企业官网建设流程全解析

简介：本资源是面向GIS从业者与空间分析学习者的ArcGIS工具箱，用于在ArcGIS中快速生成正六边形渔网（蜂窝图），解决传统渔网工具只能生成矩形网格、难以满足蜂窝状采样与空间统计需求的问题。压缩包共83个文件，约889KB，包含tbx工具箱、lyr图层文件、mxd地图文档、py脚本以及配套的gdb地理数据库文件（gdbtable、gdbtablx、gdbindexes、atx索引等），结构完整，解压后可直接加载使用。使用时只需双击工具箱，输入研究区范围与正六边形边长即可完成生成，支持ArcGIS 10.2及以上版本，永久可用。目前已有363人学习下载，适合从事城市分析、生态评估、格网采样等工作的初、中级用户，可帮助快速构建蜂窝状空间单元，提升空间统计与制图效率。

1. 六边形渔网为什么比方格网更适合做空间聚合

做过城市POI聚合、格网统计或者生态样方采样的同行，大概率都遇到过同一个尴尬：用 ArcGIS 自带的 Create Fishnet 生成的是正方形格网，可一旦把点数据往里一丢，边缘效应立刻显现——同一个商圈被切成四块，相邻格子的统计值忽高忽低，做热力图时还会出现明显的棋盘状伪影。六边形渔网（蜂窝图）就是冲着这个问题来的。正六边形在平面上等距铺展时，每个单元到相邻单元的中心距离完全一致，没有正方形那种「对角邻居比正交邻居远 1.414 倍」的各向异性，所以做密度、可达性、邻域平滑时更接近真实的空间连续场。ArcGIS 本身没有一键生成蜂窝图的按钮，但用 fishnet 加几何变换、或者直接走 ArcPy 脚本，都能把它做成一个可复用的工具箱。这篇就按我实际交付过的做法，把工具箱从参数设计到脚本落地讲透，适合已经会用 ArcMap 或 ArcGIS Pro 基础工具、想把它固化成批量生产能力的从业者。

2. 蜂窝渔网工具箱的三种实现路线与选型

2.1 先想清楚：你要的是「视觉蜂窝」还是「统计单元」

很多人第一次做六边形渔网，是被底图上的蜂窝效果吸引，但真正决定实现方式的，是用途。如果只是出图好看，用符号系统把正方形格网渲染成六边形标记就行，数据本身还是方的；但如果你要做空间聚合、邻域分析、格网统计，那单元几何必须真的是正六边形，否则后续的 Spatial Join、Zonal Statistics 全都会带着方格网的偏差。

我一般把需求分成三类：第一类是纯可视化，第二类是点/面数据的聚合统计，第三类是作为采样单元或分析单元参与建模。第一类不碰几何，第二、三类必须生成真实六边形面。工具箱要覆盖的是后两类，因为第一类用不着工具箱。

真实六边形的生成，在 ArcGIS 体系里有三条常见路线，各有适用边界。

第一条是「Fishnet + 几何旋转」。先用 Create Fishnet 生成一个覆盖范围的正方形格网，然后对每个格子做旋转和偏移，拼出六边形。这条路的问题在于，正方形格网的行列间距和六边形的边长之间存在 √3 关系，手工调参很容易错位，而且旋转后的面之间会有缝隙或重叠，做叠加分析时会出现大量 sliver 多边形。除非你只是要个大概形状，否则不推荐。

第二条是「ArcPy 直接构造六边形几何」。用 arcpy.Polygon 按数学公式逐个生成六边形的顶点环，再写入要素类。这条路最干净，几何精度完全可控，不依赖任何中间格网，也不会有缝隙。缺点是脚本要自己写顶点计算，对不熟悉六边形几何的人有点门槛。工具箱的核心价值就在这里——把公式封装好，用户只填范围和边长。

