简介一份面向地理信息系统从业者、规划研究者及地理数据分析人员的全国行政边界矢量数据包数据覆盖省、市、县三级行政单元采用国家2000坐标系保存为常用的矢量文件格式适用于行政区划可视化、人口密度分析、区域规划与专题制图等场景。压缩包共二十五个文件以shp、shx、dbf为核心矢量文件其中shp存储几何边界、dbf保存行政属性、shx提供索引另含坐标投影、空间索引及元数据等配套文件整体体积六十二点二三兆字节解压后可直接加载至主流地理信息平台使用。目前已有两千二百五十七人学习下载。借助这些数据使用者可快速获取全国各级行政边界轮廓省去手动采集与配准流程专注于缓冲区分析、叠置分析等空间操作并为政府规划、市场调研、资源管理等提供可靠的地理底图支撑。1. 打开这份 RAR 之前先弄明白「国家2000坐标系」在说什么做区域统计分析、专题制图或者任何和省市区有关的可视化项目永远绕不开一个基础图层行政边界。标题里的「2020全国省、市、县行政边界-国家2000坐标系.rar」解压后就是省、市、县三套矢量面数据坐标系标的是国家2000坐标系也就是业内常说的 CGCS20002000 国家大地坐标系。这套坐标系是当前国家大地基准的主流标准国内自然资源、国土空间相关的数据基本都是按它生产你的业务数据、统计口径能不能跟它对齐决定了后面要不要花大力气做坐标转换。我见过太多人拿到这类压缩包后直接解压、拖进软件、开始画图结果要么边界和在线底图偏差几公里要么属性表全是乱码。问题通常不在数据本身而是坐标系、编码、投影这些前置信息没有被确认才在后续环节连环翻车。这篇按我自己处理这套数据的顺序走先验证文件与坐标系再批量转换坐标、修正编码把三个典型坑提前讲清楚最后落到一套可复用的 Python 处理脚本。新手按步骤能跑通熟手可以直接看参数和踩坑记录。2. 解压后先做三件套验证文件结构、字段含义、坐标系定义很多人拿到 .rar 的第一个动作是全选解压然后也不看解出来什么直接在 GIS 软件里拖 .shp。等拖进去发现缺字段、缺坐标才回头找问题。我的习惯是先花三分钟做一次「文件体检」确认三件事Shapefile 组件是否齐全、坐标系到底是什么、属性表里有哪些字段。这一步做扎实后面所有处理都顺。2.1 解压与文件体检Shapefile 一整套文件一个都不能少先说一个容易被忽略的事实Shapefile 不是单文件而是一整套文件的组合。你在资源管理器里看到的「省界.shp」只是主文件真正能用的图层必须同时具备至少四个文件。缺了任何一个轻则软件提示出错重则坐标系和属性表直接丢失。解压后第一件事是核对每个图层是否都带齐四件套。文件后缀作用缺失后果.shp要素几何主文件记录点线面坐标整个图层不可用.shx几何索引配合主文件做读写定位多数软件打开报错或无法顺序访问.dbf属性表存名称、代码、级别等字段图层能显示但没有任何属性可用.prj坐标系 WKT 定义文本坐标系变成未知叠加必然错位.cpg字符编码声明dbf 里的中文很可能被按错误编码解析Linux 或 macOS 下我习惯用 unar 解压它对中文文件名的兼容比 unrar 好解出来不会出现文件名乱码。Windows 下直接图形化解压即可重点看解压结果。mkdir -p ./admin_boundary unar 2020全国省、市、县行政边界-国家2000坐标系.rar -o ./admin_boundary find ./admin_boundary -type f | sort代码说明mkdir -p先建输出目录避免解压器问到一半不知道该写哪unar的-o指定输出目录最后用find列出全部解压文件按路径排序后一眼就能看出每个图层缺不缺 .prj 或 .dbf。如果解出来是三个目录或三组文件省界、市界、县界各一套那结构很清楚如果是一个 shp 里带 LEVEL 字段区分三级后面用按字段过滤的方式拆分即可处理逻辑是相通的。2.2 用 ogrinfo 确认坐标系CGCS2000 地理坐标还是高斯投影标题只写了「国家2000坐标系」但这句话没有说全。CGCS2000 作为基准既可以表达为地理坐标系经纬度单位也可以套上高斯-克吕格投影变成米制坐标。