用 GDAL 做矢量数据处理

Dr.GIS
wowwwai GIS研习社 · 工具流程与项目排障

用 GDAL 做矢量数据处理,就是借助统一的矢量抽象数据模型与命令行工具,对点、线、面要素做格式转换、坐标系重投影、属性/空间过滤、裁剪、简化、融合与几何修复。传统入口是 ogrinfo 与 ogr2ogr;GDAL 3.11 起更推荐 gdal vector 子命令及 pipeline,链式步骤更清晰、可复用。只要对应驱动可用,Shapefile、GeoPackage、GeoJSON、FlatGeobuf、CSV、PostGIS 等均可读写。下文只讲本栏目这一章的动手操作与验收,不展开安装与入门。

矢量数据模型与驱动:先确认“能不能读写”

动手前先对齐模型,避免“文件能打开但几何类型/字段对不上”。GDAL 矢量侧基于 OGC Simple Features:核心是 Geometry(Point、LineString、Polygon 及 Multi*、CircularString 等,支持 XY/XYZ/XYM/XYZM)、带空间参考的 Feature、描述字段与几何类型的 FeatureDefn、承载要素集合的 Layer,以及 Dataset 与 Driver。详细类关系可对照官方 矢量数据模型说明。Spatial Reference 依赖 PROJ;几何运算(缓冲、拓扑、简化等)通常需要构建时启用 GEOS。

常用驱动包括内置的 ESRI Shapefile、需 SQLite 的 GeoPackage、GeoJSON/GeoJSONSeq、FlatGeobuf、CSV、GML、DXF、PostGIS,以及可选的 FileGDB、Arrow/Parquet 等。创建能力、地理参考与依赖以驱动页为准。验收标准:目标格式在驱动列表里,且对本数据的几何类型、字段类型、坐标系写回均支持。

GDAL 官方矢量驱动列表页示意
GDAL 官方矢量驱动列表页示意(截图来源:gdal.org)
  • 查看数据集:层名、要素数、字段、CRS、几何类型是否与预期一致。
  • 写入前确认:目标驱动是否支持创建、是否支持目标几何类型与字段长度。
  • 混合 Polygon/MultiPolygon 转库时,提前规划是否提升为 Multi*。

格式转换与重投影:可执行步骤

这是最高频需求:把 Shapefile 换成 GeoPackage、把图层投到目标 CRS,或顺便改名层、筛字段。传统用 ogr2ogr;新接口用 gdal vector convert / gdal vector reproject,复杂流程用 pipeline。

  1. 先摸底:ogrinfo -al -so 输入.shp 或 gdal vector info 输入.shp,记下层名、CRS、字段、要素数。
  2. 仅转换格式(示例:Shapefile → GeoPackage):ogr2ogr -f GPKG 输出.gpkg 输入.shp;或 gdal vector convert –input 输入.shp –output 输出.gpkg。
  3. 重投影:指定目标 CRS,例如 ogr2ogr -t_srs EPSG:4490 输出.gpkg 输入.shp;无源 CRS 时用 -s_srs 或 -a_srs 赋值后再投。
  4. 控字段与层名:-select 选字段,-nln 指定新层名;Shapefile 字段名超过 10 字符会被截断,重要字段宜先缩短。
  5. 混合面几何:加 -nlt PROMOTE_TO_MULTI(或明确 MULTIPOLYGON),减少转入 GPKG 等格式时的类型警告。
  6. 验收:再跑 info,核对 CRS、要素数、字段与几何类型;抽样打开目标文件确认属性未乱码。
任务 传统写法(ogr2ogr) 新接口(gdal vector)
查看信息 ogrinfo -al -so gdal vector info
格式转换 ogr2ogr -f … gdal vector convert
重投影 -t_srs / -s_srs gdal vector reproject
链式多步 多次调用或脚本 gdal vector pipeline

GDAL ≥3.0 默认尊重权威轴序(如 EPSG:4326 为 lat/long),与旧习惯不一致时,转换结果可能“看起来偏了”,验收时务必用权威定义核对轴序,而不是只看 .prj 文本。

过滤、裁剪与几何处理怎么串起来

属性过滤、空间裁剪、缓冲、融合、简化、修复无效几何,都可在一条流水线里完成。简单场景用 ogr2ogr 参数;多步场景用 gdal vector pipeline(read → 若干 step → write/info)。pipeline 用法与步骤说明见官方 gdal vector pipeline 文档。截至 2026 年,3.13 系列在 dissolve、convex-hull、make-valid、simplify、clip、buffer、sql、update 等子命令上更完整,适合替代“多次临时文件中转”。

