土地工程中的大数据应用构想*

2017-01-20胡雅

中国农业信息 2017年7期

胡雅

（1.陕西省土地工程建设集团有限责任公司，西安 710075；2.陕西地建土地工程技术研究院有限责任公司，西安 710075；3.国土资源部退化及未利用土地整治重点实验室，陕西西安 710075；4.陕西省土地整治工程技术研究中心，西安 710075）

土地工程中的大数据应用构想*

胡雅1，2，3，4

大数据因其种类多、数据量大、传递速度快等特点在越来越多的领域得到广泛应用，而大数据在土地工程中的应用才刚刚兴起。文章通过对相关文献及报道的归纳与分析，列举出大数据在复垦耕地管理、工程规划、进度控制决策等方面的应用构想，并就土地工程大数据发展的所需条件进行了探讨，以促进大数据技术在土地工程中的应用，最终提升土地工程数据价值、促进土地整治质量的进一步提高。

大数据土地工程应用前景

大数据作为新时代高新技术发展的产物，已广泛应用于科学、医药、商业等各个领域，受到越来越多的关注。然而，在土地工程领域大数据技术的应用却鲜有研究，目前尚处于起步阶段。

土地工程就是运用工程手段解决土地问题，把未利用地变为可利用地或把已利用地转变为高效利用土地，甚至“再生土地”，是保障发展、保护耕地、统筹城乡土地配置的重要工程手段[1]。作为交叉学科，土地工程涉及退化、污染、损毁土地的修复治理，高标准农田建设，建设用地整备，土地工程信息化等多个方面，其数据信息具有种类多、体量大的特点。在数据日新月异的时代，如何实现复杂土地信息的高效管理和便捷使用，提升土地工程软实力，实现土地工程信息化，是摆在众多科研人员和专家学者面前的全新话题，也是土地工程领域进一步发展所面临的机遇和挑战。

土地工程大数据是大数据技术、理念、思维在土地工程领域的应用，是收集、整理和分析多学科的数据源的重要方式。土地工程大数据通过对土地工程信息进行分类、解析，得出工程操作过程中每一个环节的评价指标，为土地工程后续发展提供数据参考，进而实现对土地工程数据信息的高效管理和利用。因此，大数据技术在土地工程中拥有良好的应用前景，其将成为汲取土地工程数据价值、促进土地整治质量提升、加快农业经济转型升级的重要手段。

该文通过阐述大数据技术特点，在文献、报道调研的基础上浅谈大数据在土地工程中的应用前景，旨在为土地工程中进一步应用大数据技术提供参考依据。

1 大数据

大数据是指数据资料量规模巨大到无法通过人脑甚至主流软件工具来分析处理的那些数据，大数据技术能够在合理时间内达到撷取、管理、处理、并整理数据，帮助人类完成经营决策目的[2]。大数据分析方法与传统分析方法的最大区别在于分析的对象是全体数据，而不是数据样本，其最大的特点在于不追求算法的复杂性和精确性，而追求可以高效地对整个数据集的分析。其具有Volume，Variety，Velocity，Value这4个特征。

1.1 数据量大（Volume）

现实世界中，随处可见各种各样的传感器，例如卫星、航拍飞机、摄像头、探测器等，这些设备随时采集着不同格式的数据；网络世界中，在用户每天的的上网点击、搜索等网络活动产生数量庞大的数据，随着时间的累积，这些数据从TB发展至PB乃至ZB，可称为海量、巨量甚至超量。

1.2 数据种类多（Variety）

互联网、物联网、传感网的发展，使数据的来源及格式复杂多样，传统的结构化数据、半结构化和非结构化数据组成整个数据网，仅涉及农业的数据就包括气象指标、土壤指标等几类，每一类又包含了多个分项指标[3]。国土资源行业的互联网网页、音频、视频、图像、地理位置等数据在行业数据库占有率达到80%以上，这个比例还在迅速增加，除此之外，随着科学技术的发展，数据的来源会更加多样化。

1.3 传递、处理速度快（Velocity）

网络软硬件设备的发展使数据从端点移动到处理器和存储器的速度明显加快。数据种类和数量的快速增长，使短时间内完成数据的处理分析成为必然。即时完成分析才能够及时从数据中提取知识、发现价值，迅速发挥数据的效能。显然，数据处理的速度越快、越及时，数据的价值及其发挥的效能就越大[4]。

