ArcGIS模型构建器在第三次国土调查数据质检中的应用

王 杰，范宪创

（1.山东正元冶达科技发展有限公司,山东 济南 250000；2.华北理工大学 人工智能学院,河北 唐山 063210）

第三次国土调查（以下简称三调）是自2017年起开展的第三次全国性国土调查（土地调查）。三调的主要任务是以第二次全国土地调查成果为数据基础,按照国家统一标准在全国范围内利用遥感、测绘、地理信息和互联网等技术,统筹利用现有资料,查清各类土地的所有权和使用权状况。三调的目的之一是建立互联共享的覆盖国家、省、地（市）、县（区）4级的集影像、地类、范围、面积、权属和相关自然资源信息于一体的国土调查数据库,完善各级互联共享的网络化管理系统[1]。

ArcGIS模型工具是通过ArcGIS的模型构建器（Model Builder）构建相应的模型,把若干个操作步骤设定为一项工作程序,对数据、图层等操作进行处理的过程[2]。ArcGIS模型工具具有建模简单、顺序化执行、运行高效等优势,因此众多学者基于ArcGIS Model Builder在不同领域进行了交叉研究。研究伊始将ArcGIS Model Builder简单地应用于矢量数据[3]、遥感数据[4]、地形图[5]和DEM数据[6]等的数据预处理和辅助生产中；随后将其应用于数据后期的精细化处理[7-9],并能结合到具体的行业[2,10]研究中；史秋晶[11]等在对比Model Builder和Python脚本两种ArcGIS地理处理工具时发现,Model Builder直观易懂、可读性强,可将其作为构建工作流的可视化编程语言。由于Model Builder界面简单清晰,使用者无需具备任何编程基础和了解复杂的脚本语言规则即可直接使用,这也是其最大优势。Model Builder在ArcGIS地理数据处理的研究中慢慢得到广泛的应用。

由于前期国土数据库建立过程中数据质量检查多由人工检查实现,本文借助ArcGIS Model Builder简单、高效的优势,旨在建立一套简单、实用高效且精度较高的国土数据库数据检验模型,力求满足国土数据库数据检查工作程序简化、数据精度高的要求。

1 数据来源与技术分析

本文以山东省西南某县三调数据为例,研究了ArcGIS Model Builder在三调数据质检过程中的作用。该县地势东北高、西南低,县境内拥有山地、丘陵、平原、洼地、湖泊、河流等多种地貌类型,地类分布交叉复杂,地类之间变化较大,增加了后期数据质检的难度。以该县2017年度土地变更调查成果为工作底图,基于高分辨率的航天航空遥感影像,充分利用现有土地调查、地籍调查、农村集体土地确权登记发证、地理省情监测、农村土地承包经营权确权登记颁证等工作的基础资料和调查成果,统一确定各级调查控制界线和控制面积；利用影像内业比对提取和3S一体化外业调查等技术,准确查清城乡每一块土地的利用类型、面积、权属和分布情况；利用“互联网+”技术核实调查数据真实性,充分运用大数据、云计算和互联网等新技术建立土地调查数据库。经县、市、省、国家逐级质量检查合格后,统一建立全省土地调查数据库和各类专项调查数据库。

ArcGIS提供的Model Builder是一个用来创建、编辑和管理模型的应用程序,可将数据处理过程中用到的数据和各种地理处理工具流程化地结合在一起,建立自动的地理处理模型,实现对数据处理流程的一次建模、多次使用,切实提高数据处理的工作效率。在建模过程中,对一些复杂工具和处理流程进行组合封装,可大大降低数据处理的技术门槛,处理人员只需进行一些简单的操作,即可实现复杂的功能。此外,模型还可以嵌套使用,将模型的建立模块化,再将多个模型灵活组合,能实现更加复杂的数据处理过程。

国土数据库的建设是三调工作的重要任务之一,数据库质量的好坏将影响后期数据的使用。在三调过程中,需多次对数据进行汇总、质检和建库,因此数据处理时会重复进行某一项质检[12]工作,如数据之间的叠加分析等。ArcGIS虽然提供了功能丰富的地理处理工具,但地理处理工具的功能比较单一,一般一个工具只能完成一项功能,因此工具的使用比较繁琐。要想有效利用这些工具,需具备一定的专业知识,特别是某些复杂的工具,需要提供多个参数,一旦参数有误,就会导致工具的执行失败。此外,ArcGIS提供的工具分散在各个工具箱中,若对该软件没有一定的使用经验,查找起来是相当费时费力的。针对上述问题,本文提出了一种利用ArcGIS Model Builder批量处理矢量数据[3]的方法,减少了大量的重复工作,提高了工作效率。

2 ArcGIS模型构建

本文以检查地类图斑（DLTB）数据种植属性代码中恢复属性标注情况和推土区耕地种植属性不是未耕种错误为例,简述了ArcGIS Model Builder在三调数据质检过程中的应用。

