简介这份资源面向从事区域空间分析、城市规划、资源管理与社会经济研究的GIS从业者及高校师生汇集2024年湖北省10类地理与人文矢量数据覆盖省、市、县区、乡镇街道四级行政区划以及水系面线、131所高校、1241个景点、各级道路、全国高程TIF与土壤类型空间分布统一采用WGS 1984投影可直接加载至ArcGIS、QGIS等平台使用。压缩包共53个文件以shp、shx、dbf、prj等标准Shapefile组件为主辅以cpg编码文件、sbn与sbx空间索引、tif高程栅格及xlsx土壤分类表整体约104.47MB结构清晰、属性完备。目前已有110人学习下载。读者可据此完成分级统计制图、水文与流域分析、高校服务半径测算、旅游资源规划、交通可达性建模及农业适宜性评估等任务省去多源数据搜集与坐标转换的重复工作适合作为区域研究与课程实验的基础底图数据。1. 湖北省地理人文数据合集10 类 shp 文件到底能解决什么问题如果你正在做湖北省的国土空间分析、选址评估、高校课题或者三维可视化大概率绕不开一个现实问题底图数据东拼西凑坐标系不统一属性表字段乱七八糟。这套「2024年湖北省10类地理人文 shp 文件」的价值就在于把省、市、县区、乡镇街道四级行政边界连同水系、大学、景点、道路、高程、土壤类型这六类专题数据统一整理成一套可直接加载的矢量文件。它解决的不是「有没有数据」而是「数据能不能直接叠在一起用」。适合做区域研究的研究生、做规划咨询的工程师以及需要快速搭建湖北底图的三维建模从业者。高程和土壤类型这两类往往是大家搜得最多、也最容易踩坑的部分后面会重点拆。2. 拿到 shp 文件先别急着打开坐标系与字段结构的核对方法2.1 为什么坐标系不统一是第一个翻车点shp 文件本身不携带坐标系信息它依赖同目录下的 .prj 文件来定义空间参考。很多人在网上搜到的「湖北省行政区划 shp」打开后发现和底图偏移几百米甚至飞到国外根本原因就是 .prj 缺失或者被错误定义。湖北省常用的坐标系有两套一套是地理坐标系 GCS_WGS_1984EPSG:4326单位是度另一套是投影坐标系 CGCS2000_3_Degree_GK_CM_114EEPSG:4547 附近单位是米。做面积统计、距离量算必须用投影坐标系做网页地图叠加通常用地理坐标系。拿到文件后第一件事不是拖进 ArcGIS而是先看目录里有没有 .prj。如果没有不要猜直接问数据来源或者用已知控制点反推。我一般会先用 QGIS 打开右键图层属性看「源」里的 CRS 描述再用「测量工具」量一段已知长度的道路比如武汉长江大桥约 1670 米量出来差太多就说明坐标系不对。2.2 用 Python 批量检查 shp 的坐标系和字段手工一个个看太慢尤其是乡镇街道这种几十个文件的。下面这段代码用 geopandas 批量读取目录下所有 shp输出坐标系、要素数量和字段名方便你快速判断哪几个文件需要转换。import geopandas as gpd import os # 指向你的 shp 文件夹 data_dir rD:\hubei_shp_2024 for root, dirs, files in os.walk(data_dir): for f in files: if f.endswith(.shp): path os.path.join(root, f) try: gdf gpd.read_file(path) # 打印文件名、坐标系、要素数、字段列表 print(f文件: {f}) print(f CRS: {gdf.crs}) print(f 要素数: {len(gdf)}) print(f 字段: {list(gdf.columns)}) print(- * 40) except Exception as e: print(f读取失败 {f}: {e})逻辑说明os.walk 递归遍历所有子目录因为 10 类数据通常按类别分文件夹存放。gdf.crs 返回的是 pyproj 的 CRS 对象如果显示 None说明 .prj 缺失。字段列表里要特别关注行政区代码字段常见命名有 adcode、code、xzqhdm 等后面做关联分析全靠它。参数说明如果你的数据量很大比如乡镇街道有几千个要素读取会慢可以加rows5只读前几行做抽样检查。另外 geopandas 依赖 fiona 或 pyogrio 引擎如果报错先pip install pyogrio再试。2.3 统一坐标系的标准操作确认完坐标系后如果要做全省叠加分析建议统一到 CGCS2000 投影坐标系。