基于人地关系的土地管理数据模型研究

文／姜福华 修水县自然资源局 江西修水 332400

引言：

传统的土地管理数据以图纸和文字的形式记录信息，很难在数据层面表达清楚人地关系。随着计算机大数据技术的发展，在地理信息模型中如何建构人地关系也成为当下的热门话题。本文从基础的人地关系开始解读，意在寻找大数据技术下、可能的基于人地关系的土地管理数据模型的搭建方式。

1、基于我国土地管理法的人地关系解读

1.1 土地所有权和使用权

在我国，实行土地的社会主义公有制，即全民所有制和农民集体所有制。土地属于社会公有资源，土地的所有权和使用权分离。公民拥有土地的使用权力，并可以依法转让土地使用权。土地所有权和使用权的确权、土地使用审批、变更和使用等由地方政府和国务院相关部门依法管理。

1.2 土地资源利用

国家编制土地利用总体规划，规定土地用途，并将土地分为农用地、建设用地和未利用地。农用地主要是直接用于农业生产的土地，包括耕地、园地、林地、草地、农田水利用地、养殖水面等；建设用地主要用于建筑物和构筑物的建设的土地，包括城乡住宅和公共设施用地、工矿用地、交通水利设施用地、旅游用地、军事设施用地等。

土地用途由各级人民政府编制规划，具体规划方案需根据当地土地供给能力、社会经济建设需求，结合国家整体规划布局、国土治理目标和生态环境资源保护等进行编制。使用土地的单位和个人必须严格按照土地利用总体规划确定的用途使用土地。

对农用地的利用，强调耕地保护，需要保证耕地面积并提升耕地使用价值，同时合理开发和治理耕地。禁止非法占用耕地，限制农用地转为建设用地。

对建设用地的利用，强调土地资源依法利用和有偿使用，所得利益部分上缴中央财政，部分用于耕地开发；建设用地需占用农用地时，实行用地补偿政策；同时，国家公共建设用地实行划拨使用。

1.3 土地资源保护

对土地资源的保护需保证生态环境有利于人类的长远发展，并用法律手段处理好与当下利益的关系。土地资源保护以保护和改善生态环境、防止水土流失和土地荒漠化为目标，防止企业和个体等对自然环境的过度开发，同时对文化历史和特殊自然资源予以特定保护。

1.4 土地管理与法律规范

土地管理是各级政府土地行政部门人员，通过行政、经济、法律和技术等手段，对土地利用中的人与人、人与地、地与地关系的计划、组织、协调和控制。土地管理需要有法可依且做到土地统筹规划。

1.5 土地管理的监督检查

对土地的管理，需要做到合理开发、保护到位、规范管理、有效的奖惩以及对土地管理能力的自我反思与提升。具体的管理工作包括：完善土地法规、统计和更新土地资源概况；制定土地利用规划、依法监管土地利用和保护状况；依法执行土地确权、使用审批和变更、处理土地使用矛盾。

综上所述，基于人地关系的土地管理，需从土地使用者获得使用权益出发对土地资源合理利用，需从人类社会长远发展角度对土地资源统筹规划和保护，需有法可依的对土地权益矛盾实行监管。

2、基于大数据、云计算和物联网的数据模型

2.1 大数据概述

数据是观察、实验或是计算的结果，将离散的数据有序排列组合形成信息流，使数据产生应用价值。而大数据技术通过数据的采集、存储、处理、分析和应用技术，对数据价值进行挖掘与呈现。

传统的数据模型以结构化的数据信息建立数据库，通过实际业务的变更对数据进行人工的被动更改入库；基于大数据、云计算和物联网的数据，结合物联网的数据感知、传输和处理能力，可以实现数据的自动输入和实时传输；通过并行计算、分布式系统和云计算模式可以综合多方数据，对数据进行统计、运算、分析和价值挖掘，并将数据转变为具有价值的数据信息模型；基于大数据、云计算和互联网的数据模型被广泛应用在各个行业领域，开发出各种不同的应用场景，进而实现智能化的数据信息监测、检测、管理和控制等，同时基于数据分析结果也帮助数据相关任务的规划与决策。

