基础性地理国情监测成果的质量提升方法

李淼，田宗彪，陈海鹏，杨绪峰

(国家测绘产品质量检验测试中心，北京 100036)

0 引言

地理国情是重要的基本国情[1]，做好重大国情国力的动态监测，是全面了解国情、把握国势、制定国策的基础性工作[2]。随着自然资源监管的融合统一，地理国情监测成果的应用领域随之扩大，应用层级也随之提升[3]，地理国情监测成果将持续发挥对各类自然资源调查监测的基础性支撑作用，其成果质量水平将直接影响自然资源调查监测各类统计、分析结果的正确性与可靠性[4]。自然资源调查监测业务对地理国情监测成果提出了更高的要求，因此，基础性地理国情监测成果的质量提升方法研究是其重要保障。本文分析总结了在自然资源监管融合统一的格局下基础性地理国情监测成果的质量要求，并结合实际生产中频发性、关键性的典型问题分析质量影响因素，提出了质量提升的方法和措施。

1 质量要求

地理国情监测成果主要是利用多源航空航天遥感影像中蕴含的丰富光谱、纹理及时相特征[5]，结合各种参考资料和知识，采用交互解译、外业调查等方法，提取地表覆盖分布及变化信息，采用数据集、元数据和统计等进行数据表达，具备数学基础、数据精度和数据现势性等质量特征[6]。由于我国地域广袤，各地自然和人文环境差异较大，卫星遥感影像源往往存在传感器多源差异大等问题，对地表变化信息采集造成不利影响，再加上生产作业过程中存在的各种人为和软件因素[7]，导致地理国情监测数据成果中难免存在各种质量问题，其中时间精度、采集精度、分类精度和属性精度严重影响监测成果的数据质量，在面向自然资源大数据集成和融合的过程中，存在影响政府部门应用统计分析、影响决策正确性的风险[8]。

1.1 时间精度

地理国情监测数据成果要求原始资料数据源、行业资料和成果数据均满足时点要求[9]。一般采用资料核查分析方法进行检验，核实内容包括影像数据源的时相信息、各行业专题资料的现势性、外业调查工作的时效性以及最终成果的时点。

1.2 采集精度

地理国情监测成果的数学精度主要体现在地表覆盖数据采集和国情要素数据采集的地物范围与影像上地物边界和位置的对应程度。检查内容包括几何位移和矢量接边，一般要求在合格正射影像的基础上，影像上分界明显的地表覆盖分类界线和地理国情要素的边界以及定位点的采集精度控制在5个像素以内。

1.3 分类精度

地理国情监测成果的分类精度检查内容主要包括分类正确性和覆盖完整性2个方面。首先，要求数据成果应完整覆盖所承担监测任务区的范围；其次，要求在没有明显分界线的过渡地带内，地表覆盖分类数据中的图斑应至少保证符合上一级类型的归类要求，分界线明显的图斑须严格按照归类要求正确归类。

1.4 属性精度

地理国情监测成果的属性精度检查内容主要包括通用属性项、专有属性项的完整性和正确性。要求值域范围符合枚举值要求，标识发生变化类型的属性客观正确，更新对象与正射影像、外调成果、行业专题资料以及其他参考资料的属性一致等。

2 典型质量问题分析研究

本文结合近年来从事的基础性地理国情监测数据检查工作进行分析，梳理归纳常见影响成果质量的问题，主要集中表现为以下几个方面。

将转基因烟草叶片用100 mol/L 的eBL处理10 h。提取BnBZL2蛋白，将20 mg蛋白加到12%的SDS-PAGE上进行分离，并转移至硝酸纤维素膜(100 mA，1 h)。将硝酸纤维素膜在含有1% BSA的PEB缓冲液中封闭处理1 h，然后用抗GFP抗体(Santa cruz biotechnology)探测碱性磷酸酶标记的二抗。15 min后加入底物BCIP/NBT(Invitrogen)，停止反应后进行观察。

