📚 课程目录第2章空间数据基础

空间数据基础：坐标系、投影、常用数据格式

做空间图谱的人，第一道坎儿往往不是算法有多难——而是数据本身「长」什么样儿。你从设备拿到的坐标，跟你从在线地图抠出来的坐标，很可能根本不在一个参考系里。这事我早年吃过亏：两个团队各自接了同一批GPS轨迹，一个用WGS84入库，一个按GCJ-02处理，结果聚合出来的热力图偏移了两百多米……后来排查了整整两天。

所以这一章我们踏踏实实把地基打牢。坐标系、投影、常见格式，这三样东西搞清楚，后面所有处理才不会跑偏。

坐标系：地理坐标系 vs 投影坐标系

先说坐标系。地理坐标系用经纬度描述地球上的位置，本质是一个球面坐标。最常用的是 WGS84（GPS 的默认坐标系），原点在地球质心，椭球体参数全球统一。国内还有 CGCS2000、北京54、西安80——不过现在新项目基本都向 WGS84 或 CGCS2000 靠拢了。

而投影坐标系，是把球面展平到二维平面上。这时候单位变成米、英尺之类的线性单位。每个投影坐标系都基于一个地理坐标系“挂”在上面。举个例子：Web Mercator（EPSG:3857）用了WGS84的椭球，但做了墨卡托投影，结果就是南极北极被拉得巨大——这也是为什么你在谷歌地图上觉得格陵兰岛跟非洲差不多大，它俩实际面积差远了。

核心区别一句话概括

地理坐标 = 球面上的度（°）

投影坐标 = 平面上的米（m）

为什么要区分？因为我发现很多新手直接拿经纬度算距离，算出来的是“度距”，不是真距离。1度经度在赤道上是111km，到了高纬度只剩下55km。我建议：只要涉及距离、面积计算，先转成投影坐标系再动手。

地图投影：你选对了吗？

投影这件事其实没那么玄乎——就是把橘子皮剥下来压平，怎么压都会裂开。不同的压法对应不同的变形性质：有些保持角度（等角），有些保持面积（等积），有些保持距离（等距）。

我项目里最频繁接触的有三种：

Web Mercator（EPSG:3857） — 在线地图默认，等角投影，导航友好。但面积变形严重，不适合做区域面积统计。
UTM 投影（EPSG:326xx / 327xx） — 分带投影，每个带6度宽，变形很小。适合城市级、省市级分析。我处理国内数据时常用 UTM 50N（东经114°~120°）。
Albers 等积投影 — 中国全境常用，保持面积准确，适合做人口密度、土地利用这类需要面积量的分析。

投影类型	变形倾向	常用场景	典型 EPSG
Web Mercator	等角，面积变形大	瓦片地图、可视化	3857
UTM	等角，局部变形极小	城市测量、导航	32650 / 32750
Albers	等积	全国面分析	未统一（常用自定义）
Lambert 等角圆锥	等角	中纬度国家地图	未统一

曾经踩过的坑：
我接手过一个项目，原始数据标注为“WGS84”，但实际用的是 GCJ-02（火星坐标系）。如果不先做坐标系校验直接转投影，结果会整体偏移几百米。所以拿到数据第一步：看元数据，或者拿已知坐标点测试一下。

常用空间数据格式：Shapefile 与 GeoJSON

数据格式决定了你怎么读、怎么存、怎么交换。目前在空间图谱管道里最主流的就两种：Shapefile（传统GIS老朋友）和 GeoJSON（Web开发者心头好）。

Shapefile

Shapefile 不是单个文件，而是至少三个文件的组合：.shp（几何）、.shx（索引）、.dbf（属性）。实际项目里还可能见到 .prj（投影定义）、.cpg（编码）等配套文件。我习惯用一个 zip 包打包整个 Shapefile 分发，省得丢文件。

它的优点：成熟、几乎所有GIS软件都支持。缺点也挺明显：属性列名限10个字符（当年的DOS遗毒），单个文件不能超过2GB，而且几何类型单一（一个图层只能一种几何）。

GeoJSON

GeoJSON 是纯文本，基于 JSON 结构。一个 FeatureCollection 里可以混装点、线、面。语法清晰，coordinates 数组里按经度、纬度排列。示例：

{
  "type": "FeatureCollection",
  "features": [
    {
      "type": "Feature",
      "geometry": {
        "type": "Point",
        "coordinates": [113.3, 23.1]
      },
      "properties": {
        "name": "广州塔",
        "height_m": 600
      }
    }
  ]
}

我通常在以下场景偏爱 GeoJSON：

Web 前端直接渲染（Leaflet、Mapbox、D3.js 原生支持）
数据量不大（几百个要素以内）
需要跨平台交换（Python 的 dict 几乎可直接用）

一个实用建议：
如果数据量超过 100MB，别用单文件 GeoJSON。可以转成 GeoJSON 序列或直接上 Parquet + 空间索引。我曾经试过用超大 GeoJSON 在浏览器里加载，页面直接卡死——后来切了矢量瓦片才好。

另外注意 GeoJSON 的坐标系默认是 WGS84（EPSG:4326），如果你用了其他坐标系，必须在 crs 字段里注明，否则解析器会按 4326 处理。我习惯在写入前就强制转好。

知识结构总览

下面这张图可以帮助你建立本章的整体脉络。核心流程是：从原始观测数据出发，选好地理坐标系（通常 WGS84），根据分析需求选投影，最后用合适的格式落地存储。

说白了，坐标系选错了，后面所有分析都是白做。投影选对了，算面积、算距离才准。格式选对了，开发效率翻倍。这三个东西我建议你在每一个新项目开始之前都花五分钟确认一遍——相信我，这五分钟能省下后面两天调试时间。