- 综合排序
- 最热优先
- 最新优先
- 来自专栏GIS与遥感开发平台
数据集 | SRTM数字高程数据
SRTM简介 SRTM数据主要是由美国航空航天局（NASA）和国防部国家测绘局（NIMA)联合测量的，SRTM的全称Shuttle Radar Topography Mission，即航天飞机雷达地形测绘使命 SRTM的数据是用16位的数值表示高程数值的，最大的正高程9000m，负高程海平面以下12000m。 SRTM数据每经纬度方格提供一个文件，精度有1arc-second 和3 arc- seconds两种，称作SRTM1和SRTM3，或者称作30M和90M数据，SRTM1的文件里面包含3600×3600 个采样点的高度数据，SRTM3的文件里面包含1200×1200个采样点的高度数据。 后台回复SRTM获取数据链接。如果您觉得文章对您有帮助，欢迎点赞、分享文章。
2.5K20编辑于 2022-04-29 - 来自专栏气象学家
气象编程 | 使用Python处理SRTM(.hgt)文件
使用Python处理SRTM(.hgt)文件 引言 最近在做美赛时，使用了高精度的地形文件（海拔高度），因此在网站上下载了高精度的.hgt文件，并学习了处理。于是记录下来，有了这一篇笔记。 数据类型 航天飞机雷达地形任务（SRTM），顾名思义，是一个研究任务，产生一个通用的免费数字高程模型。SRTM以.hgt为结尾，文件的名字解释了hgt文件的范围。 分为两种类型,SRTM1,SRTM3,分别对应的网格(1201*1201或3601*3601)。 因此使用Numpy打开hgt文件的代码下面所示： import numpy as np SAMPLES = 1201 # Change this to 3601 for SRTM1 def read_hgt import numpy as np import matplotlib.pyplot as plt import os SAMPLES = 1201 # Change this to 3601 for SRTM1
1.8K10编辑于 2022-01-13 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine——SRTM V3产品（SRTM Plus）由NASA JPL提供，分辨率为1弧秒（约30米）。
The Shuttle Radar Topography Mission (SRTM, see Farr et al. 2007) digital elevation data is an international This SRTM V3 product (SRTM Plus) is provided by NASA JPL at a resolution of 1 arc-second (approximately For more information on the different versions see the SRTM Quick Guide. 这个SRTM V3产品（SRTM Plus）由NASA JPL提供，分辨率为1弧秒（约30米）。 关于不同版本的更多信息，请参见SRTM快速指南。 文件。
63410编辑于 2024-02-02 - 来自专栏自学气象人
WRF中如何使用SRTM的3s高分辨率地形数据集
最后的参数--optfile F:\SRTM\TIF\tif_list.txt是指定输入的合并.tif文件，tif_list.txt内容如下： F:\SRTM\TIF\srtm_56_07.tif F :\SRTM\TIF\srtm_56_08.tif F:\SRTM\TIF\srtm_57_07.tif F:\SRTM\TIF\srtm_57_08.tif F:\SRTM\TIF\srtm_58 _07.tif F:\SRTM\TIF\srtm_58_08.tif 执行成功屏幕会出现以下信息： 0...10...20...30...40...50...60...70...80...90...100 _3s:average_gcell(4.0)+four_pt+average_4pt rel_path = srtm_3s:srtm_3s/ 修改namelist.wps中geog_data_res = 'srtm_3s'，运行geogrid.exe即可生成包含海拔高度的geo_em.nc文件了。
2.1K10编辑于 2023-06-21 - 来自专栏二猫の家
GEE代码实例教程详解：地形分析
我们将使用SRTM（Shuttle Radar Topography Mission）数据集获取高程信息，并计算坡度、坡向等地形属性。 背景知识 SRTM数据集 SRTM是一个全球高程数据集，提供了约30米分辨率的地形信息，广泛应用于地形分析和制图。 高程数据 var srtm = ee.Image('CGIAR/SRTM90_V4'); var srtmElevation = srtm.select('elevation'); // 裁剪SRTM 数据到研究区域 Map.addLayer(srtmElevation.clip(roi), [], 'DEM SRTM90', false); // 打印SRTM高程直方图 print( ui.Chart.image.histogram 加载和裁剪SRTM数据 加载SRTM数据集，并选择高程波段。将其裁剪到研究区域并添加到地图上。 3. 地形属性计算 计算坡度和坡向，并分别添加到地图上。 4.