第三条是「借助第三方库生成后导入」。比如用 Python 的 h3 库或者 shapely 生成六边形，再通过 arcpy 转成要素类。h3 是 Uber 开源的六边形层级索引，适合做全球尺度的聚合，但它的六边形是球面投影下的，和 ArcGIS 平面坐标系的六边形不完全一致，做本地高精度分析时会有形变。shapely 生成的是平面六边形，导入 ArcGIS 没问题，但多了一层依赖，部署到别人的机器上容易翻车。

我最终选的是第二条路线，纯 ArcPy 构造。理由很简单：不引入外部依赖，几何可控，参数少，容易做成工具箱里的脚本工具。下面把这条路线拆开讲。

2.2 六边形几何的数学关系：边长、行距、列距怎么定

在动手写脚本之前，必须把六边形的铺展参数搞清楚，否则生成出来的蜂窝要么重叠，要么有缝。正六边形有两种常见朝向：尖顶朝上（pointy-top）和平顶朝上（flat-top）。ArcGIS 里做渔网，我一般用平顶朝上，因为它的行是水平的，和常规地图的阅读习惯一致。

平顶六边形的关键参数是边长 s（也就是外接圆半径）。它的宽度（左右顶点之间的距离）是 2s，高度（上下边之间的距离）是 √3·s。当多个六边形铺展时，同一行内相邻六边形的中心水平距离是 1.5s，相邻两行的中心垂直距离是 √3·s，而奇数行要水平偏移 1.5s 的一半，也就是 0.75s。这三个数字——1.5s、√3·s、0.75s——是整个生成逻辑的骨架，记错了就会错位。

举个具体例子：如果边长 s = 100 米，那么同一行相邻中心距 150 米，行距约 173.2 米，奇数行偏移 75 米。覆盖一个 1 公里 × 1 公里的范围，大约需要 7 列 × 6 行，总共 40 多个六边形。这个量级用脚本生成是毫秒级的，不用担心性能。

提示：如果你的分析范围跨越多个 UTM 带，建议先投影到以范围中心为原点的自定义投影，否则六边形在不同纬度上的实际面积会有差异。

2.3 用 ArcPy 构造六边形要素类的完整脚本

下面是我工具箱里实际用的核心脚本，输入是范围要素类或四个坐标值，输出是六边形面要素类。脚本里所有关键参数都有注释，直接改 s 和范围就能跑。

# -*- coding: utf-8 -*- import arcpy import math import os def create_hex_fishnet(out_fc, extent, side_length, spatial_ref): """ 生成平顶六边形渔网 out_fc: 输出要素类路径 extent: (xmin, ymin, xmax, ymax) side_length: 六边形边长（地图单位） spatial_ref: 空间参考对象 """ xmin, ymin, xmax, ymax = extent s = float(side_length) # 平顶六边形的铺展参数 col_step = 1.5 * s # 同行相邻中心水平距离 row_step = math.sqrt(3) * s # 相邻行中心垂直距离 odd_offset = 0.75 * s # 奇数行水平偏移 # 计算需要多少行多少列，多生成一圈保证覆盖完整 n_cols = int(math.ceil((xmax - xmin) / col_step)) + 2 n_rows = int(math.ceil((ymax - ymin) / row_step)) + 2 # 创建要素类 out_path, out_name = os.path.split(out_fc) if arcpy.Exists(out_fc): arcpy.Delete_management(out_fc) arcpy.CreateFeatureclass_management( out_path, out_name, "POLYGON", spatial_reference=spatial_ref ) # 六边形顶点相对中心的偏移（平顶，从最右顶点开始逆时针） angles = [0, 60, 120, 180, 240, 300] offsets = [(s * math.cos(math.radians(a)), s * math.sin(math.radians(a))) for a in angles] # 逐行逐列生成 with arcpy.da.InsertCursor(out_fc, ["SHAPE@"]) as cursor: for row in range(n_rows): cy = ymin + row * row_step # 奇数行偏移半个列距 x_offset = odd_offset if row % 2 == 1 else 0 for col in range(n_cols): cx = xmin + col * col_step + x_offset # 跳过完全在范围外的六边形 if cx + s < xmin or cx - s > xmax: continue if cy + s < ymin or cy - s > ymax: continue # 构造六边形顶点数组 ring = [arcpy.Point(cx + dx, cy + dy) for dx, dy in offsets] ring.append(ring[0]) # 闭合 polygon = arcpy.Polygon(arcpy.Array(ring), spatial_ref) cursor.insertRow([polygon]) # 添加中心点坐标字段，方便后续聚合 arcpy.AddField_management(out_fc, "CX", "DOUBLE") arcpy.AddField_management(out_fc, "CY", "DOUBLE") with arcpy.da.UpdateCursor(out_fc, ["SHAPE@", "CX", "CY"]) as cursor: for row in cursor: centroid = row[0].centroid row[1] = centroid.X row[2] = centroid.Y cursor.updateRow(row) return out_fc

