企业官网建设流程全解析

简介：这份资源是中国人口密度公里格网栅格数据包，面向地理信息系统分析、城市规划、人口研究与社会科学领域的从业者和学生，用于识别人口密集区与稀疏区、支撑公共服务布局与生态承载力评估等空间分析场景。压缩包共240个文件，约60.58MB，以shp、dbf、prj、shx、cpg等Shapefile配套文件为主，另有adf栅格文件与xml元数据，覆盖矢量边界、属性表、投影信息与栅格像元值，可直接导入ArcGIS、QGIS等软件使用。目前已有2732人学习下载。数据以1平方公里格网组织，每个像元对应人口密度值，便于进行空间查询、叠加分析与可视化渲染，读者可据此绘制人口分布专题图、开展城乡差异与人口迁移趋势研究，或作为政策制定与科研建模的基础数据，省去自行清洗与格式转换的环节。

1. 中国人口密度公里格网栅格数据：从压缩包到可分析图层的落地路径

拿到「中国人口密度公里格网栅格数据.zip」这个压缩包时，多数人的第一反应是解压、拖进 GIS 软件、出图。但真正做过空间分析的人都知道，从压缩包到能参与建模的图层，中间隔着坐标系、无效值、量纲和分辨率匹配四道坎。这份数据本质上是把全国人口按 1km×1km 网格做面积加权分配后形成的栅格表面，每个像元值代表该平方公里内的人口数，单位通常是人/km²。它能解决的核心问题是：当你手头只有行政区划级别的统计人口，却需要做站点选址、资源可达性、环境暴露评估这类需要连续空间粒度的工作时，公里格网就是最直接的底图。适合谁用？做城乡规划、公共卫生、物流选址、遥感反演验证的从业者，以及需要把人口作为协变量接入机器学习模型的数据工程师。这篇笔记按「先搞懂数据长什么样、再跑通读取与裁剪、最后处理坑」的顺序展开，每一步都给出可复现的命令和参数。

2. 公里格网人口数据的结构、量纲与坐标系：先看清再动手

2.1 栅格值到底代表什么：密度还是总量

很多人第一次打开这类数据，看到像元值在几百到几万之间，会误以为是该网格的总人口。实际上公里格网人口数据的标准做法是密度值，即人/km²。因为 1km×1km 的网格面积恰好是 1km²，所以密度值在数值上等于该网格的总人口，这也是公里格网被广泛采用的原因——密度和总量在数值上统一了。但要注意，如果数据经过了投影变换或重采样，网格面积不再是精确的 1km²，这个等价关系就会失效。判断方法很简单：找一个已知人口约 10 万的乡镇，看覆盖它的网格像元值之和是否接近 10 万。如果差了一个数量级，说明你拿到的可能是总量栅格而非密度栅格。

常见做法是先用 GDAL 读取元数据，确认像元大小和坐标参考。下面这段 Python 用 rasterio 打开数据，打印关键信息：

import rasterio import numpy as np # 打开压缩包解压后的 tif 文件 with rasterio.open("china_pop_1km.tif") as src: print("CRS:", src.crs) # 坐标参考系 print("分辨率:", src.res) # 像元大小，单位与 CRS 一致 print("行列数:", src.height, src.width) print("波段数:", src.count) print("无效值:", src.nodata) # 读取第一波段 arr = src.read(1) # 统计有效像元的分布 valid = arr[arr != src.nodata] if src.nodata is not None else arr.ravel() print("有效像元数:", valid.size) print("像元值范围:", valid.min(), valid.max()) print("像元值均值:", valid.mean())

逻辑说明：src.res返回的像元大小单位取决于 CRS。如果 CRS 是地理坐标系（如 EPSG:4326），单位是度，1km 约等于 0.0083 度；如果是投影坐标系（如 Albers 等积投影），单位是米，像元大小应接近 1000。参数上，src.nodata可能是 -9999、-3.4e38 或 None，这直接决定后续统计是否会把无效值算进去。我一般会先跑一遍这段，把 CRS、分辨率、无效值三个信息记下来，再决定要不要重投影。

2.2 坐标系选择：为什么等积投影不能省

地理坐标系下的栅格，每个像元的实际面积随纬度变化。在中国范围内，纬度从 18°N 到 53°N，1km×1km 的网格在高纬度地区的实际面积会明显缩小。如果你直接用 EPSG:4326 的数据做面积统计或密度计算，北方地区的人口会被系统性低估。正确做法是转到等积投影，国内常用 Albers 等积投影，参数为中央经线 105°E、双标准纬线 25°N 和 47°N。用 gdalwarp 重投影的命令如下：

gdalwarp -t_srs "+proj=aea +lat_1=25 +lat_2=47 +lat_0=0 +lon_0=105 +datum=WGS84 +units=m" \ -tr 1000 1000 \ -r bilinear \ -srcnodata -9999 -dstnodata -9999 \ china_pop_1km.tif china_pop_1km_albers.tif

