简介江苏2025年村级行政区划矢量数据覆盖全省最新村界、社区乡、街道镇及市级边界面向前端使用GIS的规划师、研究人员与学生可直接用于地图制图、空间统计、行政区划专题分析。数据包共6个文件采用Shapefile标准格式存储包括核心shp矢量文件、dbf属性表、prj坐标系统信息以及shx、cpg、xml配套文件解压后约24.92MB兼容ArcGIS、QGIS等常见GIS软件。属性字段包含名称、行政代码、隶属关系等边界多达数万个面精度较高适合国土规划、城乡建设、交通物流、农业规划、应急管理等场景使用者无需预处理即可加载快速提取省、市、镇、村各级区域进行空间叠加与可视化。目前已有339人学习下载尤其适合需要最新村级边界的基层调研、数据分析或制图出图项目。1. 江苏省村界shp数据一套能落地的村级区划矢量资源做农用地储备区划定项目时最卡进度的往往不是遥感解译而是一份能对上号的江苏省村界村级行政区划矢量shp数据。卫星影像可以现买、地类能自己解译可村一级行政边界这种东西网上不是找不到就是找到的版本好几年没更新过。这份2025年江苏省村界村级行政区划矢量shp数据就是冲着这个卡点来的它是全省尺度、以shapefile格式组织的村级行政区划面数据字段带上逐级行政区划代码和村名能直接进ArcGIS或QGIS做人口分布制图、农用地分析、出图排版也能把省、市、县数据再往下落一级到村。适合做规划的工程师、测绘数据处理人员以及需要把统计指标挂到村级单元上的数据分析师。2. 到手先看坐标系和属性表三个检查动作决定后续能否复用2.1 一个完整 shp 不只是 .shp缺文件才是打不开的根源很多人第一次解压这份数据时会被一堆扩展名搞蒙。shapefile是一组文件的集合不是单文件格式核心组成包括.shp文件几何、.shx位置索引、.dbf属性表和.prj坐标系定义还有可选的.cpg记录编码方式、.sbn和.sbx空间索引。绝大多数“打不开”或“字段丢失”的报障最后查下来都是缺了.dbf或.prj而不是软件出了问题。拿这份村级数据来说如果是按设区市分文件夹管理的shp包每个文件夹里的配套文件必须齐全。到手后第一件事我习惯跑一个检查脚本把缺件问题扫出来而不是逐个双击看能不能打开。脚本逻辑是遍历目录下所有.shp检查伴随文件是否存在。import os import glob # 假设数据解压后的根目录是 shp_dir shp_dir rD:\js_village_shp # 一个完整shapefile需要的伴随文件后缀 need {.shp, .shx, .dbf, .prj} bad_files [] for shp in glob.glob(os.path.join(shp_dir, **, *.shp), recursiveTrue): base os.path.splitext(shp)[0] missing [ext for ext in need if not os.path.exists(base ext)] if missing: bad_files.append((shp, missing)) if bad_files: for f, m in bad_files: print(缺文件:, f, -, m) else: print(所有shp文件配套完整)这段脚本做的事情很简单用glob递归找到所有.shp文件然后逐个检查同目录下有没有.shx、.dbf、.prj。这里我故意把.prj也列为必需项虽然QGIS能在没有投影信息时硬读但你在做面积计算、坐标转换时会发现结果完全对不上这种坑后面专门讲。如果你只做可视化不打算算面积缺.prj可以忍但要做任何带单位的结果必须把.prj补齐。常见的补齐办法是用同区域相邻shp的.prj复制一份或者用QGIS的“为图层设置源CRS”手动指定。参数说明os.path.splitext获取文件名主干basename主文件名拼接伴随文件后缀exists做存在性判断。注意路径写入时用原始字符串r避免Windows路径里的反斜杠被转义。大批量时建议把检查结果写到一个csv而不是printprint在文件多时会刷屏。