简介：这份资源提供中国世界遗产地空间分布的Shapefile矢量数据，面向地理信息系统学习者、空间分析研究者及需要中国遗产地底图数据的开发者，可用于地图可视化、空间分布规律探究及与人口、经济等数据的叠加分析。压缩包共8个文件，约21KB，包含shp几何数据、dbf属性表、shx索引、prj坐标系统定义，以及cpg编码说明、sbn与sbx空间索引和xml元数据等配套文件，构成完整可用的GIS数据集。已有105人学习下载，适合作为Python地理处理的练手素材。读者可借助geopandas、fiona等库直接读取，快速绘制遗产地分布图，统计各类遗产数量，计算遗产地间空间距离，并进一步结合其他数据源开展空间关联分析，从而理解中国世界遗产的地理特征与分布规律。
1. 拿到 shp 格式的中国世界遗产地空间分布数据，先别急着打开 QGIS
你手上如果有一个名为「中国世界遗产地空间分布」的压缩包，解压后看到 .shp、.shx、.dbf、.prj 这一套文件，说明你拿到的是一份标准的矢量点数据。它记录的是每一处世界遗产地的地理位置、名称、类别、列入年份等属性，能直接用来做空间分布格局分析、核密度估计、缓冲区分析，或者叠加到行政区划、地形、交通网络上做关联研究。适合谁？做人文地理、遗产保护、旅游规划、城乡规划的研究生和从业者，以及需要快速拿到一份可用点位数据做可视化或建模的人。但我要先泼一盆冷水：shp 不是一个文件，是一组文件，少一个都打不开，而且中文属性字段的编码问题几乎一定会让你翻车一次。这一章先把这份数据到底是什么、能干什么、坑在哪讲清楚，后面再一步步带你跑通从解压到出图的全流程。
2. 先搞懂 shp 到底是什么：一组文件、三种编码、一个坐标系
2.1 shp 不是单个文件，是一套必须成套出现的文件组
很多人第一次拿到 shp 数据，看到压缩包里一堆同名不同后缀的文件就懵了。我一般会先列一下目录，确认关键文件是否齐全。最小可用的组合是三个：.shp 存几何形状，.shx 存索引，.dbf 存属性表。少了 .shx，很多软件直接报错；少了 .dbf，你只能看到图形，看不到任何名称和年份。如果要做投影转换或面积量算，.prj 必须存在，它定义了坐标系。还有一个 .cpg 文件，专门声明 .dbf 的字符编码，中文数据里这个文件极其关键，没有它，ArcGIS 和 QGIS 打开后属性表里的中文大概率变成乱码。
# 列出解压后目录，确认文件组是否齐全 ls -lh 中国世界遗产地空间分布/ # 典型输出应包含： # 中国世界遗产地空间分布.shp # 中国世界遗产地空间分布.shx # 中国世界遗产地空间分布.dbf # 中国世界遗产地空间分布.prj # 中国世界遗产地空间分布.cpg上面这条命令只是确认文件存在。如果发现缺 .prj，你得去问数据提供方要坐标系定义，或者根据数据范围自己判断——中国范围内的经纬度数据通常是 WGS84 地理坐标系（EPSG:4326），但也不绝对，有些数据用的是 CGCS2000。缺 .cpg 的话，可以自己新建一个同名 .cpg 文件，里面写 UTF-8 或 GBK，试一次就知道哪个对。
2.2 坐标系和编码：两个最容易让中文遗产地名变乱码的地方
坐标系决定了你量算的距离和面积对不对。如果 .prj 里写的是 GCS_WGS_1984，那你的单位是度，直接算面积会得到平方度这种没有物理意义的数字。正确做法是先投影到适合中国的投影坐标系，比如 Albers 等面积投影，中央经线取 105°E，双标准纬线取 25°N 和 47°N。这样量出来的面积单位才是平方米或平方公里。
编码问题更隐蔽。.dbf 是 dBASE 格式，它自己不声明编码，靠 .cpg 告诉软件用 UTF-8 还是 GBK。我遇到过太多次：QGIS 里打开属性表，遗产名称全是问号或方块，原因就是 .cpg 写的是 UTF-8，但实际数据是 GBK 编码。解决办法有两个：一是用 Python 的 geopandas 读取时显式指定 encoding='gbk'，二是用 QGIS 的「重新编码」功能另存一份。下面这段代码演示如何安全读取并检查编码。
import geopandas as gpd # 先尝试用 UTF-8 读取，如果中文乱码再换 GBK try: gdf = gpd.read_file("中国世界遗产地空间分布/中国世界遗产地空间分布.shp", encoding="utf-8") # 检查名称字段是否包含乱码字符 sample = gdf.iloc[0]["名称"] if "名称" in gdf.columns else gdf.iloc[0, 1] print("UTF-8 读取样例:", sample) except Exception as e: print("UTF-8 失败，改用 GBK:", e) gdf = gpd.read_file("中国世界遗产地空间分布/中国世界遗产地空间分布.shp", encoding="gbk") print("GBK 读取样例:", gdf.iloc[0, 1]) # 查看坐标系和字段 print("坐标系:", gdf.crs) print("字段列表:", gdf.columns.tolist()) print("记录数:", len(gdf))这段代码的逻辑是先试 UTF-8，失败或乱码再换 GBK。