全球DEM数据校验、格式选型与GIS地形分析实操

简介：面向GIS从业者与地理信息学习者的全球DEM地形数据获取文档，聚焦全球高程数据下载渠道分散、免费工具与学习资料难配套的问题。压缩包仅含1个docx文件，约12KB，篇幅精炼，集中整理全球范围DEM数据的百度网盘与天翼云盘入口，并附免费GIS软件及GIS教程资源链接，便于按需选用。文档兼顾数据获取、软件处理与入门学习三类需求，涉及QGIS、GRASS GIS、MapInfo等工具，以及视频教程、操作指南和案例分析，可帮助读者完成地形加载、坡度与排水路径分析、空间数据处理和制图等任务，也可与ArcGIS的地形切割、坡度计算、流线分析等功能衔接。已有6002人学习，适合预算有限或希望快速补齐数据与工具链的初中级GIS用户参考。

1. 全球DEM地形数据拿到手之后：先跑一遍校验再谈分析

全球DEM地形数据这东西，找起来比用起来麻烦十倍。网上搜一圈，要么是几TB的付费商业数据集，要么是残缺不全的测试瓦片，下完发现缺了半个大陆。这份资源包把三样东西拢到了一起：全球范围的DEM高程瓦片、能直接打开这些数据的免费GIS工具、以及一套从加载到分析的教程。走的是云盘分发，两个渠道选快的那个就行。它适合的人很具体：GIS刚入门需要一套完整数据练手的新手、做方案验证时需要快速拿到全球地形底图的工程师、以及预算有限但不想在数据源上反复试错的小团队。后面几章按“格式判断→解压验证→分析实操→踩坑排查→批量预处理”的顺序走，每一步对应一个能直接抄的操作，不绕弯子。

2. DEM格式与分辨率选型：从瓦片命名到空洞分布

拿到一份DEM数据，第一件事不是拖进软件看效果，而是搞清楚它的格式、分辨率和数据结构。这一步决定了后面所有分析结果靠不靠谱。DEM本质上是一个栅格矩阵，每个像元存一个海拔值，但存法五花八门——有的带完整地理标签，有的只有裸数据靠文件名猜范围，有的分辨率30米有的90米，有的海洋区域是NoData有的直接填0。不先把这些搞清楚，后面算坡度能算出全零，做水文分析能给你画出一条穿过山脊的河流。

2.1 常见格式与瓦片命名规则

全球DEM数据从分发形态上通常分三类。GeoTIFF是最常见的，一个文件包含栅格数据加内嵌的地理坐标信息，拖进ArcGIS或QGIS直接能定位。HGT是航天飞机雷达地形测绘任务的原始格式，纯二进制高程值，没有头文件，坐标范围靠文件名推出来——比如N45W120表示北纬45度到46度、西经120度到119度这一个方块。BIL/BSQ/BIP是原始二进制格式，需要配一个.hdr头文件说明行列数和数据类型，缺了头文件就只剩一堆字节。这三种格式之间可以互转，GDAL一条命令的事，但前提是你得先认出它是什么。

全球DEM瓦片一般按1°×1°切分，每个瓦片3601×3601像素，比标准1度对应3600像素多一圈，多出来的边缘那一圈用于相邻瓦片拼接时的重叠匹配。30米分辨率下单个GeoTIFF大约25MB，HGT约20MB，90米分辨率的瓦片则小得多。如果你解压后看到文件名是N45W120、S30E135这种格式，基本可以确定是按经纬度分块的全球数据。文件名就是坐标，不需要打开文件就能知道它覆盖哪块区域。

提示：HGT文件拖进软件之前，先确认软件是否自动按文件名赋坐标系。ArcGIS对HGT的识别有时会默认给个错误投影，加载后手动设WGS84更稳。

2.2 三个检查步骤判断数据能不能直接用

第一个检查点是文件大小。一个30米分辨率的全球瓦片GeoTIFF正常在20-30MB之间。如果某个文件只有几百KB，大概率是下载不完整或者本身就是低分辨率缩略图。如果几个瓦片大小差异很大，也要留意——可能是数据源混用了不同分辨率。

