世界红树林空间分布数据shp：坐标系核对、面积统计与叠加分析实战

简介这份世界红树林空间分布数据以shp矢量格式提供面向从事生态遥感、海岸带研究、地理信息系统分析及全球变化相关课题的科研人员与高年级学生可用于红树林范围提取、时空变化监测、制图与空间统计等场景。资源包共17个文件约285.88MB核心为shp矢量文件及其配套的shx、dbf、prj、sbn、sbx、cpg等索引与坐标文件另含xml元数据、pdf说明文档、jpg预览图与txt说明便于在ArcGIS、QGIS等平台直接加载与二次处理。目前已有79人学习下载。数据源自WCMC011 AtlasMangrove2010 v3.1附带元数据与许可说明读者可据此了解数据来源、精度与使用限制快速完成红树林分布制图、面积统计及与其他空间图层叠加分析为海岸带生态评估与保护规划提供基础数据支撑。1. 世界红树林空间分布数据shp从下载到落库前先搞清楚它到底是什么红树林分布数据在海岸带碳汇核算、生态红线划定、蓝碳项目选址里是绕不开的底图。很多人第一次拿到「世界红树林空间分布数据shp」时以为就是一个面文件双击打开却发现属性表字段看不懂、坐标系对不上、和本地岸线叠不上。这个标题讲的不是某一篇论文而是一类数据资产以 shapefile 为载体的全球红树林范围矢量常见来源包括全球尺度的遥感解译产品按年份分幅或整幅发布字段里通常带面积、分类置信度、国家或区域编码。它解决的是「红树林在哪、边界在哪、面积多少」这三个基础问题适合做海岸带规划、生态评估、遥感验证的从业者也适合需要把红树林范围落到 GIS 里做叠加分析的人。shp 只是外壳真正决定能不能用的是坐标系、字段定义和边界精度。2. 拿到 shp 之后先别急着打开坐标系、字段与分幅的核对方法2.1 为什么全球红树林 shp 经常「看起来对、叠起来错」全球尺度的红树林矢量发布方为了控制文件体积常把坐标系统一为地理坐标系 WGS84EPSG:4326单位是度。但很多国内项目底图是投影坐标系比如 CGCS2000 高斯克吕格或 Web 墨卡托。直接拖进 ArcGIS 或 QGIS软件会做「动态投影」屏幕上看着能叠上一旦做面积计算或缓冲区分析结果就偏了。血泪经验是先看.prj文件里写的是什么再决定要不要投影。如果.prj缺失shapefile 就丢了坐标系定义软件会当成未知坐标这时候不能猜要去数据说明里找原始 CRS。核对步骤可以固定成一套用 QGIS 打开 shp右键图层属性看「源」里的 CRS 是不是 EPSG:4326。打开属性表确认字段名和类型常见有area_ha、class、country、year。用「矢量 → 几何工具 → 导出几何信息」检查是否有空几何或自相交。和已知岸线底图叠加放大到红树林边缘看是否贴合。如果第 4 步发现整体偏移几百米大概率是基准面差异不是数据错而是需要做基准面转换。2.2 用 QGIS 做一次最小核对字段、范围与几何有效性下面这段 Python 用geopandas读 shp输出 CRS、字段、范围和几何有效性适合在落库前跑一遍。代码不依赖 ArcGIS装好geopandas就能用。import geopandas as gpd # 读取世界红树林 shp注意路径不要带中文和空格 gdf gpd.read_file(./data/mangrove_world.shp) # 1. 看坐标系 print(CRS:, gdf.crs) # 2. 看字段和类型 print(Columns:, gdf.columns.tolist()) print(gdf.dtypes) # 3. 看空间范围判断是否覆盖目标区域 print(Bounds:, gdf.total_bounds) # 4. 检查几何有效性无效几何会导致后续叠加失败 invalid gdf[~gdf.is_valid] print(Invalid geometries:, len(invalid)) # 5. 如果无效尝试修复 if len(invalid) 0: gdf[geometry] gdf.buffer(0) gdf.to_file(./data/mangrove_world_fixed.shp, encodingutf-8)逻辑说明gpd.read_file直接读 shapefile 的全部记录total_bounds返回[minx, miny, maxx, maxy]用这个和你的研究区范围对比能快速判断数据是否覆盖目标。is_valid是 Shapely 的几何有效性检查全球数据里常见自相交多边形buffer(0)是常用修复手段但会轻微改变边界修复后要重新核对面积。参数上encodingutf-8保证中文字段不乱码如果原数据是GBK读的时候也要指定。2.3 分幅数据怎么合并别用「合并」按钮硬拼有些全球产品按洲或按国家分幅比如mangrove_asia.shp、mangrove_africa.shp。合并时如果直接在地图里全选导出容易丢字段或把坐标系混在一起。稳妥做法是先统一 CRS再合并最后重建空间索引。