86710编辑于 2024-07-09 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine——NASA DEM是对STRM数据的再处理，通过纳入ASTER GDEM、ICESat GLAS和PRISM数据集的辅助数据，提高了精度
merged void-free DEM files are relative to the EGM96 geoid (whereas the floating-point heights in the SRTM-only Meters num Index indicating the data source and the number of source scenes. * 0: Water in corrected SRTM water body data * 1-23: SRTM 1-23 (max known is 23) * 41-94: PRISM 1-50 (54 max polar, 37 max elsewhere (saturated at 50) * 231: SRTMv3 from GDEM3 * 232: SRTMv2 from GDEM3 * 233: SRTMv2 from GDEM2 * 234: SRTM-with-NGA-fill GDEM error) * 255: ERROR (if NUM IS MISSING - none known to exist) 0 255 30 meters Class swb Updated SRTM
51310编辑于 2024-02-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine——WWF/HydroSHEDS/03VFDEM该数据集的分辨率为3弧秒。3角秒的数据集是虚空填充DEM、水文条件DEM和排水（流）方向
HydroSHEDS is based on elevation data obtained in 2000 by NASA's Shuttle Radar Topography Mission (SRTM Spikes and wells in the SRTM data were detected and voided out. HydroSHEDS是基于2000年NASA的航天飞机雷达地形任务（SRTM）获得的高程数据。 这个充满空隙的高程数据集是产生条件DEM数据集的第一步。 SRTM数据中的尖峰和井被检测出来，并将其空洞化。小的空洞由周围的高程内插来填补。海洋被设置为0米高程，湖泊、岛屿和河流则使用其他技术进行填充。 请注意，在北纬60度以上的地区，HydroSHEDS数据的质量要低得多，因为没有底层的SRTM高程数据可用，因此要用更粗的分辨率DEM（美国地质调查局提供的HYDRO1k）。
44810编辑于 2024-02-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine ——数据全解析专辑（SRTM Digital Elevation Data Version 4）数字高程数据集
The Shuttle Radar Topography Mission (SRTM) digital elevation dataset was originally produced to provide This version of the SRTM digital elevation data has been processed to fill data voids, and to facilitate 航天飞机雷达地形任务 (SRTM) 数字高程数据集最初的目的是在全球范围内提供一致、高质量的高程数据。此版本的 SRTM 数字高程数据已经过处理以填补数据空白，并使其易于使用。 恳请任何用户在使用此数据制作的任何已发布材料中引用此数据，并在可能的情况下将网页链接到 CIAT-CSI SRTM 网站。 引用格式： Jarvis, A., H.I. Reuter, A. Hole-filled SRTM for the globe Version 4, available from the CGIAR-CSI SRTM 90m Database: https://srtm.csi.cgiar.org
57210编辑于 2024-02-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
在GEE上展示影像和显示大小
var image = ee.Image('CGIAR/SRTM90_V4'); // Center the Map. Map.addLayer(image, {min: 0, max: 3000}, 'SRTM'); 通过ee.image加载影像数据 Map.setCenter()是设置影像显示的经纬度，以及缩放的比例大小 Map.addLayer（）主要是加载图层影像image，设置最大最小值和图层名称：SRTM 这是最基础的GEE遥感元计算案例，适合刚入手的同学进行操作！
1.1K10编辑于 2024-02-01 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine ——数据全解析专辑（Global SRTM CHILI (Continuous Heat-Insolation L）日照和地形阴影90m分辨率数据集
It is based on the 30m SRTM DEM (available in EE as USGS/SRTMGL1_003). 它基于 30m SRTM DEM（在 EE 中作为 USGS/SRTMGL1_003 提供）。 :00 Dataset Provider Conservation Science Partners Collection Snippet ee.Image("CSP/ERGo/1_0/Global/SRTM_CHILI ") Resolution 90 meters Bands Table Name Description Min Max constant SRTM-derived CHILI index ranging 0.0, max: 255.0, }; Map.setCenter(-105.8636, 40.3439, 11); Map.addLayer(srtmChili, srtmChiliVis, 'SRTM
32810编辑于 2024-02-02 - 来自专栏数据 学术 商业 新闻
cartoee！轻量级地图可视化绘制利器！很好用.