这段脚本的逻辑分四步。第一步是参数换算，把边长 s 转成列距、行距和偏移量，这三个值决定了蜂窝的铺展方式。第二步是计算行列数，多生成一圈是为了保证边缘的六边形能完整覆盖范围，后续可以用 Select by Location 裁掉多余的。第三步是逐行逐列构造顶点环，平顶六边形的六个顶点角度是 0、60、120、180、240、300 度，从最右顶点开始逆时针走一圈，最后闭合。第四步是补充中心点坐标字段，这个字段在做 Spatial Join 或者生成热力图时非常有用，省得每次都重新算质心。

参数方面，side_length 是最核心的，它决定了六边形的粒度。做城市商圈分析，一般取 200 到 500 米；做生态样方，可能取 1 公里以上；做全国尺度的聚合，边长可能到几十公里。范围 extent 建议比实际分析范围大一圈，避免边缘六边形被裁得只剩一半。spatial_ref 一定要用投影坐标系，地理坐标系下六边形的实际面积会随纬度变化，做统计时会有偏差。

2.4 把脚本封装成 ArcGIS 工具箱的步骤

脚本能跑通之后，下一步是把它做成工具箱，让别人不用看代码也能用。ArcGIS 里封装脚本工具的标准流程是：新建工具箱 → 添加脚本 → 设置参数 → 关联脚本文件。具体操作如下。

第一步，在 ArcCatalog 或 ArcGIS Pro 的 Catalog 面板里，右键目标文件夹，新建一个 Toolbox，命名为「HexFishnetToolbox.tbx」。

第二步，右键工具箱，选择 Add Script，弹出向导。名称填「生成六边形渔网」，标签和描述按需填，脚本文件选上面保存的 .py 文件。

第三步，设置参数。这是最关键的一步，参数顺序和类型必须和脚本里的接收顺序一致。我一般设四个参数：输出要素类（Output Feature Class，类型 Feature Class）、分析范围（Extent，类型 Extent）、六边形边长（Double）、空间参考（Spatial Reference，类型 Spatial Reference）。每个参数都要设方向为 Input 或 Output，输出要素类设为 Output，其余为 Input。

第四步，在脚本文件的末尾加上参数接收代码，把工具箱传进来的参数转成函数调用。这段代码不能少，否则工具跑起来会报参数数量不匹配。

if __name__ == "__main__": out_fc = arcpy.GetParameterAsText(0) extent_str = arcpy.GetParameterAsText(1) side_length = float(arcpy.GetParameterAsText(2)) spatial_ref = arcpy.GetParameterAsText(3) # 解析 Extent 参数，格式为 "xmin ymin xmax ymax" extent = tuple(float(v) for v in extent_str.split()) sr = arcpy.SpatialReference() sr.loadFromString(spatial_ref) create_hex_fishnet(out_fc, extent, side_length, sr) arcpy.AddMessage("六边形渔网生成完成：{}".format(out_fc))

参数说明：GetParameterAsText 按索引取工具箱里的参数，索引从 0 开始，顺序必须和向导里设置的一致。Extent 参数在工具箱里传进来是字符串，格式是「xmin ymin xmax ymax」，用 split 拆开后转 float。SpatialReference 参数传进来是 WKT 字符串，用 loadFromString 还原成空间参考对象。最后用 AddMessage 输出提示，方便在工具运行窗口看到进度。

