简介这份2025浙江省村界村级行政区划矢量数据面向GIS从业者、城乡规划人员、科研工作者及政策制定者用于解决村级边界精确获取与空间分析的基础数据需求。资源以ESRI Shapefile格式组织压缩包共7个文件、约302.68MB包含shp图形数据、shx索引、dbf属性表、prj投影信息以及sbn、sbx空间索引和shp.xml元数据构成一套可直接加载的完整数据集。数据覆盖浙江省数万个村级单元涵盖村、社区、乡镇街道、市县等多级区划属性中记录行政级别、名称、行政代码及人口面积等统计字段便于开展空间叠加与统计分析。目前已有535人学习下载。读者可将其应用于城乡规划、土地权属管理、农业政策分析、灾害应急调度、经济发展研究与人口分布研究等场景为长三角区域的地理与社会经济研究提供可靠的空间底图支撑。1. 浙江省村界村级行政区划矢量 shp 数据一份能直接进 GIS 的底图做浙江县域规划、选址分析或者村级治理数字化的同行大概率都遇到过同一个卡点手上有乡镇级边界但一落到村一级就断档。省界、市界、县界在公开渠道相对好找村级行政区划边界 shp 却常年是稀缺品尤其是 2025 年这版涉及行政村合并调整后的最新范围。这份浙江省村界村级行政区划矢量 shp 数据解决的就是「最小行政单元底图从哪来、怎么用」的问题。它适合做国土空间规划、快递网点选址、农业补贴核算、人口格网建模的人也适合需要把 shp 转 3dtiles 做三维可视化、或者把 shp 格式矢量数据导出为 wkt 做入库的工程场景。下面按「数据长什么样 → 怎么拿到并校验 → 怎么进库和转换 → 坑在哪」这条线讲透。2. 先搞清村级 shp 的字段结构和坐标基准拿到一份村级行政区划 shp第一件事不是急着打开看图形而是先确认它的属性表结构和坐标系。村级数据的价值一半在图形一半在字段。图形决定你能不能做空间叠加字段决定你能不能和人口、经济、补贴数据关联。很多人翻车就翻在坐标系没对齐叠加出来偏移几百米还以为是数据错了。2.1 属性表里必须有的几列一份能用的浙江省村级 shp属性表通常包含这几类字段缺一不可字段名含义典型类型用途省代码省级行政区划代码字符/6位关联省级统计市代码地级市代码字符/4位分组统计县代码区县代码字符/6位关联县域数据乡镇代码乡镇街道代码字符/9位中间层级汇总村代码村级区划代码字符/12位最小单元主键村名称行政村/社区名字符展示与匹配备注合并调整说明字符追溯变更村代码是 12 位这是行政区划代码的国家标准长度前 6 位是县中间 3 位是乡镇后 3 位是村。做关联时优先用代码而不是名称因为村名重名在浙江很常见光「新村」「朝阳村」就能撞一大片。名称只用来展示代码才是主键。2.2 坐标系CGCS2000 还是 WGS84浙江的官方矢量数据主流是 CGCS2000 国家大地坐标系。如果你拿到的是地理坐标经纬度单位是度如果是投影坐标常见的是 CGCS2000 3 度带高斯克吕格带号按经度算浙江大致在 118°E 到 123°E 之间对应 39 带、40 带、41 带。判断方法很简单用 ogrinfo 看一眼ogrinfo -so zhejiang_village.shp zhejiang_village输出里会有一行Layer SRS WKT看到GCS_China_Geodetic_Coordinate_System_2000就是 CGCS2000 地理坐标。如果要做面积计算必须投影因为经纬度算出来的面积单位是平方度没有意义。提示村级数据面积小投影时选 3 度带比 6 度带变形更小浙江跨带的话按县分带处理别硬套一个带号。2.3 用 QGIS 快速验证图形完整性打开 QGIS把 shp 拖进去先看三件事一是图形有没有空洞和自相交二是村界之间有没有缝隙或重叠三是属性表行数和图形数是否一致。自相交用「矢量 → 几何工具 → 检查有效性」跑一遍缝隙和重叠用「拓扑检查器」。村级数据因为来源多样边界接边处经常有几十厘米的缝隙做精确面积统计前要处理。3. 从下载到入库shp 转 GeoJSON、PostGIS 与 wkt 的完整链路村级 shp 拿到手只是起点真正落地要进数据库、转格式、做服务。这一章把最常见的三条链路走一遍转 GeoJSON 给前端、入 PostGIS 做空间查询、导出 wkt 给业务系统。每条都给可复制的命令和参数说明。3.1 shp 转 GeoJSON 并指定编码shp 的属性表编码是个老问题中文村名经常乱码。GDAL 默认按系统编码读Windows 上容易出问题。