广州地形数据处理全攻略：从RAR解压到GDAL裁剪与投影

简介：广州地形数据.rar是一份面向GIS从业者、城市规划人员及环境研究者的地形数据包，内容涵盖广州地区边界、水系、道路等基础要素，可作为数字高程模型（DEM）和数字地形模型（DTM）的数据来源，用于坡度分析、地表形态解读和空间规划。压缩包共16个文件，以adf栅格数据、nit索引文件、dat属性数据及log记录文件为主，整体仅4.45MB，轻量紧凑但结构完整，便于分发和直接使用。已有178人浏览学习，适合城市地形分析、交通线路选址、灾害风险评价与土地利用规划等场景，也可作为生态保护与气候研究的基础图层。借助shp等通用格式，读者可在ArcGIS、QGIS等主流GIS软件中直接导入、叠加与可视化，快速提取海拔、坡度、起伏度等关键地形指标，并生成等高线图、剖面图、坡度图等可视化成果，为科研与工程实践节省前期数据准备时间，也便于教学演示与学术研究。

1. 拿到“广州地形数据.rar”，你真正要处理的是坐标系和压缩包两层问题

一个.rar文件本身没什么好说的，真正让从业者卡住的，是这三点：第一，压缩包可能设有密码，而很多测绘数据在传递时习惯性加密，一旦交接文档丢了，解压就成了第一道坎；第二，解压之后你会拿到一堆 GDAL 能读、但普通预览软件打不开的栅格文件，.tif、.img、.dem混在一起，不知道哪个是主数据；第三，也是最容易被忽视的，广州地区的公开地形数据大概率不是标准的 WGS-84 经纬度，你需要先确认坐标系再谈裁剪、拼接和出图——否则后处理全是白做。

这篇文章就围绕这条链路展开：先讲怎么安全地解开 RAR 压缩包并处理加密文件，再讲用gdalinfo识别广州地形数据的真实格式与坐标系，然后给出用rasterio和 GDAL 做裁剪、镶嵌、投影和坡度分析的完整套路，最后收在数据体积与可视化验证这个容易被忽略的环节上。适合 GIS 开发、测绘内业和做城市分析的数据工程师。

2. 广州地形数据的常见形态与坐标系，先用 gdalinfo 摸底再动手

很多新人拿到压缩包，解压后第一反应是双击.tif看能不能打开。这一步没错，但远不够。地形数据和其他数据不同，它的价值不仅在于“有海拔值”，还在于投影信息是否完整、像元大小是否一致、波段解释是否正确。任何一个环节出错，后面做等高线或坡度分析的结果都不可信。

2.1 DEM 栅格与等高线矢量：分清你手里的数据类型

广州地形数据的常见载体有两类。第一类是数字高程模型（DEM），表现为单波段栅格，每个像元记录一个高程值，常见格式有 GeoTIFF、IMG（ERDAS Imagine）、DTED和 Esri Grid。第二类是等高线矢量，表现为SHP或DWG，用线要素表示不同海拔的等高位置。两者的处理工具完全不同，栅格走 GDAL，矢量走 Fiona / Shapely 或 CAD 平台。

判断一个文件是栅格还是矢量，不需要打开软件，在命令行里用资源管理器看扩展名就够了。.tif、.img、.dem几乎都是栅格，.shp是矢量。但有一种容易误判的情况：DEM 文件可能以.asc（ASCII Grid）形式存在，而.asc也能被文本编辑器打开，很多人会误以为它是普通文档。注意，ArcGIS ASCII Grid 是专门的地形数据交换格式，第一行ncols和nrows是它的标志性开头。

广州的地形数据，如果是公开来源（如 SRTM、ASTER GDEM、ALOS AW3D30），通常是 WGS-84 地理坐标系下的 GeoTIFF；如果是国土或规划部门的分发成果，更可能是 CGCS2000 或西安 1980 坐标系的IMG或 File Geodatabase。这直接影响你后续用哪个投影做面积和坡度计算——地理坐标系的坡度结果单位是度，投影坐标系的坡度才是无量纲百分比或真坡度，这个区别在低纬度地区尤其明显。

