首页 前端知识 shpfile转GeoJSON;控制shp转GeoJSON的精度;如何获取GeoJSON;GeoJSON是什么有什么用;GeoJSON结构详解(带数据示例)

shpfile转GeoJSON;控制shp转GeoJSON的精度;如何获取GeoJSON;GeoJSON是什么有什么用;GeoJSON结构详解(带数据示例)

2024-06-02 09:06:49 前端知识 前端哥 591 611 我要收藏

目录

一、GeoJSON是什么

二、GeoJSON的结构组成

2.1、点(Point)数据示例

2.2、线(LineString)数据示例

2.3、面(Polygon)数据示例

2.4、特征(Feature)数据示例

2.5、特征集合(Feature Collection)数据示例

三、GeoJSON的获取方式

3.1、在线网站mapshaper

3.1.1、mapshaper简介

3.1.2、操作步骤

①载入Shapefile数据

②点击导出

 ③选择数据格式并导出

3.2、使用python将Shapefile转化为GeoJSON

3.2.1、安装geopandas库

3.2.2、使用geopandas读取Shapefile文件,并转换为GeoJSON格式

3.2.3、使用geopandas库提供的simplify()方法来控制精度

四、总结


一、GeoJSON是什么

        GeoJSON是一种编码各种地理数据结构的格式。它是JSON(JavaScript Object Notation)的一个地理空间扩展,用于在网络中交换地理数据。GeoJSON对象可以表示几何(点、线、面)、特征(包含几何和属性的对象)以及特征集合。

        GeoJSON的核心组成部分包括:

  1. 点(Point):表示地理空间中的一个具体点。
  2. 线(LineString):由两个或多个点组成的线段。
  3. 面(Polygon):由多个点组成的闭合环,通常用于表示地理区域。
  4. 多点(MultiPoint):多个点的集合。
  5. 多线(MultiLineString):多个线段的集合。
  6. 多面(MultiPolygon):多个多边形的集合。
  7. 几何集合(Geometry Collection):不同类型几何对象的集合。
  8. 特征(Feature):包含几何对象和属性的组合。
  9. 特征集合(Feature Collection):多个特征的集合。

        GeoJSON广泛应用于地理信息系统(GIS)、地图服务和位置智能应用中,是许多现代地图库和地理数据服务的标准格式之一。由于其基于JSON,GeoJSON易于阅读和编写,同时也方便与Web技术集成。

二、GeoJSON的结构组成

        GeoJSON是一种基于JSON格式的地理数据编码标准,其结构由一系列的键值对组成,用于描述地理空间数据。下面是GeoJSON的主要组成结构:

  1. 类型(type):GeoJSON对象的类型,如"Point"、"LineString"、"Polygon"等。

  2. 坐标(coordinates):表示几何对象的位置,由经纬度组成的数组。对于不同的几何类型,坐标的格式会有所不同。

  3. 属性(properties):一个JSON对象,包含与几何对象相关的属性信息。

  4. 特征(Feature):一个包含几何对象和属性的对象,它有以下键:

    • "type": "Feature":表示这是一个特征对象。
    • "geometry":几何对象,可以是"Point"、"LineString"、"Polygon"等。
      "properties":与几何对象相关的属性。
  5. 特征集合(Feature Collection):一个包含多个特征的对象,它有以下键:

    • "type": "FeatureCollection":表示这是一个特征集合对象。
      "features":一个数组,包含该集合中的所有特征对象。
  6. CRS(坐标参考系统):可选字段,指定了GeoJSON数据使用的坐标系统。

2.1、点(Point)数据示例

{
  "type": "Point",
  "coordinates": [longitude, latitude]
}

2.2、线(LineString)数据示例

{
  "type": "LineString",
  "coordinates": [
    [longitude1, latitude1],
    [longitude2, latitude2],
    // 更多点
  ]
}

2.3、面(Polygon)数据示例

{
  "type": "Polygon",
  "coordinates": [
    [
      [longitude1, latitude1],
      [longitude2, latitude2],
      // 更多点,形成闭合环
    ],
    // 可选:内部环(洞)
  ]
}

2.4、特征(Feature)数据示例

// point feature

{
  "type": "Feature",
  "geometry": {
    "type": "Point",
    "coordinates": [longitude, latitude]
  },
  "properties": {
    "property1": "value1",
    // 更多属性
  }
}

// line feature

{
  "type": "Feature",
  "geometry": {
    "type": "LineString",
    "coordinates": [
      [-122.4194, 47.8584],
      [-122.4141, 47.8586],
      [-122.4112, 47.8583]
    ]
  },
  "properties": {
    "name": "LineString Example",
    "description": "This is a line feature."
  }
}


