做城市研究的人都知道房价数据最让人头疼的就是空间颗粒度。平时能拿到的基本是市、区一级的平均水平再细一点可以到板块或街道。可一旦想研究街道内部、甚至街区尺度上的房价差异这些数据完全不够用。我最近在折腾一套“1990–2026年中国城市房价栅格数据”100米分辨率、全国覆盖、年度连续恰好把这个问题从底层解决了。这篇文章我会从头拆一遍这套数据的结构、坐标、单位口径以及我实际跑分析时踩过的坑和总结出的操作流程给同样在做房价时空分析的朋友一个可以直接照搬的参考。这套数据的核心卖点其实就三个词栅格、百米、年度连续。栅格意味着每个像元都是固定100米乘100米的正方形不随行政区边界变动百米意味着一个像元覆盖1公顷面积大概一个普通小区的尺度既能拉开街区之间的差异又不会因为粒度过细产生太多噪声年度连续则直接决定了一件事——像元级时间序列是天然对齐的只要投影一致1990年的像元位置和2020年的像元位置是同一个地方可以把三十多年压缩成一叠切片来做时空分析。如果你正在做城市内部空间分异、房价梯度、轨道交通影响评估、或者十几年尺度的城市蔓延研究这套数据应该是你目前能看到的最顺手的基础图层之一。我来聊聊怎么把它用好。1. 为什么需要100米分辨率的房价栅格1.1 传统统计数据的颗粒度困局先说最要命的问题行政区划边界会变。市辖区撤并、街道调整、开发区独立统计十年前后行政区划对不上的情况太常见了。很多研究者在处理长时序房价数据时花了大量精力去重新匹配边界要把过去某个区的房价按现在的地理范围重新加权计算中间只要有一个街道的归属发生变化整条序列就断了。而固定网格不存在这个问题——东西南北位置不变行政区划再怎么动栅格像元本身还是那个位置。另一个问题是“均质化”陷阱。一个行政区内可能同时包含极限学区房、老破小、次新改善盘和远郊保障房全区平均房价把这些信息全部抹掉了。做成100米栅格之后至少能看出板块内部的价格起伏。我拿数据复盘过几个一二线城市的内部结构有些老城区表面上均价很高但放大到百米尺度高价点和洼地犬牙交错这种微观格局任何区级统计数据都表现不出来。所以说栅格数据解决的不只是“可视化好看”的问题它直接改变了可做的研究问题。比如你想测一座城市从中心到边缘的房价梯度曲线用街道均值只能得到20个点左右拟合出来特别粗糙换成100米栅格城市建成区里是几万个有效像元沿着城市中心画一条剖面线出来的梯度曲线平滑又真实。1.2 栅格化带来的分析能力跃迁为什么不用小区边界矢量图或者地块面数据非要转成栅格我的体会是栅格带来的最大红利是“计算友好”。矢量叠加分析要不断做面与面的相交计算两个图层叠一次还行叠五层就开始卡了。而栅格数据只要坐标系和分辨率统一叠加就成了矩阵逐像元运算速度和质量都不是一个量级。尤其做空间计量、空间滞后、局部聚类比如LISA、Getis-Ord Gi这类分析时栅格数据几乎是首选结构。另一个好处是跨源数据融合。夜间灯光影像、NDVI、土地覆盖、PM2.5浓度、DEM高程这些基础地理数据全是栅格格式。房价栅格和它们天然对齐可以直接做像元级相关分析。你不需要再做矢量转栅格也不用担心不同源数据的边界误差累积。1.3 年度连续数据的“时间纵深”价值1990年这个起点非常讲究。那一年中国住房制度刚从福利分房转向市场化改革接下来三十多年的房价演变几乎映射了整个快速城市化进程。这套数据从1990到2026年逐年版铺下来等于给了你一张能够“回放”城市空间重构的底片。有了这个时间纵深很多经典问题就可以被重新回答。比如中心城区的高房价同心圈是在持续扩大还是被多中心结构替代新城开发到底是形成了新的价格高地还是只制造了一个房价洼地城市轨道交通开通前后站点周边多少米范围内的房价发生了变化这些问题用区级面板数据回答不了因为空间细节不够用个案的微观样本又缺乏全国可比性。百米栅格加年度连续恰好补上了这个中间层。我实际用来做过一个很简单但很有说服力的分析选取某一座城市计算每个栅格到城市几何中心欧氏距离再按年份分组统计房价梯度。结果能明显看到2015年前后梯度曲线斜率变陡说明中心与外围的价差在扩大而这种“扩大”在不同时间点的空间形态是不一样的——只有连续切片才能看到这种过程性变化。2. 数据结构与核心技术点解读2.1 影像的基本属性分辨率、坐标系与像元值含义拿到手的数据如果是一套GeoTIFF第一件事永远是查看元数据。按我通常的工作流程会直接写几行Python读取文件头import rasterio tif_path China_HousePrice_1990.tif with rasterio.open(tif_path) assrc: print(宽高:, src.width, src.height) print(波段数:, src.count) print(坐标系:, src.crs) print(变换参数:, src.transform) print(数据范围:, (src.bounds.left, src.bounds.bottom, src.bounds.right, src.bounds.top)) print(nodata值:, src.nodatavals) print(像元值类型:, src.dtypes[0])建议先把这几行跑通再谈分析。