丁 勝 曾 嘉 薛冬冬

（1.廣東省林業(yè)調(diào)查規(guī)劃院,廣東 廣州 510520;2.廣東省嶺南院勘察設(shè)計有限公司，廣東 廣州 510599）

第三次全國國土調(diào)查（以下簡稱“三調(diào)”）是一次重大國情國力調(diào)查，也是國家機(jī)構(gòu)改革后統(tǒng)一開展的自然資源基礎(chǔ)調(diào)查，查清了全國城鄉(xiāng)各類土地的分布和利用狀況。為了更進(jìn)一步查清林草濕資源，根據(jù)《國家林業(yè)和草原局關(guān)于開展林草濕與第三次全國國土調(diào)查數(shù)據(jù)對接融合和國家級公益林優(yōu)化工作的通知》(林資發(fā)〔2021〕5號)以及《廣東省自然資源調(diào)查監(jiān)測體系建設(shè)方案(2021-2025 年)》明確要求，充分發(fā)揮“三調(diào)”成果在國土空間管理中的“統(tǒng)一基數(shù)、統(tǒng)一底圖”作用，依據(jù)“三調(diào)”成果，厘清林地、草地、濕地的范圍界線，解決林草濕概念不統(tǒng)一、地類交叉重疊、指標(biāo)相矛盾、邊界不清晰等問題，開展林草濕數(shù)據(jù)與“三調(diào)”數(shù)據(jù)對接融合。長期以來，國土調(diào)查和林業(yè)部門調(diào)查的地類存在以下不同[1- 3]。

第一、認(rèn)定標(biāo)準(zhǔn)不同。比如優(yōu)勢樹種為荔枝Litchi chinensis、龍 眼Dimocarpus longan等 經(jīng) 濟(jì)林在林業(yè)部門調(diào)查認(rèn)定是林地，在“三調(diào)”認(rèn)定是園地。對于地上無樹木的宜林地國土三調(diào)認(rèn)為是草地或裸露地等非林地，而林業(yè)部門調(diào)查認(rèn)定林地。灌木林地“三調(diào)”認(rèn)定標(biāo)準(zhǔn)植被覆蓋40%，林業(yè)部門認(rèn)定標(biāo)準(zhǔn)植被覆蓋是30%。

第二、調(diào)查方式不一樣?！叭{(diào)”成果反映的是土地利用現(xiàn)狀，林業(yè)部門認(rèn)定地類除了地類自然屬性和還包括管理屬性。

第三、圖斑調(diào)查精度和區(qū)劃方式不一樣?！叭{(diào)”農(nóng)村土地利用現(xiàn)狀調(diào)查采用優(yōu)于1 m 分辨率覆蓋全國的遙感影像資料，城鎮(zhèn)內(nèi)部土地利用現(xiàn)狀調(diào)查，采用優(yōu)于0.2 m 分辨率的航空遙感影像資料，調(diào)查精度更高，原林業(yè)部門認(rèn)定為林地的大塊圖斑，“三調(diào)”又根據(jù)現(xiàn)狀劃分出了魚塘、果園、道路等。“三調(diào)”調(diào)查林地圖斑沒有根據(jù)林業(yè)部門小班區(qū)劃原則，按照地形、樹種、林種等進(jìn)一步區(qū)劃小班，且缺乏相應(yīng)的屬性信息。

機(jī)構(gòu)改革以后，在統(tǒng)一調(diào)查監(jiān)測的新形勢下，以“三調(diào)”數(shù)據(jù)為依據(jù)，疊加最新遙感影像，構(gòu)建自然資源實體，開展林草濕數(shù)據(jù)與“三調(diào)”數(shù)據(jù)的融合工作，落實林地草地濕地現(xiàn)狀范圍界線，優(yōu)化落實公益林范圍，核定天然林，構(gòu)建林草濕數(shù)據(jù)庫，從數(shù)量、結(jié)構(gòu)和空間分布三個維度，分析調(diào)查數(shù)據(jù)差異原因，利用對象篩選、空間疊加、屬性掛接、圖形關(guān)系處理等技術(shù)，集成現(xiàn)有森林資源、濕地資源、草原資源等數(shù)據(jù)成果，形成自然資源調(diào)查監(jiān)測“一張底圖”，成為迫切的任務(wù)。對接融合工作因涉及林草濕“一張圖”以及“三調(diào)”數(shù)據(jù)的疊加，圖斑數(shù)量達(dá)到了千萬級別，迫切需要綜合應(yīng)用最新的技術(shù)方法來進(jìn)行處理。本文通過對對接融合工作方案的研究，提出了一種綜合數(shù)據(jù)處理模型、Python 和激光點云的對接融合方法，提高了工作的效率和質(zhì)量。

