环评专题图制图全流程：从土地利用到物种生境分布-平芜编程栈

1. 环评专题图为什么总在评审会上被拎出来说事

入这行头几年，我最怕的就是领导丢来一句“把图重画一下”。辛辛苦苦熬了几个通宵弄出来的土地利用现状图和植被类型图，到了评审专家手里，三两下就被指出“范围线不对”“分类和图例对不上”“叠加图层乱作一团”。后来做得多了才慢慢摸清楚门道：环评里的专题图，人人都会点几下鼠标，但真正能一张图把项目情况说明白、让专家挑不出毛病的，靠的是背后清晰的制图逻辑和完整的数据管理习惯，而不是软件操作本身。

标题里列的五种图——土地利用现状图、植被类型图、植被覆盖度图、生态系统类型图、物种适宜生境分布图——是生态影响评价里最常出现的几张“硬图”。它们之间并不是各画各的孤立图件，而是一条完整的数据流水线：土地利用现状是底子，植被类型和植被覆盖度反映生态本底，生态系统类型是对土地和植被的综合归纳，物种适宜生境分布则是在前面几张图基础上做叠加分析和空间建模的结果。所谓“环评制图”，核心就是把这一连串逻辑用空间数据串起来，最后输出既能满足导则规范、又能让评审专家一眼看懂的图面成果。

这套内容最适合谁看？两类人。一类是刚入行的环评技术人员，做生态影响评价时被制图环节卡住，不知道怎么把野外调查数据、遥感影像和分类体系落到图上；另一类是想用遥感手段做生态调查、但搞不清分类标准和图件表达口径的地理信息从业者。今天我把五种图的制作思路、数据要求、分类体系、操作步骤和踩过的坑整体梳理一遍，相当于把这几年攒下的制图工作流完整摊开。

2. 五种图件的内在关系与整体设计思路

先讲一个容易被忽视的点：很多新人拿到项目就开始一张一张“画图”，画到哪算哪。这种做法往往导致五种图之间地类名称对不上、图斑边界对不上、统计面积对不上，等到写报告时才发现正文文字、附表统计和专题图完全“打架”。

我的习惯是在项目一开始就建一个统一的空间数据库，把所有原始数据、解译中间结果、最终制图数据都按统一坐标系、统一边界范围放进去。五种图共用同一个项目区边界、同一套遥感影像底图和同一批野外核查点。顺序上严格按“土地利用现状图→植被类型图→植被覆盖度图→生态系统类型图→物种适宜生境分布图”推进，因为后一张图永远依赖前一张图的分类结果。

为什么土地利用现状图要放在最前面？因为它是对地表覆盖最基础、最接近“眼见为实”的分类。不管是用国土调查数据、遥感解译还是现场勾绘，得到的都是“这块地是耕地、林地、建设用地”这样的直接信息。植被类型图则在土地利用图的范围内进一步追问“如果是林地，是哪一类林子？是落叶阔叶林、针叶林还是灌丛？”。植被覆盖度图关心的不是“长什么”，而是“长得多密”，用NDVI等植被指数计算出来的是一个连续值。到了生态系统类型图，就要把前几张图的分类结果做综合判定，比如同样是林地，依据海拔、覆盖度、植被群落差异归入森林生态系统还是灌丛生态系统。最后的物种适宜生境分布图，本质上是把目标物种的生态需求和前面几张图提供的环境因子做叠加计算，输出的已经是“适宜、次适宜、不适宜”的评价结论图。

这个链条想清楚之后，你就能理解为什么很多项目里土地利用图和生态系统类型图看起来相似、但分类图例却完全不同——前者遵循土地利用现状分类标准，后者遵循生态系统分类体系。如果上来就混着做，后面全乱。

