企业官网建设流程全解析

简介：全国第二次土壤普查土壤类型数据集是一份面向土地资源管理、农业区划与生态保护工作者的GIS数据包，帮助使用者快速掌握全国及分省土壤类型分布，支撑土壤查询、制图与空间分析。压缩包共269个文件，整体约25.33MB，核心是32个面状矢量图层，配合dbf属性表、prj投影文件、doc和txt说明文档，其中dbf可查看各图斑的土壤属性，prj用于坐标转换，txt记录了土壤分类体系，另有gson等格式便于Web端轻量展示，可在ArcGIS、QGIS等平台直接打开并叠加气候、地形、植被等环境图层。目前已有3169人学习。资源既有全国土壤矢量底图，也细化为分省土壤矢量，便于开展省级尺度的土壤利用评估；同时配套土壤分类体系说明，可辅助理解中国土壤系统分类的层级、命名与转化关系。对于农业科研、土地利用规划、环境保护和气候变化适应等场景，这份数据都能提供底图支撑，适合科研人员、高校学生及基层规划人员用于土壤数据查询、专题图制作和初步研究。

1. 为什么这张全国土壤类型底图还在被反复下：年代久远并不等于不能用

做区域土壤属性制图、农业区划或者环境建模的时候，最难找的往往不是算法，而是一张能覆盖全域、分类口径统一的土壤类型底图。第三次全国土壤普查的数据还在分批发布，很多项目却等不到那天，这时候一个被反复下载了十几年的资源就派上了用场：全国第二次土壤普查土壤类型数据集。它的图斑来自上世纪七十年代末到八十年代初的实地调查，分类用的是发生学体系，但土类、亚类两级在区域尺度上非常稳定，拿来当底图、当训练样本、当流域归类依据都够用。适合GIS与遥感从业者、土壤学科研人员，也适合做环境影响评价时急需一张可靠土壤图的人。问题是数据集拿回来之后怎么读、怎么转、怎么不翻车，这篇就按实操路径拆一遍。

2. 数据集长什么样：shp/tif/dbf 三件套、坐标体系与属性字段清单

2.1 核心文件组成：shp、tif、dbf 各负责什么

公开渠道能下载到的二普土壤类型数据集，通常不是一个孤立的文件，而是一组打包文件。最常见的形态是：一个全国范围的矢量面图层（shapefile），一个栅格版本（tif），再加一张分类说明表（Excel 或 dbf），有的版本还附带土壤属性表（有机质、pH、全氮等，来自典型剖面）。先把文件认全，后面才不会在加载阶段就卡住。

shapefile 其实是多文件组合，拿到手至少要有 .shp、.shx、.dbf、.prj 四个文件，缺一个都可能加载异常。.shp 存几何形状，.shx 是索引，.dbf 是属性表，.prj 是坐标系定义文件。这里要特别说明：很多早期的资源包里 .prj 是缺失的，或者写的是老式 ESRI 格式，直接导致后续投影判断失误，这一点在避坑章节会重点讲。

加载时的优先级有讲究。我一般先加载 shp 面图层，因为它的属性表里带土类、亚类、土属、土种多级信息；tif 版虽然使用方便，但如果制作方在栅格化时只保留了土类级别，后续想细分亚类就得回到矢量版重转。所以拿到资源包，先打开 shp 确认字段完整性，再决定是否信任 tif。

2.2 坐标系不能想当然：从投影参数反查数据出处

二普数据的年代决定了它的坐标系大概率不是你默认的 WGS84 或 CGCS2000。常见两种情况：一种是采用 Krasovsky_1940 椭球体上的 Albers 等积圆锥投影，另一种是 Gauss-Kruger 投影，可能基于北京54坐标系。如果你在软件里看到的坐标值像是几百上千万的大数，但地图却和在线底图对不上，基本就是投影没读对。

判断方法很直接。在 QGIS 里右键图层，选「图层属性 → 信息」，看坐标系一栏；如果显示 Unknown CRS，就要人工指定。我的经验是先从资源包的说明文件里找投影关键词，很多发布版本会带一句「Albers 等积圆锥投影，中央经线 105°E，双标准纬线 25°N 和 47°N」之类的参数说明，按这个参数在 QGIS 里创建自定义 CRS，图斑位置立刻就对了。

