尧图网页设计 
简介这份数据为2025年全国公园绿地矢量面shp格式资源面向GIS分析人员、城乡规划学习者及生态空间研究从业者可直接用于公园绿地分布制图、规模统计、生态网络评价与规划辅助分析。压缩包共8个文件除核心的shp几何文件外还配套dbf属性表、prj坐标参考、sbn/sbx空间索引以及xml元数据帮助用户在不同GIS平台中准确加载与索引包体大小约27.26MB。当前已有218人学习/浏览适合课程作业、毕设研究以及规划项目前期快速搭建基础数据。拿到后可快速导入ArcGIS或QGIS利用属性信息查看各绿地斑块的分布与规模支撑城市绿地系统评价、开敞空间连通性分析等场景亦可作为区域尺度生态底图参与叠加分析为缺乏现成基础数据的学习者或项目组节省大量人工矢量化时间。1. 公园绿地矢量面SHP做空间分析前的那桶“凉水”上周接了个城区绿地可达性的活儿甲方甩来一个压缩包文件名写着“2025全国最新公园绿地矢量面shp数据”。我第一反应不是拖进ArcGIS而是先查三件事伴随文件全不全、坐标系是什么、字段里有没有分类和城市名。这些年做GIS项目翻车大多发生在数据阶段公园绿地在地图上是面不是点面数据坐标系错位或字段混乱后面的缓冲区、叠加、出图全白搭。这份数据适合做规划、自然资源调查、环境评估的人也适合那些只是想在研究报告里算一下居住区周边有没有像样绿地配套的研究人员。把全国公园绿地矢量面当底图用能省掉大量手动画面的工作前提是先当工程数据检查别当现成图直接信。2. 拆解SHP数据文件结构、坐标系与绿地字段含义很多第一次接触SHP的人抱怨“我明明下载了shp文件为什么打开是空的”真相通常是他把主文件拷走了把同名的兄弟文件落在了原地。SHP从来不是一个文件而是一个文件家族缺了谁都会出问题。2.1 一个SHP是一族文件并不是单个文件解压公园绿地矢量面数据时你会看到同一文件名下面挂着不同后缀的文件。这几个后缀的作用差别很大直接列一张表说明后缀存储内容缺失后果.shp多边形几何顶点信息SHP主体无法打开GIS直接报错.shx几何索引用来在地图上快速定位要素软件提示索引无效打开后响应迟缓.dbf属性表公园名称、类型、城市、面积等只有图形没有属性没法做筛选统计.prj坐标系描述以WKT文本形式保存坐标系被误识别位置漂移可能达到数公里.cpg字符编码声明常见UTF-8或GBK中文属性字段出现乱码当你把数据从压缩包拷给别人时最常犯的错误就是只拷贝.shp主文件。为了不再吃这个亏我每次分发数据前都跑一遍这个小脚本检查五个伴随文件是否齐全from pathlib import Path shp_path Path(rD:\gis_data\park_green.shp) expected_suffixes [.shp, .shx, .dbf, .prj, .cpg] for suf in expected_suffixes: f shp_path.with_suffix(suf) if f.exists(): size_kb f.stat().st_size / 1024 print(f{suf}: 存在{size_kb:.1f} KB) else: print(f{suf}: 缺失建议回原始压缩包找补)这段代码用Path.with_suffix依次替换文件后缀逐个确认是否存在。如果你在Linux环境或者跨系统传输SHP还要注意后缀大小写——Windows不区分大小写但Linux区分.SHP和.shp在部分工具里会被当成两个文件。2.2 “矢量面”具体指什么Polygon/MultiPolygon与字段公园绿地矢量面的“面”在几何类型上对应Polygon或MultiPolygon。一个公园可能由若干块不相连的地块组成比如一块主体加几块附属绿地在数据里就会表现为MultiPolygon。而如果你拿到的数据里混进了Point或者Polyline那说明原始来源不干净需要剔除。用geopandas读一遍就能看出几何类型分布import geopandas as gpd park gpd.read_file(rD:\gis_data\park_green.shp, encodingutf-8) print(park.columns.tolist()) # 列出全部字段名 print(park.geometry.geom_type.value_counts()) # 统计几何类型这段代码输出两行第一行是字段名列表第二行是几何类型计数。如果结果里出现Point或LineString先把它过滤掉保留Polygon和MultiPolygon再进入分析流程。公园绿地SHP里常见的字段大概有下面几类字段名含义典型取值name公园名称朝阳公园type公园分类综合公园、社区公园、专类公园、游园city城市名北京市district区县名朝阳区area_m2面积注意单位可能是平方米或公顷105000adcode行政区划代码110105全国汇总数据里最大的坑是字段命名不统一。