上月初，一个在咨询公司做人口测算的朋友找我诉苦：他们接了一个县域教育资源配置优化项目，手头有一份100米分辨率的年龄分组人口栅格数据，范围虽然只是一个县，叠加起来看人口分布、热力成像都非常清晰。可客户要的是一份“每个行政村分年龄段人数”的Excel表，项目组负责GIS的同学折腾了两天，导出来的表要么行数超限，要么坐标值对不上，最后只能手工筛选复制，项目差点延误。这个话题其实不少人都会遇到：栅格数据本质上是“一张连续的统计分布图”，而业务部门最终要的是“一行一行的明细数据”。结合2015–2030年我国100米分辨率按年龄与性别分组的人口栅格数据，这篇文章把栅格数据的底层逻辑、动手前的检查、ArcMap转Excel的完整实操、全国级数据导出时最容易踩的行数坑一次说清楚，既适合刚接触栅格数据的新手，也能给常年处理GIS数据的老手提个醒。

1. 破解像素神话：100米分辨率与年龄性别分组到底意味着什么

1.1 一个像元等于一个足球场：100米分辨率的分寸感

100米分辨率，通俗讲就是每个栅格像元在地面上代表100米乘100米，即1万平方米，大约相当于1.4个标准足球场。全国面积折合成这种像元，规模在9.6亿个左右。这个颗粒度和我们平时熟悉的行政区划统计完全不是一回事。传统的人口统计往往精确到县、甚至到乡镇就算很细了，而100米分辨率的人口栅格可以落到具体街区、自然村落、大型居住区。

这个精度的核心价值在于“空间细节的保留”。举个例子，同一个县内，县城中心、城乡接合部和偏远乡镇的人口密度可能差一个数量级。如果只用县级平均人口做资源配置，误差可能很大；如果有了100米栅格，就可以精确到“哪个片区人口密度高、哪个片区老年人口集中”。对学校布局、医院选址、公交线路规划这类强空间属性的决策来说，这种细节是决定性的。

但也提醒一句：精度高不代表每个像素的值都是准确观测值。这类长时间序列的人口栅格数据，通常是多源数据融合的产物，原始依据是人口普查、统计年鉴、土地利用、夜间灯光、POI、路网密度等，再通过模型降尺度到100米网格。因此，它更适合做空间格局和相对分布的判断，而不是对单个人口像元做绝对抠数字。

1.2 从“总人口”到“结构人口”的跃迁

过去常见的WorldPop、LandScan这类人口栅格，大多数只给总人口，最多再拆一个年龄结构。而按年龄与性别分组的人口栅格，等于在空间维度之外增加了“结构维度”，能做的事一下子丰富起来。

• 教育设施规划：统计每个社区6–14岁儿童总量，判断学校周边学位供需是否平衡；
• 养老设施布局：圈出65岁及以上老年人口高度聚集的片区，结合医疗资源做选址；
• 妇幼健康服务：测算育龄女性人口分布，优化产检、接种等服务网点；
• 商业与保险定价：结合不同年龄段分布，评估门店辐射范围内购买力结构。

这类数据在文件组织上也很有规律。常见做法是一个年龄段一个文件或一个波段，命名类似于pop_2020_m_0_4.tif表示2020年男性0–4岁，pop_2020_f_65_69.tif表示女性65–69岁。遇到2015–2030年逐年数据时，文件数量可能达到几十甚至上百个，管理这些文件本身也是一项基本功。

1.3 2015–2030年：历史回推与情景预测叠加的时间维度

这个时间跨度很有意思，不能简单理解成“十几年的人口数都有”。2015到最近年份一般属于历史回推段，是基于历年统计年鉴和普查数据插补、校准得到的；越靠后的年份，越接近模型预测，通常要引入生育率假设、迁移假设、城镇化情景等。

时间维度的用处主要体现在趋势分析上：

• 研判人口重心迁移。把2015年、2020年、2025年、2030年各期栅格按区域汇总，可以算出人口重心坐标的移动轨迹；
• 预测老龄化趋势的空间分布。如果2015年65岁以上人口集中在某一片区，到2030年还是不是同一片区，直接决定养老设施规划的时序和位置；
• 设施供需缺口测算。比如用2027年的预测栅格去对照现有学校容量，找出“将来哪里会缺学位”。

