城市群地质环境演化空间信息智能服务框架

张丹丹，李 曼，傅征博，李浩川

(1. 中国国土资源航空物探遥感中心，北京 100083； 2. 国家信息中心，北京 100045)

城市群已经成为推进我国新型城镇化的主体形态，国务院提出将在“十三五”期间建设19个城市群[1]。城市群多是我国工业化、城镇化高度集聚的地区，人地相互作用尤为活跃，人地关系矛盾日益突出。我国地质构造复杂、地震活动频繁、活动断裂发育[2]，城市群中平原区地面沉降、地裂缝、地下水超采等环境地质问题突出，山区地震、崩塌、滑坡、泥石流等地质灾害多发，生态地质环境脆弱，海岸带地区海水入侵、海岸侵蚀淤积、海平面上升等环境地质问题严重，矿区等城市存在采空塌陷、岩溶塌陷[2-3]。城市群的规划、建设和管理需要“跨城市、全链条、自适应、多目标”的空间信息服务和应用模式，地质环境信息及服务作为其中最为基础性和先行性的链条，迫切需要全面融入城市群的规划、建设、管理的各个领域和环节，通过GIS、数据库、可视化、大数据、云计算等现代信息技术，积极引导城市群地质资源合理利用，规避城市群地质安全风险，有效防范突发性的地质灾害，全面支撑城市群规划、建设和管理。

1 城市群地质环境演化时空大数据特征分析

城市群地质环境演化数据主要是通过多源遥感监测并辅以地面调查等方式获得的。数据类型主要包括遥感对地观测数据、基础地质数据、地形地理数据、地质环境演化专题产品、地质环境演化综合产品、城市群发展数据、互联网数据等。地质环境演化时空大数据分类见表1。

(1) 遥感对地观测数据，包括光学、雷达影像数据两大类。光学影像既有亚米级的高分二号影像，也包括低分辨率的锁眼卫星影像数据，主要用于活动断裂、崩塌、滑坡、泥石流、海岸滩涂等典型地质环境要素的监测。长时间序列的不同分辨率的雷达影像主要用于点、线、面等不同尺度地面沉降的监测。这类数据具有时效性强、重访周期短、数据体量大等特点。以地面沉降监测为例，仅华北平原地区一年的地面沉降监测所需要的雷达影像的数据量就超过了1 TB。

(2) 城市群发展数据，包括交通流量、社会经济、产业布局等统计数据。这类数据反映了城市群发展及人地关系是否协调，是城市群地质环境演化遥感监测研究不可缺少的数据，具有海量性(尤其是交通流量数据)、相关性、及时性、可比性等特点。

(3) 地质环境演化专题产品，主要包括崩滑流等典型地质环境演化要素分布、地面沉降速率等数据产品。

(4) 地质环境演化综合产品，包括地面沉降速率等级、地质环境承载力评价、地质环境适宜性评价等专题图件产品，是时空大数据综合分析的产品。

综上，地质环境演化数据具有海量、异构、长效性、高准确性、高价值等特点[4]，是时空大数据的一种，因此，其数据的存储管理、处理、分析等都宜采用大数据的技术方法。

表1 地质环境演化时空大数据分类

2 城市群地质环境演化空间信息智能服务体系架构

围绕城市群空间规划、建设、管理及“多规合一”“大城市病”治理等多领域决策对地质环境演化空间信息服务的迫切需求，依托大数据和云计算等技术，构建城市群地质环境演化空间信息智能服务体系，为城市群经济区规划、交通等基础设施运营管理、产业升级转移等应用提供地质环境演化数据、产品、模型、分析挖掘及应用多层次的空间信息服务，提升地质环境演化空间信息服务城市群经济区规划、建设和管理的支撑能力。城市群地质环境演化空间信息智能服务体系包括基础支撑层、大数据采集与处理层、数据组织与管理层、计算与分析挖掘层、大数据服务层、大数据应用层6部分。城市群地质环境演化空间信息智能服务体系框架如图1所示。

图1 城市群地质环境演化空间信息智能服务体系框架

2.1 基础支撑层

基础支撑层是支撑整个城市群地质环境演化的传感网络及软硬件设施，包括卫星、航空、低空、地面的各类传感器，以及服务器、云存储、通用软件、专业软件、网络等云计算平台环境。卫星不仅包含光学、雷达等遥感卫星，还包括导航卫星、通信卫星。

