1. 先说清楚我的数据源选型逻辑高德、阿里DataV、天地图各自扮演什么角色做了这么多年GIS可视化和数据分析我越来越觉得“全国行政区划下载”这六个字是个表面简单、实际水深的需求。很多朋友第一反应就是去搜网盘里的“全国省市县Shp大礼包”下载下来却发现坐标系五花八门有的甚至把北京和天津的边界叠到一块儿去了。我现在的习惯是丢掉网盘资源直接使用在线地图服务商提供的数据能力按需取数自己控制数据链路高德查行政区划编码和局部边界阿里DataV.GeoAtlas拉GeoJSON几何面天地图做底图校核和坐标基准验证。三个来源配合起来才能覆盖省、市、区、县四个层级的日常需求。在动手写任何一个请求之前先把三者的能力边界梳理清楚。我经常用下面这张表来说服自己也推荐你保存一个类似的版本:数据源获取方式返回格式常用坐标系覆盖层级核心优势明显短板高德开放平台REST API 行政区划查询JSON、polyline字符串GCJ-02省、市、区县多数地区包含乡镇街道更新及时adcode编码完整接口稳定边界做了不同程度的抽稀简化转WGS84需要做纠偏阿里DataV.GeoAtlas静态GeoJSON文件直链GeoJSON以GCJ-02为主个别文件疑似WGS84省、市、区县县级数据部分含乡镇URL规则简单一条链接就能获取完整面数据非常适合前端地图可视化更新时间不透明个别区域边界确实缺漏天地图官网申请key后通过WMTS/服务加载在线瓦片、WFS服务CGCS2000覆盖到乡镇、村庄级别官方地图服务坐标精度相对更高适合做边界校核瓦片不能直接转换为矢量Shp需要自己提取边界或做勾勒这里需要强调一个最常见的误判很多人以为“高德都给了边界”所以高德的边界可以直接用来做测绘级成果其实不然。高德接口返回的边界主要用于地图展示场景边界经过预处理以便快速加载渲染意味着你去和实地影像叠加时常常会发现边缘有些微出入。阿里DataV同样也是面向数据可视化的产品几何精度走的是“够用就好”的路线。天地图的价值在于它承载了测绘基准层面的数据虽然不提供直接打包下载的Shp但能作为专业判断时的参考。所以我整理数据的流程通常是先用高德确认行政区划是否最新、拿到adcode和名称再用阿里DataV拉取目标层级的GeoJSON转成Shp后叠加到天地图上做抽检。如果项目只涉及某个城市或区县高德接口直接抓取就够用如果要做全国级或省级专题图阿里DataV明显更省事。两者不是替代关系而是配合关系。下面把这套流程拆开讲。2. 高德行政区划接口实操按省市区关键字快速拿边界适合局部地区取数2.1 接口的请求规律和参数逻辑高德开放平台的行政区划接口属于最经典的Web服务API请求方式非常简单。核心参数就四个你要查的关键字keywords、要不要返回下级行政区划subdistrict、是否返回边界坐标extensions以及输出格式output。这里最容易踩坑的是extensions参数默认情况下它只返回区域名称、中心点坐标和adcode想要拿到边界polyline必须显式地设置成all。很多第一次用的人只传了keywords和subdistrict返回结果里只有“中心点”就以为高德没有边界数据实际上是被默认参数坑了。再说subdistrict这个参数它表示返回下级区划的层级数量。0表示不返回下级1表示返回下一级2表示返回下两级最多可以返回三级。比如你查“浙江省”且设置subdistrict1返回的就是浙江省本级加下属所有市设置subdistrict2则会在市下面继续嵌套所有区县。这个参数的要点在于结果会嵌套层级如果你只需要某个市本身的边界就把subdistrict设为0拿到的是单层数据不用自己去结果里翻来翻去。2.2 Python请求高德行政区划数据的完整示例我习惯用Python写一个简单的爬取函数按行政区划关键字循环抓取。下面这段代码适用于局部取数比如“只要杭州市和它下面所有区县”的场景:import requests def get_amap_district(amap_key, keywords, subdistrict0): url https://restapi.amap.com/v3/config/district params { key: amap_key, keywords: keywords, subdistrict: subdistrict, extensions: all, # 必须为all才有边界polyline output: JSON } resp requests.get(url, paramsparams, timeout15) resp.raise_for_status() return resp.json() if __name__ __main__: amap_key 你的高德Key data