细粒度的中国地理数据分析（五）

本文将之前所述的地块分类数据映射在 Mapbox 地图上，它能够以更加清晰的方式展示城市的地块分布。另外本文的经验还说明，我们在考虑数据分析和可视化问题的时候，应该充分考虑如何将它们与现有的 API 和数据分发手段结合起来，既要注意闭门造车，也要注意出门合辙。

本文的映射结果可见我的前端笔记本。

Mapbox with land types^[1]

---

• 细粒度的中国地理数据分析（五）^[2]

  • 面向 TopoJson 的数据流^[3]
  • 地块数据映射^[4]

面向 TopoJson 的数据流

在前文已经对地块数据进行了充分介绍的基础上，本文工作的内容是将地块数据进行标准化，形成 topoJson 格式的中间数据。通过将 topoJson 中间数据传输到前端，就可以方便地与 Mapbox 地图相结合，对地块的类型进行地图渲染。

Maps, geocoding, and navigation APIs & SDKs | Mapbox^[5]

https://github.com/topojson/topojson^[6]

在生成 topoJson 数据时，需要处理两类信息，首先是城市边界信息，它是该城市的多边形闭包，如下图中的第 0 号 feature 所示；其次是地块信息，它包含大量的多边形，如下图中第 1 - 5 号 features 所示。需要注意的是对地块信息进行处理时，应该将它们按照地块种类进行整合，形成 MultiPolygon 的 geometry，而非独立的 feature，这样做的原因是地图绘制时可以对这些地块（图中为 3998 个地块）进行统一渲染，从而最大程度地节省系统资源。在完成 topoJson 数据生成及分发后即可使用 Mapbox 提供的 API 进行绘制。

地块数据映射

接下来将呈现地块映射的结果如下图所示，其中每个地块的颜色代表地块种类，深色区域代表市区范围。从图中可以看到，该渲染方式不仅可以呈现地块种类并且能够进行缩放和倾斜，便于用户观察其中的细节。从倾斜图看过去你就会发现，北京向西发展的边界并非是其行政边界，而是西边的群山。而目前该市几乎已经达到了西边的极限。

最后一个问题是为什么原始数据号称区分全国地块，而本文只渲染北京市一个城市？其原因是数据规模。这背后的原理是几何拓扑界的一个公案，那就是

如果用一些曲线“填满”特定的空间，这些曲线的总长度需要有多长？

这个问题的答案是已经被证明的“无限长”，也就是说我们可以把曲线理解成没有宽度、只有长度的几何结构，那么只要我们总能通过增加曲线的卷曲程度，来达到在有限空间内塞入更长的曲线的目的。由此可见，随着地块的无限细分，我们所需要的边界曲线就无限增长。因此面对精细地块分割的数据时，其 topoJson 数据的规模也在不断增长。以本文为例仅北京市的边界信息数据就达到了 27M 的数据规模，因此为了避免数据规模过大，我在此仅展示一个城市，有需要的话才考虑搭建本地服务实现全国数据展示。

参考资料

[1]

Mapbox with land types: https://observablehq.com/@listenzcc/mapbox-with-land-types

[2]

细粒度的中国地理数据分析（五）: #细粒度的中国地理数据分析五

[3]

面向 TopoJson 的数据流: #面向-topojson-的数据流

[4]

地块数据映射: #地块数据映射

[5]

Maps, geocoding, and navigation APIs & SDKs | Mapbox: https://www.mapbox.com/

[6]

https://github.com/topojson/topojson: https://github.com/topojson/topojson