简介：覆盖1950至2018年中国沿海台风历史记录的Shapefile矢量数据集，面向气象与气候研究、灾害风险管理、城市规划及GIS空间分析的从业者与高年级学生，用于复盘台风登陆位置与移动路径，支撑频率统计、强度分级、路径特征与风暴潮模拟等分析需求。压缩包共10个文件，约1005KB，内含点图层与线图层两套数据：shp存储几何要素，dbf保存属性字段，shx提供空间索引，prj定义坐标参考，xml记录元数据，导入ArcGIS、QGIS等软件即可直接调用并叠加制图。已有1785人学习下载，在相关教学与科研场景中具有一定认可度。近七十年的时间跨度配合点线双图层，便于把登陆点与轨迹分段还原，读者可据此统计逐年台风数量、比较不同等级台风的路径差异，或结合海平面资料开展风险区划，为防灾减灾方案与论文写作提供可直接使用的底图素材。

1. 从一张点表说起：1950-2018中国台风shp到底能干什么

很多人拿到一份1950-2018中国台风shp数据，第一反应是拖进QGIS看一眼路径图就收工，结果真到做登陆频次统计、风场叠加或者灾损关联时才发现：时间列是文本、台风编号对不齐、坐标系还是未经处理的地理坐标——图能出，分析全错。这套台风shp本质上是一份跨近七十年的台风路径空间底表，每个观测时次对应一条台风中心点记录，常见字段覆盖编号、名称、时间、经纬度、风速、气压。它适合做沿海台风频次、强度演变、路径聚类的人，也适合需要把台风轨迹接进自建GIS分析管线的开发者。它解决的不是出图好不好看，而是有没有一份能直接进Python和GIS流程、字段能对齐、时间能排序的台风轨迹底表。下面按结构、读取、重建、避坑、验证五步拆开讲。

2. 台风shp的结构解剖：文件组、字段与坐标系

动手之前先把数据本身看明白，比直接写代码重要得多。这一章解决三个问题：压缩包里到底有哪几个文件、属性表里可能有哪些字段、坐标系是经纬度还是投影坐标。这三件事任何一件判断错，后面轨迹重建和统计分析都会连锁出错。

2.1 shapefile文件组：别只盯着.shp

shapefile 从来不是单个文件，而是一组同名文件协同工作。.shp存几何，.shx存几何索引，.dbf存属性表，.prj存坐标系定义，.cpg存属性表的字符编码。解压之后第一件事是列目录，确认这套文件是否齐全，缺.shx会导致索引建不起来，缺.dbf就只剩空几何、一个属性字段都读不到。

# rar 包用 unrar 解，先解到独立目录，别污染工作区 unrar x "1950-2018中国台风SHp数据.rar" typhoon_data/ # 列出解压结果，重点看同名文件组是否齐全 ls -la typhoon_data/

unrar x的x表示保留压缩包内的目录结构，解到typhoon_data/下便于后续统一路径。列目录时重点看.shp、.shx、.dbf、.prj、.cpg这五类后缀是否成套出现，缺.prj说明坐标系信息没带出来，后面得手工判定；缺.cpg说明编码没标注，中文字段大概率要试编码。

注意：DBF 的字段名最多 10 个字符，超长或中文列名会被截断，读出来的列名往往和你想象的英文名不一致。别急着在代码里写死列名，先探查再映射。

2.2 属性表字段解读：编号、时间、风压三件套

台风路径数据的字段命名没有强制标准，不同来源的列名差异很大，但语义基本围绕几类核心信息。先用 GeoPandas 把字段和前几行打出来，再决定怎么映射，比凭经验写死列名稳得多。

import geopandas as gpd # 路径换成你解压出来的 .shp 文件名 gdf = gpd.read_file("typhoon_data/typhoon.shp", encoding="utf-8") print("要素数:", len(gdf)) print("字段列表:", gdf.columns.tolist()) print("几何类型:", gdf.geom_type.unique()) print(gdf.head(3).to_string()) print("坐标系:", gdf.crs)