2.1 质检要求

按照核查技术规定,开展全辖区100%的地类一致性检查。检查图斑地类、属性标注信息与遥感影像、举证照片是否一致；同时检查图斑边界的准确性以及相关专项调查成果的正确性。其中,将原地类是耕地（包括二调为耕地和历年变更调查新增耕地）而调查结果为园地（不包括橡胶园）、林地、草地（其他草地）、坑塘等,以及未标注“即可恢复”或“工程恢复”的地类认定为错误图斑；将按园地、林地、草地等调查,原地类部分为耕地且耕地面积比例大于图斑面积50%,以及未标注“工程恢复”的地类认定为错误图斑；将原地类不是耕地或可调整地类,标注“即可恢复”或“工程恢复”的地类认定为错误图斑；对于利用方向不明确的推土区按原地类调查,对其占地范围以单独图层方式存储在数据库中,推土区占用原地类为耕地的,按耕地调查,并标注“未耕种”属性。

2.2 数据处理

原始数据包括三调地类图斑数据、历年耕地图层、2017年度土地变更数据和单独图层数据（临时用地、拆除未尽区、推土区等）。需要筛选的数据类型主要包括原地类为耕地,现调查为园地、林地、草地和坑塘水面等,且占历年耕地比重超过50%的部分需标注恢复属性。具体处理流程为:①将历年耕地图层数据中不同耕地二级分类融合为一个图斑,并将三调地类图斑数据中园地、林地和坑塘等地类提取出来；②在图斑面积（TBMJ）字段中重新计算图斑面积,避免后面相交过程中三调原始图斑面积发生变化；③将提取的三调园地、林地和坑塘等与融合后的历年耕地数据相交,得到三调地类图斑数据中园地、林地和坑塘占历年耕地部分数据,并在该数据中计算历年耕地占比,即相交后图斑面积与原始三调图斑面积的比值；④筛选占比超过50%且未标注恢复属性的部分,得到需要标注恢复属性的数据,即问题图斑（图1）。

图1 数据处理流程图

检查单独图层推土区内耕地种植属性不是未耕种的处理流程为:①将DLTB中种植属性为“非未耕”的耕地筛选出来,为图层T1,公式为”DLBM” LIKE‘01%’ AND “ZZSXDM” <> ‘WG’；②将推土区图层与筛选后的图层T1相交,相交结果即为问题图斑。

2.3 模型构建

1）建立数据与地理处理工具之间的链接,即为地理处理工具设置参数。参数主要分为输入变量、输出变量和工具参数3大类。

2）根据数据处理流程分析结果,逐个拖入和链接需使用的数据和地理处理工具,并设置需自定义的参数。数据处理模型如图2所示,其中蓝色椭圆为输入变量,黄色方形为工具参数,绿色椭圆为输出变量,浅蓝色椭圆为表达式参数,输入变量的右上角带有“P”上标的为用户自定义参数。

图2 数据处理模型编辑界面

3）模型运行完毕后,输出数据会自动加载到数据库中,如图3所示。

图3 模型运行结果界面

将结果数据加载到ArcMap中,即可得到数据处理过程中应该填写恢复属性但恢复属性字段为空的图斑,即问题图斑（占比系数大于0.5且种植属性代码为空）。在处理过程中即可获得错误图斑,发现问题随时修改,将问题解决在数据加工过程中,以减少后期最终质检的工作量,如图4所示。

图4 问题图斑显示

同理,可根据质检规则和要求建立多个模型,如农村道路标注城镇村属性码错误、新增耕地标注未耕属性错误、非园林草塘标注恢复属性错误、非耕地坡度等级和级别不为空错误、非现状地物宽度不为零错误等。模型单独使用是按质检规则和要求进行一对一重点检查；也可将多个模型合并为一个模型,一次输入、同时检查多个问题,输出多个检查结果,是为一对多全面检查。模型可按技术人员的要求在某一侧重点对三调数据进行重点检查或全面检查,选择性较高。

2.4 模型精度分析

与传统的和赵璟[10]提出的质检方法相比,本文的主要改进包括:①简化了人工操作过程,不产生中间层数据,减少了数据冗余,直接获得结果矢量数据,方便直接对数据进行修改；②避免了人工核查出现的遗漏图斑问题,所有数据经过Model Builder筛选后无遗漏,避免出现人工核查不严的情况,减少了人为出错；③避免了后期合库建库后,经过国家质检软件质检,出现大量未修改错误,以及经过人工修改后,无法得知是否完全修改正确,需再次合库建库、重新质检的情况；④处理过程简单方便、准确率高,只需打开模型工具输入检查数据,模型运行后即可得到输出结果,降低了对技术人员软件熟练操作的要求。

经过质检模型前后问题图斑个数对比如表1所示,可以看出,通过本文方法质检的数据错误量明显低于传统质检方法,且减少了重复质检、建库操作以及需要修改数据的工作量；在紧张的三调工作过程中,节约了宝贵的时间；同时降低了三调工作人员的疲劳度,提高了工作效率。

表1 经过质检模型前后问题图斑个数对比

3 结 语

本文结合三调数据生产过程中的技术要求和具体问题,利用ArcGIS Model Builder结合多个地理处理工具,将原先复杂的工作简单化,避免了单独操作产生的各种冗余数据；还可按照质检规则对模型进行简单修改,以适应其他质检要求。该方法可方便、高效地处理复杂、重复的数据质检工作,为测绘一线人员提高生产效率、控制数据质量提供了高性价比的解决方案。