2.2 用 gdalinfo 读取文件头，确认范围、像元和坐标系

拿到任何地形栅格，第一件事不是急着转格式，而是读它的元数据。GDAL 自带的gdalinfo是最快的工具，Linux 和 Windows 都可以用 OSGeo4W Shell 或 conda 环境里的 GDAL 直接调用。

gdalinfo guangzhou_dem.tif

输出里重点关注这几项。

Driver: GTiff/GeoTIFF Files: guangzhou_dem.tif Size is 3601, 3601 Coordinate System is: GEOGCRS["WGS 84", DATUM["World Geodetic System 1984"], PRIMEM["Greenwich"], UNIT["degree"]] Origin = (112.950000000000000,23.950000000000000) Pixel Size = (0.000277777777778,-0.000277777777778)

Size字段表示栅格的列数和行数，Origin是左上角坐标，Pixel Size是像元分辨率。上面这个示例是 WGS-84 下的 1 弧秒数据（约 30 米），如果你做的是广州市中心区域的精细分析，这个精度勉强够看地形大势，但不足以支撑建筑尺度的坡度分级。

如果Coordinate System显示Unknown或Local，说明这个栅格文件的地理参考信息丢了。这种情况下不能直接使用，需要用gdal_edit.py手动赋予坐标系——但前提是你知道它的原始坐标系。不知道就老老实实把数据发回给数据提供方确认，别猜。广州用的投影带常见为 CGCS2000 / 3-degree Gauss-Kruger zone 38（中央经线 114°E），EPSG 代码是 4547；如果是 WGS-84 / UTM zone 49N，则对应 EPSG 32649。

3. RAR 解压与加密文件处理，命令行比图形界面更可控

RAR 格式本身是 WinRAR 的专有格式，虽然解压算法已经公开，但压缩和解压的完整实现仍然依赖unrar或7-Zip。在自动化处理地形数据的场景里，命令行解压是唯一可靠的方式——它支持批量解压、保留目录结构、处理分卷包，还能把错误信息输出到日志里。

3.1 unrar 与 7z 的常用解压参数

Linux 下安装unrar-free或unrar皆可，macOS 用 Homebrew 安装unrar，Windows 下推荐装 7-Zip 并把7z.exe的路径加入系统 PATH。以下是我处理地形数据压缩包的常用命令。

# 解压整个包，保留原目录结构，覆盖时不询问 unrar x -o+ guangzhou_dem.rar ./output/ # 只解压其中的 TIF 文件，排除 SHP 文件夹 unrar e guangzhou_dem.rar ./output/ *.tif # 用 7z 解压，自动处理分卷包（.rar、.r00、.r01） 7z x guangzhou_dem.rar -o./output -y

x参数表示保留路径解压，e表示把所有文件解压到同一目录（不管原路径）。地形数据往往带规范的目录结构，比如按行政区划分文件夹，所以我一般用x而不是e。-o+是 unrar 的覆盖参数，表示覆盖已存在文件；-y是 7z 的全局自动确认参数，跳过所有交互提示。

解压中文文件名时有一个高频坑：Windows 上用 WinRAR 压的包，文件名是 GBK 编码，Linux 下的 unrar 有时会解出乱码文件名。解决方式是先检查系统 locale，在解压命令前加上LANG=zh_CN.UTF-8，或者用 Python 的rarfile库配合charset参数处理。

3.2 加密 RAR 的合法处理路径

热词里有不少关于查看 RAR 密码的内容。先说技术事实：RAR 加密使用的是 AES-256，而且对文件头和文件体采取不同策略。新版 WinRAR 默认加密文件头，这意味着你连文件名都看不到；暴力破解在密码长度超过 10 位时计算成本会迅速上升到不可接受的水平。16 进制编辑器查看 RAR 密码这个说法只对早期 RAR 2.0 格式有理论意义，现代 RAR5 格式下，密码信息不在文件中。

