GIS基础理论 GIS技能 GIS技能大赛第九届上午数据

GIS技能大赛第九届上午数据如何处理？附：GIS研习社实战复盘与代码包！

2026-02-28 GIS基础理论

wowwwai GIS研习社 · 工具流程与项目排障

GIS技能大赛第九届上午数据如何处理？附：GIS研习社实战复盘与代码包！这篇复盘面向正在备赛或复盘 GIS 技能大赛的同学，重点讲清楚上午场数据处理的完整思路：拿到数据后先检查什么、如何统一坐标系、怎样清洗属性和几何、空间分析结果如何核验，以及哪些步骤适合用 QGIS、ArcGIS Pro 或 Python 自动化完成。

GIS技能大赛第九届上午数据处理流程与GIS研习社实战复盘 — 第九届 GIS 技能大赛上午场数据处理建议流程：先诊断数据，再分析建模，最后核验输出。

引言：上午场数据处理不要一上来就做分析

很多同学在 GIS 技能大赛上午场最容易犯的错误，是看到题目后立刻打开工具箱做叠加、缓冲区、裁剪和统计。这样做看似很快，实际风险很高：坐标系不一致、字段类型错误、几何无效、范围不匹配，都会导致后面的分析结果偏差。

更稳妥的做法是先把上午场数据当作一个“待质检的数据包”处理。你需要先判断数据能不能直接用，再决定用 QGIS、ArcGIS Pro、ArcPy 或 Python GIS 脚本完成批处理。

本文不替代比赛原题，也不复刻任何受限题库内容，而是按照 GIS研习社的实战复盘方法，把第九届上午数据处理中常见的工作流拆成可复用模板。你可以把它用于赛前训练、赛后复盘，也可以改造成自己的代码包。

背景：第九届上午数据处理通常考什么

GIS 技能大赛上午场一般更偏向基础数据处理与空间分析能力。与下午场综合制图或应用开发相比，上午场更考验你能否在有限时间内完成一套可靠的数据加工流程。

常见任务可以归纳为以下几类：

数据检查：查看图层数量、几何类型、坐标系、字段结构、编码和数据范围。
坐标系统一：把不同来源的矢量或栅格数据统一到题目要求的投影坐标系。
几何修复：处理自相交、多部件异常、空几何、重复要素等问题。
空间处理：执行裁剪、相交、融合、缓冲区、擦除、空间连接等分析。
属性统计：按行政区、类别、等级或空间范围汇总面积、长度、数量等指标。
结果输出：按题目要求导出 Shapefile、GeoPackage、Excel、地图布局或说明文档。

从备赛角度看，第九届 GIS 技能大赛上午数据处理的核心不是“会不会点某个工具”，而是你能否建立稳定的处理顺序，并能解释每一步为什么这么做。

原理：为什么要先做数据质检再做空间分析

GIS 数据处理的结果是否可信，首先取决于输入数据是否一致。所谓一致，至少包括三层含义：空间参考一致、几何状态一致、属性语义一致。

1. 空间参考一致

空间参考包括坐标系、投影、单位和基准面。如果一个图层是经纬度坐标，另一个图层是米制投影坐标，直接计算面积或缓冲距离就会出错。GIS 技能大赛中如果题目要求面积单位为平方米或平方千米，通常应优先使用合适的投影坐标系。

2. 几何状态一致

几何无效会影响相交、裁剪、融合等工具。比如面要素存在自相交，可能导致叠加分析失败；线要素存在碎线，可能影响长度统计；点要素坐标为空，则会在空间连接中丢失。

3. 属性语义一致

字段名看起来一样，不代表字段含义和类型一致。例如一个图层的行政区代码是文本型，另一个是整型，直接连接可能匹配不上。面积字段如果是历史字段，也不能默认代表当前几何计算结果。

因此，上午场数据处理的推荐顺序是：先质检，再标准化，再分析，最后核验。这个顺序可以减少返工，也方便你在赛后复盘时定位错误。

步骤：GIS技能大赛第九届上午数据处理实战流程

步骤一：建立工作目录和备份规则

拿到数据后，先不要直接修改原始文件。建议建立以下目录结构：

project/
  00_raw/          原始数据，只读保存
  01_check/        数据检查结果
  02_process/      中间处理数据
  03_output/       最终提交成果
  04_map/          制图工程与导出图片
  scripts/         Python或ArcPy脚本
  docs/            处理说明与记录