还有一种更隐蔽的情况：prj 文件里有投影名，但实际数据是另一种投影。这属于制作方在导出时改了投影却不更新 prj 文件，单看属性没用，得把图层叠到某省省的行政边界或河流矢量上做目视核对。做这一步别怕麻烦，二普图斑边界本来就和地形关系密切，如果发现山地土壤图斑整体悬在平原上空，那就是坐标系标定错了。

2.3 属性表读不出来的真正原因：编码在作怪

把 shp 拖进 ArcGIS 或 QGIS，图斑显示出来了，但属性表里的中文全是问号或者乱码，这不是数据损坏，是 dbf 文件的编码问题。dbf 格式本身不强制记录编码，早年采集的数据多是 GBK（或 GB2312）编码，而现代 GIS 软件默认按 UTF-8 读取，于是出现了「图对了字乱了」的诡异局面。

处理方式分软件说。QGIS 里可以在加载 shp 时手动指定编码：数据源管理器 → 编码选择 GBK，图层的属性表中文就正常了，这个方法不用改文件。ArcGIS 则麻烦一点，需要通过「表选项 → 导出」或在 Catalog 里设置代码页。如果用 Python 处理，直接指定 encoding 参数更省事。下面这段代码在 Jupyter 里跑一次，就能同时验证几何和属性：

import geopandas as gpd # 读取二普土壤类型 shp，编码按常见情况先试 GBK gdf = gpd.read_file(r"path/to/soil_2nd_survey.shp", encoding="gbk") # 如果上面报错或乱码，再试 gb18030，兼容性更好 # gdf = gpd.read_file(r"path/to/soil_2nd_survey.shp", encoding="gb18030") # 查看前五行属性 print(gdf.columns.tolist()) print(gdf.head())

这段代码的关键是 encoding 参数：GBK 是常见选择，但如果字段里有生僻字或繁体字，GB18030 是 GBK 的超集，能覆盖的字符更多。打印 columns 和 head 可以快速确认是不是读对了——如果字段名正常显示为「土类」「亚类」「土属」「土种」而不是乱码，编码这关就算过了。拿到了可读的属性表，下一步才能谈分类筛选和重分类。

3. 先看分类体系再动手：发生学分类的土类/亚类/土属/土种层级与符号定义

3.1 从属性表的字段推分类层级关系

二普调查用的分类体系是发生学分类，和现在三普推行的中国土壤系统分类是两个体系。前者强调成土条件和地理地带性，后者强调诊断层和诊断特性。这意味着拿到二普数据后，不要下意识用系统分类的思维去理解字段。常见的字段命名是 TLE 表示土类、TLA 表示亚类、SU 表示土属、TZH 表示土种，不同数据版本字段缩写可能有差异，但层级逻辑一致：土类是最粗的分类，亚类从土类里分出来，土属和土种依次更细。在属性表里看某一条记录，往往是「棕壤—棕壤性土—酸性岩棕壤—某某土种」这样一串。

这里有个实用技巧：先用土类字段做唯一值统计，确认数据覆盖的类别数量。二普资料的土类级别通常在 50 到 60 个左右，某平台发布的简化版可能只保留 12 个主要土类（红壤、黄壤、棕壤、褐土、暗棕壤、黑土、黑钙土、栗钙土、潮土、沼泽土、盐碱土、水稻土等），这是因为原始图斑中小类别太多，制图综合时做了合并。如果统计出来的类目数和说明文档对不上，就要警惕是不是读错了字段。

在 ArcGIS 或 QGIS 中做统计不需要写代码，直接用字段的「统计」功能就行。QGIS 的字段面板里右键字段名选「统计」，可以看到唯一值个数；ArcGIS 用「属性表 → 按属性选择 → 切换选择」也能确认。想快速定位大类的空间分布，建议开一个地图窗口，用土类字段做唯一值渲染，颜色一铺开，地带性规律立刻清楚——东部红壤黄壤、北方黑土黑钙土、西北栗钙土灰钙土，这个视觉检查比任何脚本都直观。

