使用 R 语言处理1:100万全国基础地理信息数据｜以行政区划矢量数据提取为例

781 字 约 3 分钟 课程 矢量数据R 语言行政区划

很多小伙伴都很好奇行政区划矢量数据是如何制作的，一种常见的方法就是从 1:100万全国基础地理信息数据库里面提取。

关于 1:100万全国基础地理信息数据库的介绍可以看这里 ：https://www.webmap.cn/commres.do?method=result100W

全国1：100万公众版基础地理信息数据（2021）覆盖全国陆地范围和包括台湾岛、海南岛、钓鱼岛、南海诸岛在内的主要岛屿及其临近海域，共77幅1:100万图幅，该数据集整体现势性为2019年。数据采用2000国家大地坐标系，1985国家高程基准，经纬度坐标。

徐老师也对这份数据进行了详细的介绍：1:100万基础地理数据库怎么看？怎么用？能干嘛？

今天我们就以 2019 年行政区划矢量数据（实际上大致是 2018 年年底到 2019 年年初的）的提取为例讲解如何在 R 语言中读取和处理这份数据。

附件中提供了三份 1:100万基础地理数据库，分别是 2015 年、2017 年和 2019 年的，这里的年份不是指数据的发布年份，而是数据体现的势性年份，例如 2021 年发布的数据实际上 2019 年的。

我们将以 2019 年的数据（以及被初步合并好了）为例进行讲解，最后再演示如何处理 2015 和 2017 年的（多了循环操作）。

明晚的课程包含如下内容：

  1. 读取 GDB 数据
图表
  1. 提取各个区县的区划数据
图表
  1. 去除合并不完全成功产生的 “holes”
图表
  1. 添加属性数据
# http://www.mca.gov.cn/article/sj/xzqh/1980/201903/201903011447.html
library(rvest)
read_html("http://www.mca.gov.cn/article/sj/xzqh/1980/201903/201903011447.html") -> html

html %>%
  html_table() %>%
  .[[1]] %>%
  set_names("code", "name", "x") %>%
  select(1:2) %>%
  slice(-1) %>%
  mutate(provcode = str_sub(code, 1, 2),
         prov = if_else(code == paste0(provcode, "0000"), name, "")) %>%
  mutate(citycode = str_sub(code, 1, 4),
         city = if_else(code == paste0(citycode, "00"), name, "")) %>%
  type_convert() %>%
  mutate_at(vars(contains("code")), as.character) %>%
  fill(prov, city) -> codedf
codedf

#> # A tibble: 3,218 × 6
#>    code   name     provcode prov   citycode city
#>    <chr>  <chr>    <chr>    <chr>  <chr>    <chr>
#>  1 110000 北京市   11       北京市 1100     北京市
#>  2 110101 东城区   11       北京市 1101     北京市
#>  3 110102 西城区   11       北京市 1101     北京市
#>  4 110105 朝阳区   11       北京市 1101     北京市
#>  5 110106 丰台区   11       北京市 1101     北京市
#>  6 110107 石景山区 11       北京市 1101     北京市
#>  7 110108 海淀区   11       北京市 1101     北京市
#>  8 110109 门头沟区 11       北京市 1101     北京市
#>  9 110111 房山区   11       北京市 1101     北京市
#> 10 110112 通州区   11       北京市 1101     北京市
#> # … with 3,208 more rows
  1. 保存为 geojson 和 shp 格式的数据
  2. 根据区县汇总得到城市的
图表
  1. 根据城市汇总得到省份的
图表
  1. 其他年份的提取示例
  2. 其他要素的提取，例如线状水系：HYDL
图表

点击这里跳转到 RStata 短书平台获取附件：使用 R 语言处理1:100万全国基础地理信息数据｜以行政区划矢量数据提取为例

相关文章

评论