合法可靠的路径是这四条。第一，检查原始邮件或下载站的备注页，很多数据分发的密码就写在页面上，只是被忽略了。第二，问数据提供方要交接说明。第三，如果密码是自己之前设置的，尝试用密码管理器的历史记录找回。第四，如果数据来源合法且你有权使用，但密码确实丢失，可以联系数据供应商重新分发。自行暴力破解既不道德，对长密码也几乎不可行，这条路不要费时间。

# 如果压缩包只是文件体加密但文件名可见（老格式常见） unrar l guangzhou_dem.rar

l参数列出压缩包内容。如果你能看到文件名但解压时提示密码错误，说明是文件体加密；如果连列表都弹密码框，就是文件头加密了。对于前者，有些文件可以用 7z 尝试读取元数据来判断文件数量。

4. 地形数据的裁剪、拼接和投影转换，用 rasterio 与 GDAL 落地

解压完成、确认坐标系之后，就进入真正的数据处理环节。广州的地形数据往往覆盖整个珠三角范围，而你要的可能只是天河区或白云山周边，这时候需要裁剪；如果数据是分幅存储的，还需要把多个瓦片拼接起来。这个环节我用 Python 的rasterio做原型，复杂批量任务直接用gdalwarp。

4.1 按行政边界裁剪 DEM，用 GeoJSON 做掩膜

裁剪有矩形裁剪和掩膜裁剪两种。矩形裁剪适合你只要一个经纬度边界框的场景，掩膜裁剪适合按行政区划、流域或自绘多边形切出不规则形状。无论哪种，操作都是先读取边界矢量，再用rio.clip完成。

import rasterio from rasterio.mask import mask import geopandas as gpd import json # 读取广州某个区的边界（假设已有 guangzhou_district.shp） gdf = gpd.read_file("guangzhou_district.shp") gdf = gdf.to_crs("EPSG:4326") geoms = gdf.geometry.values # 用边界裁剪 DEM with rasterio.open("guangzhou_dem.tif") as src: out_image, out_transform = mask( src, geoms, crop=True, nodata=src.nodata ) out_meta = src.meta.copy() out_meta.update({ "driver": "GTiff", "height": out_image.shape[1], "width": out_image.shape[2], "transform": out_transform }) with rasterio.open("guangzhou_clipped.tif", "w", **out_meta) as dst: dst.write(out_image)

mask函数的前两个参数分别是数据源和边界几何对象，crop=True表示自动计算外接矩形并裁掉多余区域。注意gdf.to_crs("EPSG:4326")这一步很关键——如果矢量是 CGCS2000 而你直接拿去裁剪 WGS-84 的栅格，裁剪结果不会有物理错误，但边界位置会偏移。确保矢量和栅格在同一个坐标系下再做掩膜。

4.2 多幅地形瓦片镶嵌与投影转换

广州的地形数据如果来自 SRTM，通常按照经纬度分幅存储，需要用gdalwarp合并成一个文件。gdalwarp同时也能完成投影转换，两件事可以一次做完。

# 把分幅 DEM 镶嵌并重投影到 CGCS2000 高斯投影 gdalwarp -t_srs EPSG:4547 -r cubic -tr 10 10 \ -co COMPRESS=DEFLATE -co TILED=YES \ tile_*.tif guangzhou_merged_10m.tif

-t_srs EPSG:4547是 CGCS2000 / 3-degree Gauss-Kruger zone 38，这是珠三角工程测量的常用投影；-r cubic指定重采样方法为三次卷积，适合 DEM 这类连续表面数据；-tr 10 10把输出像素设为 10 米，如果源数据是 30 米，这个操作用来量化到目标分辨率。-co COMPRESS=DEFLATE -co TILED=YES是无损压缩加瓦片存储，GDAL 读大文件时的性能会好很多。