3.2 用符号化快速验证图斑完整性

符号化不只是为了好看，更是验证数据质量的手段。把渲染方式改成「唯一值」，分类字段选土类，软件会为每个土类分配颜色。这一步能暴露很多问题：如果地图上出现大量零散碎斑，说明图斑边界在数字化时被过度切割；如果某个土类只出现在图幅边缘的一条窄带上，可能是裁切出了问题，而不是真实分布。

我一般还会配一个半透明效果，叠加在线影像或地形阴影。二普土壤图斑和地形的关系非常密切：山地丘陵区对应淋溶土或雏形土，平原区对应水成土或人为土。如果看到某个图斑横跨了山脊和平原两种完全不同的地貌，基本可以判断是配准误差或边界拓扑错误，后面做分析时这类图斑要么修要么剔除。

3.3 按大类提取与重分类：SQL 查询与字段计算

实际项目里很少直接拿全部分类去做分析，通常只需要某一类或几类土壤。比如做水稻土分布调查，就只提取土类为水稻土的图斑。在 QGIS 里可以用「按表达式选择」：字段名 = '水稻土'，选中后导出新图层。ArcGIS 里对应的是 Select by Attributes，SQL 写法如下：

SELECT * FROM soil_layer WHERE 土类 = '水稻土'

如果字段是英文 TLE，就写WHERE TLE = '水稻土'。注意中文值两边要加单引号，字符串比较是精确匹配，不能写TLE LIKE '%水稻%'，除非确定字段里带了其他前缀。

重分类是另一个高频需求。比如要把 12 个土类归并成「地带性土壤 / 非地带性土壤 / 人为土」三类，不要在原始图层上直接改字段，建议新建一个字段，用条件赋值。QGIS 字段计算器里可以这么写：

CASE WHEN 土类 IN ('红壤','黄壤','棕壤','褐土','暗棕壤','黑土','黑钙土','栗钙土') THEN '地带性土壤' WHEN 土类 IN ('潮土','沼泽土','盐碱土') THEN '非地带性土壤' WHEN 土类 = '水稻土' THEN '人为土' ELSE '其他' END

这段表达式的逻辑很直接：用 IN 做多值匹配，比连续写 OR 条件清爽得多。重分类后务必再做一次统计，检查「其他」类的占比。如果其他类超过了 5%，说明原始类目里还有没列全的土类，回到统计结果里补全条件，避免静默丢数据。这类「字段计算 + 统计验证」的组合拳，是处理分类数据的基本功。

4. 落地应用的两条主线：直接制图与转栅格参与建模

4.1 重投影：坐标系不统一的处理流程

二普数据集是 Albers 等积圆锥投影还是高斯克吕格投影、基于北京54 还是西安80，直接决定了你能不能把它和其他数据叠在一起。大部分在线底图和遥感数据是 WGS84 或 CGCS2000 经纬度，而二普图斑是投影坐标，单位是米。所以落地第一步永远是统一坐标系。

用 GeoPandas 重投影很简单，调用to_crs时传入目标 EPSG 代码就行。如果你要配合 SRTM 高程数据做地形分析，目标坐标系最好和 DEM 一致，否则后面采样时要二次重采样，精度会有损失。示例代码：

import geopandas as gpd # 读取原始数据，编码沿用前面的 GBK gdf = gpd.read_file("soil_2nd_survey.shp", encoding="gbk") # 查看当前坐标系 print(gdf.crs) # 统一到 WGS84 经纬度，方便叠加在线底图 gdf_wgs = gdf.to_crs("EPSG:4326") # 或者统一到 CGCS2000 / 3 度带 Gauss-Kruger 投影 gdf_cgcs = gdf.to_crs("EPSG:4547") # 具体带号按区域选 # 写回新文件，注意编码 gdf_cgcs.to_file("soil_2nd_survey_cgcs.shp", encoding="utf-8")

