2. 地形数据获取与预处理：DEM数据来源、格式与裁剪拼接
各位同学，咱们接着聊。上一章我们讲了地形评估的整体框架，这一章我带你落地——先把“地基”打好。说白了，就是搞到靠谱的DEM数据，然后把它收拾利索了。
做山地风电，地形数据就是你的眼睛。数据不准，后面所有分析都是白搭。我见过太多项目，前期数据没处理好，后期算发电量算出来偏差20%以上，回头一查，原来是DEM拼接处有个几米的错位。嗯，这种坑，咱们得绕着走。
2.1 DEM数据来源：SRTM vs ASTER GDEM
目前最常用的开源DEM数据，就两个：SRTM和ASTER GDEM。我个人的习惯是，国内项目优先用SRTM，国外项目看情况混着用。为什么？听我慢慢说。
| 数据源 | 空间分辨率 | 覆盖范围 | 垂直精度 | 发布时间 |
|---|---|---|---|---|
| SRTM (Shuttle Radar Topography Mission) | 30m (1弧秒) / 90m (3弧秒) | 北纬60° ~ 南纬56° | ±16m (90%置信度) | 2000年采集，后续多次更新 |
| ASTER GDEM (Advanced Spaceborne Thermal Emission and Reflection Radiometer) | 30m | 全球 (北纬83° ~ 南纬83°) | ±20m (95%置信度) | 2009年发布V1，2019年V3 |
SRTM 是航天飞机雷达测图任务的结果。它的数据一致性非常好，因为是一次性采集的。我在云南一个项目里用过，山脊线、沟谷的形态非常清晰，做风资源微观选址时，基本不用怎么修。
ASTER GDEM 是光学立体像对生成的。它的覆盖范围更广，但有个毛病——在陡峭山区、雪地、水域附近容易出现异常值。我记得有一次在四川做项目，ASTER GDEM在海拔4000米以上的区域出现了明显的“坑洞”，后来不得不换成SRTM补上。
我的建议：
- 国内山地风电项目，首选SRTM 30m数据。精度够用，稳定性好。
- 如果项目区在SRTM覆盖边缘（比如高纬度地区），或者需要更广的覆盖，再考虑ASTER GDEM V3。
- 两个数据可以对比使用。我一般会下载两份，做差值分析，看看有没有异常区域。
小技巧： 下载SRTM数据时，注意看版本。现在USGS提供的是SRTM Plus (NASADEM)，精度比老版本好不少。我习惯用NASADEM，省去后期很多校正工作。
2.2 数据格式：GeoTIFF 为什么是标配？
你下载下来的DEM，大概率是GeoTIFF格式。为什么大家都用这个？说白了，它把“图像”和“地理坐标”打包在一起了。
普通TIFF只存像素值，比如每个格子是灰色还是彩色。但GeoTIFF额外存了：这个像素对应地球上的哪个经纬度？坐标系是什么？投影参数是什么？高程值怎么换算？
举个例子，你打开一个GeoTIFF文件，用GIS软件一读，它自动就知道这张图覆盖的是东经102°到103°，北纬24°到25°的区域。不需要你手动去配准，省大事了。
我在项目中遇到过最头疼的事，就是有人给我发了一个“裸TIFF”——没有地理信息。结果我得花半天时间去找控制点，手动配准。嗯，从那以后，我要求所有数据必须带GeoTIFF元数据，否则不收。
注意： 下载数据时，检查一下GeoTIFF是否包含完整的坐标参考系统（CRS）。有些网站下载的数据，CRS信息丢失了，或者用的是旧版WGS84。我建议统一用EPSG:4326（WGS84经纬度）或EPSG:3857（Web墨卡托），看项目需求。
2.3 数据拼接与裁剪：把碎片拼成完整地图
一个风电项目区，少说几十平方公里，大一点的上百平方公里。而SRTM数据是按1°×1°的图幅分发的。也就是说，你下载下来的是很多个小方块。第一步，就是把这些方块拼起来。
我常用的工具是GDAL，开源、稳定、命令行操作，适合批量处理。下面是我常用的流程：
2.3.1 数据拼接（Mosaic）