同样是这份边界两种形式都可能在市面上流传而它们的处理方式完全不同。判断依据只有一个.prj 文件里到底写了什么。ogrinfo -ro -so -al ./admin_boundary/省界.shp命令参数说明-ro表示只读打开避免误改数据-so是 summary only只输出图层概要-al表示列出该文件的所有图层无论它内部装了几层。输出结果里两段最关键一段是Layer SRS WKT直接描述坐标系另一段是Extent显示要素的坐标范围。判断口诀如果 WKT 里出现GEOGCS[China Geodetic Coordinate System 2000]这是 CGCS2000 地理坐标系行业内对应 EPSG:4490坐标值是十进制度数如果出现PROJCS[...Gauss-Kruger...]这是投影坐标系坐标值是米。再用 Extent 交叉验证经纬度的范围大致在 73 到 135、3 到 54 之间投影坐标的数值则是六位到七位的米制值。既看 WKT 又看坐标范围基本不会认错。用 QGIS 的话不需要记命令右键图层看「属性—信息」里的 CRS 描述看到的内容一样。这一步很关键。数据是地理坐标还是投影坐标决定了后面叠加底图和算面积的方案完全不同在这里花一分钟确认比之后折腾一小时排错省力得多。2.3 属性表字段解析行政区划代码、名称、级别怎么用边界数据的价值一半在几何另一半在属性表。行政边界不像 POI 数据那么多字段但行政区划代码、名称、级别这三个字段几乎必然出现不同来源的命名略有差异常见的叫法是 PAC、NAME、CLASS 或 LVL。解压后先看一眼字段结构再讨论怎么用。ogrinfo -ro -so -al ./admin_boundary/县界.shp | tail -20说明tail -20是把输出截到最后 20 行因为-so模式下前面的信息是坐标系和范围属性字段列表在最后。看到字段名后注意每个字段的类型名称和代码最好都是字符串型String尤其行政区划代码如果是数值型打开后前导零会被吃掉比如 110101 变成 110101 没问题但某些代码如 110100 这类补零场景会让你统计时抓狂。行政区划代码有个通用规则6 位代码里前 2 位表示省级前 4 位表示地级市完整 6 位表示县级有些数据给的是 12 位代码那前 6 位同样是县级代码后 6 位是乡镇统计扩展。做「每个省下面有多少市」「每个市下面有多少县」这类统计时按代码前缀分组就能实现但要注意直辖市、省直辖县级市和自治州的代码规则不完全一样不能无脑按前缀切。此外名称字段经常带尾随空格之后做属性连接前一定要先strip()这是我踩过的常见细节。3. 让三级边界真正落入项目QGIS 加载、坐标转换与导出验证完数据第二阶段就是转换。这里要解决一个核心矛盾原始数据是 CGCS2000 基准但很多可视化项目、在线地图工具和前后端框架默认的是 WGS84 或 Web 墨卡托。直接拿原始 shp 上项目大概率错位。转换的思路很简单关键是选对目标坐标系以及搞清楚每种转换引入了什么变形。3.1 为什么不能拿原始 SHP 直接做 Web 地图叠加在线底图服务普遍使用 Web 墨卡托投影WGS84 基准对应 EPSG:3857前端地图库也默认按 3857 的瓦片机制工作。原始数据如果停留在 CGCS2000 地理坐标4490直接叠加 Web 底图会发生基准差异和投影变换缺失的双重错位。基准层面CGCS2000 与 WGS84 在椭球定义上存在细微差别反映到平面位置通常是亚米级到米级的偏差城市尺度下足够肉眼可见投影变换缺失则是更大的问题一套经纬度数据不经过投影直接丢进 Web 墨卡托的坐标系框架里在跨图幅拼接时会出现系统性的偏移和缩放异常。还有个容易被忽略的隐患如果 .prj 缺失或软件没有读到坐标系定义QGIS 在拖入图层时会弹出「选择 CRS」对话框。此时手一抖选错成 WGS84整个图层会被按 4326 去解释边界位置直接偏出一大截。转换前先按第 2 章的方法确认源坐标系再根据用途选目标。