有一点必须牢记：预测部分只是情景推演，不是既成事实。和所有预测类产品一样，时间越靠后，不确定性越大。做决策建议用“低方案、中方案、高方案”多情景对照，不要只盯着一套数。

2. 动手前的栅格体检：坐标系、NoData与值域三项必查

2.1 坐标系不一致，后面积算全废

很多人在ArcMap里拿到栅格直接加载，看到图能显示就开始做转Excel，结果导出后发现坐标值不对、面积无法计算、和行政区边界叠不上。十有八九是坐标系的问题。

栅格数据的坐标系分两类：地理坐标系和投影坐标系。地理坐标系常见的是WGS84、CGCS2000，单位是度；投影坐标系常见的是Albers等积圆锥投影、UTM等，单位是米。如果你的栅格是地理坐标系，像元大小显示的是“度”，比如0.001度，那么在赤道附近约等于111米，到了高纬度地区实际地面距离会明显缩短。100米分辨率的数据如果以度为单位，叠加面积计算或距离计算时会产生隐性误差。

建议动手前的第一步就是查看坐标系。在ArcMap图层属性里，选“源”选项卡，可以看到空间参考、像元大小、波段数等信息。也可以直接把图层拖进ArcToolbox，用“投影栅格”工具统一到目标坐标系。处理全国范围的数据，建议使用CGCS2000 Albers等积投影，这类投影在面积统计上更稳，适合人口这种按面积汇总的指标。

2.2 NoData值：最容易混入Excel的杂音

栅格图层的四角、行政区边界以外区域，通常都是NoData。这个“NoData”在导出时特别捣乱。

不同格式的栅格对NoData的表示不一样。TIFF格式常用-9999或-3.4e+38表示空值；ASCII文本栅格则在头信息里写NODATA_value -9999。如果你不做清理直接栅格转点，NoData区域同样会生成点，导出的Excel里就会混进大量无意义的负值、极大负值。

正确的做法是在导出前先处理背景。两种常见方案：

• 按掩膜提取：用研究区行政边界对栅格做掩膜裁剪，裁完之后边界外就没有像元了；
• 栅格计算器置零：用Con(IsNull("raster"), 0, "raster")把空值区域写成0，方便后续统一处理。

这两种处理都会改变数据量，但换来的是Excel表里的数据干净、可解释。特别建议用掩膜裁剪，因为置零后，统计人口总量时如果把0值像元也纳入计算，会产生偏差，而掩膜裁剪后的表里不会有这种干扰。

2.3 像元值含义确认：人/像元还是人/平方公里

这是最隐蔽的坑之一。人口栅格的值有两种表示习惯：

• 一种是“该像元内的人数”，单位是人/像元；
• 另一种是“人口密度”，单位是人/平方公里。

在100米分辨率下，一个像元是0.01平方公里。如果数据写的是1000人/平方公里，那一个像元实际人口是10人。直接把两种口径混在一起求和，结果会差几个数量级。

判断方法不复杂。先看数据文档或元数据；文档缺失时，可以随机抽取几个像元值，乘以像元面积（如果是密度值的话），再和同区域乡镇统计人口做一个粗略对比，几个来回就能确定口径。还有一个更快的土办法：全国像元值求和，如果得出来的数是“亿”量级，大概率是人/像元；如果得出几亿亿，那就要怀疑是密度单位了。这个检查虽然土，但能救回不少事故。

3. ArcMap中栅格转Excel的三条可行路径

3.1 路径一：栅格转点+表转Excel，最常用的组合拳

这是ArcMap里最主流、也最不容易出错的转法。

第一步，打开ArcToolbox，依次展开“转换工具”→“由栅格转出”→“栅格转点”。工具对话框里输入栅格图层，字段名一般默认保留Value字段，输出点要素类。运行后，你会得到一个点图层，每个点对应一个有效像元，点的属性表里有一个GRID_CODE字段，里面存的就是该像元的人口值。

第二步，用“转换工具”→“Excel”→“表转Excel”，把点图层的属性表导出为.xls或.xlsx。注意，表转Excel默认导出图层属性表的全部字段，如果你只想要坐标和人口值，可以在导出前先用“删除字段”清理无关字段，或在ArcGIS Pro里直接用“导出表”的字段映射功能控制字段列表。

