简介北京市建筑物面数据提供城市与农村建筑轮廓的矢量要素并附带面积、人口等属性信息可支撑内涝治理、下垫面建模、建筑能耗分析及城乡规划等工作。整套资源打包为rar格式共含六个文件具备shp主文件、dbf属性表、prj坐标系文件、shx空间索引等完整结构属于可直接使用的地理信息系统数据要素集。压缩包大小约136.15MB从体量可初步判断建筑轮廓细节较为完整。目前已有七百六十四人学习下载常见应用包括城市雨洪模拟、建筑密度统计和可持续发展评估。获取后可快速提取建筑面要素计算面积并与人口字段关联开展空间统计也可作为城市内涝模型的基础底图节省资料收集与格式转换时间适合地理信息分析、环境工程和城市规划从业者及研究人员使用。1. 内涝治理里的下垫面缺口北京建筑面shp数据能补上什么做内涝治理和SWMM建模的人最头疼的不是模型参数率定而是下垫面数据。要算清屋顶不透水面积、单元人口暴露量先得有可靠的建筑物轮廓。但遥感影像提取轮廓要折腾一晚公开路网推算不透水面又属于玄学。这份北京市建筑物面数据是标准的shp格式矢量面图层建筑面要素、面积、人口信息三样都齐了。拿到手按研究范围裁剪再跟SWMM子汇水区做空间连接屋顶不透水比例和暴露人口就都有了。正在做城市排水模型、内涝风险图或洪涝评估又不想在矢量化上重复造轮子的从业者可以直接往下看怎么落地。2. 打开这份shp之前把坐标系、字段口径、面积基准三件事钉死shp格式看起来只是拖进GIS就能用但真正决定这份数据能不能对接SWMM项目的是加载之后前三分钟你核查了什么。很多人翻车在坐标系对不上、面积字段单位不符合预期、人口信息口径搞混最后结果直接失真。前面花十分钟确认基准比后面返工一天强得多。2.1 用GIS加载shp后先看“三样基础信息”先把这份北京建筑面数据拖进QGIS或者ArcGIS。以QGIS为例我从Python控制台加载顺便把图层基本状态打印出来这样后面写脚本处理时能复用同一个图层对象。from qgis.core import QgsVectorLayer, QgsProject shp_path /data/beijing_buildings.shp # 按你本机实际路径改 layer QgsVectorLayer(shp_path, beijing_buildings, ogr) if not layer.isValid(): print(加载失败检查shp路径和文件权限) else: QgsProject.instance().addMapLayer(layer) print(要素数量:, layer.featureCount()) print(字段列表:, [f.name() for f in layer.fields()]) print(坐标系:, layer.crs().authid())这段代码用QgsVectorLayer把shp包进来参数里第三个ogr表示让GDAL/OGR驱动去读文件。加载成功后重点看三样东西要素数量决定统计样本规模字段列表决定你之后能用什么属性坐标系决定能不能直接和其他图层叠加。常见做法是先打开图层属性面板再核对坐标系。北京地区的数据经常落在CGCS2000 3度带高斯投影或者WGS 84 UTM 50N这类投影坐标系上也有少数情况给了WGS 84地理坐标。我一般会记住一个原则洗数据时先把所有图层统一到同一个投影坐标系。如果你的管网、DEM是UTM建筑面却停在WGS84经纬度后面做缓冲区、面积计算都会出偏差。2.2 属性表里三类关键字段几何、面积、人口这份shp的属性表里至少会包含三类信息建筑面要素本身、面积字段、人口信息字段。用QGIS打开属性表你会看到一行代表一栋建筑或一个建筑面的要素几何信息隐含在图形里属性字段则把面积和人口挂在边上。字段类型常见作用容易踩的坑建筑面要素FID/id/OBJECTID关联几何和属性作为主键数据经过多次裁剪后ID不连续外连接时容易丢行面积字段area/AREA/shape_area描述建筑面面积单位可能是平方米也可能是公顷或平方千米人口字段pop/POP/人口描述建筑对应人口有的按楼栋级给有的按小区级给口径差异大拿到手如果你发现字段名是拼音缩写比如JZMJ、RK也不要慌先用属性表排序看一眼数值。面积字段如果最大值上亿那单位大概率不是平方米人口字段如果出现很多0和空值说明数据生产者只对居住类建筑做了人口估算。我在实际项目里会把字段名先改成自己熟悉的名字避免后面写SQL或者Python时搞混。用QGIS图层属性里的字段计算器新建字段即可-- 字段计算器表达式新建 area_m2 字段单位转换为平方米 -- 如果原面积字段 JZMJ 单位是平方米直接用 $area $area -- 如果原字段单位是公顷乘 10000 JZMJ * 10000QGIS表达式里$area返回的是投影坐标系下的椭球面积单位取决于图层当前坐标系。投影坐标系选得好$area就是平方米。如果图层是地理坐标$area的值会是经纬度算出来的度平方那就要先重投影再计算。2.3 面积口径建筑基底面积、建筑面积、投影面积不是一个东西建筑面shp里的面积一般是建筑基底面积也就是建筑落地的那一圈多边形面积。它不等于容积率口径下的建筑面积也不同于遥感影像上带屋顶凸出部分的投影面积。