第二个检查点用GDAL读元数据。命令行一行命令就能把关键信息全拉出来：

# 查看单个DEM瓦片的元数据与统计值 gdalinfo -mm -stats N45W120.tif

-mm计算最小/最大值，-stats额外算均值标准差。输出里重点看三行：Size is 3601, 3601确认瓦片尺寸是否正常；Coordinate System is ...确认坐标系是否WGS 84；NoData Value看无数据值设成了多少。SRTM不同版本里这个值可能是-32768，也可能是-9999，还有的版本根本没设NoData。没设NoData的后果是海洋区域以0米参与计算，坡度分析时海岸线附近会出现异常平坦或异常陡峭的假象。

第三个检查点是看空洞分布。SRTM数据在雷达反射率低的区域（水面、雪盖、城市高楼密集区）存在数据空洞，表现为条带状或块状的NoData。快速办法是在QGIS里加载后把渲染方式改成单波段伪彩色，NoData区域会显示为透明或统一颜色，一眼能看出空洞在哪。大面积的空洞需要后续插补，零散的小坑对区域级分析影响有限。

# 批量快速检查目录下所有DEM文件的尺寸和极值 for f in *.tif; do echo "=== $f ===" gdalinfo -mm "$f" | grep -E "Size is|Min/Max|NoData" done

这段循环只提取关键行，适合在拿到一批瓦片后快速过一遍，确认没有明显异常的文件。grep -E里的三个关键词对应尺寸、高程范围和无数据值。如果某个文件的Min和Max相等，说明整个瓦片是平的，要么是水域要么是坏文件。

2.3 选型：30米够不够用，什么时候该找更高分辨率

分辨率直接决定分析结果的精度。坡度计算中，分辨率越粗，陡坡被相邻像元平均化的程度越高，算出来的坡度偏缓。有实际对比测试表明，90米DEM算出的坡度比30米DEM系统性偏低10%-20%，在地形起伏剧烈的山区差距更大。水文分析中，分辨率决定了提取出的河网密度——30米数据能识别出较细的支流，90米只能看到主干。

这份资源包提供的全球数据以30米级为主，对以下几类工作完全够用：区域尺度的坡度坡向制图、流域边界提取和汇流分析、风电场和光伏电站选址初筛、洪水淹没范围模拟的底图。做城市内部精细土方计算、单体建筑选址、或者需要区分田埂和沟渠的农业排水设计，30米就不够了，得找12米甚至更高精度的数据，那份资源的覆盖范围不一定满足，需要另找来源。

判断标准很简单：如果你的研究区在一个县或一个流域的尺度，30米数据是合适的起点。如果你要在一个平方公里内做精细地形分析，先确认这份数据的分辨率再动手，别花半天跑完流程才发现像元比地块还大。

3. 从云盘压缩包到可加载图层：解压、验证与投影处理

下载完的压缩包解压之后，目录结构往往比想象中乱——有的按大洲分文件夹，有的把所有瓦片平铺在一个目录里，还有的夹着说明文档和无关文件。先摸清结构再动手，比直接全选拖进软件省时间。这一章走完解压、完整性验证、坐标系处理三步，数据才算真正可用。

3.1 解压后的目录结构怎么读

拿到压缩包先别急着解压，用列表命令看一眼里面有什么：

# 查看压缩包内容清单，不实际解压 unzip -l global_dem.zip | head -50 # 如果是7z格式 7z l global_dem.zip | head -50

重点看目录层级和文件命名。如果瓦片平铺在一个目录里、文件名全是经纬度格式，那说明是标准化分块数据，可以直接进下一步。如果按大洲或国家分了子目录，先确认你要的研究区对应哪个目录，只解压需要的部分，省磁盘也省时间。

解压时注意路径不要带中文或空格，GDAL和ArcGIS对中文路径的兼容性时好时坏，血泪经验是养成全英文路径的习惯：

# 解压到指定目录，-d 指定输出路径，-q 静默模式 unzip -q global_dem.zip -d /data/dem_global/ # 解压后快速统计tif文件数量 find /data/dem_global/ -name "*.tif" | wc -l

