北京2022冬奥会张家口赛区生态风景廊道数据基底建设方法与应用

曹胜昔

1 背景

自2018年以来，团队积极践行国家战略，以强烈的责任感和使命感，与千千万万建设者一起投身到北京冬奥会张家口赛区生态环境建设工程中，以实际行动深入贯彻落实践习近平生态文明思想，先后完成崇礼冬奥会“三场”区域绿化、崇礼城区至太子城冰雪小镇生态风景廊道公园、崇礼北高铁站周边区域绿化等生态景观项目的规划设计与科研工作，为赛区营造了优美的自然环境，绘制了绿色冬奥的景观画卷，交出了我们的生态冬奥答卷。

张家口赛区位于张家口市崇礼区。按照规划，冬奥会期间注册人员将有55%在太子城核心区住宿，45%在崇礼城区住宿，为保障崇礼城区与太子城核心区之间的交通便捷，在原有道路一侧进行扩建并增加防洪设施、骑行、步行与游憩功能，建设成为崇礼城区至太子城冰雪小镇生态风景廊道公园。其全长约18km（图1），位于冬奥重点景观区域内，景观规划范围约5km2，生态修复范围约19.5km2，基于自然环境与三生空间，将生态廊道划分为4个主题段落，形成“川林沃野、田园村舍、湿地浅滩、山峦叠翠”4个区段，打造“山”“水”“田”“林”四大景观体验区（图2）。涉及工程建设后的植被恢复、矿山废弃地的土壤改造、禁牧后的林草重建、弃耕地的复垦等生态修复工程技术研究，是多学科技术研发与集成应用。该项目全过程采用数字技术手段支撑高寒干旱脆弱地区的生态修复与景观构建，开展基于 GIS（地理信息系统）技术开发的遥感遥测、倾斜摄影与建模技术研究，打通多源多模数据孤岛，尽可能获取全面丰富的基础数据，建立示范区的景观修复全过程数据库，用于研究适宜的生态设计方法与技术应用。

图1 地理区位，引自参考文献[3]

图2 四段规划

本文以崇礼城区至太子城冰雪小镇生态风景廊道公园数据基底建设为例，重点介绍数据采集一体化解决方案与应用场景。

2 项目特点

廊道地貌形态为山谷地势西低东高，海拔 1210m～1560m，属中山区，从地貌形态上可以分为山地和沟谷两个分区，西段较为开阔，东段较为狭窄（图3）。根据勘察结果，本场地浅表层多被第四系松散坡积物及冲洪积物覆盖，局部区域基岩出露。经野外地质调查，本场地内及附近未发现大型断裂及褶皱构造发育。地表有河流、沟渠、湿地、农田、矿山、道路、村庄等多种景观要素。近年来崇礼区大力开展生态环境建设，森林覆盖率达到 67% 以上，崇礼城区至太子城冬奥核心区公路廊道周边自然景观架构基础较好，但是受气候干旱、土壤瘠薄、土地盐碱化等自然条件和人为因素的影响，多年来缺乏整体规划，存在植被破碎、林带残缺、边坡破损、景观单一及生物多样性不足等问题与挑战（图4）。冬奥项目时间紧、标准高、任务重，道路、河道治理、地下管网、景观绿化等工程同期开展，只有在与其他工程交叉作业面完工后，才能开展对可视界面的生态修复。

图3 修复范围

图4 问题与挑战示意

为了能更好地协调各子项之间的关系，统筹兼顾指导规划建设，开展地貌地质景观特征的全方位、全要素数据基底建设尤为必要，同时为监测生态修复长期目标、奥运遗产利用提供研究数据。

项目团队

总负责人：曹胜昔，宋志永

项目负责人：赵海明，郜鹏

生态景观专业：张涛，解旭东，孟凤，薛蕊，杨家牧，逯诗雪，刘婷，刘盼，孟繁曦，封成佳，梁晨乐，等建筑及设备专业：北京林业大学|郑晓东；北方工程设计研究院|程蔚媛，陈艾文，苏毅，柳松，郝国镜，李栋，高志辉，等