2.2 坐标系CGCS2000 与高斯-克吕格分带的判断方法村级shp常见坐标系就两类地理坐标CGCS2000EPSG:4490经纬度和高斯-克吕格3度带投影EPSG:4547表示3度带40带EPSG:4546是39带。想确认数据属于哪种最快的方法是拖进QGIS看右下角坐标显示。坐标数值在100到125之间且带小数点的是经纬度数值在三十万以上、看起来像米制的是投影坐标。江苏全境基本落在3度带39带和40带上扬州以东多为40带南京、镇江、常州部分区域用39带。项目里如果只需要把村界和天地图影像叠着看不追求精确面积用4490或3857都能接受。但做面积统计、缓冲分析、与统计年鉴口径核对必须统一到投影坐标。我一般统一用EPSG:4547因为江苏多数地区的中央经线是120度范围内长度变形小于常规要求。注意坐标带号和EPSG代码不是一回事同一个3度带可以对应多套EPSG代码选EPSG:4547这种才是比较规范的用法。EPSG代码类型适用范围4490CGCS2000 地理坐标度原始数据交换、跨省分析4546CGCS2000 3度带 CM117E镇江以西部分地区4547CGCS2000 3度带 CM120E江苏大部推荐项目统一使用3857Web墨卡托在线底图、影像叠加显示ArcGIS里加载之后看图层属性-源-空间参考。如果数据源显示Unknown或GCS_China_Geodetic_Coordinate_System_2000前者是缺prj后者是地理坐标系需要定义投影或做投影转换。定义投影的常见参数投影坐标系里选CGCS2000 3 Degree GK Zone 40对应120E。投影工具里地理变换选“无”还是选“CGCS2000_To_WGS_1984_1”取决于与底图的关系如果底图也是CGCS2000就选无避免二次变换引入误差。2.3 属性表字段村代码、统计用码与自然村概念的边界村界数据的价值一半在几何一半在属性。典型的属性表字段包括OBJECTID、省代码、市代码、县代码、乡镇代码、村委会代码、名称、类型和面积。其中县区代码6位、乡镇代码3位、村代码3位拼接成12位行政区划代码这是连接所有统计资料的钥匙。江苏的属性数据里常见“社区”和“村委会”并存同样是村级图斑属性类型字段会区分这两种管理单元。用的时候要弄清楚自己手头指标的口径是“行政村”还是“所有村居委会”直接全连会导致人口密度分布图上出现明显的城镇型社区高值点。先做字段裁剪再开始项目比什么都强。用geopandas读入预览属性表是最快的办法import geopandas as gpd # 读入江苏某县的村级shp注意指定编码避免中文乱码 gdf gpd.read_file(rD:\js_village_shp\320116\320116.shp, encodinggbk) # 只保留项目需要的字段同时预览内容 cols [OBJECTID, COUNTY_CODE, TOWN_CODE, VILLAGE_CODE, NAME, geometry] gdf gdf[cols] # 打印字段名和类型快速确认属性表结构和是否有null print(gdf.dtypes) print(gdf.head())参数说明read_file是geopandas统一读取接口对shp、GeoJSON、GeoPackage都有效encoding参数在江苏这类数据上经常要用gbk因为不少来源的.dbf是GBK编码写的如果你用utf-8读会出现村名乱码。dtypes输出能让你一眼看到“面积”字段是不是object而不是float这是个很隐蔽的坑一旦字段类型是文本后面所有数值运算都会报错。遇到这种情况用pandas的to_numeric做一个类型强制转换gdf[AREA] pd.to_numeric(gdf[AREA], errorscoerce)coerce会把无法转换的变为NaN这时你就要回头查属性表里是不是有缺失面积值的记录。如果字段里面积是文本型后续所有计算都要处理一遍。最干净的做法是直接写一个标准化脚本把字段修剪成固定集合同时把数值型字段做强制转换输出一份清洗后的shp存成副本这样比每次打开都手动处理省心得多。