广东全省岩性分布栅格数据解读与GIS应用指南

简介：广东全省250米分辨率地表出露岩性分布栅格数据，采用WGS84坐标系，涵盖火成岩、沉积岩、变质岩三大成因类型共14类岩性，具体包括中性深成岩、中性火山岩、冰川沉积物、变质岩、基性深成岩、火山碎屑岩等，并区分未固结第四纪松散堆积物（土类）。数据可支撑地质环境评价、水文模拟、土壤侵蚀分析及CO2化学风化消耗量估算等研究，面向地理、地质、环境科学领域研究者与GIS使用者。包体共13个文件，包含主栅格（tif）、属性表（dbf）、坐标信息（tfw）、元数据（aux.xml）、使用说明（rar/xls/txt）、预览图（png）及辅助脚本（py），整体仅831KB，轻量便捷。压缩包内附完整使用说明和岩性说明表，属性表提供岩性代码与类别字段，便于符号化与查询，无需额外整理即可接入GIS平台开展空间分析与建模。目前已有16人浏览学习。 广东全省250米分辨率地表出露岩性分布栅格数据，这个名字乍一看是个很“软”的数据产品，但做地质、GIS、环境或者土木相关项目的人应该能立刻意识到它的分量。过去我们做区域尺度的地质分析，最头疼的就是手里只有1:20万纸质地质图，要么扫描后手工配准矢量化，要么干脆“看图说话”人工打点，费时费力还容易出错。现在有了这个栅格化的岩性分布数据，直接在GIS里叠图、统计、建模，效率完全不是一个量级。

这篇文章就围绕这份数据展开，从它是什么、怎么看懂它、实际工作中怎么用它，到使用过程中容易被忽略的坑，一次说清楚。不管你是做地质灾害评价、水文地质调查，还是生态遥感、土地利用研究，只要你的研究区在广东，这份数据都值得放进常用底图清单里。

1. 数据定位：这不是一张普通的地质图

1.1 栅格化的真正意义

很多没怎么接触过栅格数据的人会问：既然有岩性分布，为什么不直接用矢量面数据？这个问题的答案，恰好能解释这份数据的核心价值。矢量地质图固然精确，边界线往往画得细碎复杂，在区域尺度分析中反而像噪音——你关心的是整个流域、整个县市的岩性组合格局，而不是某个山头两侧的岩层界线差了几百米。

栅格数据把连续空间切分成规则格网，每个格子只记录一个属性值。250米分辨率意味着每个像元代表地面约250米×250米的范围，在广东省大约6.25平方公里的面积。这种尺度天然过滤掉了局部的边界摆动，让岩性分布呈现出一种“斑块化”的宏观格局，反而更符合区域分析的需求。做水文模型、灾害易发性评价这类工作，输入数据基本都是栅格，直接用这份岩性栅格参与计算，省去了矢量转栅格时最让人头疼的属性映射和边界锯齿问题。

1.2 WGS84坐标系和“250米”到底是什么关系

标题里明确写了WGS84坐标系，这有一个容易被忽略的细节。WGS84本质上是经纬度坐标系统，单位是度，不是米。而分辨率写的是250米，这就意味着数据生产方在生成栅格时，是把地面250米的尺度折算成了对应的经纬度步长。在地球赤道附近，1度经度约等于111.32公里，250米大约对应0.00225度。但广东地处北纬20度到25度之间，纬度越低经度跨度对应的实际距离越小，所以不同纬度上的“250米”对应的经度步长其实略有差异。

我拿到这类数据后做的第一件事，就是用GIS软件查看栅格像元大小，确认它到底是以固定经纬度步长存储，还是已经做过某种投影校正。如果是以固定经纬度步长存储的均匀网格，那严格的“250米”只在参考纬度上成立，实际投影到平面后，东西方向的尺度会有轻微变形。做一般性分析完全没问题，但如果要做面积统计、距离量算这类对精度敏感的工作，最好先投影到适合广东的常用坐标系，比如UTM 49N或50N带，再进行计算。

1.3 出露岩性与地质图的关系

标题里“地表出露”四个字很关键。地质图上画的岩性，理论上都是地表实际出露的岩石，但实际上很多区域被第四纪松散沉积物覆盖，广东尤其典型。珠三角地区大片第四系冲积层、沿海的砂质沉积、山间盆地的坡积物，这些在岩性数据里要么单独归为第四系沉积类，要么被处理成覆盖层。真正基岩出露的区域，数据反映的是下伏基岩的岩性。