比赛中时间紧，但目录规范可以明显降低误删、覆盖和找不到成果的风险。所有中间数据建议带上步骤编号，例如 02_clip_study_area.gpkg、03_intersect_result.gpkg。

步骤二：检查图层、坐标系和范围

在 QGIS 中可以右键图层查看属性；在 ArcGIS Pro 中可以查看图层属性的源信息。重点检查：

图层几何类型是点、线、面，还是多部件要素。
坐标系是否已定义，是否与题目要求一致。
图层范围是否落在正确区域，是否存在明显偏移。
字段是否有乱码、空值、异常编码或重复名称。
数据是否存在缺失图层或打不开的文件。

如果使用 Python，可以用 GeoPandas 快速输出基础信息：

import geopandas as gpd
from pathlib import Path

data_dir = Path("00_raw")
for shp in data_dir.glob("*.shp"):
    gdf = gpd.read_file(shp)
    print("文件：", shp.name)
    print("几何类型：", gdf.geom_type.unique())
    print("坐标系：", gdf.crs)
    print("范围：", gdf.total_bounds)
    print("字段：", list(gdf.columns))
    print("要素数：", len(gdf))
    print("-" * 40)

这段代码适合赛前训练时整理数据包信息。正式比赛时，如果环境允许，也可以快速生成检查日志。

步骤三：统一坐标系，不要只“定义投影”

坐标系问题是 GIS 技能大赛上午数据处理的高频失分点。这里要区分两个概念：

定义投影：给没有坐标系标签的数据补充正确坐标系，不改变坐标值。
投影转换：把数据从一个坐标系转换到另一个坐标系，会改变坐标值。

如果数据本身已经有正确坐标系，但与题目要求不同，应使用投影转换。如果数据没有坐标系，但你能根据题目说明或坐标范围确认其真实坐标系，才使用定义投影。

在 QGIS 中，可以使用“另存为”并选择目标 CRS；在 ArcGIS Pro 中，可以使用“投影”工具。统一坐标系后，建议检查图层是否仍然与底图或研究区边界重合。

步骤四：修复几何并清理无效要素

空间叠加之前，建议先做几何修复。QGIS 可使用“修复几何图形”，ArcGIS Pro 可使用“Repair Geometry”。修复后再检查是否存在空几何和面积为 0 的面要素。

import geopandas as gpd

gdf = gpd.read_file("02_process/input_projected.gpkg")

gdf = gdf[gdf.geometry.notnull()]
gdf = gdf[~gdf.geometry.is_empty]

gdf["is_valid"] = gdf.geometry.is_valid
invalid = gdf[~gdf["is_valid"]]
print("无效几何数量：", len(invalid))

gdf["geometry"] = gdf.geometry.buffer(0)
gdf = gdf[gdf.geometry.is_valid]

gdf.to_file("02_process/input_geometry_fixed.gpkg", driver="GPKG")

buffer(0) 是常见的面几何修复技巧，但不是万能方法。对于复杂自相交、多环面或拓扑关系严格的数据，仍应优先使用专业 GIS 软件的修复工具并人工抽查。

步骤五：按研究区裁剪，缩小处理范围

上午场数据量不一定很大，但不建议在全域数据上直接做复杂叠加。先用研究区边界裁剪，可以减少后续工具运行时间，也能避免统计到研究区外的数据。

典型流程如下：

确认研究区边界是面要素，且坐标系已统一。
使用裁剪工具处理道路、用地、河流、兴趣点等图层。
裁剪后检查要素数量和空间范围。
对线和面数据重新计算长度、面积字段。

如果题目要求“落在研究区内”的点要素，应使用按位置选择或空间连接；如果要求“与研究区相交”的线面要素，应注意边界处的切割结果是否符合统计口径。

步骤六：执行核心空间分析

不同题目会有不同分析任务，但上午场常见核心分析可以抽象为以下组合：

缓冲区分析：例如统计道路一定距离范围内的用地或设施。
相交分析：例如计算行政区内不同类型用地面积。
空间连接：例如给点要素挂接所在街道、网格或分区信息。
融合统计：例如按类别合并图斑并统计面积。
栅格重分类：例如把高程、坡度或适宜性指数分级。