拼接的核心命令是 gdal_merge.py。假设你有三个文件：srtm_01.tif, srtm_02.tif, srtm_03.tif，想拼成一个大的。
# 基本拼接命令
gdal_merge.py -o mosaic.tif -of GTiff srtm_01.tif srtm_02.tif srtm_03.tif
# 如果数据有重叠区域，可以指定拼接方法
# -n 参数设置无效值（比如海洋区域的-32768）
# -a 参数设置重叠区域的取平均值
gdal_merge.py -o mosaic.tif -of GTiff -n -32768 -a srtm_01.tif srtm_02.tif srtm_03.tif这里有个坑：不同图幅的DEM，在接边处可能会有高程差异。尤其是ASTER GDEM，不同景的数据之间可能有几米的偏差。我曾经在贵州一个项目里，拼接后山脊线出现了明显的“台阶”。
避坑指南： 拼接后一定要做接边检查。我习惯用QGIS打开拼接后的文件，把色带拉伸到最大，看看接缝处有没有颜色突变。如果有，可以用 gdalwarp 的 -r 参数做平滑处理，或者用 gdal_fillnodata.py 填补空洞。
2.3.2 数据裁剪（Clip）
拼接完的大文件，往往覆盖了比项目区大得多的范围。我们需要把它裁剪到项目边界内。项目边界通常是一个Shapefile或GeoJSON文件。
# 用矢量边界裁剪DEM
gdalwarp -cutline project_boundary.shp -crop_to_cutline -of GTiff mosaic.tif clipped_dem.tif
# 如果边界是矩形，也可以用经纬度范围裁剪
gdal_translate -projwin 102.5 25.2 103.0 24.8 -of GTiff mosaic.tif clipped_dem.tif注意：-projwin 的顺序是 左上角经度 左上角纬度 右下角经度 右下角纬度。这个顺序容易搞反，我刚开始用的时候栽过跟头。
2.3.3 重采样与投影转换
有时候，原始DEM的分辨率或投影不适合你的分析。比如，你后续要用WindSim或WAsP做风资源模拟，它们可能要求特定的投影。这时候需要重采样。
# 重采样到10m分辨率，使用双线性插值
gdalwarp -tr 10 10 -r bilinear -t_srs EPSG:32650 clipped_dem.tif resampled_dem.tif重采样方法的选择有讲究：
- 最近邻法（near）： 速度快，但会丢失细节。适合分类数据，不适合DEM。
- 双线性插值（bilinear）： 平滑，适合DEM。我大部分项目用这个。
- 三次卷积（cubic）： 更平滑，但计算量大。适合地形起伏大的区域。
我个人习惯：山地风电用双线性就够了。三次卷积虽然理论上更精确，但实际差异很小，反而可能引入伪影。
2.4 知识体系框架
下面这张图，帮你理清这一章的核心逻辑：
2.5 实战经验总结
最后，我把自己这些年踩过的坑，总结成几条铁律：
- 数据源选对，事半功倍。 国内山地风电，SRTM 30m是性价比最高的选择。别盲目追求高分辨率，12.5m的ALOS数据虽然好，但处理起来麻烦很多。
- 预处理要留备份。 我每次做完拼接、裁剪，都会把原始数据、中间数据、最终数据分别存档。万一后面发现处理错了，还能回退。
- 检查！检查！再检查！ 预处理完成后，一定要用GIS软件可视化检查一遍。看看有没有空洞、异常值、接边错位。我曾经因为没检查，拿着有空洞的DEM去算风资源，结果在空洞区域算出来风速为0——白白浪费了两天时间。
- 坐标系统一。 项目所有数据（DEM、风机点位、测风塔）必须使用同一个坐标系。我见过最离谱的事，是有人把WGS84和CGCS2000混着用，结果风机位置偏了500米。
一句话总结： 地形数据预处理，花的时间越多，后面分析越顺。别嫌麻烦，这是值得的。
公众号:蓝海资料掘金营，微信deep3321