因而，基于大数据、云计算和物联网的数据模型可以理解为是基于时空多维的数据模型，其系统是动态化的，结构是复杂化的，方法技术是多元化的。在技术层面，数据模型的搭建需要多种相关技术。基础数据的采集和预处理需要物联网相关技术；海量的数据存储和管理需要云计算和非关系类数据运算能力；数据的筛选、处理、分析和运算需要批处理、流计算、图计算等相关的运算技术；对数据价值的挖掘和应用场景搭建需要跨界的创新思想；同时，基于数字化的数据安全和隐私保护变得尤为重要。

2.2 与土地相关的数据库与模型

2.2.1 GIS

GIS,Geographic Information System，即地理信息系统，可以通过对地理信息数据的采集、存储、处理和分析，完成空间地理信息的计算机镜像模型，实现空间地理信息的视觉化呈现和检索功能，同时基于计算机的模拟运算能力，为现实空间的地理信息规划和决策提供支持，通过数字孪生技术可以实现数据信息的同步。

2.2.2 土地管理数据模型

LMDM,Land Management Model，即土地管理数据模型，是基于土地、人和人的权益关系的土地管理数据模型。土地管理数据模型搭建需要根据国家的土地政策进行设计。

欧美国家的土地管理数据模型主要围绕权力人、产权信息和土地空间信息进行搭建。

地籍领域核心模型CCDM 是基于多用途地籍的模型框架，以地籍空间为基础，基于土地、人和权限之间的关系构建出土地管理的模型框架，致力于标准化的土地管理，强调数据模型实用性、扩展性和通用性，避免地籍问题的重复研究和世界范围内的沟通困难。

基于CCDM 模型框架的土地管理领域模型LADM ISO 19152 定义了土地管理数据模型中的水、土地、表面元素等基本信息的相关组成，提供了数字空间和行政权责描述的抽象概念模型，提供了基于国家和国际体系的土地管理术语，并且构建出一种基于产权和地籍的数据组织和表达标准。

STDM 以LADM 的数据组织和表达为基础，增加了土地管理中的土地所有制因素。

随着物联网、大数据和云计算技术的成熟，更完善的土地管理数据模型也在各国不断探索中。

2.2.3 国家自然资源和地理空间基础信息库

国家自然资源和地理空间基础信息库项目是我国空间信息基础设施工程建设项目，是国家电子政务基础信息库之一。基于国家自然资源和地理空间信息库的规范标准，可以很好的解决跨部门政务信息资源的数据沟通，为跨部门的数据信息应用提供便利。

综上所述，从当下土地相关的数据库进而模型中可以看出，国内与国际上都在致力于土地管理的数字化模型建设和标准化制定，但因各国家的土地政策不同、信息化技术水平不同，很难在国际上形成统一土地管理数据模型的标准模式。

在国内，也因各地区人口和社会经济发展有偏差、以及数字信息技术的发展和利益博弈，土地管理数据模型还在建构和探索中，目前还很难形成统一的、完善的土地管理数据模型。

3、基于人地关系的土地管理数据模型搭建

土地管理是各级政府土地行政部门人员，通过行政、经济、法律和技术等手段，对土地利用中的人与人、人与地、地与地关系的计划、组织、协调和控制。土地管理需要有法可依且做到统筹规划。

基于人地关系的土地管理数据模型，需要根据我国的土地政策建构人地关系，从土地管理目标出发确定模型价值，并以当下数据技术为手段，从时间和空间维度建构土地规划、土地规划实施和土地管理信息反馈的可视化模型。