1.4 价值高密度低（Value）

大数据的又一个特征是价值密度的高低与数据总量的大小成反比。虽然数据量很大，但往往有用的数据少。数据量呈指数增长加大了获取有用信息的难度，有重大价值者可能仅为一两秒的数据流[5]。以航拍视频为例，在连续不间断正常情况拍摄1 h的视频中，可能有价值的数据仅仅只有1～2 s。因此，如何快速高效实现隐藏在海量数据中的价值成为科学需要解决的一大问题。

在上述4个特征中，第一个和第二个特征是关键，需要特别说明的是，数据量大小是相对而言的，各个行业之间的差别很大[6]。

2 土地工程大数据应用构想

目前，大数据的应用目标是获得知识、推测趋势、掌握个性化特征、分析辨识真相。物联网的发展为大数据在土地工程中耕地管理、工程控制等方面进行应用提供了可能。

2.1 复垦耕地管理决策

2.1.1 耕种管理

复垦耕地地域分散，地形多变，环境不同，因此多方位、网络化、快速高效的采集土壤、作物、气象等变量信息进而预测灌水、施肥量成为复垦耕地管理中重要工作。国内在农田空间信息快速采集技术领域已经有了较丰富的理论基础和实践经验，成熟的仪器有TDR土壤水分测定仪、电导率测试仪、pH值测试仪等土壤特征指标感知仪器。利用土壤环境传感技术，将速测仪采集的土壤水分、土壤呼吸、二氧化碳浓度、土壤的温湿度、风速、降雨量等数据，通过嵌入式系统对信息进行智能处理。

无线传感器网络技术将感知信息能够及时传送到诊断决策中心。以陕西省土地工程建设集团的在线监测研究为例，通过在盐碱地土地整治工程中建立作物、水分、盐分、土壤、气候等不同监测因子的多层次（气象云图层、植被层、地形层、土壤层、地下水层以及工程层）、多剖面（渠—沟—林—路—田的整体和各个组合、水文微循环、水盐运移等多断面）、多角度的可视化在线监测系统，获取盐碱地治理实时准确的研究数据，融合GIS及高分辨率遥感等不同数据源，研究盐碱地水盐运移。土壤有机质、容重、质地等指标目前还没有相应的传感器实时测定设备，数据采集需要用传统土壤采样方法检测指标含量值并通过人工录入数据库。

将传统数据收集和实时数据收集两种方法结合起来分析，给土壤“号脉开方”，结果可信程度高。大数据决策支持系统能够根据彭曼公式和水量平衡方程自动判断作物是否缺水，并计算出作物所需灌水量[7]；能够根据作物长势和土壤状况，经过数据的分析和运算，确定肥料类型、肥料用量和肥料方案；能够根据养分含量高低与分布为土壤改良提供合理的元素配比。

2.1.2 作物估产

土地复垦是为了保障作物高产稳产，运用3S技术可以精确计算出整治面积、掌握农作物生长形势、估计种植面积和作物产量。

遥感技术能够从人造卫星、飞机或者其他飞行器上收集地物目标的电磁辐射信息，识别地球环境和资源。利用遥感技术监测作物的长势，包括作物的苗情、生长状况及其变化等影像数据，能够为田间管理提供及时信息，为早期估计产量提供依据，为可能出现的大规模粮食短缺或盈余情况预留时间采取措施。基于机器视觉、结构光扫描、超声波等声学方法的植物地面部分信息采集[8]也为作物估产提供了大量图像资料。

目前，研究作物生长、估产的模型主要有荷兰WOSOFT系列，美国DSSAT系列，澳大利亚APSIM系列，FAO的AQUACROP；研究植物数字化模拟的植物建模、分析模型有OpenAlea，GroIMP，VTP[9]，研究历年气候与降雨、水肥投入与产出情况，小麦、豆科牧草、禾谷类、甘蔗等作物的生产和管理的模型有基于Granular的生长管理决策系统以及农业生产系统模型（APSIM）。将模型嵌入大数据平台即可用于决策，自动生成管理方案，促进农作物生长，提高效率，增加收益[3]。