-d指定解压目标目录，-q抑制解压过程的逐文件输出。解压后用find统计tif文件数量，和压缩包清单里的数量对一下，少了就是解压不完整。

3.2 用GDAL验证文件完整性

解压完逐个文件跑gdalinfo太慢，写个脚本批量过一遍，只输出异常项：

import subprocess import os dem_dir = "/data/dem_global/" issues = [] for f in sorted(os.listdir(dem_dir)): if not f.endswith(".tif"): continue path = os.path.join(dem_dir, f) # 只读元数据，不加载全图，速度快 result = subprocess.run( ["gdalinfo", "-mm", path], capture_output=True, text=True ) out = result.stdout # 检查是否包含坐标系信息 if "Coordinate System is" not in out: issues.append(f"{f}: 缺少坐标系信息") # 检查是否有NoData定义 if "NoData Value" not in out: issues.append(f"{f}: 未定义NoData值") # 检查文件大小是否异常（小于5MB视为可疑） size_mb = os.path.getsize(path) / (1024 * 1024) if size_mb < 5: issues.append(f"{f}: 文件仅{size_mb:.1f}MB，疑似不完整") print(f"检查完成，发现 {len(issues)} 个问题：") for i in issues: print(" " + i)

这段脚本做了三件事：调gdalinfo读元数据、检查坐标系和NoData是否存在、用文件大小做粗筛。capture_output=True把命令输出捕获到变量里而不是打到终端，text=True让输出以字符串而非字节形式返回。实际使用中可以把issues列表写到CSV里备查。问题文件不多的话手动补元数据或重新下载就行，问题文件多说明下载环节出了系统性故障，得回去检查云盘下载的完整性。

注意：有些DEM数据在制作时故意不写NoData值（比如全球陆地数据把海洋裁掉了，整个文件都是有数值的陆地），这种情况不算异常，跳过即可。关键看数据来源说明里有没有提到。

3.3 坐标系识别与统一投影

WGS84地理坐标系下，水平坐标单位是度，垂直高程单位是米，两者量纲不一致。直接在这个坐标系下算坡度，软件会把1度当成1米来除，结果完全错误。ArcGIS的坡度工具在地理坐标系输入时会弹警告，QGIS的坡度算法则可能静默算出错误值。两种处理路径：手动设Z因子做换算，或者先投影到米制坐标系再算。

Z因子的思路是把经度方向的实际地面距离算出来：在纬度φ处，1度经度约等于111320×cos(φ)米，1度纬度约等于110574米。Z因子取1/(111320×cos(φ))，量级在10⁻⁵左右。但这个方法在跨纬度较大的区域误差明显，因为cos(φ)随纬度变化。更稳妥的做法是先重投影到UTM或Albers等积投影，让水平垂直单位统一为米：

# 将WGS84地理坐标系的DEM重投影到UTM 50N（EPSG:32650） gdalwarp -t_srs EPSG:32650 \ -tr 30 30 \ -r bilinear \ -co COMPRESS=LZW \ N45W120.tif N45W120_utm50.tif

-t_srs指定目标坐标系，EPSG:32650对应北半球UTM第50带（覆盖东经117°到123°）。-tr 30 30把输出分辨率固定为30米×30米，避免重投影后像元大小变化。-r bilinear用双线性插值重采样，比最近邻平滑但会轻微改变极值，做坡度分析够用；如果后续要做精确的水文分析，用-r cubicspline更平滑。-co COMPRESS=LZW输出时做无损压缩，文件体积能小一半左右。

UTM分带的选法：北半球EPSG从32601开始，南半球从32701开始，带号 = floor((经度 + 180) / 6) + 1。研究区跨多个带时选中心经度所在的带，或者改用Albers等积投影（适合大区域）。投影后的DEM再进坡度计算，Z因子保持默认1即可，不用再做换算。

4. ArcGIS与QGIS地形分析：坡度、水文与镶嵌实操

数据准备好了，进分析环节。ArcGIS和QGIS都能做地形分析，操作路径不同但底层逻辑一致：坡度看的是像元与邻域的高程变化率，水文分析看的是水流方向累积。这一章把坡度、山体阴影和水文分析三个高频操作的参数设法和注意点讲清楚，外加大区域拼接的VRT方案。

