简介2024年甘肃省10类地理与人文空间数据以Shapefile格式整合打包面向GIS开发者、城乡规划师与区域研究人员解决甘肃省级多尺度空间底图分散、格式不一、难以直接使用的问题。包内提供省、市、县区、乡镇街道四级行政区划以及水系面线、道路、大学、景点、高程、土壤类型等图层属性表包含标准行政区编码、名称、类别、地址和坐标信息全部统一至WGS 1984坐标系可直接加载进ArcGIS、QGIS开展制图、叠加分析、缓冲区分析等工作。压缩包共53个文件大小115.17MB以shp、dbf、prj、shx等空间数据文件为主体附带全国范围TIF高程、土壤分类xlsx说明文档及投影定义文件分专题目录存放便于按需调用。目前已有58人学习/下载适合需要快速获取甘肃基础底图、开展教育资源分布、旅游文化地理、交通可达性或农业适宜性评估等空间应用场景的读者。1. 2024年甘肃省10类【地理人文】shp文件这套组合先按“底图、分析、专题”来用做GIS的人都知道翻遍各种shp文件下载站点仍找不到一套能覆盖省、市、县、乡四级又带水系道路高程的数据有多浪费时间。2024年甘肃10类【地理人文】shp数据把省、市、县区、乡镇街道四级行政区划水系、道路、高程三组地理要素以及大学、景点、土壤类型三组专题数据收进一套矢量包里。它适合的范围很明确区域规划、应急制图、旅游线路分析、土壤适宜性评价这类带空间分析的项目起步阶段不需要再去拼碎片数据。这篇文章就顺着这套文件讲清楚三件事怎么给10类数据分组、开工前怎么统一坐标系和检查文件完整性、实际处理里最容易翻车的环节在哪。2. 10类甘肃shp文件先拆成三组再决定投影和字段策略拿到一套shp第一件事不是急着双击打开而是先按“几何类型、坐标系、属性字段”拆成底图、地理、专题三组。不同组的处理方式完全不同线状水系不能和面状县区直接做相交点状大学不能和乡镇面共用同一套拓扑规则。只要这一步想清楚后续的裁切、融合、叠加都只是按套路执行。2.1 省、市、县区、乡镇街道四级行政区划shp分层粒度决定了工作量这四层是同一份行政区划数据按行政级别拆开的正常情况下面边界保持严格一致。做整张甘肃挂图用省层就够做兰州都市圈规划切市界做到村一级的公共服务设施可达性分析必须用乡镇街道面。粒度选错后面所有统计都得返工。拿到数据之后我一般先开属性表看行政区名称字段到底叫XZQMC还是town再看行政代码是6位还是9位。6位代码只到县9位代码到乡镇。如果只有6位代码乡镇层就做不了唯一值匹配聚合统计时会出现字段缺失。2024年的新数据大多用9位行政区划代码但字段命名在不同打包版本里差异很大建议首先把名称类字段统一改成name代码字段统一改成code后面做dissolve和join时才不用反复查字段名。判断数据层级还有一个实用方法全选属性表后查看要素数量。甘肃省14个市州、86个县区、1200多个乡镇街道数量级差距一眼能看出来。如果某乡镇层只有几十个要素说明打包时已经合并过不满足村级分析需求。2.2 水系、道路、高程三组地理shp线层、面层、栅格不要混在一个工程里水系通常至少分成两个文件河流线、湖泊水库面道路是线层高程可能以等高线shp或DEM栅格出现。在甘肃做项目时这三类的性质差异特别突出河西走廊的河流多是内陆河需要区分人工渠与自然河流甘南和陇南山区的道路受地形约束大道路shp中的等级字段直接决定可达性建模结果高程若是DEM栅格就不能和矢量shp做相交计算而要先做“按掩膜提取”切成研究区范围。我建议在一个GIS工程里创建三个图层组第一组放行政边界、道路、水系面第二组放水系线、道路中心线、等高线第三组放栅格。这样在做叠加分析时不会因为图层组混乱而误把点层和线层当成面层去统计面积。GIS软件不会拦你计算出来的结果也没有语法错误但从地理意义上讲河流长度和湖泊面积本来就不可比。2.3 大学、景点两个点图层与土壤类型面图层坐标漂移是最常见的坑大学与景点属于人文POI网上常见的打包数据常来自互联网地图服务商。很多服务商对外提供的是加密坐标而行政区划shp用的是CGCS2000或WGS84两者直接叠加会出现几十到几百米偏移。判断方法很简单把兰州大学榆中校区的实际坐标和大学.shp里的坐标对比偏差大于200米就要做坐标纠偏。