1.2 解剖一张图层：几何、属性与空间参考

1.2 解剖一张图层：几何、属性与空间参考

本节摘要：一张可参与叠加的图层由三要素构成——几何记录"在哪里"，属性记录"是什么"，空间参考记录"凭什么对齐"。本节拆解三要素的存储方式与相互关系，辨析数据源、图层与图层文件三个易混概念，并给出用 ArcPy 体检一张图层的标准动作。

把一张图层放到解剖台上

上一节的防汛场景里，土地利用图层被我们当成了一个黑盒：加入地图、点开属性表、参与叠加。这一节把黑盒打开。任何一张图层，无论来自 shapefile、地理数据库还是云端服务，内部都可以拆成三个彼此咬合的部分。

几何是图层的身体。矢量世界里它只有三种基本形态：点、线、面。一座气象站是点，一条河道中心线是线，一块耕地是面。看似简单的三选一，实际上决定了你能做什么运算——缓冲区对三者皆可，而"计算图层的面积"只对面要素有意义。几何在数据文件中以坐标串存储，一个面要素就是一串首尾闭合的坐标点。

属性是图层的记忆。几何只回答"在哪里"，至于"这块地是什么、属于谁、哪年调查的"，全部记录在属性表里。属性表本质上是一张普通的关系表：一行对应一个要素，一列对应一个字段。几何与属性的绑定是 GIS 区别于绘图软件的根本——这种绑定让"选中所有类型为耕地的地块"这类操作成为可能。

空间参考是图层的户口。坐标串里的数字必须有解释规则才有意义：(4180000, 375000) 是经纬度吗？不是，它可能是高斯克吕格投影下的米制坐标。空间参考就是这串数字的解释规则，它规定坐标原点在哪、单位是什么、地球被摊平成平面时用了什么方法。第 2 章将整章讨论它，这里只需记住：两张空间参考不兼容的图层，坐标数字再精确也叠不到一起。

图：图层三要素的咬合关系

三个容易混淆的概念：数据源、图层、图层文件

日常对话里三者都被叫作"图层"，但它们的指代完全不同。数据源是磁盘上的物理文件或服务——一个 shapefile、地理数据库里的要素类、一个要素服务。图层是数据源在地图文档中的引用，同一个数据源可以被多个工程引用多次，配不同的符号。图层文件（扩展名 lyrx）保存的是"引用加符号化方案"这层皮，不含数据本身。

三者的关系像剧本、演出和录像带：数据源是剧本，图层是一次具体演出，图层文件记录了这次演出的布景与服装，方便下次复现。理解这个区分，才能解释两个常见现象：为什么删掉图层后磁盘文件还在（只删了演出），为什么拷贝 lyrx 给同事而对方打开是红色感叹号（剧本没给）。

属性表：图层的另一半

属性表值得单独放大看。以下是一张土地利用图层的属性表节选：

FID  地类编码  地类名称    面积_亩   权属单位      调查年份
1    011      水田        3.2      东风村        2023
2    013      旱地        5.8      东风村        2023
3    031      有林地      12.4     林场          2022
4    104      城镇住宅    0.9      城建档案      2021
5    011      水田        2.6      西河村        2023
​

这张表能做的事比看上去多：按地类名称汇总面积，是属性统计；选出调查年份早于 2022 的地块优先更新，是属性查询；把地类编码关联到标准分类表补全名称，是属性连接。注意 FID 这类自动编号字段由系统维护，不可编辑，它是几何与属性行之间的锚。

字段类型有讲究。地类编码应该用文本而不是整数——它不参与算术，且前导零会被数值类型吞掉。面积字段用双精度，年份用短整型。字段类型定错，后期改表结构的代价远大于开始时多想一分钟。

动手：用 ArcPy 给图层做体检

拿到任何一张新图层，我习惯先跑一段体检脚本，把三要素状态打出来：

import arcpy
fc = r"K:/gisdata/flood_demo.gdb/landuse"
desc = arcpy.Describe(fc)
# 一、几何要素
print("几何类型:", desc.shapeType)        # 输出: Polygon
print("要素数量:", int(arcpy.management.GetCount(fc).getOutput(0)))
# 输出示例: 要素数量: 1842
# 二、属性字段
fields = [f.name for f in arcpy.ListFields(fc)]
print("字段清单:", fields)
# 输出示例: 字段清单: ['OBJECTID', 'Shape', '地类编码', '地类名称', '调查年份']
# 三、空间参考
sr = desc.spatialReference
print("坐标系名称:", sr.name)             # 输出: CGCS2000_3_Degree_GK_Zone_39
print("投影类型:", sr.type)               # 输出: Projected，即已定义投影坐标系
​

三个输出分别对应三要素：shapeType 告诉你几何是否是预期的面，字段清单告诉你关键字段在不在，空间参考名称告诉你坐标系是否明确。任何一项出乎意料，先解决它再谈分析。这段脚本在后续章节会反复以变体出现——叠加之前点名，是图层叠加透视的基本纪律。

再补一个高频小操作：把属性表按字段分组统计，验证属性质量。

import arcpy
fc = r"K:/gisdata/flood_demo.gdb/landuse"
# 按地类名称汇总面积：输入、统计字段、统计方式、输出表
arcpy.analysis.Statistics(fc, "landuse_stats", [["面积_亩", "SUM"]], ["地类名称"])
# 读取统计结果
with arcpy.da.SearchCursor("landuse_stats", ["地类名称", "SUM_面积_亩"]) as cur:
    for row in cur:
        print(row[0], round(row[1], 1), "亩")
# 输出示例:
# 水田 812.4 亩
# 旱地 1093.7 亩
# 有林地 3420.2 亩
​

如果输出里出现空名称或负面积，说明属性里混入了脏数据——这正是第 3 章数据质量要系统处理的问题。

要点回顾

• 三要素：几何管位置形态，属性管内容身份，空间参考管对齐资格，缺一即残
• 概念三分：数据源是文件，图层是引用，图层文件是符号化方案，拷贝数据别只拷皮
• 属性表即关系表：一行一要素一列一字段，字段类型定错是常见的技术债
• 体检动作：Describe 加 GetCount 加 ListFields，三行确认图层资格
• 属性质量：统计汇总是发现脏数据最便宜的手段

💡 关键直觉：以后每接触一种新的 GIS 数据（影像、地形、轨迹），都先问一遍三要素——几何如何表达、属性挂在哪、空间参考是什么。这个问题清单比任何软件操作都保值。

下一节从单张图层抬起头，看 ArcGIS 这个产品家族如何安排图层的整个生命周期。