简介汉江平原矢量范围边界数据面向地理信息、区域规划与资源环境领域的研究者及GIS从业者用于支撑空间分布分析、边界提取与叠加研究。压缩包共11个文件约29KB以shp矢量主文件为核心配套dbf属性表、prj坐标系统、shx索引以及sbn、sbx空间索引另含xml元数据与说明文档构成可直接加载的完整GIS数据集。已有53人学习下载适合具备基础GIS操作能力、需要快速获取区域边界底图的用户。数据可用于土地利用规划、城市监测、环境评估等场景并能与遥感影像、人口数据叠加辅助分析汉江平原的空间结构与变化趋势为科研与决策提供基础支撑。资源来源于网络分享仅限学习交流请勿用于商业用途。1. 汉江平原矢量范围边界一份能直接进 GIS 的底图数据做水文、农业区划或者流域分析的人大概都遇到过这种局面手头有一堆站点数据、遥感影像、行政区划唯独缺一条能卡住研究范围的边界线。汉江平原这个区域尤其别扭——它横跨湖北、河南、陕西多省既不是标准行政区也不是完整流域网上能找到的要么是整条汉江流域的粗轮廓要么是某个省内的局部切片拼起来对不上。这份汉江平原矢量范围边界就是冲着这个缺口来的格式是常见的矢量文件能直接拖进 QGIS、ArcGIS 或者用 GeoPandas 读省掉自己描边、配准、拓扑修复那一整套折腾。适合做区域统计、裁剪栅格、出图配色的从业者也适合刚接触空间数据、想拿一份干净边界练手的新手。下面按「拿到手怎么验、怎么用、哪里会翻车」的顺序拆一遍。2. 先验后用矢量边界的坐标系与拓扑自检拿到任何一份矢量边界第一件事不是急着裁剪而是确认它的坐标系和几何质量。这一步偷懒后面所有面积、距离、叠加分析全是错的而且错得悄无声息。2.1 坐标系判读地理坐标还是投影坐标矢量文件本身会带一个坐标参考系CRS。常见两种情况一种是经纬度地理坐标比如 EPSG:4326单位是度另一种是投影坐标比如 UTM 或高斯-克吕格单位是米。判断方法很直接看坐标数值量级——经纬度的数值在 -180 到 180 之间投影坐标通常是几十万到几百万的整数。import geopandas as gpd # 读取矢量边界路径按实际文件替换 gdf gpd.read_file(hanjiang_plain_boundary.shp) # 打印坐标系信息重点看 EPSG 编号和单位 print(CRS:, gdf.crs) print(几何类型:, gdf.geom_type.unique()) print(要素数量:, len(gdf)) # 看坐标数值范围判断是经纬度还是投影坐标 print(边界范围:, gdf.total_bounds)gdf.crs返回的就是坐标系定义如果显示EPSG:4326说明是经纬度。total_bounds返回[minx, miny, maxx, maxy]如果数值都在百以内基本确认是地理坐标。这一步的意义在于后续要做面积计算地理坐标下直接算面积得到的是平方度没有物理意义必须先投影到合适的等面积坐标系。2.2 拓扑检查自相交、重复节点与空几何矢量边界最常见的暗病是自相交self-intersection和重复节点。自相交会让某些叠加分析直接报错重复节点则拖慢渲染、影响缓冲区生成。用 GeoPandas 配合 Shapely 能快速扫一遍。from shapely.validation import explain_validity # 逐要素检查几何有效性 for idx, geom in enumerate(gdf.geometry): if geom is None or geom.is_empty: print(f要素 {idx}: 空几何) continue if not geom.is_valid: # explain_validity 会告诉你具体哪里有问题 print(f要素 {idx}: 无效 - {explain_validity(geom)}) else: print(f要素 {idx}: 有效)is_valid返回布尔值explain_validity给出无效原因常见输出是Self-intersection或Ring Self-intersection。如果确实存在无效几何可以用geom.buffer(0)做一次修复这是业界常用的应急手段但要注意 buffer(0) 对某些复杂自相交可能改变几何形状修复后必须重新检查面积变化。提示修复前后各算一次面积差值超过千分之一就要警惕说明修复动作改动了边界形态不能无脑接受。2.3 面积与周长核对用已知量级做交叉验证汉江平原的面积量级在公开资料里能查到大致范围。把矢量投影到等面积坐标系后算面积和已知量级对一下偏差过大说明坐标系选错了或者边界本身有问题。