盘才能获取。

(3)捐赠硬盘可免留言获取数据。

这篇关于DEM、DSM和DTM之间的区别及5米高程数据获取的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1006140

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

day-51 合并零之间的节点

思路 直接遍历链表即可,遇到val=0跳过,val非零则加在一起,最后返回即可 解题过程 返回链表可以有头结点,方便插入,返回head.next Code /*** Definition for singly-linked list.* public class ListNode {* int val;* ListNode next;* ListNode() {}*

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav