简介：中国土壤类型图1:100万矢量数据集，基于土壤发生分类系统编制，覆盖全国各类土壤及其主要属性特征，面向地理、农业、环境、国土规划等领域的科研人员与高校学生，可用于土壤类型查询、空间制图、区域分析及教学演示。压缩包约52.52MB，共6个文件，核心为shp矢量图层，并配套prj投影参数、dbf属性表、xml元数据及doc数据说明，结构虽精简但可直接导入ArcGIS、QGIS等GIS平台使用。包内附有数据来源说明与土壤分类代码表，便于理解分类体系和按代码字段筛选渲染不同土壤类型。目前已有381人学习下载，适合需要全国尺度土壤底图的科研与教学场景，尤其便于进行土壤类型分布制图、面积统计与专题图制作，能为相关项目提供扎实的数据基础。
1. 中国土壤类型图1:100万：一张能当底图的全国土壤数据，为什么值得重新拾起来
做水文模型、耕地质量评价或者生态环境评估的同行，大概率在某个项目里被问过一句：“有没有全国尺度的土壤类型数据？”现采土壤剖面不现实，最容易想到的是中国土壤类型图1:100万。它源自全国土壤普查成果，数字化后在大量研究中当底图用。它能解决的是：在缺少大范围实测数据的场景下，用统一的分类体系给出全国尺度的土壤空间分布，适合做区域概算、模型参数分区和采样设计的前期分层。这张图的版本、坐标系、字段编码五花八门，能不能用、怎么用，关键不在图本身，而在使用者有没有把它的边界和属性表吃透。下面就从数据源头讲起，把打开方式、重分类和踩坑经验一次说清。
2. 中国土壤类型图1:100万的身世：从纸质图到矢量数据的版本差异
2.1 数据源头与比例尺的含义
中国土壤类型图1:100万最早可追溯到第二次全国土壤普查。普查结束后，各地积累了大量的土壤剖面和野外调查资料，制图专家在此基础上做汇总和制图综合，形成全国尺度的土壤类型分布图。比例尺1:100万的含义是图上1毫米对应实地1公里，这决定了它表现的内容是土类和亚类级别，精度不足以支撑田间尺度的精细管理，但足以支撑流域尺度和省级尺度的土壤分布概算。
搞清这个尺度含义很重要。很多新入行的同行拿到图之后抱怨边界锯齿太粗、与遥感影像对不上，其实是没意识到这张图诞生时就不是为了和米级影像对齐。我一般会先和项目方对齐需求：如果只是要一个土壤类型的空间分布概览，或者把这张图作为采样分层和模型分区的基础底图，它完全够用；如果要定位到具体地块并给出土壤属性，就要另行考虑更大比例尺的补测数据。所以拿到数据的第一步不是打开软件，而是先确认目标尺度是否匹配。
2.2 栅格扫描版、矢量数字化版与伪矢量版
现在流通的版本大致分三类。栅格扫描版是纸质图的直接扫描件，通常是TIFF或JPG，多数不带坐标，需要自己配准；矢量数字化版是人工跟踪数字化或半自动矢量化后的Shapefile，带属性表，使用起来最方便；还有一种“伪矢量版”需要警惕——它只是把扫描图切成若干块存成栅格，再套了一个坐标系，属性表里没有任何土壤分类信息，加载后看起来能叠加，实际无法做任何分类统计。
这三类版本的坐标系和精度差异很大。早期版本多用北京1954或西安1980坐标系，后期数字化版本开始转向CGCS2000。属性表编码也不统一，有的用数字编码表示土壤类型，有的直接用中文名称字符串。拿到数据后，最忌讳的是打开一看能显示就认为它是对的，正确的做法是先看元数据或图层属性。一个没有投影文件的Shapefile和一个乱码属性表的Shapefile，在分析之前必须先处理，否则后面的叠加和统计全是白做。
2.3 拿到数据先做四件事
拿到的任何版本，建议按下面这个顺序处理，能省掉后续大量返工。第一，查投影：打开图层面板，确认坐标参考系统；如果显示未知，立即在元数据里找说明，找不到就用原始图幅范围的经纬度推断，拿不准时就按WGS84地理坐标处理，后续统一投影。第二，查属性：打开属性表，看有没有表示土壤类型的字段，字段类型是文本还是数字，字段名是拼音缩写还是中文。第三，查边界：放大到国界和省界，看有没有缺块、重复和异常偏移，国界附近的问题还会影响成果的合规发布。第四，记录版本：把数据来源、格式、坐标系、配准误差写进一个文档，和原始数据放在一起，项目最终交付或论文返修时，这条记录几乎必被用到。
2.4 制图综合与图幅拼接的隐藏影响
制图综合是这张图最容易被忽略的隐藏属性。1:100万比例尺下，小于最小上图面积的土壤体被并入相邻图斑，表现在图上就是一些狭长的土壤类型边界被拉直或删减。这个特性意味着，在丘陵和山地过渡地带，图上的边界会比真实情况平滑，使用时不能把边界当作精确的分界线来解读。
另一个隐藏问题是图幅拼接。全国图件在数字化时是分幅进行的，不同作业员对边界走向的理解不完全一致，导致相邻图幅接边处偶尔出现分类不连续。做全国拼接时，要在接边处逐段检查，发现编码跳变的图斑再人工修正。这个问题在省级裁剪时不一定显现，但全国范围的统计分析会遇到，而且很难用自动化方法完全消除。我通常在接边处叠加一次地形晕渲图，靠视觉检查效率反而比纯代码高。
2.5 两套版本怎么选：一张对比表
| 对比项 | 栅格扫描版 | 矢量数字化版 |
|---|---|---|
| 文件格式 | TIFF / JPG | Shapefile / GPKG |
| 坐标信息 | 通常缺失，需配准 | 多数自带，但坐标系混杂 |
| 属性表 | 无分类属性 | 有编码和名称字段 |
| 使用难度 | 高，需逐幅配准拼接 | 较低，可直接叠加 |
| 适用场景 | 溯源、制图比对 | 空间分析、模型参数分区 |
提示：如果数据不带投影文件，不要靠自动识别硬猜，先看原始图件的经纬网标注；拿不准时宁可用WGS84地理坐标做临时分析，也不要乱套一个相近年份的投影。
3. 在 GIS 里正确打开与预处理：投影、裁剪和图层叠加
3.1 加载矢量数据后的三个验证点
用QGIS或ArcGIS加载矢量版土壤图，最快只需要拖入文件，但我不会立刻开始分析，而是先看三个验证点。第一，图层属性里的坐标参考系统与实际范围是否匹配，比如一个标注为WGS84的图层，显示范围却在经度800多度，那一定是投影写错或文件损坏。第二，属性表能否正常打开，中文是否乱码。第三，图形有没有明显的飞线、自相交和缝隙。加载后如果图形显示在工作区之外，用“缩放到图层”看全貌，而不是怀疑软件出了问题。
判断一个文件是否可直接用于分析，最简单的办法是看扩展名。Shapefile至少有主文件.shp、索引.shx、属性.dbf三个伴随文件，缺一个都可能打不开。如果只有一个.shp文件，那大概率只是几何文件，没有属性表，后续分类分析无从谈起。还有一种常见情况是数据放在早期光盘里，图层文件齐全但目录路径包含中文，某些老软件会读取失败，把文件复制到纯英文路径下往往能解决。
3.2 用 Python 统一投影并裁剪到研究区的可复现流程
遇到需要批处理或不想开桌面软件的场景，我惯用的做法是用geopandas把“读入、投影、裁剪、输出”写成脚本。这个流程的好处是参数可以留档，换一个研究区时只需要改边界文件路径。相比在GUI里点选，脚本方式还能避免漏掉某个步骤。
import geopandas as gpd # 1. 读取原始矢量，注意有些版本是GBK编码 gdf = gpd.read_file("soil_type_1m.shp", encoding="gbk") print(gdf.crs) # 确认坐标系 print(gdf.head(3)) # 查看属性表前3行 # 2. 统一投影到全国Albers等积圆锥投影 # 参数：双标准纬线25/47，中央经线110，单位米 albers_proj = ("+proj=aea +lat_1=25 +lat_2=47 +lat_0=0 " "+lon_0=110 +datum=WGS84 +units=m +no_defs") gdf_albers = gdf.to_crs(albers_proj) # 3. 读取研究区边界并做空间裁剪 region = gpd.read_file("study_area.gpkg").to_crs(gdf_albers.crs) clipped = gpd.overlay(gdf_albers, region, how="intersection") # 4. 输出裁剪结果，保持中文可读 clipped.to_file("soil_type_clipped.shp", encoding="utf-8")这段代码的逻辑是：先读原始数据并打印坐标系和属性表前几行，然后通过to_crs把坐标系转为统一的等积投影，接着用overlay按研究区边界做交集裁剪，最后输出。参数上要留意三点：一是投影字符串里的+datum=WGS84要和源数据坐标基准匹配，二是overlay会生成新图斑，三是输出文件编码显式指定为utf-8。如果裁剪后图斑数量异常，多半是边界文件坐标系没统一，两个图层坐标系不一致时overlay会直接报错，这是好事，至少能让你及时发现。
3.3 栅格扫描版的配准与重采样参数
对没有坐标的扫描图，地理配准是绕不开的步骤。在QGIS中打开配准工具，加载扫描图后，控制点的选择直接决定配准成败。我选取控制点的经验是：优先选河流交叉口、道路交点、经纬网交点和海岸线拐点，这些位置在扫描图上清晰且不易移动。控制点数量至少六个，并且要覆盖整幅图的四角和中部，不能只集中在某一侧。
变换类型的选择，常见做法是“线性”或“二次多项式”。线性变换适合纸张变形小的图，二次多项式适合有轻微弯曲的扫描图；不建议用更高阶的三次多项式来强行降低控制点误差，那样会在控制点之外产生严重扭曲。配准完成后看总均方根误差，目标通常是一个像元以内，也就是和扫描分辨率相当。如果误差明显偏大，先剔除误差最大的控制点，而不是直接提高变换阶数。
重采样方法选择“最近邻”而不是“双线性内插”，原因在于土壤类型是分类数据，内插会在类型边界造出并不存在的过渡值。投影转换后同样用最近邻。这一步写在操作记录里，后面成果被质疑时能直接拿出来说明。换一个说法，重采样相当于把类型值搬到新网格，最近邻保证搬过去的还是原来的值，双线性则会算出两个类型的平均数，这个数在现实中没有任何对应的土壤类型。
3.4 矢量和栅格混合使用时的叠加检查
实际项目中经常遇到土壤图是矢量、地形或土地覆盖数据是栅格的情况，两者叠加时要格外注意范围对齐。先检查矢量和栅格的地理范围是否一致，再检查栅格像元大小是否合适。用栅格去提取矢量点的属性时，如果栅格与矢量的坐标系不同，提取结果会错位。我一般先把栅格重采样到与矢量一致的投影，再执行属性提取，顺序不要颠倒。这一步没有复杂算法，但几乎所有新手都会在这个环节上吃过亏。
4. 从分类到数值：重分类、图斑合并与面积统计的可复现做法
4.1 读懂属性表的分类编码
1:100万土壤图的核心不在图形，而在属性表里的分类编码。国内常见的分类体系按土纲、土类、亚类三级组织。以某常见版本为例，属性表含有两个关键字段：一个数字编码字段和一个中文名称字段。数字编码通常有固定的位数，前几位表示土纲，中间位表示土类，后几位表示亚类，从编码就能直接判断出层级关系。
这里有一个极易混淆的地方：不同版本的字段命名和编码位数并不一致。有的字段叫TP_CODE，有的叫SOIL_ID；有的编码是纯数字，有的带字母。所以拿到数据后先截图记录属性表的前20行，用分类名称和编号对照，确认编码规则后再动手。如果属性表只有中文名称没有编码，也不影响分析，直接把名称当分类依据即可。但要注意一个图斑只能对应一个类型，如果出现一图斑多名称，就要先做图斑拆分或合并，再进入聚合流程。
4.2 按亚类聚合到土类：编码截取加空间溶解
做流域水文或环境模型时，通常需要按土类甚至土纲来赋予参数。把亚类聚合到土类的常见做法分两步：第一步在属性表里新增一个字段，用字符串截取的方式提取土类编码；第二步按新字段做空间溶解。整个过程用geopandas可以在一段脚本里完成，关键是编码截取的规则要认真推演。
import geopandas as gpd gdf = gpd.read_file("soil_type_clipped.shp", encoding="utf-8") # 假设原编码是6位字符串，前3位对应土类 gdf["soil_group"] = gdf["soil_code"].astype(str).str.slice(0, 3) print(gdf["soil_group"].unique()) # 看看聚合后有多少个类型 # 按土类溶解几何 dissolved = gdf[["soil_group", "geometry"]].dissolve(by="soil_group", as_index=False) # 计算每个土类的面积（单位：平方千米） dissolved["area_km2"] = dissolved.geometry.area / 1e6 print(dissolved.sort_values("area_km2", ascending=False))这段代码先读取裁剪后的文件，把编码字段取前三位作为土类分组，然后dissolve把同一土类的图斑合并，最后计算面积。参数上有三个坑：一是astype(str)是为了防止数字编码前面的零被丢失，二是slice(0, 3)的位数要根据实际属性表确认，三是面积计算必须在投影坐标系下进行，经纬度坐标系下算不出平方米。输出结果后，最好再用原始图例核对一下聚合出的土类数量是否合理，如果突然多出几十个类型，通常是编码规则还没吃透，比如有的版本土类占前两位而不是前三位。
4.3 面积量算为什么必须用等积投影
量算面积时，图层如果停留在经纬度坐标系，几何面积字段的单位是“度”，既不是平方米也不是公顷，直接用于统计没有任何意义。解决方案是先转成等积投影。全国尺度的推荐Albers等积圆锥投影，省级尺度可以用高斯-克吕格投影，也可以自定义合适的双标准纬线。等角投影在面积上会有不小的偏差，这一点常被忽略。
用同一个图斑分别用地理坐标系和等积投影计算面积，得到的结果差异可达数个百分点，这是正常的，不代表哪一步算错了。真正的错误往往出在混合使用：一部分图斑的投影是等角的，一部分是等积的，叠加后统计结果就会明显偏离。所以统计之前，务必检查整个数据集的投影是否一致。检查方式很简单，在QGIS里打开图层属性，看坐标参考系统一栏，再随机选几个图斑用测量工具手动验证。对于1:100万这个尺度，面积统计的合理波动范围在5%以内，超过就要回头查投影。
4.4 从矢量到栅格：模型输入的转换参数
如果要把土壤图喂给遥感分类或水文模型，通常需要转成栅格。转换时的关键参数是像元大小和参考栅格。像元大小的选择不是越小越好，1:100万比例尺对应的合理像元约在100米到1000米之间。如果强行取30米，不仅数据量剧增，而且图斑边缘会被细化出虚假的小碎块，反而误导模型。
转栅格时把“属性”字段选为分类编码，而不是土壤名称。名称是文本，转栅格后无法参与数值计算。输出的NoData值也要显式设置，建议用一个明显的负值，比如-9999，避免和实际的土壤编码混淆。这一步做完后，用单波段统计看各类别的像元数占比，可以和矢量面积占比做交叉验证，如果差异超过5%，回头检查投影和重采样方法。栅格转换还有一个隐藏问题：如果矢量图斑之间存在微小缝隙，转栅格时缝隙区域会变成NoData，需要在转换前做一次拓扑修复，否则模型输入里会出现成片的空值区。
5. 中国土壤类型图1:100万避坑指南：五个高频翻车现场
5.1 属性表打开全是乱码
现象：QGIS或ArcGIS打开.dbf属性表，中文名称列显示为乱码，部分字符呈“�”状。 原因：1:100万土壤图的数字化版本多在早期完成，属性表编码是GBK或GB2312，而新版软件默认按UTF-8读取。 解决：在QGIS加载对话框中把“图层编码”手动设置成GBK；用Python读取时在read_file里显式指定encoding="gbk"。改完后必须从头到尾翻一遍属性表，因为个别版本可能在一条数据里混用了多种编码，只改一次不一定完全解决。反过来，如果输出的成果要给别人用，记得统一转成UTF-8，否则同一份文件在不同人的电脑上显示效果完全不同。
5.2 叠加后边界错位半公里
