3. DEM数据获取与预处理：数据下载渠道、格式转换、投影变换、重采样与裁剪
各位同学，今天咱们来聊聊DEM数据获取与预处理。说实话，这部分工作看着基础，但坑特别多。我当年刚入行时，就因为投影没处理好，导致整个导航系统跑偏了十几公里——嗯，那滋味可不好受。
DEM数据，说白了就是数字高程模型。它记录的是地表每个点的高度信息。地形辅助导航靠的就是它。你想想看，飞机或者导弹飞过一片区域，雷达测一下高度，再跟DEM一比对，位置就出来了。所以DEM的质量，直接决定了导航的精度。
核心要点：DEM数据获取与预处理，是整个地形辅助导航数据库构建的基石。数据源选不对、格式转不好、投影搞错了、重采样精度丢了、裁剪范围偏了——任何一个环节出问题，后面全白搭。
3.1 数据下载渠道
DEM数据从哪来？我常用的渠道有这么几个：
- SRTM（航天飞机雷达地形测绘任务）：全球覆盖，分辨率90米（3弧秒）和30米（1弧秒）。我个人习惯用30米的，精度够用，数据量也适中。
- ASTER GDEM（先进星载热发射和反射辐射计全球数字高程模型）：分辨率也是30米，但覆盖范围比SRTM更广，高纬度地区也能用。
- ALOS World 3D（日本ALOS卫星数据）：分辨率30米，精度比SRTM和ASTER都好一些。我在项目中遇到过，ALOS在山区表现特别棒，沟壑细节保留得很好。
- 国内数据源：比如地理空间数据云、国家基础地理信息中心。这些平台提供国产卫星的DEM数据，像高分系列、资源系列。国内项目我建议优先用这个，坐标系直接就是CGCS2000，省去投影转换的麻烦。
下载时要注意什么？嗯，这里有个坑：很多平台的数据是分幅存储的，一个文件覆盖一个经纬度格子。如果你的项目区域跨了多个格子，就得下载多个文件，后面再拼接。我曾经一次性下载了16个分幅文件，拼接时差点没把自己绕晕。
小技巧：下载前先确认数据版本。SRTM有V2.1、V3.0等版本，V3.0修复了V2.1中的一些空洞问题。我建议直接用最新版，省得后面还要做空洞填充。
3.2 格式转换：GeoTIFF与ASCII
DEM数据常见的格式有两种：GeoTIFF和ASCII。GeoTIFF是二进制格式，带地理坐标信息，文件小、读取快。ASCII是文本格式，每个格网点的高度值用数字表示，可读性强，但文件巨大。
我一般用GDAL做格式转换。GDAL是开源的地理数据转换库，几乎所有GIS工具都在用它。来看看具体怎么操作：
# 将GeoTIFF转换为ASCII
gdal_translate -of AAIGrid input.tif output.asc
# 将ASCII转换为GeoTIFF
gdal_translate -of GTiff input.asc output.tif
# 批量转换（我常用的方式）
for f in *.tif; do
gdal_translate -of AAIGrid "$f" "${f%.tif}.asc"
done为什么需要ASCII格式？因为很多导航算法库只认ASCII。但ASCII文件太大了，一个30米分辨率的1度×1度格网文件，可能有几百兆。所以我建议：开发调试阶段用ASCII，方便查看数据；正式部署时用GeoTIFF，节省存储和读取时间。
注意：ASCII格式的DEM文件，第一行通常是ncols、nrows、xllcorner、yllcorner、cellsize、NODATA_value这些头信息。如果你手动编辑过这个文件，一定要保证头信息跟数据一致。我曾经手贱改了一个数字，结果整个DEM偏移了半个像素——排查了整整两天。
3.3 投影变换
投影变换，说白了就是把地球这个椭球体上的坐标，映射到平面上。DEM数据原始坐标通常是经纬度（WGS84），但导航系统需要的是平面坐标（比如UTM、高斯-克吕格）。
为什么一定要做投影变换？你想想看，经纬度坐标下，一个像素代表的实际距离，在不同纬度是不一样的。赤道附近1度约111公里，到了北极可能只有几十公里。导航系统需要等距或等角的平面坐标，否则算出来的位置会偏差很大。
