GIS圈里折腾地形数据的朋友，这两年基本绕不开一个名字：哥白尼30米DEM。先别急着划走，这次分享的不是那种随手甩个原始链接就完事的资源帖，而是我自己把数据从原始瓦片一直处理到“全国分省、解压即用”的全过程。这个30米分辨率的FathomDEM数据，属于哥白尼计划的再优化版本，在原始GLO-30基础上把平坦地区的水文走向、陡坡伪影都做了修正，对做水文分析、道路选线、山体阴影图的朋友来说，比直接下原始HGT瓦片要省心得多。这次我按省级边界重新裁剪打包，顺便把处理过程中的坑都记录下来，适合刚接触DEM、需要全国尺度数据但不想自己折腾拼接投影的新手，也适合那些已经下过原始数据、被各种黑边缝隙气到头疼的老手。
1. 哥白尼30米DEM和FathomDEM，到底强在哪
1.1 先从数据源说起
哥白尼DEM是目前全球公开可下载的高程数据里，性价比最高的那一档。它由两颗雷达卫星不同视角对地表进行干涉测量，处理后生成了一套全球数字高程模型。官方公开版按分辨率分为GLO-10和GLO-30两档，大家口中常说的“哥白尼30米”，对应的是GLO-30版本。与老牌SRTM 30米相比，它的优势非常明显：纬度覆盖到北纬60度与南纬56度之间，范围更完整；山区和林区的雷达盲区大幅减少，空洞率低；在平坦区域的竖向精度实测能到1到2米级别，拿来当项目前期地形分析的底图，完全撑得住。
但这个数据有个让所有人头疼的特点，官方发布的原始文件是按1度乘1度的经纬度网格切好的，全国范围横跨好几十个网格，下载下来是几百个小碎片。更麻烦的是，这些WGS84地理坐标系下的分片，直接扔进ArcGIS或者QGIS里做坡度、做填洼，在高纬度或大跨度区域计算出来的结果会变形失真。所以“拿到手先拼接、再投影、后裁剪”，是整个流程里绕不开的三个步骤，也是我这次分省打包的核心工作。
1.2 FathomDEM在哪些地方被优化了
FathomDEM是根据哥白尼GLO-30数据进一步优化出来的水文修正版本。之前有朋友问我，说直接下原始GLO-30不就行了，多这一道优化有什么意义？这里需要解释清楚：官方GLO-30在做全球拼图时，个别区域存在雷达信号失相干导致的尖峰、凹陷，以及水面上的起伏噪声。这些噪声渲染山体阴影图时，会表现为一条条放射状的虚假纹理；做水文分析时，又会让河网提取结果出现断头河和伪沟谷。
FathomDEM的优化思路说白了就是“专门为水流走向服务”：在保持真实地形骨架不变的前提下，把河道位置压低、把平原区的微小起伏做合理平滑，同时清理掉卫星数据里明显的飞点噪声。我实测下来的感受是：如果只做宏观地形展示、坡度分级底图，原始GLO-30完全够用；但换成和流水方向强相关的场景，比如洪水淹没模拟、排水路径分析、流域划分，优化后的版本能少处理很多莫名其妙的异常小沟。当然，它也不是万能药，在西南高山峡谷地区，部分陡崖的细节仍被平滑掉了一些，这个后面使用建议里我会专门提醒。
1.3 为什么30米分辨率是当前的最优平衡点
可能有人会问，既然要分享，为什么不直接上分辨率更高的数据？道理很简单：高分辨率数据要么收费昂贵，要么公开覆盖有限。5米、2米级的商业DEM在县城尺度好使，放到全国范围，数据量直接爆炸，后期存储和处理成本一般人吃不消。而10米公开数据目前在全球多数区域覆盖不全，真正能稳定获取的全球趋近一致产品，就是SRTM 30米和哥白尼30米这两个档位。
SRTM虽然同为30米，时间却老了一代，空洞和噪声偏多；哥白尼30米无论从时相、覆盖度还是细节上看，都已经远远甩开了前辈。对全国尺度的分析来说，30米格网在计算量和地形细节表现之间踩在了一个很舒服的位置：流域面积计算、坡度带划分、通视分析都不至于因为格网太粗而失真，又不会因为数据量太大让普通台式机跑不起来。这一版全国分省打包，正是为了让更多人能直接跨过“数据获取和处理”的坎，专心做自己的业务分析。
2. 全国分省打包的整体思路和实操流程
2.1 拿到数据后先做整体规划
动手之前先想清楚最终要交付什么。我的目标是：全国按省级边界分好的GeoTIFF文件，每个省一个文件，坐标系采用CGCS2000地理坐标系，方便国内项目直接叠加各种矢量边界使用。
整个流程分成六步，第一步下载原始瓦片，按区域筛选；第二步用虚拟栅格VRT做逻辑拼接，不急着物化大文件；第三步把拼接结果重投影到目标坐标系并重采样到30米分辨率；第四步用省级边界矢量做裁剪；第五步对裁剪结果统一处理NoData和异常值，顺手构建金字塔；第六步分省压缩打包，附上说明文档。