在 QGIS 里操作右键图层 → 导出 → 保存要素为 → 选择目标 CRS 为 EPSG:4547中央经线 114E。在 ArcGIS 里用「投影」工具输出坐标系选 CGCS2000_3_Degree_GK_CM_114E。注意地理坐标系转投影坐标系要用「投影」工具投影坐标系之间转换也用「投影」不要用「定义投影」后者只改元数据不改坐标值用错了数据就废了。提示转换前先备份原始文件。shp 转换会生成新的 .shp/.shx/.dbf/.prj覆盖原文件后无法撤销。3. 10 类数据逐类拆解从行政区划到土壤类型的加载与验证3.1 省、市、县区、乡镇街道四级行政边界的嵌套关系这四类数据本质上是同一套行政体系的不同层级。省 1 个要素市州约 17 个含直管市和林区县区约 100 个出头乡镇街道约 1200 个以上。加载时最容易出的问题是「层级嵌套对不上」——比如某个乡镇街道的边界超出了所属县区的范围或者县区之间有缝隙和重叠。验证方法用「拓扑检查」或者简单的空间叠加。在 QGIS 里用「按位置选择」选中某个县区然后看该县区内的乡镇街道是否完全落在县区边界内。更直接的办法是用 Python 做面积汇总import geopandas as gpd county gpd.read_file(rD:\hubei_shp_2024\县区.shp) town gpd.read_file(rD:\hubei_shp_2024\乡镇街道.shp) # 按县区代码汇总乡镇面积和县区自身面积对比 county[area_county] county.geometry.area town_sum town.dissolve(by县区代码, aggfunc{geometry: first}) # 这里需要根据实际字段名调整核心思路是分组统计 print(county[[县区名称, area_county]].head())逻辑说明dissolve 按县区代码把乡镇合并再和县区面积对比差异超过 5% 就说明边界有问题。参数说明area 计算依赖投影坐标系如果还是经纬度面积单位是平方度没有意义必须先转投影。3.2 水系和道路线要素的连通性与属性字段水系 shp 通常是线状河流和面状湖泊混合道路 shp 一般是线状。这两类数据在做网络分析时最怕「断线」和「假节点」。比如一条河流被行政区划边界切断成好几段属性表里又没有名称字段你就没法按河流名称做聚合。常见做法是先检查属性表里有没有 name、河流名称、道路名称这类字段。如果没有只能靠空间连通性合并。在 QGIS 里用「合并线」工具设置容差 0.001 度左右可以把断开的线接上。道路数据还要注意等级字段比如高速、国道、省道、县道做路径规划时权重不同。3.3 大学和景点点要素的去重与坐标精度大学和景点是点数据数量不多但容易出两个问题一是同名重复比如「武汉大学」可能在不同来源里出现两次坐标略有差异二是坐标偏移尤其是从网页地图抓取的点可能偏移几十米。去重方法按名称字段分组如果同一名称有多个点保留距离道路或建成区最近的那个。坐标精度验证随机抽几个点和天地图或高德地图对比。如果整体偏移一个固定方向可能是坐标系问题比如 GCJ-02 和 WGS-84 的差异需要做纠偏。但注意本文不涉及任何在线地图 API 的调用细节只讨论数据本身的处理。3.4 高程和土壤类型栅格转矢量的边界处理严格来说高程和土壤类型原始数据往往是栅格DEM 和土壤图但标题里归为 shp 文件说明已经做过栅格转矢量处理。高程 shp 通常是等高线或者高程点土壤类型 shp 是土壤图斑。加载高程 shp 后先看属性表里的高程值字段常见命名有 elevation、ELEV、高程等。如果做三维建模需要把高程点或等高线插值成 DEM这一步在 ArcGIS 里用「地形转栅格」或「克里金插值」。土壤类型 shp 要关注分类字段比如土种名称、土壤代码做统计分析前先确认分类标准是否统一。注意栅格转矢量会损失精度尤其是土壤类型图斑边界会变得锯齿状。如果要做精确面积统计建议回到原始栅格数据。4. 避坑与排查shp 文件处理中最容易翻车的 5 个场景4.1 中文属性表乱码现象是打开 dbf 全是问号现象用 Excel 打开 .dbf 文件中文字段值显示为乱码或问号。原因.dbf 的字符编码默认是 GBK 或 UTF-8不同软件读写编码不一致。