简介：面向GIS、遥感与测绘领域的全国数字高程模型（DEM）数据，以国际通用的TIFF栅格格式存储，适配ArcGIS、ENVI等主流软件，可直接用于地形坡度分析、水文提取、土地利用评估与三维可视化等场景。压缩包共7个文件，主体为全国范围的高程栅格影像，另附prj投影定义、tfw世界文件、xml元数据说明、txt文本说明、dbf属性表及ovr影像金字塔等辅助文件，可确保坐标系统、地理配准与显示性能满足直接使用需求。压缩包大小约31MB，轻量便于下载，已有10778人学习该资源。使用时可结合文档检查投影系统与分辨率，依据项目需求加载主影像与辅助图层；配套文件能保障地理信息准确，ovr金字塔可加快大范围影像的显示与浏览。无论是区域规划中的坡度分级、水利工程的流域提取，还是生态景观的三维模拟，这份数据都能提供可靠的高程基础，适合需要全国尺度高程底图的研究者快速获取并带入自身工作流。
1. 从一份 zip 说起：遥感 DEM 高程数据到底能帮你做多少事
某开发者上周把一个全国 DEM 数据 TIF 包丢给我，说是要跑一个模拟项目X的选址分析。我拆开后发现，这份 zip 里装的不是等高线图纸，而是一批分幅的 TIF 栅格，每个像元存一个真实海拔值，单位是米，覆盖范围铺满全国。这样的高程数据能直接算坡度、出坡向、画等高线，还能做填挖方估算和流域分析。适合工程选址、场地勘察、道路设计，也适合刚接触地学数据的新手拿它练手。难点不在数据本身，而在怎么把 TIF 变成能用的图层。
2. 读懂 TIF 里的高程：坐标系、像素深度与真实分辨率
2.1 DEM、DTM、DSM 到底差在哪
打开压缩包之前，先把概念对齐。DEM 是数字高程模型的通称，它只是一张均匀格网，每个格子记录一个海拔值。DTM 是在 DEM 基础上做了地形编辑的产品，洼地、河流、山脊线都修整过，更适合做工程分析。DSM 则把地表建筑、树冠也包括进去了，城市建模经常用，但做坡度分析会被房屋高度带偏。
这份 zip 里的数据从文件特征看，属于裸地表高程栅格，不是带建筑和树冠的 DSM。判断依据有两个地方：一是像元类型用的是带符号 16 位整数，二是分幅方式按经纬度格网展开，符合常见的区域高程模型做法。也就是说，它适合做地形分析，但你别指望从里面看出农村房屋轮廓，那不在它的任务范围内。
读完概念后你应该明白一件事：拿到 DEM 第一件事不是打开看，而是确认数据类型。很多人把 TIF 直接拖进系统自带的看图器，看到一张灰图就以为文件坏了。这是常见的理解偏差。DEM 本身是单波段灰度栅格，不经过渲染和拉伸，看起来就是灰蒙蒙一片，颜色深浅对应海拔高低，并不是数据损坏。
2.2 一行命令读出 TIF 的坐标系、范围与像素
我习惯先用命令行工具把 TIF 的“身份证”读出来，这里用开源 GIS 工具箱里的 gdalinfo 命令。它只读不改，不会碰坏原始文件。
# 如果还没装 GDAL 命令行工具，Ubuntu 下常见做法： # sudo apt install gdal-bin # 查看 DEM 文件头信息 gdalinfo ./dem_raw/dem_34_112.tif这条命令会输出一长串信息，你需要重点看下面几段。
Driver: GTiff/GeoTIFF Size is 6001, 6001 Coordinate System is: GEOGCS["WGS 84", DATUM["WGS_1984", SPHEROID["WGS 84",6378137,298.257223563]], PRIMEM["Greenwich",0], UNIT["degree",0.0174532925199433]] Origin = (112.000000000000000,34.000000000000000) Pixel Size = (0.000277777777778,-0.000277777777778) Image Structure Metadata: INTERLEAVE=BAND Band 1 Block=256x256 Type=Int16, ColorInterp=Gray NoData Value=-32768这里要解释几个关键字段。
Size is 6001, 6001表示这张 TIF 有 6001 列、6001 行。如果配合 30 米分辨率算，单幅覆盖范围差不多是 180 公里乘 180 公里。Coordinate System is GEOGCS["WGS 84"]说明坐标系是经纬度，单位是度，不是米。很多人拿到数据不看坐标系，直接去算面积，结果偏差巨大，后面会在避坑章节展开。