以“按分区统计地类面积”为例，推荐处理逻辑是：

统一分区图层和地类图层坐标系。
修复两个图层的几何。
用分区边界裁剪地类图层。
执行相交分析，得到“分区 + 地类”的叠加结果。
新增面积字段，按投影坐标系计算面积。
按分区编号和地类字段汇总面积。
导出统计表，并抽查汇总面积是否接近分区面积。

步骤七：字段整理与面积、长度重新计算

很多同学会直接使用原数据中的 AREA、Shape_Area 或 Length 字段。这里要特别小心：只要做过裁剪、相交、投影转换或几何修复，原有面积和长度字段就可能不再准确。

建议在最终统计前新增字段，例如：

area_m2：平方米面积。
area_km2：平方千米面积。
len_m：米制长度。
ratio：占比。

如果使用 GeoPandas，面积计算示例如下：

import geopandas as gpd

gdf = gpd.read_file("02_process/intersect_result.gpkg")

if gdf.crs is None:
    raise ValueError("数据缺少坐标系，不能直接计算面积")

gdf["area_m2"] = gdf.geometry.area
gdf["area_km2"] = gdf["area_m2"] / 1_000_000

summary = (
    gdf.groupby(["zone_id", "landuse"], as_index=False)["area_m2"]
    .sum()
)

summary.to_csv("03_output/zone_landuse_area.csv", index=False, encoding="utf-8-sig")

前提是数据已经处于米制投影坐标系。如果仍是经纬度坐标，geometry.area 的结果不是平方米，不能作为比赛统计结果提交。

步骤八：结果核验与提交整理

最终提交前至少做三类核验：

空间核验：把最终成果叠加到研究区边界上，检查是否有偏移、漏裁、越界。
属性核验：检查关键字段是否为空，分类值是否与题目一致。
统计核验：检查面积、长度、数量是否在合理范围内，汇总值是否能解释。

如果题目要求提交多个文件，建议用统一命名方式，例如：

03_output/
  result_vector.gpkg
  result_statistics.xlsx
  result_map.pdf
  processing_note.txt

处理说明可以简短记录数据来源、坐标系、主要工具、统计口径和注意事项。这对复盘尤其有帮助。

常见坑：第九届上午数据处理容易出错的地方

坑一：把坐标系定义当成投影转换

如果数据坐标值本来是经纬度，却被错误定义为投影坐标系，图层会严重偏移。反过来，如果投影坐标被错误定义为经纬度，也会无法正常叠加。判断方法是查看坐标范围：经纬度通常是类似 100、30 这样的数值，投影坐标通常是几十万或几百万。

坑二：在经纬度坐标下计算面积

经纬度单位是度，不是米。直接计算面积会得到“平方度”，没有实际面积意义。比赛统计面积时，应先投影到合适的平面坐标系，再计算平方米或平方千米。

坑三：相交分析后没有重新计算面积

相交会切碎面要素，原面积字段不会自动代表新几何面积。只要几何发生变化，就要重新计算面积或长度。

坑四：字段类型不一致导致连接失败

行政区代码、网格编号、地类编码等字段经常因为文本型和数值型混用而无法匹配。连接前应统一字段类型，并检查前导零是否被 Excel 吃掉。

坑五：只看工具运行成功，不看结果是否合理

GIS 工具运行成功只能说明过程没有报错，不代表结果正确。必须用地图叠加、统计汇总和抽样检查验证结果。

方法比较：QGIS、ArcGIS Pro、Python 代码包怎么选

方法	适合场景	优势	注意事项
QGIS	赛前练习、开源环境、快速检查数据	免费、工具丰富、GeoPackage 支持好	不同版本工具名称和参数可能略有差异
ArcGIS Pro	比赛指定 Esri 环境、标准地理处理流程	工具链成熟、制图和布局能力强	注意许可、工程路径和地理数据库写入权限
ArcPy	需要批量处理、重复运行、统一输出	与 ArcGIS Pro 工具箱衔接紧密	脚本依赖 ArcGIS Pro Python 环境
GeoPandas	属性统计、批量检查、轻量矢量处理	代码清晰，便于复盘和自动化	复杂拓扑处理能力不如专业 GIS 工具稳定
GDAL/OGR	格式转换、坐标转换、大批量数据处理	性能和格式支持强	命令参数较多，初学者需要提前练熟

