简介中国九大农业区划数据包内含东北平原区完整的地理信息面向地理信息系统学习者、农业科研人员及区域规划从业者可用于分析农业分布、土地利用和气候变化对农业的影响。压缩包共11个文件大小约17.21兆字节以shp格式的矢量主文件为核心附带属性表、空间索引和投影定义等标准辅助文件可完整承载要素几何与属性信息数据统一采用全球通用的坐标系便于与不同来源的地图进行叠加比较。目前已有1714人学习下载。利用该数据能够提取东北平原的边界与行政区域开展面积量算、缓冲区分析和专题制图结合地理信息系统软件还可进一步分析耕作适宜性、水资源分布与作物结构为农业区划研究、生产布局优化以及粮食安全评估提供直观的数据支撑。1. 中国九大农业区划SHP不只是“边界”这一层价值拿到这份压缩包第一眼看到border.shp很容易把它当成一条省界线或县界线实际打开后它是面状多边形几何类型是Polygon而且属性表里通常带有区划编码或区名。这里对应的“东北平原区”属于中国九大农业区划划的不是行政边界而是以积温、降水、土壤和种植制度综合确定的农业空间单元一个县域可能被切开分属不同农业区。对做农业遥感、作物种植结构分析、农业保险区划或气候变化评估的人来说这份SHP的价值是把“东北玉米带”“黑土核心区”从一个文字概念落成可以参与空间计算的多边形。但越是这样越不能跳过SHP伴随文件和坐标系统的检查否则后续叠加道路、土地利用栅格或GPS采样点时会出现明显的坐标偏移和面积计算失真。2. SHP不是单文件border.shp 的伴随文件与坐标系统拆解SHP格式由Esri提出但它永远不是一个文件形态而是一个“文件包”。压缩包里的border.shp、border.shx、border.dbf、border.prj是缺一不可的组合另外还有border.sbn、border.sbx、border.qtr、border.ebb这类由ArcGIS或数据生产工具生成的辅助文件。很多人只拷贝.shp结果换一台机器打开后图斑消失或提示没有坐标系根因就是把.prj和.shx漏掉了。2.1 伴随文件一个都不能少文件扩展名作用说明.shp几何实体保存点、线、面坐标数据.shx形状索引记录每个要素的位置偏移加速读取.dbf属性表dBASE格式存储区名、编码、面积等字段.prj坐标系统描述多为WKT文本WGS84就在这里写明.sbn/.sbxArcGIS生成的空间索引文件非必需但建议保留.qtr/.ebb/.ed1ArcGIS编辑会话或压缩过程中生成的临时辅助文件.xml元数据文件记录数据来源和投影说明.prj文件影响比很多人以为的更大。缺少.prj时QGIS会弹出CRS选择框ArcMap则默认按未知坐标系处理一旦后续叠加另一个带投影的图层两个地理坐标系的图斑可能相差几百公里。拿到这套“东北地区shp”后第一件事应该是确认它是否带.prj并直接查看投影描述。2.2 用Python和GDAL快速检查几何与属性我一般先用pyshp直接读取文件不打开桌面GIS也能快速验证数据完整性import shapefile sf shapefile.Reader(border, encodingutf-8) print(shapeType:, sf.shapeType) # 5 表示多边形 PolyGon print(要素数量:, len(sf)) print(数据范围 bbox:, sf.bbox) rec sf.record(0) fields [f[0] for f in sf.fields[1:]] print(字段列表:, fields) print(第一条记录:, list(zip(fields, rec))) shp sf.shape(0) print(第一个面的外环点数:, len(shp.points))这里shapefile.Reader(border)会自动拼接.shp、.shx、.dbf三个文件encodingutf-8是为了防止.dbf里的中文字段乱码。shapeType是5表示面状要素。如果读出来是0说明文件损坏或不是标准的.shp结构。bbox输出的是整个东北平原区的经纬度外包矩形比如[119.5, 38.7, 135.1, 53.6]这样的范围可以快速判断数据是否真的是东北区域而不是混入了其他省份的坐标。命令行可以再加一层校验ogrinfo -al -so border.shp-al表示列出所有图层-so表示只输出概要而不打印逐要素坐标。执行后能看到Geometry: Polygon、Feature Count: 1以及投影信息GEOGCS[WGS 84, DATUM[WGS_1984, ...]]。如果PRJ里写的是CGCS2000或Xian80就要注意后续统一转换不能继续按WGS84处理。2.3 坐标系决定后续所有计算WGS84 必须配投影使用WGS84是地心大地坐标系单位是十进制度适合做全球定位和底图叠加但不适合做面积和距离的量测。东北平原区的纬度范围大约在38°N以北直接对一个经纬度多边形调用area算出来的是“平方度”不是平方米而且纬度越高变形越大。因此计算东北区面积、或者按土地利用栅格统计各类面积占比时必须把SHP转换到等积投影坐标系。中国范围比较惯用的做法是双标准纬线等积圆锥投影中央经线取105°E标准纬线取25°N和47°N。使用ogr2ogr执行重投影ogr2ogr -t_srs projaea lat_125 lat_247 lat_00 lon_0105 datumWGS84 unitsm no_defs border_aea.shp border.shp输出文件会在入口写为Albers投影坐标单位为米。