现象：土壤图与最新的县级行政区边界叠加，明显看到省界或国界附近错位，有的地方相差数百米。 原因：早期数字化成果的配准误差确实存在，但更常见的原因是两边投影不一致，一边是西安1980，一边是CGCS2000，叠加时没有统一坐标基准。 解决：先统一到同一坐标参考系统再做叠加。如果错位是整体朝一个方向平移，可以做一次平移校正；如果错位无规律，只能回到原始扫描图重新配准，不要用软件自动配准去弥补大范围的系统性误差。涉及国界的图件，发布或交付前还要按地图管理规定做审图处理，这一点在学校做项目时容易被忽略，但在正式成果里是硬性要求。
5.3 面积统计比统计年鉴少一截
现象：统计某省各土类面积，算出来的结果与已发表的文献或统计资料对不上，普遍偏小10%以上。 原因：最典型的是投影没有选等积投影，或裁剪时用了带缝隙的边界数据；另一个常见原因是溶解后的小图斑被删除，或者原始数据里本身有压盖的重复图斑。 解决：统一使用等积投影，检查边界有没有缝隙，统计前做一次拓扑检查并删除小于最小制图单位的碎片图斑。面积差异控制在5%以内算正常，超过10%基本要从投影和原始数据质量上找原因，不要急于用校正系数强拉。这里有一个排查技巧：把原始图斑数量和溶解后图斑数量对比，如果溶解后被删除的图斑数量特别多，说明原始数据存在大量碎斑，统计结果就不可靠。
5.4 重分类后图斑破碎严重
现象：按土类字段溶解后，图形出现大量细碎的窄条和碎斑，有的小图斑只有几十平方米。 原因：原始矢量的图斑边界在数字化时产生微小抖动，相邻图斑边界不完全重合，溶解时形成狭长缝隙。投影转换也可能放大这种效应。 解决：在溶解前后做一次拓扑修复，先用overlay求并集再按新字段聚合；或者设置最小面积阈值，把小于阈值的小图斑合并到相邻的最大图斑。操作记录要保留，否则成果验收时会说不清这些碎斑是怎么处理的。还有一个经验是：不要只按编码溶解，遇到两个图斑编码相同但中间隔着一条窄缝的情况，溶解后依然会有缝，需要先做一次“消除”或“合并相邻”操作。
5.5 图例颜色始终对不上原图
现象：按照官方图例配色，生成的成果图颜色与原图总有出入，单看每一类颜色又似乎都对。 原因：官方图例的色值来自制图时的印刷色标，数字版属性与图例符号没有一一对应；直接读取颜色数字字段来配色，往往会因为字段缺失或错位而失败。 解决：不读取颜色字段，而是按图例名称与属性名称做匹配后重新配色；成果图发布或打印时，参照官方图例重新指定颜色，而不是沿用旧的符号库。这个坑在写研究报告时尤其常见，评审一眼就能看出颜色不对。建议在做符号化之前，先导出属性表里所有不重复的类型名称，与图例清单逐条比对，多一个少一个都能发现，比盯着屏幕看颜色要快得多。
6. 让这张老图在模型里站得住的验证方法与工作习惯
6.1 用独立样本点验证分类精度
老图能不能用，不能靠感觉，要做验证。最直接的办法是找一批独立的土壤样点数据，把样点的土壤类型和图上对应位置的分类做比对，计算总体精度和Kappa系数。没有实测点时，可以用区域土壤志或已发表文献中的典型剖面描述作为替代。验证结果不必强求高精度，但要明确记录验证范围和样本量，并在报告中说明适用尺度。至少，验证能告诉你这张图在你的研究区哪些地方可信、哪些地方需要补充野外采样。
6.2 与最新土壤数据做交叉比对
如果项目区域有更新的土壤调查数据，可以做一次边界和类型的交叉比对。重点看两件事：主要的土类分布是否吻合，以及差异集中在哪些区域。差异如果集中在过渡地带和地形复杂区，属于制图综合的正常现象；如果大面积错位，就要回到配准精度上找原因。交叉比对的产出不一定要是一张图，有时一张统计表更能说明问题：列出主要土类的面积差值和重合度，这比口头解释更经得起问询。
6.3 数据版本与操作记录的习惯
最后说一个让我少走很多弯路的工作习惯：把原始数据放在01_raw，处理结果放在02_processed，用一个简单的文本文件记录每次投影转换的参数、裁剪边界和重分类规则。没有这个习惯时，返工经常要重做整个流程；有了记录，只需要改参数重跑脚本。老图有老图的局限，但把边界和分类吃透，配合正确投影和验证流程，用它做全国尺度的分析并不会比新数据差太多。希望帮到你。
本文还有配套的精品资源，点击获取