解决用 QGIS 打开时在图层属性里设置编码为 GBK 或 UTF-8 试一次或者用 Python 读取时指定 encodinggdf gpd.read_file(path, encodinggbk)如果还是乱码用 LibreOffice 打开 dbf另存为 UTF-8 编码的 csv再重新关联。4.2 面积计算出负数或零现象是投影坐标系没设对现象用几何计算面积结果出现负数或极小值。原因数据还是地理坐标系单位是度或者几何本身有自相交。解决先转投影坐标系再用gdf.geometry.area。如果还有问题用gdf.geometry.buffer(0)修复自相交。4.3 乡镇街道边界和县区对不上现象是叠加后出现缝隙现象乡镇街道合并后和县区边界有细长缝隙或重叠。原因不同层级数据来源不同采集精度不一致。解决以县区边界为准用「对齐到图层」或「捕捉」工具把乡镇边界吸附过去。如果缝隙很小可以忽略如果影响面积统计用「消除」工具合并碎多边形。4.4 高程点密度不够现象是插值出来的 DEM 太平滑现象用高程点插值生成的 DEM地形起伏不明显。原因高程点采样密度太低或者分布不均匀。解决如果只有等高线用「地形转栅格」时设置合适的采样距离如果高程点太少考虑融合其他来源的 DEM 数据。但注意本文不提供任何 DEM 下载渠道只讨论已有数据的处理。4.5 shp 转其他格式后属性丢失现象是转 GeoJSON 后字段少了现象把 shp 转成 GeoJSON 或 CSV 后发现某些字段不见了。原因字段名超过 10 个字符被截断或者字段类型不被目标格式支持。解决转换前先用 ogr2ogr 或 geopandas 重命名字段确保字段名简短且无特殊字符。转 CSV 时用gdf.to_csv()几何信息会以 WKT 格式保留。5. 从 shp 到三维模型用 Blender 和 QGIS 快速搭建湖北地形场景5.1 为什么要把 shp 转成 3D Tiles 或模型很多做可视化的人搜「shp 转 3dtiles」和「blender 行政 高程数据建立 3d 模型」本质是想把二维矢量变成三维场景。常见路径有两条一条是 shp → DEM → 3D Tiles适合大场景另一条是 shp → Blender → 模型适合小范围精细展示。两条路都绕不开高程数据。5.2 用 QGIS 把高程 shp 插值成 DEM假设你已经有高程点 shp在 QGIS 里处理工具箱 → 插值 → 反距离权重IDW或克里金。输入点图层选择高程字段输出栅格分辨率根据范围定一般 10 米到 30 米。插值完用「山体阴影」渲染一下看地形是否合理。5.3 在 Blender 里用插件导入 DEM 和行政边界Blender 本身不直接读 shp需要插件。常见做法是先把 DEM 转成 PNG 高度图行政边界转成 SVG 或 PNG 叠加。或者用「BlenderGIS」插件直接导入 shp 和 DEM。导入后给 DEM 加「置换」修改器强度根据实际高差调整。行政边界可以用「曲线」导入再转成网格挤出高度做成立体边界。# 用 geopandas 把行政边界导出为 GeoJSON方便 BlenderGIS 读取 import geopandas as gpd gdf gpd.read_file(rD:\hubei_shp_2024\县区.shp) gdf.to_file(rD:\hubei_shp_2024\县区.geojson, driverGeoJSON)逻辑说明BlenderGIS 对 GeoJSON 支持较好导出时注意坐标系用 WGS-84因为 BlenderGIS 默认按经纬度定位。参数说明如果边界太复杂导出前用gdf.geometry.simplify(0.001)简化减少顶点数。5.4 验证三维场景是否准确的一个小技巧在 Blender 里导入 DEM 后找一个已知高程点比如某座山的山顶看模型高度是否和实际海拔接近。如果差太多检查 DEM 的垂直单位是米还是英尺以及置换强度是否被缩放。我一般会先用一个 1000 米 × 1000 米的平坦区域测试确认比例尺对了再铺全省数据。提示Blender 处理大范围 DEM 会很卡建议分块处理或者先在 QGIS 里裁剪出目标区域。5.5 我踩过的坑和现在的习惯早期我直接把全省 DEM 丢进 Blender结果内存爆了文件也没保存。后来养成习惯先在 QGIS 里按研究区裁剪导出为 GeoTIFF分辨率降到 30 米再进 Blender。另外行政边界不要用太复杂的乡镇级用县区级就够了否则顶点太多Blender 操作起来像幻灯片。这套流程走下来一个湖北省的三维地形场景从数据准备到出图大概半天能搞定。希望帮到你。本文还有配套的精品资源点击获取