这里有一个关键思路，我要强调：不要先拼全国再裁剪，除非你的电脑是服务器级别。全国范围的原始瓦片加起来几十GB，桌面GIS软件直接merge，卡死是常态。按省处理的话，每个省最多涉及几十个小瓦片，内存占用完全可控。如果某个大省跨了好几个经度带，后面单独补投影细节即可，难度低得多。
2.2 拼接、重投影和裁剪的具体操作
我这次用QGIS配合GDAL命令行完成，QGIS选用长期支持版，GDAL版本在3.6以上，这样对COG格式的支持比较完善，后续分省文件还能保持云优化结构。
第一步拼接。官方原始瓦片格式一般是TIFF或HGT，推荐先建一个虚拟拼接索引：
gdalbuildvrt -overwrite -srcnodata -32767 -vrtnodata -32767 E:/raw_tiles/*.tif E:/working/province_A.vrt注意命令里的NoData值一定要统一。哥白尼DEM的无效值在多数瓦片里是-32767，但也有部分版本用0表示，所以先执行gdalinfo逐一检查，把每个瓦片的NoData确认好再建VRT。gdalbuildvrt只是建立逻辑索引，几秒钟就完事，不会生成占用几十GB的大文件，速度极快。
第二步重投影。因为后续裁剪用的省级边界是CGCS2000地理坐标系，而栅格原始是WGS84，虽然两者在平面表现上差异很小，但严格项目不能混用。这里更要紧的是重采样到“真30米”，在地理坐标系里没法直接说“30米”，必须切到以米为单位的投影坐标系。
我选用了中国范围常用的Albers等积投影参数，中央经线105度，两条标准纬线25度和47度，用PROJ字符串直接传给GDAL：
gdalwarp -overwrite \ -t_srs "+proj=aea +lat_1=25 +lat_2=47 +lat_0=0 +lon_0=105 +x_0=0 +y_0=0 +datum=CGCS2000 +units=m +no_defs" \ -tr 30 30 -r bilinear \ -srcnodata -32767 -dstnodata -32767 \ E:/working/province_A.vrt E:/working/province_A_aea.tif-tr 30 30的含义是重采样后像元为30米乘30米，重采样算法选双线性。为什么不选最邻近？最邻近会把地形切出锯齿状台阶；三次卷积精度好，但容易把NoData边缘扩散一圈出去，反而增加后处理负担。双线性是DEM重采样最稳妥的默认选择。
第三步裁剪，直接用带-cutline参数的gdalwarp一步完成，省得先生成裁剪再用工具提取：
gdalwarp -overwrite \ -cutline E:/boundary/province_A.shp -crop_to_cutline \ -dstnodata -32767 \ E:/working/province_A_aea.tif E:/output/province_A_cgcs2000.tif裁剪完记得检查输出栅格的范围，防止出现空白输出或者只有一小条的情况。常见原因是省界矢量坐标系和栅格不一致，叠加前先统一。
2.3 关键参数选择背后的用意
很多人第一次处理DEM，最容易纠结的就是“我要不要填洼”。我在这套分省数据里默认不做填洼处理，原因很简单：填洼是破坏原始信息的一步操作，是否执行完全取决于下游应用。做流域提取，填洼能避免平地上的水卡在原地；做凹凸坡分析、做地形粗糙度，填洼反而会把真实地貌抹掉。所以正确姿势是“分省原样数据+用户按需填洼”，而不是我在打包阶段替用户做决定。
另一个参数是数据格式。我最终选用COG（Cloud Optimized GeoTIFF）输出，配合DEFLATE压缩。COG格式有一个很实用的特性：数据内部带金字塔和块状结构，软件按需读取，不用把整个省的文件全部加载进内存。压缩率方面，对于地形数据这种邻居值高度相关的栅格，DEFLATE通常能把文件压到原始大小的一半以下，而且绝大多数新版GIS软件都能直接读取，兼容性也好。内部块大小我选了256乘256，既不浪费IO又能让局部读取很快。这些细节不影响高程数值，但直接影响你加载省数据时的等待时长。
3. 分省打包的规范和发布说明
3.1 分省文件的命名与目录结构
整理好的分省数据，目录设计要让人一眼就懂，我采用如下的结构：
