简介覆盖城市与农村的重庆市建筑物面数据以shp格式提供建筑面要素及面积、人口等属性信息。数据面向GIS数据分析师、城乡规划研究者与环境工程从业者适用于城市内涝治理、SWMM模型构建、智慧城市与碳中和背景下的下垫面分析也可用于建筑能源建模、城乡空间规划与区域发展趋势评价。资源包共6个文件大小约309.41MB包含shp几何主体、dbf属性表、prj投影定义、shx空间索引、cpg字符编码和xml元数据导入ArcGIS或QGIS即可打开建筑轮廓dbf中记录的面积、人口字段可直接用于查询统计和空间关联分析。目前已有919人浏览学习。整体数据粒度较细用户既能快速获取准确的建筑轮廓底图也可结合人口字段开展灾损评估、不透水面比率计算、屋顶光伏潜力评价或子汇水区划分为内涝模拟与可持续发展相关研究提供可靠的空间数据支撑。1. 一份带面积和人口信息的重庆建筑面 shp先别急着算一份带面积字段、又挂着人口信息的重庆建筑物面数据城市农村 shp 格式在 GIS 项目里属于“想用又不敢直接用”的数据。建筑面要素决定它适合做空间统计底数城市部分能算建成区密度、容积率强度、步行圈覆盖楼栋数农村部分能配合宅基地盘点和空心村分析。面积与人口两个属性同时出现意味着能支撑人均建筑面积、公共设施缺口这类跨口径计算。常见做法是先把坐标系和面积单位校准再按城市/农村分组汇总和分摊最后导出统计表或轻量三维数据。这份数据对做国土空间规划、城市体检、应急评估和 GIS 数据处理的人都有用下面各章把每一步的可复现命令和参数讲透。2. 先读字段和坐标系重庆建筑面数据的面积与人口信息怎么确认口径2.1 打开 shp 前先看 .prj重庆地区该用哪套投影拿到 shp 不要直接拖进软件就算面积。一套 shp 由 .shp、.dbf、.shx、.prj 四个文件组成其中 .prj 记录坐标系。重庆建筑面数据常见两种出处测绘部门成果常是 CGCS2000 高斯 3 度带投影互联网采集或开放平台整理出来的则多为 WGS84 经纬度。前者能直接量算平面面积后者必须先做投影转换否则面积函数返回的是“度平方”数字完全没有现实意义。在 QGIS 里加载后右键图层 → 属性 → 信息面板能看到当前 CRS命令行用 ogrinfo 更快ogrinfo -so chongqing_building.shp chongqing_building-so表示只输出图层概要不遍历全部几何最后的图层名一般等于文件名主体。输出里重点看 Spatial Reference、Feature Count 和字段列表坐标系名里如果出现 3-degree Gauss-Kruger通常可以直接按投影坐标算平面面积如果显示 EPSG:4326后面第 3 章那步投影转换不能省。用文本编辑器直接打开 .prj 也能看到类似PROJCS[CGCS2000 / 3-degree Gauss-Kruger CM 105E]的字符串。重庆东西跨约 5 个经度同一套高斯投影带覆盖不了全境不同区县给的成果可能分属不同带。常见选型见下表坐标系EPSG适用区域面积计算方式CGCS2000 3 度带 CM 105E4546重庆西部区县及主城大部投影平面面积CGCS2000 3 度带 CM 108E4547万州、奉节、巫山等东部区县投影平面面积WGS84 / UTM 48N32648兜底方案东部超 108°E 时改用 32649平面面积WGS 84 经纬度4326只做显示和空间查询不适合直接量算提示如果要做全重庆统一汇总推荐自建一个 Albers 等积投影中央经线取 107°E两条标准纬线取北纬 25° 与 47°面积误差在各区县分布更均匀。CGCS2000 与 WGS84 的椭球差异在几十公里尺度下的平面面积误差约为十万分之一县区级统计可以忽略。若 .prj 缺失先在 QGIS“图层 → 设置图层 CRS”里手动指认不要让软件用默认 4326 硬算。2.2 用 GeoPandas 盘点字段面积、人口、城市/农村到底叫什么名字段名是这份数据里最需要确认的东西。shp 的 dbf 格式字段名最长 10 个字符中文通常被转成拼音或缩写所以不要假设它叫“面积”和“人口”。