同一块地存成 Polygon 还是 MultiPolygon：全国区县边界几何类型实测

发布于 2026-09-28 · GeoJSONcn 技术团队 · 阅读约 13 分钟

打开一份区县文件，随手挑一个街道，看 geometry 那行——有的写着 Polygon，有的写着 MultiPolygon。同样是面，为什么要分两种写法？写解析代码的人要判断两遍，做面积统计的人担心口径不一致，做样式的人又怕规则只命中一半。

三级目录的几何类型分布完全不同

先给一组实测数字。扫描本站 mapjson/ 下三级目录（省 34 个文件、市 376 个、区县 2934 个）：

规律很清楚：省、市两级清一色 MultiPolygon，34 个省级文件与 376 个市级文件里，没有一个要素写成 Polygon。区县一级正好倒过来，近八成写成 Polygon，MultiPolygon 只有 8790 个。

成因跟数据质量无关，是制图时的处理习惯。沿海省份的轮廓必然带上成片岛屿，一个省拆出几十上百个部件是常态，写 MultiPolygon 最顺手；制作者索性把整级统一成 MultiPolygon，连主体连片的省份也照写。区县一级的来源则杂得多，落到街道、镇这类小单元，多是一整块面，随手存成 Polygon 就交差了。

部件数才是更要紧的指标

Polygon 和 MultiPolygon 的区别只有一个：这个要素是不是被拆成了两组以上的环。GeoJSON 规范里，Polygon 的 coordinates 是"环的数组"，MultiPolygon 是"环数组的数组"。一个只有外环、没有内环的要素，用 Polygon 存是 [[[x,y],...]]，用 MultiPolygon 存是 [[[[x,y],...]]]——多一层方括号，表达的是同一块地。

所以真正影响处理的不是类型名，是部件数。同样扫一遍，单要素部件数最多的一批：

这些名字集中在西部地广人稀的地区，一个乡的辖区被大片无人区、山地切成上百个不相连的碎块。换个角度看，93.2% 的区县要素只占一个部件，处理它们跟简单多边形毫无二致。

内环（洞）的情况稀薄得多：区县全库 42282 个要素中，带内环的只有 687 个，占 1.6%；省、市两级分别只有 47 个和 135 个，三级合计 869 个要素、12005 个内环。内环面积通常也极小，占外环面积的中位数只有万分之零点三。但有 157 个要素的洞超过外环的 1%，极端的如鄂温克族自治旗得力其尔鄂温克民族乡，洞吃到外环的 38.54%。洞少见，却足以让个别单元的面积口径出现百分之几十的偏差。

一段能同时吃两种类型的读取代码

下面这段代码把"类型名"和"部件数、环数"一次读出来，不依赖具体是 Polygon 还是 MultiPolygon：

def iter_parts(geom):
    """统一产出 (外环, [内环...])，Polygon / MultiPolygon 通吃。"""
    t = geom.get("type")
    if t == "Polygon":
        polys = [geom.get("coordinates") or []]
    elif t == "MultiPolygon":
        polys = geom.get("coordinates") or []
    else:
        return
    for poly in polys:
        if not poly:
            continue
        yield poly[0], poly[1:]          # 首环是外环，其余按顺序都是内环

def ring_area(ring):
    """平面鞋带公式，返回绝对值（适用于按投影坐标存放的数据）。"""
    s = 0.0
    for i in range(len(ring) - 1):
        x1, y1 = ring[i][0], ring[i][1]
        x2, y2 = ring[i + 1][0], ring[i + 1][1]
        s += x1 * y2 - x2 * y1
    return abs(s) / 2.0

def area_of(geom):
    """外环面积减内环面积，得到真正落地的范围。"""
    total = 0.0
    for outer, holes in iter_parts(geom):
        total += ring_area(outer)
        for h in holes:
            total -= ring_area(h)
    return total

iter_parts 是关键：调用方只需要"外环 + 内环列表"，不需要知道原始类型。这样写还有个好处——部件的先后顺序在文件里通常按面积从大到小排（全库 54096 个部件中，只有 1 个例外），所以取 next(iter_parts(g)) 就能拿到主块，不必先算全部面积再排序。

四个容易踩的隐含假设

第一，环的方向不统一，别用它判内外。 有些规范约定外环逆时针、内环顺时针，靠方向就能区分。但这份数据里外环逆时针 36402 个、顺时针 17694 个，两种都有；内环同样混着两个方向。可靠的做法是认"数组里第一个环是外环"这个位置约定，不要拿有符号面积的正负去判。

第二，别假设同一文件内类型统一。 2934 个区县文件里有 1346 个同时混着 Polygon 和 MultiPolygon，占 45.9%。解析器如果写成"先判文件级类型再分支"，接近一半文件会读错。

第三，别拿类型名做数据来源的指纹。 同一个名称在不同县下的几何类型可能完全相反：双河镇、青山乡、红旗镇、新城街道 这类高频名，在区县目录里凑出 2016 个"同名但类型不同"的组合。这既不是数据问题，也不能当匹配依据。

第四，内环不能当噪声删掉。 前面那 687 个带洞要素，多数洞面积小到千分之一以下，但碰上鄂温克族自治旗那种占三分之一的，删掉洞等于凭空多算一大块地。稳妥做法是按比例设阈值，只在洞小于外环面积某个千分比时才考虑忽略，并且把命中的要素打印出来人工过一遍。

落到流程里的位置

动手做统计之前，先花几十行脚本跑一份几何画像：要素数、类型分布、单部件占比、最大部件数、带洞要素数、洞面积占比中位数。六个数字出来，下游要不要做特殊处理就有了依据。全国省市区县区划边界数据下载 拿到的若是区县目录，按上表重点看 区县/ 那三列；对 全国村级geojson数据下载 得到的村面数据，单部件占比会再低一些——村界更碎，但单个村被切成一两百块的情形也会同步出现。省市两级则不必费心，无论哪一版数据，一律按 MultiPolygon 解析即可，省掉一次类型分支。

这批几何如果只用于展示、不涉及面积与拓扑运算：这份地图 PPT 模板选购页 里的行政单元在制作时已经把几何写法统一过，拆散的小块也做了归并，预览免费、单份 ¥4.99。要跑统计或判断空间关系的，还是照上面的画像流程自己走一遍更稳。

回到开头：Polygon 还是 MultiPolygon，对下游并不重要，重要的是别假设它统一。用一个迭代器把两种形状归到同一出口，其余判断交给部件数与环数。任何一份从 GeoJSON下载 得到的行政区划数据，都能套用同一套读取逻辑，不必因为来源不同就改代码。