参数说明：-t_srs指定目标投影，这里用 PROJ 字符串写 Albers；-tr 1000 1000强制输出像元为 1000m×1000m，保证网格面积精确为 1km²；-r bilinear是重采样方法，人口密度属于连续表面，双线性比最近邻更平滑，但如果你的分析要求总量守恒，应改用-r sum并配合面积权重，这一点后面避坑章节会展开。-srcnodata和-dstnodata保持一致，避免无效值在重采样时被当成真实值参与计算。

2.3 数据分块与压缩包内的文件组织

这类压缩包通常包含一个主 tif 文件，外加 .tfw 世界文件、.prj 投影文件、.aux.xml 辅助文件，有时还有一份 readme 或元数据 xml。解压后先确认文件是否齐全，尤其是 .prj 缺失时，GDAL 会无法识别 CRS，读出来是 None。如果压缩包内按省份或年份分了多个 tif，建议先用 Python 批量检查每个文件的 CRS 和分辨率是否一致，不一致的先统一再合并。合并用 gdal_merge 或 rasterio 的 merge 都可以，但要注意合并前所有文件的 nodata 值必须相同，否则无效值会污染拼接结果。

3. 用 Python 跑通读取、裁剪与分区统计的最小流程

3.1 按行政区裁剪：mask 与 clip 的差别

拿到全国数据后，绝大多数分析只需要一个省或一个流域。裁剪有两种思路：一是用矢量边界做 mask，保留边界内像元，边界外设为 nodata；二是用矩形范围做 clip，速度快但不精确。做人口统计必须用 mask，否则边界外的像元会被错误计入。下面用 rasterio 的 mask 功能按矢量边界裁剪：

import geopandas as gpd import rasterio from rasterio.mask import mask # 读取行政区矢量，确保与栅格 CRS 一致 gdf = gpd.read_file("boundary.shp") with rasterio.open("china_pop_1km_albers.tif") as src: gdf = gdf.to_crs(src.crs) # 矢量转到栅格坐标系 geoms = [geom for geom in gdf.geometry] # 裁剪，crop=True 会缩小输出范围 out_image, out_transform = mask(src, geoms, crop=True, nodata=-9999) out_meta = src.meta.copy() out_meta.update({ "height": out_image.shape[1], "width": out_image.shape[2], "transform": out_transform, "nodata": -9999 }) # 写出裁剪结果 with rasterio.open("province_pop.tif", "w", **out_meta) as dest: dest.write(out_image)

逻辑说明：mask函数返回裁剪后的数组和新的仿射变换。crop=True会把输出范围收缩到矢量边界的外接矩形，减少文件体积。参数nodata=-9999要和你原始数据的 nodata 一致，否则边界外像元会保留原值。注意gdf.to_crs(src.crs)这一步不能省，矢量和栅格 CRS 不一致时 mask 会报错或产生错位。

3.2 分区统计：用 zonal stats 算每个县的人口

裁剪出省份后，下一步往往是按县统计人口总量。因为像元值是密度，每个像元面积是 1km²，所以直接对县边界内的像元值求和就是该县总人口。用 rasterstats 可以一行搞定：

from rasterstats import zonal_stats # 按县矢量统计人口总和 stats = zonal_stats( "county.shp", "province_pop.tif", stats=["sum", "mean", "count"], nodata=-9999, geojson_out=False ) # stats 是一个列表，每个元素对应一个县 for i, s in enumerate(stats[:5]): print(f"县 {i}: 总人口={s['sum']:.0f}, 均值={s['mean']:.1f}, 有效像元={s['count']}")

参数说明：stats=["sum","mean","count"]分别返回总和、均值和有效像元数。nodata=-9999告诉 rasterstats 忽略无效值。count是参与统计的像元数，如果某个县的 count 为 0，说明该县边界与栅格没有重叠，通常是 CRS 不一致或边界文件有问题。这里 sum 的单位是人，因为密度×面积（1km²）=总量。如果之前重采样改变了像元面积，sum 就不再等于总人口，需要乘以实际像元面积。

3.3 把栅格转成表格接入机器学习流程

做选址模型或回归分析时，往往需要把栅格值提取到点或面上。用 rasterio 的 sample 可以批量提取点位人口密度：

import rasterio import pandas as pd # 读取点位数据 points = pd.read_csv("sites.csv") # 含 lon, lat 列 coords = list(zip(points["lon"], points["lat"])) with rasterio.open("china_pop_1km_albers.tif") as src: # 如果点位是经纬度，需要先转到栅格 CRS from pyproj import Transformer transformer = Transformer.from_crs("EPSG:4326", src.crs, always_xy=True) coords_proj = [transformer.transform(lon, lat) for lon, lat in coords] # 采样 values = [v[0] for v in src.sample(coords_proj)] points["pop_density"] = values points.to_csv("sites_with_pop.csv", index=False)