2.1 数据源使用问题

数据源使用不正确导致在时间精度、采集精度、分类精度和属性精度方面产生质量问题。数据源主要包括影像和专业部门的专题资料。在影像保障上，国家层面分批多次下发影像数据，除统一开展的影像资料收集工作外，允许各作业单位发挥自身优势协同开展影像收集工作；在专题资料收集上，除了国家基础数据外，还有各省自行收集到的水利、林业、国土、交通、民政、环境等相关部门的专题资料。在数据源使用过程中，需要综合考虑影像分辨率和时相的要求，并充分利用权威专业部门现势性好、规范程度高的资料。数据源使用常见以下问题：同一重要区域覆盖多源影像，未采用高分辨率影像进行数据生产，导致边界范围采集精度超限；同一区域具有监测期内不同时相的同类型影像资料，未采用第二季度影像或最新影像进行生产，导致影像现势性不满足要求，造成图斑漏更新；其他各类基础测绘成果和水利、林业、国土、交通、民政、环境等相关部门的专题资料成果时相性不满足要求或对专题资料的分析整理不到位，导致要素更新错误。

针对数据源使用问题，提出以下2点建议。

①由于影像资料难以一次性收集，且由于客观原因分批次下发的影像在分辨率、时相方面存在较多差异，在影像资料使用时，应以选择使用有效信息量更大、更有利于信息提取的影像为原则。为避免作业员在生产过程中使用单景影像发生数据源选择错误的情况，建议作业单位组织专人对影像进行筛选，选择分辨率和时相更为合适的影像，分批次按不同分辨率进行影像镶嵌拼接。作业员使用镶嵌后影像进行生产，保证作业员在作业过程中使用的影像唯一，降低作业员切换影像导致影像源使用错误的风险。

②在利用专题资料进行生产时，应对各类资料进行时效性和正确性的筛选、甄别、整理，确保专题资料的可使用性。

2.2 数据更新采集问题

1)数据采集超限。采集精度超限的问题主要源自影像使用方面，没有依据影像进行准确的范围采集。例如城市地区前期已采用低分辨率影像进行数据更新，但由于影像分辨率低，范围边界更新不准确，在补充高分辨率卫星影像数据源的情况下，未依据高分辨率影像进行边界范围的调整，导致图斑边界和正射影像套和差超限；监测期影像上地物类型和范围均发生改变，作业过程中只依据新时期影像进行地类编码的修改，未对图斑边界范围进行修改，导致边界范围采集超限。图1反映的问题为监测期地物发生变化，作业员未根据监测影像更新图斑编码和边界，导致图斑边界与正射影像边界不套和。

图1 采集精度超限

2)图斑漏更新。在作业过程中，由于技术路线验证不充分和对地物更新尺度把握不统一，导致图斑存在漏更新错误。个别作业员习惯将变化区域识别和变化信息采集分为2个独立的作业过程，变化区域识别过程仅叠加2期影像进行变化范围的确定，变化信息采集过程中只叠加本底矢量数据、监测期影像和变化范围图层，在已识别的变化范围内进行变化信息的采集，忽略了范围外的变化，导致地物变化漏更新。遥感影像上同种地物可能具有不同的光谱特征，作业员对某些地物的解译和更新指标等理解不到位，更新尺度不一致，导致图斑漏更新。图斑漏更新直接影响监测数据在更新数据集上的统计分析和使用。图2反映的问题为种植土地变更为房屋建筑区，未依据监测期影像进行地类更新。

图2 建筑物漏更新

3)图层间约束关系错误。由于地表覆盖数据与地理国情要素数据分属不同作业人员生产，或后续修改过程中未注重2类成果间一致性等原因，容易造成同一生产单元的2类成果之间逻辑一致性出现问题，如道路中心线超出地表覆盖路面范围，常年河中心线不在地表覆盖水面内等。图3反映的问题为地表覆盖中水面和国情要素中高水界范围线未同步更新。