get_amap_district(amap_key, 杭州市, subdistrict1) districts data[districts] if districts: city districts[0] print(城市:, city[name], adcode:, city[adcode]) print(中心点:, city[center]) print(polyline前200字符:, city.get(polyline, )[:200]) for sub in city.get(districts, []): print(下级区县:, sub[name], sub[adcode])返回的polyline适合在高德地图上直接画边界但我实际更常用它做两件事一是快速确认当前行政区划有没有变更比如某个县是否已经撤县设区二是拿到adcode后去阿里DataV拉完整的GeoJSON面数据。如果你希望拿到的是可写入Shp的标准几何面我建议不要费劲去解析高德返回的polyline字符串而是让高德负责提供属性和编码几何面交给阿里DataV这样更省时间。2.3 高德数据坐标系里最容易被忽略的细节高德所有坐标底子都是GCJ-02这是在线地图服务商为了地图显示做的一套偏移坐标体系本质上是“加密后的坐标”。如果你只是把拿到的数据叠回高德地图那完全没问题但如果你把高德边界叠加到天地图、GPS外业采集数据、或者某些卫星影像底图上就会发现边界整体偏移了几十米到上百米。踩过几次坑以后我的建议是不要拿到数据就直接做坐标转换先问自己最终输出给谁看。如果是院里出图要做空间校准针对高德来源的数据确认进入ArcGIS或QGIS后统一走“高德坐标转WGS84”的流程而不是顺手把文件定义成WGS84了事。坐标一旦标错后续所有叠加分析都会出问题而且很难排查。3. 阿里DataV.GeoAtlas一条URL拿全国省市县GeoJSON前端和GIS通吃3.1 GeoAtlas的URL规律其实就是adcode拼出来的阿里DataV.GeoAtlas这个工具GIS圈子里很多人叫它“阿里DataV地图数据”用起来最大的优点就是省事。它的数据服务地址遵循一套非常稳定的规律核心是行政区划代码adcode。全国的总代码是100000省一级如浙江省是330000市级如杭州市是330100区县如西湖区是330106。GeoAtlas把每个区域的GeoJSON文件按照adcode命名并提供了两种规格不带_full的地址返回当前区域自身的几何边界带_full的地址返回当前区域边界加所有下级行政区的边界集合。实际使用下来我的记忆方法是这样https://geo.datav.aliyun.com/areas_v3/bound/100000_full.json # 全国features对应每个省份 https://geo.datav.aliyun.com/areas_v3/bound/330000_full.json # 浙江省features对应每个地市 https://geo.datav.aliyun.com/areas_v3/bound/330100_full.json # 杭州市features对应每个区县 https://geo.datav.aliyun.com/areas_v3/bound/330106_full.json # 西湖区features对应乡镇/街道这里有个细节要注意不是所有区县代码的_full文件都能顺利返回乡镇级数据有的区域乡镇层面并入了上级边界有的区域可能在最新版里已经撤并了。你需要实际请求一次看看返回的GeoJSON里features数量是否合理再决定要不要做下一步。另外不带_full的URL也很常用比如你只需要杭州市本级一个封闭多边形而不想要下面十来个区县的拆散多边形用https://geo.datav.aliyun.com/areas_v3/bound/330100.json就行。3.2 用代码批量拉取GeoJSON顺便建立行政区划字典我通常会先写一个小脚本把高德拿到的adcode传给阿里DataV逐级把想要的行政区划数据保存成本地JSON文件。这样本地就积累了一份可回溯、可管理的数据资产下次项目直接读文件没必要每次都请求在线接口。