做水文地质分析时，出露岩性和覆盖层是两套逻辑，孔隙水主要跟第四系松散层相关，裂隙水和岩溶水则要关注基岩类型，这个区分必须建立在准确理解数据分类编码的基础上。

2. 岩性分类体系：拿到数据第一件事是看懂属性表

2.1 常见的岩性分类框架

这份数据采用的分类体系，大概率参考了区域地质调查中常用的“时代-成因-岩性”分类框架，在栅格属性表中用编码表示各类岩石。以我翻过的几套类似产品看，一般会分出大约十几到二十几类，比如：

拿到栅格数据后，第一件事永远是打开属性表，看Value字段对应的岩性代码和Count字段的像元数量统计。我见过太多人拿到数据直接做分析，最后出图的图例还是数字码，这显然是没看属性表。有条件的话，找到数据配套的说明文档，理清编码对应的具体岩性名称，否则后续一切分析都是空中楼阁。

2.2 为什么岩性分类对分析如此重要

岩性决定岩石的物理力学性质和化学风化特征，而这两点直接影响了地表过程的方方面面。碳酸盐岩地区岩溶发育，是地质灾害风险较高的区域，广东粤北的连州、阳山一带就是典型的岩溶区；花岗岩地区风化壳厚，在强降雨条件下容易出现浅层滑坡，粤东、粤西的花岗岩丘陵区是滑坡敏感带；碎屑岩和变质岩地区的地下水类型、土壤厚度、植被分布也都有明显差异。

在区域评价模型里，岩性往往被当成一个分类变量参与打分或统计。比如地质灾害易发性评价中，碳酸盐岩和花岗岩的权重通常要显著高于第四系沉积区。如果分类体系不统一，或者你在重分类时合并错了类别，模型的输出结果会完全偏离实际。这就是为什么必须先把分类逻辑吃透，再动手做分析。

3. 250米分辨率在实际工作中的尺度适配

3.1 适合做什么，不适合做什么

250米分辨率是一个典型的“区域尺度”数据粒度。打个比方，把广东省想象成一幅巨型马赛克拼图，每块小瓷砖边长250米，从近处看你会丢失很多细节，但后退几步看整体格局，岩性的分布规律反而清晰。这个尺度非常适合省级、市级、流域级的宏观分析，比如全省地质灾害易发性区划、区域水文地质单元划分、大范围生态脆弱性评价。

但它绝对不适用于场地尺度的工程勘察。你要在一个具体山体上判断边坡是否稳定，需要的是1:1万甚至更大比例尺的地质图，250米一个格子完全不能反映局部构造和岩性突变。这就好比用全国人口分布数据去推断某个具体小区的人口密度，尺度完全错配。理解数据的适用尺度，是使用任何空间数据的基本素养。

3.2 与地形数据的配合使用

岩性数据单独使用价值有限，和DEM（数字高程模型）配合才能发挥最大威力。250米分辨率恰好和很多公开的DEM产品尺度匹配，SRTM 90米、ASTER GDEM 30米重采样到250米后，可以在像元级别和岩性数据做逐格联合分析。

举个例子，我做粤北地区地质灾害敏感性初判时，把坡度、高程、岩性三个栅格叠加分析，统计不同岩性区间的坡度分布特征。碳酸盐岩区往往形成陡峭的喀斯特峰丛，坡度普遍在30度以上；花岗岩区风化强烈，山体坡度相对和缓。这种定量关系只有通过栅格统计才能快速得出，换成矢量数据做空间分析，计算效率和操作复杂度都是灾难级的。

4. 典型应用场景：从地质灾害到生态评价

4.1 地质灾害易发性与危险性评价

这是这份岩性数据用得最多的领域。在区域地质灾害评价体系中，岩性通常被赋予很高的权重，因为它直接决定了坡体的物质组成和结构特征。以广东省为例，粤北碳酸盐岩分布区岩溶塌陷和一岩质崩塌多发，粤东西部花岗岩风化壳分布区暴雨型浅层滑坡频发，这些空间规律在岩性栅格上都能得到直观印证。

具体操作上，可以把岩性栅格按“对灾害的敏感程度”重分类成4到5级，比如碳酸盐岩和风化壳厚的中粗粒花岗岩定为高敏感级，变质岩区域定中等敏感级，第四系平原区定低敏感级，然后与坡度、降雨、人类工程活动等因子叠加，用层次分析法或信息量模型计算易发性指数。整个过程在ArcGIS或QGIS里就能完成，关键是岩性分类的权重赋值，这需要对研究区地质背景有足够了解。

4.2 水文地质与水资源调查

岩性是控制地下水赋存和运移的核心因素之一。不同岩性的含水性和透水性差异极大：第四系松散沉积物孔隙度大，往往构成孔隙含水层；碳酸盐岩岩溶发育，构成岩溶含水层，富水性极不均匀；花岗岩、变质岩的裂隙含水层含水量一般有限，但风化壳中可以赋存风化裂隙水。