先跑一段代码把家底盘清楚import geopandas as gpd # encoding 参数对应 .dbf 字符集测绘成果常见 gbk gdf gpd.read_file(chongqing_building.shp, encodingutf-8) print(gdf.crs) print(gdf.shape) print(gdf.columns.tolist()) print(gdf.dtypes) print(gdf.describe())read_file的 encoding 参数控制属性表编码读出来中文是乱码就把 utf-8 换成 gbk 重试。shape给出要素数和字段数columns.tolist()列出全部字段名常见命名有AREA、MJ面积POP、RENKOU人口TYPE、CZNC城镇/农村。describe()会打印数值型字段的 count、min、max人口字段最大值才 20说明是楼栋级最大值上万说明是村级聚合值这个判断第 4 章还要用到。确认无误后再决定是保留原始 shp 还是把清洗结果导出成新的 shp 文件避免在原文件上反复改。2.3 面积字段的两种口径几何面积与属性面积要分开对待属性里的面积未必等于几何面积。常见三种情况一是按投影坐标直接算的平面面积二是 QGIS 中$area按椭球计算的椭球面积三是人工修正口径比如农村图斑扣除了挑出墙体的雨棚部分。判断方法在 QGIS 里选中一个矩形轮廓清晰的楼用测量线工具量长宽相乘再与属性面积对比差 5% 以内说明几何与属性基本一致。另一个容易踩的口径问题是“基底面积 vs 建筑面积”。建筑面要素的几何轮廓是基底占地面积由它决定但人口信息对应的是居住空间高层住宅需要基底乘楼层数才能得到建筑面积。标题里同时给出面积和人口常见处理是把面积字段先当作基底面积再补一个楼层字段折算若数据里没有楼层字段第 4 章的分摊只能用基底面积结果要备注“未含楼层系数”。提示如果 AREA 字段最大值只有几百单位可能不是平方米而是已经换算过的公顷或万平米先统一成平方米再做任何汇总。3. 面积重算与几何修复重庆城市和农村建筑面的量算细节3.1 为什么不能在 WGS84 经纬度下直接算面积前面说 4326 下面算面积没有现实意义这里把数值量级讲透。EPSG:4326 的几何单位是十进制度数几何面积函数返回“平方度”。在北纬 30 度附近1 度经度约 96 公里1 度纬度约 111 公里一个“平方度”接近一万平方公里量级一栋 100 平方米的楼在这个坐标系里算出来是一串不直观的小数既无法换算成真实平方米也不能参与任何统计。常见错误是算完“平方度”后乘一个固定系数修正。这个系数只在某个纬度带成立重庆从江津到城口纬度差近 4 度同一系数跨区县误差会被放大项目验收时经不起抽查。正确做法是先整层重投影到 4546 或 4547再在投影坐标系里算面积。QGIS 中对应操作是“处理工具箱 → 矢量通用 → 重投影图层”目标 CRS 搜索框里直接输 4546GeoPandas 里就是后面代码中的一行to_crs。3.2 用 QGIS 字段计算器重算面积并对比原字段打开属性表 → 字段计算器勾选“创建新字段”字段名填 area_m2类型选浮点数精度 2。表达式填round(area($geometry), 2)area()返回当前工程 CRS 单位下的面积工程 CRS 是投影坐标系时输出就是平方米。算完后新建一个偏差字段round(AREA - area_m2, 2)按偏差字段降序排序把偏差大的要素挑出来逐一看。如果原字段普遍比新算的大 10% 以上检查它是不是建筑面积已含楼层口径如果偏差集中在某个乡镇多半是该区域做过一次边界修正但属性表没有同步更新。做全重庆市汇总时我一般不用area($geometry)而是用$area并在“工程 → 选项 → 坐标与测量”把椭球体设为 GRS 80。$area按椭球计算大地面积对跨分带、跨中央经线的要素比平面面积更接近地表真实值。两种结果的差在重庆主城区通常不到 0.1%但东北、东南边缘县能到 0.5% 以上出报告时要把这个口径写明。3.3 用 GeoPandas 批量检查无效几何并重新算面积从公开渠道整理的建筑面数据几何拓扑问题比预想的多。常见问题是自相交、重复环和零宽度的退化面QGIS 里显示成红色感叹号。