在整理数据的时候我经常被问到这样一个问题想研究城市房价的长期变化到底该用什么数据统计年鉴有年度均价但颗粒度太粗根本看不出一个城市内部不同板块的差异房产交易平台的挂牌价倒是细但历史数据不完整而且口径混乱很难做跨年份的连续比较。后来换了个思路开始用栅格化的房价数据也就是把房价落到一个规则的网格上每个格子里都存着一个数值代表这个位置的参考房价水平。这样既能回看历史又能做空间上的细致比较。这次要分享的这套数据时间跨度从1990年到2026年空间分辨率做到了100米覆盖全国城市范围而且按年度连续输出。光是这个配置就已经解决了我在实际研究中的大部分痛点第一不需要自己费劲去清洗和统一不同来源的房价字段第二100米的分辨率意味着在城市内部可以做街道级别的分析第三连续三十多年的年度数据让时间序列分析、趋势对比、空间演变这些模型都有了可靠的材料。我自己在实际操作中最常用的场景是把这套栅格数据叠加到行政区划或者交通路网数据上用来做城市内部的板块差异分析以及观察某一轮市场周期里价格上涨或回落的传导路径。如果你也在做区域经济、城市研究、房地产评估或者选址建模这套数据值得认真琢磨。下面就把我的使用经验、踩过的坑以及一些关键的操作细节完整梳理一遍。1. 数据的核心价值为什么是100米栅格而不是传统的房价点位数据1.1 数据形态带来的分析自由度提升传统房价数据最常见的问题是重交易、轻空间。房产交易平台的数据虽然精准到小区甚至楼栋但覆盖范围只限有交易记录的点换个角度看就是一个一个稀疏的点位。想做连续的空间分析比如某个片区的整体价格水平或者某一年的价格分布热力图就必须做插值。插值本身没什么问题但不同插值方法出来的结果差异很大精度也不可控。这套数据直接以栅格形式提供等于提前帮你把从点到面的过程做完了。拿到手就是连续的表面每个100米乘100米的格子里都有值。这种连续表面的数据在做空间建模、叠加分析、可视化成图时都非常顺手。比如我经常做的一件事是把不同年份的栅格做差值直接反映出这段时间内房价的涨跌空间分布连用哪个工具做插值这种纠结都省了。栅格数据另外一个很大的好处是可以直接参与代数运算。比如把房价栅格和人口密度栅格叠加或者把房价栅格按年份求平均、算极差这些都是基于像素的快速计算不需要先做空间连接再逐条核对记录。这在做多因子综合分析时能节省掉大量时间。1.2 从城市平均价到内部结构价的观察尺度跨越看一个城市的房价只看平均值真的是很容易被误导。同样的平均价格可能是一个均匀温和的市场也可能是由几个极高端的板块和一大片价格洼地拼出来的极端分布。平均价完全不能体现这种结构差异。有了100米栅格的数据你就能把一个城市切得很细看到每一段的房价高低就像是从卫星视角去看一片森林不再只看到树顶还能看清树木之间的疏密错落。举个例子同样是2万元均价的城市A城市的栅格数据可能显示价格从市中心向外围均匀递减B城市则可能是明显的多中心结构几个副中心的价格隆起清晰可见。这种结构的差异对于判断一个城市的发展模式、哪个区域在快速成熟、或者潜在的投资热点区域非常有价值。而这些只有通过栅格数据才能高效、准确地呈现出来。所以我一直觉得栅格化不光是数据组织方式的改变更是观察城市空间问题视角的一次升级。它让看结构和看格局成为可能而不只是停留在看水平的层面。2. 数据规格详解从时间覆盖到空间精度的完整拆解2.1 时间维度的连续性1990至2026年的年度序列这套数据在时间上做到了年度连续从1990年一直到2026年。我特别看重连续这两个字因为做时间序列分析最怕的就是中间有断档。断一年很多模型就没办法跑了断得多了整个序列的研究价值就大打折扣。还有一点很贴心数据涵盖到2026年。这相当于提供了一个顺延的视角也就是说你在做分析时可以把自己研究时间段的后端再往后延一点和未来的趋势预测做衔接。不过需要提醒的是大家对含有未来年份的数据要留个心眼这类数据往往是基于历史趋势和当下政经环境做的估算或模拟它更适合用来做场景推演而不是严格意义的历史事实。