import requests def download_datav_geojson(adcode, save_path, with_childrenTrue): suffix _full if with_children else url fhttps://geo.datav.aliyun.com/areas_v3/bound/{adcode}{suffix}.json resp requests.get(url, timeout20) resp.raise_for_status() with open(save_path, w, encodingutf-8) as f: f.write(resp.text) return resp.json() if __name__ __main__: download_datav_geojson(330000, 浙江省_地市级.json, with_childrenTrue) download_datav_geojson(330100, 杭州市_区县级.json, with_childrenTrue) download_datav_geojson(330106, 西湖区_乡镇级.json, with_childrenTrue)下载到本地后建议用QGIS直接打开GeoJSON检查一下属性表。GeoAtlas的features里会带name、adcode、childrenNum、level等字段level字段尤其重要它标记了当前边界属于省、市、区县还是乡镇后续做数据筛选和合并时可以直接作为分组依据。比如你要从全国省级边界里只保留华东六省一市按name字段过滤就行。3.3 阿里DataV数据也能用于ArcGIS和QGIS很多人以为GeoAtlas只适合前端网页直接调用拿来喂给ECharts做中国地图其实它在GIS软件里一样可以用。QGIS和ArcGIS Pro都支持直接拖入GeoJSON文件打开后就是一个要素图层再另存成Shp即可。唯一要注意的是GeoJSON文件本身不携带投影信息定义文件你在导入的时候需要清楚它实际处于什么坐标系并在后续导出Shp时手动选择正确的目标坐标系。我这里给的建议是对应用途如果叠高德地图保留GCJ-02如果叠天地图或做公开成果在确认偏移情况后转换为CGCS2000坐标系。4. 天地图在线加载实操ArcGIS Pro里把天地图当底图用来校核边界最踏实4.1 天地图的定位不是用来下Shp而是用来做“第三方裁判”天地图和前两者用法不同它不是提供“下载Shp”的服务而是提供在线地图服务。在行政区划数据项目中我更多把它当作边界校核工具毕竟它来自官方测绘资源空间基准是CGCS2000比一般在线地图数据更经得起推敲。判断自己刚下载的高德或阿里边界准不准把数据叠加到天地图上看一眼边界是否贴合底图基本就能得出结论。有人可能会问天地图能不能直接导出行政边界Shp答案是不能直接导出至少普通用户拿不到完整矢量。不过我听说过部分市级地理信息公共服务平台会提供WFS接口能在线查询边界要素这属于地区性差异需要单独去找当地服务资源。绝大多数情况下我们只用天地图作为底图参考即可。4.2 注册和申请天地图key的具体流程要用天地图服务先申请一个开发者key。整个流程不难但第一次操作时可能会因为找不到入口浪费时间。打开天地图官网注册账号后进入“开发资源”或“控制台”创建一个新应用。创建应用时应用类型选择浏览器端或服务端都可以系统会给你生成一个key后续所有WMTS请求都要带上这个key。天地图的不同服务有不同的key配置建议把矢量底图、影像底图、矢量注记、影像注记分别对应的key都记在同一个文档里时间久了容易忘记。4.3 ArcGIS Pro添加天地图WMTS服务器验证边界偏移ArcGIS Pro加载天地图的步骤我整理成可复现的链路在ArcGIS Pro中打开“目录”窗格展开“项目”找到“服务器”节点。右键“服务器”选择“添加WMTS服务器”。在“服务器URL”里输入这样的地址https://t0.tianditu.gov.cn/vec_w/wmts?tk你的天地图Key连接成功后展开WMTS服务把“vec_w”矢量底图图层拖入当前地图再拖入“cva_w”注记图层。如果还要叠加卫星影像作为对比单独再添加一条影像服务地址例如https://t0.tianditu.gov.cn/img_w/wmts?tk你的天地图Key加载完成后把之前下载的行政边界Shp或GeoJSON拖进去利用“外观”选项卡调整一下透明度就能直观看到边界和底图是否咬合。如果边界与底图存在系统性偏移大概率就是坐标系不匹配去看看图层的坐标系定义和高德坐标系转换流程是否遗漏了某一步。天地图在线服务用的是Web墨卡托切片但底层是CGCS2000基准在ArcGIS Pro里它会自动动态投影不需要手动设置太多东西如果发现偏移重点排查你的Shp数据本身坐标系是否标错。4.4 天地图瓦片能不能作为底图出版要注意什么天地图瓦片作为在线底图直观好用但我建议不要在正式成果图里直接截取天地图瓦片进行二次发布。天地图服务协议对数据使用有明确限制底图可以用于校核和辅助参考但如果你要出纸质图或在线发布面向公众的地图服务最好确认使用范围是否符合要求或者改用有授权的基础地理数据源。这不是老生常谈而是我见过有同事因为截取在线瓦片制图被合作单位打回要求替换数据源的案例提前搞清楚能省很多麻烦。