3. 土地利用现状图制作全流程：数据源、分类与制图表达

土地利用现状图是整个生态影响评价的空间基础。它回答的问题是“评价范围内现在是什么”。几乎所有后续分析都要以这张图的空间范围为基准，所以它出错的影响面最大。

3.1 数据源怎么选，决定了返工率高低

做土地利用现状图，数据源选择直接决定后面要花多少时间修图。我梳理过常用的几个来源，实际项目的取舍逻辑如下。

国土三调及年度变更调查数据是最优先的选择。这是目前精度和权威性最高的土地利用数据，以图斑为单位、字段信息完整、坐标系统一为CGCS2000，拿来直接用可以省掉大量解译工作。但注意，三调数据里的地类含义和环评项目常采用的《土地利用现状分类》（GB/T 21010-2017）并非完全一致，中间需要做一次地类归并。比如设施农用地、农村道路这些地类在环评里往往要归并到对应的一级类或按导则要求处理。

没有现成国土调查数据的小项目，通常只能靠遥感解译。常用的免费影像源是Landsat 8/9（30米）和Sentinel-2（10米），做中小尺度项目够用。精度要求更高的化工、矿山项目，有条件的话购买亚米级商业影像或无人机航拍正射影像。

还有个来源是GlobeLand30等全球公开产品，分辨率30米，好处是下载即用、分类体系完整，缺点是局部区域的分类精度不稳定，往往是“一公里之外看着像，拉近一看错了好几块”，在大范围项目里适合当参考底图或作为解译辅助，不建议直接作为成果底图出图。

3.2 分类体系：不同用途对应不同口径

制作土地利用现状图前必须和项目负责人确认，图件采用哪个分类体系。大部分生态影响评价项目按GB/T 21010-2017的土地利用现状分类一级类即可满足要求，也就是耕地、园地、林地、草地、湿地、城镇村及工矿用地、交通运输用地、水域及水利设施用地、其他土地这九个一级类。但部分行业导则或地方生态环境主管部门会有特殊要求，比如要求分类细化到二级类，或者要求单独统计永久基本农田、生态保护红线范围内各地类面积。

我的通用处理办法是：在一级类基础上保留二级类字段，先做二级类解译，出图时再按一级类归并。好处是后面如果专家提出“把林地和灌木林地分开统计”，不用重做，一个属性表字段就解决了。

3.3 制图步骤与图面表达要点

在ArcGIS Pro或QGIS里，我习惯这样一套流程：

一是边界处理。把项目评价范围（一般是生态影响评价范围，比如陆生生态评价范围通常是项目占地范围外扩一定距离）作为矢量边界，对土地利用数据做裁剪。这里有个容易忽略的点：裁剪后要做一次拓扑检查，确认图斑之间没有缝隙、没有重叠。图斑间的细小裂隙在出图时会显示为白色细线，专家一眼就能看出来。

二是属性规整。给每个图斑重新计算面积，新建“地类名称”“地类编码”“是否基本农田”等字段并填写。面积单位统一用公顷，保留两位小数。上报图例时，图斑面积统计表要和文字章节的表完全一致，所以面积字段必须在制图阶段就定下来，后面不能再改。

三是符号化与图例。土地利用分类的颜色尽量参考国土调查的标准配色，耕地用黄色系、林地用绿色系、建设用地用红色/灰色系、水域用蓝色系。这个约定俗成的配色方案能减少专家读图时的思考成本。图例按图斑面积从大到小排序展示，超过五个一级类的就做成两列排列，避免图例倒过来和图面积不成比例。

四是叠加辅助要素。环评土地利用现状图上通常还要叠加上项目占地范围线、评价范围线、敏感目标（如居民点、学校、医院）、地表水系等。这些叠加要素的线型、颜色、注记必须在图例里一一列出，不能只是“画上去而已”。

3.4 一个让我印象深刻的返工教训

有一次做某工业项目环评，项目区范围线是从可研报告CAD图转过来的DWG，没有做坐标投影转换就直接叠加到土地利用数据上。结果出图时项目区边界线整体偏移了几十米，最离谱的是有些图斑边界明明是直线，转进来以后变成了带折角的波浪线。后来重新处理时我才意识到，CAD图里的坐标系和国土数据的CGCS2000不一致，必须先用转换工具把DWG数据统一到目标坐标系，再进行叠加。