4.1 坡度与山体阴影：Z因子和单位怎么设

ArcGIS里的路径是ArcToolbox → 3D Analyst Tools → Raster Surface → Slope。输入投影后的DEM，输出测量单位选DEGREE（度）或PERCENT_RISE（百分比）。如果输入是地理坐标系（度单位）且没有投影，Z因子必须手动设成约1/(111320×cos(中心纬度))，否则结果不可用。如果输入已经是UTM投影（米单位），Z因子保持1。

QGIS里的路径是Processing Toolbox → Raster terrain analysis → Slope，参数界面更简洁，单位选度或百分比，Z因子在高级参数里。QGIS不会在输入地理坐标系时弹出警告，需要自己检查。

山体阴影（Hillshade）用来做地形可视化底图，方位角设315度（西北方向）、高度角设45度是通用默认值。方位角315能让山脊线和沟谷产生明暗对比，比正北方向更能突出地形起伏。这两个参数在ArcGIS的Hillshade工具和QGIS的Hillshade工具里位置相同，效果也基本一致。

4.2 水文分析链路：填洼、流向、流量累积

ArcGIS的水文分析工具集在Spatial Analyst Tools → Hydrology下。标准链路是三步：填洼（Fill）→ 流向（Flow Direction）→ 流量累积（Flow Accumulation）。填洼的目的是消除DEM中的伪洼地——真实洼地（湖泊）和雷达测高的噪声小坑分不清，不填的话水流会在小坑里断掉，提取出的河网是碎的。

填洼参数里有个Z limit（填洼阈值），不设的话所有洼地不管大小全部填平。对全球DEM来说，大型湖泊会被填成平地，后续流向计算会把湖泊当作一个方向流出的点，影响下游汇流。稳妥做法是先设一个阈值（比如10米），只填平深度小于10米的小坑，保留真实地形洼地。阈值怎么定取决于研究区地形起伏——平原区可以设小一点，山区可以设大一点。

流向计算用D8算法（八方向），输出栅格值1到255对应八个方向。ArcGIS的Flow Direction工具有个选项“Force edge cells to flow outward”，选是的话边缘像元强制向外流，避免边缘积水导致累积量异常。流量累积的输入是流向栅格，权重默认1，输出每个像元的上游汇水像元数。

做全球或大洲尺度的水文分析之前，务必先按研究区裁剪。一个30米分辨率的全球拼接DEM动辄几十GB，ArcGIS加载后做填洼运算内存直接爆掉。用gdalwarp的-te参数按经纬度范围裁出研究区：

# 按经纬度范围裁剪DEM，-te 后跟 xmin ymin xmax ymax gdalwarp -te 100 25 110 35 \ -t_srs EPSG:32649 \ input_dem.tif clipped_dem.tif

-te指定裁剪范围，顺序是西经、南纬、东经、北纬。-t_srs可同时做投影。裁剪后再进ArcGIS做水文分析，运算量小几个数量级。

4.3 大区域镶嵌：VRT虚拟拼接与重采样

研究区跨多个瓦片时，直接拼成一个大TIFF有两个问题：文件巨大（全球拼接轻松超过100GB）、拼接过程耗时长。GDAL的VRT（虚拟栅格）方案解决了这个问题——它不生成新文件，只写一个XML索引记录瓦片的位置关系，读取时按需拼合。

# 第一步：将所有瓦片建成VRT索引，-resolution highest 保留最高分辨率 gdalbuildvrt -resolution highest -input_file_list tile_list.txt mosaic.vrt # 第二步：将VRT转换为实际GeoTIFF，按需指定输出分辨率和压缩 gdal_translate -tr 30 30 \ -r bilinear \ -co COMPRESS=LZW \ -co BIGTIFF=YES \ mosaic.vrt mosaic_30m.tif

-input_file_list指定一个文本文件，里面每行一个瓦片路径，适合瓦片数量多时批量传入。-resolution highest让VRT以最高分辨率瓦片为基准，避免混合分辨率时自动取平均。gdal_translate那一步才真正生成物理文件，-tr 30 30统一输出分辨率，-co BIGTIFF=YES允许输出超过4GB的文件（普通TIFF上限4GB，全球30米数据远超这个值），COMPRESS=LZW做压缩。