如果写论文需要留意数据说明里对这部分年份的定义。我在实操中一般把数据分成两段来用1990到2019年作为训练集2020到2023年作为验证集2024到2026年作为外推观察段。这样既充分利用了数据的连续优势又不至于把推估值误当成真实值来分析。2.2 空间精度的实际意义100米分辨率能看清什么100米分辨率是什么概念一个格子是100米乘100米也就是1公顷的地块。在城市尺度上这已经能比较清楚地区分出一个大型小区、一条商业街和一个城市公园之间的价格差异。相对于公里级网格比如1公里分辨率100米网格大约能把前者一个格子拆分成100个细分格子这种精细度的提升在分析城市内部空间结构时非常重要。比如说一个城市东西向10公里、南北向8公里如果按1公里分辨率来画就是80个格子的粗网格换到100米分辨率则是8000个格子。这种密度足够用来识别城市中心边界、主要发展轴线和板块异质性。当然和房屋的个体属性相比它仍然是面数据无法反映同一栋楼里高层和低层的价差。但如果研究尺度天然就是城市内部板块那这个数据精度就已经够用了。这也是我觉得这套数据最适合做区域比较和时序演变研究的原因——它不执着于单个点上的精确价格而是专注于描绘一块区域上的空间格局态势。个人的经验是当你研究的对象是面区域而不是点具体物业的时候这套数据的精度和它的设计意图是高度匹配的。2.3 全国覆盖的覆盖边界与坐标系处理全国覆盖意味着无论是东部沿海发达城市群还是中西部单核城市都在同一套标准下绘制这就避免了不同城市数据源口径不一致导致的横向对比失真。这个价值在跨城市比较研究中会被放大因为统一基准比统一数值本身更显功力。我拿到数据后做的第一件事是检查坐标系。当时使用的数据采用的坐标系是Albers等面积投影Krasovsky_1940_Albers和国家基础地理数据常见的GCS_WGS_1984或CGCS2000有区别。这个细节在实际操作时需要注意因为如果你直接把投影坐标系的栅格和一个WGS84的矢量边界叠在一起不做投影转换结果会错位得很厉害。我的建议是拿到数据之后先把坐标系信息读出来然后按项目需要统一到一个坐标系下。如果只是做栅格内部的代数运算保持原坐标系没问题但如果要叠加行政边界、路网、POI等外部数据请务必统一坐标系。能顺手把各年份栅格都投影到统一的坐标框架里可以为后面的数据集成省掉很多麻烦。3. 实操篇读取、预处理与第一批分析结果的产出3.1 环境准备GDAL和Python轨道我用的是Python配合GDAL库。这套组合在栅格数据处理领域几乎是事实标准社区资源多遇到问题基本都能搜到解决方案。首先确保你的Python环境里有gdal、numpy、matplotlib这几个库。pip install gdal numpy matplotlib安装GDAL的时候Windows用户可能会遇到一点小麻烦建议直接通过conda安装能省不少心conda install -c conda-forge gdal接下来把数据解压到一个干净的目录比如D:/house_price_raster/里面按年份分好子目录这是最基础的工程习惯。3.2 读取栅格数据并检查基本属性先写个最简单的脚本读一个年份的数据看看from osgeo import gdal import numpy as np ds gdal.Open(D:/house_price_raster/2015/house_price_2015.tif) print(投影:, ds.GetProjection()) print(大小:, ds.RasterXSize, x, ds.RasterYSize) band ds.GetRasterBand(1) arr band.ReadAsArray() print(数据范围:, np.nanmin(arr), 到, np.nanmax(arr)) print(NoData值:, band.GetNoDataValue())这里有几个关键点。