2.2 地质环境演化大数据采集与处理层

地质环境演化大数据采集及处理层借助空天地各类传感器网络及智能终端、互联网等手段获得的时空大数据，包括通过各级地质监测部门建立的地面沉降监测系统、地下水环境监测系统、突发地质灾害监测系统、平原区活动断裂监测系统、土壤地质环境监测系统、重大构筑物及地下空间地质安全监测系统、重大线性工程地质安全监测系统等获取的数据，在云计算平台下进行各种数据处理后形成多源、长时序的遥感影像增值产品、地面沉降、地质灾害分布等数据产品。

2.3 地质环境演化大数据存储与管理层

大数据存储与管理层基于统一时空框架、统一分类编码、统一数据模型，综合利用关系数据库、NoSQL数据库、共享文件系统及分布式数据存储系统等，实现分布式存储环境下多源异构的地质环境演化大数据一体化存储。存储与管理的数据包括遥感对地观测数据、基础地质数据、地形地理数据、地质环境演化专题产品、地质环境演化综合产品、城市群发展数据、社交网络数据等几大类。

2.4 地质环境演化大数据计算与分析挖掘层

地质环境演化大数据计算与分析挖掘层面向大数据存储层各类数据库中存储与管理的数据，用深度学习、关联规则、时空预测、时空融合、时空聚类等时空大数据分析挖掘技术[5-7]，研究服务于城市群规划、建设与管理的模型及分析计算方法。主要构建的模型包括地面沉降发育演变模型、地面沉降与地下水的耦合机理模型、典型地质环境要素自动识别模型、地质环境演化预警模型、地质环境适宜性评价模型、地质环境承载力评价模型、地质环境与城市群发展的协调度模型等。

2.5 地质环境演化大数据服务层

地质环境演化的大数据服务层依托底层的时空大数据和构建的数据模型，形成多层级、多类型、多链条的空间信息服务模式，既提供基础的地质环境演化数据服务、元数据服务、产品服务，还提供专业性较强的模型服务、数据分析挖掘服务和应用服务。

2.6 地质环境演化大数据应用层

地质环境演化大数据应用层通过大数据存储与管理层、计算与分析挖掘层与服务层的智能组合，为城市群辅助空间布局、重大工程选址、城市群规划与管理、辅助产业升级转移、优化国土空间开发利用等城市群规划、建设与管理多领域、多环节的应用提供智能化的地质环境演化及预警等服务支撑。

3 城市群地质环境演化空间信息服务关键技术

3.1 地质环境演化多源遥感监测与预警技术

数据的采集是城市群地质环境演化空间信息服务的基础。借助于光学、雷达影像等多源遥感数据，在突破相干目标短基线InSAR时序分析、多轨道、长条带InSAR数据集成处理[8]、基于深度学习的典型地质环境演化要素自动识别等技术的基础上，开展活动断裂、崩塌、滑坡、泥石流、地裂缝、岸线变迁等城市群地质环境演化典型要素遥感监测，以及大区域、城际间重大线性工程沿线和大型工程地下空间地面沉降的监测。同时结合地面的各种传感网络、群测群防体系、导航、通信、互联网等数据，实现城市群点、线、面监测互补，提升城市群的微观、中观和宏观不同尺度的持续监测与动态预警能力，是城市群地质环境演化空间信息服务的重要技术支撑。

3.2 基于分布式的地质环境演化大数据存储技术

围绕城市群地质环境演化海量、异构、多源、多时相数据组织与管理的需求，综合MongDB、Hadoop等分布式数据存储技术[9-10]，实现分布式环境下多源异构的数据一体化存储。在传统关系数据库、文件系统基础上，采用混合存储架构，扩展并综合利用NoSQL数据库、分布式文件系统，构建弹性可扩展的存储模型，形成面向地质环境演化大数据的关系数据库集群、NoSQL数据库集群、共享文件系统集群、分布式文件系统集群，并在此基础上提供规范化的数据存取接口。其中，空间数据、结构化属性数据存储采用大规模并行处理架构关系数据，服务数据、瓦片数据、文档数据等采用分布式NoSQL数据库，影像实体、图片等多媒体数据采用共享文件系统及分布式文件系统存储。地质环境演化大数据存储结构如图2所示。