# 投影到适合中国区域的等面积坐标系常见用 Albers gdf_proj gdf.to_crs(EPSG:4527) # CGCS2000 / 3-degree Gauss-Kruger zone 39 # 计算总面积单位平方米换算成平方公里 area_km2 gdf_proj.geometry.area.sum() / 1e6 print(f投影后总面积: {area_km2:.2f} 平方公里) # 顺便看单个要素的面积分布判断是否有多余碎片 gdf_proj[area_km2] gdf_proj.geometry.area / 1e6 print(gdf_proj[area_km2].describe())to_crs做坐标转换EPSG:4527是 CGCS2000 下的高斯-克吕格投影适合华中区域。area.sum()得到总面积describe()看面积分布能发现异常小的碎片要素——这些往往是数字化时留下的噪点需要判断是否保留。如果总面积和公开量级差出几倍先回头查坐标系再查边界是否只覆盖了平原核心区而非完整范围。3. 把边界用起来裁剪、叠加与出图的三条实操路径验证通过之后这份边界就能进入实际工作流了。不同任务对边界的用法不一样下面按裁剪栅格、叠加统计、出图配色三个场景分别给操作。3.1 用边界裁剪栅格掩膜提取与像元对齐遥感影像、DEM、土地利用栅格要限定在汉江平原范围内标准做法是用边界做掩膜裁剪。GDAL 的gdalwarp命令行最稳Python 里用rasterio也行。# 用 gdalwarp 按矢量边界裁剪栅格 # -cutline 指定边界文件-crop_to_cutline 裁到边界外接矩形 # -dstnodata 设置边界外像元值-tr 保持原分辨率 gdalwarp -cutline hanjiang_plain_boundary.shp \ -crop_to_cutline \ -dstnodata -9999 \ -tr 30 30 \ input_dem.tif \ output_dem_clipped.tif-cutline指定裁剪用的矢量-crop_to_cutline把输出范围压到边界外接矩形减少无效像元。-dstnodata -9999给边界外区域赋值后续统计时用这个值过滤。-tr 30 30强制输出分辨率 30 米如果原栅格分辨率不同这里会重采样不想重采样就去掉这个参数。常见坑是边界和栅格的坐标系不一致gdalwarp 不会自动帮你转得先用gdalwarp -t_srs统一坐标系或者提前把边界转成和栅格一致。3.2 叠加统计分区求和与属性连接把站点数据、行政区划、土地利用图往边界里套做分区统计是这份边界最高频的用法。核心操作是空间连接spatial join和分区统计zonal statistics。import geopandas as gpd import pandas as pd # 读取边界和待统计的点数据 boundary gpd.read_file(hanjiang_plain_boundary.shp) points gpd.read_file(stations.shp) # 统一坐标系以边界为准 points points.to_crs(boundary.crs) # 空间连接判断每个点落在哪个边界要素内 joined gpd.sjoin(points, boundary, howinner, predicatewithin) # 按边界要素分组统计点数量 count_by_region joined.groupby(index_right).size() print(count_by_region) # 如果边界有属性字段比如分区名称直接按名称分组 if region_name in boundary.columns: summary joined.groupby(region_name).agg( point_count(geometry, count) ) print(summary)sjoin的predicatewithin表示点完全落在面内howinner只保留匹配上的记录。index_right是边界要素的索引用它分组就能得到每个分区内的点数。如果边界带分区名称字段直接按名称聚合更直观。注意sjoin前必须统一坐标系否则 within 判断会给出莫名其妙的结果——这是血泪经验坐标系不一致时空间关系判断不会报错只会静默出错。3.3 出图边界样式与标注避让出图环节边界本身要设置合适的线宽和颜色内部填充透明度要低避免盖住底图。QGIS 里直接双击图层调样式代码出图用 matplotlib 配合 GeoPandas。