3.1 数据模型建设目标

文中第一部分已经指出，基于人地关系的土地管理，需从土地使用者获得使用权益出发对土地资源合理利用，需从人类社会长远发展角度对土地资源统筹规划和保护，需有法可依的对土地权益矛盾实行监管。因而，基于人地关系的土地管理数据模型建设，需要保证土地使用者的基本权益，提升土地管理者的工作效率，并以土地利用、土地保护和法责处理为管理基础。

在实现技术上，数据模型搭建需要通过物联网技术获取大量的基础数据，需要通过云计算模式对数据进行存储、处理和运算；

在搭建策略上，需要从土地管理中的人地关系中抽取出结构化因素，基于结构化因素重新建构数据模型的应用场景，进而在应用场景中继续结构分层提取可量化的数据因子，并运用大数据运算技术对数据关系进行处理；

在具体搭建方法上，可以借鉴Jesse James Garrett《用户体验要素》一书中的数字产品设计结构，从战略层、范围层、结构层、框架层和表现层五个层级来探讨可能的基于人地关系的土地管理数据模型。

3.2 基于人地关系的土地管理数据模型建构

综上所述，基于人地关系的土地管理数据模型可以以如下的思路进行搭建：

3.2.1 从战略层寻找土地管理数据模型的价值

通过对我国土地法中人地关系的解读，可以将土地管理数据模型的价值设定为：提升土地规划能力，保证土地使用价值最大化；提升土地管理效率，保证土地使用人的合法权益；提升国家统筹规划的协同能力，保证人类社会的长远发展；以及提升土地管理数据库的应用价值，反哺土地规划。

3.2.2 从范围层对数据模型的内容进行定义

为达成数据模型的目标价值，需对数据模型的内容进行定义。可将数据模型的内容划分为对土地管理的合理规划、监管与反馈、数据库资源三各模块。

意在通过对土地资源更加科学合理的规划，建立人地关系的长远愿景，树立标杆效应；将土地管理工作的重点转向依据数据模型的科学合理规划上，进而降低土地监管层的工作量、管理矛盾和工作误差，提升整体的土地管理效率；而数据库资源作为政府各层级规划结果的数据资源，可以做二次开发和利用。

数据模型的规划模块，可以解构定义出规划的影响要素、规划方案的评定流程、以及规划方案的可视化展现与宣传等；

通过监管与反馈模块，可以做到监管的“有法可依、执法到位、反馈有声”。进而，可以定义出日常土地管理工作的审批和调整流程、比对规划方案的纠正措施和奖惩方案、民生民意信息的反馈流程、以及规划方案与其执行效果的比对优化等；

通过数据库模块，在正向时间线上，可以定义出土地管理效果变化与趋势预测；在逆向时间线上，可以为规划方案的优化与调整提供科学支撑；而数据库大量的知识信息可以成为下次土地规划的重要参考资料，同时也是学术研究、其它部门参考的重要资料。

3.2.3 在结构层设计中实现数据模型的交互设计与信息架构

通过范围层的功能定义和内容约束，可以确定出数据出土地管理数据模型的层级框架：

一级框架定义：可以将基于人地关系的土地管理解构为土地规划、土地监管与反馈、数据库资源三个模块，并在此层级上，依据我国土地分类标准进行农用地和建设用地的分类。

二级框架定义：可以将“土地规划”解构出规划依据、规划影响因素、规划方案评定、规划方案展示四个子结构；可以将“监管与反馈”解构出政策与宣传平台、审批流程、规划成果与规划偏移问题处理、民生民意反馈四个子结构；可以将“数据库资源”解构出分析与统计资料、跨部门数据资源两个子结构。

三级框架则继续在二级框架的基础上进行因素解构，一般在三级框架就可以解构出基础的可定量的数据层信息。比如在“规划依据”中，可以解构出已有的可使用土地信息、需要治理的土地面积等；在“规划影响因素”中则可实现跨平台的数据沟通，比如人口数据信息、经济发展目标、土地使用价值目标等。