如果只是临时查看不打算长期保存，直接加载mosaic.vrt到QGIS即可，不用跑第二步。ArcGIS对VRT的支持不如QGIS流畅，大区域建议在QGIS里用VRT浏览和裁切，导出小范围结果后再进ArcGIS做分析。

5. 避坑排查：五条踩坑记录与解决路径

下面这五条是处理全球DEM数据时最常撞上的问题，每条按“现象→原因→解决”拆开写。有些坑我踩过不止一次，写下来省得下次再翻。

5.1 解压报错：CRC错误还是分卷缺失

现象：解压到一半报“unexpected end of file”或“CRC failed”，部分文件解压失败。

原因：从云盘下载大文件时网络中断导致文件不完整，这是最常见的情况。另一种是分卷压缩包（.z01、.z02、.zip），少下了一个分卷也会报错。还有一种少见情况是解压工具版本太老，不支持压缩包使用的算法。

解决：先对照云盘上显示的文件大小和本地文件大小，不一致就重新下载。分卷压缩必须从第一个文件（.zip或.z01）开始解压，缺任何一个分卷都不行。如果大小一致但报CRC错误，换个解压工具（7-Zip或Bandizip）再试。下载大文件时尽量用支持断点续传的方式，一次下完不中断。

5.2 加载后位置偏移：坐标系缺失还是标注错误

现象：DEM拖进ArcGIS后和矢量边界对不上，整体偏移几百米到几公里。

原因：HGT格式没有内嵌坐标系，软件按默认值处理导致位置偏移。另一种是数据本身标注了坐标系但标错了（比如实际是WGS84却标成了CGCS2000，几十米的偏移在低精度底图上看不出来，和精确矢量叠加时暴露）。

解决：先用gdalinfo确认坐标系字段。HGT文件手动设WGS84。如果确认坐标系标注有误，用gdal_edit.py修改元数据而不动栅格数据本身：

# 强制将坐标系设为WGS84，不重采样不改变像元值 gdal_edit.py -a_srs EPSG:4326 N45W120.tif

-a_srs只改元数据里的坐标系标签，不触碰栅格数据。改完再用gdalinfo确认。这个操作不可逆，改之前备份原文件。

5.3 坡度计算大面积空值：NoData没设对

现象：原始DEM看起来有数据，但坡度计算结果大块区域为空，和原始数据的空洞区域对不上。

原因：DEM的NoData值设置不对。比如原始数据海洋区域填的是-9999，但文件元数据里没声明NoData，软件把-9999当成真实海拔参与坡度计算，导致海岸线附近坡度异常，后续处理时又被当成异常值剔除。反过来，有数据区域被误标为NoData也会造成大面积空值。

解决：gdalinfo确认NoData值，用gdal_translate重新指定：

# 将NoData值重设为-9999（或数据实际的无数据值） gdal_translate -a_nodata -9999 input.tif output.tif

-a_nodata修改输出文件的NoData声明。如果原数据没有NoData但实际有填充值，先确认填充值是多少（用gdalinfo -mm看Min值，如果Min是一个异常大的负数就是填充值），再用-a_nodata声明它。

5.4 拼接后接缝裂缝：重叠区没处理

现象：两块DEM拼接后，接缝处出现细线状裂缝或高程跳变，山体阴影图上尤其明显。

原因：相邻瓦片边缘有1像素重叠，直接拼接时重叠区被重复计算或丢弃，导致接缝处出现一条异常带。不同来源的数据（比如SRTM和ASTER混用）高程基准不一致也会在接缝处产生跳变。

解决：用gdalbuildvrt的-resolution highest或-resolution average统一处理重叠区。拼接前先用gdalwarp把所有瓦片重采样到完全一致的网格（相同分辨率、相同范围对齐），再建VRT。不同来源的数据不要混拼，先统一到同一高程基准再合。