土壤类型面图层则要警惕坐标系标注错误历史资料常混用北京54、西安80和CGCS2000直接当CGCS2000使用会在面积测量上产生不可接受误差。纠偏思路是用QGIS或ArcGIS里的“空间校正”做相似变换再叠加官方控制点核对。不要“想当然统一到CGCS2000”要先看原始坐标到底属于哪个基准面。土壤类型图层最好对照全国第二次土壤普查的图斑编号逐条核对县级边界是否吻合否则做种植适宜性评价时结果不可信。3. 开工前把10个shp文件统一到EPSG:4547并做一次数据完整性检查甘肃东西跨度约1600公里跨3度投影带的多个分带。如果全项目统一用WGS84经纬度做面积统计面积会偏大线长度也会失真。常见做法是使用CGCS2000 / 3-degree Gauss-Kruger CM 105E也就是EPSG:4547。下面几步能把10类shp一次性统一到这个坐标系同时把损坏文件暴露出来。3.1 用ArcGIS Python批量读取所有shp的投影信息先找出没有.prj的文件用ArcCatalog逐个右键查看属性太慢可以直接用arcpy批处理遍历目录。打开ArcGIS Pro的Python窗口改好工作路径后运行下面脚本import arcpy arcpy.env.workspace rD:\gansu_shp_2024 for fc in arcpy.ListFeatureClasses(): desc arcpy.Describe(fc) sr desc.spatialReference print(fc, |, sr.name, |, sr.factoryCode)这段代码做的事情很简单ListFeatureClasses罗列目录下所有shpDescribe提取每个要素类的空间参考信息。sr.name显示坐标系名称sr.factoryCode显示EPSG代码。运行后如果某个文件只显示Unknown或 None说明缺少.prj文件后续加载会被默认当成WGS84处理。参数上要注意arcpy.env.workspace只能指向一个目录如果shp分散在多个子文件夹需要先遍历子目录。没有.prj的shp并不代表数据本身损坏可以手动指定投影。但必须确认来源单位当初用的投影不能凭文件名猜测。甘肃的省、市两级文件最常见的是CGCS2000县级以下有时混着西安80在重投影前要单独挑出来。3.2 用shapechk修复shp文件结构给坏文件一颗后悔药shp文件在传输中经常丢伴生文件。一个完整的shapefile至少包含.shp、.shx、.dbf三个文件.prj和.cpg可有可无。ArcGIS打不开某个shp时提示“无法读取”绝大多数情况是.shx索引损坏或丢失。这种情况下不要直接放弃先用shapechk这类修复工具重建索引。shapechk的用法不复杂打开软件后选择shp文件工具会扫描几何记录和索引之间的对应关系找出坏记录并自动重建。修复完成后建议把结果另存为一个新的shp命名加_fixed后缀不要在原文件上直接覆盖避免修复失败后连原始数据都丢了。这个习惯很值得养成尤其是从网盘下载的行政区划数据打包压缩时经常把.shx漏掉。如果在QGIS环境下也可以用更轻量的办法直接把shp拖进QGIS右键图层执行“导出另存为”让软件从.shp中重建索引并生成新文件。QGIS在读取容错上比ArcGIS更宽松但这不代表数据没问题导出后再用拓扑检查扫一遍才算安心。3.3 检查着字段名和编码中文乱码问题一次说清shp文件的属性表存储在.dbf中这个格式理论上不支持UTF-8早期数据普遍是GBK编码。到了QGIS里如果图层编码识别错误看到的字段名会是乱码比如XZQMC变成一串不可读字符。解决方法是在导入时手动指定编码或者用脚本批量修正import geopandas as gpd gdf gpd.read_file(D:/gansu_shp_2024/大学.shp, encodinggbk) gdf.to_file(D:/gansu_shp_2024/大学_utf8.shp, encodingutf-8)这段代码用encodinggbk读取原始文件再用encodingutf-8写出新shp。