我常用的投影方式：
- UTM投影：全球通用，分带（6度一个带）。适合中低纬度地区。
- 高斯-克吕格投影：国内常用，分带（3度或6度）。适合中国区域。
- 兰勃特等角投影：适合中纬度东西走向的区域，比如美国本土。
用GDAL做投影变换的代码：
# 将WGS84经纬度转换为UTM 50N（北京地区）
gdalwarp -t_srs "+proj=utm +zone=50 +datum=WGS84" input.tif output_utm.tif
# 转换为CGCS2000高斯-克吕格3度带
gdalwarp -t_srs "+proj=gauss +ellps=CGCS2000 +zone=38" input.tif output_gk.tif避坑指南：我曾经在项目中直接用了WGS84的DEM数据做导航，结果在东北地区偏差了将近500米。原因就是没做投影变换，直接用经纬度算距离，纬度越高误差越大。所以记住：导航系统里，永远用平面坐标，别偷懒。
3.4 重采样
重采样，就是把DEM数据从一个分辨率调整到另一个分辨率。比如你下载的是30米分辨率的SRTM数据，但导航系统只需要90米分辨率，那就得降采样。反过来，如果系统需要10米分辨率，就得升采样。
重采样的方法有几种：
| 方法 | 适用场景 | 特点 |
|---|---|---|
| 最近邻法 | 分类数据、快速处理 | 速度快，但锯齿明显 |
| 双线性插值 | DEM数据降采样 | 平滑，精度适中 |
| 三次卷积 | DEM数据升采样 | 平滑度高，细节保留好 |
| 平均值法 | 降采样（聚合） | 保留整体趋势，适合导航 |
我个人习惯：降采样用平均值法，升采样用三次卷积。为什么？降采样时，平均值法能保留每个像素块的整体高度信息，不会丢失地形趋势。升采样时，三次卷积能生成更平滑的过渡，避免出现阶梯状伪影。
GDAL重采样代码：
# 降采样：从30米重采样到90米（平均值法）
gdalwarp -tr 90 90 -r average input_30m.tif output_90m.tif
# 升采样：从30米重采样到10米（三次卷积）
gdalwarp -tr 10 10 -r cubic input_30m.tif output_10m.tif注意：重采样会引入误差。降采样时，地形细节会丢失；升采样时，会生成原本不存在的数据。我建议：尽量使用原始分辨率，不要随意重采样。如果必须重采样，一定要评估误差对导航精度的影响。
3.5 裁剪
裁剪，就是把DEM数据切出你需要的区域。导航系统不需要全球DEM，只需要飞行路径周围几十公里的数据。裁剪能大幅减少数据量，提高处理速度。
裁剪有两种方式：
- 按经纬度范围裁剪：指定左上角和右下角的经纬度坐标。
- 按矢量边界裁剪：用Shapefile或GeoJSON文件作为裁剪边界。
GDAL裁剪代码：
# 按经纬度范围裁剪（北京区域）
gdal_translate -projwin 115.5 40.5 117.5 39.5 input.tif output_crop.tif
# 按矢量边界裁剪
gdalwarp -cutline boundary.shp -crop_to_cutline input.tif output_crop.tif这里有个细节：按经纬度范围裁剪时，-projwin参数的顺序是ulx uly lrx lry（左上角x，左上角y，右下角x，右下角y）。很多人搞反了顺序，结果裁剪出来的区域完全不对。嗯，我刚开始也犯过这个错。
小技巧：裁剪前先检查一下DEM的边界。有时候下载的数据范围比你需要的略大，裁剪后记得用gdalinfo查看一下新文件的信息，确认范围正确。我每次裁剪完都会跑一遍gdalinfo，养成习惯了。
3.6 本章知识体系
下面这张图展示了DEM数据获取与预处理的完整流程：
好了，DEM数据获取与预处理就讲到这里。这些步骤看着多，但每一步都有它的道理。你只要按流程走，基本不会出大问题。记住：数据质量决定了导航精度，预处理环节千万别马虎。