对比了多个版本的行政区划以后...|县级市|城区常住人口|市辖区|直辖|行政区划

1背景介绍

行政区划数据是重要的基础地理信息数据，但目前市面上能使用的行政区域数据问题颇多。我这里列出几种大家常用的行政区划数据供大家参考:

名称时间优点缺点国家基础地理信息的行政区划数据
2019年权威缺乏属性、时间序列 ngcc.cn 中科资环行政区划数据 2015年权威、准确数据老旧、矢量错误多 resdc.cn 天地图爬取的矢量数据不统计权威、准确仅能按省份下载 tianditu.gov.cn 民政部区划数据 2018年权威、准确非公开下载、仅线矢量 dmfw.mca.gov.cn gadm数据 2022年下载便捷地图不完整、非权威 gadm.org 高德行政区划数据 2022年及时性非权威、缺乏属性、下载不方便 datav.aliyun.com 爱好者整理（数读城事） 2018-2022年属性完整非权威、非公开下载公众号数读城事加州伯克利大学行政区划数据 1949-2013年长时间序列不权威、不准确

基于上述问题，我想基于权威的行政区划数据，制作一套长时间序列的、具有符合民政部属性的、开放获取的行政区划数据。目前最权威的区划数据是国家基础地理信息中心于2022年1月发布的国家基础地理信息，该数据的现势性为2019年，但该数据也存在诸多问题。

因此，基于1比100万的行政区划数据、民政部地名数据以及其他矢量数据，我制作了2020年初的行政区划数据。接下来一段时间，我将基于这套2020年区划数据与民政部历年来行政区划资料，陆续更新2015年-2022年的行政区划数据。

2数据处理原则

（1）尽可能少地改动矢量数据；

（2）国界、南海诸岛的矢量绝不修改，一律以国家基础地理信息2022年发布的数据为准；

（3）各地属性、统辖信息一律以民政部2019年的数据为准；

3制作流程

流程图4基础地理信息数据的处理

我之前写过一篇博客用来处理该数据库，具体参考：1:100w基础地理信息数据的镶嵌（zhuanlan.zhihu.com/p/458211981）

上述步骤处理完之后，数据是分块的。

进行县名称的数据融合，以消除下面的方块状组合，再最后选择中国区域，获得的行政区划数据如下所示。

写到这里，首先感谢公众号数读城事继续几年的区划数据更新，这套数据的属性信息是最全的，而且是和民政部代码相契合的。这里我直接使用了这套数据进行了基于县名称的空间连接。由此我们的区划数据初步具有了各县的属性信息。

6区划矢量修改数据修复

由于这套数据存在多处数据的矢量拓扑错误，我们首先使用arcgis自带的修复几何功能进行修复。然后不能修复的位置，我们进行空间定位，通过编辑矢量功能进行修复。

在制作过程中，也遇到了民政部有行政代码，国家基础地理信息数据无矢量的情况，比如深圳的坪山区。如果遇到这样的问题，我会首先参考天地图行政区划、民政部的矢量区划，如果没有则参考高德地图的适量区划。比如深圳的坪山区并无矢量：

又如没有勾画的区域，比如胡杨河市、昆玉市等。这些地方就直接勾绘相关矢量并添加属性。

另外，也遇到了民政部无代码，但有矢量的情况，比如说甘肃太子山天然林有区划矢量，但行政级别上又属于几地管辖：

又如莲花山风景保护区无行政区划代码，参考高德地图区划数据，并入康乐县:

另外比较特殊的地区是台湾省，有县级矢量，但在民政部的行政区划中只有省级代码。为保证本数据的所有属性数据以民政部为准，这里对台湾省的所有县级数据进行了合并，只保存省级矢量。

7属性数据修改

这部分也是耗时最长的步骤，即使在大部分数据有属性数据的情况下，依然问题较多。

代码、名称等错误

与民政部的区划代码进行300余个市级别的对比，若有不同行政区域，则找相关原因。有可能市字段匹配错误，比如石家庄的新华区、沧州市的新华区字段匹配错误（这种最多）。也有可能是被遗漏掉了，比如温州市的龙港市。