encoding参数的选择取决于.cpg文件标注的字符集如果没有.cpg文件最稳妥的做法是分别试gbk、utf-8、gb18030三种编码看哪个不乱码就用哪个。写完新文件后再用3.1节的Describe脚本重新验证一遍字段名避免字段编号被软件截断。在字段层面还容易遇到一个问题同一乡镇街道层里部分记录的名称字段是空值。这通常来自原始乡镇合并数据未同步更新。解决办法是按行政代码code关联到县区表把名称带出来不要只靠名称字段做聚合因为甘肃有不少乡镇名称是重名的。3.4 省界线文件省1和省2的shp有什么区别该用哪一层很多从平台下载的行政区划包里有“省1”和“省2”两个界线文件经常让人一头雾水。我的理解是这两个文件在数据组织上经常是一个是面状行政区层一个是线状边界层或者一个是完整版省级面一个是不含争议标注、只做制图用的简化线层。区分方法还是看属性表和几何类型。面状层可以直接做面积统计线状层只能用来制图或做线缓冲。甘肃的单个省级项目我一般直接用县区层融合出省面不再去依赖省界线文件。原因是省1和省2在使用边界规则上存在差异一旦把线级省界参与县区融合容易出现细缝和重合问题。要判断该用哪一层先看要素类型和要素数量再看属性表里有没有国界代码字段如果只有名称和长度字段通常就是线状层只能当背景网格使用。4. 把10类shp组合起来做项目从甘肃分市分幅到kml、3dtiles输出分组检查全部通过后数据就可以进入实际生产了。这里列四条最常用的操作路径按市州聚合、导出KML、转3DTiles、以及用Excel点转shp生成临时点位。每一步都尽量给可复制参数项目不同时改路径和字段名就能直接用。4.1 用geopandas把乡镇街道聚合到市州得到一张可统计的市级底图省市县乡四级边界分开存放时最常见的需求是把乡镇面按市级代码聚合生成一张市级统计底图。用ArcGIS的Dissolve工具可以做但批量处理时geopandas脚本更直观import geopandas as gpd town gpd.read_file(D:/gansu_shp_2024/乡镇街道.shp, encodinggbk) town town.to_crs(EPSG:4547) city town.dissolve(by市代码, aggfuncfirst) city.to_file(D:/gansu_shp_2024/市州_聚合.shp, encodingutf-8)先读取乡镇层统一转到EPSG:4547再按市代码字段溶解。by指定聚合字段这里必须是9位行政代码中代表市州的前4位如果在乡镇层里只有6位县代码需要先用string slicing截取出市代码。aggfuncfirst表示非聚合字段只取第一条记录防止名称字段出现过多重复。溶解完成后要检查一下输出面层有没有碎面。常见结果是武威、张掖这类面积较大的市州产生很多细长多边形原因来自源数据乡镇边界存在微小缝隙。遇到这种情况返回第5章第1条先拓扑修复再溶解。4.2 arcgis shp转kml时为什么先要转成EPSG:4326在ArcGIS Pro里把shp转成kml很多人直接选“导出KML”按钮结果在Google Earth中图层错位。原因是KML规范要求使用WGS84经纬度坐标如果shp是CGCS2000投影坐标就必须先重投影。常用命令是import arcpy arcpy.env.workspace rD:\gansu_shp_2024 arcpy.conversion.LayerToKML( 景点.shp, D:/gansu_shp_2024/甘肃景点.kml, 1, true, false )LayerToKML的参数含义分别是输入图层、输出KML、图层输出比例尺、是否复合要素、是否地面叠加。第三个参数里的“1”代表按原比例输出不需要缩小时填写更大的数。重点提醒输出KML时属性字段会有压缩长字段名会被截断甚至丢失建议在转换前先把要保留的字段复制为name、desc这种短名称。QGIS里另存为KML更灵活在导出选项里可以勾选“COORDINATE_PRECISION”控制坐标精度建议设置为7保证十进制度数的亚米级精度。导出的KML可以再转回shp但此时必须注意字段类型已经转换为文本类型数字字段需要重新转换。