企业官网建设流程全解析

去年接了个选址分析的活儿，一个做连锁餐饮的朋友丢给我几千个竞争对手门店的坐标点，让我帮忙看看哪些片区竞争已经白热化、哪些地方看着点不多但人流潜力不错。我当时的第一反应是画核密度图，但真正上手之后才发现，QGIS里的核密度分析（Kernel Density Estimation, KDE）远不是点点鼠标出张色斑图那么简单。参数怎么设、坐标系用什么、结果怎么读，每一环都有讲究，而且每一环都决定着你最终拿到的图是能支撑决策的，还是只能发朋友圈当个装饰。

这篇文章我就把自己在QGIS里做核密度分析的全过程、参数选择的逻辑、结果解读的方法，以及踩过的一些坑，完整地梳理一遍。无论你是刚接触QGIS的新手，还是已经用过一段时间但不太确定参数怎么调的进阶用户，应该都能从中找到能直接落地的内容。

1. 为什么是核密度分析：离散点与连续密度之间的距离

1.1 离散点数据的困惑："密度"到底怎么算

手里有点数据，最直接的需求往往是：哪些区域点最多？最简单的做法是把研究区划分成网格，数每个网格里的点数，然后做一张分级着色图。这个方法不是不行，但问题也明显——网格的大小直接决定结果长相，网格大了全是一片色，网格小了又切得七零八落，而且网格之间的数值是跳变的，明明相邻的两个格子，可能一个算出来是峰值，另一个就是零。这种不连续性，在汇报给决策者看的时候，往往很难解释。

核密度分析解决的就是这个问题。它不再把空间切成一格一格的"投票箱"，而是假设每个点都向周围施加一个"影响场"，距离越近影响越大，距离越远影响越小，然后把这些影响场叠加起来，生成一个连续的密度表面（density surface）。在这个表面上，每一个位置都有一个估计密度值，不再有"某个格子里恰好没有点所以就是0"的尴尬情况。

1.2 从点集到表面的数学直觉

核密度估计的数学公式看起来不复杂，但如果只看公式，很难建立起直观感受。我自己习惯用一个比喻来理解：把每个点想象成往水面滴入的一滴墨水，墨滴会向四周扩散，靠近圆心的地方颜色深，越往外颜色越淡。如果多个墨滴落在一起，颜色就会叠加变深。最后你看到的水面就是一张"连续的颜色梯度图"，深色处就是点最密集的区域。

实现这个"墨滴扩散"的数学函数，就是核函数（Kernel）。QGIS里默认用的是Quartic核（四次核），可以直接理解成一个扣过来的"碗"形：中心是1，往四周逐渐衰减到0，到了带宽（Bandwidth/Radius）边缘正好归零。除此之外还有高斯核，它不会在带宽边缘突然截断，而是有一条长长的尾巴，衰减更平滑。实际选择上，Quartic因为计算量小、效果稳定，是很多软件默认的选项。我做了很多次实验之后的感觉是：核函数的选择对最终结果的影响，远小于带宽选择的影响。所以在QGIS里，通常保持默认的Quartic就够用了，更多精力应该放在调带宽上。

1.3 三个关键参数：带宽、像元大小、权重

QGIS原生工具Heatmap (Kernel Density Estimation)里有几个核心参数，搞懂它们是整个分析的关键：

• 带宽（Radius）：决定每个点的影响范围，也就是墨滴能扩散多远。这是最核心的参数，选错了结果天差地别。
• 像元大小（Pixel size）：决定输出栅格的分辨率，类似于照片的清晰度。它不影响密度的空间形态，主要影响输出细腻度和计算速度。
• 权重字段（Weight field）：如果点数据还附带数值属性，比如门店营业额、病例数、事故数量，可以把这个字段作为权重，让"大值点"在空间上施加更大影响。

2. 动手前必须解决的三个问题：坐标系、数据质量、底图

2.1 坐标系：经纬度坐标无法直接算带宽

这是新手最容易忽略、也是最致命的一步。QGIS的核密度工具在计算时，完全基于图层的坐标数值来判断"距离"。如果你的数据是WGS84经纬度坐标，坐标系是EPSG:4326，那么半径参数的单位是"度"，而不是"米"。一个纬度大约对应111公里，但一个经度在赤道附近也约等于111公里，到高纬度地区就只有几十公里了。你如果直接拿经纬度数据去跑核密度，所谓的"500米半径"实际上会变成一个奇怪的"500度"范围，结果自然完全不对，形态还会在经度和纬度方向上有严重变形。

正确做法是，在分析之前把图层投影到合适的投影坐标系。中国地区通常可以选择UTM分区投影（比如CGCS2000 / UTM zone 49N、50N、51N），或者使用高斯-克吕格投影的地方坐标系。判断标准很简单：看图层属性里的CRS，只要单位是"米"而不是"度"，基本就可以用了。