Origin = (112.0, 34.0)是左上角坐标，也就是西经或北纬方向的起点。Pixel Size = (0.0002777, -0.0002777)是像元尺寸，单位是度，0.0002777 度约等于 1 角秒，换算下来大约 30 米。负号代表从上往下扫描，也就是南方向，这是 GeoTIFF 的正常写法。
最后一行是重点：Type=Int16表示每个像元用 16 位带符号整数存储，NoData Value=-32768表示无效高程都记成 -32768。这类高程数据一般不放缩放因子，栅格里的数值直接就是海拔米数，比如"422"就代表 422 米。这一点很多人容易踩坑，以为它是 0-255 的灰度值，拿 8 位影像那一套去拉伸，算出来的高程全是错的。
3. 把分幅 TIF 变成能用的测区数据：拆包、重投影与裁切
3.1 先看 zip 里的分幅命名，再决定裁哪里
拿到压缩包第一步是解压，然后把文件清单列出来。不要凭感觉猜测文件名，分幅命名的规律直接影响后续裁切。
# 解压到 dem_raw 目录 unzip -q 全国DEM数据TIF数据.zip -d ./dem_raw # 查看解压后的文件清单 ls -lh ./dem_raw | head -30解压后的 TIF 文件名通常带经纬度标识，比如dem_34_112.tif，前面的 34 代表左下角纬度，后面的 112 代表左下角经度。这算是比较友好的命名方式，你一眼就能判断某块测区在哪幅文件里。如果文件名是一串随机字符，也别慌，用 gdalinfo 逐个看左上角坐标，一样能拼出分幅关系。
文件解压后建议先用du -sh ./dem_raw看一下总大小。如果这份 zip 解压后达到几十 GB，说明是整幅高分辨率数据，后续别想着全部加载，应该按测区裁剪后再处理，硬啃整幅容易把内存吃满。
3.2 裁剪与重投影：从经纬度到平面坐标
DEM 原始数据是经纬度坐标，但在做坡度、距离和面积计算时，直接拿度去算会产生明显误差，因为纬度越高，相同角秒对应的地面距离越短。常见做法是先把数据转成目标区域的平面投影坐标，再进行裁剪和分析。
先用 gdalwarp 完成重投影，把经纬度转成平面米制坐标。
# 将经纬度 DEM 重投影到 Web 墨卡托平面坐标系，用于影像展示 gdalwarp -t_srs EPSG:3857 -r bilinear ./dem_raw/dem_34_112.tif ./work/webmerc_dem.tif这里-t_srs指定目标坐标系，EPSG:3857是常用的 Web 墨卡托投影。但我要提醒一句： Web 墨卡托适合在电子地图上做底图显示，不适合做精确的工程距离或面积计算，测量人员在近距离项目里应选当地的高斯投影或 UTM 投影分带，通常是 EPSG 326xx 或 327xx 系列。
-r bilinear是重采样方法，双线性插值适合高程连续变化的 DEM，能减少锯齿感。如果做坡度分析，双线性通常比最邻近法更平滑，但要避免过度平滑抹掉真实地形变化。
重投影之后再做裁切，用 gdal_translate 加-projwin参数：
# 按地理范围裁切，顺序是左上经度 左上纬度 右下经度 右下纬度 gdal_translate -projwin 112.5 34.5 113.0 34.0 -of GTiff ./work/webmerc_dem.tif ./work/clip.tif注意-projwin有固定顺序，四个数字分别是左上角 X、左上角 Y、右下角 X、右下角 Y。很多人按自己的习惯写成左下、右上，裁出来的范围就会乱掉。更保险的做法是先 gdalinfo 看源文件四角坐标，再按照同样的坐标系来填。
如果你想一步完成重投影加裁切，也可以直接用 gdalwarp 的-te参数指定输出范围：
# 一步到位：重投影到平面坐标，同时按指定范围裁切 gdalwarp -t_srs EPSG:32650 -te 500000 3400000 600000 3500000 \ -r bilinear ./dem_raw/dem_34_112.tif ./work/final_dem.tif-te后面的四个数字是投影坐标系下的最小经度、最小纬度、最大经度、最大纬度，单位是目标坐标系的米。这样做的好处是只对目标区域执行一次重采样，效率高，IO 也更少。我一般会先算好测区的投影范围，然后直接用这条命令把原始分幅数据统一处理成工程可用的平面坐标 DEM。
4. 用 DEM 做点实事：坡度、坡向与等高线生成
