做城市公园分析这件事不少人都被困在第一步——数据从哪来。官方开放数据覆盖的城市有限手动勾绘又费时费力。我前阵子接手一个城市公园可达性评估的活儿最终用QGIS配合百度地图AOI数据把一条从数据获取到分析出图的完整链路跑通了。这套方案其实是绕开各种数据框框最接地气的一条路只要百度地图里能搜到的公园就能抓下来作为面状边界再用QGIS做缓冲区、覆盖率、出图全程不碰商业化GIS平台。适合规划从业者、GIS学生、做城市研究的朋友参考。1. 项目思路与方案设计1.1 公园分析最头疼的问题数据从哪来做城市公园空间分析第一步永远是数据。如果单位没有采购商业地理数据库获取公园面状数据通常只有三条路从官方开放平台下载、在遥感影像上手动勾绘、从在线地图抓取。官方数据的问题在于覆盖不全很多城市连基础绿地数据都没公开或者只有分类粗到没法用的绿地图层。手动勾绘则是在熬时间一个中等城市两三百个公园对着影像来回描边画完基本到凌晨。而且勾绘结果往往缺字段没有公园名称、没有面积、没有类型后续做标注和统计时非常被动。百度地图AOI数据在这时候就显出价值了。AOI全称Area of Interest兴趣面是地图平台在地图数据中维护的实体区域不只是经纬度点而是一个真实边界。公园、小区、学校、商场都有AOI。百度地图AOI覆盖面广全国县城级别以上城市都有数据属性里带名称、分类、地址、面积等字段更新时间比大多数公开发布的数据都快。缺点是坐标系是百度自己的BD09没法直接吃。1.2 为什么选QGIS而不是ArcGIS或在线平台项目选型时我也纠结过ArcGIS的功能成熟但有授权成本在线分析平台比如百度慧眼、极海确实简单可往往不给数据导出权限或者要企业版付费做研究写论文时数据可追溯性也说不清。最后选QGIS核心原因是三点。一是免费开源学生和预算有限的团队都能用。二是插件生态丰富尤其是国内地图数据接入这块社区里有现成工具可用。三是Python控制台很强大遇到插件覆盖不了的需求几十行脚本就能自己搞定而这套能力在大型商业平台上往往被打包成付费模块。当然QGIS也有学习曲线它的一些窗口布局和操作逻辑和ArcGIS差异较大刚上手会有点别扭。但熟悉之后你会发现它做空间分析和制图完全扛得住。至少在这个公园分析项目里QGIS从始至终没让我换回ArcGIS。1.3 整体技术流程拆解整个项目的流程可以分成四个阶段。第一段是数据获取申请百度地图开放平台开发者密钥通过地点检索接口把目标城市所有公园POI和AOI信息拉回来再用Python脚本把JSON数据转成带坐标的GeoJSON文件。第二段是数据预处理关键操作用脚本或其他工具做坐标偏移校正把BD09坐标转成CGCS2000或WGS84然后在QGIS里清洗字段删掉重复数据剔除面积过小的口袋公园干扰项统一字段类型。第三段是空间分析叠加行政区划边界做公园分布核密度分析用缓冲区和网络分析评估服务半径覆盖有可能的话再叠加人口栅格数据计算受影响人群比例。第四段是制图出图把分析结果按专题图标准排版套用地形底图输出300dpi的PNG或PDF直接能用于汇报或论文配图。这套流程每一步都有坑尤其是坐标转换和AOI抓取这两个环节后续我会展开讲细节。2. 环境准备与工具链搭建2.1 QGIS版本怎么选安装时要注意什么QGIS目前主推两个稳定版线长期支持版LTR和最新版。建议直接装长期支持版比如3.34系列。LTR版本的好处是核心功能和插件兼容性都经过了长时间的稳定性验证社区里讨论的问题大多基于这个版本搜索报错更容易命中答案。最新版虽然新功能多但个别插件还不兼容项目期间来回折腾很耽误事。安装细节上Windows用户建议用OSGeo4W网络安装器而不是下载独立安装包。OSGeo4W的好处是能统一管理QGIS及其依赖库的更新后续如果要用GRASS、SAGA等外部分析工具也方便一并装。Python环境也建议用OSGeo4W内置的版本不要自己另装Python不然QGIS里跑脚本时经常出现库冲突。如果你在Linux或macOS上跑直接装发行版对应包管理器里的版本就行。团队内多人协作时尽量统一QGIS版本和插件版本否则同一个项目文件在不同机器上打开图层样式很容易乱。