Shape文件双热力图叠加分析：提取仅蓝色热力图覆盖区域

核心思路（规避图像化精度损失） #

直接对Shape文件的矢量热力图层执行空间运算，借助GIS空间分析中的「差集（Difference）」操作，精准提取热力图a（蓝色内部数据）中不与热力图b（红色外部数据）重叠的区域，全程保留矢量数据的原生精度，不会出现尺度丢失问题。

批量实现步骤 #

1. 依赖库安装 #

使用geopandas处理Shape文件，shapely完成空间运算，先执行安装命令：

pip install geopandas shapely

2. 批量处理代码示例 #

假设你的Shape文件集中存放于shape_files目录，命名规则为heatmap_a_xxx.shp、heatmap_b_xxx.shp，批量处理代码如下：

import geopandas as gpd
import os

# 定义输入输出目录
input_dir = "shape_files"
output_dir = "only_blue_results"
os.makedirs(output_dir, exist_ok=True)

# 遍历并配对处理文件
for file_name in os.listdir(input_dir):
    if file_name.startswith("heatmap_a_") and file_name.endswith(".shp"):
        # 匹配对应的热力图b文件
        a_shp_path = os.path.join(input_dir, file_name)
        b_shp_name = file_name.replace("heatmap_a_", "heatmap_b_")
        b_shp_path = os.path.join(input_dir, b_shp_name)
        
        if not os.path.exists(b_shp_path):
            print(f"未找到对应b文件{b_shp_name}，跳过当前a文件")
            continue
        
        # 读取矢量数据
        gdf_a = gpd.read_file(a_shp_path)
        gdf_b = gpd.read_file(b_shp_path)
        
        # 统一坐标系（空间运算的必要前提）
        if gdf_a.crs != gdf_b.crs:
            gdf_b = gdf_b.to_crs(gdf_a.crs)
        
        # 执行差集运算，提取仅a覆盖的区域
        gdf_result = gpd.overlay(gdf_a, gdf_b, how="difference")
        
        # 保存结果文件
        result_file_name = f"only_blue_{file_name}"
        result_file_path = os.path.join(output_dir, result_file_name)
        gdf_result.to_file(result_file_path)
        print(f"处理完成：{result_file_name}")

关键注意事项 #

• 坐标系统一：两个热力图层必须使用相同的坐标系（如WGS84、UTM），否则空间运算会报错，代码已自动处理坐标系转换。
• 图层类型匹配：确保热力图a和b为同类型矢量图层（如均为面图层），若原始是点/线格式的热力数据，需先通过核密度分析转为面图层后再执行运算。
• 大文件优化：若Shape文件体积较大，可通过gdf.simplify()简化矢量要素顶点数，或采用分片处理方式提升运算效率。

内容的提问来源于stack exchange，提问作者lagnaoui jihane