这套流程的好处是直观：转出来的Excel自带X、Y坐标列，后续想做空间分析还能转回去。缺点是当像元数量巨大时，点要素的生成会比较慢，后面单独说数据量问题。

3.2 路径二：栅格转ASCII后用Excel分列导入

在“转换工具”→“由栅格转出”→“栅格转ASCII”，可以生成一个文本格式的.asc文件。这个文件是纯文本，头部包含：

ncols 2000 nrows 2000 xllcorner 73.5 yllcorner 3.5 cellsize 0.0009 NODATA_value -9999

头部之后就是按行排列的像元值。Excel打开.asc文件需要向导导入，关键是第三步要选“空格”作为分隔符，把每个像元值分到独立单元格。

这个路径适合解决“不用ArcGIS，只想快速拿到数据”的场景。比如你把ASCII发给了不会用GIS的同事，对方用文本编辑器打开、用Excel导入，就能看到行列整齐的栅格表。缺点是大文件处理很痛苦，全国级ASCII文件动辄几个GB，记事本打开都可能卡死。

3.3 路径三：多值提取至点，应对多波段多期栅格

如果你的数据是按年龄段拆分的几十个tif文件，想合成一张“一行一个点位、列是各个年龄段人口”的Excel表，用逐一手工合并很累。这时候建议用“多值提取至点”。

操作思路是这样：先准备一个点图层，可以是研究区内的规则渔网点，也可以把行政中心或网格中心转成点。然后打开“空间分析工具”→“提取分析”→“多值提取至点”，在对话框里同时选入所有人口栅格波段，工具会把每个栅格在当前点位的值全部提取到点属性表里，每列对应一个栅格名称。

得到包含几十列的点属性表后，再用表转Excel导出，就一次性得到一张宽表。这个方法特别适合多期年份对比，比如2015年、2020年、2025年、2030年各年龄段人口并列在同一行，后续做差值、做趋势拟合都非常方便。

3.4 三条路径如何选

4. 全国100米栅格导出Excel的硬约束：行数上限与分批方案

4.1 Excel的行数天花板与像元量级

这是处理人口栅格时最容易被低估的问题。很多人第一次导出全国范围数据时，愣在“数据量太大”这一步。

新版Excel的行数上限是1048576行，也就是约104万行。而全国100米栅格有9.6亿个像元，折算下来需要九百多个Excel表才能全部装完。一个常态运行的县城，面积按1000平方公里算，100米分辨率就有10万个有效像元，单个Excel还能承受；但一个地级市、尤其像面积大的地级市，几百万个像元就可能突破上限。

所以在导出的第一步就要想清楚：你到底是需要“逐像元明细”，还是需要“区域内汇总”。如果只是想要“每个乡镇/村落的总人口”，那完全没有必要把每个像元都倒腾一遍。

4.2 分批导出：按行政区、按分块处理

如果确实需要逐像元明细，那就要分批导出。最自然的分批逻辑是行政边界。用县级或乡镇级边界做掩膜，把全国栅格裁剪成多个小块，每一块单独转点、单独导Excel。文件名里建议带上行政区代码和年份，比如pop_2025_110101.xlsx。

批处理时可以借用ModelBuilder或Python脚本，不建议手工一个一个点工具，太慢且容易出错。arcpy里核心代码大致思路是：遍历行政区要素，依次做按掩膜提取、栅格转点、表转Excel三步。关于配准，每批导出前务必确认当前处理范围环境变量设置正确，避免所有批次都处理成全图范围。

另一种分批方式是网格分块，不依赖行政区，适合全国尺度的机械切分。把全国划分成若干个标准图幅范围，用“按矩形提取”或“裁剪”工具切出小栅格再分别导出。这种方案对数据管理要求更高，但可以绕过一些行政边界不连续的问题。

4.3 绕过行数限制的最佳实践：分区统计出表

回到业务本身，大多数人要的其实不是逐像元明细，而是“每个行政村多少人”“每个街道多少老年人口”。这种情况最合适的工具是ArcMap里的“分区统计”，它专门为这种需求而生，一步到位。

工具路径是“空间分析工具”→“区域分析”→“分区统计”，如果选的是“分区统计至表”，会直接输出一个表，每个分区一行，带SUM、MEAN、MAX、MIN等统计值。输入分区要素可以是行政村、乡镇、网格多边形，输入栅格就是人口栅格。跑完之后再用表转Excel导出，一张干净的人均表格就有了。