这里不推荐直接用EPSG:102003那是美国区域的Albers参数中央经线默认-96°W用在东北区上会造成横向位移。可以说这是处理中国九大农业区SHP最常见的坑之一。3. 九大农业区的区划逻辑与空间查询实战中国九大农业区不是官方行政区划而是一套农业地理分区。它依据≥10℃积温、干燥度、无霜期、地形地貌、现有种植制度等因子把全国划分为九个在农业生产上相对同质的区域。这套SHP数据在科研和规划里非常有用因为它把一个文本化的“九大区名录”做成了可用于空间关系的面域。3.1 九大农业区的构成不是省级边界是分异边界农业区名称主要覆盖范围主导农业特征东北平原区辽宁、吉林、黑龙江玉米、大豆、粳稻黑土地黄淮海平原区黄河、淮河、海河流域冬小麦、夏玉米长江中下游区湖北、湖南、江西、安徽、江苏、浙江双季稻、淡水渔业北方干旱半干旱区内蒙古、陕西、甘肃、宁夏牧业与灌溉农业云贵高原区云南、贵州梯田、茶叶、烟草青藏高原区青藏高原主体青稞、高寒畜牧业四川盆地及周边区四川盆地地区水稻、小麦、油菜华南区广东、广西、福建、海南热带水果、蔬菜黄土高原区陕西、山西、甘肃、宁夏部分旱作谷物、薯类注意“黄土高原区”和“北方干旱半干旱区”在宁夏、甘肃一带存在空间重叠和交错部分县域属于过渡带。因此做空间连接时尽量避免用行政编码去匹配农业区而要用矢量面本身做“点是否落在面内”的判断。这个空间关系才是SHP真正的价值所在。3.2 将任意经纬度采样点映射到九大区空间连接在农业遥感和田间采样场景里最常用的是将GPS采样点与九大农业区SHP做叠加判断每个样本落在哪个农业区再做分组统计。用geopandas可以这样实现import geopandas as gpd from shapely.geometry import Point zones gpd.read_file(border.shp, encodingutf-8) zones zones.to_crs(EPSG:4326) samples gpd.GeoDataFrame( { plot_id: [101, 102, 103], crop: [玉米, 大豆, 水稻], }, geometry[ Point(125.1, 45.2), Point(126.5, 47.3), Point(128.9, 43.5), ], crsEPSG:4326, ) joined gpd.sjoin(samples, zones, howleft, predicatewithin) print(joined[[plot_id, crop, geometry]].head())predicatewithin表示采样点必须落在农业区面内部才算匹配howleft保证左侧样本点全部保留即使没有命中某个农业区对应字段会得到NaN。这里还有一个容易忽略的细节如果样点坐标是GCJ-02或百度坐标必须先转回WGS84否则可能与真实位置偏移数百米导致空间连接结果错误。如果只想提取东北平原区要素单独保存也可以在ogr2ogr里用属性条件过滤ogr2ogr -where NAME 东北平原区 northeast.shp border.shp字段名要根据SHP属性表实际字段调整常见的是NAME、C_NAME、MC等读取字段列表后再做过滤更稳妥。3.3 对不同区划面做栅格统计九大农业区SHP只有边界和区名本身不直接给出作物面积或土壤类型但可以联合土地利用栅格做分区统计。用rasterstats的zonal_stats可以一次性算出每个农业区内的土地利用类型占比from rasterstats import zonal_stats stats zonal_stats( border.shp, landuse.tif, stats[count, major, mean], categoricalTrue, ) print(stats)categoricalTrue会对每个栅格类别分别统计像元数量之后通过像元数量乘上栅格分辨率就能换算成面积。使用此方法时务必保证SHP和栅格位于同一套坐标参考系如果栅格是Lambert投影而SHP是WGS84统计结果会变成空白或整片覆盖异常。建议先把SHP投影到与栅格一致的坐标系再执行zonal_stats。4. SHP实战投影转换、几何修复与多格式导出实际操作中SHP从下载到能用并不只是“拖进ArcMap看一眼”就结束。九大农业区SHP往往要跟2020年全国道路数据、土地利用数据、DEM等叠加分析一套完整的前置准备包括统一坐标系、修复几何、检查属性编码再决定输出成KML、GeoJSON还是CSV。4.1 在QGIS里做图层叠加的正确姿势先把border.shp拖进QGIS图层加载后在图层属性里查看信息选项卡确认坐标系统是EPSG:4326 - WGS 84。如果叠加的道路SHP是EPSG:3857就把项目CRS临时切到EPSG:3857这时QGIS会做动态投影保证两个图层视口重叠。但要注意动态投影只解决“看起来位置对”不解决“计算数值正确”。最终做面积统计时必须对SHP做真正的坐标转换。我碰到过的典型问题是把WGS84的农业区SHP直接与EPSG:4528CGCS2000投影的栅格切片叠加QGIS显示黑屏调整图层范围后发现所有要素都缩在原点附近。原因是两个数据集的坐标单位不同必须先把SHPReproject Layer到与栅格一致的CRS。