有的数据源叫type有的叫ydtype还有的叫dlbm分类标准也各说各话。后面做统计前务必先统一字段名和分类取值。2.3 坐标系打开数据前先看PRJ文件全国公园绿地矢量面这类数据常见坐标系是CGCS2000地理坐标系对应EPSG:4490也有一些来源直接给WGS84对应EPSG:4326。两者叠在一起看似差别不大但做面积计算和缓冲区时结果会差出不少。用一行代码就能确认数据当前的坐标系import geopandas as gpd park gpd.read_file(rD:\gis_data\park_green.shp, encodingutf-8) print(park.crs) # 输出示例EPSG:4490如果打印结果是EPSG:4490说明是CGCS2000经纬度坐标如果是EPSG:4326说明是WGS84经纬度坐标如果输出None就得检查.prj文件是否存在或者手动补一个坐标系定义。补坐标系的时候不能想当然最好对照原始数据来源说明来定。3. 数据到手先做四步清洗、投影、合并与区域提取很多人拿到全国SHP直接拉到ArcGIS里看颜色好看就认为数据能用。实际上一份全国范围的公园绿地矢量面要进入正式分析至少先过四道工序完整性检查、字段清洗、几何修复、区域提取。3.1 加载与总体检查我习惯先加载一份数据到geopandas里做个总体体检看看行数、坐标系统、无效几何的比例import geopandas as gpd park gpd.read_file(rD:\gis_data\park_green.shp, encodingutf-8) print(park.shape) print(park.crs) print(park.geometry.is_valid.sum())park.shape输出的是(行数, 列数)比如97312行、23列说明这份数据大概有9.7万个公园面。is_valid.sum()统计的是有效几何数量如果有效数量比总行数明显少说明存在自相交、空几何等毛病后面必须处理。3.2 字段清洗与分类归一全国汇总SHP里同一个分类字段经常出现“综合公园”“综合绿地”“G11”混写的情况。不统一的话后面按类型统计就没法做了。我一般会先做一层映射park[type] park[type].astype(str).str.strip() class_map { G11: 综合公园, 综合公园: 综合公园, G12: 社区公园, 社区公园: 社区公园, G13: 专类公园, 专类公园: 专类公园, G14: 游园, 游园: 游园, } park[cat] park[type].map(class_map).fillna(其他) print(park[cat].value_counts())这里先把type字段转成字符串并去掉首尾空格再用字典映射把编号和中文名统一到同一套命名最后用fillna(其他)把无法识别的取值归到“其他”。这样做的目的不是丢数据而是让统计口径一致出图时颜色分类也不会乱。3.3 几何修复全国数据经过多次格式转换常出现自相交、环方向错误这类无效几何问题。处理它们最省事的方式是直接用make_validfrom shapely.validation import make_valid park[geometry] park.geometry.apply( lambda g: make_valid(g) if g is not None and not g.is_valid else g )这里遍历每个几何对象如果几何非空且is_valid为False就用make_valid修复否则保留原样。修复后建议再跑一次is_valid.sum()确认无效数量归零。这个步骤看似多余但它直接影响后续缓冲区是否报错、叠加分析是否丢要素。3.4 区域提取以北京为例如果只需要某个城市的数据直接按城市字段提取即可beijing park[park[city].str.contains(北京, naFalse)] beijing beijing[beijing.geometry.notna()] beijing.to_file(rD:\gis_data\beijing_park.shp, encodingutf-8)str.contains用的是模糊匹配这样“北京市”“北京城区”都能命中naFalse防止city字段里的空值导致报错最后再过滤掉空几何输出一个干净的城市SHP。如果数据里没有city字段可以拿行政区划边界做空间叠加来提取但那样速度会慢很多所以下载时优先选带城市字段的数据源。4. 空间分析实战缓冲区、叠置与15分钟生活圈数据清洗完就该动真格了。拿北京公园绿地SHP做例子算一个“步行15分钟可达绿地”的分析这是规划里常见的生活圈指标。