简介全球柯本气候区划SHP数据是一套依据柯本气候分类系统制作的全球尺度地理信息数据集面向地理学、气候学、生态学、农业与城乡规划等领域的科研人员和GIS使用者可用于分析气候类型分布、生物群落过渡、作物适生区划以及气候变化影响评估。压缩包共43个文件约7.15MB核心包含shp矢量边界、shx索引、dbf属性表、prj投影定义、xml元数据另附tif栅格底图、mxd地图文档、lyr图层样式及pdf使用说明结构完整加载后即可查询不同气候带的编码、名称与面积属性。已有2401人学习下载。数据覆盖热带、干燥、暖温带、寒冷、极地五大气候类型及数十个亚类可与行政区划、地形、人口等图层叠加用于农业政策制定、生态保护规划、基础设施选址及气候变迁研究是科研与教学环节中可直接使用的基础数据资源。1. 这套数据到底长什么样为什么GISer都得备一份做地理数据处理的人几乎都绕不开柯本气候分类。它不光是气象学、生态学、农业区划研究里的基础底图更是城市规划、建筑节能设计、环境影响评价里用来判断区域气候特征的高频参照。我最早接触这套数据是因为一个绿色建筑咨询项目需要按气候分区来确定保温层厚度和窗户朝向的推荐值——甲方只给了一份PDF版的柯本气候区划图根本没法直接做空间叠加分析最后只能自己去找矢量数据。“全球柯本气候区划 shp 数据”这套数据本质上就是把全球陆地按柯本气候分类体系划分成多边形面要素并附带气候类型代码、气候名称、是否属于主要气候带等属性字段输出为标准ESRI Shapefile格式。它在主流GIS软件ArcGIS、QGIS、Global Mapper里可以直接打开用于地图制图、空间统计、缓冲分析、裁切出图等场景。对需要的人来说这套数据最核心的价值有三个节省大量时间。不要想着自己用气象站点数据去推演气候边界那个工作量大到不可想象顶多作为研究课题去做。口径统一、可复现。Köppen–Geiger体系在学术和工程界都有广泛认可用同一套shp做分析结果好横向比较文章也好发。配合热词里的各种需求都方便。不管是shp转txt、转kml、转3dtiles还是做渔网分割、批量压缩本质上都需要先有一个可靠的shp源文件这套数据能直接作为加工原料。这篇我直接把获取渠道、数据精度、字段含义、常见的数据清洗和转换操作、踩坑经验都捋一遍。你拿到手之后不是只能看一眼图而是能马上用起来做裁切、提取、转换都顺手。2. 柯本分类和shp数据的底层认识2.1 柯本气候分类本身的门道柯本分类最早是德国气候学家Wladimir Köppen在1900年左右提出的后来经过与Rudolf Geiger合作修改目前大家最常用的是Köppen–Geiger更新版。它根据气温和降水的季节性变化把全球气候分成五个主带A 热带气候常年高温最冷月均温≥18℃。B 干旱气候按降水与潜在蒸散的比值划分包括草原气候和沙漠气候。C 温暖带气候最冷月均温在-3℃18℃之间至少有一个月均温≥10℃。D 冷温带/大陆性气候最冷月均温≤-3℃最热月均温≥10℃。E 极地气候最热月均温10℃包括苔原和冰原。每个主带下面还有二级、三级字母比如Cfa表示“温暖带、全年湿润、夏季炎热”Dwb表示“冷温带、冬季干旱、夏季温暖”。字母组合看起来复杂但你只要在GIS里把属性表的“Cls”字段按符号化渲染就能直接看懂全球分布规律。做图的时候官方颜色方案比方说Beck等人提供的配色可以直接套用出来的图有学术期刊级别的效果。需要注意柯本分类当前主要存在两种“版本口径”一种是基于1951-2000年气候平均值的Köppen–Geiger另一种是后来更新的基于1986-2010年或1991-2020年气候数据的版本。不同版本在全球某些过渡带例如非洲萨赫勒地区、中亚干旱区边缘边界会有明显差异。你下载shp时第一件事就是确认版本说明否则分析结果跟别人文章里的图对不上。2.2 shp文件的构成与数据组织Shapefile虽然叫“一个文件”实际是一组文件的集合至少包含三个基础文件扩展名作用.shp几何信息存放面/线/点坐标.shx几何索引加速读取.dbf属性表存放非空间字段.prj坐标系定义非常重要很多乱象都出在这.cpg字符编码说明中文属性乱码问题往往出在这拿到“全球柯本气候区划shp数据”后先别急着打开。建议直接在文件夹里剪贴一份副本然后查看是否有.prj文件。没有.prj的shp进入GIS后会因坐标系识别不了而无法与其它数据正确套合。