4.2 命令行批量整理ogr2ogr 常规用法桌面GIS之外命令行处理是效率更高的选择。一套常规处理顺序如下# 1. 转为GeoJSON ogr2ogr -f GeoJSON border.geojson border.shp # 2. 转为KMLGoogle Earth可直接打开 ogr2ogr -f KML border.kml border.shp # 3. 提取特定区域 ogr2ogr -where NAME LIKE %东北% northeast.shp border.shp # 4. 转为UTF-8编码的CSV便于Excel查看 ogr2ogr -f CSV border.csv border.shp -lco GEOMETRYAS_XYZ-f是输出格式-lco GEOMETRYAS_XYZ用于CSV导出时把几何写成坐标列。如果需要shp转txt可以继续用Python做坐标串转换with open(border.txt, w, encodingutf-8) as fp: for shape in sf.shapes(): for x, y in shape.points: fp.write(f{x:.6f},{y:.6f}\n)将每个坐标点写成一行经纬度文本。这样处理后的文件几乎可以用任何文本工具读取用于外部程序校验坐标或对接自动化脚本。4.3 Excel中的经纬度如何转成SHP很多做农业调研的数据格式是Excel表格里的经度和纬度列需要先转成SHP才能与九大农业区SHP叠加。ArcMap里的操作路径是Excel加载后右键图层选择“Display XY Data”X字段指定经度Y字段指定纬度坐标系选择WGS84生成临时点图层后右键导出为Shapefile。QGIS里更直接Layer Add Layer Add Delimited Text Layer定义X字段和Y字段CRS选择WGS84然后右键导出。值得提醒的是Excel里的经纬度如果是用度分秒表示的例如45°30要先换算成十进制度45.50否则SHP中的点会全部落在一起看不出来。4.4 常见问题速查症状可能原因处理方式Dbf字段内容乱码生产方用GBK编码读取端按UTF-8读取时指定encodinggbk叠加后位置偏移数百米源SHP与目标图层CRS不一致统一到同一EPSG再分析计算面积数值异常巨大处于度坐标系直接算面积先转等积投影再算面积面之间有空隙或重叠九大区划数据边界并非严格无缝用buffer(0)或拓扑修复工具导出KML后在Google Earth显示为折线投影或几何类型被错误解释确认输出前几何类型为Polygon提示修复面重叠可以使用geopandas的buffer(0)它能把带有微小拓扑错误的几何体重新构建成有效面是成本最低的解决方案。5. 最后一步提取外边界线批量转KML与轻量化输出如果只是做展示型地图九大农业区全要素面往往显得图层很重尤其是网页端加载时九块大面会产生大量端点。很多场景只需要一条“九大区总轮廓线”用来表达中国农业分区的宏观范围这时就应该合并面并提取外边界。5.1 合并九个面只保留总轮廓线用geopandas处理非常直接import geopandas as gpd gdf gpd.read_file(border.shp, encodingutf-8) union gdf.unary_union outline gpd.GeoSeries([union.boundary], crsEPSG:4326) outline.to_file(outline.shp, encodingutf-8)unary_union会把所有面合并成一个大几何体内部公共边被自动擦除再取boundary得到一条边界线也就是整个九大农业区的外部包络。这样得到的outline.shp只有一个要素省去大量内部边界数据。如果继续做简化可以叠加simplify处理例如simplified union.boundary.simplify(0.01, preserve_topologyTrue) gpd.GeoSeries([simplified], crsEPSG:4326).to_file( outline_simplified.shp, encodingutf-8 )0.01表示容差为0.01度约合1公里适合全国尺度的低倍率展示如果局部放大到省级尺度这个值要调小到0.001否则边界会丢失关键弯折。5.2 批量转KML与导出工具链九大农业区SHP如果分成多个文件可以用shell脚本批量转KMLfor f in *.shp; do ogr2ogr -f KML ${f%.shp}.kml $f done批量转换后打包即可分发到外业人员使用。对于Web端需要轻量数据的场景把合并轮廓转为GeoJSON再用tippecanoe生成矢量瓦片是比较常见的路径ogr2ogr -f GeoJSON outline.geojson outline.shp tippecanoe -o agriculture.mbtiles -zg outline.geojson至于shp转3dtiles目前Cesium生态中常用的做法是先将SHP转为GeoJSON或3D Tiles支持的要素再通过CesiumLab或类似工具切片切片前必须保证面没有自相交、没有重复节点否则容易在三维场景中出现破面和缝隙。用buffer(0)预处理后的要素通常更安全这也再次印证九大农业区SHP数据质量越高后续每个环节越省事。本文还有配套的精品资源点击获取