简介这份资源面向从事区域空间分析、城市规划、资源管理与社会经济研究的GIS从业者及高校师生汇集2024年湖北省10类地理与人文矢量数据覆盖省、市、县区、乡镇街道四级行政区划以及水系面线、131所高校、1241个景点、各级道路、全国高程TIF与土壤类型空间分布统一采用WGS 1984投影可直接加载至ArcGIS、QGIS等平台使用。压缩包共53个文件以shp、shx、dbf、prj等标准Shapefile组件为主辅以cpg编码文件、sbn与sbx空间索引、tif高程栅格及xlsx土壤分类表整体约104.47MB结构清晰、属性完备。目前已有110人学习下载。读者可据此完成分级统计制图、水文与流域分析、高校服务半径测算、旅游资源规划、交通可达性建模及农业适宜性评估等任务省去多源数据搜集与坐标转换的重复工作适合作为区域研究与课程实验的基础底图数据。1. 湖北省地理人文数据合集10 类 shp 文件到底能解决什么问题如果你正在做湖北省的国土空间分析、选址评估、高校课题或者三维可视化大概率绕不开一个现实问题底图数据东拼西凑坐标系不统一属性表字段乱七八糟。这套「2024年湖北省10类地理人文 shp 文件」的价值就在于把省、市、县区、乡镇街道四级行政边界连同水系、大学、景点、道路、高程、土壤类型这六类专题数据统一整理成一套可直接加载的矢量文件。它解决的不是「有没有数据」而是「数据能不能直接叠在一起用」。适合做区域研究的研究生、做规划咨询的工程师以及需要快速搭建湖北底图的三维建模从业者。高程和土壤类型这两类往往是大家搜得最多、也最容易踩坑的部分后面会重点拆。2. 拿到 shp 文件先别急着打开坐标系与字段结构的核对方法2.1 为什么坐标系不统一是第一个翻车点shp 文件本身不携带坐标系信息它依赖同目录下的 .prj 文件来定义空间参考。很多人在网上搜到的「湖北省行政区划 shp」打开后发现和底图偏移几百米甚至飞到国外根本原因就是 .prj 缺失或者被错误定义。湖北省常用的坐标系有两套一套是地理坐标系 GCS_WGS_1984EPSG:4326单位是度另一套是投影坐标系 CGCS2000_3_Degree_GK_CM_114EEPSG:4547 附近单位是米。做面积统计、距离量算必须用投影坐标系做网页地图叠加通常用地理坐标系。拿到文件后第一件事不是拖进 ArcGIS而是先看目录里有没有 .prj。如果没有不要猜直接问数据来源或者用已知控制点反推。我一般会先用 QGIS 打开右键图层属性看「源」里的 CRS 描述再用「测量工具」量一段已知长度的道路比如武汉长江大桥约 1670 米量出来差太多就说明坐标系不对。2.2 用 Python 批量检查 shp 的坐标系和字段手工一个个看太慢尤其是乡镇街道这种几十个文件的。下面这段代码用 geopandas 批量读取目录下所有 shp输出坐标系、要素数量和字段名方便你快速判断哪几个文件需要转换。import geopandas as gpd import os # 指向你的 shp 文件夹 data_dir rD:\hubei_shp_2024 for root, dirs, files in os.walk(data_dir): for f in files: if f.endswith(.shp): path os.path.join(root, f) try: gdf gpd.read_file(path) # 打印文件名、坐标系、要素数、字段列表 print(f文件: {f}) print(f CRS: {gdf.crs}) print(f 要素数: {len(gdf)}) print(f 字段: {list(gdf.columns)}) print(- * 40) except Exception as e: print(f读取失败 {f}: {e})逻辑说明os.walk 递归遍历所有子目录因为 10 类数据通常按类别分文件夹存放。gdf.crs 返回的是 pyproj 的 CRS 对象如果显示 None说明 .prj 缺失。字段列表里要特别关注行政区代码字段常见命名有 adcode、code、xzqhdm 等后面做关联分析全靠它。参数说明如果你的数据量很大比如乡镇街道有几千个要素读取会慢可以加rows5只读前几行做抽样检查。另外 geopandas 依赖 fiona 或 pyogrio 引擎如果报错先pip install pyogrio再试。2.3 统一坐标系的标准操作确认完坐标系后如果要做全省叠加分析建议统一到 CGCS2000 投影坐标系。