对SWMM下垫面而言我们要的是“屋顶拦住降雨的水平投影面积”建筑基底面积是最接近这个物理含义的字段。所以别把shp里的area字段当成能直接算容积率的东西。它只能用于地表汇流计算。如果属性表里既有面积字段又有层数字段用来估算屋顶可收集面积时不要乘层数屋顶降雨只有一层。人口字段则可以结合层数估算一户几人那是做内涝暴露评估时用的和产流计算是两回事。我在拿到这种数据时会先随机抽几栋肉眼可见的大体量建筑和普通住宅对比属性面积和图上量测面积。如果差在5%以内说明面积字段可信如果差得离谱就检查是不是投影坐标系没配对。3. 把建筑物轮廓转成SWMM下垫面裁剪、几何修复、不透水比例一条线SWMM里面需要的是子汇水区、不透水比例、特征宽度这些物理参数。建筑物屋顶本质上是不透水地表所以从建筑面数据到SWMM参数的链路是把建筑面落到每个SWMM子汇水区上算清楚每块汇水区里屋顶面积占比然后折算成不透水率。这条链路中间有三个环节最容易出问题逐个说。3.1 先按研究区裁剪建筑面避免全市数据参与统计SWMM建模范围通常是某个排水分区或某个内涝易发片区。如果不裁剪直接把全市建筑面拿来连接会导致分区统计结果失真。用QGIS的处理框架做一次裁剪顺便把下一步要用到的输出路径定好。import processing # 输入已加载的建筑面图层 buildings_layer研究区图层 study_layer # 输出裁剪后的建筑面 shp processing.run(native:clip, { INPUT: buildings_layer, OVERLAY: study_layer, OUTPUT: /output/buildings_clip.shp })native:clip是QGIS内置的裁剪算法INPUT是要被裁剪的图层OVERLAY是边界图层。裁剪完再打印一下要素数量看是不是比原来少了一大截顺便确认边界没有把建筑切成离破碎。这里有个细节跨在研究区边界上的建筑裁剪后会变成一块残片面积比原来小很多。如果你做的是内涝风险图残片面积会直接影响汇水区不透水率常见处理方案是把中心点落在研究区内的建筑整体保留中心点在外的建筑剔除。我是先用质心判断再裁剪这个逻辑放到避坑章细说。3.2 修复几何和碎多边形别让空间连接翻车建筑面数据来源多样常见问题是多边形自相交、相邻建筑之间有微小缝隙、共边不完全重合。直接拿去做空间连接可能出现“这个面少一块”“那个面面积变负数”的情况这类问题特别隐蔽不仔细挑数据根本看不见。QGIS里有现成的修复工具也可以在Python里直接调用from qgis import processing processing.run(native:fixgeometries, { INPUT: /output/buildings_clip.shp, OUTPUT: /output/buildings_fixed.shp })native:fixgeometries调用GEOS库修复自相交和无效几何。跑完之后我还习惯跑一遍“检查有效几何”看修复后还有没有报错要素。对于碎多边形我会用“消除”工具按面积阈值合并小于比如10平方米的小碎面直接归并到相邻最大面。我一般会把阈值设为5到10平方米具体看研究区建筑密度。老城区建筑密碎面多阈值可以挂高一点新区建筑规整阈值低一些不然会误吞合法的小建筑。3.3 用空间连接把屋顶面积摊到SWMM子汇水区建筑面修复完成后下一步就是把建筑面和SWMM子汇水区叠加。这里的关键不是画一张好看的叠加图而是按子汇水区ID做空间连接汇总出每块汇水区里的屋顶总面积。import geopandas as gpd build gpd.read_file(/output/buildings_fixed.shp) zones gpd.read_file(/data/swmm_zones.shp) # SWMM划分好的子汇水区 # 空间连接把子汇水区信息挂到每个建筑面上 joined gpd.sjoin(build, zones, howleft, predicateintersects) print(未匹配到子汇水区的建筑数:, joined[zone_id].isna().sum()) # 按子汇水区汇总屋顶面积 roof_by_zone joined.groupby(zone_id).agg( roof_area_m2(area_m2, sum) ).reset_index() # 合并回子汇水区算不透水比例 zones zones.merge(roof_by_zone, onzone_id, howleft) zones[roof_area_m2] zones[roof_area_m2].fillna(0) zones[roof_ratio] zones[roof_area_m2] / zones[zone_area_m2] zones[roof_ratio] zones[roof_ratio].clip(upper0.9) # 保护性截断这段代码用GeoPandas做空间连接intersects表示只要建筑面和子汇水区边界相交就算命中。howleft保证子汇水区一个不落。groupby按zone_id汇总屋顶面积最后除以子汇水区自己的面积得到roof_ratio。