这段代码先回答四个问题：一共多少条点记录、列名到底叫什么、几何是点还是线、坐标系有没有带出来。geom_type如果是Point，说明这是一张逐时次的中心点表，轨迹线要靠后续分组重建；如果已经是LineString，那说明数据已经做过轨迹合成，处理思路要换。head打印时用to_string()避免列被折叠，方便逐列核对。

常见字段的语义大致如下表，实际命名以你探查结果为准，不要照抄列名。

编号、时间、风速气压是后续所有分析的基石。编号决定分组，时间决定排序，风速气压决定强度分级，三者任何一个类型不对，轨迹就会乱窜。

2.3 坐标系判定：地理坐标还是投影坐标

坐标系判断错是台风数据处理里最隐蔽的翻车点。地理坐标（经纬度）的经度范围在 -180 到 180、纬度在 -90 到 90；投影坐标的数值往往是几十万到几百万。光看.crs有时还不够，因为部分数据.prj缺失、crs为None，这时得靠数值范围反推。

print("crs:", gdf.crs) # total_bounds 返回 (minx, miny, maxx, maxy)，用它判断数值量级 print("范围:", gdf.total_bounds) # 若确认是 WGS84 经纬度，需要算距离或面积时再投影到米制 gdf_m = gdf.to_crs("EPSG:32650") # UTM 50N，按研究区经度带选择 print("投影后范围:", gdf_m.total_bounds)

total_bounds的四个值如果落在个位到百位之间，基本就是经纬度；如果出现几十万、几百万，那是投影坐标，不能直接当经纬度塞进box()或within()做空间筛选。to_crs("EPSG:32650")把经纬度转到 UTM 50N 带，单位变成米，适合算路径长度和缓冲区；如果只是画图叠加在线底图，用EPSG:3857更省事。选哪个投影带取决于研究区经度，横跨多个带时老老实实回到经纬度做拓扑判断，只在算距离时临时投影。

提示：台风点如果出现经度几百万、纬度几十万的组合，先别怀疑数据错，八成是投影坐标。用total_bounds反推比盯着.crs可靠。

3. 用GeoPandas读取与筛选：从环境到空间子集

第二章看清了数据长什么样，这一章把它真正读进分析流程，并切出你要的研究子集。环境、读取、时间解析、空间筛选四步，每一步都有容易忽略的参数。

3.1 环境搭建与依赖

GeoPandas 依赖 shapely、pyproj、fiona 三个底层库，版本不匹配时会出现各种读文件报错，最常见的是 shapely 版本和 pyproj 版本打架。用独立 conda 环境隔离，别在 base 里反复装卸。

conda create -n typhoon python=3.10 -y conda activate typhoon pip install geopandas shapely pandas matplotlib pyproj

python=3.10是当前和主流 GIS 库兼容性较稳的版本。geopandas会自动带上shapely、pyproj、fiona等依赖，但显式再列一遍能避免 pip 解析出过老的版本。装完先跑python -c "import geopandas; print(geopandas.__version__)"确认能导入，再动数据。

注意：如果读取时报fiona相关的驱动错误，优先怀疑fiona和gdal版本冲突，重装fiona往往能解，别急着改数据。

3.2 读取与字段探查

读取之后不要立刻进入分析，先把几何类型、空几何、时间列原样打印出来。台风数据常见的问题是时间列混了多种格式，直接to_datetime会静默产生大量NaT，等分组时才发现大半数据消失。

import geopandas as gpd import pandas as pd gdf = gpd.read_file("typhoon_data/typhoon.shp", encoding="utf-8") print("几何类型:", gdf.geom_type.unique()) print("空几何数:", gdf.geometry.isna().sum()) # 先看时间列原样，别急着转 print("时间列样例:", gdf["TIME"].head(10).tolist()) gdf["dt"] = pd.to_datetime(gdf["TIME"], errors="coerce") print("解析失败行数:", gdf["dt"].isna().sum())

errors="coerce"的作用是把解析不了的值变成NaT而不是抛异常，这样你能先统计失败比例。如果失败行数占比很高，说明这一列混了多种格式，比如一部分是1950/1/1、一部分是1950-01-01 08:00，这时要先用正则或字符串切片统一成一种格式再转，而不是硬转。空几何数用来确认有没有坐标缺失的点，这些点在重建轨迹时必须剔除，否则LineString会直接报错。