在 QGIS 里操作右键图层 → 导出 → 保存要素为 → 选择目标 CRS 为 EPSG:4547中央经线 114E。在 ArcGIS 里用「投影」工具输出坐标系选 CGCS2000_3_Degree_GK_CM_114E。注意地理坐标系转投影坐标系要用「投影」工具投影坐标系之间转换也用「投影」不要用「定义投影」后者只改元数据不改坐标值用错了数据就废了。提示转换前先备份原始文件。shp 转换会生成新的 .shp/.shx/.dbf/.prj覆盖原文件后无法撤销。3. 10 类数据逐类拆解从行政区划到土壤类型的加载与验证3.1 省、市、县区、乡镇街道四级行政边界的嵌套关系这四类数据本质上是同一套行政体系的不同层级。省 1 个要素市州约 17 个含直管市和林区县区约 100 个出头乡镇街道约 1200 个以上。加载时最容易出的问题是「层级嵌套对不上」——比如某个乡镇街道的边界超出了所属县区的范围或者县区之间有缝隙和重叠。验证方法用「拓扑检查」或者简单的空间叠加。在 QGIS 里用「按位置选择」选中某个县区然后看该县区内的乡镇街道是否完全落在县区边界内。更直接的办法是用 Python 做面积汇总import geopandas as gpd county gpd.read_file(rD:\hubei_shp_2024\县区.shp) town gpd.read_file(rD:\hubei_shp_2024\乡镇街道.shp) # 按县区代码汇总乡镇面积和县区自身面积对比 county[area_county] county.geometry.area town_sum town.dissolve(by县区代码, aggfunc{geometry: first}) # 这里需要根据实际字段名调整核心思路是分组统计 print(county[[县区名称, area_county]].head())逻辑说明dissolve 按县区代码把乡镇合并再和县区面积对比差异超过 5% 就说明边界有问题。参数说明area 计算依赖投影坐标系如果还是经纬度面积单位是平方度没有意义必须先转投影。3.2 水系和道路线要素的连通性与属性字段水系 shp 通常是线状河流和面状湖泊混合道路 shp 一般是线状。这两类数据在做网络分析时最怕「断线」和「假节点」。比如一条河流被行政区划边界切断成好几段属性表里又没有名称字段你就没法按河流名称做聚合。常见做法是先检查属性表里有没有 name、河流名称、道路名称这类字段。如果没有只能靠空间连通性合并。在 QGIS 里用「合并线」工具设置容差 0.001 度左右可以把断开的线接上。道路数据还要注意等级字段比如高速、国道、省道、县道做路径规划时权重不同。3.3 大学和景点点要素的去重与坐标精度大学和景点是点数据数量不多但容易出两个问题一是同名重复比如「武汉大学」可能在不同来源里出现两次坐标略有差异二是坐标偏移尤其是从网页地图抓取的点可能偏移几十米。去重方法按名称字段分组如果同一名称有多个点保留距离道路或建成区最近的那个。坐标精度验证随机抽几个点和天地图或高德地图对比。如果整体偏移一个固定方向可能是坐标系问题比如 GCJ-02 和 WGS-84 的差异需要做纠偏。但注意本文不涉及任何在线地图 API 的调用细节只讨论数据本身的处理。3.4 高程和土壤类型栅格转矢量的边界处理严格来说高程和土壤类型原始数据往往是栅格DEM 和土壤图但标题里归为 shp 文件说明已经做过栅格转矢量处理。高程 shp 通常是等高线或者高程点土壤类型 shp 是土壤图斑。加载高程 shp 后先看属性表里的高程值字段常见命名有 elevation、ELEV、高程等。如果做三维建模需要把高程点或等高线插值成 DEM这一步在 ArcGIS 里用「地形转栅格」或「克里金插值」。土壤类型 shp 要关注分类字段比如土种名称、土壤代码做统计分析前先确认分类标准是否统一。注意栅格转矢量会损失精度尤其是土壤类型图斑边界会变得锯齿状。如果要做精确面积统计建议回到原始栅格数据。4. 避坑与排查shp 文件处理中最容易翻车的 5 个场景4.1 中文属性表乱码现象是打开 dbf 全是问号现象用 Excel 打开 .dbf 文件中文字段值显示为乱码或问号。原因.dbf 的字符编码默认是 GBK 或 UTF-8不同软件读写编码不一致。