目标坐标系典型用途说明CGCS2000 地理坐标4490原始存档、入库、数据交换与 WGS84 接近但不等于 4326WGS84 地理坐标4326通用 GIS 处理、GPS 数据对齐很多第三方数据接口最终消费这个Web 墨卡托3857在线底图叠加、前端可视化面积值是失真的只能看不能统计高斯-克吕格 3 度带投影制图、测绘、局部量测跨带数据必须统一带号后再用我的选择习惯是存档用 4490出图用 3857接口交换用 4326。不要只导出一份「能用」的数据最好把原始坐标版本也留着方便日后重新投影。3.2 用 ogr2ogr 批量坐标转换与编码修复QGIS 里有「重投影图层」工具单文件处理很直观。但省、市、县三个图层每次更新都要在菜单里点好几下我一般直接用 ogr2ogr 写脚本跑参数固定换数据源时重跑一遍就行。下面这段脚本的处理逻辑是把三个 shp 从 CGCS2000 地理坐标4490转换成 Web 墨卡托3857同时把属性表编码声明改成 UTF-8。mkdir -p ./out_3857 for f in ./admin_boundary/省界.shp ./admin_boundary/市界.shp ./admin_boundary/县界.shp; do ogr2ogr -overwrite \ -s_srs EPSG:4490 \ -t_srs EPSG:3857 \ -lco ENCODINGUTF-8 \ ./out_3857/$(basename $f) \ $f done参数说明-s_srs声明输入坐标系-t_srs指定输出坐标系两者都写明确了ogrinfo 就不至于在缺少 .prj 时猜错-overwrite允许重复运行脚本时覆盖旧输出-lco ENCODINGUTF-8是最容易被漏掉的一项——它不改变属性内容只是把 dbf 的编码声明写成 UTF-8这一步能解决后面 QGIS 里打开中文属性表乱码的问题。$(basename $f)取原文件名作为输出名保持三个图层命名不变。如果解压出来的数据是投影坐标系例如 3 度带 CGCS2000把-s_srs EPSG:4490改成对应的 CRS 定义再跑不必先转回地理坐标再转 3857直接一次投影更省事。Windows 下没有 bash 的 for 循环语法把命令逐条执行即可但输出和输入路径不要带中文Windows 的代码页经常会在这里制造玄学报错第 4 章专门讲。3.3 转换后怎么验证位置套合、面积量级、层级统计转换完成不等于正确。我的习惯是三层验证位置套合、面积量级、层级统计。先打开 QGIS加载一份在线 XYZ 瓦片底图把转换后的省界叠上去缩放县级尺度看行政边界是否和道路、河流、地名注记对齐。如果整体偏移但方向一致通常是-s_srs写错如果局部形变明显多半是原始数据本身用了投影带被当成地理坐标处理了。面积量级是判断坐标系是否混乱的快速手段。在 QGIS 字段计算器里新建一个字段表达式写area($geometry) / 1000000得到面积单位是平方公里。省界总量级应该和全国陆地面积同一数量级某个省的边界算出来如果是几平方公里那不是数据错了是坐标还是经纬度单位面积公式在投影坐标系下才有意义。还要提醒一句Web 墨卡托3857下算面积是失真的纬度越高虚增越明显真要算面积把数据转到 Albers 等积投影中央经线 105°E、标准纬线 25°N 和 47°N再做结果才可入报表。层级统计最简单也最容易被跳过分别打开三个图层看省界要素数量是否对应当年官方省级行政区数量市界对应地级行政区数量县界对应县级行政区数量。任何一个数量级差出几十个先别急着用回去核对数据版本和字段过滤条件。4. 行政边界数据避坑手册从坐标系错乱到属性乱码这一类「全国边界包」在网上流传很广但流传过程中经常被二次处理坐标系、编码、字段都可能被改过。我把这几年处理类似数据遇到的高频问题整理成几条每条都是「现象 → 原因 → 解决」的结构。这些问题单个看起来都不大凑在一起足够让一个项目卡两三天。4.1 坐标系混用导致的全图偏移现象A 同学把边界拖进项目后发现所有面整体往西北方向平移了几公里县级边界在市区边缘错出明显的一段切换底图后偏移方向还不一样。原因数据实际是 CGCS2000 地理坐标但 QGIS 在图层缺少 .prj 时弹窗让选坐标系A 同学随手选了 WGS844326。两个坐标系虽然基准接近但数据一旦被按错误的基准解释投影转换的起点就错了。