全球尺度数据最常见的坐标系是WGS84经纬度EPSG:4326但也有项目组直接转成了Mollweide或Robinson投影。如果你后面要做面积统计就必须投影到等积投影如EPSG:6933或Albers等积圆锥投影后再计算否则高纬度地区的面积会严重偏大。2.3 为什么用面矢量而不是栅格气象领域原始的柯本分类结果往往是栅格数据比如1km分辨率的TIFF。转成shp面矢量之后每个气候区就是一个个不规则的封闭多边形视觉上类似拼图。这样做有三个明显好处一是能直接与行政区划、土地利用等矢量数据做叠加裁切二是能在制图时单独给某个气候带设置透明度、描边宽度三是数据量比高分辨率栅格小很多一个全球尺度的shp通常几十兆到一两百兆普通电脑带得动。缺点则是边界是直线化的“锯齿边界”尤其在山区和高原分类边界会比较生硬这属于数据本身特性不算缺陷。3. 从哪里下载、怎么判断靠不靠谱3.1 公认的高质量下载渠道我在项目里实际用过、也推荐过学生的来源主要有以下几个。这些渠道现在基本都还活着而且版本相对清晰。WeatherBase / Climate Change Knowledge Portal世界银行世界银行有一个气候变化知识门户可以直接下载柯本分类的GIS数据支持shp和栅格格式。它的好处是版本更新及时且有详细的元数据说明适合做政策研究和跨区域对比。Köppen–Geiger分类数据发布页harald v. schickh / rubel等团队早期由奥地利维也纳兽医大学Vetmeduni Vienna发布的全球Köppen–Geiger矢量数据应该是GIS圈流传最广的一份。它分为原始版和更新版常见文件名类似“KG_V1_present_0p0083.tif”或对应的shp包。这份数据的空间分辨率是0.0083度约1km大部分分析场景够用。GEEGoogle Earth Engine或Pangaea数据仓库如果你熟悉代码可以直接在GEE里调用相关数据集再导出成shp或GeoJSON。Pangaeapangaea.de是一个地球科学数据出版平台有不少论文附带的柯本分类数据就存在这里可以按论文引用号搜索。国内GIS数据论坛或公众号分享这类来源需要谨慎。不是说不能用而是很多文件缺失.prj或属性字段被精简过甚至部分文件是旧版二次转出来的边界与最新版有偏差。使用前务必与官方图件做目视对比。就下载策略而言我个人的建议是优先选择依据1986-2010或1991-2020气候数据生成的版本因为当前气候态更新能更真实反映当下的气候分布。对做历史对比研究的人则应该特意找1951-2000版本的存档两个版本拼在一起就能分析近几十年气候带推移趋势——这也是一个很棒的论文切入点。3.2 拿到数据后的“验货”清单判断一份shp数据能不能用光看能打开远远不够。我总结了五步验货流程检查要素数量全球柯本分类面要素通常在一百到几百个之间取决于简化程度。如果打开后只有十几个面那多半是被概括或者只保留了主气候带。检查属性字段完整性至少要有气候分类代码如Cfa、气候名称如“ temperate, fully humid, hot summer”或中文注释。有些精简版本只有代码没有名称那就是残次版。检查海岸线与国界贴合度把数据叠加在自然地球Natural Earth或OpenStreetMap底图上目视检查大陆轮廓是否对得上若明显错位说明坐标系统没配对。检查是否有飞地/空洞部分面要素在北极圈或青藏高原区域会存在不合理的碎屑多边形这是因为原始栅格转矢量时未做简化处理。查看属性表统计摘要在QGIS里按“Cls”字段做分组统计看看各大类数量占比是否合理。比如E类是两极和格陵兰岛比例不会大B类干旱区应该横跨北非、中亚、澳大利亚等广大区域。这五步走完才敢说这份数据可以进生产流程。4. 实操从shp到可用成果的完整处理链4.1 在QGIS里打开并正确显示我日常主力是QGIS免费、跨平台、脚本扩展方便以下操作同样适用于ArcGIS。打开数据后如果要让图例颜色和教科书一致建议按“Cls”字段做分类渲染右键图层 → 属性 → 符号化。分类方式选“唯一值”或“分类”分类列选择字段“Cls”。如果软件没带默认配色从网上搜索“Köppen Geiger color scheme qgis”关键词很容易找到一份qml样式文件直接加载即可。一个需要注意的地方很多shp里的分类代码字段用的不是“Cls”而是“GRIDCODE”或“ZONE”甚至有直接把如“Af”“Cfb”等字符串塞到“ID”字段里的。