【网盘直享】最新DEM数据分享(全球/全国/分省12.5m/30m/90m/250m/1000m)

各位地学遥感爱好者们,今天为大家带来全国DEM(数字高程模型)数据集的重磅资源汇总!作为地理信息领域的基础数据,DEM在科研与工程应用中发挥着不可替代的作用。

网盘链接https://pan.baidu.com/s/14es71sGKvOn6StjSCOG4ZA?pwd=56h8 提取码: 56h8

一、数据概述

数字高程模型(DEM)是通过航空航天遥感测量、机载激光雷达测量等测绘技术获取的、以规则格网点的高程值表达地面起伏的数据集。它是实景三维中国的核心内容,已成为经济社会发展不可或缺的基础信息。

二、全国各省DEM裁剪数据(多分辨率)

数据概况

这套数据集提供了全国各省级行政区的多分辨率DEM数据,包括12.5m、30m、90m、250m和1km等多种分辨率,满足不同精度需求的研究和应用。

技术特点

  • 数据类型:数字高程模型(DEM)
  • 分辨率选择:12.5m、30m、90m、250m、1km
  • 数据源:ASTER、NASA、SRTM等主流数据源
  • 处理状态:已按省级行政区精细裁剪
  • 格式:GeoTIFF格式,可直接在GIS软件中使用

数据源介绍

SRTM数据:由NASA及国家地理空间情报局NGA采用2000年2月发射的"奋进号"航天飞机,通过雷达干涉测量技术获得。覆盖全球80%陆地面积,公开版格网大小约90m,高程精度优于16m。

ASTER-GDEM数据:由NASA和日本经贸产业部联合生产,2009年6月发布,覆盖全球南北纬83°之间的区域,格网间隔约30m,高程精度约20m。

NASA数据:基于多源卫星平台遥感观测数据制作而成,具有较广的覆盖范围和高精度特性,适用于大尺度地形特征分析和长期地形变化监测。

三、全国DEM数据(1km、500m、250m)

数据概况

提供全国范围的低分辨率DEM数据,适合大尺度地形分析和宏观研究,具有数据一致性好覆盖完整的特点。

技术特点

  • 分辨率:1km、500m、250m
  • 覆盖范围:全国陆地国土
  • 数据一致性:全国统一处理标准
  • 应用场景:宏观地形分析、气候建模、区域规划

四、数据对比与使用建议

下表为两套数据的特性对比:

特性 全国各省DEM裁剪数据 全国DEM数据
分辨率 12.5m、30m、90m、250m、1km 1km、500m、250m
覆盖范围 分省裁剪 全国连续
最佳应用场景 省级区域精细分析 全国宏观分析
数据源 多源融合 统一处理

使用建议:

  • 特定省份高精度研究:选择各省DEM裁剪数据,12.5m-30m分辨率适合精细地形分析
  • 全国尺度宏观研究:选择全国DEM数据,250m-1km分辨率适合大范围分析
  • 综合研究策略:可结合使用两套数据,全国数据做框架,省级高分辨率数据做重点区域精细分析

五、数据获取与使用提示

网盘链接https://pan.baidu.com/s/14es71sGKvOn6StjSCOG4ZA?pwd=56h8 提取码: 56h8

⚠️ 温馨提示

本数据整理自国内外公开资源,仅供便捷获取。数据仅限个人学习等非商业用途,禁止用于任何营利活动。

作为数据整理方,我们不对数据的准确性、完整性和时效性作任何担保,使用风险请自行评估。

文中所涉及的图片/数据如若侵权,请及时联系我们核实删除。

结语

随着我国新一代数字高程模型的全面建成,DEM数据将在更多领域发挥重要作用。希望这套数据集能为您的研究和工作提供有力支持!

关注我们,获取更多优质地理信息资源分享

相关推荐
qq_1601448713 小时前
亲测!2026年零基础学AI的入门干货,新手照做就能上手
人工智能
Howie Zphile13 小时前
全面预算管理难以落地的核心真相:“完美模型幻觉”的认知误区
人工智能·全面预算
人工不智能57713 小时前
拆解 BERT:Output 中的 Hidden States 到底藏了什么秘密?
人工智能·深度学习·bert
盟接之桥13 小时前
盟接之桥说制造:引流品 × 利润品,全球电商平台高效产品组合策略(供讨论)
大数据·linux·服务器·网络·人工智能·制造
kfyty72513 小时前
集成 spring-ai 2.x 实践中遇到的一些问题及解决方案
java·人工智能·spring-ai
猫头虎13 小时前
如何排查并解决项目启动时报错Error encountered while processing: java.io.IOException: closed 的问题
java·开发语言·jvm·spring boot·python·开源·maven
h64648564h13 小时前
CANN 性能剖析与调优全指南:从 Profiling 到 Kernel 级优化
人工智能·深度学习
数据与后端架构提升之路13 小时前
论系统安全架构设计及其应用(基于AI大模型项目)
人工智能·安全·系统安全
忆~遂愿14 小时前
ops-cv 算子库深度解析:面向视觉任务的硬件优化与数据布局(NCHW/NHWC)策略
java·大数据·linux·人工智能
Liue6123123114 小时前
YOLO11-C3k2-MBRConv3改进提升金属表面缺陷检测与分类性能_焊接裂纹气孔飞溅物焊接线识别
人工智能·分类·数据挖掘