从那以后我规定，所有外部导入数据必须先查坐标系、再统一坐标系，最后做空间校正或投影转换，任何跳步都可能导致坐标漂移。这正是新人最容易翻车的地方，也是评审专家最喜欢盯着看的地方。

4. 植被类型图：野外调查结合遥感分类的双轨制作

植被类型图在生态影响评价里的分量很重，它直接关系到项目区生态敏感程度的判断。这张图的难点在于：它不像土地利用现状那样有成熟的国土调查数据可以直接用，更多时候要靠“野外调查+遥感解译+植被分类体系对照”来制作。

4.1 分类体系从哪里来

植被类型图的分类体系常用的有《中国植被分类系统》，按植被型、群系、群丛等层次组织。环评层面一般做到群系级别即可，比如“暖性针叶林”“落叶阔叶林”“灌丛”“草丛”等。有些项目范围大、植被复杂，可以简化到植被型级别，但分类精度下降后，对生态影响的判断也会跟着变粗，专家经常不买账。

这里有一个实操技巧：不要生搬硬套植被分类系统里的全部类型。先把野外调查记录到的植物群落列出来，再对照分类体系归并出本评价区的实际类型清单。图纸上只出现调查里真实存在的类型，比堆砌一堆名义分类要可靠得多。

4.2 遥感解译怎么做

植被类型图的遥感解译，核心是利用不同植被的光谱特征差异。常用的做法是先做监督分类。

Step 1（影像预处理）：挑项目区生长季（一般选植被最茂盛的月份）的影像，云量控制在10%以下，完成大气校正、辐射定标和正射校正。Landsat用Collection 2 L2级产品可以直接跳过大气校正，Sentinel-2用Sen2Cor或插件处理也行。

Step 2（样本采集）：在影像上选择典型区域勾绘植被类型的训练样本区。这一步最考验经验——针叶林和阔叶林在影像上的色调差异、纹理差异都需要实地核查数据支撑。我一般会带上野外调查的GPS点记录，把每个调查点落到影像上，确认群落类型与影像特征对应，再扩展样本。

Step 3（分类算法）：目前我常用的有最大似然法、随机森林和面向对象分类。最大似然法原理简单、对均匀分布的植被类型效果尚可，但遇到光谱相近的类型容易混分。随机森林对非线性关系处理得更好，在植被类型复杂、样本量不够大的情况下更稳健。面向对象分类先把影像分割成“对象”，再按对象的均值、纹理、几何特征分类，对植被边界不规则的情况效果更友好。

Step 4（分类后处理与精度评价）：分类完成后做多数滤波去除碎斑，再和实地核查点做精度评价。总体精度建议不低于85%，如果低于80%，要么补样本，要么换算法，不能硬着头皮出图。误差矩阵是评价精度的常用方法，Kappa系数是核心指标之一。

需要提醒的是，中等分辨率影像做植被类型图更适合大范围项目，小范围高精度项目建议用无人机航拍或高分影像解译，否则图斑边界会很粗糙，和实地对不上。

4.3 野外调查的点位怎么布

野外调查布点不能只图方便去路边沟边，那会严重偏向容易到达区域。我的习惯是在项目区内部按网格法布点，每个植被类型至少调查3个以上典型群落样方，记录优势种、盖度、高度和群落结构，同时记录GPS坐标。点位数量参考评价范围规模，几百公顷的项目布15-20个点，几千公顷以上的项目布30-50个点。这些点位回来后直接导入GIS，作为监督分类样本和精度验证数据。

4.4 图面表达上的细节

植被类型图的图例按面积大小或分类顺序排列均可，但一定要在图面上加注“植被类型名称+优势种”的信息，比如“落叶阔叶林（以辽东栎、白桦为主）”，这在环评报告里能直接把生态价值说清楚。如果项目区存在大面积人为干扰区域（如耕地、建设用地），建议单独标注为“无植被区”或“人工植被”，避免图面信息缺失。