// polygon feature

{
  "type": "Feature",
  "geometry": {
    "type": "Polygon",
    "coordinates": [
      [
        [-122.4159, 47.8581],
        [-122.4159, 47.8595],
        [-122.4126, 47.8591],
        [-122.4126, 47.8579],
        [-122.4159, 47.8581]
      ]
    ]
  },
  "properties": {
    "name": "Polygon Example",
    "description": "This is a polygon feature."
  }
}

2.5、特征集合(Feature Collection)数据示例

{
  "type": "FeatureCollection",
  "features": [
    {
      "type": "Feature",
      "geometry": {
        "type": "Point",
        "coordinates": [longitude, latitude]
      },
      "properties": {
        "property1": "value1",
        // 更多属性
      }
    },
    {
      "type": "Feature",
      "geometry": {
        "type": "LineString",
        "coordinates": [
          [-122.4194, 47.8584],
          [-122.4141, 47.8586],
          [-122.4112, 47.8583]
        ]
      },
      "properties": {
        "name": "LineString Example",
        "description": "This is a line feature."
      }
    },
    {
      "type": "Feature",
      "geometry": {
        "type": "Polygon",
        "coordinates": [
          [
            [-122.4159, 47.8581],
            [-122.4159, 47.8595],
            [-122.4126, 47.8591],
            [-122.4126, 47.8579],
            [-122.4159, 47.8581]
          ]
        ]
      },
      "properties": {
        "name": "Polygon Example",
        "description": "This is a polygon feature."
      }
    }
    // 更多特征
  ]
}

三、GeoJSON的获取方式

3.1、在线网站mapshaper

3.1.1、mapshaper简介

        传送门:mapshaper

        这玩意儿谁用谁知道,特别方便。缺点就是不知道怎么调整精度,精度有些太高了,随随便便一个省的地级市GeoJSON都有十几MB,几十万甚至上百万组坐标点,很多时候不需要那么精确,数据量太大会导致可读性严重降低,并且二次处理困难,读取速度受限

3.1.2、操作步骤

①载入Shapefile数据

②点击导出

 ③选择数据格式并导出

        就这样一个长三角区域的市级行政矢量图,就有1.3MB的数据量,真的有点夸张,其实大多数情况下这种数据导出的GeoJSON能有个100KB就完全够用了。

3.2、使用python将Shapefile转化为GeoJSON

3.2.1、安装geopandas库

pip install geopandas

3.2.2、使用geopandas读取Shapefile文件,并转换为GeoJSON格式

import geopandas as gpd

# 读取Shapefile文件
shp_file_path = 'path_to_your_shapefile.shp'  # 替换为你的Shapefile路径
gdf = gpd.read_file(shp_file_path)

# 将GeoDataFrame转换为GeoJSON格式
# epsg=4326代表WGS84坐标系,不需要坐标系可以省略该参数
geojson = gdf.to_crs(epsg=4326).to_json()

# 可以选择将GeoJSON保存到文件
with open('output.geojson', 'w') as f:
    f.write(geojson)

3.2.3、使用geopandas库提供的simplify()方法来控制精度

import geopandas as gpd

# 读取Shapefile文件
shp_file_path = 'path_to_your_shapefile.shp'  # 替换为你的Shapefile路径
gdf = gpd.read_file(shp_file_path)

# 使用simplify方法简化几何,tolerance参数控制简化的精度
# 值越小,简化的程度越高,点的数量越少
gdf_simplified = gdf.simplify(tolerance=0.001, preserve_topology=True)

# 将简化后的GeoDataFrame转换为GeoJSON格式
geojson = gdf_simplified.to_json()

# 将GeoJSON保存到文件
with open('output_simplified.geojson', 'w') as f:
    f.write(geojson)

四、总结

        在使用Openlayers、leaflet、mapbox等地图控件的时候,GeoJSON几乎是不可避免打交道的数据类型,如果您想要从事gis行业相关的开发工作,本篇文章应该能为您带来一些帮助。

        博客不应该只有代码和解决方案,重点应该在于给出解决方案的同时分享思维模式,只有思维才能可持续地解决问题,只有思维才是真正值得学习和分享的核心要素。如果这篇博客能给您带来一点帮助,麻烦您点个赞支持一下,还可以收藏起来以备不时之需,有疑问和错误欢迎在评论区指出~

转载请注明出处或者链接地址:https://www.qianduange.cn//article/10559.html
评论
发布的文章

fastjson1.2.24-RCE漏洞复现

2024-06-08 09:06:33

JsonPath用法详解

2024-06-08 09:06:55

大家推荐的文章
会员中心 联系我 留言建议 回顶部
复制成功!