如何用Geopandas计算国家多边形面积？求最优投影选择

我使用geopandas示例数据进行测试，代码如下：

import geopandas as gpd

df = gpd.read_file(gpd.datasets.get_path("naturalearth_lowres"))

我的真实数据集仅包含EPSG:4326坐标系下的多边形类型几何数据，需求是计算每个国家多边形的平方公里面积。

作为geopandas新手，我尝试了两种方法：

方法一 #

ndf=df
ndf.to_crs("epsg:32633")
ndf["area"] = ndf['geometry'].area/ 10**6
ndf.head(2)

但计算结果不符合预期。

方法二 #

df_2= df.to_crs({'proj':'cea'})
df_2["area"] = df_2['geometry'].area/ 10**6
df_2.head(2)

结果有所改善，但与实际查询到的国家面积仍有偏差。

现咨询两个问题：

1. 上述计算方法是否正确？
2. 如何选择最优投影类型？

1. 计算方法的正确性分析 #

方法一的问题 #

ndf=df只是创建了原DataFrame的引用，而非独立副本；且ndf.to_crs("epsg:32633")默认不会修改原对象，你也没有将转换后的结果重新赋值给ndf，所以实际计算面积时用的还是原数据的EPSG:4326地理坐标系。EPSG:4326用经纬度计算的面积单位是平方度，直接除以10^6无法得到平方公里，这是结果不符合预期的核心原因。

正确写法应为：

ndf = df.copy()
ndf = ndf.to_crs("epsg:32633")  # 必须接收投影转换后的结果
ndf["area"] = ndf['geometry'].area / 10**6

方法二的合理性 #

方法二的逻辑是正确的：先转换至等面积投影（CEA为圆柱等面积投影），再计算面积并转换为平方公里。结果存在偏差是因为CEA作为全球通用等面积投影，在高纬度区域的面积精度会下降，且没有任何一种投影能让全球所有区域的面积计算完全精准。

2. 最优投影类型的选择原则 #

选择投影的核心是匹配数据的空间范围，优先选用针对目标区域的区域等面积投影：

• 全球范围数据：优先选择圆柱等面积投影（如CEA、EPSG:6933）或摩尔威特投影（EPSG:54009），这类投影能控制全球整体面积误差，但高纬度区域仍会存在偏差。
• 单一大洲/国家数据：选用对应区域的专用等面积投影，例如计算中国面积可使用Albers等面积投影（EPSG:102003），计算欧洲面积用EPSG:3035（ETRS89 / LAEA Europe），这类投影在目标区域内的面积精度远高于全球通用投影。
• 通用/不确定范围场景：可直接使用椭球面积计算，无需转换投影。Geopandas 0.10+版本中，地理坐标系（EPSG:4326）下的geometry.area会自动基于WGS84椭球计算面积，单位为平方米，直接转换为平方公里即可：

df["area_km2"] = df['geometry'].area / 10**6

这种方式避免了投影转换带来的区域偏差，精度依赖于标准椭球参数，适合全球范围的面积计算。

另外需注意：如果使用的是低分辨率数据集（如naturalearth_lowres），数据本身的多边形边界与真实边界存在误差，这也会导致计算结果与实际面积有偏差。

内容的提问来源于stack exchange，提问作者Rebecca James