5. GeoJSON转Shp的完整链路坐标系、属性编码、字段结构一次理清5.1 QGIS里的转换操作新手也可以一次成功QGIS是我个人强烈推荐的文件格式转换工具免费、跨平台、对GeoJSON支持极好。转换步骤非常短打开QGIS直接把之前保存的GeoJSON文件拖进图层区。右键图层选择“导出” - “要素另存为”。格式选择“ESRI Shapefile”文件名输入自定义名称保存位置自己指定。在“CRS”一栏选择目标坐标系。如果数据来源是阿里DataV且准备做国内通用分析我建议选择CGCS2000地理坐标系EPSG编号是4490如果只是为了和在线OpenStreetMap之类底图叠加选择WGS84EPSG:4326更方便。编码一定要选择UTF-8否则中文属性字段可能在ArcGIS里变成乱码。点击“确定”一张Shp的完整三件套.shp、.shx、.dbf就生成了。QGIS转Shp的过程不会丢字段但会固定字段名长度。Shp格式属性字段名最长只能10个字符如果源GeoJSON里的字段名超过10位QGIS会自动截断。所以我在做数据管线时会在GeoJSON阶段就把字段重命名成短名称避免转换完了对不上。5.2 ArcGIS Pro里的转换思路适合已经有ArcGIS习惯的人用ArcGIS Pro做转换也很快但思路和QGIS略有不同。最简单的方法是把GeoJSON文件拖入ArcGIS Pro地图它会自动读取为一个要素图层然后右键图层选择“数据”-“导出要素”。在导出对话框里输出位置选一个文件夹时格式自然变成Shapefile在文件名后缀输入.shp就行。ArcGIS Pro读取GeoJSON时有时会弹出一个“未知坐标系”的警告这就是我前面强调的数据源坐标系要在事先心里有数。当遇到弹窗时手动选择正确的坐标系即可。如果之后叠加天地图发生偏移回到这里检查一下选择是否正确多半能定位问题。表格化对比两种方式:转换方式QGISArcGIS Pro导入GeoJSON直接拖入窗口化操作直接拖入可自动识别部分字段导出Shp右键“导出”-“要素另存为”右键“数据”-“导出要素”坐标系选择导出时指定目标CRS导出时指定或默认保留数据原坐标系字段编码可选UTF-8或GBK默认按系统编码处理建议数据导入前转成UTF-8适合用户新手、跨平台、轻度项目已有ArcGIS专业流程项目5.3 编码乱码问题和坐标系转换的实操原则Shp文件的属性表乱码问题几乎每个国内GIS从业者都遇到过。核心原因是dbf文件的字符编码和读取软件默认编码不一致。国内大量旧数据保存为GBK编码而QGIS和ArcGIS Pro新版默认按UTF-8读取于是中文变“锟斤拷”。解决思路有两条一是转Shp时统一把编码设成UTF-8二是遇到已经乱码的Shp在QGIS数据源管理器里手动指定编码为GBK重新加载或者用ArcGIS Pro的“修复几何”能力重写属性表。防患于未然永远比事后修复更省时间所以我把“转Shp时选UTF-8”写进了项目数据规范。坐标系转换这里如果说的是GCJ-02到WGS84或CGCS2000的转换要注意这不是投影变换那么简单高德坐标属于测绘偏移坐标不是标准地理坐标因此需要走偏移纠正而不是ArcGIS里“投影与变换”工具能直接解决的。实际项目里我建议优先保持数据源原坐标系不强行转来转去。比如你做可视化展示直接叠高德瓦片那就全程用GCJ-02如果外业采集数据要回落到标准坐标系交给专门的坐标转换模块处理不要用通用工具做了一个看上去正确的转换结果位移半条街。6. 拿到多级边界Shp之后合并与字段规整才是真正的工作量6.1 先分清楚“合并”和“融合”到底要哪个行政区划数据处理里最常被混淆的操作就是两个Merge和Dissolve。简单说Merge是把多个Shp文件拼接到同一个图层里比如把西湖区、余杭区、临平区三个Shp合并成一个多区县混合文件每个图层的字段结构必须一致。Dissolve则是根据属性字段对几何做联合比如把一个包含杭州所有区县的Shp按“市名称”字段融合去掉内部界线输出一个杭州市的完整轮廓。很多朋友问我“arcgispro shp合并”怎么操作我第一反应都是反问你要合并文件还是消融边界这两个操作入口和效果差距很大。如果只是把一个区域拆成多个部分下载下来想重新拼回完整面用Merge如果你手头已经是区县级数据想生成市级统计面用Dissolve。6.2 ArcGIS Pro中按字段融合区县边界的具体步骤下面给出一个最常用的场景把区县级Shp融合成市级。假设你手头有一个文件“杭州市_区县级.shp”属性表里有“地市名称”和“地市编码”两个字段。操作路径:打开ArcGIS Pro把“杭州市_区县级.shp”拖入地图。在“分析”选项卡里打开“地理处理”窗格搜索“融合”。选择“融合”工具Dissolve。输入要素选区县级Shp融合字段勾选“地市名称”和“地市编码”。