DLR、ASTER GDEM、SRTM3、GMTED2010等5种全球高程数据对比

2024-06-06 07:32

本文主要是介绍DLR、ASTER GDEM、SRTM3、GMTED2010等5种全球高程数据对比,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!

目前网上有多种全球高程数据,国内在这方面也进步喜人,资源三号目前已放出来的卫片给了不少惊喜,其高程数值得期待。但资源三号的高程数据放出来还需等待,过去两三年全球高程数据发展相当迅猛,DLR放出了相当高精度的数据,去年底aster gdem放出了修正后的第二版,数据质量改善很大,昨天又看到有网友介绍USGS放出的GMTED数据,所以决定先不等国产数据了,将目前的几种全球高程数据精度作简单对比。

 

    先简要介绍下这五种数据:

    1、DLR之SRTM X波段数据:DLR是德国宇航中心缩写,2000在奋进号航天飞机开展SRTM(航天飞机雷达地形测绘任务)时,德国人搭其便车也用自己的雷达测全球的地形数据,DLR用更高精度的雷达测试(X波段),带来了比美国人(C波段)更高精度,但只是呈网状覆盖全球(也就是说有些地方是没有DLR数据的)的高程数据。在2011年的时候,德国人放开了这个数据的下载,精度为1角秒(1 arc second),高程相对精度6米,绝对精度16米。在这可以下载:https://centaurus.caf.dlr.de:8443/eoweb-ng/index2.html。这个数据多说一点,德国人目前正在开展更高精度的地形测绘任务(TanDEM-X、TerraSAR-X双星观测)测全球更高精度的数据,这次是覆盖全球,这个数据对于民用来说相当可观了。

   2、aster gdem数据:美国货,该数据是根据 NASA的新一代对地观测卫星Terra的观测结果制作完成的。其数据覆盖范围为北纬83°到南纬83°之间的所有陆地区域。这是目前覆盖最广的高精度全球高程数据。2009年放出了第一版数据,目前国内中科院有镜像数据可以下载。

    3、gdem-v2数据:对之前的gdem数据的修正,于2011年10月份放出,我是在日本航天局的网站下载的。

    4、SRTM C波段数据,美国货,可能是最有名的高程数据了。美国航空航天局NASA在2000时利用奋进号航天飞机上的雷达测观测所得,是以前用得最多的高程数据,覆盖了全球南北纬60度以内的区域。有SRTM1和SRTM3两种,即分别是1角秒和3角秒精度的数据,对应精度为30米和90米。谷歌地球所使用高程数据即为SRTM3。公开出来的覆盖中国区域的只有90米精度。中科院镜像可以下载。

    5、GMTED2010数据,美国货,美国地质勘探局USGS和美国国家地理空间情报局NGA搞的,我也是刚知道这个数据。从其自述文件来看,它是对USGS的GTOPO30的进一步优化和发展,不过这个数据精度并不可观,只有30角秒、15角秒和7.5角秒,对应的最高精度也在250米了。再多说几句:USGS上有它做的只覆盖美国的高程数据,看其介绍,精度为1角秒的1/3角秒,部分区域还有1/9角秒,即精度达到了3米的水平,相当可观。


 

    我关注的都是中国数据,除DLR全球都开放高精度外,如前所述,往往美国境内都还有比中国精度更高的数据,普通网友拿不到其在中国区域的更高精度数据。

    

    我用北京香山地区的数据作对比,以点距5米截取该区域各种原始高程数据(该截取精度均大于原始数据精度,因此截取不会产生失真)。其中GMTED的数据有好几种,还未看具体区别,我用的是gmted-gmax075。


 

    对比一:比例尺没有严格控制,5种数据的比例尺基本都在1:57000左右,图片东西长约15公里,西至军庄镇,东至颐和园。
 


 












 


 

    对比二:比例尺均在1:12000,对比下细节方面,生成10米等高距的等高线来辅助显示细节,图中右下角蓝色区域是香山水库,可以作为参照,该水库长约500米。可以看出DLR的细节十分丰富,可用性相当强。


 


 










 

 


 

    基本结论:DLR精度在10米左右(相对精度6m,绝对精度16m),gdem-v2在30米左右,gdem和srtm在90米左右,GMTED2010在200米以上。

    因此对于只想找尽可能高精度数据使用,又不愿花过多时间研究各数据区别的网友,我的建议就是下载全部的DLR数据和gdem-v2的数据,DLR覆盖到的区域用DLR数据,未覆盖到的区域用gdem-v2。

后续小编的主要精力放到GIS理论开发知识的大众化的道路了,通过浅显易懂的语言,结合多年行业应用开发,通过微信订阅号传播(每周更新三篇文章及相关GIS编码知识),为GIS的发展尽微博之力。终极目标是让GIS不再专业,让GIS更加大众,使得GIS深入各行业应用,让每位GISER都有一股自豪感!以下是我的微信订阅号二维码,感兴趣的可以交流沟通!

这篇关于DLR、ASTER GDEM、SRTM3、GMTED2010等5种全球高程数据对比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/1035464

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

高效+灵活,万博智云全球发布AWS无代理跨云容灾方案!

摘要 近日,万博智云推出了基于AWS的无代理跨云容灾解决方案,并与拉丁美洲,中东,亚洲的合作伙伴面向全球开展了联合发布。这一方案以AWS应用环境为基础,将HyperBDR平台的高效、灵活和成本效益优势与无代理功能相结合,为全球企业带来实现了更便捷、经济的数据保护。 一、全球联合发布 9月2日,万博智云CEO Michael Wong在线上平台发布AWS无代理跨云容灾解决方案的阐述视频,介绍了

【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

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