1 研究方法

1.1 數(shù)據(jù)處理模型

重復(fù)的數(shù)據(jù)處理一般可以細(xì)分為單個、多層相對獨立的處理步驟，將這種相對固定的步驟疊加可以固化為數(shù)據(jù)處理模型，使數(shù)據(jù)的分析流程自動化、可復(fù)用，數(shù)據(jù)的處理也會變得準(zhǔn)確、高效、可控。結(jié)合林草濕數(shù)據(jù)與國土“三調(diào)”融合涉及數(shù)據(jù)量大、矢量數(shù)據(jù)交叉重疊嚴(yán)重、數(shù)據(jù)空間分析需時長、易出錯等特點，針對需要對多種數(shù)據(jù)類型、多份數(shù)據(jù)、多步驟的數(shù)據(jù)分析或處理，為了保證數(shù)據(jù)分析處理時的穩(wěn)定、高效和可控，本次對接融合工作主要用到數(shù)據(jù)處理模型進(jìn)行數(shù)據(jù)的輔助處理，其中數(shù)據(jù)處理模型主要使用Arc-GIS（GeoScene）的模型構(gòu)建器（Model Builder）進(jìn)行搭建。模型構(gòu)建器(ModelBuilder)是一個用來創(chuàng)建、編輯和管理空間分析模型的應(yīng)用程序，是一個個可視化的編程環(huán)境，用于構(gòu)建地理處理工作流的可視化編程語言，對空間分析和數(shù)據(jù)管理流程進(jìn)行自動化處理并記錄[4]。通過創(chuàng)建Model Builder 中的地理處理模型，將一系列流程和地理處理工具串聯(lián)組合成工作流，實現(xiàn)多步驟在Arc-GIS 軟件的同一指令下自動執(zhí)行和空間數(shù)據(jù)處理，大大降低了人工參與操作的出錯率和時間成本，提高了效率[5]。

1.2 Python 腳本語言

數(shù)據(jù)處理腳本為融合工作中所使用到的另外一項比較重要的數(shù)據(jù)處理輔助手段，并且使用現(xiàn)在廣泛使用的Python 作為處理腳本的編寫語言。Python 以其簡潔性、易讀性以及可擴(kuò)展性而成為當(dāng)下最受歡迎的編程語言，是一種支持動態(tài)輸入的解釋型語言[6]，在國土空間大數(shù)據(jù)和人工智能領(lǐng)域得到了廣泛的應(yīng)用[7,8]。與Visual C、Visual Basic 等高級變成語言不同，Python 優(yōu)勢在于其不需要復(fù)雜的運行環(huán)境、不需要掌握太多的函數(shù)、有豐富的處理工具包可供調(diào)用。采用Python 編寫處理腳本的方式來設(shè)計出滿足數(shù)據(jù)對接融合的工作流程，相較于其他處理模型所使用到的工具和迭代方式，腳本可以引用比工具更為精簡的數(shù)據(jù)處理方法，并且迭代方式以及自定義的參數(shù)可以依據(jù)相應(yīng)需求進(jìn)行靈活定制。

1.3 激光點云信息核查

激光點云數(shù)據(jù)是由機(jī)載激光雷達(dá)（LiDAR，Light Detection and Ranging）發(fā)射，并被地面物體發(fā)射而接收得到的激光的方位、反射時差所逆向計算得到的三維空間位置點的集合。應(yīng)用激光點云數(shù)據(jù)能夠快速得到地面物體的表面輪廓，甚至地物顏色、紋理，加以降噪、過濾、分析可以得到地表信息（如數(shù)字地表模型DSM、數(shù)字高程模型DEM 等），包括地物類型、高度、分布，甚至外形紋理信息等[9,10]。本次對接融合工作就依據(jù)激光點云的上述特點進(jìn)行不一致的圖斑的處理，進(jìn)一步減少外業(yè)核查的工作量。