2.2 必装插件清单与配置这个项目我装了四个插件可以说缺一不可。QuickMapServices用来加载在线底图。出图时没有底图做参考分析结果就像悬在空中。装好之后建议在Settings里把贡献服务器加上这样能多出Esri等图源图源在国内访问速度也相对稳定。QNEAT3是基于矢量路网做网络分析的插件算服务区、等时圈比QGIS自带的网络分析模块顺手得多。公园可达性分析主要靠它。Group Stats用于快速统计分组汇总数据比如按行政区统计公园面积、按类型统计公园数量几秒钟出结果省去很多字段运算操作。还有一个社区里的AOI下载相关工具具体名称每个版本不一样网上搜索QGIS 百度 AOI 插件就能找到。它的作用是直接在QGIS面板里输入城市名自动抓取百度地图对应区域的AOI面数据。不过这类社区插件的稳定性参差不齐我更推荐自己用Python调API抓数据后面细说。2.3 项目坐标系从开头就设置成CGCS2000项目开工前务必先把QGIS工程的坐标系设为CGCS2000。具体操作是Project菜单下Properties在CRS选项卡里勾选Enable on the fly CRS transformation然后搜索EPSG:4490选中。CGCS2000是国家大地坐标系与WGS84在精度允许范围内基本等效做国内项目写报告、投论文都认这个基准。这里有个容易犯迷糊的点EPSG:4490是地理坐标系单位是度计算距离和面积必须先投影。常用做法是在工程设置里保留EPSG:4490做显示但对图层做投影变换到CGCS2000分带投影比如3度带EPSG:4547之类按城市经度选择也可以用墨卡托通用投影看项目需求。投影选择不对后面算面积和缓冲区都会出大问题这个坑我栽过提醒大家注意。3. 百度地图AOI数据获取实战3.1 AOI到底是什么为什么比POI好用先搞清楚概念。POI是兴趣点地图上那个红色图钉本质是一个点坐标附上名称、地址、分类这些属性没有边界。AOI则是点对应的那块面比如一个公园POI告诉你入口在哪儿AOI告诉你整个公园范围有多大。做公园分析边界就是生命线。有了准确的AOI边界才能计算公园真实面积、判断它是否与居住区相邻、分析它的轮廓形状。只用POI点做分析误差会大到不可接受一个占地几十公顷的郊野公园在点分析里可能被当成一个路口大小的存在结果是完全失真。百度地图AOI的属性信息也比较完整通常包括名称、地址、分类、评分、人均消费等字段。其中分类字段对公园分析很有用可以筛出公园植物园动物园等细类也可以把广场排除在外避免混入非公园的开放空间。3.2 申请百度地图开放平台密钥获取AOI数据的第一步是去百度地图开放平台申请开发者密钥这一步没有技术难度但容易被卡住因为现在平台需要实名认证。流程大致是注册百度账号进入百度地图开放平台控制台创建应用。应用类型选择服务端或浏览器端都可以因为我直接用HTTP请求拉数据选服务端更合适。提交后拿到一串英文数字混合的AK这就是后面所有API请求的凭证。需要注意配额限制。免费版的地点检索接口普通应用每天的配额一般有几百到几千次对拉取一个城市的公园AOI来说完全够用。但如果你的城市特别大公园数量特别多可能需要规划好请求次数。遇到配额异常报错也别慌控制台能看到配额使用情况。3.3 用Python脚本批量拉取公园AOI数据拿到AK之后用Python脚本调百度地图地点检索接口来拉取数据。接口URL长这样https://api.map.baidu.com/place/v2/search?query公园region北京市outputjsonak你的AKpage_size20page_num0核心参数是query关键词、region城市名、page_size和page_num分页。有一个关键限制单次请求最多返回20条记录所以必须翻页拉取而百度对翻页上限有硬性限制一般page_num到20左右就不再返回更后面的结果了。这意味着如果一个城市的公园超过400个直接接口可能拉不全。解决方法是按行政区拆开请求比如把城市按区县分别搜索或者用bounds参数按矩形框分区域搜索。