解决用 QGIS 打开时在图层属性里设置编码为 GBK 或 UTF-8 试一次或者用 Python 读取时指定 encodinggdf gpd.read_file(path, encodinggbk)如果还是乱码用 LibreOffice 打开 dbf另存为 UTF-8 编码的 csv再重新关联。4.2 面积计算出负数或零现象是投影坐标系没设对现象用几何计算面积结果出现负数或极小值。原因数据还是地理坐标系单位是度或者几何本身有自相交。解决先转投影坐标系再用gdf.geometry.area。如果还有问题用gdf.geometry.buffer(0)修复自相交。4.3 乡镇街道边界和县区对不上现象是叠加后出现缝隙现象乡镇街道合并后和县区边界有细长缝隙或重叠。原因不同层级数据来源不同采集精度不一致。解决以县区边界为准用「对齐到图层」或「捕捉」工具把乡镇边界吸附过去。如果缝隙很小可以忽略如果影响面积统计用「消除」工具合并碎多边形。4.4 高程点密度不够现象是插值出来的 DEM 太平滑现象用高程点插值生成的 DEM地形起伏不明显。原因高程点采样密度太低或者分布不均匀。解决如果只有等高线用「地形转栅格」时设置合适的采样距离如果高程点太少考虑融合其他来源的 DEM 数据。但注意本文不提供任何 DEM 下载渠道只讨论已有数据的处理。4.5 shp 转其他格式后属性丢失现象是转 GeoJSON 后字段少了现象把 shp 转成 GeoJSON 或 CSV 后发现某些字段不见了。原因字段名超过 10 个字符被截断或者字段类型不被目标格式支持。解决转换前先用 ogr2ogr 或 geopandas 重命名字段确保字段名简短且无特殊字符。转 CSV 时用gdf.to_csv()几何信息会以 WKT 格式保留。5. 从 shp 到三维模型用 Blender 和 QGIS 快速搭建湖北地形场景5.1 为什么要把 shp 转成 3D Tiles 或模型很多做可视化的人搜「shp 转 3dtiles」和「blender 行政 高程数据建立 3d 模型」本质是想把二维矢量变成三维场景。常见路径有两条一条是 shp → DEM → 3D Tiles适合大场景另一条是 shp → Blender → 模型适合小范围精细展示。两条路都绕不开高程数据。5.2 用 QGIS 把高程 shp 插值成 DEM假设你已经有高程点 shp在 QGIS 里处理工具箱 → 插值 → 反距离权重IDW或克里金。输入点图层选择高程字段输出栅格分辨率根据范围定一般 10 米到 30 米。插值完用「山体阴影」渲染一下看地形是否合理。5.3 在 Blender 里用插件导入 DEM 和行政边界Blender 本身不直接读 shp需要插件。常见做法是先把 DEM 转成 PNG 高度图行政边界转成 SVG 或 PNG 叠加。或者用「BlenderGIS」插件直接导入 shp 和 DEM。导入后给 DEM 加「置换」修改器强度根据实际高差调整。行政边界可以用「曲线」导入再转成网格挤出高度做成立体边界。# 用 geopandas 把行政边界导出为 GeoJSON方便 BlenderGIS 读取 import geopandas as gpd gdf gpd.read_file(rD:\hubei_shp_2024\县区.shp) gdf.to_file(rD:\hubei_shp_2024\县区.geojson, driverGeoJSON)逻辑说明BlenderGIS 对 GeoJSON 支持较好导出时注意坐标系用 WGS-84因为 BlenderGIS 默认按经纬度定位。参数说明如果边界太复杂导出前用gdf.geometry.simplify(0.001)简化减少顶点数。5.4 验证三维场景是否准确的一个小技巧在 Blender 里导入 DEM 后找一个已知高程点比如某座山的山顶看模型高度是否和实际海拔接近。如果差太多检查 DEM 的垂直单位是米还是英尺以及置换强度是否被缩放。我一般会先用一个 1000 米 × 1000 米的平坦区域测试确认比例尺对了再铺全省数据。提示Blender 处理大范围 DEM 会很卡建议分块处理或者先在 QGIS 里裁剪出目标区域。5.5 我踩过的坑和现在的习惯早期我直接把全省 DEM 丢进 Blender结果内存爆了文件也没保存。后来养成习惯先在 QGIS 里按研究区裁剪导出为 GeoTIFF分辨率降到 30 米再进 Blender。另外行政边界不要用太复杂的乡镇级用县区级就够了否则顶点太多Blender 操作起来像幻灯片。这套流程走下来一个湖北省的三维地形场景从数据准备到出图大概半天能搞定。希望帮到你。本文还有配套的精品资源点击获取