import matplotlib.pyplot as plt fig, ax plt.subplots(figsize(10, 8)) # 边界只画轮廓不填充线宽 1.2 boundary.plot(axax, facecolornone, edgecolor#2c7fb8, linewidth1.2) # 叠加点数据用红色小圆点 points.plot(axax, color#e34a33, markersize8, alpha0.7) # 去掉坐标轴刻度出图更干净 ax.set_axis_off() plt.tight_layout() plt.savefig(hanjiang_plain_map.png, dpi300, bbox_inchestight)facecolornone让边界内部透明edgecolor控制轮廓色。alpha0.7给点加透明度重叠时能看出密度。set_axis_off()去掉经纬度刻度适合做示意图。如果边界有多个要素boundary.plot会一次性画完不用循环。出图常见的翻车点是中文字体缺失导致标注变方块matplotlib 需要提前设置plt.rcParams[font.sans-serif]这个和边界数据本身无关但出图时绕不开。4. 避坑与排查矢量边界使用中的五类高频问题这一章集中处理实际用起来才会暴露的问题。每一条都按「现象 → 原因 → 解决」写方便对号入座。4.1 现象裁剪后栅格全是 NoData原因边界和栅格的坐标系不一致gdalwarp 按数值直接套边界落到了栅格范围外。或者边界的范围本身极小和栅格没有交集。解决先分别打印两者的total_bounds和crs确认坐标系一致、范围有重叠。不一致就统一坐标系范围不重叠就检查边界文件是否加载错了。4.2 现象面积计算结果大得离谱或小得离谱原因在地理坐标经纬度下直接算面积得到的是平方度或者投影坐标系选错了带号导致形变过大。解决先to_crs到等面积投影再算面积。中国区域常用 Albers 等面积投影或对应带号的高斯-克吕格。算完和公开量级对一下偏差超过 10% 就要查投影参数。4.3 现象空间连接结果为空原因sjoin前没统一坐标系或者predicate选错了。点落在边界上但不在内部时within会判 False。解决统一坐标系后把predicate换成intersects试试能匹配上说明是边界上的点被within排除了。根据业务需求决定用哪个谓词。4.4 现象边界渲染出现锯齿或断裂原因矢量节点密度不够或者几何存在自相交导致渲染引擎解析异常。解决先跑一遍拓扑检查修复无效几何。节点太稀可以用geom.segmentize()加密但会增加文件体积按出图分辨率权衡。4.5 现象属性表字段乱码原因Shapefile 的 DBF 文件默认编码和系统编码不一致中文属性容易乱码。解决读取时指定编码gpd.read_file(..., encodingutf-8)或gbk都试一下。如果字段本身已经乱码用gdf.columns重命名修复或者换用 GeoPackage 格式存储GPKG 对编码支持更稳。5. 进阶技巧用边界做批量裁剪与自动化质检单次裁剪和统计跑通之后真正省时间的是把流程脚本化。我一般会把边界质检、批量裁剪、结果汇总串成一个脚本每次拿到新数据直接跑不用重复点鼠标。import geopandas as gpd import rasterio from rasterio.mask import mask import os def clip_raster_by_boundary(raster_path, boundary_path, output_dir): 按矢量边界批量裁剪栅格并做基础质检 boundary gpd.read_file(boundary_path) # 质检几何有效性 if not boundary.geometry.is_valid.all(): boundary[geometry] boundary.geometry.buffer(0) print(已修复无效几何) with rasterio.open(raster_path) as src: # 坐标系对齐检查 if src.crs ! boundary.crs: boundary boundary.to_crs(src.crs) print(f边界已转换至 {src.crs}) # 用边界几何做掩膜提取 geoms boundary.geometry.values out_image, out_transform mask(src, geoms, cropTrue, nodata-9999) out_meta src.meta.copy() out_meta.update({ height: out_image.shape[1], width: out_image.shape[2], transform: out_transform, nodata: -9999 }) # 输出文件名加 _clipped 后缀 base os.path.splitext(os.path.basename(raster_path))[0] out_path os.path.join(output_dir, f{base}_clipped.tif) with rasterio.open(out_path, w, **out_meta) as dest: dest.write(out_image) print(f已输出: {out_path}) # 批量处理目录下所有 tif input_dir raw_rasters output_dir clipped_rasters os.makedirs(output_dir, exist_okTrue) for f in os.listdir(input_dir): if f.endswith(.tif): clip_raster_by_boundary( os.path.join(input_dir, f), hanjiang_plain_boundary.shp, output_dir )这段脚本把坐标系对齐、几何修复、掩膜裁剪、批量遍历串在一起。mask函数的cropTrue把输出范围压到边界外接矩形nodata-9999统一边界外赋值。out_meta从原栅格继承只改尺寸、变换和 nodata保证输出栅格的波段数、数据类型和原文件一致。批量遍历时只处理.tif后缀实际用的时候按需扩展。参数上最需要留意的是nodata值的选择。如果原栅格本身有合法的负值比如某些 DEM 的高程用 -9999 可能和真实值冲突这时候要换一个原数据里不存在的值或者先查一下原栅格的数值分布。另一个点是buffer(0)修复几何后没有重新验证严格来说应该再跑一次is_valid确认我习惯在修复后加一行断言。从那以后我每次拿到新的矢量边界都强制走一遍「坐标系确认 → 拓扑检查 → 面积核对」这三步不管数据来源看起来多可靠。这套流程帮我拦下过好几次坐标系标错、边界范围缺失的问题省掉了后面返工重算的麻烦。希望这份汉江平原矢量范围边界和上面的操作路径能帮你把区域分析的底图这一环稳稳落地。本文还有配套的精品资源点击获取 汉江平原矢量边界数据：GIS空间分析与栅格裁剪实战指南
简介汉江平原矢量范围边界数据面向地理信息、区域规划与资源环境领域的研究者及GIS从业者用于支撑空间分布分析、边界提取与叠加研究。压缩包共11个文件约29KB以shp矢量主文件为核心配套dbf属性表、prj坐标系统、shx索引以及sbn、sbx空间索引另含xml元数据与说明文档构成可直接加载的完整GIS数据集。已有53人学习下载适合具备基础GIS操作能力、需要快速获取区域边界底图的用户。数据可用于土地利用规划、城市监测、环境评估等场景并能与遥感影像、人口数据叠加辅助分析汉江平原的空间结构与变化趋势为科研与决策提供基础支撑。资源来源于网络分享仅限学习交流请勿用于商业用途。1. 汉江平原矢量范围边界一份能直接进 GIS 的底图数据做水文、农业区划或者流域分析的人大概都遇到过这种局面手头有一堆站点数据、遥感影像、行政区划唯独缺一条能卡住研究范围的边界线。汉江平原这个区域尤其别扭——它横跨湖北、河南、陕西多省既不是标准行政区也不是完整流域网上能找到的要么是整条汉江流域的粗轮廓要么是某个省内的局部切片拼起来对不上。这份汉江平原矢量范围边界就是冲着这个缺口来的格式是常见的矢量文件能直接拖进 QGIS、ArcGIS 或者用 GeoPandas 读省掉自己描边、配准、拓扑修复那一整套折腾。适合做区域统计、裁剪栅格、出图配色的从业者也适合刚接触空间数据、想拿一份干净边界练手的新手。下面按「拿到手怎么验、怎么用、哪里会翻车」的顺序拆一遍。2. 先验后用矢量边界的坐标系与拓扑自检拿到任何一份矢量边界第一件事不是急着裁剪而是确认它的坐标系和几何质量。这一步偷懒后面所有面积、距离、叠加分析全是错的而且错得悄无声息。2.1 坐标系判读地理坐标还是投影坐标矢量文件本身会带一个坐标参考系CRS。常见两种情况一种是经纬度地理坐标比如 EPSG:4326单位是度另一种是投影坐标比如 UTM 或高斯-克吕格单位是米。判断方法很直接看坐标数值量级——经纬度的数值在 -180 到 180 之间投影坐标通常是几十万到几百万的整数。