图3 水面和高水界约束关系错误

针对数据更新采集问题，提出以下3点建议。

②加强过程检查，对影像及元数据制作、变化信息采集等关键作业环节进行质量检查，避免将错误带入下一个生产环节。

③强调作业人员间的联动更新，同时充分利用已有质检软件，对数据的联动更新问题进行排查。

2.3 属性赋值问题

属性赋值贯穿于数据采集和编辑整理过程中。生产中为了提高生产效率，对某些属性项进行软件自动赋值，软件在测试验证不充分的情况下投入使用，势必导致一些人为和软件缺陷造成的属性赋值错误，且一旦出现基本都是普遍性错漏。

1)枚举值赋值错误。数据中存在部分枚举字段，可以采用人工或自动方式进行填写。如在地理国情监测数据成果中“变化类型”字段体现变化，应根据图斑伸缩、新生等情况对字段进行赋值。在生产过程中存在因为个人理解不到位导致的“变化类型”赋值错误，也存在由于软件未经过测试验证便投入使用而导致的“变化类型”“要素唯一标识码”等枚举值字段赋值错误。图4反映的问题是新生型图斑“变化类型”错误赋值为9。

图4 变化类型错误

2)对象属性与资料/实地不一致。国情要素更新主要依据权威部门的专题资料。由于各省收集的专题资料水平不一致，在专题资料完整性和时相性方面均存在差异，导致在生产中存在2方面问题：①没有充分利用专题资料信息，可填写的属性漏填；②充分依赖专题资料，没有对专题资料进行分析、整理和检查，机械的赋值、明显的错误没有剔除，导致要素对象属性与实地调查结果不一致。图5反映的问题为依据专题资料对道路进行了更新，而通过外业照片资料进行核查，发现道路车道数、路宽属性均与实地不一致。

图5 道路属性与实地不一致

3)图斑类型错误。大面积图斑更新错误会直接导致数据成果质量不合格，使数据可信度降低，严重影响统计、分析和决策。图斑类型错误主要由3方面原因造成：①由于图斑切割或合并时误操作导致原本未发生变化的图斑错误更新；② 2期影像对比无明显变化，仅通过内业无法确定图斑分类情况下，未辅以外业调查，仅通过内业判读对面积较大数据进行了更新；③编辑整理过程中未依据外业调查结果进行图斑分类编码的更新。图6反映的问题为在进行数据更新生产时，对原有图斑进行切割或合并操作，对图斑赋属性时产生人为错误，从而导致实际未发生变化的城市道路CC码赋值错误。

图6 将城市道路错地表示为草地

针对属性赋值问题，提出以下3点建议。

①在生产过程中谨慎使用软件进行赋值，对投入使用的软件加大前期测试的力度和强度，对重点属性进行重点测试，并结合质检问题的持续暴露对软件进行动态更新，确保自动化赋值的正确性。

②各级检查工作中加大对大图斑的排查力度。

③加强内外业的工序衔接，在无充分依据的情况下不对存疑图斑进行地类更新。对专题资料要合理有效利用，同时根据外业调查结果进行内业成果编辑整理，确保内外业结果一致。

3 质量提升措施

基础性地理国情监测数据生产是一个人力密集型的生产过程，自动化过程占用生产的小部分，数据生产工序复杂，成果类型繁杂。本文围绕人员、设备、资料、技术、质量管控机制等方面，提出以问题为导向、全过程质量控制、按要素重要性分级检查、优化质检软件资源配置、以方法预研为方向的多途径创新质量管控模式，不断探索提升质量把控成效的新思路，应用于基础性地理国情监测项目实施过程的关键环节。过程关键环节及其质量提升措施如图7所示。

图7 过程关键环节及质量提升措施

3.1 坚持问题导向原则

监测数据成果的质量控制应坚持以问题为导向，将检查关注点从数据成果转移到人员、设备、资料、技术、质量管控机制5个方面，把握关键问题，从问题入手，确保各级质检有的放矢。在检查过程中，紧盯严重影响成果质量的关键环节和重要因素，包括以作业员为主导作用的工序所产生的缺陷、自动化过程所用软件的不可靠性、数据资料收集利用的不充分性、技术路线方法的偏差性以及管理部门质量监管的不到位等。