确认字段结构后再做一次按县区的村数量分组统计和民政公布的行政村数量对比数量差异在三五个之内属于正常合并村、新设社区超过十个就要回头检查是不是有的镇没被裁切进来。3. 加载、挂接与格式转换让村级shp真正进到工作流里3.1 QGIS 加载与符号化先做目视确认再动手算QGIS加载shp最简单的方法是直接把文件拖到图层区但前提是不要直接拖.shp而是用“图层-添加图层-添加矢量图层”指向shp。拖拽方式在文件编码不规范时经常用默认UTF-8读出现乱码后你又得重新选。添加矢量图层对话框里有“编码”下拉框遇到乱码改成GBK就能正常显示。符号化上我习惯按乡镇代码分类渲染再把边界线设成白色细线。分类渲染能快速暴露两个问题一是某个乡镇字段下出现大量极小碎面二是同一个村名出现多个不相邻的多边形。前者可能是裁切残留后者多半是飞地两种都要在项目里备注。检查几何有效性用“矢量-几何工具-检查有效性”输出的错误类型包括自相交、环连接和拓扑环。如果错误数量不大而且都集中在某几个乡镇优先用“修复几何”工具批量修再检查一遍属性表。如果错误数量上千说明源数据在生产时没有做拓扑清理这种数据即使修复了边界套合后也容易在统计面积时重复计数建议回到压缩包找另一份原始数据而不是在错误数据上强行修补。3.2 从 shp 转到 KML、GeoJSON 与 DWG跨格式操作的关键参数村界shp最常见的跨格式需求是给外业人员用手机地图。KML要求WGS84经纬度所以导出时必须显式选择EPSG:4326否则你得到的还是一个投影坐标值拼成的KML打开后位置漂到天上去了。QGIS里右键图层-导出-要素另存为格式选KMLCRS选WGS84文件名用英文或拼音很多安卓地图对中文文件名支持很差。ArcGIS用户用“图层转KML”工具对话框里可以指定图层的名称字段。如果你的KML不显示村名标注第一排查点就是有没有把Name Field设成NAME属性表里字段叫NAME但工具默认用FID。另一个常见问题是输出路径带中文字符报错后把路径改成纯英文目录即可。反过来别人给你一个KML要转shp或者CAD图纸dwg要转shp思路一样先统一WGS84再交换转换后加载回QGIS验证位置。dwg转shp高频踩坑就是CAD里坐标系没有定义转出的shp会丢prj。这时候用QGIS的“地理配准”工具把CAD点和影像匹配后再处理比强行给shp加投影靠谱。如果你需要批量把几十个村shp转GeoJSON给前端做地图展示用geopandas统一输出更省事import geopandas as gpd import pathlib src_dir pathlib.Path(rD:\js_village_shp) out_dir pathlib.Path(rD:\js_village_geojson) out_dir.mkdir(exist_okTrue) # 遍历所有县级shp按统一投影输出为GeoJSON for shp in src_dir.glob(*/*.shp): gdf gpd.read_file(shp, encodinggbk) gdf gdf.to_crs(EPSG:4326) # GeoJSON默认用WGS84经纬度 # 输出文件名用县级代码避免中文文件名在web端出错 out_name shp.stem .geojson gdf.to_file(out_dir / out_name, driverGeoJSON)遍历、to_crs和driver参数是这段代码的核心。glob(/.shp)默认按一级子目录扫描如果你的原始包是“设区市/县区/村shp”两层结构要改成glob(//*.shp)。to_file里的driverGeoJSON是显式指定输出格式不要省。导出前我还会把字段统一重命名为英文很多前端地图库对中文字段序列化没问题但后端对接时容易出乱码。3.3 Excel 统计指标挂接匹配键是 12 位代码而不是村名做村界专题图几乎都要把Excel里的指标挂到shp上。很多人直接在QGIS的属性连接里选“NAME”作为连接键这在一个县范围能用放到全省范围村名重名率立刻上来了。正确做法是始终使用12位行政区划代码。