把合肥村界导进奥维：四县一市1,571面一包

技术专栏 · 数据产品 · 2026-10-24

省会城市里，合肥的村界包是「小而干净」的一类：1,571 个村级面、9 个区县无缺席，压缩包 10.86MB、解压 50.5MB，桌面 GIS 秒开。比体量更重要的是字段——省、市、区县、乡镇四级归属链全部填满，12 位村级码与国标前六位逐面对上，拿来做奥维底图、按县统计都不用补任何归属。这份合肥村界geojson有两个出乎意料的数据事实，本文一并拆给你。

9 个区县一张清单：小城四区，大县在外

全域预览。长丰在北、庐江在南、巢湖居东，城区四区缩在几何中心一小团：

肥东、肥西、长丰、庐江四个县加县级巢湖市，合计 1,315 个单元、占全市 83.7%——合肥的村级地皮压倒性地在县域。城区四区挤在中间只有 256 个，最少的庐阳区仅 16 个：主城早已高度城市化，行政村建制基本撤完，剩下的多是零星改居单元。做环巢湖项目直接取庐江加巢湖两市域单元（435 个面），沿岸村界连续围合湖岸；做长丰草莓带、肥东产业新城这类县域台账，单县颗粒正好。

近半村名不带「村」字：两字裸名怎么匹配

把 1,571 个村名按后缀过一遍：以「村」结尾的 648 个，社区 87 个、居委会 60 个，剩下 776 个单元压根不带这些后缀——而且其中 646 个是光秃秃的两字老地名：张店、群治、王圩、瓦庙、关井、蔡岗、富郢、于湾。江淮之间的村落多以姓氏塘郢命名，「郢」字尤其合肥味（富郢、大郢、堰郢），村名本身就带着地理。

这对使用方式的直接影响是：按「XX村」模式筛村数会漏掉近一半单元，按村名 join 外部台账也对不上。两个办法按场景选——统计口径以 12 位村级码为键，每个面一个唯一码，2013 年后核发的码稳定不重号；名称口径先建一张「登记名对标准名」的对照表再匹配。郑州的村名也是这种老地名风格（《郑州村界geojson一次拿齐：12区县市全在列》里提过五指岭、赵庄），江淮与中原的裸名村现象在数据里是成体系的。

字段满的包怎么用：拿来即按县切

const byCounty = {};
for (const feat of feats) {
  const qx = feat.properties['区县'];   // 字段现成，属性表直接可用
  byCounty[qx] = (byCounty[qx] || 0) + 1;
}
// { 肥东县: 336, 肥西县: 276, 长丰县: 268, 庐江县: 235, 巢湖市: 200, 蜀山区: 93, 包河区: 93, 瑶海区: 54, 庐阳区: 16 }

合肥包属「拿来即用型」：区县字段填充率 100%，乡镇字段 1,570/1,571，属性表打开直接按县筛，零预处理。对比一下已经拆过的几类包——北京要按前缀归并历史码、上海要反推街坊归属、西安干脆整包无码靠空间连接——合肥这种全字段包到手就是成品。9 个区县在 QGIS 里用「区县」字段做分类填色，一张市级图十分钟出稿。

购买入口：已预选合肥市

付款后下载 合肥市_村界_WGS84.geojson.gz，坐标 WGS84（EPSG:4326），叠加国际底图与卫星影像无偏移。只要个别区县的（长丰北部的农业板块、环巢湖的庐江），「村界数据 · 按区县」按县计价更省；做全省底账则看「村界数据 · 按省」的安徽整包，与本文同批次同口径。

三步导进奥维：转 KML、收藏导入、无偏移对图

奥维不直读 GeoJSON，路径固定三步：QGIS 打开解压后的文件，按需筛出目标区县（比如只要庐江），右键图层导出为 KML；奥维交互台进「收藏管理」导入 KML，勾选收进指定文件夹；最后铺图核对——数据是 WGS84 无偏移坐标，叠加卫星影像直接对齐，不需要再做任何纠偏。按县筛过再转，KML 小几个量级，奥维加载流畅。要 SHP 同样在 QGIS 或 ArcGIS 里另存，编码勾选 UTF-8。数据到手建议先跑一遍《边界数据拓扑检查：一段脚本查出缝隙与重叠》的体检脚本，再进业务流程。

常见问题

合肥市村界数据在哪里下载？

本文页内的购买入口已预选合肥市，支付宝付款后立即出现下载链接，与「村界数据 · 按市」页是同一份商品的两个入口。gz 压缩 GeoJSON 约 10.86MB，解压约 50.5MB，链接长期有效。

包里覆盖合肥哪些区县？

9 个区县一个不缺：肥东县 336 个村级单元、肥西县 276、长丰县 268、庐江县 235、巢湖市 200、蜀山区 93、包河区 93、瑶海区 54、庐阳区 16。四县加一个县级市合计 1,315 个、占全市 83.7%，是典型的县域主导型省会。

为什么不少村名不带「村」字？做名称匹配怎么办？

合肥保留了大量两字老地名作村名：张店、群治、王圩、瓦庙、关井、蔡岗这一类，实测不带「村/社区/居委」后缀的单元有 776 个、接近一半。按名称统计村数会大幅漏算，正确姿势是拿 12 位村级码做键，或匹配前先做地名表对齐。

能导入奥维吗？SHP 怎么出？

能。奥维不直读 GeoJSON：QGIS 里按需筛选后另存 KML，再经收藏管理导入，坐标 WGS84 无偏移铺图即对；SHP 用 QGIS 或 ArcGIS 软件另存导出、编码勾选 UTF-8。包解压约 50.5MB，桌面端全量加载无压力。

做环巢湖或县域经济的分析这份数据合适吗？

合适。庐江、巢湖两市域单元合计 435 个村界沿巢湖岸线连续分布，环湖项目直接取这两个单元拼图层；长丰、肥东、肥西的县域板块各在 270 上下，承接涉农台账、产业布点颗粒正好。巢湖水面本身不属村级面，做湖域分析需另配水面数据。

只要肥东或者巢湖一个区县怎么办？

不必买整市。「村界数据 · 按区县」页各区县单独出售，肥东 336 个单元、巢湖 200 个都可单取，单价更低；做全市底图、跨区县统筹时，本文的按市整包一次拿齐更省事。

另外，如果你需要的是合肥市的可编辑矢量 PPT 模板，请到：合肥市可编辑地图PPT模板。