简介：这份PDF文献面向测绘、地理信息与工程规划领域的技术人员及学习者，聚焦西安80坐标系向2000国家大地坐标系（CGCS2000）转换这一实际难题。内容系统梳理两种坐标系的基本理论与椭球参数差异，重点讲解七参数转换模型的原理与算法，并给出在ArcGIS环境下导入数据、调用坐标转换工具完成1980西安坐标系到CGCS2000转换的可行方案，对过渡期内大量存量测绘成果的坐标基准统一具有参考价值。资源包共1个PDF文件，约514KB，为期刊论文全文，含摘要、引言、坐标系参数对比与转换方法论述，便于按章节查阅。目前已有5427人学习下载，适合需要理解坐标转换原理或借助ArcGIS落地操作的读者参考借鉴。

1. 西安80转CGCS2000：为什么不能直接改个椭球参数就完事

很多人第一次做西安80到CGCS2000的转换，直觉反应是“换个椭球参数、重投影一下不就行了”。这个直觉在同一个椭球下的投影变换里成立，但跨椭球就彻底翻车。原因很朴素：西安80的原点是一个局部定位的几何中心，CGCS2000的原点是整个地球的质量中心，两个椭球的空间位置、形状、尺度全都不同。同一个地面点，在两套定义下解算出的经纬度本来就不一样，你直接拿平面坐标反算经纬度再套新椭球，等于默认两个椭球面重合，误差会以米级甚至更大规模冒出来。真正能 work 的做法是先用七参数模型把两套空间直角坐标系对齐，再谈投影。这篇就拆这条链路：为什么必须走七参数、参数怎么解、ArcGIS里怎么落地、哪些坑会让你白干一天。

2. 七参数模型：布尔莎变换到底在拟合什么

2.1 两个椭球的差异不是“参数不同”四个字能概括的

西安80用的是IAG-75椭球，长半轴6378140米，扁率1/298.26；CGCS2000的长半轴6378137米，扁率1/298.257222101。数字上看长半轴只差3米，扁率差在小数点后好几位，很多人因此觉得“差不多”。但坐标系转换的精度要求是厘米到分米级，3米的长半轴差异加上原点定位方式的根本不同，直接导致同一地面点在两套椭球下的空间直角坐标存在系统性偏移。更关键的是，西安80是参心坐标系，它的椭球中心并不在地球质心，而是通过局部天文大地网平差“凑”到一个和局部大地水准面最贴合的位置。CGCS2000是地心坐标系，椭球中心严格定义在包含海洋和大气的整个地球质量中心。这两个中心之间的偏移量，就是七参数里三个平移参数要吸收的主要部分。

常见的实现思路是：把两套坐标系下的同名控制点都转成空间直角坐标X、Y、Z，然后解一个相似变换。相似变换假设两个坐标系之间只存在平移、旋转和尺度缩放，不允许形状扭曲。这个假设在局部区域内是合理的，因为椭球面在小范围内弯曲度很低，同名点之间的曲面数学关系可以用线性变换近似。但区域一大，残差就会抬头，这也是为什么后面要提“综合法”对残差做多项式拟合。

2.2 布尔莎七参数的矩阵形式与每个参数的物理含义

布尔莎模型的矩阵写法如下，这是整篇的核心公式，值得逐项拆开看：

import numpy as np def bursa_transform(xyz_old, dx, dy, dz, ex, ey, ez, m): """ 布尔莎七参数正算：西安80空间直角坐标 -> CGCS2000空间直角坐标 xyz_old: [X, Y, Z] 旧坐标系空间直角坐标，单位米 dx, dy, dz: 三个平移参数，单位米 ex, ey, ez: 三个旋转参数，单位弧度（小角度） m: 尺度参数，无量纲，通常量级在 1e-6 附近 返回: 新坐标系下的 [X, Y, Z] """ X, Y, Z = xyz_old # 旋转矩阵按小角度近似展开，旋转角以弧度计 rot = np.array([ [ 1, ez, -ey], [-ez, 1, ex], [ ey, -ex, 1 ] ]) scale = 1 + m xyz_new = scale * rot.dot(np.array([X, Y, Z])) + np.array([dx, dy, dz]) return xyz_new