另外就是我国还有一些特殊的行政单位，比如省直辖市、省直辖县行政级别上属于县级单位，但又无地级单位。

比如湖北省的潜江市、天门市、仙桃市，河南的济源市，海南的临高县、东方市等，具体分布图如下所示，这部分区域统一将地级属性命名为空

还有一些比较特殊的地区，是地级市，但截止2019年末，该地区又无县级行政单位，比如海南儋州市、广东东莞市等。这部分区域统一将县级属性命名为空。

地名县级县级码县级类地级地级码地级类省级儋州市不统计 0 不统计儋州市 460400 地级市海南省东莞市不统计 0 不统计东莞市 441900 地级市广东省嘉峪关市不统计 0 不统计嘉峪关市 620200 地级市甘肃省三沙市不统计 0 不统计三沙市 460300 地级市海南省中山市不统计 0 不统计中山市 442000 地级市广东省海西蒙古族藏族自治州直辖不统计 0 不统计海西蒙古族藏族自治州 632800 自治州青海省
省级为空区域

这个地区叫中朝共有领土，在国家基础地理信息数据上有该矢量，但民政部没有相关区划代码，且不能修改，因此该地区的所有相关属性皆为空，仅保留矢量信息。

在进行检查前，首先普及一下我国大体的行政区划级别。

林区，是中国行政区划之一，行政地位与市辖区、县级市、县、自治县、旗、自治旗、特区相同，属县级行政区，现仅有一个，为湖北省直辖的神农架林区

特区，这里指六枝特区属六盘水市辖区域，位于贵州省西部，现仅有一个。

因此：

省级行政单位有：省、直辖市、自治区、特区

市级行政单位有：地级市、自治州、地区、盟

县级行政单位有：区、县级市、县、自治县、旗、自治旗、直辖县、省直辖市、林区、特区。

此外，还有省直辖县、省直辖市。在民政部的行政区划等级中不属于任何地级行政区划代管。属于县级行政区，不经地级行政区代管或管辖，由省级行政区直接管辖，独立于地级行政区之外单独建制，由所在的省或自治区直接领导和管理。因此省直辖县、省直辖市无地级行政区，也属于县级行政区。

基于此，我们查询相关的2019年民政部的行政区划统计如下表所示：

合计行政区划单位合计行政区划单位合计行政区划单位34 4直辖市
23省
5自治区
2特别行政区
333 293 地级市
7 地区
30 自治州
3 盟
2846 965 市辖区
387 县级市
1323 县
117 自治县
49 旗
3 自治旗
1 特区
1 林区

县级数量检查

逐个省份进行县级数量检查，检查表格如下:

地区县级数量地区县级数量北京市 16 市辖区湖南省 36 市辖区
18 县级市
61 县
7 自治县
天津市 16 市辖区广东省 65 市辖区
20 县级市
34 县
3 自治县
河北省 47 市辖区
21 县级市
94 县
6 自治县
广西壮族自治区 41 市辖区
9 县级市
49 县
12 自治县
山西省 26 市辖区
11 县级市
80 县
海南省 8 市辖区
5 县级市
4 县
6 自治县
内蒙古自治区 23 市辖区
11 县级市
17 县
49 旗
3 自治旗
重庆市 26 市辖区
8 县
4 自治县
辽宁省 59 市辖区
16 县级市
17 县
8 自治县
四川省 54 市辖区
18 县级市
107 县
4 自治县
吉林省 21 市辖区
20 县级市
16 县
3 自治县
贵州省 15 市辖区
9 县级市
52 县
11 自治县
1 特区
黑龙江省 54 市辖区
21 县级市
45 县
1 自治县
云南省 17 市辖区
17 县级市
66 县
29 自治县
上海市 16 市辖区西藏自治区 8 市辖区
66 县
江苏省 55 市辖区
22 县级市
19 县
陕西省 30 市辖区
6 县级市
71 县
浙江省 37 市辖区
20 县级市
32 县
1 自治县
甘肃省 17 市辖区
5 县级市
57 县
7 自治县
安徽省 44 市辖区
9 县级市
52 县
青海省 7 市辖区
4 县级市
26 县
7 自治县
福建省 29 市辖区
12 县级市
44 县
宁夏回族自治区 9 市辖区
2 县级市
11 县
江西省 27 市辖区
11 县级市
62 县
新疆维吾尔自治区 13 市辖区
26 县级市
61 县
6 自治县
山东省 57 市辖区
27 县级市
53 县
香港特别行政区
河南省 53 市辖区
22 县级市
83县
澳门特别行政区
湖北省 39 市辖区
25 县级市
36 县
2 自治县
1 林区
台湾省