我这次跑某个地级市就是用区县分片的方式拼齐了全部公园数据。实际脚本流程不复杂requests发GET请求、解析JSON、循环翻页、把结果存到列表里。有个细节值得注意返回的JSON里location字段是百度坐标BD09的经纬度不是我们最后要用的坐标转存时要单独记录。抓完所有公园数据后把结果保存成GeoJSON。如果用的是API返回的POI点可以按名称和地址去重后保存为点图层如果用的是AOI抓取工具那得到的就是面图层字段里会带一个面积值。3.4 把数据导入QGIS的两种方式第一种方式直接在QGIS菜单LayerAdd LayerAdd Vector Layer选择生成的GeoJSON文件。导入后QGIS会自动识别几何类型和字段应该是点或面对应展开。第二种方式用QGIS的Python控制台。打开Plugins菜单下的Python Console跑一段脚本把刚才抓取的数据直接处理成QGIS内存图层。这种方式的好处是可以在导入的同时完成坐标转换、字段补充这些操作一步到位。对后续要反复试参数的情况尤其方便。无论用哪种方式导入后第一件事就是打开属性表检查名称字段是否完整、是否有空白值、面积字段是否可读。有问题就在这个阶段解决别拖到分析时再返工。4. 数据清洗与预处理最容易被低估的环节4.1 坐标偏移校正BD09到CGCS2000所有百度系的坐标数据最基本的特点就是经过了两层偏移BD09是基于GCJ02再加一次偏移GCJ02是国测局加密的坐标系统。直接拿BD09的数据和WGS84/CGCS2000底图叠会发现所有要素整体偏移几百米甚至更远这在城市尺度下直接不可用。网上有两种说法一种说QGIS自带坐标转换能处理实际效果很有限因为BD09和WGS84之间存在的是非线性偏移。另一种说法是找个在线转换工具挨个转数据量大的时候能烦死。专业做法是在Python里做整体转换。现在社区里有一些开源转换库挺成熟的比如gcoord一行代码就能把BD09坐标系转成WGS84import gcoord # 从BD09转到WGS84 transformed gcoord.transform(gcoord.BD09, gcoord.WGS84, lng, lat)转换完坐标之后在QGIS里将其另存为Shapefile或GeoPackage导出时选择目标坐标系为EPSG:4490。这样图层在工程里就和其它WGS84/CGCS2000数据对齐了。一个容易被忽略的精度问题gcoord这类库的转换精度通常是米级做宏观城市分析够用但如果要精确计算某个公园出入口坐标还是要去现场打点校准。你做的分析尺度决定了你所能接受的容差。4.2 字段处理与面积计算数据进QGIS之后第一件事是检查字段。AOI数据里经常出现同名公园重复出现的现象比如搜索公园时同时返回了某某公园和某某公园(东门)。属性表里按名称排序人工扫一遍能发现很多低级问题。去重可以分两步走先在属性表里按名称字段做一次聚合统计找出完全重名的记录再用空间位置检查删除距离极近比如几十米内且名称高度相似的记录。面积计算建议用字段计算器新建一个area_ha字段公式里用transform操作把几何投影到合适的分带投影后再算面积。务必记住在EPSG:4490这种地理坐标系下直接用$areaQGIS会用椭球体算法算真实面积这个结果是可用的但如果你用投影坐标系的长度单位去求面积就要注意投影带来的变形。公园AOI的面积字段是从百度抓下来的官方值但它和实际投影计算出的面积可能有一定偏差偏差来源是地图平台数据本身的轮廓精度。我建议最后统计用QGIS计算值原始area字段只作为校验参考。4.3 边界质量检查与修复AOI数据来自在线地图边界质量参差不齐。需要检查的问题有几类一是图形自相交多边形自身边界交叉。二是节点过于密集边界呈锯齿状。三是共边问题比如两个相邻公园边界重叠或留缝。检查工具在QGIS里不算核心功能但可以用Vector Geometry多边形的Check Validity工具。找到问题要素后用Voronoi多边形或Simplify工具修复也可以直接数据覆盖重绘。