1.4 對接融合流程

結(jié)合對接融合工作方案，綜合數(shù)據(jù)處理模型、Python 腳本語言、激光點云建立了以下（圖1）林草濕數(shù)據(jù)與國土“三調(diào)”數(shù)據(jù)對接融合流程圖。在對接融合流程中，充分梳理對接融合的各種規(guī)則，利用Python 腳本語言和Model Builder 編輯器，固化為自動化流程模型，然后再在批處理后的不一致圖斑中發(fā)揮激光點云核查的特點，進(jìn)一步減少不一致圖斑的數(shù)量，減輕外業(yè)核查工作。

圖1 國土“三調(diào)”數(shù)據(jù)對接融合流程Figure 1 Docking and fusion flow chart of the third national land investigation;the data of forest land, grassland and wetland

2 結(jié)果與分析

2.1 全省數(shù)據(jù)疊加分析和專題數(shù)據(jù)導(dǎo)出

基于“三調(diào)”數(shù)據(jù)的融合需要多種專題數(shù)據(jù)疊加分析，連接專題圖屬性數(shù)據(jù)，并更新國土“三調(diào)”數(shù)據(jù)的屬性值，實現(xiàn)數(shù)據(jù)融合。在Arc-GIS 的ModelBuilder 模塊中，構(gòu)建了兩種流程化模型—數(shù)據(jù)標(biāo)記模型和更新模型，實現(xiàn)數(shù)據(jù)融合處理標(biāo)準(zhǔn)化和流程化。例如，“三調(diào)”數(shù)據(jù)的屬性中不區(qū)分灌木林地類的國家特別規(guī)定的灌木林地（以下簡稱國灌）和一般灌木林地屬性。根據(jù)國灌地類定義,喬木生長線以上的灌木林地（指海拔高度800 m 以上山地的灌木林地）以及熱帶亞熱帶巖溶地區(qū)定義為國灌。因此，需要疊加800 m以上地形數(shù)據(jù)和全省石漠化數(shù)據(jù)來提取國灌圖斑。下圖使用的圖斑標(biāo)記模型,通過標(biāo)識800 m 以上山地和石漠化圖斑（圖2），然后再進(jìn)行圖斑疊加分析，基于更新規(guī)則建立的更新模型，將疊加后的數(shù)據(jù)進(jìn)行批量更改（圖3），從而實現(xiàn)的專題圖層與國土“三調(diào)”數(shù)據(jù)的融合的縣-市-省級快速批量處理。

圖2 石漠化及海拔800 m 以上圖斑標(biāo)記Figure 2 Marking model of rocky desertification and over 800 meters above sea level

圖3 圖斑批量更新模型Figure3 Batch updating model of patches

融合后的數(shù)據(jù)需要導(dǎo)出各類專題數(shù)據(jù)下發(fā)至地方林業(yè)主管部門進(jìn)行現(xiàn)地核實，按照行政區(qū)域劃分，廣東省有124 個縣區(qū)，采用人工導(dǎo)出的方式，需要進(jìn)行建立數(shù)據(jù)庫124 次，每次都需要重復(fù)設(shè)置篩選條件。建立數(shù)據(jù)處理模型將建庫和導(dǎo)出數(shù)據(jù)工作完全交由Model Builder 導(dǎo)出模型自動執(zhí)行，只需要提前設(shè)置好篩選條件、輸入融合成果存放的位置以及輸出的位置即可。下圖4 是各縣區(qū)的國家公益林提取流程化模型，分為剔除和保留兩個功能模塊。

圖4 導(dǎo)出國家公益林模型Figure 4 Derivation of national public welfare forest model by County

2.2 遙感影像批量裁剪

融合工作需要多期遙感影像，開展對比分析，需要分縣裁剪遙感影像。本次融合工作將Python處理腳本編寫影像裁剪功能（圖5），采用緩沖區(qū)功能與影像裁剪功能相結(jié)合，并能根據(jù)實際需求自定義分區(qū)圖層及邊緣緩沖距離，極大地方便了影像裁剪，并且無需擔(dān)心涉及邊緣的地物因被裁剪而無法分辨的問題。