做区域水文地质调查时，利用岩性栅格可以快速圈定不同含水层类型的分布范围，计算各类含水层的面积占比，为地下水资源量评价提供基础参数。之前我做过一个粤东某流域的地下水资源初步评价，就是基于这份岩性数据划分含水层类型，再结合降水入渗系数估算资源量，比单纯靠零星钻孔资料推演省力太多。

4.3 生态、土壤与环境背景分析

岩性和土壤之间有很强的继承关系，特定母岩风化发育的土壤，其质地、酸碱度、矿物组成都有特征性。花岗岩发育的土壤砂粒含量高、保水性差；石灰岩发育的土壤偏碱性、土层薄；玄武岩发育的土壤富含铁铝氧化物，颜色偏红。

在土壤侵蚀敏感性评价中，岩性作为成土母质因子参与评价，能有效区分不同区域的土壤可蚀性差异。在重金属污染背景值研究里，岩性更是决定性因素——粤北某些铅锌矿区周边的地层本身就富集重金属，区分自然背景和人为污染，离不开岩性底图。生态保护红线划定、石漠化监测这类工作，岩性数据同样是基础支撑。

5. 必须知道的坑：数据使用的避坑指南

5.1 “出露岩性”不等于现实地表全覆盖

前面提到过，广东植被茂密，很多区域基岩并不直接出露，而是被残坡积物或植被覆盖。数据标注“地表出露岩性”，实际上更多反映的是“基岩岩性的地表映射”，而不是无人机航拍那种真实地表状态。在覆盖层较厚的区域，比如雷州半岛的火山岩台地、珠江口的冲积平原，栅格值反映的是浅部基岩或第四系沉积物类型，具体是哪一层，取决于原始地质图的编图逻辑。

使用时要特别警惕第四系分布区和非第四系区的边界。如果你做的研究恰恰落在边界附近，建议用更高精度的地质图或实地踏勘来验证。我做粤西某沿海区域分析时，发现数据在滨海平原和丘陵过渡带的岩性跳变特别突兀，进一步核实发现是原始地质图在两种图幅拼接处的图幅间不闭合问题，这种问题在栅格化过程中不会被消除，只会被“藏”在像元尺寸里。

5.2 地质图的时效性：数据老不代表没用

任何地质图都是“特定时间点对地质体认知的快照”，这份栅格数据溯源的原始地质图可能编绘于上世纪八九十年代。有些区域后来有新的地质调查成果，岩性界线可能修正过，但宏观格局基本稳定。地质体的空间分布不像土地利用那样年年变，岩性数据的“过期”影响远小于遥感分类产品。

不过，如果研究区有新建的大型工程、矿区或城市规划区，人类活动可能彻底改变局部地表覆被和第四系结构，这时岩性数据不能直接套用，需要叠加最新的土地利用或工程地质资料做修正。正确的姿势是把这份数据当作“基础框架”，在关键区域用新资料局部修正，而不是全盘否定。

5.3 属性编码的“别名”问题

不同厂家、不同批次的数据，即使是同一个分类体系，编码也可能不一样。有的用1到20的连续整数，有的用三位数编码，第一位代表岩类，后两位代表具体岩性。还有的会加入“0”值代表背景或空值。做分析前一定要把“空值”“未知区”和“水体”单独提出来，别让它们参与统计运算。

水体也是一个容易忽略的点。广东省内河流、水库、坑塘众多，栅格数据中的水域要么单独编码，要么归入第四系沉积物。分析岩性时如果不排除水域像元，面积统计会有不小的偏差。我习惯先把栅格按属性表重分类成“水体非水体”二值图，在后续所有分析中用掩膜把水体去掉。

6. 实操工作流：从拿到数据到产出分析结果

6.1 数据预处理：重投影、裁剪与掩膜

拿到原始栅格后，第一步在QGIS或ArcGIS中查看坐标系信息，确认数据范围是否覆盖广东全省，缺不缺边角。第二步按研究区范围裁剪，比如只做粤北地区就按韶关、清远两市边界裁剪，减轻数据量，提高后续运算速度。第三步剔除水体等干扰像元。

如果数据是WGS84经纬度坐标，建议在面积、距离相关的分析前投影到适合的平面坐标系。广东横跨UTM 49N和50N两个带，全省尺度的分析可以用Albers等积圆锥投影或兰伯特等角圆锥投影，珠江口以西用UTM 49N、以东用50N。投影转换用GDAL命令行做最直接，一条gdalwarp命令就能完成：