4.3 shp转3dtiles与json转shp两条最常见的格式转换路线现在做三维可视化的项目越来越多shp转3dtiles成了高频需求。完整的shp并不能直接转成3dtiles常见做法是先把shp转成GeoJSON再用CesiumLab或3d-tiles-tools切片。GDAL提供了一条最稳定的转换命令ogr2ogr -f GeoJSON 甘肃景点.geojson 甘肃景点.shp这条命令把shp直接转成GeoJSON。-f指定输出格式输入文件放在最后。要反向操作也就是把GeoJSON转回shp命令换成ogr2ogr -f ESRI Shapefile 甘肃景点_new.shp 甘肃景点.geojsonGeoJSON不具备shp的多部件复杂几何类型如果源shp里存在MultiPatch或Z值转出来的结果可能丢失高程信息。针对甘肃地形项目高程信息最好保留在属性表字段里而不是依赖几何Z值这样的数据更容易在三维平台间流转。不要轻信网上随手找的json转shp网站上传原始shp到不明站点本身就有数据安全风险用本地GDAL转换是更专业的选择。4.4 用Excel点转shp快速把调研坐标组装成可用图层很多没有经过GIS训练的同事会用Excel记录采样点包含经度、纬度、名称三列。把这些数据转成shp不需要手工在ArcGIS里“添加XY数据”用Python脚本处理更高效import pandas as pd import geopandas as gpd from shapely.geometry import Point df pd.read_excel(D:/gansu_shp_2024/甘肃调研点.xlsx) df[geometry] df.apply(lambda row: Point(row[经度], row[纬度]), axis1) gdf gpd.GeoDataFrame(df, geometrygeometry, crsEPSG:4326) gdf.to_file(D:/gansu_shp_2024/调研点.shp, encodingutf-8)这里要求Excel里的经度、纬度是十进制度数如果源文件里是度分秒格式必须先统一换算。Point(row[经度], row[纬度])的顺序不能写反shp和大多数空间库都是先x后y也就是先经度后纬度。crsEPSG:4326表示这批坐标是WGS84经纬度如果调研用的是手机GPS默认输出这个设置是对的如果是手绘地图量出来的坐标还要先确认底图坐标系否则点位会整体偏移。批量生成shp后再和已有的县区面做空间连接把乡镇名称和县区代码挂到点上。这样一份普通的调研表就能参与行政区域的各类统计比手动一个个填属性值可靠得多。5. 甘肃省shp数据处理避坑5个高频问题现象原因解决一次说清处理shp文件时间久了我形成一套固定排查套路先看几何一致性再看投影然后查字段。下面五条基本覆盖了甘肃10类shp最常翻车的场景每一条都是“现象、原因、解决”三步走。5.1 县区与乡镇边界接缝面积统计一加就对不上现象把某市下的乡镇shp做面积求和结果比统计年鉴上的县区面积少很多。再把乡镇融合成县区面跟县区shp边界叠不上出现细长缝隙。原因相邻乡镇在数字化时公共边没有完全重合或者在投影转换时产生了微小偏移乡镇层和县区层来自不同比例尺底图只要源头不一边界线就不会完全重叠。解决先把乡镇层按县区代码dissolve成临时县界面和原始县界面做拓扑叠加用1米容差把公共边咬合起来。在ArcGIS里使用“拓扑”工具集下的“Integrate”在QGIS里使用“修复几何”算法。做完这步再融合省、市层面不要在最终阶段反复修边界。5.2 将甘肃shp转成Web墨卡托后河流和道路发生了几十米偏移现象把10类shp整体转成EPSG:3857用于在线发布结果叠加天地图或谷歌地图时兰州城区的道路和河流整体向西偏移越往东越明显。原因Web墨卡托是球面投影适合在线浏览但不适合做精确分析甘肃跨越多个3度带直接用3857计算距离、面积会失真。解决分析阶段统一用EPSG:4547只出图时再转3857。专题图需要底图瓦片时把瓦片作为背景shp保持在CGCS2000。两者叠加时只有发布端做动态投影原始数据不做任何坐标系改动偏差才会降到最小。