批量处理用 GeoPandas 加 shapelyimport geopandas as gpd from shapely.validation import make_valid gdf gpd.read_file(chongqing_building.shp, encodinggbk) gdf gdf.to_crs(4546) # 按数据位置选用 4546 或 4547 before gdf.geometry.is_valid print(finvalid: {before.sum()} / {len(gdf)}) # 只修无效要素避免整层重写 mask ~before gdf.loc[mask, geometry] gdf.loc[mask, geometry].apply(make_valid) # 重算面积单位平方米 gdf[area_m2] gdf.geometry.area print(gdf[area_m2].describe()) # 按城市/农村字段分组汇总换算成平方千米 summary gdf.groupby(TYPE)[area_m2].agg([sum, count]) summary[sum_km2] summary[sum] / 1e6 print(summary)is_valid判断每个几何的拓扑有效性返回布尔序列make_valid来自 shapely.validation会把自相交面拆成多个合法面理论上修复后面积会略有变化。只对无效要素做修复可以保留其余几何原样不动。groupby(TYPE)假设 TYPE 是城市/农村分类字段如果它是 0/1 编码先跑一遍value_counts(dropnaFalse)看分布再分组。3.3.1 修复后面积异常的三个排查方向修复后结果与原字段对不上号时从三个方向排查。其一修复后面积极小或为 0说明几何退化成了线或点这类要素用gdf[gdf.geometry.area 0]筛出来按原始属性决定删除还是保留占位。其二出现面积超过 10 万平方米的“楼”多半是多部件几何里混入了宗地边界或自然村落的残留面按面积分位数把尾部切掉。其三修复后面积普遍比原字段小一截回到 2.3 节说的口径问题原字段很可能是建筑面积几何面积只是基底两者本来就不该相等。4. 城市与农村划分、人口信息粒度与面积加权分摊4.1 先判读 TYPE 字段城市/农村分类的三种常见编码城市/农村分类字段看起来简单实际拿到手常见三种编码字符型“城”“乡”或 C/R、整数型1/2以及国土空间用地分类码110 城镇住宅、203 村庄等。先看分布再动手print(gdf[TYPE].value_counts(dropnaFalse))输出里要特别留意 NaN。空值建筑往往来自卫星影像自动解译时的漏标处理时不要直接填成“城市”。常见做法是用区县级行政区划 shp 做空间连接落在城镇开发边界或街道辖区内的空值补“城市”其余补“农村”。QGIS 里的“按位置连接属性”工具可以完成这一步GeoPandas 用sjoin。各类取值怎么处理按下表来取值样例含义建议处理城 / 乡直接可读无需转换1 / 2常见于土地调查数据建字典映射为城市/农村110、202、203 等国土空间用地分类码按二级类映射归类空值漏分类或混入非建筑要素空间连接补齐仍缺失则剔除4.2 人口信息粒度体检楼栋级还是村级决定后续算法标题里的“人口信息”可能是楼栋级每栋建筑一个估算常住人口也可能是乡镇或村社级每个村一个总量通过行政区代码挂接。两种数据的用法完全不同先做粒度体检。看describe()的 max楼栋级的 max 一般只有几十村级总量会上千上万。再把人口按 TYPE 分组求和与统计年鉴的区县常住人口对比数量级吻合的是村级数据分摊下来的逐栋有值且总量级对得上的才是楼栋级。还要检查有没有行政区代码字段比如 XZQH、XZQHC。有它才能安全做关联否则只能靠空间位置判断归属。村级人口挂接的代码长这样import pandas as pd # pop_table 需包含 code 与 pop 两列 pop_table pd.read_csv(village_pop.csv, dtype{code: str}) gdf[XZQH] gdf[XZQH].astype(str) merged gdf.merge(pop_table, left_onXZQH, right_oncode, howleft) print(merged[pop].isna().sum())merge的 left_on 对应建筑面里的行政区代码right_on 对应人口表里的代码字段用 howleft 保留全部建筑要素。合并后出现空值说明有楼栋落在了没有人口统计的飞地或开发区后续计算按 NaN 保留不要直接fillna(0)不然会让有值区域的分摊比例失真。4.3 用面积加权把村级人口分摊到建筑面并验证总量当人口只在村级时分摊的前提假设是“同一村里人均居住面积相近”。