封装好之后，这个工具箱可以拷贝给同事，只要他们的 ArcGIS 版本支持 ArcPy，双击就能用，不需要装任何额外依赖。

3. 蜂窝渔网在空间聚合中的参数调优与性能边界

3.1 边长怎么选：从分析尺度反推

边长是六边形渔网最重要的参数，没有之一。选大了，聚合后的单元太少，空间异质性被抹平；选小了，单元太多，统计噪声大，而且要素数量爆炸。我一般用「分析尺度的 1/10 到 1/5」作为初始值。比如研究一个 5 公里的商圈，边长取 500 米到 1 公里；研究一个 50 公里的城市群，边长取 5 到 10 公里。

还有一个经验法则：让每个六边形里平均有 30 到 50 个样本点。如果做 POI 密度分析，先数一下总点数，除以期望的单元数，再反推边长。比如 10 万个 POI，想要 2000 个单元，每个单元 50 个点，那么单元面积约等于研究区面积除以 2000，六边形面积公式是 (3√3/2)·s²，反解出 s 就行。

注意：边长一旦确定，后续所有分析都基于这个粒度，改边长意味着全部重做。建议在正式跑之前，用几个候选边长各生成一版，叠加原始点数据看一眼分布，再定稿。

3.2 用 Spatial Join 做点聚合的两种匹配方式

六边形生成之后，最常见的操作是把点数据聚合到六边形里。ArcGIS 里用 Spatial Join 工具，目标要素选六边形，连接要素选点，匹配选项选 CONTAINS 或 INTERSECT。CONTAINS 要求点完全落在六边形内部，INTERSECT 则允许点在边界上也算。我一般用 CONTAINS，因为六边形之间没有缝隙，边界上的点归到哪一边对整体统计影响很小，用 CONTAINS 更干净。

Join 之后，输出要素类会带一个 Join_Count 字段，就是每个六边形里的点数。如果要算密度，再除以六边形面积。面积可以用 Add Geometry Attributes 工具算，选 AREA 字段。注意单位，投影坐标系下算出来是平方米，要换算成平方公里就除以 10^6。

如果点数据量很大，比如几百万个点，Spatial Join 可能会跑很久。这时候可以先用「Generate Near Table」或者「Point Distance」做空间索引，但更简单的办法是给点数据建空间索引，然后在 Spatial Join 的环境设置里把输出坐标系设成和六边形一致，减少投影转换的开销。

3.3 大数据量下的分块生成与内存控制

六边形渔网本身生成很快，但如果研究区很大、边长很小，要素数量会非常可观。比如覆盖一个省，边长 100 米，六边形数量可能上千万，这时候一次性生成会吃光内存。我的做法是分块生成，把研究区切成若干个子区域，每个子区域单独生成六边形，最后用 Merge 合并。

分块的关键是块与块之间要有重叠，重叠宽度至少一个六边形的宽度，否则接缝处的六边形会被切掉。合并之后，用 Dissolve 或者 Delete Identical 去掉重复的六边形。重复判断可以用中心点坐标，因为每个六边形的中心点是唯一的。

另一个内存控制技巧是关闭不必要的字段。生成六边形时只保留 SHAPE 和中心点坐标，不要一上来就加一堆属性字段。等聚合完成后再按需添加，能省不少内存。

4. 六边形渔网落地时的避坑与排查

4.1 生成的六边形之间有缝隙或重叠

现象：把六边形放大看，相邻单元之间要么有一条细缝，要么边缘叠在一起。

原因：列距、行距或奇数行偏移量算错了。最常见的是把平顶六边形的参数用成了尖顶的，或者把 √3 写成了 1.732 但实际用了 1.73 导致累积误差。

解决：严格按平顶六边形的三个参数来——列距 1.5s、行距 √3·s、奇数行偏移 0.75s。如果还是有缝，检查空间参考是不是地理坐标系，地理坐标系下六边形的实际形状会随纬度变形，必须投影。

