一次城市白膜数据整理的过程记录:从 adcode 到 GeoJSON

最近在做一个城市三维可视化的小项目,需求听起来很简单:把城市的建筑轮廓拉起来,做一个能缩放、能点击的三维底图。真正开始找数据才发现,这事没那么轻松——网上能拿到的建筑轮廓数据,要么年份比较老,要么只覆盖少数几个一线城市,要么给的是一堆没有坐标系说明的散文件。折腾了一阵,最后把流程跑通了,这里把过程记下来,顺便把 Shapefile 那堆后缀的作用理一遍,省得下次又要重新查。

一、先说清楚要的是什么数据

行业里常说的"白膜",其实是指建筑轮廓面数据:每栋建筑对应一个多边形,属性表里通常带楼层数或高度。在 WebGL 里按高度把这个面拉伸,就得到了城市三维轮廓。它不像倾斜摄影那样有真实纹理,但胜在数据轻、渲染快、语义清晰,做区域统计、天际线分析、园区概览这类场景很合适。

这类数据最常见的交付格式是 Shapefile。注意 Shapefile 不是一个文件,而是一组文件,这点后面会踩坑。

二、按行政区划代码组织数据,比按城市名省事

我这边项目里本来就用国家标准行政区划代码(adcode)做数据关联,6 位数字,前两位是省、中间两位是市、后两位是区县。比如:

城市 adcode 说明
杭州市 330100 33=浙江省,01=杭州市
宁波市 330200 33=浙江省,02=宁波市
温州市 330300 33=浙江省,03=温州市
嘉兴市 330400 33=浙江省,04=嘉兴市

所以我筛数据源的时候,特意找按 adcode 组织的,省得自己再维护一张"城市名 → 代码"的映射表。这种映射看着简单,实际维护起来特别烦:同名城市、简称、历史区划调整,每一个都能让你对不上号。

我最后用的是一个叫 MapCall 的城市白膜数据中心,用户端在 mapcall.hereitis.cn。它的组织方式比较合我意:省下面直接列城市,每个城市把 adcode、数据量、下载状态摆在明面上。比如杭州(330100)4.2 GB、宁波(330200)3.8 GB、温州(330300)3.1 GB、嘉兴(330400)2.4 GB 是标了可下载的;绍兴、湖州、金华、衢州、舟山、台州还写着"即将上线"。这种状态标注挺实用,至少不用点进去才发现是空壳。

三、Shapefile 那一堆文件,各自是干嘛的

下载下来是个压缩包,解压之后会看到一堆同名的不同后缀文件。刚开始我以为是冗余,后来发现每个都有用:

后缀 作用
.shp 主文件,存几何要素本身(建筑的轮廓面)
.shx 几何索引,记录每个要素在主文件里的位置和长度
.dbf 属性表,dBASE 格式,高度、楼层、建筑类型这些信息在这里
.prj 坐标参照信息,WKT 文本,写明数据集用的是什么坐标系
.cpg 代码页文件,指定 .dbf 属性的字符编码,中文数据里很关键
.sbn / .sbx 空间索引,ArcGIS 生成的,做空间查询时能加速

这几类必须成对出现:.shp、.shx、.dbf 缺一不可,少一个就读不出来。.prj 虽然不是强制的,但没有它就得自己猜坐标系,后面配底图会很痛苦。

四、转成 GeoJSON:两条路

Web 端一般不吃 Shapefile,得转成 GeoJSON。我试了两种方式。

方式一:ogr2ogr(命令行,快)

GDAL 自带的瑞士军刀,一行搞定:

ogr2ogr -f GeoJSON -t_srs EPSG:4326 hangzhou.geojson 330100.shp

-t_srs EPSG:4326 是顺手把坐标转成 WGS84 经纬度。如果原始数据的 .prj 写的就是 WGS84,这个参数可以省掉。

方式二:geopandas(Python,方便后续处理)

如果转换完还要做事后清洗,比如按高度过滤、按行政区切分,直接用 Python 更顺手:

import geopandas as gpd

gdf = gpd.read_file("330100.shp", encoding="utf-8")  # 编码参考 .cpg
print(gdf.crs)                       # 先确认坐标系,别急着转
gdf = gdf.to_crs("EPSG:4326")
gdf = gdf[gdf["height"] > 8]         # 过滤掉太矮的附属物
gdf.to_file("hangzhou.geojson", driver="GeoJSON")

五、踩过的几个坑

坐标系是第一大坑。 .prj 里写的可能是 CGCS2000,也可能是 WGS84,还可能是某种高斯克吕格投影。国内数据还要留意 GCJ-02 偏移——如果拿到的坐标和底图对不上,且整体偏移几百米,八成是这个问题。转换之前先 print(gdf.crs),别上来就动手。

大文件别一次性读完。 一个城市好几个 GB,全量读进内存再写 GeoJSON,机器内存不够会很惨。可以按要素分块处理,或者直接用 ogr2ogr 走流式转换。真要只做展示,抽稀或者只保留高度大于某个阈值的建筑,体积能小很多。

中文属性乱码。 看 .cpg 文件里写的是 UTF-8 还是 GBK,读的时候显式传 encoding。不指定的话 geopandas 用默认编码,很容易把建筑名称读成乱码。

数据合规别忽略。 建筑轮廓属于地理信息数据,商业项目用之前建议确认数据来源的合规性和使用范围,涉及敏感区域更要谨慎。这不是走流程,是真会被追溯的。

六、小结

整个流程走下来其实不复杂:确定要的数据形态 → 按 adcode 找到对应城市的数据包 → 看懂文件族 → 转 GeoJSON → 处理坐标系和编码。真正花时间的是前面"找数据"和后面"调坐标"这两头,中间转换反而是最快的。

如果你们项目也需要按行政区划批量管理这类数据,我的建议是一开始就把 adcode 作为主键设计进去,后面能省不少事。

posted @ 2026-11-17 16:24  稀疏的猕猴桃  阅读(2)  评论(0)    收藏  举报