5.3 kml转shp后出现一堆无属性的零散要素景点数量莫名其妙翻倍现象在Google Earth里标了20个景点导出kml后用在线工具转shp打开ArcGIS变出30多个要素不少要素没有名称字段位置还跑到陇南的山沟里。原因KML里除了地标还有文件夹、样式符号等结构部分工具把Folder、Style也解析成了要素另一方面KML坐标顺序是经度、纬度自定义脚本解析容易颠倒。解决用GDAL直接转换ogr2ogr -f ESRI Shapefile out.shp in.kml不要用网页工具。转换后先用“修复几何”处理一次再按属性条件筛选掉空名称要素。如果KML里有Z值导出的shp会带高程字段做二维分析时要留意是否过滤。5.4 dwg转shp后线要素的宽度和高程属性丢失道路分析没法继续现象拿到设计院CAD总图转成shp后发现所有道路线统一变成细线属性表里没有道路等级、宽度、车速字段原来在CAD里设置的颜色和线宽都消失了。原因CAD的道路属性存在图层名、线宽、扩展数据里不是shp标准的属性字段。dwg转shp时转换工具只保留几何坐标并不能自动生成道路等级字段线宽属于样式信息shp本身不存储样式因此全部丢失。解决转换前在CAD里把图块“炸开”删除重复线再用ArcGIS“CAD转地理数据库”工具导入。导入后按图层名生成RoadClass字段例如图层名含“主干道”就赋值为城市主干路然后手动补齐缺失属性。如果目标平台是MapGIS不要直接转线文件先把shp导出为DXF再进MapGIS编辑否则曲线节点信息容易丢失。5.5 用渔网分割甘肃景点shp碎点太多且属性被平均化现象做景点密度分析用渔网工具把甘肃切割成若干格网生成结果后景点全部落在网格边界上属性表还出现大量重复统计。原因直接用了“裁剪”而不是“空间连接”渔网范围超出甘肃边界省外的空网格也被保留点落在网格边界时裁剪会把每个点切出多个副本。解决先用甘肃省界裁剪渔网再做“空间连接”匹配选项选“相交”连接操作选“一对一”。这样每个景点只归属一个网格网格外的空图斑也一并删除。记住一个原则点数据与面网格关联用空间连接不要用裁剪。6. 最后一招用GeoPandas把甘肃10类shp统一整理成GeoJSON交付给任何前端项目到了交付环节最常见的要求不是交付shp而是让前端网页直接读取GeoJSON。与其在GIS软件里一个一个导出不如写一个批量脚本把整个目录下的shp统一整理成标准GeoJSON。下面这段脚本可以放在gis_tools.py里反复使用import glob import geopandas as gpd for file in glob.glob(D:/gansu_shp_2024/*.shp): gdf gpd.read_file(file, encodinggbk) if gdf.crs is None: gdf gdf.set_crs(EPSG:4547) gdf_wgs84 gdf.to_crs(EPSG:4326) out_name file.replace(.shp, .geojson) gdf_wgs84.to_file(out_name, driverGeoJSON, encodingutf-8) print(已转换:, out_name)这段脚本的工作流程是遍历目录下所有shp用GBK编码读取如果缺少投影信息则手动指定为EPSG:4547再统一转换到EPSG:4326最后写出GeoJSON。driverGeoJSON说明输出格式encodingutf-8保证前端不会乱码。转换完成后至少要验证三件事第一要素数量是否和源shp一致第二字段名是否保留第三叠加到在线底图时乡镇边界是否和天地图影像对齐。验证时我用QGIS新建一个工程把原始shp和转换后的GeoJSON同时加载开启“识别”工具随机抽查五个要素位置再做一次字段统计。这个习惯让交付过程少了很多返工。我自己的习惯是把所有shp处理脚本都放在同一个gis_tools.py里包括投影检查、编码修复、KML转换和GeoJSON导出。这样下一次遇到甘肃或其他省份的同类数据不用临时找在线工具也不会因为忘了某个参数而重新踩坑。希望这篇笔记里的流程和避坑经验能帮到你。本文还有配套的精品资源点击获取