殷家林, 汤阳城, 陈伟, 李康发, 王东生
(1. 湖北省国土测绘院;2. 湖北天地云地信科技集团有限公司)
国土资源是国家及其居民赖以生存的物质基础,是区域内宝贵的自然资源,涵盖了土地、矿藏、水源等诸多要素,对国土资源进行调查,可以全面精准地掌握区域范围内的自然资源空间分布状况以及储量、品质等详细属性特征,加强国土资源的统筹调控与科学规划利用,提高国土资源利用与管理成效。测绘地理信息技术是国土资源调查、利用与管理中的核心技术,利用测绘技术、遥感影像技术、无人机倾斜摄影技术等快速、精准地采集与获取大面积、精细化的国土资源信息,呈现出“多样性、高速性、数据量大、真实性”等大数据特征[1]。利用地理信息系统技术对国土资源信息进行处理、整合,结合不同场景进行深度应用,进一步拓展国土资源的应用层次与水平。在现行测绘地理信息技术下,国土资源调查大数据体量庞大,国土资源管理时存在标准不统一、体系不完善、应用分析不深入等问题,需深入研究测绘地理信息技术下国土资源调查大数据的采集、处理、管理、利用等应用,切实提高大数据技术在国土资源管理中的应用水平。
国土资源涵盖了土地、矿产、水资源等自然资源,其在空间上呈现出明显的连续性、异质性与区域性。国土资源调查与管理通常按照行政区划或自然单元分片实施,相关国土资源信息涉及多个部门、多个单位,导致国土资源的采集标准、处理要求、整合模式等不一致,影响国土资源组织与管理的规范性[2]。当前国土资源调查与大数据管理缺乏统一的标准规范,国土资源调查任务分解多采用区域并行开展的模式,衍生出了大量的多源异构数据,或采集时频不同,或空间数据组织方式不同,或坐标体系不同,或调查比例尺与精度不同等,上述问题均导致国土资源信息统筹管理时存在融合度低、共享难度大、信息孤岛现象明显等问题。
国土资源调查与管理体系应体现在数据采集、数据处理、数据整合、数据应用等多个方面,但当前国土资源管理体系不完善,更多侧重于数据外业采集层面,内业处理的自动化与规范化存在诸多不足。如不少地方部门的国土资源信息内部接边检查与拓扑矛盾处理仍需要大量的人工处理;数据采集的精度与准确性缺乏严格的阶段性检验与把控,导致不同片区采集与处理的国土资源信息质量参差不齐;国土资源调查结果的坐标转换参数设计不合理,导致空间数据坐标转换存在位置偏差[3]。
国土资源调查结果的深层次应用可助力城乡规划、水土资源调配、矿产资源开采等向科学化、合理化方向发展。当前在国土资源调查基础上的国土资源管理应用较为浅显,侧重于对不同土地利用类型的面积进行统计,对国土资源信息的空间分异特征进行分析,并以专题图或统计表等形式输出国土资源应用分析结果,而在土壤污染分布研究与防治、生态修复、地质三维模型构建、城市扩展研究等方面应用不够,所提供的技术服务、专题图、统计表也较少。
3.1.1 数据采集
国土资源调查是指对目标区域内的土地、矿产、水源等自然资源进行全面、精准调查,全方位收集并形成国土资源数据集。国土资源数据集涵盖了不同类型国土资源的空间数据与属性数据,其中空间数据包括国土资源的地理位置、空间分布、空间拓扑关系等,属性数据包括国土资源的类别、面积、用途等。国土资源信息采集时,应充分利用现代信息技术如大数据技术、遥感影像技术、无人机摄影技术等快速、准确、全面地采集国土资源信息,如利用无人机摄影测量技术对目标区域地表进行摄影成像,通过控制点布设、航线规划与无人机飞行获得目标区域的点云数据,经点云数据处理后生成目标区域的数字高程模型;利用遥感影像技术对目标区域进行成像,获得目标区域的遥感影像数据,直观可视化表达目标区域的地物空间分布信息与地物类型信息[4]。在统一的数据采集标准下,通过大数据与测绘地理信息的深度融合,实现国土资源调查数据的持续更新与动态监测,及时反映国土资源变化趋势,为国土资源管理提供动态、多元、海量的调查数据。
3.1.2 数据处理与整合