# 从WGS84投影到UTM 49N gdalwarp -t_srs EPSG:32649 -r near input.tif output_utm49.tif

重采样方法要注意，保持栅格属性数据尽量用近邻法（near），千万别用双线性或三次卷积，那样会“发明”出不存在的岩性类别。

6.2 重分类与编码映射

这是整个流程中最需要地质功底的一步。根据研究目标，把原始岩性类别归并成少数几个有意义的类别。比如做滑坡敏感性，可以考虑归并为4类：坚硬块状岩类（花岗岩、石英岩）、层状碎屑岩类（砂岩、砾岩）、软弱岩类（泥岩、页岩、千枚岩）、松散堆积物（第四系），然后重新赋值为1到4。在ArcGIS中使用栅格重分类工具，或在Python中用rasterio写个简单的映射脚本：

import rasterio import numpy as np with rasterio.open("lithology_raw.tif") as src: data = src.read(1) profile = src.profile # 示例映射：假设原编码1-5为花岗岩类，6-10为碳酸盐岩类，等等 mapping = {i: 1 for i in range(1, 6)} mapping.update({i: 2 for i in range(6, 11)}) mapping.update({i: 3 for i in range(11, 16)}) mapping.update({0: 0, 255: 0}) # 空值设为0 reclassed = np.zeros_like(data) for old, new in mapping.items(): reclassed[data == old] = new with rasterio.open("lithology_reclassed.tif", "w", **profile) as dst: dst.write(reclassed, 1)

重分类时建议每个类别都做一次面积统计，看看归并后的类别占比是否符合研究区的宏观地质认知。如果某个类别的像元数异常，大概率是原始编码理解有误，回头再查属性表。

6.3 与其它数据叠加分析示例

以“岩性-坡度-植被”的联合统计为例：将岩性重分类栅格、坡度栅格、NDVI栅格统一到相同的分辨率、范围和坐标系，然后生成属性表，计算每个岩性类别内坡度和NDVI的均值、方差。这类统计在Excel里用数据透视表就能完成，但在GIS里更标准的做法是使用分区统计工具：

# QGIS/GDAL分区统计：以岩性重分类图为区，统计坡度栅格平均值 gdalinfo -json -stats # 先看两个栅格是否严格对齐

如果栅格像元没有严格对齐，先重采样到同一网格再统计，否则结果会出现像元错位误差。具体做法是把岩性图作为基准，用gdalwarp -tr 0.00225 0.00225 -r near重采样坡度数据，保证像元一一对应。这一步虽然繁琐，但能显著提升统计结果的可靠性。

6.4 制图输出与成果表达

分析完成后，制图是最后一步，也是最容易“翻车”的一步。岩性图配色要能直观反映岩性大类之间的差异：碳酸盐岩类常用冷色调（蓝灰色），碎屑岩类用暖色调（黄褐色），岩浆岩类用红色系，变质岩类用紫色系，第四系用浅绿色。图例必须有中文说明，不能只显示数字编码。比例尺、指北针、图名、坐标系说明一个都不能少。

我个人建议出图时同时输出一张岩性分类图和一张岩性重分类图，前者保留完整分类信息，后者突出分析目标相关分组，方便报告审阅和后续修改。别嫌麻烦，做项目汇报时这两个图层各有用处，前者体现数据使用深度，后者体现分析逻辑清晰度。

7. 个人使用体会与扩展思路

用这份数据做过几次省级和市级尺度的项目后，我最大的感受是：它最大的价值不是“精度”，而是“一致性”。全省统一分类、统一分辨率、统一坐标系统，省去了拼接多个图幅地质图的巨大工作量。过去做一个省级评价项目，光整理地质图数据就要两周，现在一天内就能把岩性因子备齐，大量精力可以花在真正的分析逻辑上。

数据本身的“坑”主要集中在边界区域和覆盖区，这是任何栅格化地质产品都无法完全避免的。规避的办法也不复杂：关键区域多找一份1:20万或1:5万纸图对照，或者干脆去现场踏勘几个控制点。我每次出分析报告前，只要经费允许，都会带一份这张图的打印件去野外抽查几个“高影响”像元，确认岩性和实际露头是否吻合。这种验证习惯看着笨，但至少五次里有三次能发现原始数据在局部区域的问题，提前避免了很多报告评审时的尴尬。

如果你打算把这个数据纳入常态化分析底图，建议建立一套自己的标准化处理模板：从原始栅格出发，依次完成投影转换、裁剪、重分类、水体掩膜，输出一套与项目坐标系一致的标准化图层。以后再接项目时，直接复用这套流程，十分钟出底图，效率提升非常明显。

本文还有配套的精品资源，点击获取