可视化案例」 导入包： import ee import cartoee as cee import cartopy.crs as ccrs # get an earth engine image srtm = ee.Image("CGIAR/SRTM90_V4") visualization = {'min':-500,'max':3000,'bands':'elevation'} bbox = [-180 ,-90,180,90] # plot the result using cartoee ax = cee.getMap(srtm,region=bbox,visParams=visualization cartopy.mpl.gridliner import LATITUDE_FORMATTER, LONGITUDE_FORMATTER # plot the map ax = cee.getMap(srtm showing the Great Continental Divide that splits the state newRegion = [-111,35,-100,43] ax = cee.getMap(srtm
59210编辑于 2024-01-25 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine——Daymet V3提供美国、墨西哥、加拿大、夏威夷和波多黎各的每日天气参数的网格化气象数据集
Compared to the previous version, Daymet V3 uses an entirely new suite of inputs including: NASA SRTM Land/Water Mask: MODIS 250 MOD44W_v2.NASA_ORNL_ Horizon files derived from the SRTM DEM. NASA SRTM DEM 2.1版。 土地/水掩码。MODIS 250 MOD44W_v2.NASA_ORNL_。 从SRTM DEM导出的地平线文件。
49710编辑于 2024-02-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine ——数据全解析专辑（“CSPERGo1_0GlobalSRTM_landforms“）SRTM 90m地貌数据集
SRTM 地貌数据集提供了通过组合连续热-日照负荷指数 (SRTM CHILI) 和多尺度地形位置指数 (SRTM mTPI) 数据集创建的地貌类。 它基于 30m SRTM DEM（在 EE 中作为 USGS/SRTMGL1_003 提供）。 :00 Dataset Provider Conservation Science Partners Collection Snippet ee.Image("CSP/ERGo/1_0/Global/SRTM_landforms ") Resolution 90 meters Bands Table Name Description constant SRTM-derived landform classes Class Table flat) 41 #a975ba Valley 42 #6f198c Valley (narrow) 代码： var dataset = ee.Image('CSP/ERGo/1_0/Global/SRTM_landforms
30010编辑于 2024-02-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine——WWF/HydroSHEDS/30ACC该数据集的分辨率为30弧秒。30角秒的数据集是水文条件下的DEM、排水（流）方向和流量累积。
HydroSHEDS is based on elevation data obtained in 2000 by NASA's Shuttle Radar Topography Mission (SRTM data is significantly lower for regions above 60 degrees northern latitude as there is no underlying SRTM HydroSHEDS是基于2000年NASA的航天飞机雷达地形任务（SRTM）获得的高程数据。 这个流量累积数据集定义了排入每个单元的上游区域的数量（以单元数计）。 请注意，在北纬60度以上的地区，HydroSHEDS数据的质量要低得多，因为没有底层的SRTM高程数据可用，因此要用更粗的分辨率DEM（美国地质调查局提供的HYDRO1k）。
28510编辑于 2024-02-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine（GEE）——制作下拉菜单显示逐个波段信息分析
代码： // 加载两幅影像 var srtm = ee.Image('CGIAR/SRTM90_V4'); var landsat8 = ee.Image('LANDSAT/LC8_L1T_32DAY_TOA var imageSelect = ui.Select({ items: [ {label: 'SRTM', value: srtm}, {label: 'Landsat 8', value bandSelect.setValue(bandSelect.items().get(0)); }); } }); print(imageSelect); print(bandSelect); 这是srtm
1.5K00编辑于 2024-05-24 - 来自专栏点滴积累
Cesium几个案例介绍
代码如下：
SRTM<input min="0" max="100" step="1" data-bind="value: <em>srtm</em>, valueUpdate: 'input'" type="range"> <input size="5" data-bind="value: <em>srtm</em>" type="text"> 如： <input min="0" max="100" step="1" data-bind="value: <em>srtm</em>, valueUpdate: 'input'" type="range"> <input size="5" data-bind="value: <em>srtm</em>" type="text"> 此二者均对应js端的srtm变量，第一个是range类型，代表一个slide控件，第二个是一个文本框，二者相互联动 1.2 后台 首先创建一个viewModel对象，里面包含上述创建的各个变量，如下： var viewModel = { srtm: 10, slope: 5, types: [13.7K50发布于 2018-04-28来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏Google Earth Engine（GEE）——全球高分辨率洪泛区（GFPLAIN250m）数据集
250米洪泛区数据集是通过处理从http://srtm.csi.cgiar.org/，特别是250米SRTM 4.1版DTM中收集的NASA SRTM数字高程模型得出的。
45310编辑于 2024-02-02来自专栏气象杂货铺Basemap系列教程：使用 shapefiles 文件裁剪栅格
urcrnrlon=1.77, urcrnrlat=42.7, resolution = None, projection = 'cyl') ds = gdal.Open('srtm ---- 注1：http://srtm.csi.cgiar.org/SELECTION/inputCoord.asp 注2：http://srtm.csi.cgiar.org/SRT-ZIP/SRTM_V41 /SRTM_Data_GeoTiff/srtm_37_04.zip 注3：https://code.google.com/archive/p/pyshp/ 注4：http://pcjericks.github.io
2.2K10发布于 2020-04-20来自专栏疯狂学习GIS谷歌地球引擎GEE下载DEM数据
数字高程模型是GIS分析中常用的数据，其已有较多成熟的数据产品，例如SRTM、ASTER GDEM、Copernicus DEM等；这里我们就以30米空间分辨率的SRTM DEM数据为例，介绍在谷歌地球引擎中下载这一数据的方法 首先，前两句代码导入了USGS的SRTMGL1_003数据集，也就是30米空间分辨率的SRTM DEM数据；随后，将其波段elevation选中。
1.3K10编辑于 2024-11-28来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏GEE基础学习-reduceRegion()方法简介
// Image.reduceRegion example 本例子只起到一个在指定范围内，进行最大值的筛选，本文用的是SRTM数据中的DEM筛选最大的例子： 最终代码显示和给出的高程数据 计算图像区域的简单缩减 输入需要reduce的图像，在本例中为 SRTM 高程图。 使用计算最大像素值的减速器缩小给定区域内的图像。 我们还指定了执行计算的空间分辨率，在本例中为 200 米。 代码参考： // 要reduce的输入图像，在本例中为 SRTM 高程图。 var image = ee.Image('CGIAR/SRTM90_V4'); // 要reduce的区域。
65410编辑于 2024-02-01
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号