5. 植被覆盖度图：像元二分模型与NDVI分级

植被覆盖度图的制作看起来简单，但它是五张图里最容易在参数选择上图省事、导致结果偏离实际的一张。这里把模型原理和操作步骤一并展开。

5.1 模型原理：像元二分模型

最常用的方法是基于NDVI的像元二分模型。原理是把每个像元的NDVI值看作是纯植被覆盖部分的NDVI和纯裸土部分的NDVI的加权平均，权重就是植被覆盖度。公式为：

FVC = (NDVI - NDVI_soil) / (NDVI_veg - NDVI_soil)

其中FVC是像元植被覆盖度，NDVI_soil是纯裸土像元的NDVI，NDVI_veg是纯植被像元的NDVI。

这个模型看似简单，实际使用时最容易出错的就是NDVI_soil和NDVI_veg怎么取值。取得太小，覆盖度整体偏高；取取得太大，覆盖度整体偏低。实际操作中，我通常取整幅影像NDVI累积频率分布的5%分位数作为NDVI_soil，取95%分位数作为NDVI_veg。这个经验值比直接取最小值/最大值稳定得多，因为最大值/最小值容易受到云、水体、噪声像元干扰。

5.2 分级的标准怎么定

植被覆盖度是连续值，但环评专题图通常要按等级来表达。常见的五级分级标准为：

极低覆盖度：FVC < 10%
低覆盖度：10% ≤ FVC < 30%
中覆盖度：30% ≤ FVC < 50%
高覆盖度：50% ≤ FVC < 70%
极高覆盖度：FVC ≥ 70%

也有地方规范采用四级或六级分级，具体以项目所属行业的导则或地方技术指南为准。我需要提醒的是，分级阈值不能随意拍脑袋，必须在报告的方法章节里写明分级依据，否则专家问起来答不上来就很被动。

5.3 操作步骤与容易踩的坑

Step 1（计算NDVI）：从多光谱影像里计算NDVI = (NIR - Red) / (NIR + Red)。Landsat 8的Band 5与Band 4，Sentinel-2的Band 8与Band 4。

Step 2（去水体与去建筑）：水体在NDVI里表现为负值或接近0，如果直接参与计算，会严重拉低累计频率，导致NDVI_soil偏小。先用水体指数MNDWI或土地利用图中的水域图斑生成掩膜，把水体区域去除。建筑用地和裸岩的NDVI偏低属正常，不需要刻意去除，但统计覆盖度时建议单独说明。

Step 3（裁剪与统计）：按评价范围裁剪NDVI影像，统计频率分布，取5%和95%分位数。

Step 4（代入模型）：用栅格计算器代入公式，生成FVC连续值栅格。

Step 5（分级出图）：按分级标准重分类，赋颜色。常见配色是极低覆盖度用橙黄色、低用浅绿色、中用绿色、高用深绿色、极高用墨绿色，色调从暖到冷渐变，符合一般人对植被稀疏与茂密的直觉。

踩坑经验：有一次项目区正好有一大片水库，我偷懒没做水体掩膜，直接跑模型，结果水体周边NDVI累积分布整体被拉低，覆盖度分级大片偏差。后来重新跑效率很低。从那以后，水体掩膜在我这里成了必做步骤，只要影像里出现明显水体，无论面积多大都得先处理掉。

另一个经验是：项目区覆盖度图最好叠加土地利用分类的“非植被区”掩膜。建设用地、水域这些不算植被覆盖的地方，在图面上直接标注为“非植被区”，避免专家质疑“这明明是城市建成区，怎么还有高覆盖度的绿斑”。

6. 生态系统类型图：从单一地类到综合生态单元

生态系统类型图是很多人觉得“和土地利用图差不多，换个图例就行”的图件，但实际操作里完全不是这么回事。

6.1 和土地利用图的核心区别

土地利用现状图回答“这块地是什么用途”，生态系统类型图回答“这块地属于什么生态系统”。同样是林地，如果分布在海拔较高、植被覆盖度高、人为干扰少的地方，可以归为“森林生态系统”；如果分布在低海拔、植被稀疏或次生化明显的地方，可能只能归为“灌丛生态系统”或“其他生态系统”。同样一片水域，天然湖泊和人工水库在生态系统分类里可能归属不同类别。

