Matlab实战：从shp文件读取到地理数据可视化全流程解析

1. 初识Shapefile与Matlab地理数据处理

第一次接触地理信息系统(GIS)数据时，我被.shp文件搞得一头雾水。直到用Matlab打开第一个道路网络数据，才明白这种矢量数据格式的强大之处。Shapefile其实是由多个文件组成的集合，主文件.shp存储几何数据，.shx是索引文件，.dbf存放属性数据。Matlab的Mapping Toolbox让处理这些文件变得异常简单。

我在处理城市交通数据时发现，Matlab读取shp文件的速度比许多专业GIS软件还要快。这得益于其优化的二进制读取算法。举个例子，读取一个包含10万条道路记录的北京路网数据，在我的i7笔记本上仅需2.3秒。对于非专业GIS人员来说，用Matlab处理地理数据有个明显优势——不需要学习复杂的GIS软件操作，用熟悉的Matlab环境就能完成从数据读取到可视化的全流程。

2. 使用shaperead读取地理数据

2.1 基础读取方法

shaperead是Matlab读取shp文件的核心函数。最基本的用法就是指定文件路径：

matlab复制road_network = shaperead('beijing_roads.shp');

这个简单的命令会返回一个结构体数组，每个元素代表shp文件中的一个地理要素。我常用来检查数据是否读取成功的技巧是查看第一个元素的字段：

matlab复制disp(road_network(1))

你会看到类似这样的输出：

code复制Geometry: 'Line'
BoundingBox: [2x2 double]
X: [1x100 double]
Y: [1x100 double]
ID: 1
RoadType: '主干道'
Length: 1250.3

2.2 高级读取技巧

实际项目中，我们经常不需要读取全部数据。shaperead提供了几个实用的筛选参数：

matlab复制% 只读取前100条记录
partial_data = shaperead('data.shp', 'RecordNumbers', 1:100);

% 只读取特定区域的数据（[minX minY; maxX maxY]）
bbox = [116.3 39.8; 116.5 40.0];
area_data = shaperead('beijing.shp', 'BoundingBox', bbox);

% 只选择特定属性的字段
selected_fields = shaperead('data.shp', 'Selector',...
    {@(attr) strcmp(attr.RoadType,'主干道'), 'RoadType'});

我处理城市POI数据时，曾经因为忘记使用BoundingBox参数，不小心读取了整个城市的数据，导致内存溢出。这个教训让我明白，处理大型地理数据集时，一定要先了解数据规模，必要时分批读取。

3. 理解数据结构和坐标系统

3.1 使用shapeinfo获取元数据

读取数据后，第一步应该是了解数据的整体情况。shapeinfo函数就是为此而生：

matlab复制info = shapeinfo('landuse.shp');
disp(info)

这个命令会返回包含以下关键信息的结构体：

• ShapeType：数据类型（点、线、面等）
• BoundingBox：数据范围
• CoordinateReferenceSystem：坐标参考系统(CRS)
• Attributes：属性字段信息

我在分析某城市土地利用变化时，曾因忽略CRS信息导致面积计算全部错误。后来发现数据使用的是UTM投影坐标，而我把它们当成了经纬度处理。现在我会习惯性地首先检查：

matlab复制crs = info.CoordinateReferenceSystem;
disp(crs.Name)  % 显示坐标系统名称

3.2 处理不同坐标系统

Matlab能够自动识别大多数常见坐标系统，但有时需要手动处理：

matlab复制% 转换坐标系统示例
[lat, lon] = projinv(crs, x, y);  % 投影坐标转经纬度
[x_new, y_new] = projfwd(new_crs, lat, lon);  % 经纬度转新投影坐标

对于没有CRS信息的旧数据，我通常会这样处理：

1. 先通过shapeinfo确认是否缺少CRS
2. 联系数据提供方获取CRS信息
3. 如果确实无法获取，根据BoundingBox的数值范围推测可能的坐标系统

4. 地理数据可视化实战

4.1 基础地图展示

mapshow是最简单的地图可视化函数：

matlab复制roads = shaperead('city_roads.shp');
figure
mapshow(roads)
title('城市道路网络')

但实际项目中，这样的基础地图往往不够用。我常用的增强技巧包括：

matlab复制% 设置不同颜色显示不同道路等级
colors = containers.Map({'高速路','主干道','次干道','支路'},...
    {'red','orange','blue','green'});
for i = 1:length(roads)
    mapshow(roads(i), 'Color', colors(roads(i).RoadClass))
end

% 添加图例
legend({'高速路','主干道','次干道','支路'},...
    'Location','bestoutside')

4.2 高级可视化技巧

对于面状数据（如行政区划），我喜欢用半透明填充：

matlab复制districts = shaperead('districts.shp');
mapshow(districts, 'FaceColor', [0.5 0.5 1], 'FaceAlpha', 0.5,...
    'EdgeColor', 'b', 'LineWidth', 1.5);

处理大量点时，直接绘制会导致性能问题。我的解决方案是：

matlab复制% 随机抽样显示
points = shaperead('poi.shp');
sample_idx = randperm(length(points), 1000);
mapshow(points(sample_idx), 'Marker', '.', 'MarkerSize', 6)

4.3 制作专题地图

分析城市绿地分布时，我开发了一套完整的可视化流程：

matlab复制% 1. 读取数据
greenspace = shaperead('greenspace.shp');

% 2. 按面积分类
area = arrayfun(@(x) x.Area, greenspace);
class = discretize(area, [0 5000 20000 inf]);

% 3. 设置样式
colors = [0.8 1 0.8; 0.5 0.9 0.5; 0.2 0.7 0.2];
labels = {'小型绿地(<5k㎡)','中型绿地(5-20k㎡)','大型绿地(>20k㎡)'};

% 4. 绘制
figure
hold on
for i = 1:3
    idx = (class == i);
    if any(idx)
        mapshow(greenspace(idx), 'FaceColor', colors(i,:),...
            'EdgeColor', 'none')
    end
end
legend(labels)
title('城市绿地分布专题图')

5. 空间分析与数据处理

5.1 基础空间查询

Matlab提供了一系列空间分析函数。我最常用的是polyxpoly计算线要素交点：

matlab复制% 计算两条道路的交点
[x_int, y_int] = polyxpoly(road1.X, road1.Y, road2.X, road2.Y);

处理行政区划数据时，inpolygon非常实用：

matlab复制% 判断点是否在多边形内
in = inpolygon(point_x, point_y, poly_x, poly_y);

5.2 缓冲区分析

创建缓冲区是常见的空间分析操作：

matlab复制% 为河流创建500米缓冲区
river = shaperead('river.shp');
buffer = bufferm(river.X, river.Y, 500);  % 距离单位与CRS一致
mapshow(buffer, 'FaceColor', 'cyan', 'FaceAlpha', 0.3)

5.3 数据导出与共享

分析结果经常需要导出供他人使用：

matlab复制% 导出为shp文件
shapewrite(processed_data, 'result.shp')

% 导出为GeoTIFF
R = maprasterref('RasterSize', size(data),...
    'XLimWorld', xlim, 'YLimWorld', ylim);
geotiffwrite('output.tif', data, R)

在处理一个城市规划项目时，我开发了完整的处理流程：从原始shp数据读取、坐标转换、空间分析到最终的可视化输出。这个过程中，Matlab表现出色的一点是，所有步骤都可以在一个环境中完成，不需要在不同软件间来回切换数据。