Excel输入经常把长代码改写成科学计数法。处理口诀代码类字段任何时候都以文本读入pd.read_excel里指定dtype{VILLAGE_CODE: str}已经损坏的数据先用Excel的文本分列功能还原。下面的脚本演示了从读取到连接的完整流程import pandas as pd # 读取村界属性表geopandas已读入为gdf和统计指标 excel_data pd.read_excel(rD:\stats\village_stats.xlsx, dtype{VILLAGE_CODE: str}) # 统一编码格式防止村代码被Excel自动去掉前导零 excel_data[VILLAGE_CODE] excel_data[VILLAGE_CODE].str.zfill(12) # 属性连接left join保留所有村界要素 merged gdf.merge(excel_data, onVILLAGE_CODE, howleft) # 统计未匹配到指标的行数和比例 null_rate merged[YOUR_INDICATOR].isna().mean() print(f指标缺失率: {null_rate:.2%})这段代码里最关键的是str.zfill(12)。Excel经常把3201162032001这种长数字显示成科学计数法或者直接把前导0丢掉导致shp里存的“320116”和Excel里存的“320116”看似相同实际上一个是整数一个是字符串。统一用12位字符串后再merge能避免绝大多数“明明有数据却连接不上”的问题。merge的howleft表示以shp面要素为基准Excel指标缺失则返回NaN缺失率就反映指标文件覆盖不到的位置而不是村界漏了。顺带提醒pd.read_excel里的dtype{VILLAGE_CODE: str}是在读取阶段强制该列按文本解析如果你已经在Excel里污染了数据外面再设定也没有用所以最好在读取时一次性指定所有代码列为文本。缺失率超过5%优先查Excel表的代码栏是不是已经变了样而不是怀疑shp属性表。4. 村界数据的实战专题制图、面积统计与层级套合4.1 人口与统计专题图连接键、飞地与分类渲染常态需求是“把人口、耕地、收入数据按村铺色”。操作流程是读入shp、读入Excel、以12位代码连接、按指标分类符号化。连接键用代码名称字段只用于显示标签。这一点是我吃过亏换来的曾经用村名连接两个邻村重名数据串行后整个上午翻车。从那以后代码匹配就成了固定动作。苏南沿江地区的飞地村会在分类渲染里表现为一个村名出现在两块不相邻区域。这不是数据缺陷而是历史围垦形成的属地管理现实。建议在项目文档里单独列一份飞地村清单并在制图时把飞地单独图层标注避免分析时当成独立样本。2025年这版数据如果仍保留农场、园区代管这类特殊单元更要注意它们在统计口径上往往占用多个传统行政村的面积。4.2 面积计算统一投影并先修几何再算数村级面积统计是使用频率最高的分析也是最容易出烂结果的分析。直接用地理坐标算面积会偏大很多用错带号会让同一块地在不同图层里面积不一致源数据有碎缝和重叠时总面积会和民政台账差出几十平方公里。所以三步缺一不可统一投影到EPSG:4547修复几何再开面积字段。import geopandas as gpd from shapely.validation import make_valid gdf gpd.read_file(rD:\js_village_shp\320116\320116.shp, encodinggbk) # 批量修复无效几何 gdf[geometry] gdf[geometry].apply(make_valid) # 用统一投影计算面积江苏全域用EPSG:4547按项目范围选带号 gdf_proj gdf.to_crs(EPSG:4547) gdf_proj[AREA_SQKM] gdf_proj.geometry.area / 1_000_000 print(gdf_proj.sort_values(AREA_SQKM, ascendingFalse).head())make_valid来自shapely.validation作用是自动修正自相交多边形返回结果可能是MultiPolygon不影响面积统计。