字段映射这一步建议单独写一个字典，把探查到的真实列名对到语义名，后面代码统一用语义名，换一份数据只改字典不改逻辑。

col_map = { "ID": "typhoon_id", "NAME": "typhoon_name", "TIME": "raw_time", "LON": "lon", "LAT": "lat", "WIND": "wind", "PRES": "pressure", } gdf = gdf.rename(columns={k: v for k, v in col_map.items() if k in gdf.columns})

rename前先判断k in gdf.columns，避免某个字段在这份数据里不存在时报KeyError。这一步看起来琐碎，但它是后面所有代码能稳定跑的前提——不同来源的台风 shp 列名真的可能完全不同。

3.3 按年份与空间范围筛选

有了可用的时间列和几何，就可以切研究子集。按年份切用dt的.dt.year，按空间切用shapely.geometry.box构造矩形范围。注意within和intersects的区别：within要求点完全落在框内，intersects只要相交就算，边界点用within会被排除。

# 按年份筛，先复制避免 SettingWithCopyWarning gdf["year"] = gdf["dt"].dt.year recent = gdf[(gdf["year"] >= 2000) & (gdf["year"] <= 2018)].copy() # 按空间范围筛，box 参数顺序是 (minx, miny, maxx, maxy)，单位与 crs 一致 from shapely.geometry import box aoi = box(105, 5, 135, 45) # 经纬度范围，按研究区改 subset = recent[recent.within(aoi)] print("原始:", len(gdf), "按年:", len(recent), "按范围:", len(subset))

box(105, 5, 135, 45)的四个参数是经度最小值、纬度最小值、经度最大值、纬度最大值，对应研究区的西南角和东北角。如果数据是投影坐标，这个box必须换成投影坐标下的范围，否则筛选结果为空或错位。打印三步的数量变化，是为了确认筛选逻辑符合预期——如果按年之后数量骤降，多半是时间解析失败，回头查dt的NaT比例。

提示：筛选后一定.copy()，否则后续给子集加列会触发 pandas 的链式赋值警告，甚至在旧版本里静默不生效。

4. 从散点到路径线：台风轨迹重建与强度分段

点表本身只能回答“某时刻台风在哪”，要回答“台风怎么走”，必须按编号分组、按时间排序、再连成线。这一章把散点变成轨迹，并按风速做强度分段，最后落一张能看的图。

4.1 按台风编号分组与时间排序

轨迹重建的前提是同一台风的所有点按时间先后排好。排序键必须同时包含编号和时间，只按时间排会把不同台风的点交错在一起，连出来的线满屏乱窜。

# 先剔除时间为空和编号为空的记录，它们无法参与分组排序 clean = gdf.dropna(subset=["dt", "typhoon_id"]).copy() # 编号统一成字符串，去掉可能的前导空格 clean["typhoon_id"] = clean["typhoon_id"].astype(str).str.strip() # 双键排序：先按台风编号，再按时间 clean = clean.sort_values(["typhoon_id", "dt"]).reset_index(drop=True) print(clean.groupby("typhoon_id").size().describe())

groupby("typhoon_id").size().describe()会给出每个台风的观测点数分布，最小值如果是 1，说明有些台风只有单点记录，这类记录连不成线，后面要单独处理。astype(str).str.strip()是为了防止编号里混入空格导致同一台风被拆成两组，这是很常见的脏数据形态。