FathomDEM_China_30m/ ├── 00_README.txt ├── 01_数据说明与坐标系.txt ├── data/ │ ├── 华东某省.tif │ ├── 东北某省.tif │ ├── 西南某省.tif │ └── ...各省份文件 └── preview/ └── 全国山体阴影示意图.jpgdata目录下按行政区划习惯排序，文件名直接用省级名称，方便用户在业务系统里批量挂载。preview目录里放一张全国范围的缩略山体阴影图，一张图就能直观看出数据有没有黑斑、有没有接边断裂。很多分享资源根本不提供预览图，用户下载半天打开发现数据有问题，非常浪费时间，所以我强烈建议打包者一定顺手出一张预览图。
3.2 打包压缩方式与校验信息
分省文件单独压缩，我还是用了ZIP格式，压缩级别选“最快”或“标准”即可。为什么不选7z或RAR？一是ZIP在Windows、Linux、macOS上都是原生支持，任何人拿到都能直接解压，零门槛；二是DEM文件的压缩率受限于内部已经做过的DEFLATE，外层再压7z提升有限，反而增加解压成本。每个省压缩包内部，除了主TIFF文件，建议同时放一份与该省同名的QMD或AUX辅助文件吗？不推荐，辅助文件太多容易丢失，GeoTIFF自带的坐标系信息已经足够。
压缩完成后，我习惯在包根目录放一个SHA256校验文件，列出每个压缩包的校验值。下载数据这个场景，文件中途损坏非常常见。有了校验文件，用户解压前可以先跑一遍sha256sum，避免用到坏文件后排查半天结果发现是源数据坏了。
3.3 README里必须写清楚的内容
打包数据最忌讳的是“只给数据、不给说明”。我写了这几项，全部踩过坑之后才改出来的经验：
首先是坐标系和投影参数，明确写上“CGCS2000 / Albers等积投影”，并附上中央经线、标准纬线的具体数值。其次是NoData值，统一为-32767，单位是米。如果有人加载后看到大片黑色，往往就是没看这一行，把NoData当0米处理了。第三是分辨率、像素深度和压缩方式，方便高级用户判断能不能直接做定量分析。第四是数据来源和处理日期，注明原始数据文件版本、处理软件和GDAL版本，这既是对自己工作的记录，也能在数据异常时快速定位问题。最后一定要写清楚“建议使用场景和禁用场景”，明确说明这套数据用于流域分析、区域规划、专题制图没问题，但不适合作为厘米级工程设计的基础地形。
4. 处理过程中的实战踩坑记录
4.1 下载阶段：怎么选瓦片才能不漏不重
原始数据按经纬度网格分片，一个省往往横跨好几个网格，凭肉眼数会数漏。我的办法是先用QGIS创建经纬度网格矢量，再把省界叠加上去，用“按位置选择”选中所有相交网格，然后批量生成下载清单。
下载器方面，Windows下我推荐命令行工具配合断点续传参数，后台挂着慢慢下，比如用带-c参数的wget或curl。如果网络不稳定，中途断掉的线程不会从头再来，实测能节省大量重试时间。全部下完以后，必须比对每个文件的大小是否和源站一致，不一致的直接删掉重新下，千万不要带着残缺瓦片进入拼接环节，否则会出现明明范围重叠却偏偏缺了一块的情况。
4.2 拼接阶段：内存溢出和VRT解法
第一次按省拼接的时候，我直接用QGIS的“合并”工具，结果一个平原大省就把16GB内存吃满，软件直接崩溃。后来改用gdalbuildvrt，问题瞬间解决。VRT本质上是一个XML索引，只记录每个瓦片的空间位置和路径，不复制任何像素。等你重投影或裁剪时，GDAL再按需读取瓦片并实时计算。所以整个处理路线的核心原则是：能懒则懒，能索引则不物化，把真正的像素读取推迟到最后一步。
如果实在因为业务需要必须物化一张临时大图，建议用带-wm和-co TILED=YES参数的gdal_merge.py，限制单线程内存池大小，即便几十GB的全国数据也能慢慢跑完，只是时间会拉长，不影响结果正确性。
4.3 裁剪后的黑边、缝隙和横条纹
裁剪之后最容易出现的三类视觉问题，我一个个说。黑边几乎都是NoData值不统一造成的，瓦片A的无效值被记成-32767，瓦片B里却是0，拼接时0成了一片似真似假的高程，裁剪后边缘就成了黑洞。解决方法就是我在2.2节里说的，建VRT前先统一NoData。
缝隙是瓦片之间在某一行列重叠不足，多数出现在数据源快照不一致的拼接处。对这种细小缝隙，可以用GDAL的gdal_fillnodata插值填补，它会把周围有效高程的加权平均值填进空洞。注意这个方法只适合填补狭长的小缝隙，如果是整片大面积空洞，填出来的地形完全是“想象值”，宁可保留NoData交给用户自行决定，也不要给出错误的地形走向。