在QGIS里做投影转换并不复杂：

1. 右键点图层，选择"导出"（Export）→"要素另存为"（Save Features As...）。
2. 在"CRS"栏，选择一个合适的投影坐标系。
3. 导出一个新文件，后续分析用新文件，不要在原图层上操作。

2.2 点数据清洗：重复点和离群点怎么处理

拿到手里几千个点，别急着跑分析，先做一次简单的数据体检。我用QGIS最常用的几个操作为：

• 重复点排查：多个记录可能共用同一个坐标（比如同一栋楼里的多个报告），这些重复点会在核密度分析中被当成多个独立点，形成局部"假热点"。排查方式可以用"处理工具箱"（Processing Toolbox）里的"点在多边形内计数"之类工具，也可以直接打开属性表排序，看有没有坐标完全一样的记录。
• 范围检查：把点图层叠加到行政边界或底图上，用肉眼检查有没有坐标飘到海里去、跑到城市范围外很远的异常点。离群点不多可以手工删掉，多了就要回到数据源头确认采集是否有问题。
• 点数量的合理性：核密度估计在点非常少的情况下（比如只有几十个点）其实很不可靠。我的经验是，少于100个点，画出来的结果更像"插值"，而不是"密度"，解读时要格外谨慎。

2.3 底图叠加：让结果有地理上下文

核密度分析的结果本质上是一张栅格色斑图，如果没有地理底图参照，看不出来哪里是哪里。QGIS加载底图最简单的方式是通过"XYZ Tiles"添加公开的在线底图：

• 在左侧图层面板里，找到"XYZ Tiles"，右键选择"新建连接"。
• 输入一个名称和服务地址（比如OpenStreetMap的标准瓦片服务）。
• 添加完成后，把该图层拖到最底部作为底图。

国内用户如果访问国际底图服务速度不理想，也可以考虑加载天地图等公开底图服务。注意在正式汇报或公开发布时，按要求注明底图来源即可。

3. 在QGIS里跑一遍核密度：完整操作路径

3.1 找到工具与理解命名

QGIS的核密度分析工具在"处理工具箱"（Processing Toolbox）里，搜索Heatmap就能看到。不同版本里工具命名可能略有不同，大多数版本里显示为"Heatmap (Kernel Density Estimation)"，中文界面里通常叫"热力图（核密度估计）"。

第一次用的时候，很多人会把它跟另一个工具混淆——在栅格分析（Raster Analysis）里有一个叫"栅格计算器"的，那是做格网统计的，不是核密度。看准工具名字里有Kernel Density Estimation字样，就是它。

3.2 参数面板逐项解读

双击这个工具，打开的对话框里需要设置的内容如下：

• 输入点图层（Input point layer）：选择你已经投影好的点图层。
• 半径（Radius）：这就是带宽，单位是当前图层坐标系的单位（既然我们已经做了投影，单位就是米）。默认值是"图层范围宽度的十分之一"，但这个默认值通常不适合直接使用。具体怎么选，下一节详细说。
• 像元大小（Pixel size）：默认值是输入图层范围除以某个值，通常够用。如果要更快出结果，可以适当调大（比如从10改成50），先看效果趋势；最终成图再调小。
• 核函数（Kernel shape）：默认Quartic，保持默认即可。
• 权重字段（Weight field）：如果有合适的数量字段，选上；没有就留空。
• 输出栅格（Output raster）：这里一定要选择保存路径，建议用GeoTIFF格式，不要选"临时文件"——因为后面还要反复加载、调样式、裁剪，保存成正式文件更稳妥。

3.3 运行与产物说明

点击"运行"后，QGIS会自动把生成的结果加入图层。这一步通常很快，几千个点、一个合理像元大小，几秒到十几秒就能跑完。

输出的是一个单波段栅格，每个像元的值代表该位置的核密度估计值。这个值本身不是"点的个数"，而是一个经过核函数加权后的密度度量，可近似理解为"单位面积上的点密度强度"，但和单纯的"每平方公里的点数"并不完全相等，因为它还包含了核函数平滑的影响。这一点在结果解读时要清楚。

4. 带宽和像元大小不是拍脑袋，而是业务尺度的映射

4.1 带宽选择的三条实战原则

带宽是整个分析里最核心的参数。初学的时候，我习惯套用一些理论公式（比如Silverman提出的经验法则），后来发现，在真正的业务分析里，带宽应该首先服从"业务尺度"，然后才是统计优化。