这里的关键点有两个。第一，to_crs的输入可以是 EPSG 代码字符串，也可以是不存在 EPSG 的 Albers 参数，但最小化麻烦的办法是先把数据转到 EPSG:4326 确认位置无误，再转到项目需要的投影；第二，输出 shp 时把编码写成 UTF-8，但 dbf 的编码问题在写文件时依然存在，建议同时输出一个 GeoPackage（gpkg）格式，能彻底绕开 dbf 编码。GeoPackage 是 SqLite 容器，没有 dbf 那种编码历史包袱，QGIS 和 ArcGIS Pro 都原生支持。

4.2 矢量转栅格：指定字段、分辨率与像元对齐

栅格化的需求来自两个方向：一是要用 CNN 或随机森林做分类，输入必须是栅格；二是想把土壤类型作为环境变量跟地形、气候数据堆在一起，也需要统一的栅格网格。转栅格时最容易忽略的是像元对齐——直接用软件默认参数生成的栅格，分辨率、起始点和你的 DEM 差一点，后面采样就是一层隐患。

用 Rasterio 做栅格化可以完全控制这些参数。先读一个参考栅格（比如 DEM），拿它的 transform、width、height 当作模板，再调用features.rasterize把矢量画上去：

import geopandas as gpd import rasterio from rasterio.features import rasterize import numpy as np # 读取矢量，这里已经把土类编码成整数 gdf = gpd.read_file("soil_2nd_survey_cgcs.shp", encoding="utf-8") # 土类转到整数编码，方便栅格化 gdf["code"] = gdf["TLE"].astype("category").cat.codes + 1 # 以已有 DEM 为模板，保证像元严格对齐 with rasterio.open("dem_albers.tif") as ref: transform = ref.transform width = ref.width height = ref.height crs = ref.crs # 栅格化，背景值用 0 shapes = [(geom, code) for geom, code in zip(gdf.geometry, gdf["code"])] raster = rasterize(shapes, out_shape=(height, width), transform=transform, fill=0) # 写出 tif with rasterio.open( "soil_type_rasterized.tif", "w", driver="GTiff", height=height, width=width, count=1, dtype="int16", crs=crs, transform=transform, ) as dst: dst.write(raster, 1)

这段代码的要点是zip(gdf.geometry, gdf["code"])：逐图斑把几何对象和整数编码配对，rasterize 会按图斑覆盖关系填充像元。用 DEM 的 transform 作模板是为了对齐，这是最重要的习惯——不同来源的栅格即使 CRS 相同，如果起始点偏移零点几个像元，采样后就会混进邻类像元的值。写出的 tif 建议用dtype="int16"，土类编码最大值通常不会超过几千，int16 够用且文件体积比 int32 小一半。

4.3 与地形栅格做叠加采样：把分类数据转成点位样本

转完栅格，下一步往往是从栅格里提取各类环境变量的值，构成训练样本表。Rasterio 读取多个栅格在某个点上的值有两种方式：一是用rasterio.sample按坐标采样，二是直接把整个栅格读成 numpy 数组再做索引。实际项目里，我更常用第二种，因为它能一次取出全部像元，配合经纬度网格生成全量样本，再用掩膜去掉无效值。

import rasterio import numpy as np import pandas as pd # 打开土壤类型栅格和高程栅格 with rasterio.open("soil_type_rasterized.tif") as soil_src: soil = soil_src.read(1) transform = soil_src.transform with rasterio.open("dem_albers.tif") as dem_src: dem = dem_src.read(1) # 用 numpy 构建坐标网格 height, width = soil.shape rows, cols = np.indices((height, width)) xs, ys = rasterio.transform.xy(transform, rows, cols) xs = np.array(xs).flatten() ys = np.array(ys).flatten() # 展平并组装 DataFrame df = pd.DataFrame({ "x": xs, "y": ys, "soil_code": soil.flatten(), "dem": dem.flatten(), }) # 剔除背景值和无效高程 df = df[(df["soil_code"] > 0) & (df["dem"] > -9999)] print(df.head()) print(df["soil_code"].value_counts())

rasterio.transform.xy按行列号反算地理坐标，返回的是一个二维数组，展平后和像元值一一对应。把土壤编码和高程放在同一行，就构成了最基础的训练样本表。这里有一个很容易踩的坑：Rasterio 读出来的 transform 是像元左上角的坐标，如果你在后续建模中要做空间交叉验证，样本点的 x、y 必须精确指向像元中心，需要再加半个像元分辨率，具体公式是x_center = x + transform.a / 2，在避坑章会再提一次。