实际工作中我还碰到过一种情况AOI边界和遥感影像上肉眼可见的公园边界差异较大。这一般是地图平台数据更新滞后或者自动勾绘精度不佳。如果做精细到单公园的研究建议对重点公园手动修正边界不要盲信平台数据。5. 分析与可视化公园空间格局怎么呈现5.1 公园分布核密度分析拿到清洗后的公园AOI数据第一张能拿得出手的图是公园分布核密度图。它能直观反映城市里公园资源的集中和空白区域。在QGIS里打开Processing Toolbox搜索Kernel Density Estimation工具。输入图层选公园面要素输入参数里注意Population field选一个合适的字段比如按公园面积作为权重这样大公园对周围的影响应该大于小公园。半径可以用1000米到2000米这个参数决定了结果平滑程度多试几次找到既不过度平滑也不细碎的值。输出的栅格会有一个像温度图的色带红色代表高密度区。把Alpha通道调低叠加到底图上能非常直观地看出公园密集区和资源盲区。这步做出来听汇报的人一般都会觉得项目有深度。5.2 服务半径与缓冲区分析做服务半径评估通常用缓冲区叠加来判断多大范围的城市居民能享受到公园服务。缓冲区的选择有讲究中国《城市绿地分类标准》对社区公园和综合公园的服务半径有建议值大致在500米到1500米加上日常步行15分钟约为1000米的舒适距离。在QGIS里用Vector Geometry中的Buffer工具输入公园图层距离填1000勾选Dissolve Result将重叠区域的缓冲区合并。输出后的合并缓冲区图层和居住用地图层做重叠查询就能统计出有多少居住区在公园服务范围内再除以总居住区面积得到覆盖率。这个指标能用来横向对比不同城市、不同片区的公园服务公平性。多算几组不同半径的覆盖结果还能做距离衰减分析说明公园服务随着距离增加而减少的规律。5.3 基于路网的可达性分析缓冲区分析有一个硬伤它假设人是直线飞过去的没考虑路网。真实出行要拐弯要穿过天桥、过街设施实际到达时间跟直线距离差很多。所以更严谨的做法是基于路网分析。在QGIS中用QNEAT3插件的Service Area功能输入路网和公园入口点。为了让分析更贴近真实应该在OSM或当地路网数据里选取公园周边的道路特征点但一般做法是把公园AOI质心作为出发原点简化处理。设置断离距离如1500米或断离时间如15分钟步行以步行速度5公里每小时换算运行后得到沿路网的可达范围。这个结果和缓冲区叠加在一起能看出实际覆盖的差异哪个区域看似在1000米直线范围内但实际绕路太多一目了然。这类分析结果对规划决策很有说服力。这也是为什么一个单位采购的网络数据集通常很贵——数据的价值在这时就体现出来了。5.4 叠加人口数据做精准人群覆盖公园服务评价的最后一步是看它覆盖了多少人。这一步需要人口栅格数据可以使用WorldPop或者国内的人口分布栅格。QGIS里用Raster工具集中的Zonal Statistics工具以缓冲区或等时圈范围作为overlay图层统计栅格的像元值总和。因为在预先准备的数据中每个栅格像元代表该位置的人口数所以总和就是服务范围内的估算人口总量。再以总人口做分母得到服务覆盖人口的百分比。这个指标比几何覆盖率更有社会意义也更能体现项目价值。我之前做的一个街道尺度分析按人口加权后的覆盖率比几何覆盖率低了近20%说明很多公园分布在人口稀疏区服务效率不高这类洞察就是分析的价值所在。6. 制图出图把成果做成能交付的专题图6.1 底图与图层符号化出图前先保证底图正常。QuickMapServices加载的底图作为背景但注意底图通常是Web墨卡托投影和你的CGCS2000数据空间参考可能不一致。最佳实践是先在Properties里为底图图层设置“渲染相关投影”或者在打印布局中统一输出CRS。公园面要素建议直接采用分层设色按公园分类填充不同颜色。比如综合公园用绿色系、社区公园用浅绿、专类公园用青色。不要只用一个颜色那样看不出等级差异。面色透明度调至70%左右方便底图信息透出来。