更隐蔽的情况是数据本身是高斯-克吕格投影却被当作地理坐标直接叠加这时偏移往往在数百公里量级。解决先回到源头用第 2.2 节的 ogrinfo 确认每个图层的真实坐标系逐个看不要只看一个文件就假设三套数据来源一致。确认后用 ogr2ogr 加-s_srs和-t_srs重新投影命令格式和 3.2 节的脚本完全一样。如果 .prj 真的丢了那就通过坐标值范围反推经纬度在 73/135、3/54 上下投影坐标是五六位数的米制值二选一基本不会错。4.2 属性表中文乱码与行政区划代码统计出错现象属性表里名称字段显示成「锟斤拷」或者一长串单字统计一个市下辖多少个县时数字明显不对查某个县怎么都匹配不上。原因旧版 shp 的 dbf 属性表常用 GBK 编码而 QGIS 和 Python 的 geopandas 默认按 UTF-8 解析读出来自然是乱码。统计出错多半不是编码问题而是代码字段的层级取错拿地级市代码的后两位去匹配县级代码或者 6 位代码被当成 12 位代码截取县域归属天然就对不上。解决QGIS 里右键图层进入数据源设置把编码切到 GBK如果默认是 UTF-8或反过来试一次显示正常就锁定这个编码。命令行场景更省事在 ogr2ogr 转换时加-lco ENCODINGUTF-8一次性把属性表转成 UTF-8。Python 读取时显式指定编码并统一处理代码字段import geopandas as gpd gdf gpd.read_file(县界.shp, encodinggbk) gdf[code6] gdf[PAC].astype(str).str.zfill(12).str[:6] count_by_city gdf.groupby(gdf[code6].str[:4]).size() print(count_by_city)代码逻辑说明zfill(12)先把字符串补足到 12 位防止数字型代码前导零丢失str[:6]取前 6 位得到县级代码再按前 4 位分组就是地级市维度的下辖县数量统计。要注意省直辖县级市和直辖市辖区的父级代码不在市级表里统计结果里出现这类特殊代码是正常的不要当成数据错误直接删掉。4.3 拓扑小缝隙与重叠区域现象用县级边界和市级边界做空间连接部分县匹配不到或者统计人口落到县里所有县的面积加起来比实际国土面积多出一截。把县界放大到邻接处看相邻两个县之间有细条状重叠或空隙。原因不同来源的边界在相邻行政单位的公共边上点位坐标不完全一致。这套 2020 年数据如果分省生产再拼接省与省之间、县与县之间共享边的精度很可能不同还有一种情况是数据包里混入了前后两个版本的区划某两个县当年合并了旧版数据没删干净。解决纯制图场景下细小的拓扑瑕疵不影响视觉不必强行修复强行修反而可能引入新变形。但要做空间计算就得先处理。QGIS 菜单里有「修复几何」工具能自动处理重复点、自相交等结构错误适合快速过一遍。更严格的做法是在 PostGIS 里对齐公共边UPDATE county_boundary c SET geom ST_Snap(c.geom, u.geom, 0.001) FROM (SELECT geom FROM city_boundary) u WHERE ST_Intersects(c.geom, u.geom);这段 SQL 的语义是把每个县级面的几何捕捉到相邻市级面的几何上容差 0.001。注意容差单位取决于当前数据坐标系投影坐标系下是米地理坐标系下是度跑之前确认清楚并且一定要先备份原表。实用层面还有个更稳的策略统计和空间计算尽量用县级数据但需要市级口径时用县级面按代码字段聚合而不是把县级边界和市级边界做面面叠置。这样可以绕开公共边不一致的大部分坑。4.4 中文路径与命令行工具的编码报错现象Windows 下运行 ogr2ogr路径里明明有文件命令却报「无法打开数据源」或者脚本里遍历文件时文件名显示成乱码QGIS 里一切正常一上命令行就翻车。原因GDAL 在 Windows 上处理中文路径时要经历系统代码页与内部 UTF-8 的转码不同版本表现还不一样。这不是数据问题是运行环境的字符集问题属于典型的靠经验才能定位的坑。