5. 使用这场普查数据避坑手记：坐标偏移、乱码与分类对照翻车实录

5.1 现象：图斑整体偏移，落到相邻乡镇甚至跨县

第一次拿二普数据叠在线底图上，最常见的现象是整个土壤图层向某个方向平移了几百米到几公里，图斑边界和地形、水系对不上。

原因：坐标系标定错误，或者 prj 文件缺失。二普数据大量采用北京54 坐标系，而在线底图是 WGS84，两者椭球体不同，同一点的经纬度值存在系统差，在某些区域可达数百米。如果制作方在转换时选错了七参数或直接忽略了椭球转换，偏移就不可避免。

解决：先确认数据原始坐标系，再通过定义投影或重投影修正。如果在 QGIS 里看到 Unknown CRS，先在资源包说明里找投影参数，手动创建自定义 CRS 并「分配」给图层；分配后如果偏移不大，直接右键「导出 → 重投影」到 WGS84 即可。如果偏差很大，建议用控制点做配准而不是盲目硬转，因为大概率是原始数据本身就有位置误差。

5.2 现象：属性表中文全是问号，字段过滤无效

图层能加载，但打开属性表，土类、亚类字段里全是「?」或乱码，按中文查询一条都选不中。

原因：dbf 文件用的是 GBK 编码，软件默认按 UTF-8 解码，中文字符全部变成非法字节。还有一层隐藏原因：dbf 里的字段类型如果是数值型，而原始作业时把文本内容存成了数字代码，看起来正常但过滤时对不上名称。

解决：QGIS 中在加载数据源时设置编码为 GBK，或者用 GeoPandas 的encoding="gbk"读取。读进来之后，建议立刻把中文类名字段另存为一个整数编码字段，后续所有分析都基于整数编码，避免一碰到中文就出问题。如果 load 时选不到 GBK，就试 GB18030，兼容生僻字。

5.3 现象：与三普的调查样点对不上，同一位置土类完全不一致

用二普数据检查某地的土壤类型，发现和三普样点或野外踏勘结果完全对不上，一个说棕壤，一个说淋溶土。

原因：分类体系差异。二普用的是发生学分类，命名强调地带性和成土过程；三普用的是中国土壤系统分类，按诊断层和诊断特性命名。同一个剖面，在二普里叫棕壤，在系统分类里可能是简育湿润淋溶土。这不是数据错误，是两套语言体系，直接比对名称没有意义。

解决：不要按名字比对，要按「景观位置 + 剖面属性」做间接对照。我的习惯是拿到二普图斑后，先在 ArcGIS 里做一步「空间连接」到三普样点，每个样点上带上二普土类名称和 TLE 编码，再人工对几个样点的剖面描述确认对应关系，确定本区域的对照表后再批量转换。千万别全凭感觉建立「棕壤=淋溶土」这种一对一映射，很多土类在系统分类里会拆成多个。

5.4 现象：图斑之间有白缝或重叠，转栅格时出现空像元

栅格化之后，图像上出现几条细长的空值线，或者某些像元同时叠了多个图斑的值，类型发生跳变。

原因：原始数字化时图斑边界没有完全拓扑闭合，相邻图斑共享边不严格，导致缝隙和重叠；栅格化时这些区域没有落到任何图斑或同时落入多个图斑。

解决：转栅格前先做一步拓扑修复。用 GeoPandas 里对 geometry 批量执行buffer(0)，可以消除大多数微小的缝隙和重叠；更严重的拓扑错误再用make_valid处理。处理后重新检查几何体数量，确保和原始图斑数一致，再走栅格化流程。缝隙很小的图斑用 buffer(0) 修好后对面积影响基本可忽略，但千万别用太大的 buffer 值，不然图斑边界会被磨圆，影响后续面积统计精度。