5.5 ArcGIS打开大文件崩溃：内存不足还是金字塔没建

现象：加载拼接后的大DEM（几十GB）时ArcGIS卡死或报内存错误。

原因：32位ArcGIS有约2-4GB的内存上限，大TIFF加载后直接爆内存。即使64位版本，没有金字塔的TIFF每次缩放都要重读全图，速度极慢。超过4GB的普通TIFF格式本身也会出问题。

解决：用gdaladdo建金字塔，用BIGTIFF格式存储：

# 建立金字塔，2 4 8 16 表示逐级抽稀的倍率 gdaladdo -r average mosaic_30m.tif 2 4 8 16

-r average用平均值法生成缩略层，适合连续高程数据。金字塔建好后ArcGIS加载时只读当前缩放级别对应的层级，速度大幅提升。超过4GB的文件用gdal_translate -co BIGTIFF=YES转格式，或者干脆用VRT方式在QGIS里浏览，只把裁切后的小范围导出到ArcGIS。

6. 进阶用法：Python批量验证与预处理脚本骨架

单个文件处理手动操作没问题，一批瓦片几十上百个的时候就得靠脚本。我一般用Python调GDAL做两件事：批量体检和自动拼接预处理。

6.1 批量检查空洞率与极值分布

from osgeo import gdal import numpy as np import csv, os dem_dir = "/data/dem_global/" report = [] for f in sorted(os.listdir(dem_dir)): if not f.endswith(".tif"): continue ds = gdal.Open(os.path.join(dem_dir, f)) band = ds.GetRasterBand(1) arr = band.ReadAsArray() nodata = band.GetNoDataValue() # 计算空洞比例 if nodata is not None: hole_ratio = np.sum(arr == nodata) / arr.size valid = arr[arr != nodata] else: hole_ratio = 0.0 valid = arr.ravel() report.append({ "file": f, "min": float(valid.min()), "max": float(valid.max()), "mean": float(valid.mean()), "hole_pct": round(hole_ratio * 100, 2) }) ds = None # 关闭数据集释放内存 with open("dem_report.csv", "w", newline="") as fp: writer = csv.DictWriter(fp, fieldnames=report[0].keys()) writer.writeheader() writer.writerows(report) print(f"完成 {len(report)} 个文件的检查，结果写入 dem_report.csv")

ReadAsArray()把整个波段读进numpy数组，30米瓦片约3601×3601像元，内存占用可控。GetNoDataValue()取元数据里的无数据值，为None时说明文件没有声明NoData，跳过空洞计算。输出CSV里hole_pct超过5%的瓦片单独标记，这些瓦片后续做水文分析前需要插补处理。ds = None那行不能省，GDAL的数据集不手动释放的话，循环几十个文件后内存会持续上涨。

6.2 自动化拼接与重采样的脚本骨架

批量预处理的核心是“建VRT→重投影→导出”三步自动化，脚本把瓦片列表和参数传进去就行：

from osgeo import gdal # 第一步：建VRT tile_list = ["N45W120.tif", "N45W121.tif", "N44W120.tif"] vrt = gdal.BuildVRT("mosaic.vrt", tile_list, resolution="highest") vrt = None # 写完关闭 # 第二步：重投影+重采样+压缩输出 gdal.Warp("mosaic_utm.tif", "mosaic.vrt", dstSRS="EPSG:32650", xRes=30, yRes=30, resampleAlg="bilinear", creationOptions=["COMPRESS=LZW", "BIGTIFF=YES"]) print("拼接与重投影完成")

BuildVRT的resolution="highest"与命令行参数对应。Warp函数把-t_srs、-tr、-r等参数统一收进关键字参数，creationOptions对应-co。这种写法比subprocess调命令行更容易在循环里批量替换参数（比如按研究区换EPSG编码）。脚本跑完后用gdalinfo确认输出文件的尺寸和坐标系，确认没问题再进ArcGIS做后续分析。

从那以后我每次拿到新的DEM数据，都强制走一遍“gdalinfo看元数据→脚本扫空洞→确认投影再进软件”三步，不再直接拖进ArcGIS碰运气。这套流程写进脚本里跑一次不到两分钟，省掉的是后面反复排查“为什么坡度算出来不对”的几个小时。希望帮到你。

本文还有配套的精品资源，点击获取