  1. 属性过滤:ogr2ogr 用 -where “字段=’值'”;或 gdal vector filter / pipeline 中的 filter 步。
  2. 空间裁剪:提供裁剪面,用 clip 相关选项或 gdal vector clip;注意裁剪面与数据 CRS 一致,否则先统一投影。
  3. 几何修复与简化:无效环、自相交先 make-valid,再按容差 simplify;不支持非线形几何的驱动会自动线性化。
  4. 缓冲与融合:buffer 按距离生成;同属性融合用 dissolve。大库注意内存与事务批量(传统侧可用 -gt 调节)。
  5. SQL 抽取:ogrinfo/gdal vector sql 或 pipeline 的 sql 步做汇总、改字段;复杂逻辑优先落库(如 PostGIS)再导出。
  6. 验收:要素数是否符合过滤条件;几何是否有效(无拓扑错误);范围框与抽样坐标是否落在裁剪区内。
矢量过滤裁剪与融合流程示意
  • ZIP 内数据用虚拟文件系统前缀(如 /vsizip/)直接读,避免先解压。
  • 遇个别坏要素:可加跳过失败策略,但可能影响事务批量与速度,事后要核对丢失量。
  • 部分源在较新版本默认走 Arrow API,异常时可关闭相关配置后再试。

编码、Shapefile 限制与 CRS 环境注意点

中文与历史 Shapefile、PROJ 数据目录,是矢量处理最常见翻车点。环境变量一般由 Conda 等环境自动带好;裸机或容器里缺失时会出现 “Cannot find proj.db” 或乱码。

项 作用与建议
PROJ_DATA(旧称 PROJ_LIB) 指向含 proj.db 的目录;多路径按系统用 : 或 ; 分隔。缺失会导致 CRS 解析/转换失败。
GDAL_DATA GDAL 自身数据文件路径,异常时一并检查。
SHAPE_ENCODING / ENCODING 覆盖 Shapefile 读编码;写入可用层创建选项指定 UTF-8。中文乱码优先查 .cpg 与该配置。
  • Shapefile:字段名 ≤10 字符;类型有限;单文件体积实现上约有上限,生产更推荐 GeoPackage。删除要素后常需 REPACK;范围框过期需 RECOMPUTE EXTENT。
  • 编码:.cpg 或 DBF LDID 决定读取解释;可用配置强制 ISO-8859-1 等,或禁用重编码后再用专用工具转 UTF-8。
  • CRS:源无定义先 -a_srs 赋值再 -t_srs;.prj 损坏时以权威 EPSG/WKT 为准,不要盲目信任文件名。
  • 验收清单:打开目标文件无乱码;info 中 CRS 权威代码正确;要素数与源过滤结果一致;几何类型无意外降级警告。

常见问题

转换后中文属性乱码或写入失败怎么办?

优先检查 Shapefile 的 .cpg 与读取时的 SHAPE_ENCODING(或 open option ENCODING),按实际源编码强制;写入目标时显式指定 UTF-8。仍失败则先转到 GeoPackage/GeoJSON 再处理,少在 Shapefile 上反复改编码。

提示找不到 proj.db 或重投影失败?

设置 PROJ_DATA(或兼容的 PROJ_LIB)指向含 proj.db 的目录,并确认 PROJ 版本满足当前 GDAL 要求。Conda 环境通常激活后即带好;容器与自编译环境最容易漏配。

Polygon 与 MultiPolygon 混用报警怎么消?

转换时使用 -nlt PROMOTE_TO_MULTI(或目标明确为 MULTIPOLYGON),并在 info 中确认输出几何类型已统一。目标驱动若不支持某种非线形几何,会线性化,属预期行为。

ogr2ogr 很慢或个别要素失败整批中断?

可尝试关闭 Arrow 相关默认路径后再转;坏要素可用跳过策略,但要接受可能变慢并核对丢失数量。数据库目标注意事务批量大小,过大过小都影响吞吐。

矢量处理的核心是:先用 info 摸清层、CRS、字段与几何,再用 convert/reproject/clip/filter 或 pipeline 一次做完,最后用同样的 info 与抽样坐标做验收。建议日常产出优先 GeoPackage,把 Shapefile 仅作交换格式;上线前固定 PROJ_DATA 与编码策略,避免同一套脚本在不同机器上结果不一致。