三个平移参数ΔX、ΔY、ΔZ吸收的是两个椭球中心的位置差，量级通常在几十到上百米；三个旋转参数εx、εy、εz描述的是两套坐标轴指向的微小夹角，量级在角秒级，所以代码里用小角度近似把旋转矩阵线性化是合理的；尺度参数m吸收的是两套长度基准的微小差异，量级在ppm级。这七个参数不是理论推导出来的，而是用至少三个同名控制点、通过最小二乘拟合出来的。控制点越多、分布越均匀，解出来的参数越稳。只有三个点时方程刚好定解，没有多余观测，残差信息为零，你根本不知道参数靠不靠谱。

提示：旋转参数的正负号约定在不同文献和软件里可能相反，ArcGIS的自定义地理变换界面里填的是角秒，且旋转方向定义有固定约定，填之前务必用已知点回代验证，不要凭记忆填。

2.3 为什么经纬度必须先转空间直角坐标

七参数模型是在空间直角坐标系里定义的，而测绘成果往往以经纬度B、L、H或平面坐标形式存在。所以转换链路的第一步永远是把B、L、H转成X、Y、Z：

import math def blh_to_xyz(B, L, H, a, f): """ B, L 为弧度，H 为大地高（米） a 为椭球长半轴，f 为扁率 """ e2 = 2*f - f*f # 第一偏心率平方 N = a / math.sqrt(1 - e2 * math.sin(B)**2) # 卯酉圈曲率半径 X = (N + H) * math.cos(B) * math.cos(L) Y = (N + H) * math.cos(B) * math.sin(L) Z = (N * (1 - e2) + H) * math.sin(B) return X, Y, Z

这段代码里N是卯酉圈曲率半径，它随纬度变化，是椭球几何的核心量。很多人踩的坑是H填了正常高而不是大地高。西安80成果里的高程往往是正常高（水准高），而公式里的H必须是大地高，两者差一个高程异常，量级可能到几十米。如果你拿正常高直接代入，解出来的七参数会把这个系统性偏差吸收进平移参数里，导致参数在别处使用时整体偏移。常见的补救办法是：如果转换区域小、高程异常变化平缓，可以忽略H的差异只做平面转换；如果精度要求高，必须先从高程基准里拿到高程异常值做改正。

3. 参数求解：最小二乘怎么把七个未知数定下来

3.1 误差方程与法方程的构建

每个同名控制点提供三个观测方程（X、Y、Z各一个），七个未知数，所以至少需要三个点。实际作业里通常用四个以上，多出来的观测用来做最小二乘平差和精度评估。把布尔莎模型线性化后，误差方程可以写成矩阵形式：

def solve_seven_params(pts_old, pts_new): """ pts_old, pts_new: N x 3 的数组，同名点的旧/新空间直角坐标 返回七参数和残差 """ n = len(pts_old) A = [] L = [] for (X, Y, Z), (Xn, Yn, Zn) in zip(pts_old, pts_new): # 每个点三行，对应 dX, dY, dZ 的误差方程 A.append([1, 0, 0, 0, Z, -Y, X]) A.append([0, 1, 0, -Z, 0, X, Y]) A.append([0, 0, 1, Y, -X, 0, Z]) L.append(Xn - X) L.append(Yn - Y) L.append(Zn - Z) A = np.array(A) L = np.array(L) # 最小二乘解：x = (A^T A)^-1 A^T L params, residuals, rank, sv = np.linalg.lstsq(A, L, rcond=None) return params # [dx, dy, dz, ex, ey, ez, m]

这段代码里A矩阵的每一行对应一个观测方程，七个列对应七个参数。注意旋转参数那一列里出现了坐标值本身（如Z、-Y），这是因为旋转项在空间直角坐标里表现为坐标与旋转角的叉乘。解出来的params顺序是平移三个、旋转三个、尺度一个。用np.linalg.lstsq而不是直接求逆，是为了在控制点分布病态时还能给出数值稳定的解。残差向量residuals能告诉你拟合得怎么样，如果某个点残差明显大于其他点，大概率是这个点的新旧坐标本身有问题，比如点号对错了、高程基准混用了。

3.2 控制点选取的血泪经验

控制点的空间分布直接决定参数的外推能力。我一般会这么理解：七参数本质上是一个局部线性拟合，控制点包围的区域内部精度最好，往外推精度衰减很快。如果所有控制点挤在一条线上或者一个小角落里，法方程会接近奇异，解出来的旋转和尺度参数会剧烈震荡，回代控制点看着还行，一用到区域边缘就崩。合格的布点应该让控制点大致均匀覆盖转换区域，并且有一定的高程差异，这样Z方向的平移和绕水平轴的旋转才能被有效约束。