举个实际的例子：分析一个城市里餐饮门店的竞争格局，半径选500米和选3公里，得到的完全是两回事。500米半径时，热点只集中在商圈的几个核心位置；3公里半径时，整个天际线都被抹平了，密度高的片区都连成片。到底哪个对？取决于你要回答的问题——是想找一个"步行可达范围内的局部竞争强度"，还是"以3公里辐射圈为单位的区域热度"。前者500米合理，后者3公里更合适。

我现在的习惯是遵循三个原则：

• 原则一：业务尺度优先。先问决策者要回答什么尺度的问题，再倒推带宽。做社区商业选址，带宽通常在300-800米；做区域宏观经济分析，带宽可能要到5公里以上。
• 原则二：多跑几组做比较。不要只跑一个半径就下结论。我会依次跑0.5倍、1.5倍、3倍于预估值的结果，放在一起对比。密度结果的相对分布形态如果稳定，说明结果可靠；如果变化剧烈，说明数据本身或者带宽选择还需要谨慎。
• 原则三：参考点的分布密度。如果平均点间距是500米，带宽设成200米显然是过小了，表面会充满"坑"；如果平均点间距是500米，带宽设成3公里，表面又会过度平滑。一个粗略参考是带宽至少是平均点间距的3倍以上，但不能超过研究区尺度的1/5。这个经验值来自我多次对比实验的体会，不是统计教科书公式，但实用性强。

4.2 像元大小的取舍

像元大小对密度形态影响不大，主要影响细腻度和计算速度。但有一些经验可以分享：

• 像元大小不要比带宽小太多。如果带宽是800米，像元设成5米，输出栅格会非常精细，但相邻像元之间的密度值高度相关，这些精细感全是"假细节"，而且文件体积暴大、渲染变慢。
• 一个比较合理的经验是：像元大小为带宽的1/30到1/20。带宽800米时，像元大小30-40米左右，效果通常就不错了。
• 如果只是快速探索，可以把像元设大一些，比如100米甚至200米，先把整个工作流跑顺，最后确定所有参数后再用最终像元大小出图。

4.3 权重字段的合理使用

在实际业务中，点往往不是"一对一"的，而是带数量的。比如交通事故数据里，每个点代表一个事故位置，但同一个路口可能有多次事故记录。这种情况下有两个处理思路：

• 思路一：先做"点聚合"，把同一位置的多条记录合并成一条，用一个数量字段表示次数，再在核密度分析里选择这个字段作为权重。
• 思路二：保留每条记录，直接用"计数"型核密度。

两个思路的结果形态大体一致，但细节有差异。思路一会让权重大的位置在空间上突出得更加明显，思路二则可能因为多次重复出现在同一精确坐标而导致局部"尖峰"。我个人的偏好是思路一，因为更可控一些，也便于未来做敏感性验证。用QGIS实现点聚合的方式是"处理工具箱"里的"按位置连接属性"或直接使用"统计"工具，将重复坐标的记录按位置汇总、生成唯一标识字段。

5. 结果可视化：让密度表面变成能直接汇报的图

5.1 栅格样式调整

刚跑出来的核密度栅格在QGIS里默认是灰白色的，完全看不出信息量。需要手动调整样式：

1. 右键图层，选择"属性"（Properties）→"符号系统"（Symbology）。
2. 渲染类型选择"单波段伪彩色"（Singleband pseudocolor）。
3. 配色方案选择"YlOrRd"（从黄色到橙红再到深红）这类渐变色。这种配色在汇报场景里最容易让人一眼抓住高密度区。
4. 在"颜色渐变"（Interpolation）选项里，选择"线性"（Linear），通常就够用。
5. 模式（Mode）建议选"分位数"（Quantile），让颜色分布更平均；如果你关心的是绝对高值区域，可以用"等间距"（Equal Interval）。
6. 对最小值的处理：在"最小/最大"设置里，可以把最小显示值稍微抬高一点，把低密度区设为透明，避免色斑盖满整张图。

5.2 用裁剪把热点限定在研究区内

核密度分析的边缘效应是一个绕不开的问题——靠近图层边界的地方，因为边界外的点不存在，估计值会偏低，形成一圈"密度塌陷"。这是因为核密度估计本质上是在每个位置统计周围窗口内的点，但到了研究区边缘，窗口有一部分落在研究区外，自然算不出密度来。

一个常用的处理是：用研究区的面图层（比如行政区边界）去裁剪密度栅格，把研究区以外的像素去掉。在QGIS里用"处理工具箱"里的"裁剪栅格"（Clip raster by mask layer）工具，掩膜图层选择边界面文件即可。这样不仅消除了边界外的视觉干扰，也让成品图更规范。

另一个我常用的进阶操作是：把栅格按照行政区统计平均密度，然后用"多边形密度图"的形式展示——把连续性降维成报告里更便于解释的结论。但需要注意，这个操作会丢掉空间细节，一般只作为补充材料。