横条纹在部分山区比较明显，这是雷达侧视成像的固有现象，表现为条带状的细微高程起伏。处理思路是用低通滤波减弱，但滤波器半径不能太大，否则把山谷和山脊的真实落差也给糊掉了。我实际用3乘3的均值窗口，能把横条纹抑制到肉眼几乎不可见，又不会伤到地形主结构。
4.4 坐标偏移和对不齐
有一次裁剪出来的结果和道路矢量叠加后明显错位，我查了半天，发现省界矢量是CGCS2000，栅格还是WGS84。这两个坐标系在国内大陆区域差值大约在几十厘米到一两米之间，放大到制图比例时视觉上完全能看出重影。解决办法是第一时间用gdalinfo确认每个文件的CRS描述，最后强制输出到目标坐标系。图层一旦多起来，务必用QGIS“项目属性-坐标参考系统”把整个工程设成同一个坐标系，让软件自动重投影。
另外还有一个容易被忽视的点：省界边界数据本身的精度。如果手里的边界是多年前的勘界版本，和最新行政区划有出入，裁剪出来的面积和范围就会和官方统计对不上。做省级数据时尽量找最新的标准边界，这一步偷懒，后续所有分析结果都会跟着偏。
4.5 高程异常值排查
处理完的省文件，用gdalinfo -stats看一遍最大最小值，诸如“最低负一万多”这种明显不正常的结果，基本就是NoData数值被当成有效高程统计进去了。ArcGIS里有时候拉伸显示后地面出现许多极亮或极暗的点，则是飞点噪声。针对离散飞点，我会再用条件判断找出超出合理范围的像元，把其替换为邻域中值。注意这个操作只针对少数异常像元，绝不能全图滤波，否则高山区真实裸岩也会被误伤。
5. 拿到数据之后怎么用，才不算暴殄天物
5.1 加载与可视化技巧
分省数据下载后，第一件事先看预览图确认没有大面积黑边，然后在QGIS里加载tif文件。如果显示灰蒙蒙一片，说明符号化还是默认的线性拉伸。先右键图层属性，把渲染类型改成“山体阴影”，或者用“单波段灰度+色带”的组合：底色用从绿到棕到灰白的渐变表达低到高，再叠加20%透明度的山体阴影，立体感马上出来。ArcGIS里则可以在符号系统里选择“拉伸”，拉伸类型选“直方图均衡化”，再叠加“山体阴影”作底图，视觉冲击力很强，特别适合做汇报前的区域地形展示。
5.2 水文分析和坡度计算的正确姿势
这套数据最擅长的就是水文分析。按照“填洼→流向→汇流累积→阈值提取”的标准流程走下来，效果比旧版SRTM好很多，但有几个细节不能说没踩过坑。填洼前先想清楚分析尺度：在全国范围提取大河流，填洼后提取结果基本合理；到了小流域尺度，30米格网上一条两三米宽的天然沟渠可能就三四个像元，提取结果会断断续续。如果发现河网在平原区疯长，到处都是伪河道，先别急着怀疑数据，大概率是汇流累积阈值设得太低。阈值推荐从1000或2000开始试，在结果和视觉噪声之间找平衡。
坡度分析方面，如果按度为单位输出，平缓区域会出现明显的阶梯状色块，这是学位换算造成的量化效应。把输出单位改成百分比，或者使用方向统计量，视觉上的阶梯感会明显减弱。另外在处理分省数据时，边界像元由于缺少相邻省份的信息，坡度值会系统性偏低，跨省项目建议先拼接再分析，分析完再裁剪。
5.3 与其他DEM产品的对比取舍
这套FathomDEM数据发布于近年，时相较新，比ASTER GDEM和SRTM在细节上优势明显。但如果手头要做的事，对某个山谷的局部形态非常敏感，比如微型水电站选址，我还是建议用更高分辨率的无人机航测或激光雷达点云去复核。任何30米全球数据都只能提供一个宏观骨架，不能承载精细工程的全部信息。
另外提供一点实战心得：把FathomDEM和旧的SRTM叠加对比时，两者在高山区绝对高程差可达十几米，这不是谁的错，而是不同传感器、不同成像年代带来的系统性差异。跨年度的地形变化分析，最忌讳混用两套基准不同的DEM，要么都用同一套数据做相减，要么先做校正对齐，否则得出的“地表变化量”很可能是数据源差异造成的假象。
这版全国分省FathomDEM数据，我前前后后处理了两周，最深的体会是：数据处理的功夫七分花在数据源整理上，三分才是参数调优。把瓦片下载、坐标系统一、NoData清洗做到位，后面所有分析都能安心跑。最后再分享一个小技巧：如果你要拿分省数据做全国拼接，相邻省份之间在边界上会有很小的高程跳变，用QGIS里“虚栅格目录”加载所有省份文件，再把渲染模式设为“使用栅格目录内嵌金字塔”，就可以无缝浏览全国数据，不必真的合出一张几十GB的大图来。希望大家拿到这版数据后，都能少熬夜、多出活。