参数 encoding 直接传给底层读取库。注意 geopandas 读取 shp 时，如果 .cpg 存在，它会优先用 .cpg 里的编码，所以有时候你指定了 encoding 也不生效，这时候要么删掉 .cpg，要么用 ogr2ogr 转换。字段列表里通常会有「名称」「类别」「列入年份」「所在省份」这几列，具体以你拿到的数据为准，不要假设字段名完全一致。
2.3 属性表里有什么：决定你后面能做什么分析
一份典型的中国世界遗产地空间分布数据，属性表至少包含名称、类别（文化遗产/自然遗产/双重遗产）、列入年份、所在省份。有些版本还会包含面积、缓冲区半径、是否跨境等字段。这些字段决定了你能做哪些分析：有列入年份，就能做时间序列的空间扩散分析；有类别，就能分类做核密度；有省份，就能按省汇总做统计图。如果字段缺失，你得从其他来源补，或者放弃对应分析。我一般会先用 pandas 把属性表导出来看一眼分布，确认没有空值或异常值再往下做。
import pandas as pd # 把属性表转成 DataFrame，快速看分布 df = pd.DataFrame(gdf.drop(columns="geometry")) print(df.head()) print(df["类别"].value_counts()) print(df["列入年份"].describe())这里 drop(columns="geometry") 是为了把几何列去掉，只留属性。value_counts 看类别分布，describe 看年份的统计量。如果发现年份有 0 或 9999 这种异常值，说明数据有缺失标记，后续分析要剔除。
3. 用 Python 跑通从读取到出图的最小闭环
3.1 环境准备：geopandas 装不上怎么办
geopandas 依赖 GDAL、Fiona、pyproj 这几个 C 库，直接 pip install geopandas 在 Windows 上经常编译失败。我一般推荐用 conda 装，省去编译麻烦。如果只能用 pip，就先装预编译的 wheel 包。下面给出 conda 和 pip 两种方式，按你的环境选一种。
# 方式一：conda（推荐，依赖自动解决） conda create -n heritage python=3.10 conda activate heritage conda install -c conda-forge geopandas matplotlib contextily # 方式二：pip（需要先装 GDAL wheel） pip install gdal==3.6.2 --find-links=https://download.lfd.uci.edu/~gohlke/pythonlibs/ pip install geopandas matplotlib contextilyconda 方式最稳，因为 conda-forge 频道里的 geopandas 已经把 GDAL 打包好了。pip 方式里那个 find-links 是预编译 wheel 的来源，版本号要和你 Python 版本匹配，3.10 就找 cp310 的包。装完后在 Python 里 import geopandas 不报错，就说明环境通了。
3.2 读取、投影转换、核密度分析一条龙
拿到数据后，我通常先做三件事：读进来、转投影、做核密度。核密度能直观看出遗产地在空间上是不是聚集，聚集在哪里。下面这段代码把这三步串起来，最后出一张核密度图。
import geopandas as gpd import matplotlib.pyplot as plt from shapely.geometry import Point import numpy as np # 1. 读取数据，处理编码 gdf = gpd.read_file("中国世界遗产地空间分布/中国世界遗产地空间分布.shp", encoding="gbk") # 2. 如果坐标系是地理坐标系，先投影到 Albers 等面积投影 if gdf.crs and gdf.crs.is_geographic: gdf = gdf.to_crs("+proj=aea +lat_1=25 +lat_2=47 +lat_0=0 +lon_0=105 +datum=WGS84 +units=m") # 3. 