勘察及地理信息专业：杨昌绣，姬志杰，原瑞红，秦良，刘之才，等数字技术开发专业：李岩松，王江悦，王建博，刘博阳，等智能控制专业：马永战，何伊川，贾小峰，等

3 可视化数据基底建设方案

为了全面掌握基质条件，项目团队对场地开展了系统性的调研，采用先进的空间大数据采集技术结合传统的既有资料收集、现场踏勘调研方法，开展针对大尺度景观与生态修复的数据基底建设，选择有代表性的一处湿地区域作为智慧运维实验区，尝试开发大数据GIS多种应用场景，为长期挖掘数据价值与科学研究打下基础。如何科学高效地开展数据采集与孪生建模，是数据基底建设的重要一环；通过数据加工融合，形成便于使用的数字表面模型是研究的关键点之一。技术层面主要分3个阶段：数据采集、数据加工和数据应用。

3.1 数据采集

本项目总结了一套适用于开展大尺度生态风景廊道公园规划设计研究所需的空间大数据采集方法。通过无人机倾斜摄影并结合北斗地基增强系统自组网快速形成测量基础建模，结合现状摸排、勘察取样、多光谱遥感、激光扫描获取地上地下数据资料，在实验区安装传感器、固定高清摄像头、LOT设施获取实时数据，形成不同尺度、不同精度的数据采集方法。下面简述空间大数据采集技术特点与适用场景。

（1）无人机倾斜摄影+北斗地基增强系统自组网

采用该技术收集测量目标影像信息以及各种数据。生成的数据成果可以直观反映目标的外观、位置、高度、地形等属性，生成真实高精度三维立体模型。测量得到的数据是带有空间位置信息的可量测影像数据，使用无人机搭载传感器进行测量，可以轻易到达人员无法到达的区域而不需要技术人员亲自进入现场，极大方便了在山区开展大尺度地形植被调研的外业工作，大大降低了三维模型数据采集的经济和时间成本。

北斗地基增强系统自组网为无人机在山区卫星信号弱的区域飞行提供精确的定位和航线，数据的价值密度和准确性得以大幅提高1）。

技术缺点：由于模型分辨率与飞行高度有关2），该技术只能获取表面信息，无法开展对于高大乔木遮挡的地貌、低矮的灌草植被等影像建模。

（2）无人机搭载多光谱遥感成像

以多光谱传感器为主要载荷，获取地物相应光谱信息能同时获取多个光学频谱波段，适用于大范围检测植被面积变化、树种类型、树种分布、树木数量、生长量变化、绿荫覆盖率、生物量、叶绿素含量等生理功能性状。基于这些信息，可以分析植被群落的生长状态、搭建病虫害和入侵生物的监测预警体系。对于项目建成后的生态修复效果评估以及后期监测管理具有重要意义。

技术缺点：多光谱相机受波段数目与宽度影响，不能准确捕获植被在某些敏感波段的精细反应，不能满足精细分类或者探测的需要。

（3）三维激光扫描技术

激光扫描技术精度高，采用车载或人工设置机位方式获取无人机无法测量的区域，机位灵活便于避开遮挡物，适合在高度较低范围内获取高精度数据，用于补充倾斜摄影不易到达的区域。

技术缺点：三维点云数据信息量大、冗余多，处理时间相对倾斜摄影用时长，不适宜开展大尺度景观地貌扫描。

（4）传感器、高清摄像头、LOT设施

在实验区内对环境温度、湿度、光照强度、雨量、土壤墒情等参数进行实时监测，通过在实验区内部署的高清摄像头，可实时获取植被生长、动物活动、游客轨迹的影像情况。获取的数据信息远程传送到云平台，通过分析处理传感器数据信息作为灌溉设备运行的控制条件，实现智能化运维。

3.2 数据采集工作流程

空间大数据信息具有来源多样，格式多样的特点，在开展数据采集工作前首先应确定统一的坐标系统，按照规定的坐标系统开展采集工作才能确保成果坐标系的一致性，才能保证后期数据融合工作的顺利开展。本项目采用2000国家大地坐标系、114°中央经线，倾斜摄影及激光扫描所需的控制点按照规定的坐标系测量，以确保不同采集技术成果坐标系的一致性；部分从高分二号卫星获取的遥感影像坐标系为WGS84，通过SuperMap软件将影像数据转化至规定坐标系（图5）。