2.1.3 重金属污染评价

传统的土壤重金属污染主要有实验室监测法和现场快速监测法，实验室监测法精度高，但劳动强度大、采样分析费时，适用范围小，现场快速监测法虽能够大面积、连续、高密度获取信息，但大多处于定性或半定量的试验阶段[10]。重金属快速探测与遥感技术的发展使得重金属污染评价智能化成为可能。LIBS技术在重金属元素检测方面表现优异，能够弥补一般光谱技术在重金属元素检测上的不足，美国洛斯阿拉莫国家实验室研制的土壤金属探测仪TRACER一次测量时间1 min，最大深度可达60.95 cm[8]，探测数据最终通过网络汇集至大数据中心。遥感技术的成熟促进了利用植被反演和土壤监测的方法评价重金属污染，地物波谱特性易受土壤成分、大气效应、植被等环境噪音的影响[10]，通过强化波谱信息提取技术，提高遥感信息提取的准确性，大数据技术就能够对土壤进行智能化重金属污染评价。

大数据在复垦耕地管理方面使用时，需要保证数据的精确性、完整性和时效性，数据库中每个数据都应准确描述客观世界中的实体。传统的抽样检测得到的数据是滞后的，我们所做的决定也非常缓慢，等决定做出数月后发现有错时，时间也不可能倒流；一旦出现数据遗失就会造成决策结果不准确。因此数据准确采集，实时更新成为大数据在复垦耕地决策管理上的关键。

2.2 工程规划、进度控制决策

2.2.1 土地工程能力评价

利用大数据对土地工程能力进行评价，可以使工程规划、建设等决策行为更趋合理。基于GIS的土地工程评价可以收集资料数据，将其按照图形数据和属性数据分类录入大数据系统，以工程地质分区图、地质灾害分区图、土地工程能力系列图等图形数据和相应的属性数据作为数据库，在基础软件平台上进行二次开发，对其功能进行一定的扩充[11]，得到土地工程能力信息系统。土地工程能力信息系统的建立，能够实现各种空间、非空间地质数据和信息的输入、存储、查询、检索、分析，显示等功能，为土地工程规划、管理和决策提供了工具。

2.2.2 土体有机重构方式选择

土体有机重构作为工程技术手段、服务对象是有机生命体，是通过对一定深度土体进行研究，以复配、增减、置换等技术手段，为承载生命体提供必要条件[12]。土地工程的核心是土体有机重构，而土地整治工程大系统循环性、协同性不够，科技滞后于工程的现象普遍存在，大数据耦合能够根据目标土体的土层厚度，土壤质量，土体结构等指标准确预测工程中遇到的重构方案问题，尽早展开科学研究，对土体有机重构方式进行决策，增强土体有机重构试验能力，选择土体最优的重构方式，指导工程实践。

2.2.3 工程规划、方案优化及进度控制

土地整治工程规划设计前期，需要考虑灌溉与引水渠道、田间道路线路选择，由于研究范围大，设计者精力有限，只能凭经验选择。而计算机与网络技术的快速发展以及市场传感器精度提高、价格降低，土地工程大规模、全方位、多维度、多场地的工程监测得以实现。将光纤传感器、摄影测量、GPS、测量机器人、合成孔径雷达差分干涉测量设备及技术应用于地形地貌、地籍测量及动态监测[13]，则大数据系统可依据技术标准并考虑约束条件自动搜索出一系列经济、环保、合理的线路方案为线路设计人员提供参考，为了提高运算速度，还可通过云计算技术将线路优化的计算工作安排在多个节点上进行。

施工返工既浪费时间和资源又影响工程施工进度，大数据可以实现工程协作各方有效的协同工作平台，施工前设计单位、建筑单位在该平台上有效沟通，并进行3D模型模拟施工，模拟施工程序、设备调用、资源配置等，便于优化设计方案和施工方案[14]。利用卫星监测工程进度，使项目管理者及各协同方直观了解工程进展情况，完成了系统数字化、透明化、服务化的升级。如同同位素示踪法一样，给每个项目，每个示范站设置有效二维码，人们通过扫描，可以了解项目、观测站的基本概况，这既能促进项目建设，又能很好地进行宣传。

2.2.4 工程预警预测

大数据技术研究能够为工程预测预警、应急处置、灾害评估提供巨大帮助。经过多年的监测工作，我国国土部门、气象部门已积累了大量的地质灾害、气象灾害实例，这些实例涉及数据量庞大，整理和充分挖掘这些数据，建立土地工程灾害实例及处理措施大数据，在使用过程中不断完善信息采集及预报分析决策技术，可供灾害监测部门对新监测到的灾害数据进行类比、分析，从而快速、及时、准确地推荐出灾害预防及处理方案，在一定程度上提高土地工程灾害的预防、预警水平。