import geopandas as gpd import pandas as pd from pathlib import Path # 假设分幅文件在同一目录 files list(Path(./data/tiles).glob(*.shp)) gdfs [] for f in files: g gpd.read_file(f) # 统一到 WGS84避免合并后 CRS 不一致 if g.crs ! EPSG:4326: g g.to_crs(EPSG:4326) gdfs.append(g) # 合并ignore_index 避免索引重复 merged gpd.GeoDataFrame(pd.concat(gdfs, ignore_indexTrue), crsEPSG:4326) # 去重按几何的 WKB 哈希去重防止分幅重叠 merged[geom_hash] merged.geometry.apply(lambda x: x.wkb_hex) merged merged.drop_duplicates(subsetgeom_hash).drop(columnsgeom_hash) merged.to_file(./data/mangrove_merged.shp, encodingutf-8)参数说明to_crs(EPSG:4326)是投影转换不是简单改标签会重算坐标。pd.concat合并属性表ignore_indexTrue重置索引。去重那一步很关键分幅数据在边界处常有重叠多边形不去重会导致面积重复计算。wkb_hex是几何的二进制表示相同几何哈希相同比按属性去重可靠。3. 把红树林 shp 用起来面积统计、叠加分析与格式转换3.1 面积统计地理坐标系下不能直接算面积WGS84 下直接调gdf.area得到的是平方度没有物理意义。正确做法是先投影到等面积投影比如 Mollweide 或 Albers再算面积。全球数据常用 MollweideEPSG:54009区域数据可以用当地 Albers。import geopandas as gpd gdf gpd.read_file(./data/mangrove_merged.shp) # 投影到 Mollweide 等面积投影 gdf_proj gdf.to_crs(ESRI:54009) # 计算面积单位平方米转公顷 gdf_proj[area_ha] gdf_proj.area / 10000 # 按国家汇总假设有 country 字段 summary gdf_proj.groupby(country)[area_ha].sum().reset_index() print(summary.sort_values(area_ha, ascendingFalse).head(10))逻辑说明to_crs(ESRI:54009)把地理坐标转成等面积投影area才是平方米。除以 10000 得公顷。如果字段里本来就有area_ha要核对它是发布方算的还是你算的两者可能因投影不同有差异。按国家汇总前确认country字段没有空值空值会被groupby丢掉。3.2 和保护区、岸线叠加用空间连接而不是手动选红树林常要和保护区边界、海岸线、行政区划叠加统计每个保护区内的红树林面积。用sjoin做空间连接比在桌面软件里一个个选快得多。import geopandas as gpd mangrove gpd.read_file(./data/mangrove_merged.shp).to_crs(ESRI:54009) protected gpd.read_file(./data/protected_areas.shp).to_crs(ESRI:54009) # 空间连接predicateintersects 表示相交即保留 joined gpd.sjoin(mangrove, protected, howinner, predicateintersects) # 按保护区名称汇总红树林面积 result joined.groupby(protected_name)[area_ha].sum().reset_index() print(result)参数说明howinner只保留有交集的记录predicateintersects是相交判断也可以用within表示红树林完全在保护区内。两个图层必须先统一 CRS否则sjoin会报错或结果错乱。如果红树林多边形跨保护区边界sjoin会把它拆到多个保护区面积会重复需要先做overlay求交再算面积。3.3 shp 转 GeoJSON、KML 与 3D Tiles 的边界热搜里常出现arcgis shp转kml、shp转3dtiles、kml转shp。红树林数据转 KML 用于 Google Earth 展示转 GeoJSON 用于 Web 地图转 3D Tiles 用于三维场景。转换本身不难坑在坐标系和字段丢失。# 用 ogr2ogr 转 GeoJSON保留 WGS84 ogr2ogr -f GeoJSON mangrove.geojson mangrove_merged.shp -t_srs EPSG:4326 # 转 KML注意 KML 只支持 WGS84 ogr2ogr -f KML mangrove.kml mangrove_merged.shp -t_srs EPSG:4326 # 转 3D Tiles 通常需要先转成 GeoJSON 或 CityGML再用工具切片逻辑说明ogr2ogr是 GDAL 的命令行工具-f指定输出格式-t_srs指定目标坐标系。KML 对坐标系要求严格必须是 WGS84否则 Google Earth 打不开。