一是要看看NoData值不同年份的数据NoData值可能不同如果你不处理就直接做代数运算那这些异常值会污染结果。二是要看数据范围如果某个年份的最小值出现负数那有可能那一年存在特殊处理或者是数据本身的特性需要先搞清楚再继续。如果一切正常最直接的一个分析就是画某年的房价空间分布图import matplotlib.pyplot as plt plt.figure(figsize(10, 8)) plt.imshow(arr, cmapRdYlGn_r, vmin0, vmaxnp.nanpercentile(arr, 95)) plt.colorbar(label房价元/平方米) plt.title(2015年城市房价空间分布) plt.show()这里我故意把vmax设成了95分位数而不是最大值是为了避免极端的异常值把整个色带拉平。这个细节很多新手容易忽略但实际成图效果差别很大。3.3 时间序列分析从多年数据中提炼趋势拿到多年栅格后最常见的一个需求是看每个格子的价格走势。比如我想看每个地方从2010年到2020年的累计涨幅可以把这两年相减再除以基期ds_2010 gdal.Open(D:/house_price_raster/2010/house_price_2010.tif).ReadAsArray() ds_2020 gdal.Open(D:/house_price_raster/2020/house_price_2020.tif).ReadAsArray() growth (ds_2020 - ds_2010) / ds_2010 growth[ds_2010 0] np.nan # 基期非正的地方不参与计算 plt.imshow(growth, cmapcoolwarm, vmin-0.5, vmax1.5) plt.colorbar(label累计涨幅) plt.title(2010-2020年城市房价累计涨幅) plt.show()这一步做完你就能一眼看出哪些区域在过去十年里跑赢了大盘。我们当时通过这个分析很直观地识别出了几个城市的新兴增长极——这些区域在2010年还是价格洼地但到2020年已经明显爬升。做多年份的连续趋势更稳健的做法是先构建一个三维数组years list(range(2010, 2021)) stack [] for yr in years: ds gdal.Open(fD:/house_price_raster/{yr}/house_price_{yr}.tif) arr ds.ReadAsArray() stack.append(arr) stack np.stack(stack, axis0) # 形状: (年份数, 行数, 列数)有了这个三维数组你就可以随意计算每个格子的时间序列指标年均增速、波动率、峰值年份等。配合坐标信息你还能把这些指标导出成表格做更细的统计建模。这一步是栅格数据最大的红利——你不再需要一行一行地处理点数据而是用矩阵运算一次性把整个城市的空间模式算出来。3.4 结合外部数据的综合模型搭建栅格数据单独用已经很有价值但真正发挥作用往往需要结合其他外部数据。以我自己做过的一个城市居住适宜性评估模型为例输入的数据除了房价栅格还叠加了距离CBD的距离栅格、周边公园绿地密度栅格、学校分布密度栅格、以及历史洪水风险图层。当时的思路是先用统一的坐标系把所有图层对齐然后用房价栅格作为因变量其他图层作为自变量跑一个基于像素的空间回归模型。这在传统的点数据时代流程很繁琐但在栅格数据时代就非常直接——所有图层都是对齐的每个像素就是一个样本。如果你也想做类似的事建议按照栅格-矢量-模型的顺序来推进先把栅格处理好再套合矢量边界做分区统计最后把统计结果放进模型里。这套流程基本上能应对我遇到过的绝大部分城市空间分析需求。4. 栅格数据的存储、加速与数据架构100米数据的现实挑战4.1 全国范围、多年度数据的存储计算挑战100米分辨率的全国栅格听起来分辨率也没有高得离谱但数据量一算其实并不小。