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
X54先生(人文科技)2 分钟前
《元创力》纪实录 · 卷宗 3.5-C《协议的形状——ELR体系第一份商业合同的形成全记录》
人工智能·深度学习·架构·ai写作·开源协议
GitCode官方3 分钟前
小鸿 AI 语音案例正式上线海思案例中心!首个适配 OpenHarmony 7.0 Release 全栈开源 AI 硬件
人工智能·开源·atomgit
昇腾知识体系5 分钟前
昇腾 Atlas 800I A5 服务器:机型定位与部署入口
服务器·人工智能·华为·架构·知识图谱
小白说大模型6 分钟前
《FDE前沿部署工程师实战教程》企业 Agent 项目实战:从需求分析到 PoC 落地
人工智能·spring·机器学习·自然语言处理·chatgpt·数据挖掘·需求分析
打不了嗝 ᥬ᭄7 分钟前
神经网络基础与整体架构
人工智能·深度学习·神经网络
xp_fangfei7 分钟前
Halcon之第7讲--模板匹配详解与实战应用
人工智能·计算机视觉
智者知已应修善业9 分钟前
【如何将此图变为000到101就返回】2026-4-7
驱动开发·经验分享·笔记·硬件架构·硬件工程
LaughingZhu10 分钟前
Product Hunt 每日热榜 | 2026-09-11
人工智能·深度学习·神经网络·搜索引擎·百度
residual_fan10 分钟前
经验模态重构:直向工业时间序列数据的数据扩增方法
人工智能·算法·重构·数据挖掘·数据分析
AI人工智能集结号12 分钟前
2026年9月GEO优化服务哪家好?企业选服务商先看哪些交付能力
人工智能