正常情况下你会看到平面坐标系常用的是CGCS2000 / 高斯-克吕格投影分带可能因城市而异像元尺寸是100米×100米数据范围覆盖全国城市建成区及其周边一定缓冲带。注意还有一部分是与省级行政边界拟合过的版本具体以你拿到的数据为准。像元值单位这块很容易踩坑。有的数据源以“元/平方米”存储有的以“万元/平方米”存储还有的是对数变换后的值。我的经验是看到数值最高只有三位数的时候先别激动检查一下是不是万元单位。以一套2020年北京的数据为例如果是“元/平方米”计价城区核心地段的像元值应该到七万到十几万之间如果发现像元值只有7到15那基本可以确定是按“万元/平方米”记录的。用错了单位后面所有统计都得重来。2.2 年度连续背后的价格口径问题这是我认为整套数据里最值得关注的技术细节。房价数据天然存在三种“口径差”名义价与实际价、新房与二手房、年平均值与年末时点值。一套数据要做到1990到2026年连续必须把口径统一到底。数据处理方通常的做法是以二手房成交价格为主基线因为二手房更能反映真实市场供需新房受预售限价影响太大政策干扰强。哪怕都是二手房跨年份对比时还要考虑通胀因素。1990年的1000元/平米和2020年的5万元/平米之间不仅有市场上涨还有整体物价水平的上升。这一点数据处理方一般会用某一基准年份的指数进行平减把历年价格都折算到基准年份的购买力水平。如果你拿到的数据没做这一步请务必在分析前自行处理自行平减最稳妥的办法是使用分省的CPI或专门编制的房地产价格指数逐年折算之后再做时间序列对比。还有一个隐藏口径是“空间覆盖范围”。中国城市建成区一直在扩大1990年主城范围很小2020年已经延伸到了远郊。数据方通常会以2026年的城市开发边界为基准框定全部图层范围1990年尚未开发的区域像元标为NoData或者0值。这个设计是合理的因为它保证了同一位置各年份之间可比较。但使用时要特别小心统计城市平均房价时如果把前沿扩张区当作无数据剔除历年有效像元数量是递增的直接算简单平均会导致“分母变化”带来的假性下降。这个问题我在后面第4章还会展开讲。2.3 什么时空分析方法适配这套数据年度连续、百米栅格、全国覆盖——这三个特征决定了它最适合三类分析方法。第一类是像元级时间序列分析。把每个有效像元沿时间轴抽取出来形成一条长度为37的序列1990–2026。然后可以计算局部趋势斜率、Mann-Kendall检验、突变点检测识别哪些区域的房价在持续上升、哪些区域出现拐点。这类分析在城市内部尺度上完成的话能够精准定位到具体的板块和街区。第二类是时空立方体分析。沿着“每年一个栅格图层”的思路将数据组装成时空体space-time cube再进行新兴时空热点分析Emerging Hot Spot Analysis。传统热点分析只能告诉你在某个时间点哪里贵而新兴时空热点分析能告诉你哪些地方是持续升温型、哪些是时冷时热型、哪些已经冷却。这种区分对理解城市内部的动态分异非常有帮助。第三类是事件冲击评估。带上年度信息后你可以构造准自然实验轨道交通开通、重大基础设施落地、名校挂牌事件发生在某一年前后各截取几年像元数据做倍差法或者合成控制分析。栅格数据天然提供了一组巨大的控制组——相邻街道未受事件影响的像元就是很好的对照组。3. 实操过程从入库到第一张分析图3.1 准备软件与数据整理清单建议准备的内容包括Python环境、QGIS桌面软件以及下面的代码片段。数据方面你需要把每年的GeoTIFF文件统一放到同一个目录下文件名格式最好是“China_HousePrice_YYYY.tif”这样后处理代码可以自动遍历。如果你还没安装Python地理数据处理生态可以直接用Anaconda创建新环境conda create -n geospatial python3.10 -y conda activate geospatial conda install -c conda-forge rasterio geopandas shapely matplotlib xarray netcdf4 -y这套环境的通用性很强后面做栅格处理、矢量叠置、出图都靠得住。QGIS主要是用来做可视化检查和人工目检Python则负责批量统计和建模。两个工具搭配效率最高。3.2 用Python读取栅格和基础统计第一步写一个遍历函数把历年数据读进列表同时输出每个文件的基本信息import os import rasterio import numpy as np import pandas as pd data_dir path/to/your/rasters year_list list(range(1990, 2027)) results [] foryear in year_list: fpath os.path.join(data_dir, fChina_HousePrice_{year}.tif) if not os.path.exists(fpath): continue with rasterio.open(fpath) as src: arr src.read(1) valid arr[arr 0] # 假设0或负数为无效 results.append({ year: year, mean: np.mean(valid), median: np.median(valid), p5: np.percentile(valid, 5), p95: np.percentile(valid, 95), valid_count: len(valid) }) df pd.DataFrame(results) print(df.head())这段代码输出的是全国层面的年度汇总。