图5 数据采集工作流程

3.3 数据加工

数据的采集方式不同形成多样化的格式标准，需要对多源异构数据进行分类、清洗、轻量化、融合等加工工作，融合为生态风景廊道公园数据基底，实现项目区域的立体模型和信息模拟的再现。

对采集的非数据模型形式数据、建构筑物统一采用建筑信息模型技术建立数据模型，数字高程模型（DEM）、数字正射影像（DOM）融合到三维GIS平台对文章中提出经过多种数据采集技术形成的三维数据模型进行轻量化处理，剔除无效数据，合并重复数据，优化材质数据，在保障使用数据完整的前提下，最大限度轻量化数据模型，降低数据模型对设备性能的依赖，提高数据模型的储存及调取效率（表1）。

表1 数据格式表（绘制：王江悦）

图7 智慧运维APP

图8 智慧运维系统示范项目

在数据模型处理之后，通过坐标系转化插件，或制作标明数据坐标系的索引文件，进行多源数据坐标系转化，实现坐标系的统一与融合显示。采用三维GIS平台融合来自不同专业、不同软件的三维模型、统计数据、物联网实时数据等，实现在三维环境中的全要素覆盖、数据联通，为数据深度挖掘利用打下基础。

3.4 数据应用场景

在搭建的多要素GIS数据基底上开展可视化应用研究，可深度挖掘数据价值，为高寒干旱脆弱地区的生态修复与景观构建的科学性提供技术支撑，开发适宜的生态设计方法与技术应用，可弥补景观生态安全格局理论研究不系统和工程落地性差的不足。对冬奥生态建设成果进行持续跟踪监测，做好数据收集和分析对比工作，研究不同时段生态环境恢复情况，并进行分析评价，逐步形成完善的技术体系。研发的技术方法和成果可在棕地修复、大尺度景观格局构建等项目中进行推广应用（图6-10）。

图6 生态敏感性分析应用，引自参考文献[4]

建立面向全生命周期的数据库，对工程建设破损后生态恢复效果、植物群落自然演替、农作物复耕调耕、产业引导与培育研究等开展长期跟踪与研究，为构建生物多样性、人因工程角度的多样性廊道景观、城市近郊区生态文明建设空间战略提供基础数据与科学评估（图11-16）。

图9 冬奥生态风景道三生空间要素分布图，引自参考文献[3]

图10 由多维度视域分析指导建成的慢行系统景观效果

图11 建设过程

图12 -16 建成实景

4 结语

数据基底建设方法与应用场景涉及大尺度区域内的植被及其生长环境信息的采集与处理，具有一定的探索性与前沿性，但仍在很多方面具有局限性，具体如下：

（1）对多尺度、多层次的数据进行采集与融合仍具有较大的难度。数据采集具体方案的确定很大程度上依赖现场环境的具体类型，需要综合考量数据建模质量与数据量大小、数据处理难度的平衡关系，对数据采集方案的标准化推广造成一定的影响。

（2）本文所述的数据采集更多的侧重在植物本身，生态修复关注的生态系统具有更复杂的要素，如动物、微生物等，数据基底建设对生物多样性的全要素采集还远远不足。

（3）由于条件与经费的限制，本文所述数据采集方法是在划定的实验区和规划范围内的应用，传感器与智慧运维设在实验区内而非全部修复范围，未包含修复范围内所有地貌与小气候特征，检验修复技术效果也需要至少10年以上的时间，因此仍有待不断深入研究更具有针对的数据基底建设应用方案，形成更加系统完善的建设思路。

注释

1） 数据价值=数据体量×价值密度-分析利用的成本，引自《大数据地理信息系统》。

2） 无人机倾斜摄影获取的模型分辨率主要由飞行高度决定，获得确定分辨率所需的飞行高度计算公式如下：其中H为飞行高度，单位为m；GSD为地面采样距离，单位为cm/px；W为图像宽度，单位为px；f为真实焦距，单位为mm；w为传感器宽度，单位为mm。已有研究表明，数据建模精度约为地面采样距离GSD（Ground Sample Distance）的2～3倍。