常用的分类体系可以参考全国生态环境状况调查评估中的生态系统分类，一般分为森林、灌丛、草地、湿地、荒漠、农田、城镇、裸地等几个大类。环评项目中可以在此基础上根据区域特点增加“水体”等类型。

6.2 怎么做分类判定

实际工作中，生态系统类型图的制作不是重新做一遍解译，而是在土地利用图、植被类型图和植被覆盖度图上做综合叠加判定。我通常建立这样一个判定流程：

先看土地利用地类，排除城镇、农田、人工表面等人工生态系统；再看植被类型，是森林型、灌丛型还是草地型；再看覆盖度等级，高覆盖度森林更可能是天然林，低覆盖度林地则可能是次生林或人工林；最后参考地形（DEM），高海拔区域优先归为自然生态系统。

这套判定逻辑通过GIS里条件表达式或决策树模型来实现。注意，分类结果要回到野外调查点位上去做验证，不能只靠逻辑推算。如果某个类型的判定结果和野外调查记录冲突，以实地为准，并反查分类参数设置是否合理。

6.3 制图时的比例尺问题

生态系统类型图的图斑边界往往是圆弧状、渐变状的，不太像土地利用图那样有棱有角的图斑。出图时建议以较高比例尺显示，比如1:5万或1:10万，比例尺太小（比如1:50万）会导致很多小面积的生态系统类型在图面上消失，只剩下一个模糊的色块。

此外，生态系统类型图的风控要素更多。在环评报告中，生态系统的类型、面积和占比通常是后面做生态影响预测、生态损失量化的重要数据来源。因此，每个类型的面积统计表必须精确到公顷，并存成独立的统计表格，供后续章节直接引用，避免正文重新统计一遍数据库导致数据不一致。

7. 物种适宜生境分布图：从模型到环评结论的关键一步

物种适宜生境分布图是五种图里最“含金量”高的一张，因为它已经超越“真实地表描述”进入“预测与评价”范畴。环评里常用它来识别保护物种的潜在分布区域，判断项目建设和运营对这种分布的影响范围与程度。

7.1 制图方法选型

常用方法是物种分布模型（SDM），比如Maxent、Biomod2集合模型。Maxent只需要“物种出现点+环境变量图层”，操作相对简单，在环评项目里应用非常广。不过要记住一点：模型输出的是物种在环境条件下的相对适宜度，不直接等于物种实际分布，它反映的是“潜在适宜生境”。

还有一种更简单、不依赖模型的做法是规则叠加法：根据物种的生态需求和文献资料，提取影响最大的几个环境因子，比如海拔范围、植被类型、距水源距离、人为干扰强度，按专家规则对评价区做逐栅格判定，最后叠加生成适宜性分级图。这种方法在小范围、资料有限的项目里很实用，缺点是主观性强，需要写清楚规则依据。

大项目或受关注程度高的项目，建议至少用Maxent模型跑一遍，再用规则叠加法做交叉验证，两者结果偏差大的区域，回到野外调查做补充核查。

7.2 环境变量怎么选，是建模成败的关键

很多新手建模时把能下载的气候变量一股脑全丢进去，结果模型输出一团浆糊。我的做法是分步筛选。

先从生物气候变量（BioClim）里挑出和物种生态位相关性最高的候选变量，比如年均温、最冷季均温、年降水量、降水季节性等；再加入地形变量（海拔、坡度、坡向）；然后加入土地覆盖/植被类型变量。用Pearson相关系数检查变量间多重共线性，|r| ≥ 0.8的高相关变量只保留其中一个。

这一步非常关键。变量太多且高度相关，很容易让模型过拟合，训练表现看着很好（AUC很漂亮），但一到验证点就崩。

7.3 样本数据从哪里来

物种出现点数据的来源主要有三个：野外实地调查记录，这是我们最依赖的数据；文献和标本记录，查阅当地植物志、动物志和近几年生态调查报告；专业数据库查询。注意样本量至少要大于20个，太少则模型不稳定。样本点之间还要做一次空间稀疏化处理，通常500米或1公里内只保留一个点，避免采样偏差造成模型偏向道路、村镇等易到达区域。