你要先查属性表记好字段名再操作。QGIS默认会按文件里的编码读取dbf如果出现中文乱码多半是.cpg文件缺失或写错了编码。解决办法是右键图层 → 属性 → 数据源 → 手动指定编码为UTF-8或GBK逐个试直到属性表显示正常。这个操作虽然琐碎但工作中几乎逢shp必遇。4.2 按研究区域裁切以中国区域为例假设你需要做中国范围的柯本气候区划图不要直接对全球shp做“按掩膜提取”因为全球数据在国界处可能与国家基础地理数据存在细小差异容易在边境线出现锯齿或重叠。推荐流程如下准备中国国界矢量用审图号合规的公开数据或者用Natural Earth的Admin 0边界。在QGIS菜单栏选择“矢量”→“地理处理工具”→“裁剪”输入图层为柯本shp叠加图层为国界运行。对裁剪结果做检查打开属性表确认要素数量再用“矢量几何”→“修复几何”处理可能存在的自相交问题。如果仅需要某个气候带比如只研究干旱区可以在裁切结果上用“按表达式选择”功能在字段里筛选“GRIDCODE”或“Cls”中带“B”的记录然后右键导出所选要素为新的shp。这套流程结束后你就得到一份精简、完全贴合国界、且只含目标气候类型的区域shp后续做面积统计、制图都顺滑很多。4.3 按需转换shp转txt、转kml、批量压缩热搜词里提到的shp转txt、转kml、转3dtiles都是实操中最常被问到的需求。我逐一说明场景和方法。shp转txt通常需要的是把属性表或坐标信息提取为可读文本。针对属性表最简单的方式是在QGIS中右键图层 → “导出” → “另存要素为” → 格式选“CSV”但要注意CSV默认只输出属性不带坐标。如果要输出每个面要素的边界坐标点可以在字段构造器里用x_min()、y_min()、x_max()、y_max()函数生成外包框坐标或者用“提取顶点”工具把面转成点再导出CSV。另一个路径是用Python的pyshp库循环读取shp的shapes()和records()按需要拼接成纯文本适合深度定制。shp转kml是做外业或Google Earth展示最常用的转换。QGIS里直接右键图层 → “导出” → “另存要素为” → 格式选“Keyhole Markup Language [KML]”坐标系选WGS84即可。这里有个大坑KML要求用WGS84经纬度而如果源shp是投影坐标系导出前必须勾选“CRS”里的WGS84EPSG:4326否则Google Earth里会出现偏移。另外全球范围的数据转KML会生成很大的文件建议先裁切再转换否则打开卡顿。shp批量压缩则需要分清楚压缩目标是什么。如果是压缩文件体积可用7-Zip直接对整个shp文件组打包如果是为了发布到WebGIS平台而压缩单个shp就需要做拓扑简化。QGIS里用“简化”工具容差设置在0.0010.01度之间多次试验直到视觉不出现明显形变。简化后要素数量不变但节点数量大幅下降文件大小能减少50%以上但要注意避免过度简化导致边界细节丢失。shp转3dtiles这个稍微进阶。通常流程是先把shp转成geojson再用cesiumlab或其他三维切片工具生成3dtiles。柯本气候区划shp转3dtiles的实际场景一般是做三维地球上的气候分布可视化图层数量多时会比较吃性能建议先按区域切片再单独发布。4.4 用Python脚本做批量自定义处理当shp数量多了以后手动操作既慢又容易出错。我建议你至少掌握一个最小可用脚本基于geopandas能轻松完成读取、筛选、导出import geopandas as gpd # 读取全球柯本shp gdf gpd.read_file(kopen_geiger.shp) # 查看字段 print(gdf.columns.tolist()) # 筛选出干旱区B类 gdf_b gdf[gdf[Cls].str.startswith(B)] # 按国界进行裁切 boundary gpd.read_file(country.shp) gdf_clip gpd.clip(gdf_b, boundary) # 导出为新shp gdf_clip.to_file(china_arid.shp, encodingutf-8)这个例子虽然短但已经把读取、筛选、剪裁、导出四步全打通了。