解决我的固定做法是让数据全程走英文路径。把整个工作目录放在纯英文路径下文件名在入库前统一改成 adm0.shp、adm1.shp、adm2.shp 这类英文名字段名也尽量保持 PAC、NAME 这类英文。路径、文件名、字段名三个维度全部英文化之后Windows 和 Linux 上的命令行行为就完全一致了。数据转换完再改回需要的中文显示名那是展示层的事和数据文件本身无关。这套「英文路径 英文字段 UTF-8 编码」的组合是我处理国内 shp 数据的基本默认配置凡是按这个配置跑的基本没再遇过莫名其妙的编码报错。5. 进阶用 Python 把这套边界变成可复用基础设施走到这一步省、市、县边界已经能正确显示和使用了。但如果每个项目都重新解压、重新转换一次迟早会在某个版本上栽跟头。我习惯把边界处理固化成一段 Python 脚本跑一次就生成一套标准化的基础图层统一字段名、统一坐标系、同时输出 SHP 和 GeoJSON 两种格式。5.1 固化脚本统一字段、双格式输出import geopandas as gpd sources [ (adm0, 省界.shp), (adm1, 市界.shp), (adm2, 县界.shp), ] for key, path in sources: gdf gpd.read_file(path, encodinggbk) # 乱码时改 utf-8 gdf gdf.to_crs(EPSG:4490) # 统一存档坐标系 gdf gdf.rename(columns{ PAC: code, NAME: name, CLASS: level, }) gdf[level] key gdf.to_file(fout/{key}.shp, encodingutf-8) gdf.to_file(fout/{key}.geojson, driverGeoJSON, encodingutf-8)说明读入时先按 GBK 解码乱码就换成 UTF-8 再试三个图层全部统一到 4490 作为存档坐标系字段重命名成 code、name、level之后所有脚本都按这套字段名写不用再迁就不同来源的命名差异最终同时输出 SHP兼容桌面 GIS和 GeoJSON给前端或接口用。这里有个取舍不要为了追求小体积去简化几何边界数据做 Web 端可视化时简化很重要但应该保留一份未简化的原始精度版本简化版在使用侧再单独生成。5.2 验证三板斧层级数量、父级代码、面积量级固化脚本跑完还要自动做三层校验。第一板斧检查每个层级的要素数量是否与官方口径一致第二板斧核对县级代码的父级代码是否都能在市级代码里找到第三板斧用等积投影算面积确认没有重叠或漏面。import geopandas as gpd adm1 gpd.read_file(out/adm1.shp, encodingutf-8) adm2 gpd.read_file(out/adm2.shp, encodingutf-8) parent_codes set(adm1[code].astype(str).str[:4]) bad adm2[~adm2[code].astype(str).str[:4].isin(parent_codes)] print(bad[[code, name]]) adm0_albers gpd.read_file(out/adm0.shp, encodingutf-8).to_crs( projaea lat_125 lat_247 lat_00 lon_0105 x_00 y_00 datumCGCS2000 ) total_area_km2 adm0_albers.geometry.area.sum() / 1_000_000 print(total_area_km2)这段代码里bad输出的那些代码就是父级不在市级列表里的特殊区域多半是直辖市辖区或省直辖县级市单独看一遍确认合理即可别当错误直接删。面积校验用 Albers 等积投影算省界总面积数值应该在 960 万平方公里这个量级附近如果偏差很大说明图层的坐标系定义或者要素本身有问题。这套流程我用了几轮数据更新基本没再为边界数据翻过车希望帮到你。本文还有配套的精品资源点击获取