4.1 gdaldem 三件套：一目了然的坡度坡向
拿到裁好的 DEM，最常用的分析就是把高程转成坡度和坡向。虽然你也可以用 Python 自己写差分算法，但命令行里的 gdaldem 工具已经把这些做成了稳定可靠的操作，还自动处理了空值，没必要自己重新造轮子。
# 计算坡度，-p 表示以度为单位输出 gdaldem slope ./work/final_dem.tif ./work/slope_deg.tif -p # 计算坡向，输出值是 0-360 度的方向角 gdaldem aspect ./work/final_dem.tif ./work/aspect_deg.tif # 计算山体阴影，模拟太阳光从西北方向照下来 gdaldem hillshade ./work/final_dem.tif ./work/shade.tif -az 315 -alt 45 -z 1坡度输出中，每个像元的值表示该点地面与水平面的夹角，单位是度。-p参数很关键，如果不加，默认输出的是坡度的百分数值，而不是度数。百分数坡度适合道路工程，度数适合边坡分析，两者混用会出笑话。
坡向输出表示坡面的朝向，0 度指北，90 度指东，180 度指南，270 度指西。做光伏选址时通常会优先南向坡，做风场分析时关心迎风坡，这个结果可以直接用来筛选区域。
hillshade是给 DEM 做晕渲的，-az 315是光源方位角，-alt 45是光源高度角。它虽然不参与定量分析，但很适合作为底图叠在其他图层下面，能一下子看出地形起伏。我习惯把shade.tif调成半透明，叠在高程或其他专题图下面，视觉效果比单看灰色 DEM 直观得多。
4.2 从 TIF 到矢量等高线
坡度图只能看出趋势，真要落到设计图上，还是需要等高线。gdal_contour 可以把 DEM 栅格直接转成矢量线，一步到位输出 SHP 或者 GeoJSON。
# 从 DEM 提取等高线，间距 20 米，高程属性字段名设为 ele gdal_contour -a ele -i 20 ./work/final_dem.tif ./work/contour.shp-a ele表示给每条等高线添加一个名为 ele 的属性，里面存这条线的高程值。-i 20是等高距，每隔 20 米画一条。这个参数要根据地形起伏调：平原地区 20 米间隔线会比较稀疏，可以改成 5 米；山区用 20 米或 50 米更合适，否则线条密集到无法阅读。
地质勘察常用 1 米或 2 米等高距看局部细节，但这样输出的线数量会非常庞大，渲染也卡。如果你只需要局部小范围，建议先裁一个 2 公里乘 2 公里的子集，再跑小等高距。
5. DEM 数据使用注意与排查：坐标系偏移、负高程、边缘空洞
5.1 现象 1：等高线叠到道路矢量上偏移数百米
某次我把 gdal_contour 生成的等高线直接叠到已有的道路线图层上，发现等高线与道路位置对不上，偏移了大概三百米，看起来像不同来源的两套数据。
原因在坐标系。道路矢量是 CGCS2000 平面投影坐标，而 DEM 裁切后仍是经纬度坐标。地图软件默认按投影坐标显示时，经纬度数据被当成了米制数据，偏移自然就出现。
解决方法是先确认每个图层的坐标系，用 gdalinfo 或图层属性读取坐标系统，再把 DEM 和矢量统一到同一个坐标系。我一般把 DEM 先重投影到平面坐标，再裁切，后续所有成果都保持这个坐标系，不再混用。
5.2 现象 2：坡度结果全黑或全白
有一回我处理某个测区的 DEM，执行gdaldem slope后输出栅格几乎全黑，偶尔有几个亮点。当时第一反应是参数写错了，换了几次命令还是同样结果，最后才发现是源 DEM 的 NoData 没有处理干净。
原因在于 DEM 里设置了NoData Value=-32768，但 gdaldem 在计算坡度时读到了某些极端值，导致输出栅格的范围被这些异常值拉大。正常坡度的数值范围是 0 到 90 度，异常值把最大值拉到几千度，图像渲染时所有正常坡度的灰度都压到接近黑色。
