基于语义模型的国土调查数据与森林小班数据渐进精化的融合策略研究

冯永玉，杨仕勇，王芳，王学，刘伟，王燕

（1.山东省国土空间数据和遥感技术研究院，山东 济南 250002；2.山东元鸿勘测规划设计有限公司，山东 济南 250014）

0 引言

第三次国土调查（以下简称“三调”）为国情国力调查，其调查数据是核定各地实际耕地保有量、新增建设用地数量以及建设用地审批、国土空间规划编制、国土空间生态修复等各项自然资源管理工作的依据［1］。森林资源是国家重要的自然和战略资源，在木材保障、林产品供给以及维护国土生态安全中居于核心地位［2］，小班是森林保护、规划、统计、经营和管理的基本单元［3］。

自然资源部和林业部对林地界定存在差异，既存在自然资源部认定为林地而林业部未认定的现象，又存在自然资源部未认定为林地而林业部认定的现象［4-5］。出现此类现象的原因错综复杂，主要包括地类认定标准不同、调查方法不同、调查时点不统一、数据结构不同等［6-8］。

当前，针对国土调查数据与林业数据融合工作研究已取得一定成果。如陈信旺等［9］对国土部与林业部的林地界定进行了差异性分析，得出经济林（园地）是造成林业部与国土部林地界定差异的主要原因；许雪玲［10］利用ArcGIS建模工具对福建省森林资源与国土资源数据的衔接进行了研究，分析了林业与国土数据的差异情况，在技术层面形成了标准的“内业操作流程”，规范了工作方式；张敏中等［2］通过对新疆林业与国土数据衔接方法的研究，提出了林业与国土数据更好衔接的原则和建议。

现有对国土调查数据与林业数据融合工作的研究只是提出相关原则与建议，并未提出切实可行的融合关联方法，更未在第三次国土调查工作中应用。园地是造成两者差异的原因，但灌木林或其他地类是否存在影响未进行说明；国土调查与林业调查的界线存在差异，国土调查为国家下发，林业边界为实际测量，当边界不一致时如何处理未进行说明；国土调查的地类与林业调查的地类存在对应关系，但对应关系并不明确。因此，本文通过分析两类数据的相关标准、数据内容和属性结构等，利用试点实验数据，提出了三调数据与森林资源小班数据的融合关联方法，并在三调中进行了应用，取得了较好的应用效果，研究结果以期为其他地区两类数据的融合提供科学依据。

1 试点数据概况

淄川区位于山东省淄博市中部，东经117°41′～118°14′，北纬36°22′～36°45′。南与淄博市博山区相邻，西与济南市章丘区相接，北与周村、张店、临淄三区接壤，东傍青州市，属温带季风气候。在第三次国土调查数据质量核查工作中，发现淄川区数据质量较好，因此选取淄川区第三次国土调查数据和森林资源小班数据为试点数据。

山东省机构改革以后，原山东省林业厅与山东省国土资源厅合并为山东省自然资源厅，因此山东省具备了以第三次国土调查数据为基础，开展森林资源专业调查的优势。山东省自2019年开始探索森林资源“一张图”与三调成果的初步衔接，经过一年探索，在2020年林业变更调查工作部署中实施。2020年森林资源“一张图”工作以三调统一时点的更新数据库为底图，对林业小班进行重新区划。对于三调成果数据中的林地图斑与原来森林资源“一张图”中的林业小班地类定义相同的部分，根据三调的图斑边界，重新区划林业小班，保持边界一致。对于三调数据中的非林地图斑，由于三调分类标准与林业分类标准不一致，制定两者间地类对应关系表；三调数据中的非林地图斑若符合森林资源地类分类系统，则保留在森林资源“一张图”中，反之则舍弃。

建立第三次国土调查数据与森林小班数据的融合关系，可为图斑要素级直观展现三调图斑的森林调查细化因子，以及因地类分类划定含义不同造成森林面积、林木绿化率等统计表差异的分析提供数据支撑［12］。

2 渐进精化的数据融合策略

2.1 基于分类标准的地类初步对应

由于自然资源部和林业部对林地的界定存在一定差异，造成同一地类被三调与森林调查划定为不同类别。如三调中的其他林地，其划分含义与森林中的乔木林存在重合，造成汇总统计不一致［13-14］。