4.2 生成LineString轨迹

分组之后对每组按时间顺序取几何点，点数大于等于 2 才能构成线。用shapely.geometry.LineString直接连，groupby.apply返回的是以编号为索引的 Series，再重新组装成 GeoDataFrame。

from shapely.geometry import LineString def to_line(group): pts = list(group.geometry) if len(pts) < 2: return None return LineString(pts) tracks = (clean.groupby("typhoon_id", group_keys=False) .apply(to_line) .dropna()) track_gdf = gpd.GeoDataFrame( {"typhoon_id": tracks.index}, geometry=tracks.values, crs=clean.crs, ) print("轨迹数:", len(track_gdf))

group_keys=False避免apply额外加一层分组键索引导致结构混乱；dropna()去掉单点台风返回的None。GeoDataFrame构造时把tracks.index作为编号列，tracks.values作为几何，crs继承原点表的坐标系——这一步别漏crs，否则后续叠加底图会错位。

注意：groupby.apply在点数很多时较慢，几万条以内没问题；如果数据量再大，改成先按编号取geometry.tolist()再循环构造LineString，性能会好一些。

4.3 强度分级与颜色映射

轨迹线有了，接下来给每个点打强度标签。台风强度按近中心最大风速分级，阈值用 m/s 是气象上的通行做法，但如果数据里的风速单位是节（kt），必须先乘 0.514 换算，否则分级全错。

def wind_grade(w): if pd.isna(w): return "未知" if w < 17.2: return "热带低压" elif w < 24.5: return "热带风暴" elif w < 32.7: return "强热带风暴" elif w < 41.5: return "台风" elif w < 51.0: return "强台风" else: return "超强台风" # 若探查发现风速是 kt，先换算：clean["wind"] = clean["wind"] * 0.514 clean["grade"] = clean["wind"].apply(wind_grade) print(clean["grade"].value_counts())

分级阈值对应热带低压、热带风暴、强热带风暴、台风、强台风、超强台风六档，是业务上常用的划分。pd.isna(w)兜住空值，避免NaN参与比较时全部落到else被误判成超强台风。value_counts()打印各档数量，如果某一档数量为 0 或异常多，回头查风速单位是否换算过。

画图时把轨迹线和强度点叠在一起，线用浅灰、点按等级着色，一眼就能看出哪段是快速增强、哪段是减弱。

import matplotlib.pyplot as plt fig, ax = plt.subplots(figsize=(10, 8)) track_gdf.plot(ax=ax, color="lightgray", linewidth=0.6) clean.plot(ax=ax, column="grade", markersize=6, legend=True, categorical=True) ax.set_title("Typhoon Tracks and Intensity") plt.tight_layout() plt.show()

categorical=True让分级按类别着色而不是连续色带，图例更可读。markersize=6在近七十年全量数据下偏大，如果点太密可以调到 2 到 3，或者先按年份筛完再画。

5. 台风shp处理避坑：五条血泪经验

这一章单独列五条实际处理中最常翻车的问题，每条按现象、原因、解决三段走。这些问题不会在第一次跑代码时全部暴露，往往在数据量放大或换一份来源后才冒出来。

5.1 中文属性乱码：问号与方块

现象：读进来的名称字段全是问号、方块或乱码，英文编号正常。 原因：DBF 的属性表编码和读取时指定的encoding不一致，.cpg文件缺失或标注错误时最明显，GBK 编码的数据用 UTF-8 读就会乱。 解决：先看解压目录有没有.cpg，有就按它标的编码读；没有就依次试encoding="gbk"和encoding="utf-8"，用gdf.head()看名称列是否正常。别用latin-1硬读，那只会把乱码变成另一种乱码。

5.2 台风编号前导零丢失

现象：编号0123读进来变成123，分组后轨迹数量对不上，或者同一台风被拆成两条。 原因：DBF 里编号是数值型字段，GeoPandas 读成整型，前导零被吃掉。 解决：读取后立刻astype(str)，需要补齐位数就str.zfill(4)。更稳的做法是在read_file后用dtype={"ID": str}显式指定，但字段名要先探查确认。

5.3 时间列跨格式导致大量NaT

现象：pd.to_datetime之后isna().sum()占比很高，分组时大量点消失。 原因：同一列混了1950/1/1、1950-01-01、1950-01-01 08:00多种写法，甚至带时区后缀。 解决：先用errors="coerce"转一轮，把NaT的行单独抽出来看原始字符串长什么样，再用字符串替换统一分隔符，最后指定format精确解析。不要指望to_datetime自动兜住所有格式。

