📚 课程目录第3章原始数据获取

3. 原始数据获取：把真实世界“装”进电脑

好，咱们进入第三章。上一章聊了空间图谱的底层逻辑，这回该上手了——数据从哪来？

说实话，数据获取是整个项目中最“脏”最累的活，但也是地基。地基不稳，后面建模、分析、可视化全是空中楼阁。我个人习惯，在开始任何空间图谱项目前，先用一周时间专门做数据源调研。为什么？因为不同类型的原始数据，获取方式、精度、更新频率、法律合规要求，完全不一样。

3.1 矢量数据：点、线、面里的世界

矢量数据，说白了就是用点、线、面来描述地物。一个路灯是点，一条马路是线，一个小区是面。这类数据来源主要有两个：OpenStreetMap（OSM）和政府部门。

3.1.1 OpenStreetMap：众包的力量与坑

OSM是个宝藏。全球免费、开放、每天都在更新。我做过一个城市应急响应的项目，用的就是OSM的路网数据。但有个问题——质量参差不齐。在欧洲主要城市，OSM的精度甚至比官方数据还高；但在某些偏远地区，可能连条像样的路都没有。

获取OSM数据，最常用的方式是Overpass API。举个例子，我想获取北京五环内所有的医院点位：

[out:json];
area["name"="北京"]->.a;
(
  node["amenity"="hospital"](area.a);
  way["amenity"="hospital"](area.a);
);
out body;
out skel qt;

一点小建议： 别一次性查全中国数据，OSM服务器扛不住，你也等不起。按行政区划或地理范围分批拉取，我一般按“区县级”为单位做切片。

除了Overpass API，还可以用Geofabrik的离线下载。他们提供按国家/地区的每日更新数据包，格式是.pbf或.osm。我个人的工作流是：先用Geofabrik拉取全量数据，再用osmium或osmosis做空间裁剪。

# 下载北京市的OSM数据（从Geofabrik中国区域包中裁剪）
osmium extract --bbox 116.0,39.4,117.0,40.2 china-latest.osm.pbf -o beijing.osm.pbf

3.1.2 政府部门数据：权威但麻烦

政府的矢量数据，比如国土部门的地籍图、规划局的控规图、统计局的行政区划边界，这些才是你在正式报告里敢引用的“铁证”。但获取难度嘛……嗯，你懂的。

国内主流的官方数据平台包括：

自然资源部标准地图服务：提供省、市、县级行政边界，审图号合规。
国家基础地理信息中心：1:100万、1:25万等比例尺的DLG（数字线划图）。
各地政务数据开放平台：比如上海、深圳、贵阳，会开放POI、路网、公交站点等数据。

我曾经为了拿一个城市的规划路网数据，跑了三次规划局。第一次去，人家说流程不对；第二次去，要填三个表；第三次去，终于拿到了……一个带水印的PDF。所以我的建议是：能走线上申请就走线上，留好回执；线下拜访时，带齐单位介绍信和项目说明。

注意： 政府数据往往有使用限制。比如“仅用于学术研究，不得用于商业用途”。如果你要做商业项目，一定先确认数据授权协议。我曾经见过一个团队因为用了未授权的官方数据，被索赔到项目直接黄了。

3.2 栅格数据：影像与高程的世界

栅格数据，就是像素矩阵。每个像素代表一个数值——可能是地表反射率、高程值、或者分类标签。主要两大类：遥感影像和DEM（数字高程模型）。

3.2.1 遥感影像：看得见的“底图”

遥感影像的获取途径，取决于你要什么分辨率。

分辨率级别	典型数据源	空间分辨率	成本
中低分辨率	Landsat 8/9 (USGS)	30m (多光谱)	免费
中分辨率	Sentinel-2 (ESA)	10m (可见光/近红外)	免费
高分辨率	高分系列 (中国)、WorldView (商用)	0.5m ~ 2m	昂贵

我个人最喜欢用Sentinel-2做项目初期分析。10米分辨率，10天重访周期，关键是完全免费。获取方式可以用ESA的Copernicus Open Access Hub，或者用Python的sentinelhub库：

# 使用SentinelHub获取指定区域和时间范围的影像
from sentinelhub import WmsRequest, BBox, CRS

bbox = BBox([116.2, 39.8, 116.6, 40.1], crs=CRS.WGS84)
request = WmsRequest(
    layer='TRUE-COLOR-S2L2A',
    bbox=bbox,
    time='2024-09-01',
    width=512, height=512
)
images = request.get_data()

经验之谈： 做时序分析时，别只看单期影像。Landsat和Sentinel-2都有长时间序列存档。我做过一个城市扩张分析，拉了10年的Sentinel-2影像，2015年到2024年每季度一张，共40期。分析完，城市边界变化的轨迹一清二楚。

3.2.2 DEM：地形的骨架

DEM就是数字高程模型。你要是做洪水淹没分析、视线分析、坡度坡向分析，这玩意儿是必备。

主流的免费DEM数据源：

SRTM：航天飞机雷达数据，30m分辨率，全球覆盖。虽然采集于2000年，但地形变化慢，至今仍是主力。
ASTER GDEM：30m分辨率，覆盖北纬83°到南纬83°。比SRTM多了高纬度地区。
ALOS World 3D：日本JAXA产品，30m和5m两个版本。5m版本是目前可免费获取的最高精度全球DEM。

获取方式，SRTM和ASTER GDEM可以从USGS EarthExplorer下载。ALOS数据要从JAXA的网站申请。下载下来的通常是GeoTIFF格式，直接可以用GDAL处理：

# 查看DEM基本信息
gdalinfo srtm_39_03.tif

# 重投影到EPSG:3857（Web墨卡托）
gdalwarp -t_srs EPSG:3857 srtm_39_03.tif srtm_39_03_3857.tif

# 计算坡度
gdaldem slope srtm_39_03.tif slope_39_03.tif

3.3 本章核心：数据获取的完整图谱

说到这儿，我把矢量数据和栅格数据的来源、用途、获取方式梳理成一张图。你一看就明白整个数据获取的脉络：

数据获取是第一步，也是最容易“翻车”的一步。我的经验是：先花一天列出所有可能的数据源，评估它们的精度、时效性、获取成本和合规风险，再做选择。别等代码写完了才发现数据不能用——那时候改起来，成本是当初的十倍。好，这章就到这，拿数据去吧。