只有区县边界，想要地市边界？拓扑合并（dissolve）的正确做法
--- title: 只有区县边界，想要地市边界？拓扑合并（dissolve）的正确做法 ---
手里一份区县级 GeoJSON，需要的是地市级或者省级边界。按行政区划代码分组，把同一个地市下的区县面拼起来——思路没问题，麻烦出在实现上。拼不好，原本相邻的两个区县之间会留下一条头发丝粗细的缝，缩放到 z14 就看得见，做分级设色时那条缝还会漏出底图的颜色。
细缝是怎么来的
问题出在共享边。理论上甲区的东边界和乙区的西边界是同一条线，可数据经过生产、投影、导出这一路折腾，两条线上的顶点坐标很少能逐位相等，差异常常落在小数点后第七、第八位。纯几何的布尔并集看到的是两条不重合的线，中间自然留下一个极窄的多边形，也就是碎屑（sliver）。
拓扑型工具走的是另一条路：导入阶段先把被多个面共享的弧段识别出来，合并时丢掉内部弧、留下外部弧，全程不做浮点比较。mapshaper 就是这么干的。
方案一：mapshaper 的 dissolve2
先算分组字段。国标 6 位代码里前 2 位是省、前 4 位是地市，地市代码就是区县代码取前 4 位补两个零：
mapshaper -i quxian.geojson snap \
-each 'city_code = adcode.substring(0, 4) + "00"' \
-clean \
-dissolve2 city_code copy-fields=province \
-o precision=0.000001 shi.geojson导入时那个 snap 会把距离极近的顶点吸附到一起，是为后面构建拓扑铺路。-clean 清理重叠和微小缝隙，判定阈值可以用 gap-fill-area 参数调。-dissolve2 和 -dissolve 别搞混：前者做真正的几何溶解、去掉内部边界，后者只是把要素并成多部件（multipart），内部边界原封不动还在里面。输出用 precision=0.000001 控制坐标精度，六位小数对行政区划边界绰绰有余，关于量化可以看Shapefile 转 GeoJSON 的 ETL 链路那篇。
省级边界同理，前 4 位换成前 2 位、补四个零。
代码前缀有三个例外
按前缀分组这招，碰上直辖市和省直辖县级行政区就失灵了。
北京东城区代码 110101，取前 4 位补零得到 110100，这个代码指的是"市辖区"那一层，不是北京市。直辖市只有两级，想拿北京市的完整边界，按前 2 位分组。
河南济源代码 419001，前 4 位补零成 419000，对应的是"省直辖县级行政区"这个虚拟层级。湖北仙桃 429004 同理。这类代码全国范围内不多，可只要数据里有，按 4 位前缀跑完就会多出几个名字奇怪的"地市"。
所以别指望字符串截取包打天下，老老实实维护一张代码映射表。这张表跟做分级设色地图时用来 join 统计数据的那张是同一份，可以复用。
方案二：浏览器里用 turf.union
临时合并几个面，犯不上装工具链。@turf/union 从 v7 起接受 FeatureCollection 作参数，v6 是传两个 Feature：
import { union } from '@turf/union';
import { featureCollection } from '@turf/helpers';
const byCity = new Map();
for (const f of quxian.features) {
const code = f.properties.adcode.slice(0, 4) + '00';
if (!byCity.has(code)) byCity.set(code, []);
byCity.get(code).push(f);
}
const cities = [];
for (const [code, feats] of byCity) {
const merged = feats.length === 1 ? feats[0] : union(featureCollection(feats));
merged.properties = { adcode: code };
cities.push(merged);
}turf 底层是浮点布尔运算，没有拓扑信息，细缝风险高，面一多速度掉得也快。合并前最好先做一次坐标吸附。
方案三：数据已经在 PostGIS 里
SELECT left(adcode, 4) || '00' AS city_code,
ST_Multi(ST_Union(ST_MakeValid(geom))) AS geom
FROM quxian
GROUP BY 1;ST_MakeValid 不能省，自相交的输入会让 ST_Union 直接报错。结果里还有细缝的话，联合前套一层 ST_SnapToGrid 把坐标对齐到网格。
三种方案对比
| 方案 | 拓扑感知 | 上千个面的耗时 | 细缝风险 | 适合场景 |
|---|---|---|---|---|
| mapshaper -dissolve2 | 是，导入时构建共享弧 | 秒级 | 低，-clean 可兜底 | 批量离线生成各级边界 |
| @turf/union | 否，纯几何布尔运算 | 分钟级，随面数增长 | 高，需先吸附坐标 | 浏览器内临时合并少量面 |
| PostGIS ST_Union | 否，但可配 ST_SnapToGrid | 秒到分钟 | 中 | 数据已入库，要与其他 SQL 拼接 |
顺序上的两个坑
先合并，后抽稀。反过来做，相邻面的共享边会被简化成不同形状，缝隙等于自己造出来的。Douglas-Peucker 抽稀放在拿到各级边界之后，每一级单独跑一遍。
合并前确认坐标系一致。WGS84 的区县面和 GCJ-02 的区县面混着做 dissolve，出来只能是一团乱麻。dissolve 完还建议检查环的绕向，外环逆时针、内环顺时针，这是 RFC 7946 规范的要求，有些工具合并后并不会自动纠正。
全国省、市、区县三级边界可以在 GeoJSON 中国按层级浏览下载，属性带 name 和 adcode 字段，上卷这一步能省则省。真正需要自己动手的是自定义分组的场景，比如按经济区、都市圈重新划片，那时候上面这套 dissolve 流程还是最省事的。