简介：这份矢量数据面向地理信息、城市规划、水文研究及GIS教学人员，提供北京市域内五大水系流域分布的面图层数据，可用于流域分析、地图制图、空间统计与课程实验。资源包共29个文件，以shp、shx、dbf、prj等Shapefile核心格式为主，辅以sbn、sbx空间索引文件及mxd配图工程，压缩包约6.21MB，目录按一级流域、二级水系、三级支流分层组织，便于直接加载与二次编辑。数据覆盖蓟运河、潮白河、北运河、永定河、大清河五大干流，流域面积占北京市总面积89.8%，并细分至多条重要支流，如泃河、拒马河、温榆河、通惠河等，其中北运河水系为唯一发源于北京境内的水系，通州以上称温榆河、以下称北运河，是京杭大运河起点。已有125人学习下载，适合需要快速获取北京水系空间边界、开展流域分区与制图分析的读者参考使用。

1. 北京市流域五大水系分布图：面图层矢量数据到底能拿来做什么

做北京水环境、洪涝风险、市政排水或者生态规划的人，大概率都遇到过同一个尴尬：手头有监测站点的点位数据，有降雨格点数据，但一到"这条河汇水范围到底覆盖哪几个区、哪几个排水分区"这种问题，就只能靠一张模糊的扫描图去描。北京市流域五大水系分布图（面图层）矢量数据，解决的正是这件事——它把永定河、潮白河、北运河、大清河、蓟运河这五大水系的流域范围，从"图上一片色块"变成"可以参与空间计算的 polygon"。它适合做流域统计、子流域裁剪、汇水区叠加分析、专题制图的人；不适合只想找一张挂墙图的人。下面按"数据长什么样 → 怎么用起来 → 坑在哪"的顺序讲透。

2. 五大水系面图层的数据结构与字段设计：先看懂再动手

2.1 面图层和线图层、点图层到底差在哪

很多人第一次拿到"流域分布图"会默认它是线状的河网，其实不是。河网是线图层（polyline），监测断面是点图层（point），而流域分布图是面图层（polygon）——它描述的是"这块地表的降水最终汇入哪条水系"的空间范围。这个区别决定了它能干什么：线图层只能算长度、做缓冲区，面图层才能做面积统计、区域裁剪、叠加求交。

北京五大水系的面图层，本质上是把全市域切成若干互不重叠（或按主水系归并后互不重叠）的汇水单元。永定河系主要覆盖西部和西南部山区及部分平原，潮白河系覆盖东北部和东部，北运河系横穿城区北部和东部平原，大清河系在西南角，蓟运河系在东部平谷一带。做叠加分析前，先确认你的面图层是"按主水系归并"还是"按子流域细分"，这两者的属性表结构完全不同。

常见做法是：主水系归并图层字段少（一般就水系名称、编码、面积），子流域图层字段多（子流域名、所属水系、面积、可能还有编码层级）。如果你要做的是"每个区县各水系占比"这种统计，用归并图层就够；如果要做"某个断面以上汇水区提取"，必须用子流域图层，否则精度不够。

2.2 属性表里哪些字段是必须核对的

拿到数据别急着画图，先打开属性表看这几列。下面是一个典型的字段核对清单，字段名可能因数据来源不同而有差异，但语义基本对应：

核对时重点看两件事：一是面积字段的合计是否接近北京市总面积（约 1.64 万平方公里），差太多说明有重叠或缺失；二是水系名称有没有"永定河系""永定河流域""永定河"三种写法混在一起，这会让后续分组统计直接出错。

2.3 坐标系：面图层最容易翻车的地方

面图层的面积、长度计算全部依赖坐标系。如果数据是地理坐标系（比如 CGCS2000 经纬度），直接算面积得到的是"平方度"，毫无意义。必须投影到合适的投影坐标系再算。

北京地区常用 CGCS2000 3 度带，中央经线 117°E，EPSG 代码常见为 4547（CGCS2000 / 3-degree Gauss-Kruger CM 117E）。用 QGIS 或 ArcGIS 转换时，确认目标 CRS 是这个而不是 Web Mercator（3857）——3857 在高纬度地区面积变形明显，做面积统计会偏。