5.4 坐标系误判导致点位偏移

现象：点画在地图上整体偏移，或者落进海里、落在错误半球。 原因：把投影坐标当经纬度用，或者数据本身是经纬度但被误当成投影坐标做了to_crs。 解决：用total_bounds看数值量级，经纬度在百位以内、投影坐标在几十万到几百万。确认是经纬度后再set_crs("EPSG:4326")补上定义，需要算距离再to_crs到 UTM。顺序不能反：先set_crs声明原始坐标系，再to_crs转换。

5.5 轨迹线乱窜：排序键不完整

现象：生成的轨迹线像一团乱麻，不同台风的点被连到一起。 原因：只按时间排序没按编号分组，或者编号字段混入空格、类型不一致导致同一台风被拆组。 解决：排序键固定为["typhoon_id", "dt"]，排序前对编号做astype(str).str.strip()清洗。生成轨迹后打印track_gdf的条数与groupby的组数对比，数量对不上就说明分组有问题。

提示：这五条里最容易被忽略的是 5.4，因为坐标系错的时候图还是能画出来，只是位置不对，不核对total_bounds很难发现。

6. 进阶验证：用时间窗口和缓冲区粗判登陆

轨迹连完之后，我一般会做两件事验证数据质量：一是看每个台风的观测时次间隔是否规整，二是用陆地范围粗判登陆点。台风最佳路径数据通常是 6 小时一个时次，个别加密到 3 小时，间隔突然变大说明该时段缺测，直接拿去算频次会低估。

# 按台风分组算相邻时次间隔（小时） clean = clean.sort_values(["typhoon_id", "dt"]) clean["gap_h"] = clean.groupby("typhoon_id")["dt"].diff().dt.total_seconds() / 3600 print(clean["gap_h"].describe()) # 间隔明显大于 6 小时的行，标记为可疑缺测 suspect = clean[clean["gap_h"] > 12] print("跨度过大的记录数:", len(suspect))

diff()在每组内做相邻时间差，total_seconds()/3600换算成小时。正常间隔应集中在 3 或 6 小时附近，describe()的max如果出现几十上百小时，说明某些台风中间断档，这些台风做强度演变分析时要单独剔除或插值。这一步不需要额外数据，纯靠时间列就能做，是性价比最高的完整性检查。

登陆粗判用陆地多边形和轨迹点做空间关系判断。手头没有陆地边界数据时，可以用一个近似的陆地矩形或已有点集做粗略过滤，有精确边界时用within或intersects判断哪些点落在陆地内，再按时间取第一个落陆点作为登陆时刻。

# 假设已有陆地边界 land_gdf（任意来源的陆地多边形） # 没有时先用一个大致的经纬度矩形近似，仅用于粗筛 from shapely.geometry import box land_approx = box(108, 18, 125, 42) # 粗略陆地范围，按需调整 landfall = clean[clean.within(land_approx)] first_land = (landfall.sort_values("dt") .groupby("typhoon_id") .first()[["dt", "geometry"]]) print("粗判登陆台风数:", len(first_land))

within(land_approx)用近似矩形只能粗筛，会把近海但未登陆的点也算进来，所以结果只适合做量级核对，不适合直接当登陆统计口径。要精确判断，换成真实海岸线或陆地多边形，并在投影坐标下做intersects，避免经纬度直接做拓扑判断时的精度问题。groupby().first()取每个台风最早落陆的那条记录，sort_values("dt")保证first取的是时间最早而非行序最早——这一点顺序反了，登陆时刻就错了。

我踩过最狠的一次，是拿一份没做时间排序的轨迹直接groupby().first()，结果登陆时刻取到了台风消散后的最后一个点，统计出来的登陆月份整体后移。从那以后，凡是涉及“首次”“最早”的聚合，我都先在分组内显式sort_values再取，不依赖原始行序。数据本身不会提醒你顺序错了，只有交叉核对才会暴露。希望这些步骤能帮你少走几段弯路。

本文还有配套的精品资源，点击获取