为便于三调数据与森林小班数据的融合工作，解决差异带来的混乱，按照“数据可分析，差异可处理”原则，对第三次全国国土调查数据分类表和森林资源地类分类系统［15］进行仔细研读，并与林业部相关专家共同制定出“第三次国土调查数据分类与森林资源地类分类对应关系表”，简称“地类对应关系表”（表1）。

表1 第三次国土调查数据分类与森林资源地类分类对应关系表Tab.1 Correspondence table between the work classification of the third land survey and the classification of forest resource and land

2.2 基于空间分析与人工判读的地类对应优化

本研究基于第三次国土调查数据分类与森林资源地类分类对应关系，结合淄川区试点数据，首先开展分类划定、影像判读、人工分析和结果统计等工作，然后结合其他属性判断条件，分析统计三调图斑地类与森林小班地类不同对应关系的发生概率，为优化地类对应关系提供数据支持。

2.2.1 数据处理

在建立地类对应关系表的基础上，首先从淄川区第三次国土调查数据和森林小班数据中提取需要进行融合操作的要素图层，包括三调数据中的地类图斑图层和森林“一张图”数据中的小班图层；其次对提取出的三调地类图斑图层和森林“一张图”小班图层进行空间叠加分析，得到两个图层的交集部分，并且原图层的所有属性同时在新图层上显示［16-18］，此新图层为待融合数据；最后在新图层中新增“判读结果”属性字段，形成“试点数据分析库”。通过人机交互方式，对“试点数据分析库”进行判读：当判读图斑所属的三调图斑地类与影像一致时，判读结果标注为“符合”；反之，标注为“不符合”。判读标注完成后的数据库称为“试点数据分析成果库”。

2.2.2 地类对应关系分析

待融合数据共有177480个图斑，选取其中124236个图斑（占总图斑数的70%）进行试验，用剩余的53244个图斑进行数据验证，如果地类对应关系占比达到90%以上，可将其对应关系增加到第三次国土调查工作分类与森林资源地类分类对应关系表中。对试点数据分析成果库进行地类对应关系分析，结果如下：

（1）通过对三调果园对应情况分析（图1），发现森林地类中乔木林占比78%，比重较大，符合地类对应关系表；其他灌木林占比也较大，建议增加到对应关系表中；未成林造林地、宜林荒山荒地占比也较大，原因可能是调查时点不同［19］。

图1 三调果园对应情况分析图Fig.1 Corresponding situation analysis diagram of three-tone orchard

（2）通过对三调其他园地对应情况分析（图2），发现森林地类中国家特别规定灌木林占比最大，符合地类对应关系表；乔木林占比也较大，为22.79%，建议增加到地类对应关系表中；未成林造林地、宜林荒山荒地占比也较大，可能与调查时点不同有关。

图2 三调其他园地对应情况分析图Fig.2 Corresponding situation analysis of other gardens in the third-survey

（3）通过对三调乔木林地对应情况分析（图3），发现森林地类中乔木林所占比例最大，为68%，符合地类对应关系表；其他灌木林也占较大比例，建议将其增加到地类对应关系表中；未成林造林地、宜林荒山荒地两类占比较大，可能与调查时点不同有关。

图3 三调乔木林地对应情况分析图Fig.3 Corresponding situation analysis diagran of third-survey trees

（4）通过对三调灌木林地对应情况分析（图4），发现森林地类中乔木林所占比例为53.16%，比例最大，可能与两者的划分含义不同有关，建议增加到地类对应关系表中；未成林造林地、宜林荒山荒地两类占比较大，可能与调查时点不同有关；其他灌木林占比13.75%，所占比例也较大，符合地类对应关系表。

图4 三调灌木林地对应情况分析图Fig.4 Corresponding situation analysis diagran of third-survey shrub forest

（5）通过对三调其他林地对应情况分析（图5），发现森林地类中乔木林占比72%，比例最大，可能与两者的划分含义不同有关，建议增加到地类对应关系表中；灌木林地占比3%，是否可以增加到地类对应关系表，需进一步讨论；未成林造林地、苗圃地等综合占比也较大，符合地类对应关系表。

图5 三调其他林地对应情况分析图Fig.5 corresponding situation analysis diagram of third-survey other forest