3.2 强调全过程质量控制理念

地理国情监测的质量控制在传统“两检一验”测绘成果质量检验理念的基础上，遵循从作业单位到承担单位再到国家层面的分级质量管理，强化全过程质量控制，对影响数据质量的关键环节进行过程把控，及时发现并解决生产中出现的质量问题，把质量控制的关注点从结果控制前移至过程控制，充分发挥质检对生产的保障作用。同时加强技术培训、督促和纠正技术偏差，及时发现影响监测成果的普遍性、倾向性问题，统一技术标准，保障数据质量符合技术设计要求，为自然资源专项调查等重大国情国力调查监测奠定基础。

3.3 突出按要素重要性分级的检查手段

在质量评判环节，根据后期监测成果数据使用的程度不同，将国情要素划分为极重要要素、重要要素和一般要素，成果出现不合格的较多情况是由极重要要素、重要要素出现错漏导致。因此，从作业过程出发，结合各级质量控制，突出检查极重要要素和重要要素，在质检力度不变的情况下，可有效保障成果质量，将可能出现的质量问题对成果使用造成的影响降至最低。

3.4 优化质检软件资源配置

在现有作业模式中，质检软件的使用在质量检查中成效较高，对检查效率和成果质量提升具有重大的促进作用。然而，生产单位质检软件配置有限，加上各单位质检人员力量有限，导致质检软件的使用只能短期集中于检查环节。历年来，国情监测时间紧、任务重，通常在后期集中开展问题整改容易导致出现其他意外错误。本文结合多年工作经验，认为应将质检软件使用前置，从生产作业环节就开始投入使用，利用质检软件对关键质量要素进行自查，可有效避免成果整改的集中化，通过不断优化质检资源配置，可大程度提高质检效率。

3.5 预研地理国情+大数据质检模式

随着地理国情监测和自然资源其他行业调查监测工作的深入开展，多年来获取的各种影像源、专题资料以及各类数据产品规模不断扩大[10]，从数据量、增长速度、准确度和应用价值来看，标志着监测数据已进入大数据时代[11]，这意味着基础性地理国情监测数据成果的检测数据将涉及国民经济的每一个角落，是一种重要的质检资源。质检部门要使用好这些共享数据资源，进行质检方法的科技创新，在互联网、云模式的技术支持下，探索地理国情大数据的集成共享，构建可集成众源数据的质检大数据支撑数据库，形成可供用户上传下载的数据池，包括解译样本、专家知识，以及利用大数据深度学习提取的海量变化信息模型，用以辅助质检，从而提高质检工作效率，实现质量管控的科学性、公正性、全面性与客观性。

4 结束语

基础性地理国情监测是常态化的活动，历年来取得的成果已在“多规合一”、城市规划实施监管、环境保护与治理、自然资源管理、空间用途管制等多个方面得到应用。随着自然资源业务的融合统一，各项业务工作对地理国情信息产品将会提出更多、更高的要求。

本文对基础性地理国情监测数据质量提升方法进行了论述，分析了出现的主要质量问题及原因；提出了有针对性的质量提升措施，包括以问题为导向的检查方法、全过程的质量管控方法、优化质检软件配置和突出重要检查项的检查模式，并对基于大数据的质检模式进行了初步探索。

本文提出的方法在实际质量控制工作中加以运用，取得了较好的成效，对于基础性地理国情监测质量控制工作具有一定的指导意义，对过程抽查、成果验收、成果复核等环节具有一定的参考价值。在接下来的研究中，将围绕地理国情监测生产技术水平、成果形式多样化，以及互联网+大数据等多方面技术的发展，开展基础性地理国情监测数据成果质量提升方法的深入研究。