如果是正式比赛，建议不要临场切换不熟悉的软件。最稳妥的组合是：用 QGIS 或 ArcGIS Pro 做可视化检查和关键空间处理，用 Python 脚本完成重复统计和成果整理。

检查清单：上午场交卷前必须确认这些点

原始数据是否完整备份，是否没有直接覆盖。
所有参与分析的图层是否使用统一坐标系。
面积、长度统计是否基于投影坐标系。
裁剪、相交、缓冲区之后是否重新计算几何字段。
最终结果是否限制在题目要求的研究区范围内。
字段名称、字段类型、分类编码是否符合题目要求。
连接表是否存在未匹配记录。
统计表总量是否与地图成果基本一致。
输出文件是否能在另一台电脑或新工程中正常打开。
提交文件命名是否清楚，是否包含题目要求的所有成果。

GIS研习社的复盘建议：比赛中不要追求“步骤最多”，而要追求“每一步都有依据、每个结果能验证”。上午场最容易拉开差距的不是工具数量，而是数据质量控制。

FAQ：第九届GIS技能大赛上午数据处理常见问题

1. GIS技能大赛上午数据处理一定要写代码吗？

不一定。QGIS 和 ArcGIS Pro 的图形界面足以完成大部分处理任务。但代码可以提升重复统计、批量检查和复盘效率。建议备赛时准备常用脚本模板，正式比赛时根据环境决定是否使用。

2. 第九届上午数据如果出现坐标偏移，应该先检查什么？

先检查图层坐标系是否已定义，再检查是否需要投影转换。不要直接拖动图层或手工改坐标值。还要确认底图坐标系、工程坐标系和数据坐标系之间是否存在显示转换。

3. 面积统计结果和参考答案差很多，常见原因是什么？

常见原因包括在经纬度坐标下计算面积、相交后没有重新计算面积、统计范围没有按研究区裁剪、地类字段分类错误、重复要素没有清理、单位换算错误等。

4. Shapefile 和 GeoPackage 哪个更适合比赛过程数据？

如果题目没有强制格式，GeoPackage 更适合保存中间过程数据，因为它支持较长字段名、编码更稳定，也能把多个图层放在一个文件中。若最终要求提交 Shapefile，则最后一步再转换并检查字段截断问题。

5. GIS研习社代码包应该包含哪些脚本？

建议至少包含数据检查脚本、坐标系检查脚本、面积统计脚本、字段空值检查脚本和成果导出脚本。代码包不需要复杂，但要能复用、能修改、能记录处理过程。

6. 比赛中工具报错，应该怎么快速定位？

先看输入数据是否为空、几何是否有效、坐标系是否一致、输出路径是否有权限、字段名是否包含特殊字符。再把大数据裁剪成小范围样本测试。如果小样本能运行，说明可能是数据量、异常几何或个别要素导致的问题。

结论：把上午场当成标准化数据工程来做

第九届 GIS 技能大赛上午数据处理的关键，不是记住某一个工具按钮，而是形成稳定的数据工程思维：先检查，后统一；先修复，后分析；先计算，后核验；先保存过程，再整理成果。

对于 GIS 学生和初级工程师来说，这套流程同样适用于日常项目中的国土空间、城市规划、生态评价、设施选址和 WebGIS 数据预处理。只要你能把坐标系、几何质量、属性字段和统计口径控制住，GIS 技能大赛上午场的大多数数据处理问题都会变得可拆解、可验证、可复盘。

建议把本文流程整理成自己的赛前模板，并结合 QGIS、ArcGIS Pro、ArcPy 或 GeoPandas 准备一套轻量代码包。真正上场时，你需要的不是临时搜索工具，而是一套已经练熟的数据处理路线。