提取点坐标，做核密度 coords = np.array([(geom.x, geom.y) for geom in gdf.geometry]) from scipy.stats import gaussian_kde kde = gaussian_kde(coords.T) # 生成网格 xmin, ymin, xmax, ymax = gdf.total_bounds xx, yy = np.mgrid[xmin:xmax:200j, ymin:ymax:200j] positions = np.vstack([xx.ravel(), yy.ravel()]) density = kde(positions).reshape(xx.shape) # 4. 出图 fig, ax = plt.subplots(figsize=(10, 8)) ax.imshow(np.rot90(density), cmap="YlOrRd", extent=[xmin, xmax, ymin, ymax]) gdf.plot(ax=ax, markersize=5, color="black", alpha=0.6) ax.set_title("中国世界遗产地核密度分布") plt.savefig("heritage_kde.png", dpi=300, bbox_inches="tight") plt.show()这段代码的关键点：to_crs 里的投影参数是 Albers 等面积投影，适合中国全境，lat_1 和 lat_2 是双标准纬线，lon_0 是中央经线。gaussian_kde 的带宽默认用 Scott 规则，如果觉得太平滑或太尖锐，可以手动传 bw_method=0.2 调整。total_bounds 拿到的是投影后的范围，单位是米。imshow 里 np.rot90 是因为 mgrid 生成的数组方向和图的方向差 90 度。最后保存成 300 dpi 的 PNG，直接能放进论文或报告。
3.3 叠加行政区划和底图：让分布图能讲故事
光有点和核密度还不够，评审或读者需要看到遗产地和省界、地形、水系的关系。叠加行政区划最简单的方式是读一份省界 shp，然后 plot 上去。如果没有省界数据，可以用 contextily 加在线底图，但要注意在线底图需要网络，且坐标系必须是 Web Mercator（EPSG:3857）。下面演示叠加省界的做法。
# 假设你有一份省界 shp，坐标系也是 WGS84 province = gpd.read_file("省界数据/provinces.shp", encoding="utf-8") province = province.to_crs(gdf.crs) # 统一到同一投影 fig, ax = plt.subplots(figsize=(12, 10)) province.plot(ax=ax, facecolor="none", edgecolor="gray", linewidth=0.5) gdf.plot(ax=ax, markersize=8, color="red", alpha=0.7) ax.set_title("中国世界遗产地与省界叠加") plt.savefig("heritage_province.png", dpi=300, bbox_inches="tight")province.to_crs(gdf.crs) 这一步必须做，否则两个图层坐标系不一致，叠上去位置会偏到太平洋。facecolor="none" 让省界只显示边框，不填充颜色，避免盖住下面的点。markersize 和 alpha 根据点的密度调，点太密就调小 markersize 或加大 alpha 透明度。
4. 避坑指南：中文乱码、坐标系错位、字段丢失的排查清单
4.1 中文属性全是乱码，改了 .cpg 也没用
现象：QGIS 或 ArcGIS 打开属性表，遗产名称显示为「????」或「锟斤拷」。原因：.dbf 实际编码和 .cpg 声明不一致，或者软件读取时忽略了 .cpg。解决：用 Python 显式指定 encoding 读取，确认正确编码后，用 ogr2ogr 重新导出并强制写入 .cpg。命令如下：
ogr2ogr -f "ESRI Shapefile" output.shp input.shp -lco ENCODING=UTF-8-lco ENCODING=UTF-8 会同时写 .cpg 文件，确保后续打开不乱码。如果原始数据是 GBK，先读进来再导出为 UTF-8，不要直接改 .cpg 内容，因为 .dbf 里的字节没变，改声明没用。
4.2 点位置整体偏移，跑到海里去了
现象：叠加省界后发现遗产点整体偏移几百米到几公里。原因：两个图层坐标系不一致，或者其中一个坐标系定义错误。解决：先用 gdf.crs 打印坐标系，确认是否一致。如果不一致，用 to_crs 统一。如果 .prj 文件缺失或错误，需要手动指定 crs 后再转换。常见错误是把 WGS84 的数据当成 CGCS2000 用，两者在中国范围内差异不大，但严格来说不能混用。
4.3 字段名变成乱码或截断