4.1 缓冲区算米之前先投影直接在经纬度坐标上做缓冲区算出来的单位是“度”不是米结果无法和实际距离对应。所以第一步是把数据投影到合适的平面坐标系。北京地区我一般用EPSG:4547即CGCS2000 3度带高斯投影的39带import geopandas as gpd beijing gpd.read_file(rD:\gis_data\beijing_park.shp, encodingutf-8) beijing_m beijing.to_crs(epsg4547) # CGCS2000 / 3-degree Gauss-Kruger zone 39 beijing_m[buffer_800] beijing_m.geometry.buffer(800)buffer(800)表示生成800米缓冲区单位是米因为数据已经投影到平面坐标系。800米是步行大约10到15分钟的距离做生活圈分析常用这个值。如果做全国范围的分析建议改用适合全国的统一投影比如Albers等积圆锥投影避免分带导致的面积误差。提示在ArcGIS里做缓冲区时同样要先检查图层的坐标系。输入是地理坐标系时Buffer工具的距离单位会变成度需要先用投影工具转换到平面坐标系。4.2 叠加分析把公园绿地覆盖落到居住小区有了缓冲区以后下一步是判断每个居住小区是否被公园绿地的800米缓冲区覆盖。用gpd.sjoin做空间连接就能完成import geopandas as gpd communities gpd.read_file(rD:\gis_data\communities.shp, encodingutf-8) communities_m communities.to_crs(epsg4547) join gpd.sjoin(communities_m, beijing_m, howleft, predicateintersects)predicateintersects表示小区面和公园缓冲区只要有交集就算匹配成功这是生活圈分析里比较常用的口径。howleft保证左边每个小区都保留在结果里即使周围没有公园也不会被丢。做统计时用groupby按小区ID计数就能得到每个小区周边可用的公园数量。4.3 出图符号化与导出分析结果要落到图上才直观。用matplotlib可以快速出一张分类专题图import matplotlib.pyplot as plt fig, ax plt.subplots(figsize(12, 10)) beijing.plot(axax, columncat, cmapGreens, legendTrue, edgecolorwhite, linewidth0.3) plt.axis(off) plt.savefig(rD:\gis_data\beijing_park.png, dpi300, bbox_inchestight)列名columncat控制按分类赋色cmapGreens用绿色渐变区分不同公园类型dpi300保证印刷清晰度。如果在ArcGIS Pro里出图可以选“类型-唯一值”符号系统把分类字段设为cat再导PDF或PNG到布局里效果比我这段matplotlib更精细。5. 避坑记录这五年处理SHP踩过的几个大坑下面几条都是实战里反反复复遇到的老问题每条按“现象→原因→解决”来写方便你直接对照。5.1 属性表打开是一堆乱码现象把下载的公园绿地SHP拖进ArcMap打开属性表中文公园名显示成“鏄熷叴鍏”或“ç”开头的乱码。原因SHP的.dbf属性文本原本是GBK或GB2312编码但缺少对应的.cpg编码声明文件ArcGIS按系统默认编码读取于是中文全部错乱。解决用geopandas强制指定encodinggbk读一遍再另存为UTF-8编码的SHPimport geopandas as gpd park gpd.read_file(rD:\gis_data\park_green.shp, encodinggbk) park.to_file(rD:\gis_data\park_green_utf8.shp, encodingutf-8)这个方法只影响dbf属性文本的读写不会动几何坐标。另存后会生成新的.cpg文件写明UTF-8编码后续在ArcGIS和QGIS里打开都不会再乱码。5.2 两套数据叠加后整体偏移现象把A来源的北京公园绿地SHP和B来源的小区SHP放在同一张图里明明行政区划边界对得上公园面却整体偏离几百米。原因两套数据坐标系不一致一套基于WGS84一套基于CGCS2000虽然两者差异在多数地图上不易察觉但按精度要求较高的工作来看已经足够让空间连接错配。解决统一坐标系后再叠加data_a gpd.read_file(a.shp, encodingutf-8) data_b gpd.read_file(b.shp, encodingutf-8) if data_a.crs and data_b.crs: data_b data_b.to_crs(data_a.crs)to_crs会做完整的大地基准转换不只是简单平移。