area计算前先统一投影很关键1_000_000是把平方米转平方公里。结果排序后如果最大村面积达到几十上百平方公里江苏省平原地区正常行政村面积大多在3到12平方公里之间出现几百平方公里的特大“村”要怀疑是否包含了农场或园区管委会这种特别建制。异常图斑的排查思路如果某个村面积超过周边几个村的总和看属性里是不是“街道办”或“园区代管”这种特殊建制在统计口径里常把整个开发区计入一个社区单元。遇到这种情况要么保留原口径要么按地类重新换算千万不要直接删。4.3 面转线、缓冲与影像叠加出图之外的空间分析村级面数据做“面转线”后能得到高精度行政界线配合属性字段还能逐级融合出乡镇界、县界。QGIS的“面转线”工具会删除重复边ArcGIS的“要素转线”要勾选识别公共边界两者的输出要素数量差异很大跨软件协作时注意统一预期。如果你要对接MapGIS的线文件转出的线要素要确保拓扑属性一致不同GIS平台对公共边界的表示差异很容易在后期配准中暴露。缓冲区叠加场景把村界线缓冲15米与最新遥感影像比较判断村庄建设边界外有没有新增图斑这类工作特别依赖边界精度。缓冲距离在米制投影下直接用米如果源数据是经纬度先投影再缓冲记住这个顺序能省掉大量无头绪的调试。做村界网格抽样也一样用QGIS“创建渔网”把研究区切成1km网格再用“按位置”统计每个网格覆盖的村级代码数能快速建立空间分层抽样框。4.4 省界市界与村界套合两类省级线文件的选型省、市、县、乡、村五级行政边界套合时经常遇到“省1”“省2”两套省级线文件的选择问题。常见做法里省1偏陆地行政管辖范围的省级界线省2是包含沿海滩涂和近岸管理范围的完整省级界线。江苏沿海地段两者边界差异明显做陆域面积统计时用省1做全域资源管理时用省2。把村级数据套合到对应的省级线图层里才能保证“村界-镇界-县界-市界-省界”逐级闭合没有缝隙。套合检查的具体动作先把村级shp按民政代码逐级融合成县界再与独立下载的县界shp做叠置分析计算面重叠率。重叠率低于99.5%就要排查是不是存在县级飞地、滩涂权属或者农垦系统边界这些在实际数据里经常造成“理论上应该套合实际上总有缝”的现象。5. 避坑指南村界shp使用中的五个高频故障与排查路径5.1 属性表乱码修复编码的三种做法现象QGIS打开后村名是“”一类乱码。原因dbf文件的代码页与加载设置不一致江苏村级数据处理链上大多是GBKQGIS默认UTF-8。解决重新添加图层并在编码下拉框选GBK如果还乱用QGIS的“纯文本文件”方式导入dbf确认内容更彻底的做法是用ogr2ogr强制转成UTF-8的shp副本。ArcGIS用户可以在“图层属性-源”里改代码页但部分版本对dbf代码页支持不理想最稳妥还是转副本。我自己的习惯是把所有输入数据统一转成UTF-8的GeoPackage中间格式一次转好之后所有软件都不会遇到乱码。GeoPackage是OGC标准格式QGIS、ArcGIS Pro都能直读属性支持强推荐做中间交换格式。如果shp文件本身结构损坏可先用shapechk这类修复工具恢复.shx或.dbf再进GIS做拓扑清洗反过来已经进入GIS的拓扑错误shapechk处理不了得回到编辑器里修。5.2 坐标偏移飞到海里的可能原因与处置现象村界与影像底图错位几米到几十米。原因数据坐标系和底图坐标系不一致或源数据是旧北京54/西安80坐标系未做转换。解决先在图层属性确认shp的坐标系如果是西安80的shp直接放到CGCS2000工程里必须走七参数转换不能直接改定义。ArcGIS里定义投影和投影转换是两回事定义投影只是在数据上写标签不会移动几何投影转换才会重新计算坐标。搞反这两步是坐标错乱最常见的现场。另外要说一种情况shp本身没问题但底图是Web墨卡托EPSG:3857叠加时如果不做动态投影位置必然偏。QGIS工程里设置“启用即时投影”能解决显示问题导出成果时再按成果要求重投影成相应CRS。按我的经验遇到“飞到海里”先别急着骂数据把shp和工程各是什么坐标系拉出来对照大多数问题五分钟能定位。