3.3 从数据技术角度的数据模型搭建

从技术角度来讲，数据模型的搭建需要在基础设施、平台层和应用层三个层面进行搭建。

在“技术设施”上，需要有土地信息监测的相应设备和网络，可以通过物联网技术实现数据的实时和时空的监测；

在“平台层”，需对基础数据信息进行存储、筛选、分析和运算，包括批处理、流计算、图计算和查询分析计算等；

在“应用层”，需要根据数据模型深挖数据信息，开发更多的应用场景，数据模型需基于需求和技术的变化进行优化和迭代。

在技术可实现之外，还需保证数据模型的数据安全，因而需要保护性的安全设计。

同时，数据模型的搭建不但需要技术可行性的支持，还需相应的数据模型建设和运营维护成本支持。

3.4 从产业链角度的数据模型搭建

大数据产业是跨行业、跨领域的多方关系的重新建构，因而基于人地关系的土地管理数据模型建设，也需要跳出人地关系和土地管理本身进行搭建。这种关系的重新建构需要技术的不断创新，也需要人的创新思维的参与，敢于打破常规思想。

万物互联的时代，数据模型的搭建是需要模块化的。模块化意味着小的数据模型可以拼凑到更大的数据模型当中，不同的数据模型间可以相互融合。因而，数据模型的搭建需要在技术领域和应用范畴内有统一的底层标准。

4、土地管理数据模型的意义

目前，大数据应用的开发还处在百家争鸣的状态。在土地管理数据模型中，还有基于地籍、时空模型等的其它数据模型系统。但无论是基于哪种角度的土地管理数据模型，在土地管理工作中，都可以发挥重大作用。

4.1 提升基础管理效率

土地管理需要处理众多土地确权、审批、变更和土地使用相关的矛盾，在实际的土地规划和监管中，工作人员中需要大量的数据图表和法律规范进行比对。通过数据模型的批处理运算、流运算、图运算和查询分析运算及数据的可视化效果，工作人员可以更加清晰的理解当前土地现状，并对土地资源进行实时监测、智能管控，提升了土地管理工作的效率。

4.2 统筹规划、层级管理与管理回馈

土地规划是土地管理中的重要工作内容，科学合理的土地规划可以实现土地价值的最佳利用。土地管理的统筹规划，是国家层面和地方政府间对土地资源的统一规划，是农业用地和建筑用地的利益权衡，是依据地方环境、资源、人口、土地承受力特点的局部特色规划，是土地开发利用和人类长远发展利益的权谋，也是企业和个人对土地开发利用创新精神的反馈。

土地规划工作中，这些复杂的关系平衡，以个人自身的规划能力来执行，不但需要经验积累还需集体智慧，并且很难做到面面俱到。基于层级管理和回馈机制的土地管理数据模型，不但可以集合众多规划者的智慧进行规划设计，规避人为差异；还可以实现数据资源在时间和空间上的累加和运算，有预测功能。

4.3 扩展土地管理与相关行业的关系

基于物联网、大数据和云计算技术，土地管理数据模型理论上可以集成众多基础信息，比如土地基础信息、社会人口结构和动态信息、人文和自然资源信息、社会经济发展动态等等。

这些基础信息不但是土地规划与管理的基础数据，也是社会人口政策、国家产业发展规划等的基础数据。因而，扩大土地管理基础数据应用范围也是大数据开发的重要手段。同时，基于人口政策、产业发展规划等的基础数据也可以嵌入土地管理数据模型中，减少土地管理数据模型的成本投入，减少基础设施重复建设和数据重复存储。

土地管理数据模型的建设，必须保证开放的数据接口，与国家自然资源和地理空间信息库标准协同。

结语：

综上所述，基于人地关系的土地管理数据模型，需要以人为本的设计思想，运用大数据相关的各种技术手段，实现土地管理数据的可视化、实时、时空组合的数据呈现和运算结果表达，并在数据模型的实际应用中，匹配国家信息化步伐，同时创造出更多的、基于数据的应用场景。