在大数据时代，可以将交叉行业数据用于解决工程量预测的问题。例如某地居民用水严重过量，地下水位急剧下降，同时土壤耕作能力退化，作物减产，新城镇建设房地产资源过剩，根据这些现象所产生的数据，可以预测未来十几年内农民向城镇搬迁轨迹，以及所形成的废弃宅基地数量及区域。

3 土地工程大数据发展所需条件

3.1 健全的专业人才队伍

随着大数据与各行各业的深度融合，贵州大学设置大数据科学与工程相关专业，为土地工程学培养土地工程信息化方向的专业人才[5]。为了规避大数据技术应用过程中重采集轻分析的问题，建立包括数据采集和处理人员，数据分析人员和数据沟通和展示人员等专业的数据管理团队[15，16]，他们将本身只是信息的数据转化为对行业有价值的决策依据[17]。

3.2 完善的数据采集、管理能力

2014年，我国大数据相关硬件市场在451亿元，2020年将突破至2 385亿元[18]，市场的快速增长反映了大量的大数据软硬件需求，当前土地工程领域的农田水肥监测方面已基本实现了数字化，但由于施工阶段数据采集设备不够，数据管理能力有限，使得设计成果未能得到充分应用，难于实现全阶段信息的集成和共享，制约了大数据在土地工程领域的应用，所以工程前设计、进度管理等方面的数据收集与管理能力亟待加强。

3.3 理论与实践同步发展

大数据理论先行于实践，是大部分大数据技术使用行业存在的问题，大数据理念的宣传推广，使得各学科行业感觉到数据深入使用对行业发展与增强行业核心竞争力的迫切需要，进而导致大数据过分概念化。所以，如何将数据应用落到实处还需进一步探索。

3.4 提高数据平台融合度

农业、国土、建筑等行业都在积极采集数据、占有数据和利用数据，然而大部分数据在各个行业、机构、企业和政府之间相对独立，数据之间缺少连接，如何让相关行业数据彼此间自由流通也是土地工程行业面临的一个问题。尽早展开土地工程行业数据平台建立，构建包括数据采集技术、存储技术、处理技术、分析挖掘技术、展现技术等一体化应用平台，统筹数据资源，对土地工程行业发展，土地工程学科建设具有非常重要的意义。在有了顶层的数据平台后，在清晰的数据架构框架下，逐步完善各行业信息化系统。逐步形成数据所有者的职责和权利、数据格式和标准、数据建立和变更流程、数据使用制度、数据安全制度和数据销毁流程等良好的数据治理体系。

4 结语

土壤信息感知技术、作物信息感知技术、环境信息感知技术、遥感技术、网络通讯技术、信息处理技术等物联网技术为大数据的在土地工程中的应用提供了无限可能。数据是智慧的加工厂，在土地工程大数据人才、设备、数据库逐步健全的过程中，土地工程行业补充大数据应用方向，大数据技术推进土地工程行业发展，互利共生的关系定会使得大数据技术在土地工程中的应用前景更加广阔。

[1] 张煊．以土地工程夯实生态文明建设基础．人民日报，2016-12-01

[2] 栗蔚，魏凯．大数据的技术、应用和价值变革．电信网技术，2013，（07）：6～10

[3] 光峰，姚程宽，王维进．农业领域大数据的应用研究．洛阳师范学院学报，2015，（08）：75～77

[4] 顾芳，刘旭峰，左超．大数据背景下运营商移动互联网发展策略研究．邮电设计技术，2012，（08）：21～24

[5] 卢涵宇，张达敏，杨平．大数据科学与工程专业设置探索．电脑知识与技术，2014，（24）：5715～5716

[6] 王浩，覃卫民，焦玉勇，等．大数据时代的岩土工程监测—转折与机遇．岩土力学，2014，（09）：2634～2641

[7] 张洋，韩文霆．作物灌水量决策支持系统开发．农机化研究，2011，（02）：147～149

[8] 何勇．农业物联网技术及其应用．科学出版社，2016

[9] 许世卫，王东杰，李哲敏．大数据推动农业现代化应用研究．中国农业科学，2015，（17）：3429～3438

[10] 刘海利，刘欢．遥感技术在矿区土壤重金属污染评价中的应用．西部资源，2016，（5）：139～141

[11] 谷天峰，王家鼎．GIS在咸阳城市土地工程能力评价中的应用．西北大学学报（自然科学版），2004，（04）：473～477

[12] 薛亮．土地工程治污的陕西样本．中国国土资源报，2016-11-14