import geopandas as gpd # 读取矢量边界路径按实际文件替换 gdf gpd.read_file(hanjiang_plain_boundary.shp) # 打印坐标系信息重点看 EPSG 编号和单位 print(CRS:, gdf.crs) print(几何类型:, gdf.geom_type.unique()) print(要素数量:, len(gdf)) # 看坐标数值范围判断是经纬度还是投影坐标 print(边界范围:, gdf.total_bounds)gdf.crs返回的就是坐标系定义如果显示EPSG:4326说明是经纬度。total_bounds返回[minx, miny, maxx, maxy]如果数值都在百以内基本确认是地理坐标。这一步的意义在于后续要做面积计算地理坐标下直接算面积得到的是平方度没有物理意义必须先投影到合适的等面积坐标系。2.2 拓扑检查自相交、重复节点与空几何矢量边界最常见的暗病是自相交self-intersection和重复节点。自相交会让某些叠加分析直接报错重复节点则拖慢渲染、影响缓冲区生成。用 GeoPandas 配合 Shapely 能快速扫一遍。from shapely.validation import explain_validity # 逐要素检查几何有效性 for idx, geom in enumerate(gdf.geometry): if geom is None or geom.is_empty: print(f要素 {idx}: 空几何) continue if not geom.is_valid: # explain_validity 会告诉你具体哪里有问题 print(f要素 {idx}: 无效 - {explain_validity(geom)}) else: print(f要素 {idx}: 有效)is_valid返回布尔值explain_validity给出无效原因常见输出是Self-intersection或Ring Self-intersection。如果确实存在无效几何可以用geom.buffer(0)做一次修复这是业界常用的应急手段但要注意 buffer(0) 对某些复杂自相交可能改变几何形状修复后必须重新检查面积变化。提示修复前后各算一次面积差值超过千分之一就要警惕说明修复动作改动了边界形态不能无脑接受。2.3 面积与周长核对用已知量级做交叉验证汉江平原的面积量级在公开资料里能查到大致范围。把矢量投影到等面积坐标系后算面积和已知量级对一下偏差过大说明坐标系选错了或者边界本身有问题。# 投影到适合中国区域的等面积坐标系常见用 Albers gdf_proj gdf.to_crs(EPSG:4527) # CGCS2000 / 3-degree Gauss-Kruger zone 39 # 计算总面积单位平方米换算成平方公里 area_km2 gdf_proj.geometry.area.sum() / 1e6 print(f投影后总面积: {area_km2:.2f} 平方公里) # 顺便看单个要素的面积分布判断是否有多余碎片 gdf_proj[area_km2] gdf_proj.geometry.area / 1e6 print(gdf_proj[area_km2].describe())to_crs做坐标转换EPSG:4527是 CGCS2000 下的高斯-克吕格投影适合华中区域。area.sum()得到总面积describe()看面积分布能发现异常小的碎片要素——这些往往是数字化时留下的噪点需要判断是否保留。如果总面积和公开量级差出几倍先回头查坐标系再查边界是否只覆盖了平原核心区而非完整范围。3. 把边界用起来裁剪、叠加与出图的三条实操路径验证通过之后这份边界就能进入实际工作流了。不同任务对边界的用法不一样下面按裁剪栅格、叠加统计、出图配色三个场景分别给操作。3.1 用边界裁剪栅格掩膜提取与像元对齐遥感影像、DEM、土地利用栅格要限定在汉江平原范围内标准做法是用边界做掩膜裁剪。GDAL 的gdalwarp命令行最稳Python 里用rasterio也行。# 用 gdalwarp 按矢量边界裁剪栅格 # -cutline 指定边界文件-crop_to_cutline 裁到边界外接矩形 # -dstnodata 设置边界外像元值-tr 保持原分辨率 gdalwarp -cutline hanjiang_plain_boundary.shp \ -crop_to_cutline \ -dstnodata -9999 \ -tr 30 30 \ input_dem.tif \ output_dem_clipped.tif-cutline指定裁剪用的矢量-crop_to_cutline把输出范围压到边界外接矩形减少无效像元。-dstnodata -9999给边界外区域赋值后续统计时用这个值过滤。-tr 30 30强制输出分辨率 30 米如果原栅格分辨率不同这里会重采样不想重采样就去掉这个参数。