7.4 模型运行与结果处理

以Maxent为例，常规设置是：随机75%数据作为训练集，25%作为测试集，重复运行10次取其平均结果；输出格式选择Logistic；评估指标看AUC值，大于0.75可以接受，大于0.9为优秀。如果AUC低于0.7，说明变量筛选或样本数据有重大问题，不建议直接拿结果出图。

模型输出的连续性适宜值通过重分类分为三级或四级。常用阈值是取所有训练点适宜值的10%分位数作为最低阈值，低于此值为不适宜；在此基础上按二分法或自然断点法划分适宜与次适宜。分级阈值在报告中要写清楚。

7.5 环评场景下别拿模型结果直接交差

最关键的一条经验：物种适宜生境分布图在环评里不能只提交模型输出。必须叠加实地勘察信息、专家经验修正后才能作为评价依据。模型预测的适宜区里如果实地调查没有发现物种踪迹，需要注明原因；模型判断不适宜的区域如果实地发现了物种栖息痕迹（巢穴、粪便、足迹等），要分析模型为什么漏判，修正变量和参数后再重新跑。

我曾经做过一个案例，某种保护鸟类的分布模型显示项目区西南部为适宜生境，但冬季补充调查发现该区域实际并无该鸟种活动记录，而一个模型判为低适宜性的河谷地带却出现了群体活动迹象。后来分析发现，模型缺少“距水源距离”这一关键变量，加入后重新运行，结果才和实地吻合。这件事让我深刻意识到：物种生境分布图最终是“人机结合”的产物，模型是工具，不是结论本身。

8. 五张图的共性出图规范：坐标、图例和版式一个都不能少

很多环评工程师把精力全花在数据分析上，结果在图形输出阶段功亏一篑。图面的规范程度直接决定专家对整份报告专业度的第一印象。

8.1 坐标系与投影选择

五张图必须使用同一坐标系。现在省级和国家级核查数据基本都是CGCS2000坐标系，采用高斯-克吕格投影，按3度分带。制图前确认评价范围落在哪个投影带，整个专题图册统一使用同一中央经线，不能出现一张图一个投影带的情况。

比例尺选择上，中小项目常用1:1万到1:5万，大区域项目常用1:10万到1:20万。图件在报告里通常是A4或A3幅面，要根据图面内容量和比例尺匹配布局，避免出图时出现图斑挤在一起或图面大块空白两种极端。

8.2 图面要素清单

每一张环评专题图至少要包含以下要素：图名、图例、比例尺、指北针、坐标格网或经纬网、制图单位、数据来源、制图日期。这些要素缺一不可。图名要写清楚“XX项目XX评价范围土地利用现状图”这样的完整表述，不能只写“土地利用图”几个字就完事。

比例尺建议用数字比例尺加线段比例尺双形式表达，线段比例尺比纯数字更直观。指北针方向要统一朝上，避免各图指北针角度不一致让看图人犯晕。

8.3 叠加底图与注记策略

底图影像叠加要注意透明度。影像作为底图时通常透明度设置在15%-25%之间，既能让专家看到地表形态参考信息，又不遮盖专题图斑的颜色。注记文字字号随比例尺调整，一般不低于6号字体，保证打印出来还能清晰辨认。

火点、监测点位、调查样方点这些辅助信息在图上要用符号标注并在图例中说明含义。叠加分析用的敏感目标点位，必须和报告正文中描述的敏感目标完全一致，点位名称也要统一，避免正文写“张家庄村”图件标注成“张家村”这样低级错误。