执行前最好先打印两个数据的crs确认原始信息不要盲目假设。5.3 面积计算小了几十倍现象属性表里写着公园面积105公顷用ArcGIS字段计算器算出来却是1.05明显少了100倍。原因数据是经纬度地理坐标系计算面积时把经纬度当平面距离用算出来的单位是平方度而不是平方米。面积一缩再缩最后完全不能用。解决先投影到平面坐标系再重新计算面积park_m park.to_crs(epsg4547) park[area_m2] park_m.geometry.area换算后得到的area_m2就是平方米和属性表里的公顷数直接用系数换算即可。以后凡是涉及面积、周长、密度这类计算第一步永远是确认投影状态。5.4 全国SHP加载后卡顿严重现象把全国公园绿地矢量面SHP整个拉进ArcMap转一下滑轮要等好几秒图层属性设置也卡。原因SHP格式没有内置空间索引全国十几万个图斑顶点数又多GIS软件每次刷新都要全量读取一次几何。解决按省市拆分存储或者在需要做展示用途时降低几何精度park[geometry] park.geometry.simplify(tolerance0.0005)tolerance的单位跟随坐标系当前是经纬度时0.0005度大约相当于50米如果已经投影成平面坐标则直接写米比如50表示50米。简化的代价是边界精度下降所以正式分析保留原始数据只有做底图或者网络发布时才用简化版本。6. 让下游环节接得住报表导出、格式互转与轻量化SHP数据总归要往多个方向流转统计同事要Excel数据库要WKTWeb项目要3DTiles。最后一章把最常用到的几个输出路径走一遍。6.1 属性表导出CSV/Excel不装GIS的人也想看统计数据最简单的办法就是把属性表转成CSVimport geopandas as gpd beijing gpd.read_file(rD:\gis_data\beijing_park.shp, encodingutf-8) beijing[area_m2] beijing.geometry.area summary beijing[[name, cat, area_m2, district]].copy() summary.to_csv(rD:\gis_data\beijing_park_summary.csv, indexFalse, encodingutf-8-sig)encodingutf-8-sig是关键参数它会在文件开头写入BOM标记Excel双击打开CSV时中文列名和公园名才不会乱码。6.2 常见互转dwg转shp、shp转txt、shp转3dtilesdwg转shp是规划项目里最常见的需求CAD图纸里的绿地边界要变成GIS可用面。GDAL可以一条命令搞定ogr2ogr -f ESRI Shapefile park_cad.shp park_cad.dwg -nlt POLYGON-nlt POLYGON强制输出面要素避免CAD里的LINE也被带出来。如果DWG里的绿地位于固定图层建议再加一层-where Layer绿地过滤只转目标图层输出质量会明显提高。shp转txt通常是为了给接口或数据库导入几何文本。把几何导出成WKT格式是最稳妥的做法import geopandas as gpd beijing gpd.read_file(rD:\gis_data\beijing_park.shp, encodingutf-8) beijing[wkt] beijing.geometry.apply(lambda g: g.wkt if g is not None else ) beijing[[name, wkt]].to_csv(rD:\gis_data\beijing_park_wkt.txt, indexFalse, sep|)g.wkt返回的是OpenGIS标准的几何文本PostGIS等数据库都能直接解析这种格式。分隔符用sep|是因为WKT文本里含逗号再用逗号分隔会冲突。shp转3dtiles一般走“shp→GeoJSON→3DTiles”的链路用CesiumLab或类似工具操作。矢量面转三维瓦片时要注意两个参数一是数据要投影到WGS84经纬度后再转二是LOD层级不要开太高否则瓦片数量和加载压力会成倍上升。对于公园绿地这种以面为主的要素通常生成一层LOD足够没必要把每个地块都拆分到极细粒度。我做GIS项目到第五六个年头时已经形成一套雷打不动的习惯每一份SHP数据入手先跑完整性检查再确认坐标系然后做一遍清洗和几何修复最后才进入正式分析。刚才提到的四个大坑每一个都是当年熬过夜才换来教训的。希望你拿到公园绿地矢量面以后能直接跳过这些弯路把时间花在真正值得做的分析上希望帮到你。本文还有配套的精品资源点击获取 公园绿地矢量面SHP数据处理与空间分析实战指南