转 3D Tiles 不是一步能完成的常见做法是先转 GeoJSON再用3d-tiles-tools或 Cesium 的切片工具处理红树林作为面数据拉伸成体块才有三维效果。4. 避坑与排查红树林 shp 处理中最容易翻车的 5 个点4.1 现象面积算出来比论文里大一个数量级原因在 WGS84 地理坐标系下直接算面积得到的是平方度不是平方米。解决先投影到等面积投影再算面积并核对单位。4.2 现象shp 打开后属性表中文乱码原因shapefile 的.dbf文件编码不统一常见是 GBK 或 Latin-1。解决用geopandas读的时候指定encodingGBK或先用 QGIS 另存为 UTF-8。4.3 现象和本地岸线叠不上整体偏移原因基准面不同比如 WGS84 和 CGCS2000 在小比例尺下差异不大但大比例尺下会偏移。解决做基准面转换用pyproj或 ArcGIS 的投影工具不要只改 CRS 标签。4.4 现象合并分幅后面积重复原因分幅边界处有重叠多边形。解决合并后按几何去重或先做union再算面积。4.5 现象转 KML 后 Google Earth 不显示原因KML 只支持 WGS84且对多边形环的方向有要求。解决转之前统一到 EPSG:4326用ogr2ogr转不要手动改后缀。5. 进阶用法用红树林 shp 做变化检测与渔网统计5.1 多期数据做变化检测先对齐再求差如果手上有 2000 年和 2020 年两期红树林 shp可以做变化检测。核心是先把两期数据统一 CRS再用overlay求差集和交集。import geopandas as gpd m2000 gpd.read_file(./data/mangrove_2000.shp).to_crs(ESRI:54009) m2020 gpd.read_file(./data/mangrove_2020.shp).to_crs(ESRI:54009) # 新增2020 有而 2000 没有 gain gpd.overlay(m2020, m2000, howdifference) # 减少2000 有而 2020 没有 loss gpd.overlay(m2000, m2020, howdifference) gain[area_ha] gain.area / 10000 loss[area_ha] loss.area / 10000 print(Gain ha:, gain[area_ha].sum()) print(Loss ha:, loss[area_ha].sum())参数说明overlay的howdifference返回第一个图层中不与第二个图层重叠的部分。两期数据边界不可能完全一致求差前可以做一个很小的缓冲区容差比如buffer(10)避免把边界抖动当成变化。这一步会改变几何要记录容差值。5.2 渔网分割统计把红树林密度落到格网热搜里渔网分割shp常被提到。做红树林密度分析时可以生成渔网统计每个格网内的红树林面积占比。import geopandas as gpd import numpy as np mangrove gpd.read_file(./data/mangrove_merged.shp).to_crs(ESRI:54009) bounds mangrove.total_bounds # 生成 10km 渔网 cell_size 10000 x np.arange(bounds[0], bounds[2], cell_size) y np.arange(bounds[1], bounds[3], cell_size) from shapely.geometry import box cells [box(xi, yi, xicell_size, yicell_size) for xi in x for yi in y] grid gpd.GeoDataFrame(geometrycells, crsESRI:54009) # 求交并统计面积 intersect gpd.overlay(grid, mangrove, howintersection) intersect[area_ha] intersect.area / 10000 density intersect.groupby(intersect.index)[area_ha].sum() # 把密度写回渔网 grid[mangrove_ha] density grid[mangrove_ha] grid[mangrove_ha].fillna(0) grid.to_file(./data/mangrove_grid.shp, encodingutf-8)逻辑说明box生成方形格网overlay求交得到每个格网内的红树林碎片再按格网索引汇总。fillna(0)把没有红树林的格网补零。渔网大小根据研究尺度定10km 适合区域尺度1km 适合局地尺度。格网太大会掩盖细节太小会产生大量空格网影响后续统计效率。5.3 一个我常犯的错忽略 shp 的 2GB 限制shapefile 单个文件不能超过 2GB字段名不能超过 10 个字符字段数也有限。全球红树林数据如果属性多、几何复杂很容易触顶。我一般会在处理前先转成 GeoPackage 或 PostGIS做完分析再导出 shp 给需要的人。如果必须用 shp就按区域切分别硬塞。希望帮到你。本文还有配套的精品资源点击获取