常见坑是边界和栅格的坐标系不一致gdalwarp 不会自动帮你转得先用gdalwarp -t_srs统一坐标系或者提前把边界转成和栅格一致。3.2 叠加统计分区求和与属性连接把站点数据、行政区划、土地利用图往边界里套做分区统计是这份边界最高频的用法。核心操作是空间连接spatial join和分区统计zonal statistics。import geopandas as gpd import pandas as pd # 读取边界和待统计的点数据 boundary gpd.read_file(hanjiang_plain_boundary.shp) points gpd.read_file(stations.shp) # 统一坐标系以边界为准 points points.to_crs(boundary.crs) # 空间连接判断每个点落在哪个边界要素内 joined gpd.sjoin(points, boundary, howinner, predicatewithin) # 按边界要素分组统计点数量 count_by_region joined.groupby(index_right).size() print(count_by_region) # 如果边界有属性字段比如分区名称直接按名称分组 if region_name in boundary.columns: summary joined.groupby(region_name).agg( point_count(geometry, count) ) print(summary)sjoin的predicatewithin表示点完全落在面内howinner只保留匹配上的记录。index_right是边界要素的索引用它分组就能得到每个分区内的点数。如果边界带分区名称字段直接按名称聚合更直观。注意sjoin前必须统一坐标系否则 within 判断会给出莫名其妙的结果——这是血泪经验坐标系不一致时空间关系判断不会报错只会静默出错。3.3 出图边界样式与标注避让出图环节边界本身要设置合适的线宽和颜色内部填充透明度要低避免盖住底图。QGIS 里直接双击图层调样式代码出图用 matplotlib 配合 GeoPandas。import matplotlib.pyplot as plt fig, ax plt.subplots(figsize(10, 8)) # 边界只画轮廓不填充线宽 1.2 boundary.plot(axax, facecolornone, edgecolor#2c7fb8, linewidth1.2) # 叠加点数据用红色小圆点 points.plot(axax, color#e34a33, markersize8, alpha0.7) # 去掉坐标轴刻度出图更干净 ax.set_axis_off() plt.tight_layout() plt.savefig(hanjiang_plain_map.png, dpi300, bbox_inchestight)facecolornone让边界内部透明edgecolor控制轮廓色。alpha0.7给点加透明度重叠时能看出密度。set_axis_off()去掉经纬度刻度适合做示意图。如果边界有多个要素boundary.plot会一次性画完不用循环。出图常见的翻车点是中文字体缺失导致标注变方块matplotlib 需要提前设置plt.rcParams[font.sans-serif]这个和边界数据本身无关但出图时绕不开。4. 避坑与排查矢量边界使用中的五类高频问题这一章集中处理实际用起来才会暴露的问题。每一条都按「现象 → 原因 → 解决」写方便对号入座。4.1 现象裁剪后栅格全是 NoData原因边界和栅格的坐标系不一致gdalwarp 按数值直接套边界落到了栅格范围外。或者边界的范围本身极小和栅格没有交集。解决先分别打印两者的total_bounds和crs确认坐标系一致、范围有重叠。不一致就统一坐标系范围不重叠就检查边界文件是否加载错了。4.2 现象面积计算结果大得离谱或小得离谱原因在地理坐标经纬度下直接算面积得到的是平方度或者投影坐标系选错了带号导致形变过大。解决先to_crs到等面积投影再算面积。中国区域常用 Albers 等面积投影或对应带号的高斯-克吕格。算完和公开量级对一下偏差超过 10% 就要查投影参数。4.3 现象空间连接结果为空原因sjoin前没统一坐标系或者predicate选错了。点落在边界上但不在内部时within会判 False。解决统一坐标系后把predicate换成intersects试试能匹配上说明是边界上的点被within排除了。根据业务需求决定用哪个谓词。