另一个常见问题是控制点的新旧坐标不是同一历元、同一框架。CGCS2000本身是动态框架，严格说坐标随历元变化，但一般工程应用里板块运动量级小，可以忽略。真正要小心的是：有些老控制点的西安80坐标是分级布网、逐级控制的产物，本身带有局部平差的不合理影响，拿这种点去解七参数，等于把老网的误差也拟合进去了。条件允许的话，优先选高等级、整体平差过的点。

3.3 精度评估：残差、中误差与外部检核

解出参数后不能直接用，必须评估。内部符合精度看残差，计算单位权中误差：

def rmse(residuals, n_obs, n_param): """残差中误差，n_obs为观测数，n_param为参数个数""" sigma0 = math.sqrt(np.sum(residuals**2) / (n_obs - n_param)) return sigma0

但内部符合精度只说明参数对参与解算的点拟合得好，不代表对外部点也准。真正有说服力的是外部检核：留一两个控制点不参与解算，用解出的参数去转换它们，看和已知值的偏差。这个偏差才是你实际作业精度的可信估计。如果外部检核偏差明显大于内部残差，说明控制点之间存在系统性不一致，要么换点，要么考虑用综合法对残差做多项式拟合来削弱系统误差。

4. ArcGIS落地：自定义地理变换与投影链路怎么串

4.1 为什么ArcGIS里不能直接选一个“西安80转CGCS2000”的预设

ArcGIS内置了大量坐标系定义，但两个参心/地心坐标系之间的转换参数是区域性的、依赖控制点的，软件厂商不可能预置全国通用的七参数。所以ArcGIS的设计是把“坐标系定义”和“坐标转换方法”分开：.prj文件只描述椭球、基准、投影参数，真正的转换要靠“地理坐标变换”（geographic transformation）对象来承载七参数。这就是为什么你必须先创建自定义地理变换，再在投影工具里引用它。跳过这一步，软件只会做椭球参数替换式的“假转换”，结果看着像那么回事，实际偏差可能很大。

4.2 创建自定义地理变换的关键参数

在ArcGIS的投影与变换工具箱里，创建自定义地理变换时需要填：源坐标系、目标坐标系、变换方法、以及七个参数。变换方法选COORDINATE_FRAME（坐标框架法），它对应的就是布尔莎模型的一种旋转约定。参数输入时平移填米，旋转填角秒，尺度填ppm。这里有个容易翻车的细节：ArcGIS的旋转参数正负号约定和某些教科书公式相反，如果你从文献里抄了一组参数直接填，回代控制点可能发现偏差反而变大。稳妥做法是先用一两个已知点做正反算验证，确认符号约定一致后再批量跑。

4.3 矢量与栅格的转换路径差异

矢量要素（shp、要素类）的转换相对直接：用“投影”工具，指定目标坐标系和自定义地理变换，批量处理可以用“批量投影”。栅格的处理路径不同，要用“投影栅格”工具，而且默认一次只能处理一个栅格。如果栅格数量多，构建模型批处理是常见做法：在ModelBuilder里把“投影栅格”拖进去，用迭代器遍历栅格目录，把自定义地理变换作为参数传进去。这里要注意栅格重采样方法的选择：连续型数据（如DEM、影像）用双线性或三次卷积，分类数据（如土地利用栅格）必须用最近邻，否则类别值会被插值成无意义的中间值。

注意：栅格投影转换会改变像元大小和行列数，转换后务必检查范围和像元对齐情况，尤其是多幅栅格拼接使用时，对齐偏差会导致接边处出现缝隙或重叠。

4.4 CGCS2000高斯投影定义缺失时的间接构造法

ArcGIS 10及以上版本内置了CGCS2000的椭球定义，但不一定自带所有分带的高斯投影定义。这时候可以用间接方法构造：先打开一个西安80的3度带投影文件（比如38带加带号），把它的椭球参数改成CGCS2000的椭球，其余投影参数（中央经线、假东、假北、比例因子）保持不变，另存为新的.prj文件。这个做法的合理性在于：高斯投影的投影参数和椭球参数是解耦的，同一套投影参数套不同椭球，得到的就是该椭球下的对应分带投影。构造完记得用已知点验证一下投影坐标反算的经纬度是否合理。

