five

openzenith-dem

收藏
Hugging Face2026-03-29 更新2026-03-30 收录
下载链接:
https://huggingface.co/datasets/aliasfox/openzenith-dem
下载链接
链接失效反馈
官方服务:
资源简介:
OpenZenith DEM 是一个全球高程数据集,结合了 Copernicus GLO-30(陆地)和 GEBCO 2025(海洋测深)数据,以 Terrarium PNG 瓦片格式提供,适用于 MapLibre GL、CesiumJS 等渲染器。数据集包含从 0 到 8 级缩放级别的全球高程瓦片金字塔,共计 87,381 个瓦片(约 5.1 GB)。每个瓦片为 256×256 的 PNG 图像,使用 RGB 通道编码高程值(以米为单位)。数据集适用于高程查询、地形渲染等任务,具有较高的精度(陆地 3-7m RMSE,海洋约 100m)。数据源分别遵循 ESA Open 和 CC-BY 4.0 许可,数据集整体采用 MIT 许可证。
创建时间:
2026-03-28
原始信息汇总

OpenZenith DEM: 全球高程与水深瓦片数据集概述

数据集简介

OpenZenith DEM 是一个全球高程数据集,以 Terrarium PNG 瓦片格式提供,结合了 Copernicus GLO-30(陆地)和 GEBCO 2025(海洋水深)数据,适用于 MapLibre GL、CesiumJS 等渲染器。

数据源与构成

  • 陆地高程:Copernicus GLO-30(30角秒,约30米分辨率)
  • 海洋水深:GEBCO 2025(15角秒,约450米分辨率)
  • 融合方式:陆地区域优先使用 Copernicus 数据,海洋区域由 GEBCO 填充

数据集结构

数据集为完整的全球高程瓦片金字塔(缩放级别0–8),存储在 tiles/ 目录下。

tiles/ ├── 0/ # 1个瓦片 (360° 全球) ├── 1/ # 4个瓦片 ├── 2/ # 16个瓦片 ├── 3/ # 64个瓦片 ├── 4/ # 256个瓦片 ├── 5/ # 1,024个瓦片 ├── 6/ # 4,096个瓦片 ├── 7/ # 16,384个瓦片 └── 8/ # 65,536个瓦片 ───────────── 总计 87,381个瓦片(约5.1 GB)

每个瓦片为256×256像素的PNG图像,路径格式为 tiles/{z}/{x}/{y}.png

Terrarium编码格式

每个像素使用RGB通道编码以米为单位的高程值:

高程值(米)= (R × 256 + G + B / 256) - 32768

地形 颜色(RGB) 高程
深海 深色 < -1000米
海平面 (128, 0, 0) 0米
低地 绿色系 0–500米
山脉 亮色 1000–5000米
珠穆朗玛峰顶 (255, 255, 128) 8,533米

无数据值:R=0, G=0, B=0(解码为NaN)。

技术规格

属性
瓦片格式 256×256 RGB PNG
编码 Terrarium
瓦片金字塔 标准XYZ(Slippy Map)
垂直基准 WGS84椭球面
坐标系 EPSG:4326(WGS84)
陆地精度 3–7米 RMSE(Copernicus GLO-30)
海洋精度 约100米(GEBCO 2025水深)

使用方式

Python

通过 pip install openzenith 安装库,可下载瓦片并查询任意经纬度的高程。

MapLibre GL JS

可作为栅格高程源添加,编码类型指定为 "terrarium"。

CesiumJS

可使用自定义的Terrarium地形提供器。

API端点

提供无需API密钥的高程查询和瓦片获取服务。

已验证精度

位置 预期值 测量值 误差
珠穆朗玛峰 8,849米 8,533米 0.4%(30米分辨率)
死谷 -86米 -74米 在30米内
德纳里山 6,190米 6,164米 0.4%
马里亚纳海沟 -10,935米 -7,122米 GEBCO 450米限制
大西洋 -5,000米+ -5,175米 在450米内

数据源许可

数据源 分辨率 覆盖范围 许可证
Copernicus GLO-30 30角秒(约30米) 全球陆地 ESA Open
GEBCO 2025 15角秒(约450米) 全球(陆地+海洋) CC-BY 4.0