5.3 输出与打印

最终汇报时，我通常会借助QGIS的"布局管理器"（Print Layout）出图：

• 在布局里添加地图项，选择当前视图范围或指定范围。
• 添加"图例"将核密度的颜色梯度图例放进去。
• 添加指北针、比例尺、标题和数据来源说明。
• 导出为PNG或PDF。

有一个小提醒：如果导出PNG，分辨率至少设置300dpi，否则在PPT里拉伸会糊。另外，图例里默认会显示各种完整数值段，可以把颜色条上的数值改成业务语义更强的描述，比如"高密度区、中密度区、低密度区"，或者标注具体的驱动因素。

6. 实战中反复踩过的坑：从参数到解释的边界

6.1 坐标系错误带来的"蝴蝶形"结果

我在一次分析路网事故数据时，拿到手的是经纬度数据，图省事没做投影，直接设了一个估计的米制半径跑核密度。结果密度图在经度方向拉得特别长，形态像一只压扁的蝴蝶。刚开始我还以为是数据本身的问题，排查了很久才发现是坐标系的问题——带宽参数给的数值被当成"度"来用，自然就全错了。

这个错误最坑的地方在于：它不会报错，也不会有红黄警告。你在图层面板的CRS信息里看到的依然显示是WGS84，但跑出来的单位却是完全混乱的。所以我的建议是：拿到任何点数据，第一步就确认CRS，确认不是米制单位就直接做投影转换。这个习惯已经刻进我的工作流里了。

6.2 重复点与"假热点"

还有一种非常常见的坑：数据里大量重复的坐标。我遇到过一批外卖商户的数据，同一个商场里几十个商户，他们的坐标因为采集原因都指向商场的同一中心点。跑核密度后，那个商场就成了一个异常突出的红色尖峰，看着像"竞争极端的中心"，实际上是数据重复造成的假象。

处理方式前面提过，比较有效的方案是先用"按位置汇总"把重复点聚合，或者给每个点加一个小的随机偏移（注意不能改变分布趋势），也可以直接用权重字段方案。但更保险的做法是：在结果解读阶段，把假热点区域切出来，叠加上矢量点看看是否存在大量重复，做好标注，而不是直接照着结果做业务决策。

6.3 结果解释的边界：密度高不等于"应该选址"

这是我想强调的最后一个点，也是很多人容易犯的认知错误。核密度分析描述的是"现有事件的分布强度"，它回答的问题只是"哪里密度高"。至于这个密度背后意味着什么——是竞争激烈、是基础设施完善、还是一块蓝海市场——必须要结合业务背景来判断。

比如一个分析外卖门店热力图的场景里，高密度区可能意味着两个完全相反的结论：

• 如果高密度区代表"竞争者扎堆"，那是一个需要规避的红海；
• 但高密度区同时也可能代表"这一个片区的外卖需求确实旺盛，基础设施成熟"，那么新店挤进去也能分到一杯羹。

最近的一次帮朋友做选址时，我最终给的建议就没有选择密度最高的商业中心，而是选在了两个热点中间一个中等密度、但周边住宅覆盖良好的位置。那个位置恰好是"邻居"密度中等、需求韧性较好的过渡带。这说明了同一个密度结果，叠加不同的业务假设，可以得出完全不同的决策。

核密度分析不会替你回答"该怎么办"，它只把空间分布呈现给你。关键决策还是要结合道路网络、消费人群画像、租金水平等其他维度才能站得住脚。

6.4 性能与批处理技巧

当点数量非常大（十几万甚至上百万）时，QGIS原生工具的核密度计算速度会明显下降。我的经验是两个办法：

• 方法一：在探索阶段，先把点图层按照空间随机抽稀到20%-30%，快速调好参数，再用全量数据出最终图。
• 方法二：使用QGIS的图形化建模器（Graphical Model Builder），把投影转换、核密度、裁剪、样式调整串成一个模型，以后数据更新了，直接一键重跑，不用每次手动重复点鼠标。

我第一次做这个流程时，参数反复改了七八次，每次都要重复投影、跑密度、裁剪、调色、导出。把这些步骤录成一个模型之后，后续换一批数据只要重新运行，几分钟就出完整成果了。这点在项目交付阶段尤其省时间。

最后再分享一个操作习惯：任何核密度分析项目，我都会同时保存一份"参数说明文档"，把用的坐标系、带宽值、像元大小、核函数类型、数据来源记录下来。这不仅是溯源需要，也是下次数据更新后保持同口径重跑的前提——否则换了个人、换了台电脑，参数对不上，结果就没法比较了。这个文档写完，通常项目都还没结束，等回头复盘时就发现，它比那次分析本身还有用。