# 用 ogr2ogr 把经纬度面图层投影到 CGCS2000 3度带 117E ogr2ogr -f "ESRI Shapefile" \ -t_srs "EPSG:4547" \ bj_watershed_projected.shp \ bj_watershed_wgs84.shp # 查看投影后图层的坐标系和范围，确认转换成功 ogrinfo -al -so bj_watershed_projected.shp

这段命令做两件事：-t_srs指定目标投影，ogr2ogr自动完成坐标变换；ogrinfo -al -so只输出摘要信息（图层范围、字段、CRS），不打印每个要素，适合快速验证。参数上要注意，如果源数据本身已经是投影坐标，就别再加-t_srs，否则会二次投影导致位置偏移。转换后务必用ogrinfo看一眼 Extent，正常应该在几十万米量级（北京投影坐标大致在 X: 400000–600000，Y: 4300000–4500000），如果还是 115、40 这种小数，说明没转成功。

3. 用 QGIS 和 Python 把面图层跑通：从加载到分区统计

3.1 QGIS 里加载并检查拓扑

第一步永远是加载后目视检查。把面图层拖进 QGIS，右键图层 → 属性 → 信息，看要素数量和 CRS。然后做两件检查：一是"是否有缝隙或重叠"，用矢量 → 几何工具 → 检查有效性；二是"是否覆盖全市"，叠加一个北京市行政边界底图看边缘。

如果发现面之间有细缝，常见原因是数据从 CAD 或栅格转过来时边界没对齐。处理办法是用"融合"（Dissolve）按水系名称合并，再和行政边界做一次相交，把超出市界的部分裁掉。注意 Dissolve 会丢失子流域字段，所以先备份原始图层。

3.2 用 Python + GeoPandas 做区县水系面积统计

真正批量干活还是靠代码。下面这段用 GeoPandas 读面图层和区县边界，做叠加求交后统计每个区县各水系面积占比：

import geopandas as gpd import pandas as pd # 读取流域面图层和区县边界，两者必须同一投影坐标系 watershed = gpd.read_file("bj_watershed_projected.shp") districts = gpd.read_file("bj_districts_projected.shp") # 统一 CRS，防止叠加时报错或结果错位 if watershed.crs != districts.crs: districts = districts.to_crs(watershed.crs) # 叠加求交：每个区县与每个水系面相交，得到碎片面 inter = gpd.overlay(districts, watershed, how="intersection") # 计算相交面积（投影坐标系下单位为平方米），转平方公里 inter["area_km2"] = inter.geometry.area / 1e6 # 按区县和水系分组汇总 result = inter.groupby(["district_name", "watershed_name"])["area_km2"].sum().reset_index() # 计算每个区县内各水系占比 result["ratio"] = result.groupby("district_name")["area_km2"].transform(lambda x: x / x.sum()) print(result.head(20)) result.to_csv("district_watershed_stats.csv", index=False, encoding="utf-8-sig")

逻辑上分四步：统一 CRS → overlay 求交 → 算面积 → 分组汇总。参数上最关键的是how="intersection"，它只保留两者重叠部分；如果你要的是"每个区县完整范围"，用how="union"但会产生大量空值。area / 1e6是把平方米转平方公里，别写成 1e3。输出 CSV 时加encoding="utf-8-sig"，否则 Excel 打开中文会乱码。

跑完先别信结果，做一次校验：把 result 按 district_name 分组求 area_km2 之和，和区县边界自身面积对比，误差应在 1% 以内。差太多说明面图层有重叠或缝隙。