由于人口栅格按年龄性别拆成多个文件，你可以对每个年龄段分别跑一次分区统计，再把多张表按分区字段关联起来。整个过程不需要碰像元级数据，性能压力小得多，行数也完全在Excel承载范围内。这是我在实际项目中最愿意推荐的做法。

5. 导出的Excel表不是终点：清洗、透视与空间关联

5.1 导出后的头号任务：NoData过滤与异常值复核

栅格转点导出的Excel表，不会自动过滤NoData，这一点很多人栽过跟头。拿到表的第一件事，就是看有没有负的大绝对值、有没有0值异常堆叠，然后按列筛选把无效行删掉。

第二步是总量复核。拿导出的Excel用数据透视表汇总一个区域的人口总数，和公开统计年鉴或第七次人口普查的分县数据对比，偏差在合理范围内才能放心往下用。如果偏差明显，优先排查前面说的人/像元与人/平方公里的口径问题，其次排查NoData清理是不是不彻底。

还有一个经验：人口栅格往往有浮点精度，导出的Excel字段可能显示为一长串小数。建议在透视表求和前先确认字段类型，用“四舍五入”函数控制精度，避免汇总时出现莫名其妙的小尾巴。

5.2 用透视表快速汇总年龄段与性别

导出后的宽表，可以按你的业务需求快速转成各种统计口径。

假设表里有X、Y坐标、年龄段、性别、人口值这几列，用Excel数据透视表，把“年龄段”和“性别”放列标签，“行政区”或“网格编号”放行标签，“人口值”做求和，立刻得到一张区域×年龄×性别的人口矩阵。

还可以进一步算出性别比、老年抚养比、儿童占比这些指标。对于人口栅格这种结构相对规整的数据，Excel透视表完全够用，不太需要上数据库。

5.3 坐标字段回连GIS：让Excel表重新成为空间数据

导出的表格还能转回GIS继续做空间分析。ArcMap里有“文件”→“添加数据”→“添加XY数据”，或者用“XY表转点”工具，把Excel表里的X、Y坐标字段变成空间点要素。

如果导出的是分区统计的汇总表，可以把表和原始行政边界通过行政区代码关联起来，在ArcMap里做“连接和关联”，把人口属性挂到面图层上进行符号化展示。这一步打通了“栅格→Excel→空间化”的闭环：既方便了不会GIS的同事看数据，又不丢掉空间可视化能力。

这个回路是我个人强烈建议工作流中保留的一环。很多数据协作场景中，业务方只要Excel，而你自己的分析还需要空间属性，两者并不矛盾：Excel作为交换格式，GIS作为分析后端。

6. 我实测跑通这套流程的经验清单

6.1 干活顺序：先小范围验证再全量执行

我第一次处理全国人口栅格转Excel时，贪图省事直接全量跑，结果ArcMap跑了半小时还在原地转圈，工作目录里堆了几十GB临时文件，最后还因为磁盘空间不足中断了。后来学老实了，任何批量任务都先拿一个县、甚至一个乡镇试跑一遍，确认参数、坐标系、掩膜都正确，再放全量。这个过程看着多花了十分钟，实际上省下的是几小时的返工时间。

6.2 环境设置里的工作目录陷阱

ArcMap的“地理处理”→“环境”选项里，有一堆全局设置，很多人从来不打开看。处理大栅格前，至少确认三件事：工作空间目录有没有足够空间，临时目录是不是在固态盘；处理范围（Extent）是不是设置成了“与图层相同”；栅格分析的像元大小是不是和分析图层一致。这三个设置如果不匹配，很容易出现输出文件巨大、处理范围不对、像元大小被自动改掉的问题。

6.3 新手也值得做的三个保险动作

第一个保险是永远保留一份原始栅格备份，不被任何处理过程覆盖；第二个保险是每次导出Excel后把成果文件名带上时间和分辨率，比如pop_2025_100m_县名.xlsx，避免“最终版最终版2”这种命名灾难；第三个保险是简单写几行元数据备注，记录坐标系、值域口径、掩膜来源，这样三个月后自己回来看数据时还能想起来这份表是怎么来的。

处理人口栅格数据这件事，本身不难，难的是每个环节里那些不起眼的坑。坐标系、NoData、值域、行数上限、分区统计，一个一个解决掉之后，你会发现栅格数据从“一张漂亮的图”到“一份能支撑决策的表”，中间的转化路径其实非常清晰。下次再拿到类似数据，按照这套流程走一遍，大概率能让你少熬几个夜。