5.5 现象：小图斑密集得没法看，出图全是噪点

比例尺缩小到全省或全国时，图上全是密密麻麻的小图斑，颜色碎得像马赛克，图例也没法看。

原因：二普图斑是按调查精度数字化的，原始比例尺下很多图斑只有几十亩，缩编到小比例尺时这些微图斑变成了肉眼不可辨的碎斑，制图综合没做。

解决：做制图综合，按面积阈值筛选。先算出每个图斑的面积，然后把小于阈值的图斑合并到相邻最大图斑，或者直接在图面上不显示。阈值的选择看比例尺：省级出图一般取 1km² 以下剔除，市级取 0.1km² 以下剔除。合并操作在 QGIS 里可以用「消除」工具，也可以在 GeoPandas 里按面积过滤后再做一次 dissolve：

import geopandas as gpd gdf = gpd.read_file("soil_2nd_survey.shp", encoding="gbk") # 计算面积，如果原始坐标是经纬度就转投影再算 gdf = gdf.to_crs("EPSG:4547") gdf["area_km2"] = gdf.geometry.area / 1e6 # 过滤掉小于 1 平方公里的小图斑 gdf_filtered = gdf[gdf["area_km2"] >= 1.0].copy() # 按土类融合，消除边界 gdf_dissolved = gdf_filtered.dissolve(by="TLE", as_index=False) print(gdf_dissolved.shape)

这里dissolve(by="TLE")会把同一土类下相互接壤的图斑合并为一个多边形，减少碎斑数量。需要注意的是，按土类 dissolve 后，亚类层面的边界就没了，如果下游还要用亚类信息，就别在这一步做 dissolve，改成只做面积过滤，保留图斑边界但删掉小碎块。

6. 进阶：把这场土壤类型图做成一张可交付的专题图

6.1 图例的独立方案：主图用土类，附图用亚类

数据拿稳、坐标对了之后，真正考验功力的出图环节。我的做法是主图用土类做唯一值渲染，图例顺序按分类系统的排序来，不按字母表排，因为在图例里按字母排会打乱土类的地带性规律，读者一眼看不出地理分布逻辑。附图放亚类细节，用灰底衬托主图，只显示重点区域。

配色上不要默认软件随机分配的颜色，手动指定色带，原则是「红壤偏红、黄壤偏黄、棕壤偏棕、黑土偏黑」，这是给非土壤专业读者最直观的信号。面符号填充透明度设到 80% 左右，叠地形阴影底图，图斑的立体感立刻出来。

6.2 制图前强制走一遍的六项核对

出图前，我每一次都会强制自己走完六项核对，顺序不能乱：坐标系检查、编码读取检查、拓扑修复检查、面积总量校核、制图综合阈值检查、图例顺序与属性表对照检查。其中最容易翻车的是面积总量校核：转完投影后重新算一遍总面积，和说明文档里的全国数据对比，偏差超过 2% 就要回头查拓扑修复和制图综合的步骤；因为 dissolve 或 buffer 操作可能引入了面积误差。

面积校核这段可以直接用 GeoPandas 算：

import geopandas as gpd gdf = gpd.read_file("soil_2nd_survey_final.shp", encoding="utf-8") gdf = gdf.to_crs("EPSG:4547") total_area = gdf.geometry.area.sum() / 1e6 # 平方公里 print(f"总面积: {total_area:.1f} km²") # 和资源包说明里的总面积对比，偏差 >2% 就回头查

至于比例尺、指北针、公里网格这些整饰要素，按项目规范放好就行。真正决定这张图能不能交付的，是你对数据本身有没有把握。我有一回因为急着出图，跳过了拓扑修复，结果图上一道白缝正好穿过一个村里的农田，汇报时被当场指出来，场面非常被动。从那以后，每次出专题图之前，我都强制走一遍「重投影检查 → 编码检查 → 拓扑修复 → 面积校核 → 制图综合 → 图例对照」六步，再急也不省。二普数据是几十年前的调查成果，但底子扎实，处理得当照样能撑起今天的项目，希望这份实操拆解帮到你。

本文还有配套的精品资源，点击获取