基于ArcGIS和ETOPO-2022 DEM数据分层绘制全球海陆分布

第〇部分 前言

一幅带有地理空间参考、且包含海陆分布的DEM图像在研究区的绘制中非常常见,本文将实现以下图像的绘制

关键步骤:

(1)NOAA-NCEI官方下载最新的ETOPO-2022 DEM数据

(2)在ArcGIS(ArcMap)中使用"栅格计算器"分别获取海洋、陆地图层,并分别施加色带

第一部分 ETOPO-2022 DEM数据下载

ETOPO是一个全球高分辨率的地形和海洋深度数据集,提供了地表的详细地形和海洋深度。特点是"全球覆盖"、"高分辨率"。当前最新版本是"ETOPO 2022"

ETOPO-2022 DEM数据下载网址:https://www.ncei.noaa.gov/products/etopo-global-relief-model

对于"ETOPO 2022"的DEM数据,官网提供了"GEOTIFF"和"NC"两种格式的下载。本文以GEOTIFF为例,GEOTIFF分成了三种分辨率:15弧秒分辨率(部分地区)、30弧秒分辨率(全球)、60弧秒分辨率(全球)。弧秒数越大,空间分辨率越低,数据量越小。本文以60弧秒的全球范围为例。

第二部分 在ArcGIS的ArcMap中操作

(1)将下载好的原始图层导入ArcGIS新建的工程中(请无视ETOPO_2022_OCEAN.tif 和 ETOPO_2022_LAND.tif 两个图层)

(2)在作者已知的知识范围内,没有一种方法能够实现同一张TIF图像使用两个不同的色带(colorbar)。因此便尝试以"0"值作为分界,分别基于原始TIF生成两个图层,一个是高程高于0的陆地图层,一个是高程低于等于0的海洋图层。这样、两个图层可以分别拥有不同的色带

以上想法基于"栅格计算器"实现:ArcToolBox---空间分析工具(Spatial Analysis Tool)---地图代数(Map Algebra)---栅格计算器(Raster Caculator)(图中"空间的(Spatial)"拼写错误请忽略)

(3.1)先来获取陆地的图层:

表达式中输入:

复制代码
Con("ETOPO_2022_v1_60s_N90W180_bed.tif"< 0,SetNull("ETOPO_2022_v1_60s_N90W180_bed.tif"<0,"ETOPO_2022_v1_60s_N90W180_bed.tif"),"ETOPO_2022_v1_60s_N90W180_bed.tif")

输出路径选择合适的位置,尽量保证路径上不存在中文:

复制代码
C:\Users\--o\Desktop\新建文件夹\ETOPO_2022_LAND.tif

(3.2)然后获取海洋的图层:

表达式中输入:

复制代码
Con("ETOPO_2022_v1_60s_N90W180_bed.tif" >= 0, SetNull("ETOPO_2022_v1_60s_N90W180_bed.tif" >= 0, "ETOPO_2022_v1_60s_N90W180_bed.tif"), "ETOPO_2022_v1_60s_N90W180_bed.tif")

输出路径选择合适的位置,尽量保证路径上不存在中文:

复制代码
C:\Users\--o\Desktop\新建文件夹\ETOPO_2022_OCEAN.tif

(4)如此一来,就分别得到了陆地图层(ETOPO_2022_LAND.tif )和海洋图层(ETOPO_2022_OCEAN):

(5)之后,分别对陆地图层和海洋图层选择合适的色带即可,此处陆地图层应用了"红-绿渐变(反向)"、海洋图层应用了"蓝色渐变(反向)"。此时已经可以实现和前言及thumbnail相同的结果

参考内容:

1\] https://zhuanlan.zhihu.com/p/628414578(ETOPO-2022 DEM数据下载) 鸣谢: 感谢人工智能助手kimi、豆包为本文方法、文案提供的参考和帮助

相关推荐
技术支持者python,php20 小时前
训练模型,物体识别(opencv)
人工智能·opencv·计算机视觉
爱笑的眼睛1120 小时前
深入理解MongoDB PyMongo API:从基础到高级实战
java·人工智能·python·ai
软件开发技术深度爱好者20 小时前
基于多个大模型自己建造一个AI智能助手
人工智能
中國龍在廣州20 小时前
现在人工智能的研究路径可能走反了
人工智能·算法·搜索引擎·chatgpt·机器人
攻城狮7号21 小时前
小米具身大模型 MiMo-Embodied 发布并全面开源:统一机器人与自动驾驶
人工智能·机器人·自动驾驶·开源大模型·mimo-embodied·小米具身大模型
搜移IT科技21 小时前
【无标题】2025ARCE亚洲机器人大会暨展览会将带来哪些新技术与新体验?
人工智能
信也科技布道师FTE21 小时前
当AMIS遇见AI智能体:如何为低代码开发装上“智慧大脑”?
人工智能·低代码·llm
青瓷程序设计21 小时前
植物识别系统【最新版】Python+TensorFlow+Vue3+Django+人工智能+深度学习+卷积神经网络算法
人工智能·python·深度学习
会飞的小蛮猪21 小时前
Ubuntu24.04基于Docker部署K8s(使用私服部署)
经验分享·docker·云原生·容器·kubernetes
AI即插即用21 小时前
即插即用系列 | CVPR 2025 WPFormer:用于表面缺陷检测的查询式Transformer
人工智能·深度学习·yolo·目标检测·cnn·视觉检测·transformer