新闻详情

新闻详情

首页 / 资讯中心 / 详情

QGIS栅格数据分析教程:DEM地形晕渲、分类渲染与坡度计算全解析

发布时间:2026/11/4 11:43:30来源:尧图网络
QGIS栅格数据分析教程:DEM地形晕渲、分类渲染与坡度计算全解析
QGIS栅格数据分析教程DEM地形晕渲、分类渲染与坡度计算全解析【免费下载链接】QGISQGIS is a free, open source, cross platform (lin/win/mac) geographical information system (GIS)项目地址: https://gitcode.com/gh_mirrors/qg/QGISQGIS栅格数据分析是地理信息系统中应用最广泛的功能之一。本教程面向新手带你从零开始掌握 QGIS一款免费、开源、跨平台的地理信息系统 GIS 软件的三大核心栅格技能DEM 地形晕渲、分类渲染与坡度计算无需编写代码10 分钟即可完成第一张专业级地形图。️ 什么是栅格数据与 DEM在动手之前先花 1 分钟理解两个基础概念栅格数据Raster由规则排列的像素网格组成每个像素存储一个数值如高程、温度、植被指数。常见的 DEM数字高程模型就是栅格数据。DEMDigital Elevation Model记录地面高程的栅格数据是地形晕渲、坡度计算的地形分析基础。 DEM 数据常见来源SRTM、ASTER GDEM、LiDAR 点云生成的 DTM 等文件格式多为 GeoTIFF.tif。一、快速加载 DEM 数据点击工具栏的添加栅格图层按钮或打开菜单图层 → 添加图层 → 添加栅格图层在文件选择框中定位到你的.tif/.img文件勾选图层后即可在画布中预览若显示全黑或白色通常是渲染方式与数据范围不匹配下一步来解决二、DEM 地形晕渲让平面数据立起来地形晕渲Hillshade通过模拟光照在坡面上的明暗变化把平坦的高程数据渲染出立体地形效果是最经典的地形可视化手法。方法 1使用内置晕渲渲染器即时预览双击 DEM 图层打开图层属性 → 符号化渲染方式选择晕渲Hillshade调节以下参数效果实时刷新参数含义推荐值方位角 Azimuth光源方向0正北顺时针315°西北光高度角 Altitude光源仰角45°垂直夸大系数 Z Factor增强平缓地形的起伏感1 ~ 20视数据而定该渲染器的核心实现位于 qgshillshaderenderer.h支持双向晕渲Multi-directional等增强算法可显著提升细节表现。方法 2处理工具箱生成晕渲栅格需要把晕渲效果落盘为新图层时例如后续叠加到高程分级图上使用处理工具箱打开处理 → 工具箱快捷键 CtrlAltT在GDAL 算法 → 地形分析 → 晕渲Hillshade中执行输入 DEM 图层设置光源方向与仰角运行后生成新的晕渲栅格图层晕渲算法的 Processing 封装见 qgsalgorithmhillshade.h其单元测试位于 testqgsninecellfilters.cpp确保算法结果经过持续验证。小技巧将晕渲图层与下文的分级渲染图层叠加并调整晕渲图层透明度至 40%~60%是制作专业地形图的常用手法。三、分类渲染给高程数据分色分级分类渲染Classified把连续的高程值划分为若干区间如 0-500m、500-1000m……每个区间赋予一种颜色直观表达哪里高、哪里低。最快配置步骤双击 DEM 图层渲染方式选择分类Classified设置分级数Interval Count一般 5~9 级即可选择分类算法等间距Equal Interval每级宽度相同自然断点Natural Breaks按数据分布聚类色彩分界更符合地形特征推荐选择调色板绿色系、棕绿色系最贴近地形认知勾选显示图例Show legend点击应用 想按自己的高程区间手动划分在分类设置中切换到手动Manual逐行输入上下限即可。四、坡度计算从 DEM 到坡度栅格坡度Slope反映地表倾斜程度是选址分析、水文分析、工程建设评估的关键输入。一键执行坡度分析打开处理工具箱 → GDAL 算法 → 地形分析 → 坡度Slope输入 DEM 图层选择输出单位度Degrees0° 水平面90° 垂直面最直观百分比Percent Rise垂直高差 / 水平距离 × 100%可指定输出文件名与格式建议 GeoTIFF点击运行坡度算法实现位于 qgsalgorithmslope.h采用经典的 3×3 邻域窗口计算速度快且精度可靠。坡度结果快速可视化生成的坡度栅格默认是灰度图记得给它做分类渲染同第三节步骤0°~10°绿色——平缓适合建设用地10°~25°黄色——中等坡度25°~40°橙色——较陡注意水土保持40°红色——陡坡开发受限五、进阶组合晕渲 坡度 分级 三图叠一张把三个技能串起来就能产出一张出版级地形专题图底层DEM分类渲染高程分色中层GDAL晕渲输出图层透明度 50%顶层可选的坡度等值线或坡度过陡区域掩膜最后通过处理 → 地图合成器Print Layout添加标题、指北针、比例尺导出 PDF 或 PNG。 参考资料与延伸阅读栅格渲染器注册表qgsrasterrendererregistry.cpp晕渲渲染器实现qgshillshaderenderer.cpp晕渲/坡度算法测试testqgsninecellfilters.cppGDAL 栅格算法测试test_gdal_algorithms_raster.py项目主文档README.md、安装说明 INSTALL.md掌握 DEM 地形晕渲、分类渲染与坡度计算你就拥有了 QGIS 栅格数据分析的三板斧。下一站可以探索流向Flow Direction、汇水累积等更多 GDAL 地形算法把地形分析能力扩展到水文领域【免费下载链接】QGISQGIS is a free, open source, cross platform (lin/win/mac) geographical information system (GIS)项目地址: https://gitcode.com/gh_mirrors/qg/QGIS创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/3 7:07:39

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/3 12:09:35

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/3 12:09:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/3 12:09:41

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/4 1:25:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/4 3:51:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