城市楼房用基底面积直接分摊不合理要尽量折算成建筑面积农村独栋农房则可以直接用基底面积。折算与分摊代码如下# 有效居住面积农村用基底城市按楼层折算 if FLOOR in merged.columns: merged[eff_area] merged.apply( lambda r: r[area_m2] * r[FLOOR] if r[TYPE] 城 else r[area_m2], axis1, ) else: merged[eff_area] merged[area_m2] # 村内面积占比 merged[share] merged.groupby(XZQH)[eff_area].transform( lambda s: s / s.sum() ) # 楼栋人口估算 村级总人口 × 面积占比 merged[pop_est] merged[share] * merged[pop]groupby(XZQH)[eff_area].transform把每个村内部的 eff_area 归一化到 0 到 1得到每栋楼在该村内的面积占比pop_est是占比乘村级总人口量纲是“人/栋”。这一步的假设是人口密度在村内均匀农村空心村和城市老旧小区会偏低或偏高结果只能用于总量级评估不能当作单栋实测值。做完后验证merged.groupby(XZQH)[pop_est].sum()应该能还原回村级总量再把全市 pop_est 求和与七普常住人口对比偏差在 20% 以内说明口径可用超过则回查楼层字段是否缺失。5. 三招收尾shp 转 txt、只保留外边界线、为 3dtiles 做预处理5.1 shp 转 txt / CSV把属性与坐标导出来做统计数据清洗完下一步通常是出统计表或入数仓。shp 转 CSV 时最容易翻车的是编码和坐标ogr2ogr -f CSV chongqing_building.csv chongqing_building.shp \ -t_srs EPSG:4326 -lco GEOMETRYAS_XY \ -lco WRITE_BOMYES -lco ENCODINGUTF-8-t_srs EPSG:4326先把坐标转成经纬度否则 AS_XY 导出的是投影坐标下的 X/Y单独拿出去对不上地图底图WRITE_BOMYES让 Excel 打开 UTF-8 文件不乱码ENCODINGUTF-8覆盖属性字符集。只想导人口和面积时加-select AREA,POP,TYPE减少体积。反过来如果手里是 Excel 经纬度表要生成 shpQGIS“添加分隔文本图层”直接导入再导出即可没必要在 ArcMap 里绕一圈。5.2 只保留外边界线从建筑面提取组团轮廓建筑面数据做展示时经常只要轮廓线。单栋建筑用 QGIS“提取边界”工具即可如果想把一个村或街道的所有建筑合并成一个组团轮廓需要先融合再取外环PostGIS 写法如下SELECT XZQH, ST_ExteriorRing((ST_Dump(ST_Union(geom))).geom) AS boundary FROM buildings GROUP BY XZQH;ST_Union先做拓扑合并内部共边会消掉ST_Dump把合并后的多部件拆成单个连通块ST_ExteriorRing只取外环得到的就是边界线。几十万栋建筑直接 Union 会非常慢先用 XZQH 分组控制数据规模。这一步产出的轮廓线可以用于制图晕边、计算建成区形状指标也可以转成 KML 在移动端核对。5.3 为 shp 转 3dtiles 做预处理建筑面数据是三维白模的常见底料。转 3dtiles 前先保证几何有效、坐标系统一再转 WGS84 经纬度ogr2ogr -f GeoJSON chongqing_building.geojson chongqing_building.shp \ -t_srs EPSG:4326 -lco RFC7946NOGeoJSON 对坐标精度默认保留有限位数多边形坐标保留 7 位小数对应厘米级误差做白模足够RFC7946NO是为了避免某些转换工具强制改写坐标轴方向这个开关在调试别的地市数据时能少踩坑。转出的 GeoJSON 配高度字段或楼层字段拉伸成体块再进入三维管线生成 3dtiles。收尾验证加载进场景后随机挑 10 栋楼对比影像底图的位置和轮廓重合度偏差超过一个楼宽就回头查坐标转换那一步而不是怀疑渲染引擎。本文还有配套的精品资源点击获取