放在其他分析之前跑一遍能够快速检验数据是否连续、没有某些年份缺漏也能发现价格水平是整体抬升还是突然跳变。如果需要按城市统计就把矢量边界读进来做掩膜提取。import geopandas as gpd city_boundary gpd.read_file(cities.gpkg, layercity) city_boundary city_boundary.to_crs(EPSG:3857) # 与栅格投影一致 with rasterio.open(China_HousePrice_2020.tif) as src: raster_crs src.crs arr src.read(1) profile src.profile # 栅格化边界 from rasterio.features import rasterize city_bounds_gdf city_boundary.geometry mask rasterize( shapescity_bounds_gdf, out_shapearr.shape, transformprofile[transform], fill0, default1, dtypeuint8 ) masked_prices arr[mask 1]我一般还会顺手导出一张“逐年有效像元数量变化”的图表。如果发现1990年只有几千个像元而2020年有几十万不用惊讶那是建成区扩张的结果。后面分析一定要设置有最低有效像元数阈值来过滤早期数据。3.3 三分钟做出城市房价梯度剖面图选一个城市提取该市所有像元计算每个像元到城市主中心点的距离就能画房价梯度剖面。具体流程是确定城市主中心坐标可用市中心地标或老城核心位置计算每个栅格质心到中心点的欧氏距离按距离分箱每公里一箱逐年统计箱内中位数房价按年份画线对比代码示例import numpy as np import xarray as xr import pandas as pd import matplotlib.pyplot asplt center_point (104.06, 30.67) # 示例城市中心实际使用要替换 # 读取单年份并提取中心城区像元 with rasterio.open(China_HousePrice_2020.tif) as src: arr src.read(1) transform src.transform # 所有像元的行列索引 rows, cols np.indices(arr.shape) xs, ys rasterio.transform.xy(transform, rows, cols) xs np.array(xs) ys np.array(ys) distances np.sqrt((xs - center_point[0])**2 (ys - center_point[1])**2) * 111000 # 粗略度-米 valid_mask (arr 0) (distances 50000) # 限制50公里内 dist_bands (distances[valid_mask] / 1000).astype(int) values arr[valid_mask] profile_df pd.DataFrame({distance_km: dist_bands, price: values}) profile_median profile_df.groupby(distance_km)[price].median() plt.plot(profile_median.index, profile_median.values) plt.xlabel(Distance from city center (km)) plt.ylabel(Median house price) plt.title(Urban housing price gradient in 2020) plt.grid(alpha0.3) plt.show()多城市、多年份的剖面图叠在一起就能直观看到城市空间结构的演变。我自己做的时候还会用低通滤波或者局部加权回归LOWESS做平滑去掉个别异常像元的毛刺。4. 常见问题与排查技巧实录4.1 像元值读出来是“乱码”或者特别巨大先别急着怀疑数据坏了按从易到难的顺序排查检查nodata值是否被误认为有效统计值检查坐标单位如果是经纬度EPSG:4326下的“100米分辨率”会以度为单位表示读取时的数值含义完全不同检查像元值的缩放系数。