9. 工具选型与制图工作流的时间管理

整套流程做下来，工具不必一味追求“高端国产”，核心是稳定、可复现、团队协作方便。

9.1 软件组合建议

桌面GIS我主力用的是ArcGIS Pro，底板、符号化、布局出图一体化，比老版ArcMap稳定不少。QGIS可以作为免费备选，尤其在遥感分类方面用Semi-Automatic Classification插件很顺手，而且GDAL命令行批量处理影像时好用。遥感分类这块我习惯用ENVI或QGIS+SAC结合，处理Landsat和Sentinel-2影像都能胜任。物种分布模型用Maxent，环境变量预处理在GIS里做，数据格式转成ASC或CSV给模型用。

很多人问我：“用Python写脚本会不会更高效？”我的回答是，如果你需要反复做五张图、数据源和分类体系都会变动，建议至少把数据预处理和面积统计写成半自动脚本，可以省掉大量重复劳动。不建议把整个流程自动化，因为每一步都需要人工判断和质量核查，过度自动化反而容易把错误放大。

9.2 数据文件管理制度

一次环评制图项目的数据文件，如果不好好管理，三天后连自己都找不到原始数据。我的做法是建立三级目录结构：

第一级“01_原始数据”，存放从外部获取的所有数据，包括国土调查数据、遥感影像、DEM、野外调查表格，这部分数据禁止修改，只做读取；第二级“02_中间成果”，存放裁剪、投影转换、分类解译、模型运行的中间结果，文件按处理时间加内容命名；第三级“03_制图成果”，存放最终出图的MXD/APRX工程文件和导出图片PDF。命名规则统一为“项目代码_图件类型_数据版本_日期”，比如“XX光伏_土地利用_三调_v2_20250630.aprx”。

这样规划的好处是，项目后期专家提出修改意见时，能快速定位到具体数据版本进行修改，而不是从头翻文件。

9.3 时间安排上的先后次序

一个中等规模的环评项目，五张图从数据准备到定稿，我通常预留8-12个工作日。其中土地利用现状图2-3天，植被类型图3-4天（含野外调查数据整理），植被覆盖度图1天，生态系统类型图2天，物种适宜生境分布图3-5天（含模型调试与野外验证）。整体上，野外调查数据回来后先做土地利用图定边界和底图，再进入植被和覆盖度，这个过程是串行且有依赖关系的。如果有多个项目并行，注意给每个项目预留足够的成果核查时间，不要把所有任务压到最后一周狂赶。

10. 常见问题速查表与避坑清单

这五年里我在制图上遇到过不少问题，有些问题反复出现，干脆整理成一张速查表，发给了组里每个新人。

另外还有几条避坑清单，是花钱买来的教训：

坐标系再怎么强调都不过分。所有外部数据进入项目库的第一件事，就是查看坐标系信息，不要等到出图阶段才发现投影不一致导致面积算错。

分类体系在动手前和项目负责人、评审专家做一次确认。土地利用用GB/T分类、植被用植被分类系统、生态系统用生态遥感分类，三者不要混淆。

野外核查点位数据第一时间录入GIS。野外记录本迟早会丢，纸质的记录一到雨季泡水就看不清了，数据化存库才是王道。

出图前做一次“图数一致性自查”：图面面积是否等于附表统计面积？图面地类数量和文字描述是否一致？一张图里的附图小表是否清晰？这些小问题往往是专家最爱挑的软肋，也最影响报告整体质量。

11. 最后再分享一点项目经验

环评制图的本质不是“画得漂亮”，而是“说得清楚”。一张好的专题图，背后是清晰的数据源、严格的分类标准、完整的元数据记录和经得起推敲的制图过程。如果你手头正有项目在做这五种图，我给你的建议是：第一步，花半天时间把项目区的数据清单、坐标系、评价范围边界和分类体系梳理清楚；第二步，严格按照从土地利用到物种生境的顺序逐张完成；第三步，每张图完成后做一个图数核查再进入下一张。

我做这类制图已经第6个年头，最大的体会是：别把“返工”当成负担，每一次被专家指出问题，其实都在帮你补足这套制图经验盲区。后面你会慢慢发现，当你能把五个图层轻松打包成一套逻辑闭环的专题图册时，环评报告里那些生态影响预测、保护措施比选的内容，都会变得顺理成章很多。