（6）三 调 公 园 与 绿 地（0810）、铁 路 用 地（1001）、轨道交通用地（1002）、公路用地（1003）、城镇村道路用地（1004）、交通服务场站用地（1005）、农村道路（1006）、机场用地（1007）、港口码头用地（1008）、管道运输用地（1009）、河流水面（1101）、湖泊水面（1102）、水库水面（1103）、坑塘水面（1104）、沟渠（1107）和水工建筑用地（1109）符合地类对应关系，森林地类均是对它们用地所含绿化部分的细化。

本次选取的淄川区试点数据不存在竹林地（0302）、红树林地（0303）、森林沼泽（0304）、灌丛沼泽（0306）、茶园（0202）、橡胶园（0203）、竹林地（0302）、特殊用地（09）和田坎（1203）地类，因此无法对其对应关系进行分析。

通过对试点数据进行影像判读、人工分析和结果统计，并向林业专家多次咨询后，形成了优化的第三次国土调查工作分类与森林资源地类分类对应关系表。具体内容见表2。

表2 优化后的第三次国土调查数据分类与森林资源地类分类对应关系表Tab.2 Correspondence table between the classification of the third land survey and the classification of forest resources and land

续表2

2.3 融合关联库构建

2.3.1 融合关联模型建立

在传统数据管理模式中，三调数据与森林资源“一张图”数据只是简单的图层叠加，彼此孤立管理。通过融合关联模型，建立了同一空间位置不同图层要素间融合关联的纽带，打破了原孤立管理的模式。

语义模型是语义元素间关系紧密程度的空间度量，在关系模型基础上增加全新的数据构造器和数据处理原语，用于表达具有复杂结构和丰富语义的一类新数据模型。本研究提出的数据融合关联模型就是在语义模型架构基础上，通过渐进精化的技术机制进行数据融合关联工作，从而在两类数据之间建立关联纽带，不改变原有数据，随着数据更新，模型同步变化。首先通过地类对应关系，使两类数据在同一空间位置下进行逻辑匹配与筛选；其次将筛选后的数据以关联字段为桥梁，通过细化因子模型（表3）在省级第三次国土调查数据库管理系统中以图斑要素级直观展现三调图斑的森林调查细化因子；最后通过差异分析模型（表4），找到森林调查面积和三调林地面积存在差异的原因。

表3 细化因子模型属性结构描述表Tab.3 Refinement factor model attribute structure description table

续表3

表4 差异分析模型属性结构表Tab.4 Attribute structure table of difference analysis model

2.3.2 融合关联模型应用

通过前面建立的两类数据关联模型对淄川区试点数据进行了反向试验，以验证三调数据与森林小班数据关联的准确度，经过统计分析，准确度达91%以上，符合实验预期，证明该方法切实可行。具体统计情况见表5。

表5 准确度分析表Tab.5 Accuracy analysis table

对前期经过图层提取并进行空间叠加分析的新图层（待融合数据），进行数据融合工作。通过融合关联模型（图6）和优化后的地类对应关系表，对融合数据进行信息提取，形成第三次国土调查数据与森林小班数据融合关联数据库（图7），该融合关联数据库直观地展示了第三次国土调查与森林资源调查数据的关键信息。

图6 融合关联模型Fig.6 Fusion association model

图7 第三次国土调查数据与森林资源小班数据融合关联库内容展示Fig.7 Content display of the data of the third land survey and the small class data fusion of forest resources

3 结论

（1）通过对淄川区试点数据分析，提出了一种关于第三次国土调查数据与森林资源数据的渐进精化融合方法。利用融合关联模型，对数据进行处理，形成第三次国土调查数据与森林小班数据融合关联库。该融合关联库一方面为图斑要素级直观展现三调图斑的森林调查细化因子提供了技术支撑；另一方面为因地类分类划定含义不同造成的森林面积、林木绿化率等统计表的差异分析提供了数据支撑。

（2）通过对国土调查数据与森林小班数据的分析，发现地类划分规程和统计口径的不同是造成森林调查面积和三调林地面积存在差异的原因；统计口径不一是造成统计差异的主要原因。通过差异分析模型，找到了差异问题的解决办法。

（3）本文方法具有一定普适性。该方法以第三次国土调查数据为底图，研究自全国第二次林地调查以来林地的变化情况，进行林地数据与三调数据融合关联工作，为其提供了技术支撑。

（4）本文提出的融合关联模型还存在一定不足，由于试点数据的局限性，存在某些地类关系无法细化，一定程度上影响了数据融合工作的指导性，因此，进一步细化地类对应关系应作为本研究后续的重点。