4.3 坡度、坡向与山体阴影计算

地形数据最常见的衍生分析是坡度。用gdaldem一条命令就能出结果，但参数含义要理解到位。

# 计算坡度，输出单位是度 gdaldem slope guangzhou_merged_10m.tif guangzhou_slope.tif \ -p -s 111120 # 生成山体阴影，默认只给黑白效果 gdaldem hillshade guangzhou_merged_10m.tif guangzhou_hillshade.tif \ -z 1.0 -az 315 -alt 45

-p表示输出百分比坡度，不写-p输出度；-s 111120是关键参数，它表示水平与垂直方向的比例因子。当 DEM 是经纬度坐标系时，一个纬度的水平距离约 111120 米，如果没有-s参数，坡度会被严重高估。-z是垂直拉伸倍数，-az是太阳方位角，-alt是太阳高度角。

5. 检查裁剪成果，用可视化验证数据质量与纹理细节

处理完的数据不能直接拿去用，图形化的检查比数字检查更直观。我通常把成果叠加在 QGIS 里，配上 GEBCO 色带，快速查看阴影覆盖和异常高程点，重点验证像元的比例是否合理、广州主城区是否有明显的数据空洞。

5.1 把结果转成 Pyramid TIFF 并生成缩略图

DEM 动辄几百 MB，直接用 QGIS 打开会很卡。先构建金字塔，再生成一个低分辨率缩略图，用来在网页端或报表里快速预览。

# 构建金字塔 gdaladdo -r average guangzhou_merged_10m.tif 2 4 8 16 32 64 # 输出一个低分辨率 PNG 缩略图 gdal_translate -outsize 1024 0 -of PNG \ guangzhou_merged_10m.tif guangzhou_preview.png

gdaladdo对大型 DEM 的效果立竿见影，QGIS 里缩放时的卡顿感会明显下降。-r average指定重采样方法为均值，对连续表面的 DEM 来说比最近邻平滑得多。gdal_translate的-outsize 1024 0表示宽度 1024 像素、高度按比例自适应，适合生成预览图。

5.2 检查高程范围与无效值，清理数据坑

数据质量问题经常出在无效值上。SRTM 原始数据的水域部分高程值为 0，ASTER 数据则可能有负值异常斑块，这些在坡度分析中会被放大成假的峭壁和凹陷。用gdalinfo -stats快速查看每波段的最小值、最大值和无效值标记。

gdalinfo -stats guangzhou_merged_10m.tif

如果发现 min 值是异常负数，比如-32768，那代表有未处理的 NoData 空洞。修复方式是用gdal_fillnodata，它会用周围有效像素插值填充。

gdal_fillnodata -md 20 guangzhou_merged_10m.tif \ guangzhou_filled.tif

-md 20表示搜索半径，单位是像元。20 个像元对应 200 米范围的插值，对地形数据来说已经足够平滑。再大就会把真实地形细节一起抹掉，不建议盲目加大。

5.3 最后的压轴技巧：用 COG 转换提升分发与远程读取效率

如果这份广州地形数据要共享给团队或嵌入 Web GIS，不要直接发原始 TIFF。把它转成 Cloud Optimized GeoTIFF，服务端才能支持 HTTP Range 请求，只传输你当前视野范围内的数据块。

gdal_translate guangzhou_filled.tif guangzhou_cog.tif \ -of COG -co COMPRESS=LERC \ -co BLOCKSIZE=512 -co OVERVIEW_RESAMPLING=AVERAGE

LERC 压缩对浮点 DEM 的压缩比远超 DEFLATE，而且支持有损压缩模式，对高程数据的精度损失基本不可感知。BLOCKSIZE=512与常见的 Web 瓦片请求尺寸匹配，OVERVIEW_RESAMPLING=AVERAGE保证缩小时地形纹理不丢失。转换完成后用gdalinfo guangzhou_cog.tif确认输出包含COG字样，再用浏览器打开 QGIS 远程数据源测试一下拖动缩放，没问题就可以发布了。

本文还有配套的精品资源，点击获取