解决方法是先检查 DEM 的最小值和最大值，可以用gdalinfo -stats查看统计信息，然后使用gdalwarp -srcnodata -32768 -dstnodata -32768把无效值统一处理掉，或者用 Python 把小于等于 -10000 的像元设为 NoData，再重新计算坡度。
5.3 现象 3：靠海或内陆低洼区高程为负值
分析某块低海拔地区时，我看到 DEM 里有 -1 米、-3 米的负值，第一反应是数据错了，差点用波段运算把负值全部置为 0。
负高程在沿海和内陆洼地是正常现象。不同高程基准面之间本来就有差异，部分区域的海拔定义与全球平均海平面不完全一致，测出来的 DEM 就可能出现小幅负值。而且像吐鲁番这类内陆低地，真实海拔就是负数，不能武断当作异常值处理。
解决方法是保留负值，只把真正的大幅负值当作无效值。如果用 DEM 做填挖方分析，直接把负值填成 0，会导致挖方量计算出巨大误差。做淹没分析和排水分析时，负值区域恰恰是汇水区，填掉它等于把地形信息丢掉了。
5.4 现象 4：裁切后边缘出现黑色条带或空洞
裁切完的 DEM 在边缘出现一条条黑色缝隙，像锯齿一样。这不是显示器的问题，而是 NoData 区域。
原因是数据源本身在分幅边缘存在无效值，或者重投影时重采样边界产生了空白像元。还有可能是相邻两幅 TIF 覆盖范围没有完全重叠，拼接时留下手指大的缝隙。
解决办法是先检查相邻分幅的覆盖范围，缺的部分用其他数据源补全，然后在 gdalwarp 时指定-dstnodata -32768让空白区保持统一无效值。如果只是视觉效果不好，可以用 gdal_fillnodata 对 3-5 个像元的小空洞做中值填充，但空洞过大时填充结果不可信，该换数据就换数据。
5.5 现象 5：处理大面积 DEM 时内存溢出
有一次我把全国范围的多幅 DEM 拼接成一个巨型 TIF，然后用 Python 直接整幅读取，进程跑到一半就卡死，机器开始疯狂交换内存，最后只能强制杀掉。
原因是 GeoTIFF 是单块存储格式，整幅读取时会把整张影像一次性载入内存。30 米分辨率全国拼接后动辄几 GB，甚至几十 GB，内存再大也扛不住。
解决方法是分块读取或先转成 COG 格式。用 gdal_translate 加-co TILED=YES -co BLOCKXSIZE=256 -co BLOCKYSIZE=256把 TIF 转成瓦片存储，后续读取时只加载涉及的小块。也可以用gdal_translate -outsize先降采样或分幅处理，不追求一次性拼接全图，只处理测区范围内的几幅文件。
6. 用剖面线给 DEM 数据做一次体检：抽查高程不做黑匣子
拿到别人给的高程数据，我不会直接拿去算坡度，先抽检一批点再说。DEM 再标准也有可能在某个角落出现空洞、异常峰或者错位，不抽检就把数据当黑匣子用，后面分析越出问题越难查。
抽检包括两种方式：一是用 gdallocationinfo 获得指定经纬度处的高程值，二是从 DEM 里提取一条剖面线。前者适合摸点，后者适合看整体形态。
# 查询某个地理坐标处的高程值，-geoloc 表示按经纬度查询 gdallocationinfo -geoloc ./work/final_dem.tif 112.80 34.10输出结果类似下面这样：
Report from geolocation... Location: (1234567P,7654321L) Value: 458这个 458 就是该点的高程，单位是米。如果返回的 Value 是 -32768，说明这个点落在 NoData 区域，需要检查数据覆盖是否完整。
抽检流程我一般这样做：先在测区纵向和横向各拉两条线，每条线上均匀取 10 个点，再用 gdallocationinfo 逐个读出高程，最后把这条剖面线与周边已知地面点对比。如果出现突然升高 100 米又立刻回落 100 米的锯齿形状，多半是像元值异常，要去检查源数据。
剖面线更直观的做法是把点序列画成曲线，但命令行的抽查已经够判断数据质量了。某次做模拟项目X时，我在一条山谷剖面线上发现两个点高程从 350 米跳变到 1100 米，对照周围几个点确认是高程异常值。回头检查源 DEM，那两个像元正好落在 NoData 边缘，是重投影时插值产生的坏值。从那以后我拿到任何 DEM 的第一天都会先抽检十几二十个点，确认没有异常跳跃再开始分析，希望帮到你。
本文还有配套的精品资源，点击获取