图2 地质环境演化大数据存储结构

3.3 海量矢量数据的分级索引技术

针对地面沉降速率等海量矢量地质环境演化数据浏览显示效率低、交互性差等问题，借助海量矢量数据分级索引技术来实现海量矢量数据的动态符号化，以及大体量矢量数据在大中小比例尺区间内的全程高效浏览和实时查询，提升浏览和实时查询检索的效率。空间索引方法大致可分为线性索引、网格索引和树形索引3大类[11]。线性索引结构直观简单，但对海量的矢量数据管理效率较低。网格索引效率较高，但是当矢量数据增多时会因矢量要素分布不均匀而需要重构。树形索引是应用最为广泛的数据索引。结合地面沉降等地质环境演化矢量数据的特点，研究基于尺度的高维索引方法来实现矢量数据的在线压缩和复现，实现对不同数据内容、同一数据不同层次的联合检索[12]，可大大提升数据的动态渲染及检索效率。

3.4 地质环境演化时空大数据挖掘技术

地质环境演化时空大数据挖掘技术，主要是通过关联规则挖掘、分类、预测、聚类等时间序列和空间结构数据挖掘方法[5-7]，从非线性、海量、高维和高噪声的地质环境演化时空大数据中，提取出对城市群规划、建设与管理有用的数据间的内在联系、隐含信息、时空模式和知识等[13]。如在综合水准、GPS、基岩标-分层标，以及InSAR监测的地面沉降数据和长时间序列的地下水位动态监测数据，实现典型沉降区内多类型、多尺度、多源异构数据的无缝融合。对区域内长时间序列的地下水水位与不同地层地面沉降量的相关性进行分析，构建基于多源数据识别的地面沉降-地下水水位模型，实现区域地质背景下的地面沉降全过程演化和趋势预测，进而在发育特征与模型预测互馈的动态过程中进一步揭示地面沉降的内在规律与机制。

4 结 语

城市群地质环境条件和演化特征是区域经济开发的客观约束，同时，区域经济开发也改变着城市群的地质环境条件，是城市群规划、建设必须考虑的基础要素。本文结合城市群地质环境演化大数据的特点及城市群经济区规划、建设与管理对地质环境演化空间信息服务的需求，提出了一种面向城市群多目标应用的地质环境演化空间信息智能服务框架，形成了时空大数据驱动的地质环境演化空间信息综合应用服务新模式。该框架具有良好的实用性和可扩展性，为满足我国城市群经济区层面的规划预先协调、建设执行监督、运行评估预测、相互作用预判等，对地质环境演化空间信息服务提供了技术方法支撑。

参考文献：

[1] 刘士林，刘新静.中国城市群发展报告[M].北京：中国出版集团东方出版中心，2016.

[2] 王思敬.中国城市发展中的地质环境问题[J].第四纪研究,1996,16(2):115-122.

[3] 中国地质调查局.城市地质调查总体方案(2017—2025年)[M].北京：[s.n.]，2017.

[4] 张继贤，顾海燕，鲁学军，等.地理国情大数据研究框架[J].遥感学报，2016，20(5)：1017-1026.

[5] 吉根,林赵斌.面向大数据的时空数据挖掘综述[J].南京师范大学报(自然科学版)，2014,37(1)：1-7.

[6] LAXMAN S S，SASTRY P S.A Survey of Temporal Data Mining[J]．Sadhana，2006，31(2):173-198．

[7] 刘大有，陈慧灵，齐红，等．时空数据挖掘研究进展[J].计算机研究与发展，2013，50(2):225-239.

[8] 葛大庆.区域性地面沉降InSAR监测关键技术研究[D].北京：中国地质大学(北京)，2013.

[9] 陈崇成,林剑峰,吴小竹,等.基于NoSQL的海量空间数据云存储与服务方法[J].地球信息科学学报,2013,15(2):166-174.

[10] 吕雪锋,程承旗,龚健雅,等.海量遥感数据存储管理技术综述[J].中国科学(技术科学),2011,41(12):1561-1573.

[11] 徐道柱，焦洋洋，金澄.分布式空间数据库中矢量数据多级空间索引方法研究[J].测绘工程,2017,26(10):1-6

[12] 程昌秀.矢量数据多尺度空间索引方法的研究[J].武汉大学学报(信息科学版)，2009，34(5)：597-601.

[13] 李德仁,张良培,夏桂松.遥感大数据自动分析与数据挖掘[J].测绘学报,2014,43(12):1211-1216.