5.3 缝隙与重叠拓扑错误影响面积统计现象相邻村边界之间有空隙可以看见下面底图或两个村图斑重叠。原因多乡镇拼接时节点未吸附或数据裁切自不同版本底图。解决跑一次“修复几何”再使用“消除”工具把小于阈值的碎面合并到相邻要素。阈值的选取看数据精度常用10平方米太大的阈值会吞掉合法小图斑。如果是整条边界错位用“对齐要素”工具把相邻边界统一到同一图层后重新生成公共边比手工改点快得多。重跑拓扑规则“不能有缝隙”和“不能重叠”验证全部通过后再进入面积统计。这里有个常规认知要纠正QGIS的“修复几何”解决的是要素自身非法几何邻接要素之间共享边界不一致的问题要靠“拓扑”面板或生产工具里的“拓扑检查”才能发现单看每个要素的valid状态是看不出来的。5.4 跨带错位一个工程里混用了两套投影现象部分图斑位置偏移且越靠近东西边界越明显但单独看每个文件都没问题。原因同一个工程里加载了39带和40带两种投影坐标的shp显示时未做动态投影导致视觉错位。解决把工程里所有图层统一为EPSG:4547如果源文件本身是39带用“重投影”生成40带副本再参与分析不要直接改prj标签。还有一个隐蔽场景在做缓冲区时如果数据是经纬度坐标缓冲距离会被当“度”处理结果缓冲“15米”却显示到几公里。遇到这种情况先确认图层的CRS是不是投影坐标系QGIS处理工具不会替你自动投影必须手动保证输入数据是米制投影。这个“度”和“米”的错位是新手最容易从头到尾都算不对结果的问题排查优先级排在所有问题前列。5.5 数据版本口径不一致合并村与代码变动现象下载到的村界shp与当地最新统计名单差了不少村或者多个村合并后旧代码找不到。原因行政区划调整频繁2025年最新边界数据反映的是最新的合并村状态而某些统计年鉴用的还是旧名录。解决先看属性表里是否有“变更说明”字段没有的话把shp的村名单和民政公布的区划代码表对比找出新增、撤销和更名记录。遇到新老代码不一致最实用的做法是以老代码为桥先把往年统计数据挂到旧的地理单元上再用“按位置”把旧村合并为新村的隶属关系做一个面积加权换算而不是硬把旧指标按到新村边界里。这一步虽然费时间却是避免专题图数据张冠李戴的最稳妥路径。尤其是要做时间序列对比的课题新代码、老代码两张对照表必须留存归档。6. 数据体检三件套让村界shp沉淀成团队公共底图6.1 用 ogrinfo 和两行 py 完成快速体检无论数据从哪来拿到手先跑一遍标准体检ogrinfo看图层概况geopandas检查几何有效性再算一个县级村平均面积作为参考。流程跑通后再进入项目基本能过滤掉大部分脏数据。命令行代码# 查看图层要素数、几何类型、字段属性 ogrinfo -so -al 江苏某县_2025.shp # 检查几何有效性和数量 python -c import geopandas as gpd; ggpd.read_file(江苏某县_2025.shp, encodinggbk); print(len(g), int(g.geometry.is_valid.sum()), round(g.geometry.area.sum()/1e6,2), km2)三段输出分别告诉你要素总数是否等于民政公布的村居数几何无效比例是否为零总面积是否与县统计年鉴的行政区域面积接近。任何一项明显异常都先回源排查不急着往下做。这个体检模板在团队里固定下来后新成员上手接手旧数据出错率明显下降。6.2 建立一份可持续维护的标准村界底图建议把第一次清洗完成的成果固化为“标准底图”统一字段名、统一编码UTF-8、统一投影EPSG:4547并在属性表里增加数据版本号与检核日期字段。以后每个项目都从这个标准底图派生不再去翻原始zip。更新时只替换发生区划调整的县区保留变更日志代码连接就能长期稳定。拿到这份数据的压缩包解压后优先跑一遍上面的体检脚本再决定要不要入库。从做第一个村界项目起我把流程固化成确认投影-检查编码-修复几何-版本登记四步顺序不变连临时来协作的同事都能照着做。从那以后我拿到任何村级数据都会强制走一遍这套体检和清洗流程再交给下游做专题制图或外业核查自己也少了很多半夜补救的“惊喜”。希望这套方法对你有帮助。本文还有配套的精品资源点击获取