如果一个城市建成区面积5000平方公里100米栅格就有50万个像素全国几百个城市累加起来每年的数据大约有上亿级像素。如果再乘以37个年份而且每个年份都要求连续覆盖数据整体存储压力确实不小。这对开发团队的空间数据存储方案提出了要求。通常不是简单地把每年一个GeoTIFF堆在一起就完事而是按照时间维度做数据立方体Data Cube。这样查询某一年、某一个空间范围时就能快速裁剪出目标区域不必全图加载。在用这套数据时我也养成了先建金字塔再做分析的习惯。4.2 金字塔与瓦片化让全图预览不再卡顿栅格数据在小型软件里打开慢是出了名的。我一开始直接用一个普通的GIS软件打开全国当年的数据缩放时卡得让人抓狂。后来学乖了先对栅格创建金字塔gdaladdo -r average house_price_2015.tif 2 4 8 16 32这一行命令会给数据生成多个降低分辨率的概览层相当于给数据做了梯度预览。之后打开数据不管放大缩小都快了很多。这个步骤虽然简单但真的能极大改善使用体验。如果你做的是Web端可视化那还需要把数据发布成瓦片服务。我自己的经验是用GeoServer配ImageMosaic再把数据发布成WMS服务或者提前切成XYZ瓦片丢到对象存储里。前端加载速度能得到质的提升同时后端负载也能保持平稳。这个方案也算是栅格时空数据在当前主流架构下比较通用的一种落地方式。4.3 元数据管理37个年份的档案袋做多年度数据一个最容易翻车的地方就是元数据管理。37个年份如果每个年份的数据说明散落在各处那迟早会在某个年份上栽跟头。我的习惯是为整套数据建一个核心元数据表里面至少包含年份、投影坐标系、分辨率、行列数、NoData值、最小值最大值、数据来源、版本号、更新时间、处理状态。这个表就是整套数据的档案。每次做完一个年份的处理就在表里登记一笔。时间长了以后这个表的价值甚至超过了数据本身——它能让你随时回答出某一个年份的数据到底是什么状态这种关键问题。我遇到过不止一次因为某个年份的NoData值没有记录清楚导致分析结果里出现大片异常区域排查半天才发现是NoData值没统一。所以真的建议所有做长时间序列栅格分析的朋友都养成维护元数据表的好习惯。5. 深入应用方向房价栅格驱动下的城市研究与社会价值5.1 宏观趋势监测城市发展的体温计房价的空间分布本质上是一个城市资源配置、经济发展和人口流动的综合性映射。有了这套长达37年的年度栅格数据研究者可以从更客观、连续的视角观察中国城市化进程中的空间演变规律比如城市主中心的形成与迁移、新城区的开发节奏、以及重要基础设施对周边房价的溢出影响。我实际做过的一个分析是把2000年、2010年和2020年三个年份的数据放在一起动态可视化展示某一个城市的热点区域如何一步步从老城区向外围扩展。这个结果用来支撑城市规划的讨论非常有说服力——数据自己会说话。另一个值得关注的维度是区域协调性和均衡性研究。比如可以基于栅格数据计算每个年份的城市内部房价基尼系数或变异系数衡量城市内部的均衡程度。如果某个城市的变异系数逐年缩小说明各板块的房价差距在收敛如果持续扩大说明集聚效应仍在强化。这种量化方法比单纯看均价上涨多少能反映出更丰富的信息。5.2 辅助投资决策与金融风险评估在城市投资和地产投资领域栅格房价数据可以作为辅助决策工具。比如通过对比相邻地块的价格差异可以识别出一些被低估的区域通过分析历史价格走势可以预估某些区域的上涨潜力。从金融角度看这类数据也为评估抵押物价值、构建房地产市场风险地图、检测异常波动提供了基础数据支持。把房价栅格和信贷发放的空间分布叠加能识别出某些区域是不是存在过度的信贷集中。风控团队如果有了这样的空间视角评估会更立体。当然需要冷静看待的是栅格数据是历史信息的空间化表达不代表未来的走势。我们更愿意把它理解为一种决策支持工具能够帮你在同样条件下多一个角度的判断依据而不是替代专业市场分析的判断。