逻辑说明：src.sample接收投影后的坐标列表，返回每个点的像元值。如果点位本身已经是投影坐标，跳过 Transformer 那一步。参数上，always_xy=True保证经纬度顺序是 lon, lat，避免 x/y 颠倒。采样得到的值是密度，如果模型需要总量，还得结合点位所在网格的面积，但公里格网下面积就是 1km²，直接用密度即可。

4. 避坑与排查：公里格网人口数据最常见的五个翻车点

4.1 无效值被当成真实人口参与统计

现象：某个县统计出来的人口比实际多了几十万，或者全国求和后远超官方总人口。原因：数据中的 nodata 可能是 -9999，但你在统计时没有排除，负值被计入求和，或者 nodata 被设成了 0，而 0 在人口密度里是合法值（无人区），导致无法区分。解决：先用src.nodata确认无效值标记，统计时显式传入nodata参数。如果 nodata 是 0 且你确定无人区也用 0 表示，那就要接受这个模糊性，或者用掩膜矢量排除水域和无人区。

4.2 重采样后总量不守恒

现象：重投影到 Albers 后，全省人口总和比原始数据少了或多了百分之几。原因：双线性重采样是加权平均，不保证总量守恒；最近邻虽然保总量但会引入块状伪影。解决：如果分析目标是总量，用-r sum重采样，并确保输出像元面积与输入一致；如果目标是密度表面，双线性可以接受，但要在报告中说明总量可能有微小偏差。我一般会在重投影后跑一遍分区统计，和官方统计对一下，偏差超过 2% 就回去检查参数。

4.3 矢量与栅格 CRS 不一致导致裁剪错位

现象：裁剪出来的省界和栅格上的实际边界对不上，整体偏移几百米到几公里。原因：矢量是 EPSG:4326，栅格是 Albers，直接 mask 时 GDAL 不会自动转换，而是按数值强行套用。解决：裁剪前统一用to_crs把矢量转到栅格 CRS。如果矢量没有 CRS 定义，先用set_crs指定，再转换。这个坑在跨省分析时尤其常见，因为不同来源的矢量 CRS 可能不同。

4.4 压缩包内文件缺失 .prj 导致 CRS 丢失

现象：rasterio 打开文件后src.crs返回 None，后续所有投影操作报错。原因：压缩包在打包时漏掉了 .prj 文件，或者解压工具没有正确释放隐藏文件。解决：如果知道数据来源，手动指定 CRS，用rasterio.open的crs参数或 gdal_edit 补上。不确定来源时，用数据范围反推：中国范围经度 73°E-135°E，纬度 18°N-53°N，如果像元值范围对应这个经纬度，大概率是 EPSG:4326。

4.5 像元值量纲误判导致模型输入偏差

现象：把密度值直接当成总人口输入回归模型，系数解释完全错误。原因：没有确认像元面积是否为 1km²，或者数据本身是总量栅格而非密度栅格。解决：用src.res确认像元大小，如果是 1000m 且 CRS 是投影坐标系，面积就是 1km²，密度等于总量；如果是 500m，面积是 0.25km²，总量等于密度×0.25。最稳妥的办法是找一个已知总人口的行政区，用分区统计求和，和官方数据对比，反推量纲。

5. 进阶技巧：用多分辨率金字塔和分区并行加速全国分析

全国公里格网数据量不小，一个波段约 1.5 亿像元，直接全量读取做分区统计会吃满内存。我一般会先建金字塔，再按省并行。建金字塔用 gdaladdo：

gdaladdo -r average --config COMPRESS_OVERVIEW DEFLATE china_pop_1km_albers.tif 2 4 8 16 32

参数说明：-r average对密度数据用平均值降采样，保持密度语义；2 4 8 16 32是金字塔层级，对应 2×2、4×4 等聚合。建完金字塔后，缩放浏览和低精度统计会快很多。并行分区统计可以用 Python 的 multiprocessing，按省拆分矢量，每个进程独立读取栅格窗口。注意 rasterio 的多进程要每个进程单独 open，不能共享句柄。我习惯把全国数据按省预裁剪成小文件，再并行跑 zonal_stats，这样单省内存占用可控，整体速度比单进程快 4 到 6 倍。最后提醒一句：所有统计结果落地前，务必和官方行政区人口对一遍，偏差超过 5% 就回去查 nodata 和重采样参数。希望帮到你。

本文还有配套的精品资源，点击获取