如果想把区县名称拼接保留下来可以在“统计字段”里对“区县名称”设置“连接”规则用连接符串起来方便追溯数据来源。输出要素类名写“杭州市_市级.shp”点击运行即可。融合完成以后最好开新的地图看一下图层符号确认内部边界真正消失。有时候因为几何重叠、缝隙等问题融合出来的面里会残留一些零碎极小的面需要用“删除面”工具清理。这个现象在DataV下载数据里不多见但网盘下载的旧数据经常遇到所以清理工作不能省。6.3 合并多个Shp文件时的字段规整与几何修复Merge多个Shp文件时最大的坑是字段结构不一致。比如A文件有“区县名称”字段B文件用的是“名称”这样Merge出来的属性表会分列后面统计分析时才发现数据散落了。所以Merge前先统一字段名和字段类型建议把两个源文件都导成标准模板字段后再合并。字段类型也容易出问题前面文件“adcode”是文本型后面文件是数值型Merge时会报类型不一致或者结果为空。另外建议在做融合/合并前先对源数据执行“检查几何”工具处理掉空几何、自相交、重复折点等错误。具体做法是地理处理窗格里搜索“检查几何”找到问题后运行“修复几何”再继续后续操作。QGIS里则可以用“矢量几何”-“修复几何”完成同样的事情。这个习惯能避免大量莫名其妙报错。7. 实际数据项目里反复踩过的坑以及我现在采用的推荐组合方案7.1 坐标系底图不一致导致的边界漂移怎么判断是哪一侧的问题这种现象非常典型从阿里DataV下载的区县边界叠加到天地图底图后整个面往某个方向偏移了几十米看起来像“贴得不紧”。新手通常会认为是数据源边界不准确急着去找更高精度的数据。但实际上多数情况下是数据本身的坐标系和底图坐标系不同比如DataV的GCJ-02数据被ArcGIS误当成WGS84或CGCS2000显示表现出来就是整体偏移。解决方式不是换数据而是把坐标系定义纠正回来。你可以把数据放大到局部找一个明显的路网交叉口或桥梁端点对比边界和底图用“外观”里设置透明度来直观判断偏移程度。如果偏移方向一致并且距离均匀大概率是坐标系定义问题如果某几个村严重偏、周边又正常才是边界数据本身的问题。7.2 乡镇和街道层边界经常缺失要接受“数据覆盖度分地区”这个现实很多项目需要“杭州市乡镇街道shp边界数据”点开DataV的区县级_full文件后发现有些区返回了乡镇级面有些区却只有区县一个整体轮廓这种情况很常见。乡镇街道层面的行政区划边界线上免费数据本来就不稳定更新也存在时间差。我通常的做法是分地区判断东部沿海城市和中部很多地级市的乡镇数据相对完整西部偏远县可能存在缺失。如果项目强依赖乡镇层不要指望一个URL全搞定可以用高德接口先把乡镇/街道的名字和adcode拉出来再结合天地图底图人工补充轮廓。要是只差几个乡镇手工勾勒是最快的不值得为一个孤立区域写复杂爬虫。7.3 行政区划调整后旧数据残留编码变了但边界没跟上这是我最近一次做全国城市边界时遇到的坑。某地级市下面的一个县升级为区高德上名字已经变成新名称adcode也已经是新区代码但阿里DataV的边界里还保留旧名称和旧边界导致我在属性表统计时出现“同名重复”和“边界重合”。做行政区划相关项目一定要在数据获取后做一次“名称adcode”双字段比对发现不一致时以高德接口和官方公告为准。同时建议把每一次获取数据的日期记录在元数据里这样哪怕半个月后发现数据被更新了也能快速分辨自己项目使用的是哪个版本的边界。7.4 我现在常用的组合方案以及给不同场景的选型建议根据这几年的实操我把项目场景分成三类来处理前端可视化、数据大屏、专题图原型优先用阿里DataV的GeoJSON动态加载方便不需要额外处理成Shp直接在ECharts或Mapbox里渲染开发效率极高。局部区域、某个城市或区县详细分析先用高德行政区划接口拿最新adcode和名称再用阿里DataV拉对应层级的GeoJSON转成Shp后叠加到天地图上做边界抽检。正式出图或测绘相关业务“网上下载在线数据”只能作为辅助最终成果进入质检流程时需要用当地地理信息公共服务平台或有资质数据源提供的数据替换这部分边界避免来源风险。每个项目我都会建一个简单的时间戳目录例如“20250607_全国省级_DataV_GCJ02”里面同时放源GeoJSON、转换后的Shp和一份一两行的说明包含数据源、坐标系、获取日期。这个习惯让我在后来回看项目时一眼就能回忆起当时用的是哪套边界不用反复重新下载对比。很多人觉得这是多此一举但当你同时维护十几个市级项目的时候这份元数据就是救命的东西。最后再分享一条经验免费的在线行政区划数据适合用来搭建分析框架、做趋势判断、完成日常可视化需求但别把它当成永久数据资产。行政区划本身会调整城市边界会扩展地图服务商的数据版本也在不断更新。每隔一段时间用这套方法重新拉一遍数据、对比一次差异比临时抱佛脚要稳妥得多。