5.3 数据融合与数字孪生构建城市动态模型如果把房价栅格数据放入更大范围的城市数据生态中它的价值会表现得更充分。例如在数字孪生城市的建设中房价栅格可以作为经济维度的重要数据层和三维建筑体块、人口分布、交通流量等数据一起构成一个动态更新的城市模型。在这个模型里你能做一个仿真推演当地铁线路延伸后沿线站点周边的房价会发生怎样的变化哪些区域会被带动起来这种跨领域的数据融合需求这几年越来越多。100米分辨率的栅格数据在这样一个体系里恰恰可以作为连接宏观经济数据与具体空间位置的一座桥梁。它既是宏观指标的空间化也是微观信息的概览化具有独特的数据生态位。6. 常见问题与排查技巧实录6.1 数据打开后一片黑或一片白数据范围异常这个问题多半出在NoData值没有正确处理上。很多栅格文件里的NoData值设为-9999或者某个极大数如果你直接用默认方式渲染这些值会把整个色带撑爆看起来就是一片黑或一片白。解决办法是用ReadAsArray读出数据后用np.where把NoData值替换成np.nan再统计有效范围。或者直接在渲染时设定一个合理的显示范围例如vmin和vmax。6.2 不同年份之间的数值口径不一致序列突变如果你发现某年数据突然跳升或骤降大概率不是市场出问题了而是数据的口径发生了变化。可能是当年的数据用了不同的插值方法或者是边界范围做了调整。我的建议是把突变年份找出来查看它的源数据说明如果说明不足就用前三年和后三年的均值做平滑把突变修掉。在做长期趋势分析时这类修正是必要的预处理步骤。6.3 和外部矢量数据叠加时位置偏移位置偏移基本就是坐标系不匹配。前面已提到栅格数据用的是Albers投影而很多行政区划和路网数据是WGS84经纬度坐标。两者不做投影转换直接叠加偏出去几百米到几公里都有可能。排查方法是打印出栅格的四至范围和投影字符串再用ogr读取矢量数据的空间参考两者做比较。不一致就统一。常见的操作是把矢量数据投影转换成栅格的坐标系或者反过来。from osgeo import osr source osr.SpatialReference() source.ImportFromEPSG(4326) target osr.SpatialReference() target.ImportFromEPSG(3857) transform osr.CoordinateTransformation(source, target)这样你就能通过程序批量化做坐标转换效率远高于手动在GIS软件里点来点去。6.4 文件太大处理起来内存不足全国范围的栅格又是多波段或高精度很容易把内存占满。我的方案是分块处理不要一下子把整个数组读进内存。用GDAL的ReadAsArray时可以指定读取窗口分块处理后再拼接结果也可以使用gdal.Warp配合裁剪选项把范围缩小只处理你关心的区域。另一个技巧是先在大范围上用低分辨率快速预览定位再切到目标区域用全分辨率做精细分析。这套先粗后细的策略能大幅缓解内存压力。7. 使用心得与实践建议经过一段时间的实际操作我个人最大的体会是栅格化房价数据把以点为锚的旧思路升级成了以面为疆的新框架。以前分析房价总想着某个小区值多少钱现在会更多思考这片区域的价值网络如何编织。这种视角的转变很大程度上是被数据形态本身推动的。另一个实际感受是100米分辨率的阈值卡得很有讲究。它比区县级尺度更能反映空间差异又不像建筑级尺度那样复杂多变。在城市研究领域这个分辨率像是一个理想的分析单元粒度足够细可以捕捉内部差异但又不会细到噪声太多无从下手。对于想尝试这套数据的朋友我的建议是先不要急着上复杂的模型找一个你熟悉的城市把1990到2026年的数据翻出来看一遍观察这座城市37年来像脉搏一样的空间扩展和收缩过程。你对数据的理解会远远超过看任何统计表格的效果。等建立起对数据的直观感知后再去跑那些时间序列模型或者空间回归会顺很多。这套数据在较长一段时间里都会是我做城市空间分析的基准层。希望这次整理的经验能帮你少走一些弯路。