简介这份数据为2025年全国公园绿地矢量面shp格式资源面向GIS分析人员、城乡规划学习者及生态空间研究从业者可直接用于公园绿地分布制图、规模统计、生态网络评价与规划辅助分析。压缩包共8个文件除核心的shp几何文件外还配套dbf属性表、prj坐标参考、sbn/sbx空间索引以及xml元数据帮助用户在不同GIS平台中准确加载与索引包体大小约27.26MB。当前已有218人学习/浏览适合课程作业、毕设研究以及规划项目前期快速搭建基础数据。拿到后可快速导入ArcGIS或QGIS利用属性信息查看各绿地斑块的分布与规模支撑城市绿地系统评价、开敞空间连通性分析等场景亦可作为区域尺度生态底图参与叠加分析为缺乏现成基础数据的学习者或项目组节省大量人工矢量化时间。1. 公园绿地矢量面SHP做空间分析前的那桶“凉水”上周接了个城区绿地可达性的活儿甲方甩来一个压缩包文件名写着“2025全国最新公园绿地矢量面shp数据”。我第一反应不是拖进ArcGIS而是先查三件事伴随文件全不全、坐标系是什么、字段里有没有分类和城市名。这些年做GIS项目翻车大多发生在数据阶段公园绿地在地图上是面不是点面数据坐标系错位或字段混乱后面的缓冲区、叠加、出图全白搭。这份数据适合做规划、自然资源调查、环境评估的人也适合那些只是想在研究报告里算一下居住区周边有没有像样绿地配套的研究人员。把全国公园绿地矢量面当底图用能省掉大量手动画面的工作前提是先当工程数据检查别当现成图直接信。2. 拆解SHP数据文件结构、坐标系与绿地字段含义很多第一次接触SHP的人抱怨“我明明下载了shp文件为什么打开是空的”真相通常是他把主文件拷走了把同名的兄弟文件落在了原地。SHP从来不是一个文件而是一个文件家族缺了谁都会出问题。2.1 一个SHP是一族文件并不是单个文件解压公园绿地矢量面数据时你会看到同一文件名下面挂着不同后缀的文件。这几个后缀的作用差别很大直接列一张表说明后缀存储内容缺失后果.shp多边形几何顶点信息SHP主体无法打开GIS直接报错.shx几何索引用来在地图上快速定位要素软件提示索引无效打开后响应迟缓.dbf属性表公园名称、类型、城市、面积等只有图形没有属性没法做筛选统计.prj坐标系描述以WKT文本形式保存坐标系被误识别位置漂移可能达到数公里.cpg字符编码声明常见UTF-8或GBK中文属性字段出现乱码当你把数据从压缩包拷给别人时最常犯的错误就是只拷贝.shp主文件。为了不再吃这个亏我每次分发数据前都跑一遍这个小脚本检查五个伴随文件是否齐全from pathlib import Path shp_path Path(rD:\gis_data\park_green.shp) expected_suffixes [.shp, .shx, .dbf, .prj, .cpg] for suf in expected_suffixes: f shp_path.with_suffix(suf) if f.exists(): size_kb f.stat().st_size / 1024 print(f{suf}: 存在{size_kb:.1f} KB) else: print(f{suf}: 缺失建议回原始压缩包找补)这段代码用Path.with_suffix依次替换文件后缀逐个确认是否存在。如果你在Linux环境或者跨系统传输SHP还要注意后缀大小写——Windows不区分大小写但Linux区分.SHP和.shp在部分工具里会被当成两个文件。2.2 “矢量面”具体指什么Polygon/MultiPolygon与字段公园绿地矢量面的“面”在几何类型上对应Polygon或MultiPolygon。一个公园可能由若干块不相连的地块组成比如一块主体加几块附属绿地在数据里就会表现为MultiPolygon。而如果你拿到的数据里混进了Point或者Polyline那说明原始来源不干净需要剔除。用geopandas读一遍就能看出几何类型分布import geopandas as gpd park gpd.read_file(rD:\gis_data\park_green.shp, encodingutf-8) print(park.columns.tolist()) # 列出全部字段名 print(park.geometry.geom_type.value_counts()) # 统计几何类型这段代码输出两行第一行是字段名列表第二行是几何类型计数。如果结果里出现Point或LineString先把它过滤掉保留Polygon和MultiPolygon再进入分析流程。公园绿地SHP里常见的字段大概有下面几类字段名含义典型取值name公园名称朝阳公园type公园分类综合公园、社区公园、专类公园、游园city城市名北京市district区县名朝阳区area_m2面积注意单位可能是平方米或公顷105000adcode行政区划代码110105全国汇总数据里最大的坑是字段命名不统一。