4.4 现象边界渲染出现锯齿或断裂原因矢量节点密度不够或者几何存在自相交导致渲染引擎解析异常。解决先跑一遍拓扑检查修复无效几何。节点太稀可以用geom.segmentize()加密但会增加文件体积按出图分辨率权衡。4.5 现象属性表字段乱码原因Shapefile 的 DBF 文件默认编码和系统编码不一致中文属性容易乱码。解决读取时指定编码gpd.read_file(..., encodingutf-8)或gbk都试一下。如果字段本身已经乱码用gdf.columns重命名修复或者换用 GeoPackage 格式存储GPKG 对编码支持更稳。5. 进阶技巧用边界做批量裁剪与自动化质检单次裁剪和统计跑通之后真正省时间的是把流程脚本化。我一般会把边界质检、批量裁剪、结果汇总串成一个脚本每次拿到新数据直接跑不用重复点鼠标。import geopandas as gpd import rasterio from rasterio.mask import mask import os def clip_raster_by_boundary(raster_path, boundary_path, output_dir): 按矢量边界批量裁剪栅格并做基础质检 boundary gpd.read_file(boundary_path) # 质检几何有效性 if not boundary.geometry.is_valid.all(): boundary[geometry] boundary.geometry.buffer(0) print(已修复无效几何) with rasterio.open(raster_path) as src: # 坐标系对齐检查 if src.crs ! boundary.crs: boundary boundary.to_crs(src.crs) print(f边界已转换至 {src.crs}) # 用边界几何做掩膜提取 geoms boundary.geometry.values out_image, out_transform mask(src, geoms, cropTrue, nodata-9999) out_meta src.meta.copy() out_meta.update({ height: out_image.shape[1], width: out_image.shape[2], transform: out_transform, nodata: -9999 }) # 输出文件名加 _clipped 后缀 base os.path.splitext(os.path.basename(raster_path))[0] out_path os.path.join(output_dir, f{base}_clipped.tif) with rasterio.open(out_path, w, **out_meta) as dest: dest.write(out_image) print(f已输出: {out_path}) # 批量处理目录下所有 tif input_dir raw_rasters output_dir clipped_rasters os.makedirs(output_dir, exist_okTrue) for f in os.listdir(input_dir): if f.endswith(.tif): clip_raster_by_boundary( os.path.join(input_dir, f), hanjiang_plain_boundary.shp, output_dir )这段脚本把坐标系对齐、几何修复、掩膜裁剪、批量遍历串在一起。mask函数的cropTrue把输出范围压到边界外接矩形nodata-9999统一边界外赋值。out_meta从原栅格继承只改尺寸、变换和 nodata保证输出栅格的波段数、数据类型和原文件一致。批量遍历时只处理.tif后缀实际用的时候按需扩展。参数上最需要留意的是nodata值的选择。如果原栅格本身有合法的负值比如某些 DEM 的高程用 -9999 可能和真实值冲突这时候要换一个原数据里不存在的值或者先查一下原栅格的数值分布。另一个点是buffer(0)修复几何后没有重新验证严格来说应该再跑一次is_valid确认我习惯在修复后加一行断言。从那以后我每次拿到新的矢量边界都强制走一遍「坐标系确认 → 拓扑检查 → 面积核对」这三步不管数据来源看起来多可靠。这套流程帮我拦下过好几次坐标系标错、边界范围缺失的问题省掉了后面返工重算的麻烦。希望这份汉江平原矢量范围边界和上面的操作路径能帮你把区域分析的底图这一环稳稳落地。本文还有配套的精品资源点击获取