参数说明clip(upper0.9)是防止某些子汇水区建筑冗余统计导致比例超过100%。理论上建筑占比不可能超过90%超出多半是边界裁剪或重叠面没清理干净。SWMM里的不透水比例最终要按屋顶、道路、广场分别累加屋顶只是其中一项所以不要直接把roof_ratio当成总不透水比例喂给模型。如果属性表里人口字段也要参与后续暴露分析可以在这个groupby里加上人口汇总pop_by_zone joined.groupby(zone_id).agg( pop_sum(pop, sum) )注意多余的人口字段需要先确认不是楼栋级重复统计否则一个小区十几栋楼的人口加起来会虚高好几倍。4. 避坑记录北京建筑面转SWMM下垫面的五个典型翻车这部分数据我在不同城市换着花样踩过坑北京建筑面数据的特点是内容全、属性杂、边界情况多。下面五条只要碰上一次就够你折腾半天直接抄验证方法。4.1 坐标系不一致导致建筑面和管网相差几公里跑通流程后第一次叠加发现建筑面和排水管网完全错位距离差到肉眼可见。原因是建筑面shp停在CGCS2000高斯投影而管网数据是WGS84经纬度两个图层坐标系不一致。解决是把所有图层统一到同一个投影坐标系再叠加用QGIS菜单“重投影图层”指定 EPSG:4528CGCS2000 / 3-degree Gauss-Kruger zone 29这类投影适合北京经度范围。从那以后我每次建项目第一件事就是建一个统一的CRS变量所有读取的图层强制重投影。4.2 面积字段单位没核对算出个天文数字在子汇水区汇总时不透水比例算出来200%多检查发现面积字段原单位是公顷我却按平方米算。$area返回平方米但你手上字段可能是从原始ArcGIS文件迁移来的AREA单位依然是公顷。解决是看字段值量级如果一层楼占地面积动辄几万就要怀疑是平方米写成千瓦时的那种低级错误。正确做法是先统计面积字段的min/max再和实际建筑体量比对确认无误后再进入计算。4.3 人口字段是楼栋级不是每栋建筑都有值属性表里pop字段有大量空值有的楼是0有的楼是几百。因为人口统计到楼栋级只有住宅楼挂数配套公建、车棚没有。直接用groupby().sum()汇总会严重低估实际人口因为空值被丢弃。解决是先用fillna(0)看总量再叠加社区户数校正系数。碰到明显低于街道统计的时候就把研究区内的人口字段按建筑面积加权摊回去而不是用shp里的原始值直接进结论。4.4 跨边界建筑被裁剪后形成碎面污染汇水区统计前面讲跨边界建筑要用中心点判断实际操作中直接裁剪会留下一条条极薄的残片这些残片面积可能只有2、3平方米。汇总时残片本身影响不大但它们会把相邻子汇水区的边界“缝”起来空间连接的时候把这些残片错分到隔壁汇水区。解决方式是在裁剪之前先给建筑面计算质心坐标按质心落入哪个研究区来分配整栋建筑不做什么裁剪减少一个大坑。4.5 建筑面里混着非居住类建筑人口字段全空学校操场轮廓、厂房、车棚、配电房都在建筑面图层里它们面积很大但人口字段是空的。SWMM计算不透水面积时操场和厂房其实也算不透水或半透水保留没问题。但做人口暴露评估时这些“空人口”建筑会导致平均人口密度被拉低。解决是加一个building_type判断字段把居住类建筑单独筛出来做人口汇总其他建筑只参与面积统计。5. 把人口字段接进内涝风险按建筑面估算单元人口暴露量建筑面数据最后能产出一个很有价值的东西不是屋顶面积而是“最容易淹到人的地方到底有多少人”。SWMM只算水算出积水深度后还缺一张“受淹人口”图这时人口字段就派上用场了。做法是先用建筑面的pop字段按子汇水区汇总暴露人口再把SWMM模拟出的淹没范围叠加到人口分布上就能得到不同重现期下受影响人口量级。import geopandas as gpd # SWMM模拟得到的淹没区保存为 inundation.shp inundation gpd.read_file(/output/inundation.shp) pop_by_zone gpd.read_file(/output/pop_by_zone.shp) # 上一章算出的汇水区人口 # 淹没区与人口统计区做空间连接按淹没面积比例折算人口 hit gpd.overlay(inundation, pop_by_zone, howintersection) hit[exposed_pop] hit[pop_sum] * (hit.geometry.area / hit[zone_area_m2]) print(受影响人口:, hit[exposed_pop].sum()) print(受影响汇水区数量:, hit[zone_id].nunique())这段代码核心就一个分配逻辑淹没区面积占这个子汇水区的比例乘以该区总人口得到暴露人口。如果淹没区只淹了一小片人口按面积均匀摊如果整个汇水区都在水里暴露人口就等于总人口。精度够用不需要做到单栋楼逐户级别。最后说一个习惯脚本跑完我不会直接拿去汇报而是把结果和街道人口普查数量级做一次对比。建筑面数据加工出来的人口只是相对分布绝对值和普查数差30%以上就说明字段口径有问题需要回去看是按户籍算还是常住算。从那以后我每次交付前都强制走一遍“面积字段单位核查——人口口径核查——淹没比例验证”这条天路少一步都不敢出图。这方法救了我好几次数据事故希望帮到你。本文还有配套的精品资源点击获取