有的数据源叫type有的叫ydtype还有的叫dlbm分类标准也各说各话。后面做统计前务必先统一字段名和分类取值。2.3 坐标系打开数据前先看PRJ文件全国公园绿地矢量面这类数据常见坐标系是CGCS2000地理坐标系对应EPSG:4490也有一些来源直接给WGS84对应EPSG:4326。两者叠在一起看似差别不大但做面积计算和缓冲区时结果会差出不少。用一行代码就能确认数据当前的坐标系import geopandas as gpd park gpd.read_file(rD:\gis_data\park_green.shp, encodingutf-8) print(park.crs) # 输出示例EPSG:4490如果打印结果是EPSG:4490说明是CGCS2000经纬度坐标如果是EPSG:4326说明是WGS84经纬度坐标如果输出None就得检查.prj文件是否存在或者手动补一个坐标系定义。补坐标系的时候不能想当然最好对照原始数据来源说明来定。3. 数据到手先做四步清洗、投影、合并与区域提取很多人拿到全国SHP直接拉到ArcGIS里看颜色好看就认为数据能用。实际上一份全国范围的公园绿地矢量面要进入正式分析至少先过四道工序完整性检查、字段清洗、几何修复、区域提取。3.1 加载与总体检查我习惯先加载一份数据到geopandas里做个总体体检看看行数、坐标系统、无效几何的比例import geopandas as gpd park gpd.read_file(rD:\gis_data\park_green.shp, encodingutf-8) print(park.shape) print(park.crs) print(park.geometry.is_valid.sum())park.shape输出的是(行数, 列数)比如97312行、23列说明这份数据大概有9.7万个公园面。is_valid.sum()统计的是有效几何数量如果有效数量比总行数明显少说明存在自相交、空几何等毛病后面必须处理。3.2 字段清洗与分类归一全国汇总SHP里同一个分类字段经常出现“综合公园”“综合绿地”“G11”混写的情况。不统一的话后面按类型统计就没法做了。我一般会先做一层映射park[type] park[type].astype(str).str.strip() class_map { G11: 综合公园, 综合公园: 综合公园, G12: 社区公园, 社区公园: 社区公园, G13: 专类公园, 专类公园: 专类公园, G14: 游园, 游园: 游园, } park[cat] park[type].map(class_map).fillna(其他) print(park[cat].value_counts())这里先把type字段转成字符串并去掉首尾空格再用字典映射把编号和中文名统一到同一套命名最后用fillna(其他)把无法识别的取值归到“其他”。这样做的目的不是丢数据而是让统计口径一致出图时颜色分类也不会乱。3.3 几何修复全国数据经过多次格式转换常出现自相交、环方向错误这类无效几何问题。处理它们最省事的方式是直接用make_validfrom shapely.validation import make_valid park[geometry] park.geometry.apply( lambda g: make_valid(g) if g is not None and not g.is_valid else g )这里遍历每个几何对象如果几何非空且is_valid为False就用make_valid修复否则保留原样。修复后建议再跑一次is_valid.sum()确认无效数量归零。这个步骤看似多余但它直接影响后续缓冲区是否报错、叠加分析是否丢要素。3.4 区域提取以北京为例如果只需要某个城市的数据直接按城市字段提取即可beijing park[park[city].str.contains(北京, naFalse)] beijing beijing[beijing.geometry.notna()] beijing.to_file(rD:\gis_data\beijing_park.shp, encodingutf-8)str.contains用的是模糊匹配这样“北京市”“北京城区”都能命中naFalse防止city字段里的空值导致报错最后再过滤掉空几何输出一个干净的城市SHP。如果数据里没有city字段可以拿行政区划边界做空间叠加来提取但那样速度会慢很多所以下载时优先选带城市字段的数据源。4. 空间分析实战缓冲区、叠置与15分钟生活圈数据清洗完就该动真格了。拿北京公园绿地SHP做例子算一个“步行15分钟可达绿地”的分析这是规划里常见的生活圈指标。