实际项目里你可能还要处理字段类型不一致、空几何、无效几何等问题可以在读取后加一行gdf gdf[gdf.is_valid]过滤掉错误要素。建议先在Jupyter Notebook里分段运行每步都打印len(gdf)确认数据量避免最后导出才发现问题。5. 常见问题与排查技巧实录5.1 为什么打开后中国区域一片空白或者少了很多块这个现象我见过太多次了。原因基本有两种一是数据版本本身把中国区域的类别合并到相邻类型了导致部分小类缺失二是shp坐标系与你的底图坐标系不一致叠加后跑到别的位置去了。排查时先右键图层 → 属性 → 信息查看坐标系。如果显示为未知单位或经纬度范围异常比如X范围超过360直接用“导出”功能重新赋值CRS为EPSG:4326。然后在底图上叠加一个国界shp目视检查是否套合。如果只是边界处有细碎空隙用“修复几何”工具处理后重新裁切就行。5.2 属性表里全是数字找不到字母气候代码有一部分数据源为了精简存储会把气候类型映射成数字编号甚至用ASCII码压缩过比如1代表Af2代表Am。解决方案有三个一是去原始下载页面找字段对照表通常在README或metadata文档里二是网上搜索柯本分类数字编码对照表一般能找到三是如果数字本身就是像“5.10”这样的浮点值十有八九是分箱编码建议直接放弃这份数据换一份带完整字符串代码的版本。我自己的习惯是始终保留一份带中文注释的属性表副本用QGIS的字段计算器新增一个“类型中文名”字段再用CASE WHEN映射后续出图直接标注中文省得临时翻对照表。5.3 数据有大量飞地如何处理全球气候区划的本质决定了理论上不应有真正的“飞地”指远离主区域的小块同类型区域但在山区比如东非高原、青藏高原边缘、安第斯山脉由于小气候影响确实会出现非常小的碎块。这些细碎多边形在制图时颜色杂、视觉乱甚至会影响统计结果。应对策略是先用“按属性选择”将所有要素按类型分组然后利用“删除重复几何”或“消除”Dissolve功能合并同类型相邻多边形再按面积排序筛选掉面积小于某个阈值例如1万平方公里的碎块。这里要注意阈值选择得结合研究尺度做全球分析时可以留大一点做省域分析时反而不能删太狠。5.4 数据更新后新旧两版对不上怎么办如果同一区域新旧两版shp叠加后差异特别大先别怀疑数据错了。柯本分类本身就是气候态平均的结果全球变暖导致部分气候带边界向极地和高海拔方向移动是正常的趋势现象。比如北半球中高纬度的一些D类区域可能会向C类转变这在学界已有大量文献支持。因此你要结合自己项目的时间口径来选数据不要混用新旧版本。如果必须混用至少在成果图里标注清楚数据版本。6. 一个小工具链组合让这套数据用得更顺除了GIS软件自带功能我再分享一个极简工具链组合都是免费公开的能覆盖柯本shp数据从预处理到发布的主要场景QGIS 3.x主力桌面端裁切、样式、编辑属性、快速转换。Python geopandas pyshp批量处理、数据清洗、格式转换。ogr2ogrGDAL命令行转换神器一条命令实现shp转GeoJSON、KML、PostGIS。Mapshaper在线本地结合能快速做拓扑简化、文件瘦身对全球范围大数据尤其有效。举个组合使用场景下载全球柯本shp后先用Mapshaper将数据简化到适合Web展示的程度再导入QGIS里裁切出目标区域导出时通过ogr2ogr一次性转成UTF-8编码的GeoJSON最后压成一个7z包交付给前端。整个过程半小时内能搞定且每个步骤的可复现性都很好。7. 我的个人体会与外延想法把这套数据用了两年多最大的体会是柯本气候区划shp数据几乎是“万能底图”它不只是气象专业的专属工具。做城市通风廊道规划时可以叠加风玫瑰数据判断干湿气候对通风需求的影响做农业保险精算时可以按气候区划划定不同产品的赔付梯度做教育科普时甚至可以直接导出一个3D打印模型来展示气候带立体分布。数据的价值往往取决于使用者能把它嫁接到多少应用场景里。最后分享一个我在实际项目里发现的小技巧在QGIS里给柯本shp设置好样式后不要直接保存为图层文件而是导出为.qml样式文件。下次再加载其他版本的柯本shp时直接加载这个样式颜色、标注、透明度全部一键还原。这种细节能在交付时节省大量调整时间也让最终出图的风格保持统一。这套数据本身只是一个起点真正花时间的往往是对数据的二次加工和交叉分析。如果你打算深度使用建议把原始版本、裁切版本、投影版本分开存储同时在文件名里标注日期和坐标系这个习惯能帮你省掉很多不必要的返工。本文还有配套的精品资源点击获取