5. 避坑与排查：那些让转换结果悄悄错掉的细节

5.1 现象：转换后整体偏移一个固定量，原因：平移参数符号或单位填错

这是最常见的一类翻车。表现是转换后的数据整体往一个方向平移了几十米甚至上百米，形状没变。原因通常是七参数的平移量正负号搞反，或者把厘米当成了米。排查方法很直接：取一个控制点，手工用公式正算一遍，和ArcGIS的输出比对，差多少、往哪个方向差，一眼就能定位是哪个参数的问题。解决就是回到参数定义，确认“从旧到新”的方向，平移量是“新减旧”还是“旧减新”，单位统一到米。

5.2 现象：控制点回代精度很好，区域边缘误差却很大，原因：控制点分布过于集中

内部残差小但外部检核差，说明参数在控制点包围圈外推时失效。七参数是线性近似，外推能力有限。解决办法是补充区域边缘的控制点重新解算，或者对大面积区域分区解算多组参数，而不是一组参数打天下。如果实在拿不到边缘控制点，至少要在成果说明里标注参数的适用范围，别让下游用户拿去转范围外的数据。

5.3 现象：高程方向偏差异常大，原因：大地高与正常高混用

平面看着还行，高程或者三维坐标的Z值系统性偏大偏小，基本就是高程基准没统一。西安80成果里的高程多为正常高，CGCS2000空间直角坐标需要大地高，两者差高程异常。如果转换只关心平面，可以在解参数时把H设为零或统一值，让高程差异不污染平面参数；如果关心三维，必须引入高程异常模型做改正。排查时对比几个点的高程异常量级，如果偏差和当地高程异常值吻合，就坐实了。

5.4 现象：栅格转换后类别值出现小数，原因：重采样方法选错

分类栅格用双线性或三次卷积重采样，会把类别码插值成小数，后续分类统计全乱。这是操作层面的坑，不是算法问题。解决就是在“投影栅格”工具里显式指定最近邻重采样。同理，转换前后要检查栅格的属性表是否还在，某些格式转换会丢属性表。

5.5 现象：批量转换中途失败或部分文件没转，原因：坐标系定义不一致或文件锁定

批量投影时如果源数据里混入了坐标系定义缺失或定义错误的文件，工具可能报错中断，也可能静默跳过。排查时先对源数据做一遍坐标系检查，确保每个文件的.prj都存在且正确。另外，输出目录被其他程序占用、文件被锁定也会导致写入失败，表现是部分成果缺失。解决就是转换前做数据体检，输出到干净目录，转换后核对输入输出文件数量是否一致。

6. 设计取舍：为什么明知有残差还要用七参数，以及怎么判断它够不够用

七参数模型从设计上就是一个“够用就好”的工程折中。它假设两套坐标系之间只差一个刚体加尺度的相似变换，这个假设在局部区域内成立，但严格来说，两个参心/地心坐标系之间的真实关系还包含椭球定位差异带来的形变，以及老网本身的分级平差残差。所以布尔莎模型解完之后，残差里往往还藏着系统性成分。原文提到的“综合法”就是在这个背景下出现的：先做七参数相似变换，再对空间直角坐标残差做多项式拟合，用多项式系数吸收残余的系统误差。这相当于在刚体变换之上又叠了一层经验改正，精度能提高，但代价是模型复杂度上升、外推更不可控。

那什么时候七参数就够了，什么时候必须上综合法？我的判断标准是看外部检核残差的空间分布。如果留出的检核点残差是随机的、量级在厘米级，七参数足够；如果残差呈现明显的方向性或者随位置渐变，说明有系统误差没被吸收，这时候要么补控制点重新解算，要么考虑多项式拟合。另一个取舍点是二维还是三维：全国及省级范围常用二维七参数，省级以下可以用三维四参数或平面四参数，独立平面坐标系则用平面四参数或多项式回归。模型越简单，参数越稳，但适用条件越窄。没有哪个模型绝对好，只有和你的区域大小、精度要求、控制点条件匹配不匹配。

还有一个容易被忽视的取舍：转换参数的可追溯性。七参数是一组拟合出来的经验值，不是物理常数，换一批控制点就会变。所以工程上必须把参数来源、控制点清单、解算日期、检核结果一起归档，否则过两年没人说得清这组参数是怎么来的、还能不能用。我一般会要求参数文件里附带至少三个检核点的转换对比表，作为参数有效性的凭证。

从那以后我每次做跨椭球转换，都强制走一遍“控制点体检—参数解算—外部检核—范围标注”的流程，哪怕工期再紧也不省这一步，因为坐标转换的错是静默的，不检核就永远不知道它错在哪。希望帮到你。

本文还有配套的精品资源，点击获取