4.1 缓冲区算米之前先投影直接在经纬度坐标上做缓冲区算出来的单位是“度”不是米结果无法和实际距离对应。所以第一步是把数据投影到合适的平面坐标系。北京地区我一般用EPSG:4547即CGCS2000 3度带高斯投影的39带import geopandas as gpd beijing gpd.read_file(rD:\gis_data\beijing_park.shp, encodingutf-8) beijing_m beijing.to_crs(epsg4547) # CGCS2000 / 3-degree Gauss-Kruger zone 39 beijing_m[buffer_800] beijing_m.geometry.buffer(800)buffer(800)表示生成800米缓冲区单位是米因为数据已经投影到平面坐标系。800米是步行大约10到15分钟的距离做生活圈分析常用这个值。如果做全国范围的分析建议改用适合全国的统一投影比如Albers等积圆锥投影避免分带导致的面积误差。提示在ArcGIS里做缓冲区时同样要先检查图层的坐标系。输入是地理坐标系时Buffer工具的距离单位会变成度需要先用投影工具转换到平面坐标系。4.2 叠加分析把公园绿地覆盖落到居住小区有了缓冲区以后下一步是判断每个居住小区是否被公园绿地的800米缓冲区覆盖。用gpd.sjoin做空间连接就能完成import geopandas as gpd communities gpd.read_file(rD:\gis_data\communities.shp, encodingutf-8) communities_m communities.to_crs(epsg4547) join gpd.sjoin(communities_m, beijing_m, howleft, predicateintersects)predicateintersects表示小区面和公园缓冲区只要有交集就算匹配成功这是生活圈分析里比较常用的口径。howleft保证左边每个小区都保留在结果里即使周围没有公园也不会被丢。做统计时用groupby按小区ID计数就能得到每个小区周边可用的公园数量。4.3 出图符号化与导出分析结果要落到图上才直观。用matplotlib可以快速出一张分类专题图import matplotlib.pyplot as plt fig, ax plt.subplots(figsize(12, 10)) beijing.plot(axax, columncat, cmapGreens, legendTrue, edgecolorwhite, linewidth0.3) plt.axis(off) plt.savefig(rD:\gis_data\beijing_park.png, dpi300, bbox_inchestight)列名columncat控制按分类赋色cmapGreens用绿色渐变区分不同公园类型dpi300保证印刷清晰度。如果在ArcGIS Pro里出图可以选“类型-唯一值”符号系统把分类字段设为cat再导PDF或PNG到布局里效果比我这段matplotlib更精细。5. 避坑记录这五年处理SHP踩过的几个大坑下面几条都是实战里反反复复遇到的老问题每条按“现象→原因→解决”来写方便你直接对照。5.1 属性表打开是一堆乱码现象把下载的公园绿地SHP拖进ArcMap打开属性表中文公园名显示成“鏄熷叴鍏”或“ç”开头的乱码。原因SHP的.dbf属性文本原本是GBK或GB2312编码但缺少对应的.cpg编码声明文件ArcGIS按系统默认编码读取于是中文全部错乱。解决用geopandas强制指定encodinggbk读一遍再另存为UTF-8编码的SHPimport geopandas as gpd park gpd.read_file(rD:\gis_data\park_green.shp, encodinggbk) park.to_file(rD:\gis_data\park_green_utf8.shp, encodingutf-8)这个方法只影响dbf属性文本的读写不会动几何坐标。另存后会生成新的.cpg文件写明UTF-8编码后续在ArcGIS和QGIS里打开都不会再乱码。5.2 两套数据叠加后整体偏移现象把A来源的北京公园绿地SHP和B来源的小区SHP放在同一张图里明明行政区划边界对得上公园面却整体偏离几百米。原因两套数据坐标系不一致一套基于WGS84一套基于CGCS2000虽然两者差异在多数地图上不易察觉但按精度要求较高的工作来看已经足够让空间连接错配。解决统一坐标系后再叠加data_a gpd.read_file(a.shp, encodingutf-8) data_b gpd.read_file(b.shp, encodingutf-8) if data_a.crs and data_b.crs: data_b data_b.to_crs(data_a.crs)to_crs会做完整的大地基准转换不只是简单平移。