现象：属性表里字段名显示为「Name_1」「Field_2」这种默认名。原因：.dbf 字段名长度限制是 10 个字符，中文字段名在导出时可能被截断或转码失败。解决：在 Python 里读取后重命名字段，或者用 ogr2ogr 导出时用 -sql 指定字段别名。重命名示例：
gdf = gdf.rename(columns={"名称": "name", "类别": "category", "列入年份": "year"})重命名后再做分析，避免后续代码里引用中文字段名出问题。
4.4 核密度图一片空白或全黑
现象：核密度图要么没有颜色，要么全黑。原因：网格分辨率太低或太高，或者密度值范围极端。解决：调整 mgrid 的步长（200j 改成 500j 或 100j），或者对密度值做对数变换。另外检查 coords 是否为空，如果 gdf 没有几何数据，coords 就是空数组，kde 会报错。
4.5 保存的图片边缘被裁掉
现象：savefig 出来的图，标题或图例被切掉。原因：bbox_inches="tight" 有时候会裁过头。解决：改用 bbox_inches="standard"，或者手动调 subplots_adjust。我一般用 plt.tight_layout() 配合 bbox_inches="tight"，大部分情况够用。
5. 进阶技巧：用空间自相关验证遗产地是否真的聚集
5.1 全局莫兰指数：一个数字判断聚集还是分散
核密度图是视觉判断，要定量验证聚集性，用全局莫兰指数（Global Moran's I）。它输出一个介于 -1 到 1 之间的值，大于 0 表示聚集，小于 0 表示分散，接近 0 表示随机。下面用 libpysal 和 esda 计算。
import libpysal from esda.moran import Moran import numpy as np # 基于点坐标构建空间权重矩阵，用 K 近邻 coords = np.array([(geom.x, geom.y) for geom in gdf.geometry]) w = libpysal.weights.KNN.from_array(coords, k=8) w.transform = "r" # 行标准化 # 用某个数值字段做自相关，比如列入年份 y = gdf["列入年份"].values moran = Moran(y, w) print(f"Moran's I: {moran.I:.4f}, p-value: {moran.p_sim:.4f}")KNN 的 k=8 是经验值，点少可以调小，点多可以调大。w.transform="r" 做行标准化，让每个点的邻居权重和为 1。moran.p_sim 是置换检验的伪 p 值，小于 0.05 说明聚集显著。如果 I 为正且显著，说明列入年份相近的遗产地在空间上趋于聚集，可能反映某种区域申报规律。
5.2 局部莫兰指数：找出热点和冷点区域
全局指数只给一个总数，局部莫兰指数（Local Moran's I）能告诉你哪些具体位置是热点（高-高聚集）、冷点（低-低聚集）或异常值。用 esda 的 Moran_Local 计算，然后画 LISA 聚类图。
from esda.moran import Moran_Local import matplotlib.pyplot as plt lisa = Moran_Local(y, w) fig, ax = plt.subplots(figsize=(10, 8)) gdf.plot(ax=ax, column=lisa.q, categorical=True, legend=True, markersize=20) ax.set_title("局部莫兰指数聚类图（q=1 高-高，q=3 低-低）") plt.savefig("lisa_cluster.png", dpi=300, bbox_inches="tight")lisa.q 是聚类类型，1 代表高-高，2 代表低-高，3 代表低-低，4 代表高-低。画图时用 categorical=True 让不同类别显示不同颜色。这张图能直接指出哪些省份或区域是遗产地申报的热点区，哪些是冷点区，比单纯核密度图更有解释力。
5.3 我踩过的坑和固定习惯
做这份数据的过程中，我最大的教训是：不要相信任何 shp 文件自带的 .cpg 和 .prj，一定要自己用代码读一遍、打印坐标系、检查字段编码。我现在的固定习惯是，拿到任何 shp 先跑三行代码：print(gdf.crs)、print(gdf.columns)、print(gdf.head(3))。这三行能提前暴露 90% 的问题。另外，核密度分析的带宽不要用默认值，手动调两三次，对比效果再定。空间自相关的权重矩阵，KNN 的 k 值也要试，k=4、6、8 各跑一次，看结果稳不稳定。这些参数没有绝对标准，但多试几次能让你对数据的空间结构更有感觉。希望帮到你。
本文还有配套的精品资源，点击获取