圖5 影像裁剪流程Figure 5 Image clipping process

基于Python 的影像批量裁剪代主要代碼如下：

2.3 地形數(shù)據(jù)提取和不一致圖斑判讀

在本次融合工作中，創(chuàng)新性地結(jié)合了激光點云進(jìn)行地形屬性的更新和不一致圖斑判定工作。激光點云數(shù)據(jù)扮演著與高清遙感影像同等重要的角色，高清遙感影像為融合工作提供了高分辨率的地物顏色、紋理信息，而激光點云數(shù)據(jù)則提供了豐富的地表信息，可提取高程、坡度、坡向(圖6)、坡位等，用作地形因子的填寫。在不一致圖斑判讀中，通過點云生成的DSM 與DEM 的差值，將視覺效果不夠明顯的區(qū)域的變化值數(shù)值化，輔助定性判斷無林地與有林地（圖7）。

圖6 由激光點云數(shù)據(jù)生成的坡向數(shù)據(jù)Figure 6 Aspect data generated from laser point cloud data

圖7 激光雷達(dá)點云剖面數(shù)據(jù)判讀無林地與有林地Figure 7 Interpretation of non forest land and forest land using LIDAR point cloud profile data

3 結(jié)論與討論

為了提高對接融合工作的質(zhì)量和效率，加強(qiáng)“三調(diào)”成果共享應(yīng)用要求以及適應(yīng)“三調(diào)”成果是國家制定經(jīng)濟(jì)社會發(fā)展重大戰(zhàn)略規(guī)劃、重要政策舉措的基本依據(jù)這一重大定位，通過研究分析林草濕數(shù)據(jù)與國土“三調(diào)”數(shù)據(jù)對接融合的方法研究，實現(xiàn)了圖斑在圖形、屬性等多方面的有效融合。融合成果為林地保護(hù)利用規(guī)劃編制提供本底數(shù)據(jù)，支撐林草濕生態(tài)系統(tǒng)整體保護(hù)、系統(tǒng)修復(fù)和合理利用、碳達(dá)峰碳中和戰(zhàn)略，構(gòu)建廣東省自然資源調(diào)查監(jiān)測體系，統(tǒng)籌推進(jìn)林草濕系統(tǒng)治理，推進(jìn)廣東省林草治理體系和治理能力現(xiàn)代化。

3.1 通過ArcGIS 的模型構(gòu)建器（Model Builder）定制模型，在林草濕與“三調(diào)”數(shù)據(jù)對接融合中廣泛應(yīng)用，除了數(shù)據(jù)疊加分析和屬性掛接外，還用在全省分帶數(shù)據(jù)投影轉(zhuǎn)換、批量屬性字段建立、批量屬性賦值、批量拓?fù)錂z查以及碎斑合并等工作，把工作流程和數(shù)據(jù)處理流程結(jié)合起來，大大提高了工作效率，控制了數(shù)據(jù)質(zhì)量。

3.2 通過Python 處理腳本處理方法，將數(shù)據(jù)對接融合原先復(fù)雜的工作簡單化、標(biāo)準(zhǔn)化、規(guī)范化，應(yīng)用于全省遙感影像進(jìn)行裁剪、全省數(shù)據(jù)合并、屬性數(shù)據(jù)導(dǎo)出等工作，避免了很多重復(fù)性工作，減少了人為處理出現(xiàn)的錯誤。

3.3 通過對激光點云數(shù)據(jù)在數(shù)據(jù)對接融合工作綜合應(yīng)用，提取地形因子，用于不一致圖斑輔助判讀，擴(kuò)展了激光點云應(yīng)用場景，提高了不一致判讀精度。

3.4 綜合數(shù)據(jù)處理模型、Python 腳本語言、激光點云研發(fā)的一套對接融合流程方法，不僅提高了本次廣東省對接融合工組的效率、保證了數(shù)據(jù)處理質(zhì)量，也為林草濕的數(shù)據(jù)治理體系構(gòu)建提供了借鑒。

林草濕數(shù)據(jù)與國土“三調(diào)”數(shù)據(jù)對接融合，不僅是數(shù)據(jù)融合，也是管理和機(jī)制上的融合，只有理順林草濕數(shù)據(jù)的管理邊界，建立部門聯(lián)動、分級負(fù)責(zé)、齊抓共管的常態(tài)化林草濕資源監(jiān)測監(jiān)管機(jī)制，才能更好的發(fā)揮融合數(shù)據(jù)價值，更好的為林業(yè)管理和經(jīng)營服務(wù)。