执行前最好先打印两个数据的crs确认原始信息不要盲目假设。5.3 面积计算小了几十倍现象属性表里写着公园面积105公顷用ArcGIS字段计算器算出来却是1.05明显少了100倍。原因数据是经纬度地理坐标系计算面积时把经纬度当平面距离用算出来的单位是平方度而不是平方米。面积一缩再缩最后完全不能用。解决先投影到平面坐标系再重新计算面积park_m park.to_crs(epsg4547) park[area_m2] park_m.geometry.area换算后得到的area_m2就是平方米和属性表里的公顷数直接用系数换算即可。以后凡是涉及面积、周长、密度这类计算第一步永远是确认投影状态。5.4 全国SHP加载后卡顿严重现象把全国公园绿地矢量面SHP整个拉进ArcMap转一下滑轮要等好几秒图层属性设置也卡。原因SHP格式没有内置空间索引全国十几万个图斑顶点数又多GIS软件每次刷新都要全量读取一次几何。解决按省市拆分存储或者在需要做展示用途时降低几何精度park[geometry] park.geometry.simplify(tolerance0.0005)tolerance的单位跟随坐标系当前是经纬度时0.0005度大约相当于50米如果已经投影成平面坐标则直接写米比如50表示50米。简化的代价是边界精度下降所以正式分析保留原始数据只有做底图或者网络发布时才用简化版本。6. 让下游环节接得住报表导出、格式互转与轻量化SHP数据总归要往多个方向流转统计同事要Excel数据库要WKTWeb项目要3DTiles。最后一章把最常用到的几个输出路径走一遍。6.1 属性表导出CSV/Excel不装GIS的人也想看统计数据最简单的办法就是把属性表转成CSVimport geopandas as gpd beijing gpd.read_file(rD:\gis_data\beijing_park.shp, encodingutf-8) beijing[area_m2] beijing.geometry.area summary beijing[[name, cat, area_m2, district]].copy() summary.to_csv(rD:\gis_data\beijing_park_summary.csv, indexFalse, encodingutf-8-sig)encodingutf-8-sig是关键参数它会在文件开头写入BOM标记Excel双击打开CSV时中文列名和公园名才不会乱码。6.2 常见互转dwg转shp、shp转txt、shp转3dtilesdwg转shp是规划项目里最常见的需求CAD图纸里的绿地边界要变成GIS可用面。GDAL可以一条命令搞定ogr2ogr -f ESRI Shapefile park_cad.shp park_cad.dwg -nlt POLYGON-nlt POLYGON强制输出面要素避免CAD里的LINE也被带出来。如果DWG里的绿地位于固定图层建议再加一层-where Layer绿地过滤只转目标图层输出质量会明显提高。shp转txt通常是为了给接口或数据库导入几何文本。把几何导出成WKT格式是最稳妥的做法import geopandas as gpd beijing gpd.read_file(rD:\gis_data\beijing_park.shp, encodingutf-8) beijing[wkt] beijing.geometry.apply(lambda g: g.wkt if g is not None else ) beijing[[name, wkt]].to_csv(rD:\gis_data\beijing_park_wkt.txt, indexFalse, sep|)g.wkt返回的是OpenGIS标准的几何文本PostGIS等数据库都能直接解析这种格式。分隔符用sep|是因为WKT文本里含逗号再用逗号分隔会冲突。shp转3dtiles一般走“shp→GeoJSON→3DTiles”的链路用CesiumLab或类似工具操作。矢量面转三维瓦片时要注意两个参数一是数据要投影到WGS84经纬度后再转二是LOD层级不要开太高否则瓦片数量和加载压力会成倍上升。对于公园绿地这种以面为主的要素通常生成一层LOD足够没必要把每个地块都拆分到极细粒度。我做GIS项目到第五六个年头时已经形成一套雷打不动的习惯每一份SHP数据入手先跑完整性检查再确认坐标系然后做一遍清洗和几何修复最后才进入正式分析。刚才提到的四个大坑每一个都是当年熬过夜才换来教训的。希望你拿到公园绿地矢量面以后能直接跳过这些弯路把时间花在真正值得做的分析上希望帮到你。本文还有配套的精品资源点击获取