4.2 Spatial Join 之后 Join_Count 全是 0

现象：六边形生成没问题，但和点数据做 Spatial Join 后，每个六边形的 Join_Count 都是 0。

原因：两个数据的空间参考不一致，或者点的坐标系是地理坐标系而六边形是投影坐标系，ArcGIS 在 Join 时没有自动转换。

解决：在 Spatial Join 的环境设置里，把 Output Coordinate System 设成和六边形一致，或者先用 Project 工具把点数据投影到和六边形相同的坐标系。另外检查一下点的 SHAPE 字段是否有效，有时候从 CSV 导入的点没有正确生成几何。

4.3 工具箱在别人机器上跑报「找不到 arcpy」

现象：自己机器上跑得好好的工具箱，拷给同事后双击报错，提示 No module named arcpy。

原因：对方的 ArcGIS 没有安装 Python 环境，或者用的是 ArcGIS Pro 但 Python 环境没配好。ArcPy 是 ArcGIS 自带的，不是独立安装的。

解决：确认对方装的是完整版 ArcGIS Desktop 或 ArcGIS Pro，并且 Python 环境已经初始化。ArcGIS Pro 里要在「工程 → 环境 → Python」里确认 arcpy 可用。如果对方用的是 ArcGIS Pro 但脚本工具关联的是 Python 2 的脚本，也会报错，需要把脚本改成 Python 3 语法。

4.4 六边形数量太多导致 ArcGIS 卡死

现象：生成六边形后，地图一缩放就卡，或者 Spatial Join 跑到一半 ArcGIS 无响应。

原因：要素数量超过了 ArcGIS 的渲染和内存承受能力。单个要素类超过百万级要素时，ArcGIS 的默认渲染会非常吃力。

解决：分块生成，或者先用 Select by Attribute 按区域筛选，只加载当前视图范围内的六边形。另外在图层属性里关闭不必要的标注和符号化，用简单填充代替复杂样式。如果只是做统计，不需要在地图上显示全部六边形，可以在跑完 Spatial Join 后再导出结果表。

4.5 边缘六边形被裁得不完整

现象：研究区边缘的六边形只有一半甚至更少，做统计时这些单元的面积和内部单元不一致，导致密度值偏低。

原因：生成时范围没留够余量，边缘六边形被范围边界切掉了。

解决：生成时把 extent 向外扩一圈，至少扩一个六边形的宽度。生成后用 Select by Location 把完全落在研究区内的六边形选出来，或者用 Clip 裁切，但裁切后要重新算面积，不能直接用原始边长算。

5. 把蜂窝渔网接进自动化流程的一个技巧

工具箱能手动跑之后，真正提升效率的是把它接进自动化流程。我自己的习惯是，把六边形生成、Spatial Join、密度计算、符号化这四步串成一个 ArcPy 脚本，用 Python 的 subprocess 或者 ArcGIS Pro 的 Task 来调度。这样每次有新数据进来，改一下输入路径就能一键出图。

这里分享一个具体技巧：用六边形的中心点坐标做唯一标识，而不是用 OBJECTID。因为 OBJECTID 在数据合并、导出后会变，但中心点坐标是稳定的。在生成六边形时就把 CX、CY 字段算好，后续所有关联、去重、更新都用这两个字段做 key。我吃过这个亏——有一次用 OBJECTID 关联，结果数据重新导出后 ID 全变了，整个聚合结果对不上，排查了半天才发现是 ID 的问题。从那以后，凡是做空间聚合，我都用坐标做稳定标识。

另外，如果你经常需要换边长重新生成，可以把边长做成脚本参数，用循环批量跑几个候选值，每个值生成一版六边形和对应的聚合结果，最后用图表对比不同粒度下的密度分布，选最合适的那个。这个做法在写分析报告时特别有用，能直接回答「为什么选这个粒度」的问题。

希望帮到你。

本文还有配套的精品资源，点击获取