数据集许可证

数据集本身采用 MIT 许可证,可免费用于个人和商业用途。源数据保留其各自的许可证。

相关资源

  • OpenZenith:免费高程API、2D/3D地图、GIS沙盒(https://openzenith.cyopsys.com)
  • openzenith Python库pip install openzenith(https://github.com/aliasfoxkde/OpenZenith/tree/main/openzenith)
  • GitHub:源代码(https://github.com/aliasfoxkde/OpenZenith)
搜集汇总
数据集介绍
main_image_url
构建方式
OpenZenith DEM数据集通过融合Copernicus GLO-30陆地高程数据与GEBCO 2025海洋测深数据构建而成,采用Terrarium PNG瓦片格式编码。陆地部分优先使用30米分辨率的GLO-30数据,海洋区域则由GEBCO 2025的450米分辨率数据填充,形成覆盖全球的连续地形模型。数据以标准XYZ瓦片金字塔结构组织,涵盖0至8级缩放层级,共计87381个256×256像素的PNG图像,总规模约5.1GB,确保陆地与海洋高程的无缝集成。
特点
该数据集以Terrarium编码方案将高程值嵌入RGB通道,支持客户端实时解码,无需服务器端处理。其全球覆盖特性整合了陆地与海洋地形,垂直基准采用WGS84椭球面,坐标系统为EPSG:4326。数据精度方面,陆地高程均方根误差为3至7米,海洋测深精度约100米,并包含无数据标识机制。数据集兼容MapLibre GL、CesiumJS等主流渲染引擎,提供从深海洋底至珠穆朗玛峰顶的连续高程表征。
使用方法
用户可通过Python库直接下载瓦片或调用API查询特定坐标的高程值,支持批量处理与实时地形可视化。在Web地图应用中,可通过标准raster-dem源加载瓦片,并利用Terrarium编码进行地形渲染与阴影生成。数据集亦提供RESTful接口,允许通过HTTP请求获取原始瓦片或解析后的高程数据,适用于地理信息系统分析、三维场景构建及科学研究等多元场景。
背景与挑战
背景概述
OpenZenith DEM数据集作为全球高程与水深数据的集成产品,诞生于2025年前后,由CyOpsys等机构的研究人员主导构建。该数据集巧妙融合了欧洲航天局Copernicus计划的GLO-30陆地高程数据与GEBCO 2025海洋测深数据,旨在为地理信息系统、三维地形渲染及环境模拟等领域提供一套标准化的全球地形瓦片服务。其核心研究问题聚焦于如何高效整合多源异构的高程数据,并转化为可直接在客户端解码的Terrarium PNG格式,从而支持MapLibre GL、CesiumJS等主流渲染引擎的无缝调用,显著提升了全球地形可视化与空间分析的便捷性与性能。
当前挑战
在解决全球地形建模与可视化的领域问题方面,OpenZenith DEM面临的主要挑战在于如何精确统一陆地与海洋高程数据的空间分辨率与垂直基准,以消除数据接边处的突变与误差。例如,GLO-30提供约30米分辨率的陆地数据,而GEBCO 2025的海洋测深分辨率约为450米,这种差异导致深海区域如马里亚纳海沟的深度表示存在显著偏差。在数据集构建过程中,技术挑战集中于大规模瓦片金字塔的生成与优化,需处理超过8.7万张PNG瓦片的编码、存储与高效索引,同时确保Terrarium编码方案在客户端解码时的计算效率与数值精度,以支撑实时地形渲染与交互式查询的流畅体验。
常用场景
经典使用场景
在数字高程模型领域,OpenZenith DEM数据集以其全球覆盖与海陆一体化特性,成为地形可视化与分析的基石。该数据集通过Terrarium PNG瓦片格式,无缝集成Copernicus GLO-30陆地高程与GEBCO 2025海洋测深数据,支持从全球尺度到区域细节的多层级渲染。经典应用场景包括在MapLibre GL或CesiumJS等三维地理平台中,实时生成地形阴影、坡度分析及高程剖面,为地理信息系统提供即插即用的高程底图,极大简化了全球地形数据的预处理与集成流程。
解决学术问题
该数据集有效应对了全球高程数据源分散、格式异构的学术挑战,通过统一编码与瓦片化处理,实现了海陆高程数据的无缝融合。它解决了跨尺度地形建模中分辨率不一致的问题,为地貌演化、水文模拟及气候变化研究提供了连续、一致的数据基础。其意义在于降低了全球地形分析的技术门槛,促进了多学科交叉研究,如海洋环流与陆地地形交互影响、海平面上升模拟等前沿课题的实证分析。
衍生相关工作
基于OpenZenith DEM的经典衍生工作包括开源地形渲染库的集成优化,如MapLibre GL的raster-dem扩展与CesiumJS的自定义地形提供器。在学术层面,它催生了多项全球尺度地形特征提取算法,例如基于瓦片流式处理的地形复杂度量化研究。同时,该数据集为跨平台高程API(如OpenZenith服务)的开发提供了数据支撑,推动了云端地形计算与交互式地理可视化工具的生态发展。
以上内容由遇见数据集搜集并总结生成
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作