在检查过程中，将错误的县级类型属性改为正确的，最后我国县级类型分布图如下所示：

这一步是在数据合并完成后进行的，是对逐个省份进行市级类型检查，主要注意几个无县级行政区的地级市，以及直辖市无地级行政单位。最后我国市级类型分布图如下所示：

在检查完矢量与属性信息之后，使用数据融合工具进行地级和省级的数据合并。

我国的市级数据如图所示：

我国的省级数据如图所示：

参考GADM属性信息，给矢量数据添加数据的英文属性，各个属性名称对应的名称如下：

中文英文属性名地名 NAME 县级 NAME_3 县级码 GID_3 县级类 TYPE_3 地级 NAME_2 地级码 GID_2 地级类 TYPE_2 省级 NAME_1 省级码 GID_1 省级类 TYPE_1 地名的中文拼音标注 VAR_NAME 县级的中文拼音标注 VAR_NAME3 地级的中文拼音标注 VAR_NAME2 省级的中文拼音标注 VAR_NAME1

省市县的类型英文名对应为：

中文名英文名中文名英文名县 County 地级市 Prefecture City 县级市 County City 自治州 Autonomous Prefecture 自治县 Autonomous County 地区 Prefecture 市辖区 District 盟 League 旗 Banner 直辖市 Municipality 自治旗 Autonomous Banner 省 Province 林区 Forestry Ａrea 自治区 Autonomous Region 特区（县级） Special District 特区 Special District

不统计 NULL

另外，考虑到汉语拼音是表述普通话语音的拼音系统，后被用作对外宣传的拼写法则，这也就是我们看到大部分省市英文为拼音的原因。也有部分地区是非拼音，使用的是邮政式拼音。例如广东、广西、福建有一部分地区的地名已经有了拉丁字母的习惯拼法，例如Amoy（厦门）、Canton（广州）、Foochow（福州）等。

但考虑到我国一直使用的拼音代表地名，联合国也于1977年起正式改用汉语拼音拼写中国大陆地名，因此本数据全部采用拼音系统代表地名。但单个字的地区，比如广西横县、山西临县等，保留县名称，再命名。带民族的，保留民族的英文名字。

自此，我们获得了完整的具有英文属性的省市县行政区划矢量数据。

2020年省市县11数据获取

我使用vuepress进行网站的搭建，后续的数据将放到该网站上。读者可以登录www.shengshixian.com（谐音：省市县），省市县区划数据网，进行数据下载。或者网站shengshixianruiduobao.com(上面的网站需要代理上网)

我为什么会选做这样的事？是因为我在搭建自己的网站中，经常遇到行政区划数据的问题。到底该用哪一套行政区划数据深深困扰着我。天地图数据？不完整。中科资环数据？太旧。高德地图数据？属性不够。

因此，我准备自己做一套能够使用的数据。最开始有两个思路，一个是使用民政部的区划数据，该数据的边界精度非常高，且没有数据加偏。但该数据有个问题，民政部并未发布该数据，数据来源的声明不太好写，难道说是通过爬虫获取，哈哈哈。另外一个数据就是该文的思路，基于国家基础地理信息中心发布的县矢量数据，这个数据虽然精度不高，但胜在权威，且可以声明数据来源。

因此我打算基于该数据，参考民政部历年行政区划变化情况，做一套长时间序列的行政区划数据。2020年初（截至2019年12月31日）的行政区划数据为基础，将以此为扩展，在半年内构建2015年-2022年的行政区划数据（后续会有增删改查），欢迎持续关注。

13参考

国家基础地理信息中心.https://www.ngcc.cn/ngcc/html/1/index.html

中国科学院资源环境科学与数据中心.https://www.resdc.cn/

公众号数读城事(2021年度行政区划调整的数据更新与分享（省市县截至2021年12月31日).https://mp.weixin.qq.com/s/KtYlB2jA67jvdcE9fKyEPQ

公众号点点GIS.2022年7月5日最新全国行政区划数据.https://mp.weixin.qq.com/s/KJnHD45QdqXdmHVuHZA9d

2019年12月中华人民共和国县以上行政区划代码.https://www.mca.gov.cn/article/sj/xzqh/1980/2019/202002281436.html

中国国家地名信息数据库.https://dmfw.mca.gov.cn/index.html

gadm.https://gadm.org/

datav.http://datav.aliyun.com/portal/school/atlas/area_selector

文章来源锐多宝的地理空间

如有侵权请联系删除 cehui8@qq.com