通过国土资源调查数据的规范化、标准化处理,可实现各级部门、各研究机构采集数据的科学整合与高效共享,有效避免信息孤岛与重复调查,切实提高国土资源调查效率与管理利用成本。在统一的数据采集标准下,国土资源调查结果的质量相对较高,但仍需对调查数据进行严格的内业处理。国土资源调查结果主要包括空间数据(非结构化数据)、属性数据(结构化数据)、视频图像数据(非结构化数据)等,在数据预处理时,需根据数据结构的不同进行国土资源信息分类,构建不同类型国土资源数据集。例如,在土地资源调查时,对调查草图的主要道路、水系以及与宗地四至相关的居民点和承包地宗地进行矢量化,生成数字线划图,并对宗地进行编号上图。对外业调查底图进行矢量化后将外业调查电子表格导入软件排错,对底图上出现的错误,包括外业编号重号以及漏编等错误由该图作业人员亲自配合内业人员改正。例如,通过监督分类或非监督分类等方法将目标区域的遥感影像进行分类,形成草地、耕地、林地、建筑用地、未利用土地等不同类别的数据集,其中可利用机器学习、深度学习、人工智能等技术对遥感影像不同类别的土地利用进行高精度分类,提高地物判别的准确性。在数据整合时,需要将处理后的调查结果进行系统化合并,如将不同调查组采集的数据通过图像拼接等方式进行整合,统计人员对不同时期采集的数据进行差异化对比与整合等,为后续国土资源数据利用与分析奠定基础。
3.2.1 云平台建设
国土资源管理云平台高度集成国土资源调查结果,为国土资源管理应用提供数据服务与技术服务。国土资源管理云平台通常包括三个层,分别为基础层、平台层、应用层,其中基础层为硬件层,包括服务器、存储器等设备设施,用于安全存储国土资源大数据、支持国土资源大数据的高性能分析应用;平台层用于开发国土资源管理利用的各项功能模块,如缓冲区分析、空间叠置分析、专题图制作、数据编辑等;应用层则面向不同的用户设置个性化的功能使用权限,以便用户根据自身权限调取相应范围内的国土资源数据并进行深度应用分析。国土资源管理云平台是国土资源大数据管理的重要软件平台,其通过对海量、多源、异构国土资源大数据的高效组织、快速存取、高性能分析,有力地支持城乡规划、土地资源保护等应用。
3.2.2 安全体系建设
国土资源管理云平台通过访问权限设置、数据加密等措施构建国土资源调查数据的安全防护管理体系,确保国土资源调查数据在可控范围内开放与共享,有效降低国土资源调查数据的泄露风险。
3.3.1 高性能分析
国土资源调查结果具有多样性、高速性、数据量大、真实性等特征,国土资源管理应用的高性能分析有赖于计算环境性能的提升。在数据组织与管理方面,国土资源管理平台利用空间数据库、分布式文件系统等对国土资源调查中的结构化数据与非结构化数据进行管理,提高数据的读取与存入效率。在国土资源数据应用分析方面,国土资源管理云平台结合地理信息系统技术,能够进行土壤数据的空间分析,实现土壤质量和分布的精确展示,有利于决策者对土壤资源进行更加精细的规划与管理;国土资源管理云平台可以通过数据可视化、模型预测等方式,为政府部门和决策者提供决策支持工具,帮助其深入理解土壤状况、分析土壤问题,制定科学的土壤保护与管理策略。国土资源管理平台利用集群计算技术、分布式计算技术、云计算技术等动态分配服务器的计算资源,提高国土资源数据分析效率。
3.3.2 图表可视化
大数据可视化技术将海量、复杂的数据以图形化显示的方式表达,便于用户更为直观、清晰地理解数据中的含义与关系。大数据可视化技术支持多样化的图表表达方式,如柱状图、饼图、雷达图、散点图、热力图等,将大数据可视化技术应用到国土资源数据管理利用中,可进一步丰富国土资源数据挖掘分析的可视化表达能力。如在土地资源管理时,可通过柱状图表达不同行政单元的可利用土地资源量,可通过折线图反映土地利用变化情况,可通过热力图反映特定土地利用类型的集中程度等。当前市面上有着大量的大数据可视化开发框架,大多开源且可免费使用,可将其集成至国土资源数据管理云平台中,支持多样化的国土资源数据可视化表达方式。
3.3.3 快速统计
汇总统计是国土调查成果分析应用、信息挖掘的重要内容。采用行政村为最小统计单元,以地类划分的最小粒度为最小统计尺度,从这两个维度叠加汇总时空数据,形成调查成果最小统计单元的统计基础表,基础统计表包括标准统计基础表及叠加基础表。以统计基础表为上游统计数据,按照不同场景需求,构建省市县乡村五级行政区的统计视图,运用FineReport 等数据分析工具配置统计报表模板,实现批量的快速统计分析。对于统计结果四舍五入产生的误差,依据面积统计单位与控制面积进行平差处理,按照最小可调数值进行误差调整,保证各区县最终统计面积和原始控制面积的一致性。
国土资源调查与管理涉及计算机技术、遥感影像技术、测绘地理信息技术等,技术的革新与应用使得国土资源调查精度与智能化水平得以提高,国土资源调查与管理的相关生产部门应充分融合大数据技术与现行技术,为土地资源优化配置提供重要的国土资源数据。