3.3 提取某个断面以上的汇水区

做水文分析的人经常要"某个监测断面以上的汇水范围"。如果面图层是子流域级别，可以用空间选择：先定位断面点，再做"按位置选择"选出包含该点的子流域，然后按水系拓扑向上游追溯。没有拓扑关系时，退而求其次用"包含该点的子流域 + 相邻同水系子流域"近似。

from shapely.geometry import Point # 断面坐标（投影坐标系下） station = gpd.GeoDataFrame( {"name": ["station_A"]}, geometry=[Point(520000, 4420000)], crs=watershed.crs ) # 找出包含断面的子流域 sub = watershed[watershed.contains(station.geometry.iloc[0])] print(sub[["sub_name", "watershed_name"]]) # 近似：取同水系的所有子流域作为上游汇水范围（需人工核对） upstream = watershed[watershed["watershed_name"].isin(sub["watershed_name"])] upstream.to_file("upstream_approx.shp", encoding="utf-8")

contains判断点是否在面内，返回布尔序列。isin做属性筛选。这里要提醒：这种"同水系全取"只是近似，真实上游范围需要 DEM 水文分析或已有拓扑关系，别直接拿去出正式报告。参数上Point(x, y)的顺序是 X 在前 Y 在后，和经纬度习惯相反，容易写反。

4. 避坑与排查：面图层处理里最容易踩的五个坑

4.1 面积算出来是"平方度"

现象：用 GeoPandas 的.area算面积，结果是一堆 0.00x 的小数。原因：图层还是经纬度坐标系，.area返回的是平方度。解决：先to_crs("EPSG:4547")再算面积，或者用gpd.GeoSeries.area前确认.crs.is_geographic为 False。

4.2 叠加求交后面积对不上

现象：overlay 之后各区县面积之和比原边界小了一截。原因：面图层之间有缝隙，或者 overlay 时 CRS 不一致导致部分要素被丢弃。解决：先检查两个图层 CRS 是否一致，再用"检查有效性"修复几何，必要时对流域面做一次 buffer(0) 消除自相交。

4.3 中文属性乱码

现象：属性表里水系名称显示成问号或方块。原因：Shapefile 默认编码不是 UTF-8，而数据实际是 GBK。解决：读取时指定encoding="gbk"，或转成 GeoPackage（.gpkg）格式，它原生支持 UTF-8，比 Shapefile 省心。

4.4 五大水系名称不统一

现象：分组统计时出现"永定河""永定河系""永定河流域"三组。原因：数据来源拼接时命名没规范。解决：建一个映射字典统一替换，再分组。别手动改，要素多了必漏。

name_map = {"永定河系": "永定河", "永定河流域": "永定河"} watershed["watershed_name"] = watershed["watershed_name"].replace(name_map)

4.5 用 Web Mercator 做面积统计

现象：面积统计结果比实际偏大，越往北偏得越多。原因：EPSG:3857 在高纬度面积变形严重。解决：面积统计一律用等积投影或高斯克吕格投影，北京用 EPSG:4547。制图展示可以用 3857，但计算不能用。

5. 进阶：把面图层和栅格、点位数据联动起来

面图层真正的价值在于当"容器"。我一般会用它做三件事：一是把降雨栅格按流域分区统计均值，二是把监测点按流域归类做水质汇总，三是给每个子流域算地形特征（平均高程、坡度）。

以分区统计降雨为例，用 rasterstats 一行搞定：

from rasterstats import zonal_stats # 对每个流域面统计降雨栅格的平均值、最大值 stats = zonal_stats( "bj_watershed_projected.shp", "rainfall_2023.tif", stats=["mean", "max", "min"], geojson_out=True ) for feat in stats: print(feat["properties"]["watershed_name"], feat["properties"]["mean"])

zonal_stats要求矢量和栅格 CRS 一致，不一致会报错或结果错位。stats参数按需选，mean最常用。如果栅格是经纬度而矢量是投影坐标，先用gdalwarp把栅格重投影，别指望它自动对齐。

验证方法上，我习惯抽一个流域，用 QGIS 的"分区统计"插件跑一遍，和代码结果对比，误差在 0.1 以内才放心。这一步看着多余，但能挡住 90% 的坐标系和 NoData 问题。

最后说个习惯：每次处理完面图层，我都会把中间结果存成 GeoPackage 而不是 Shapefile，字段名不受 10 字符限制，中文不乱码，一个文件装多层。这个习惯帮我省了无数次返工。希望帮到你。

本文还有配套的精品资源，点击获取