如果需要标注公园名称在Layer Properties的Labels里开启字体大小控制在8pt左右用白色描边深色正文字保证底图再花哨文字也清晰可辨。6.2 打印布局设置与出图规范QGIS主界面的New Print Layout就是打印布局编辑器。我习惯按A3横向设置图幅分辨率默认渲染为300dpi。这样导出的PNG足够清晰可以直接放进论文或汇报PPT。布局内容核心元素有主图、图例、指北针、比例尺、标题、数据来源说明。比例尺一定用双单位公制显示为千米或米方便读者直接量算。图例要注意精简只保留核心图层别把底图每个类目都列出来。坐标格网值得花时间设置打开Map Item Properties的Grids选择建立经纬网或方里网标注间隔根据城市尺度选择比如0.01度或1公里。有格网辅助读图的人能快速定位和估算距离。6.3 导出与常见输出问题布局里一切就绪Export as Image选择PNG分辨率300dpi颜色模式选RGB尺寸按A3比例。导出前一定要先Preview刷新一遍我用Print Layout多年最大的教训就是忘记刷新导致输出内容缺失。有时图层缺失是因为打印机兼容性但更多时候是缓存没刷新。除此之外Qs管项目文件里的样式在导出后全部正常但换电脑打开却崩了。这类问题常见于字体和SVG符号的绝对路径引用建议把项目文件夹里附带的资源文件统一放在相对路径下而不是散落在根目录避免后续交付给同事时出现样式丢失。7. 常见问题与排查技巧实录7.1 坐标偏移问题症状公园AOI和影像底图边缘重叠偏差几百米以上。原因没做BD09到WGS84/CGCS2000的偏移转换直接把百度坐标当成标准坐标用了。解决用gcoord之类库做整体转换再导入QGIS。注意转换要一次性到位导入后再用与Reproject Layer转换无法消除偏移。防范写脚本时统一封装坐标转换函数并在导入后叠加影像底图做目检。7.2 插件装不上或功能异常症状插件管理器里搜不到目标插件或安装成功但工具消失。原因插件库访问不稳定、QGIS版本不兼容、插件相互冲突。解决先确认QGIS版本再到插件官网下载zip包手动安装。如果仍然不可用检查Python控制台报错在开发者引导下可以定位到插件源码的问题。防范生产环境优先用LTR版QGIS新版上线前先在测试工程里验证所有插件可用。7.3 百度API请求失败或配额不足症状requests返回错误码401或403或搜索结果明显少一截。原因AK配置错误、请求参数格式不对、当日配额耗尽、IP不在白名单。解决单独在浏览器里跑一遍接口URL看返回内容。确认query的编码是URL编码AK拼写无误。实时查看控制台配额必要时临时申请提高配额。防范脚本加重试机制和延时控制请求频率避免并发太猛被限流。7.4 底图图层显示不全或加载慢症状QuickMapServices底图出现灰色瓦片或加载不出。原因网络环境对某些瓦片服务器不稳定或底图服务本身做了限制。解决多备几个底图源比如在QuickMapServices中加载Esri底图、OpenStreetMap和Esri影像按需切换。也可以通过自定义URL接入国内可用的瓦片源网上有现成的QGIS底图URL配置模板。防范出图前至少提前半天把底图瓦片缓存到本地避免演示/汇报当天由于网络问题翻车。8. 最后的实操心得这套流程前后我跑了两个项目最大的感受是数据预处理的时间至少占整个项目的一半以上而这部分恰恰是网上教程最容易略过的。AOI数据拿下来简单但要让数据真正可用于分析需要你对坐标系统、属性语义、空间精度都有清晰的判断。有几个细节回头看尤其值得强调。第一坐标转换不要拖到QGIS里再做是在抓取阶段就应该完成第二AOI属性里的面积只能当参考最终面积一定要用投影后的几何计算结果第三别迷信任何单一数据源有条件就用影像或实地核查抽检几个关键公园的边界。后续扩展方向也不少。你可以把AOI抓取的范围从公园扩展到学校、医院、商业中心做成城市公共服务设施分布系列图也可以把核密度、缓冲区和人口覆盖组合成一套可复用的分析模板下次换城市只需要改参数就能跑。这套基于QGIS加在线地图数据的组合拳在数据获取难度越来越大的今天反而成了一种务实的选择。