我遇到过一次整个栅格层乘以了0.0001的系数原本是5万元/平米读出来是5需要倒除回去。读取NoData尤其值得注意。很多GeoTIFF用-9999或者0表示无数据区域如果你直接对全图做统计均值会被严重拉低。稳妥做法是valid_arr np.where(arr 0, arr, np.nan)然后所有后续统计一律使用np.nanmean、np.nanmedian这类函数。这样空值就自动跳过了。4.2 不同年份对比时数值“跳变”如果2018年全国均价一万二2019年变成了八千先不要急着下“房价崩了”的结论。大概率是口径变化2019年数据源从“建成区内有效成交像元”扩展到“包含外围新区”而新区房价较低把均值拉下去了。或者2019年做了价格指数平减基准年份变了。排查方法是同时看两个指标全局中位数和有效像元数量。如果中位数没变但平均价大跌基本可以认定是外围低值像元增加导致的。把每年有效像元数量画成柱状图问题一眼就看得出来。如果确认是价格指数重新基准直接按新旧指数的比例把旧年份乘过去即可。升级版本更建议做线性插值让每个年份都在同一指数基准下可比。4.3 行政区划调整对统计的影响这是一个老生常谈但每次都能坑到人的点。你拿到的栅格图层即使完全不随行政区划变动但在“按城市汇总”时仍然受行政边界影响。比如2016年某县撤县设区归入某市后该市的有效像元范围立刻扩大均价被拉低房价时序就出现了“断崖”。解决办法有三条第一使用历史上的实际管辖边界来做历年统计但边界数据极难找全第二直接用2026年边界统一历年统计把扩张区域的早期年份标记为无数据第三只取城市核心区的固定范围做分析比如距市中心30公里以内。我实际最喜欢第三种做法既简单又避开了边界干扰。还要提醒一点城市中心的理解也会变化。有些新城规划之后实际的多中心结构已经成型再用几何中心做梯度就会得到双峰曲线。这时候建议用人口热力或者夜间灯光识别出来的“城市主中心”作为基准。4.4 关于“超分辨率重建”与精度焦虑这几年图像超分辨率重建这个概念很火很多人问能不能把100米房价栅格推升到10米甚至更细分辨率。技术上是可行的比如用GAN或者深度插值模型参考当地街区特征生成更细粒度的房价表面。但我要先泼一盆冷水超分辨率得到的细节是模型“想象”出来的并不是真实交易信息。如果确实需要更细尺度比较稳妥的是辅助数据融合降尺度用地块容积率、建筑密度、POI密度、二手房价挂牌点数据建立统计关系在100米栅格的基础上做空间插值细化到10米。这个方法的精度比纯GAN可信度高很多因为每一步都有真实物理变量约束。顺便提一句热词里提到的分辨率乱象比如“切换分辨率就黑屏”“不同分辨率找字失败”这些虽然是别的领域的经验但放在这里逻辑是一致的——任何分辨率变化都会引入伪信息关键是变化的逻辑必须直接对应于数据生成机制不能单纯为了“好看”去做无约束的放大。5. 应用场景延展这套数据还能做什么5.1 房价-轨道交通效应分析用全样本的百米房价栅格研究地铁对周边房价的影响非常合适。以某条新开通的地铁线为例以站点为圆心做500米、1000米、2000米缓冲区分别提取历年房价栅格像元。再将2000米外、3000米内的像元作为对照组构造面板数据。因为像元位置固定只需要逐年提取非常简单。我在一个二线城市实验过结果很典型地铁从规划到开通不同阶段影响幅度不一样。规划期站点周边500米内房价涨幅最高开通后边际效应递减。距离站点2000米以外的像元则几乎没有显著溢价。如果没有这种栅格类型的数据同样的分析要手工匹配几万个小区成本高得离谱。5.2 城市内部空间分异的长周期测度经典的居住分异指标比如隔离指数通常基于街区尺度的人口与房价计算。但人口数据很难做到逐年更新而房价栅格可以。你可以用“首位度指数”“变异系数”“Moran‘s I局部聚类”等方法逐年刻画分异程度。放大到全国层面还能做城市间的横向对比看哪些城市的分异在加剧哪些城市相对均衡。比如计算每个城市的房价四分位间距/中位数比值IQR/Median作为“内部离散程度”指标然后画出该指标的时间序列。离散程度上升通常意味着城市内部贵的更贵、便宜的更便宜。这比单纯看平均房价更能说明城市空间结构的质变。5.3 与多源社会感知数据交叉栅格房价数据最爽的其实是和别的栅格叠着用。和夜间灯光叠加可以判断灯光亮度与房价在中小城市是否背离识别“有新房没人气”的区域和路网密度叠加可以检验通勤可达性对房价的边际效应和空气质量监测数据叠合可以评估环境溢价。只要保持坐标系和像元大小一致这些分析在代码层面几乎只是np.corrcoef或者回归问题。我还试过和社交媒体签到数据结合把签到密度按同样的100米网格聚合再做空间相关分析能看出商业活力与房价的动态匹配程度。这种跨数据交叉对研究城市功能演化特别有用而你手里的房价栅格就是整个分析的基础坐标系。我个人做下来的经验是这套数据最有价值的部分其实在于“静态网格动态数值”这个组合。只要你不想着去改变它的底层逻辑老老实实把它当作固定观察窗口就能省下大量处理行政边界和口径的时间把精力花在真正的研究问题上。如果后续要做城市间对比不妨先从单城、单年份、单条剖面线开始跑通整个流程再扩大范围。数据是死的人是活的一百米的格子已经给你搭好了足够扎实的舞台剩下的就看你想在上面演一出什么戏了。