显式指定 UTF-8ogr2ogr -f GeoJSON \ -lco ENCODINGUTF-8 \ -t_srs EPSG:4326 \ zhejiang_village.geojson \ zhejiang_village.shp-f GeoJSON指定输出格式-lco ENCODINGUTF-8控制输出编码避免中文乱码-t_srs EPSG:4326把坐标统一转成 WGS84 经纬度方便前端地图库直接吃。如果源数据是 CGCS2000 地理坐标和 WGS84 在村级尺度上差异极小但规范起见还是转一下。转完用ogrinfo -al -so确认要素数和字段没丢。3.2 导入 PostGIS 并建空间索引PostGIS 是村级数据做空间分析的标配。先用 shp2pgsql 生成 SQL再灌库shp2pgsql -s 4326 -I -W UTF-8 \ zhejiang_village.shp \ public.zhejiang_village | \ psql -h localhost -U gis -d gisdb-s 4326声明源坐标系 SRID-I自动创建 GiST 空间索引这一步别省村级数据动辄几万要素没索引的相交查询能跑到天荒地老-W UTF-8指定编码。灌完检查一下SELECT COUNT(*), ST_SRID(geom) FROM public.zhejiang_village GROUP BY ST_SRID(geom);如果 SRID 是 0说明导入时没识别到坐标系需要手动UPDATE ... SET geom ST_SetSRID(geom, 4326)。SRID 为 0 的几何做空间运算会报错或者结果错乱这是高频坑。3.3 导出 wkt 给业务系统对接有些业务系统不收 shp 也不收 GeoJSON只认 wkt 文本。导出时注意精度村级边界精度太高会让文本爆炸SELECT 村代码, 村名称, ST_AsText(ST_SimplifyPreserveTopology(geom, 0.0001)) AS wkt FROM public.zhejiang_village WHERE 县代码 330100;ST_SimplifyPreserveTopology做拓扑保持的简化第二个参数是容差地理坐标下 0.0001 度约等于 10 米村级展示够用。直接ST_AsText不简化的话一个复杂村的 wkt 可能几万字符接口传输和存储都吃不消。简化后再导出体积能降一个数量级形状肉眼几乎看不出差别。3.4 用 Python 批量做字段清洗下载来的数据字段名经常是拼音或者英文缩写入库前统一成中文或规范命名import geopandas as gpd gdf gpd.read_file(zhejiang_village.shp, encodingutf-8) # 字段重命名映射按实际列名调整 rename_map { PROV_CODE: 省代码, CITY_CODE: 市代码, CNTY_CODE: 县代码, TOWN_CODE: 乡镇代码, VILL_CODE: 村代码, VILL_NAME: 村名称, } gdf gdf.rename(columnsrename_map) # 补齐村代码为 12 位防止前导零丢失 gdf[村代码] gdf[村代码].astype(str).str.zfill(12) gdf.to_file(zhejiang_village_clean.shp, encodingutf-8)zfill(12)是关键村代码前几位可能是 0Excel 或某些工具读进来会当数字处理前导零一丢关联全错。用 geopandas 读的时候显式指定 encoding写回时也指定避免中途乱码。字段重命名后后续所有关联逻辑都用中文列名可读性好很多。4. 村级边界做空间分析时的避坑清单村级数据和省市数据不是一个量级要素多、边界碎、接边复杂很多在省级数据上跑得好好的流程到村级就翻车。下面这几条是实打实踩出来的。4.1 现象叠加分析结果出现大量空值原因两个图层的坐标系 SRID 不一致一个 4326 一个 4490或者一个地理坐标一个投影坐标。PostGIS 里 SRID 不同直接 ST_Intersects 会报错QGIS 里则会静默返回空。解决叠加前统一 SRID用ST_Transform显式转换。批量处理时先查一遍所有图层的 SRID不一致的先转再算。别指望工具自动对齐它不会。4.2 现象面积统计出来比实际大很多原因在地理坐标经纬度上直接算面积单位是平方度数值没有物理意义。或者投影带号选错跨带区域变形放大。解决先投影到合适的平面坐标系再算面积。浙江用 CGCS2000 3 度带按县所在经度选带号。PostGIS 里用ST_Area(ST_Transform(geom, 4547))4547 是 CGCS2000 3 度带的一个 EPSG 代码具体带号按区域查。4.3 现象村界之间有细缝或重叠原因数据来源拼接不同批次采集精度不一致接边处没做拓扑处理。解决做统计前先做拓扑修复。QGIS 里用「修复几何」处理自相交用「消除」处理缝隙或者用 PostGIS 的ST_SnapToGrid统一节点。缝隙面积小的话做区域汇总时影响不大但做精确到村的面积排名就必须处理。4.4 现象中文村名乱码原因shp 的 .dbf 文件编码和读取工具默认编码不匹配常见于 GBK 和 UTF-8 混用。解决读取时显式指定编码。GDAL 用-W GBK或-W UTF-8试geopandas 用encoding参数。如果已经乱码用ogr2ogr带-lco ENCODINGUTF-8重新转一遍多数能救回来。实在救不回只能按代码重新关联名称。4.5 现象shp 转 3dtiles 后模型位置偏移原因转 3dtiles 的工具默认按 WGS84 处理源数据是 CGCS2000 投影坐标没做转换直接喂进去。解决转之前先把数据转成 EPSG:4326 地理坐标再喂给转换工具。3dtiles 的瓦片索引依赖经纬度高程坐标系不对模型就飘到别处去了。这一步在村级数据上尤其明显因为村级范围小偏移几十米就完全对不上底图。5. 把村级 shp 用出进阶价值渔网分割与格网统计村级边界本身只是底图真正产生价值的是拿它做统计单元。一个高频进阶用法是渔网分割 shp把村级面切成规则格网再和人口、POI、遥感影像做叠加统计。这样既保留了行政单元的归属又能做精细化空间分析。5.1 用渔网分割村级面做格网化思路是先用村级面生成覆盖范围的渔网再用村级面去裁剪渔网让每个格网带上村代码。PostGIS 里可以这样-- 生成 500 米格网范围取村级数据的边界框 CREATE TABLE village_grid AS SELECT v.村代码, v.村名称, g.geom FROM public.zhejiang_village v CROSS JOIN LATERAL ( SELECT ST_SquareGrid(0.005, v.geom) AS geom ) AS g WHERE ST_Intersects(v.geom, g.geom);ST_SquareGrid的第二个参数是格网边长地理坐标下 0.005 度约 500 米。CROSS JOIN LATERAL让每个村各自生成格网再求交避免全图生成一个巨大渔网再裁剪性能好很多。生成后每个格网带村代码后续按村汇总或者按格网关联外部数据都行。5.2 格网关联外部数据做密度统计有了格网就可以把 POI、人口格网、夜间灯光等数据按格网汇总SELECT g.村代码, COUNT(p.*) AS poi_count, SUM(p.weight) AS poi_weight FROM village_grid g LEFT JOIN poi p ON ST_Within(p.geom, g.geom) GROUP BY g.村代码;ST_Within判断点是否在格网内LEFT JOIN保证没有 POI 的格网也保留。汇总完再按村代码聚合就得到村级尺度的 POI 密度。这套流程换成人口格网、企业注册点、快递单量都一样格网是通用的统计容器。5.3 验证数据质量的三个习惯我一般拿到任何一份村级 shp都会跑三个验证一是要素数和官方公布的行政村数量对一遍差太多说明数据不全二是随机抽几个村用天地图或影像底图核对边界走向看有没有明显错位三是把村代码和统计年鉴的代码表对一遍确认没有废弃代码。这三个习惯帮我拦下过好几次「看起来能用、实际对不上」的数据。村级行政区划 shp 这个方向值不值得投入取决于你要不要做最小单元的空间分析。如果只做市级展示省市边界够用一旦落到补贴核算、网点选址、格网统计村级数据就是绕不开的基础设施。我自己的习惯是拿到新数据先建一个校验脚本把坐标系、字段、要素数、拓扑四件事跑一遍过了才入库。这套流程跑顺了后面换任何省份的村级数据都能复用。希望帮到你。本文还有配套的精品资源点击获取