1、清朝疆域概述：

清朝是我国最后一个封建王朝，其始于1616年建州女真部努尔哈赤建立后金，此后统一女真各部、东北地区。后又降服漠南蒙古，1644年入关打败农民起义军、灭南明，削三藩，复台湾。后又收外蒙，定青藏，平准噶尔汗国、回部，最终统一全国，前后历经140余年。到1759年乾隆平定新疆大小和卓之乱后，清朝疆域达到鼎盛的1316万平方公里。

---

2.清朝疆域形成：

极盛时期的清朝疆域广袤无垠，如一片巨大的秋海棠叶。其北至唐努乌梁海与西伯利亚的辽阔雪原；南至碧波万顷的南海“千里石塘、万里长沙”的南海诸岛；西南则延伸至西藏的达旺地区与缅甸北部的江心坡地区；西部囊括了几乎整个帕米尔高原和巴尔喀什湖的壮美风光；东北则以巍峨的外兴安岭、乌第河为界，包括库页岛在内；而东南部，则包括着宝岛台湾和澎湖群岛。

---

3.清朝疆域：

清朝时期，全国划分为26个一级行政区：一是内地的18个省；二是东北、西北边疆地区的盛京、吉林、黑龙江、伊犁、乌里雅苏台5个将军辖区；三是蒙古盟旗和青藏高原地区的驻藏大臣辖区、西宁办事大臣辖区。

---

4.清朝行政区划：

在广袤的边疆地带，清朝设置行政机构、派驻军队、制定法律制度，进行有效管辖。清朝在当地实行了“修其教不易其俗，齐其政不易其宜”的包容政策，尊重当地的风俗习惯，采用了土司制度、盟旗制度、伯克制度、扎萨克制度等多元化的治理方式，但这并不意味着对这些地区的放任。在涉及国家主权、军事、外交等重大事务上，清朝中央政府始终保持着绝对的掌控力。这样的统一范围和统一程度是以往的历代王朝从未达到的。因而正如许多历史教科书所说的那样：清朝奠定了现代中国的基本版图，实现了多民族国家的统一。

5.Python浅谈清朝秋海棠叶版图：

import numpy as np
import matplotlib.pyplot as plt
import xarray as xr
from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter
import cartopy.crs as ccrs
import cartopy.feature as cfeature
from cartopy.io.shapereader import Reader
from matplotlib import rcParams
config = {"font.family":'Times New Roman',"font.size":18,"mathtext.fontset":'stix'}
rcParams.update(config)
# 读取全球地形数据
ds = xr.open_dataset('./ETOPO2v2c_f4.nc')
# 准备用于绘图的数据
lon = np.linspace(min(ds['x'].data), max(ds['x'].data), len(ds['x'].data))  # 经度
lat = np.linspace(min(ds['y'].data), max(ds['y'].data), len(ds['y'].data))  # 纬度
lon, lat = np.meshgrid(lon, lat)  # 构建经纬网
dem = ds['z'].data  # DEM数据
region=[60, 150, 0, 60]
proj=ccrs.PlateCarree()
fig=plt.figure(figsize=(16,9),dpi=600)
ax = plt.axes(projection  = proj)
ax.set_extent(region, crs = proj)
cs=ax.contourf(lon,lat,dem,np.arange(0,8000,500),transform=ccrs.PlateCarree(),cmap='nipy_spectral',extend='both')
maskout(cs,ax,'./qing_c6.shp',1)
cbar=plt.colorbar(cs,shrink=0.98,orientation='vertical',extend='both',pad=0.01,aspect=40) #orientation='horizontal'
cbar.set_label('Altitude/(m)')
ax.add_geometries(Reader(r'./Export_Output.shp').geometries(),ccrs.PlateCarree(),facecolor='none',edgecolor='black',linewidth=0.8)
ax.add_geometries(Reader(r'./nineline.shp').geometries(),ccrs.PlateCarree(),facecolor='none',edgecolor='black',linewidth=0.8)
ax.set_xticks(np.arange(region[0], region[1] + 1, 10), crs = proj)
ax.set_yticks(np.arange(region[-2], region[-1] + 1, 10), crs = proj)
ax.xaxis.set_major_formatter(LongitudeFormatter(zero_direction_label=False))
ax.yaxis.set_major_formatter(LatitudeFormatter())
ax.add_feature(cfeature.COASTLINE.with_scale('50m'),linewidth=0.5,zorder=2,color='k')# 添加海岸线
ax.add_feature(cfeature.LAKES.with_scale('50m'))
ax.add_feature(cfeature.RIVERS.with_scale('50m'))
ax.add_feature(cfeature.OCEAN.with_scale('50m'))
ax.add_feature(cfeature.LAND.with_scale('50m'))
ax.add_geometries(Reader(r'./ne_50m_lakes.shp').geometries(),ccrs.PlateCarree(),facecolor='none',edgecolor='k',linewidth=0.2)
ax.add_geometries(Reader(r'./1级河流.shp').geometries(),ccrs.PlateCarree(),facecolor='none',edgecolor='RoyalBlue',linewidth=0.4)
ax.add_geometries(Reader(r'./2级河流.shp').geometries(),ccrs.PlateCarree(),facecolor='none',edgecolor='DodgerBlue',linewidth=0.3)
ax.add_geometries(Reader(r'./3级河流.shp').geometries(),ccrs.PlateCarree(),facecolor='none',edgecolor='DeepSkyBlue',linewidth=0.2)
ax.add_geometries(Reader(r'./4级河流.shp').geometries(),ccrs.PlateCarree(),facecolor='none',edgecolor='SkyBlue',linewidth=0.15)
ax.add_geometries(Reader(r'./5级河流.shp').geometries(),ccrs.PlateCarree(),facecolor='none',edgecolor='LightSkyBlue',linewidth=0.05)
ax.add_geometries(Reader(r'./主要湖泊.shp').geometries(),ccrs.PlateCarree(),edgecolor='none',linewidth=0,facecolor='#BEE8FF')
plt.savefig('./plot232.3.png',dpi=800,bbox_inches='tight',pad_inches=0)
plt.show()