江苏省工业用地动态调查和智能分析技术研究

王雪文,陈艳艳,王海君

(1.常州市武进规划勘测设计院,江苏 常州 213100;2.江苏省测绘研究所,江苏 南京 210013)

0 引言

工业是立国之本、强国之基。土地作为基本生产要素,对工业发展的质量和布局有着重要影响。江苏省作为一个经济大省、资源小省,工业用地的土地配置结构、利用现状、空间布局和产出效益等状况,将直接影响到经济发展状况,而如何准确、全面地摸清工业用地的现状,及时发现问题、快速调整用地策略是其关键所在[1]。

开展江苏省工业用地动态调查,构建时空大数据分析平台,汇总分析生产力空间布局,动态监测评价土地资源要素配置效率和产出效益,为工业用地绩效评价、城镇低效用地再开发、更好地发挥政府对土地资源要素配置的调控作用提供基础数据和决策支撑,同时可以更大程度地深化工业用地配置制度改革,增强土地要素保障能力,提高土地资源利用效率,助力推动工业经济的高质量发展[2]。

1 总体设计

1.1 设计思路

本项目针对多源异构数据的整合以及快速更新等数据处理技术、多种工业用地效益评价模型以及分析平台建设等关键步骤开展研究。以自然资源数据和从发展改革、工业和信息化、财政、税务、统计、生态环境等部门收集的工业企业相关数据为基础资料,利用多源异构地理空间数据集成技术,建立时空数据基础库;利用遥感+AI模式,基于Transformer模型实现工业用地的快速更新;通过空间地理分析技术以及基于产业链图谱的空间分析技术,实现对工业用地规模、用地结构、用地效益以及产业链空间分布全方位评价[3];通过时空大数据智能分析技术搭建分析决策平台,实现对工业用地实时、准确的可视化表达,以及对江苏省工业用地多维度时空分析决策支持。

1.2 技术路线

项目主要分为三大部分,即数据更新部分、分析建模部分、系统构建部分,具体技术路线如图1所示。

图1 技术路线

2 内容建设

根据总体设计,项目建设内容主要分为数据库建设、分析模型构建以及分析平台建设。

2.1 数据库建设

2.1.1 基础数据库建设

工业用地调查数据包含从自然资源部门收集的年度土地利用现状图、高分影像图、供地数据、城镇地籍数据、农村建设用地调查数据、集体建设用地使用权调查数据、地形图数据、土地储备规划数据、土地登记发证资料(不动产统一登记数据库)、不动产抵押资料等,以及从发展改革、工业和信息化、财政、税务、统计、生态环境、市场监管、社会保障、电力、自来水、燃气等部门收集的工业企业名录及企业投入产出、用工、能耗等基础资料。针对数据来源、数据格式的多样性,项目利用多源异构地理空间数据集成关键技术,重点解决时空大数据建设问题,主要实现过程如下:

首先,将空间基础数据、国土资源土地调查与利用数据、基于遥感等获取的具有多源异构、多尺度、多时间序列特点的观测数据,建立具有综合空间结构、拓扑、层次关系的多源数据时空关联模型。

其次,研究数据级、特征级和决策级融合的共性关键技术,建立环保数据、经济数据、统计数据等信息融合框架和融合服务模型,设计基于空间位置的多源异构信息融合服务接口和网络实现机制,实现多源数据快速、高效的融合处理。

再次,研究可扩展的高效分布式时空数据存储与管理技术,实现海量时空数据的高效存储,支持时空、专题和动态的多维度联合查询,提高历史状态恢复效率和变化检测计算效率,实现语义模拟与高效存储计算等目标的平衡。

最后,在云环境中构建多维时空数据库管理平台,通过时空数据库访问接口和面向应用主题的共享与数据交换模型,支持时空特征的联机分析。

2.1.2 基于Transformer模型的数据快速更新

工业用地数据更新是在前期数据的基础上,通过内业遥感影像解译来提取的,针对部分存疑的地块则通过后期的外业调查解决。

以往的影像解译主要是靠人工判读,不但耗时长、转化效率低,且信息共享能力弱。本项目基于Transformer模型的影像智能解译方式,不但可以解决以上问题,还可以统一判别标准、提高判别精度。该过程主要分为样本库建立及模型运行两部分。

依托江苏省高分辨率影像数据,以及与之对应的三调矢量数据作为本底库,对数据进行辐射矫正、归一化、坐标系转换和数据增强等预处理操作。通过地理坐标对齐、优先级设置等,裁剪成可供模型训练的大小,形成可供训练的样本库。项目根据Transformer模型需求,制作了适配四季的工业用地样本。

使用PyTorch框架构建基于可见光的解译算法,利用可并行运算的、以注意力机制提高模型训练速度的Transformer模型,将影像根据样本库进行地类快速分类提取,然后根据提供的地籍调查成果、三调成果等对数据进行进一步判别,缩短数据更新耗时,降低对人主观判断的依赖性,同时数据的准确率大大提升。

2.2 分析模型构建

工业用地数据除了利用传统的地理分析方法用于用地规模、用地结构、用地效益以及空间分布的分析,还根据供给链评价需求,创建了基于产业链图谱的工业企业用地时空分析方法。根据产业划分规则和各个行业企业之间的供求关系,利用企业主营产品构建产业分类,建立了产业链图谱和编码体系[4-6],其主要的分析过程如下:

(1)企业产业链知识图谱模型构建,按照产品生产的关键节点建立连接点,将产业链分为上游、中游、下游三大部分。

(2)产业链图谱编码,打乱原有的国民经济计划分类代码,按照产业链之间的关系对行业分类重新赋值编码。

(3)以产业链节点为核心的空间分析,按照企业主营产品,将企业进行上中下游空间划分,将分类企业点进行空间分析。

2.3 分析平台建设

该平台实现系统功能的可扩展、可伸缩、灵活布设、强大组合,以及各个应用子模块之间的功能互操作和集成。根据对系统的功能适用性和系统用户群分析,基于面向SOA架构的方式,采用JAVA开发N层应用,多层方式可以使应用具有很强的伸缩性,它允许每层专注于特定的角色。

基于需求分析及总体架构设计,主要分为11个模块:化工专题分析、土地用途变更分析、低效用地再开发、开发区评价、土地建设状况分析、土地用地类型分析、历史遗留问题分析、土地建成率分析、土地用途区分析、建设用地管制区分析、基础设施配套水平分析。

不同的分析模块,详细、直观地展示目前工业用地的利用状态,对用地策略的制定以及供地方式的调整具有指导作用[7-9]。

3 创新点

项目针对数据处理、数据分析以及平台构建过程中的弊端,对相关技术进行改进,大大提高项目的整体效率以及最终效果,项目的创新点如下:

(1)研建了不同季相多源高分遥感影像样本库,研制了融合Transformer模型的遥感影像深度学习解译系统,实现了工业企业用地GeoAI精准比对,支撑了江苏省工业企业用地更新调查。

(2)基于产业链分类和编码体系构建了产业链图谱和时空格局分析模型,提出了上中下游产业格局和用地效能刻画方法,助力了省、市、县和企业级低效用地再开发利用。

(3)研发了知识引擎、分布式地学计算、数据挖掘可视化等时空大数据智能分析集成技术,研制了定量测算、空间布局、时序探究的全流程分析决策平台,实现了江苏省工业企业用地多维度时空分析决策支持。

4 应用成效

(1)强化土地要素保障,促进工业经济平稳增长。项目成果协助健全省级工业用地配置政策,不断深化工业用地供应方式改革,有效支撑了江苏省工业用地的出让[7]。

(2)完善工业用地调查技术,推进绿色发展。分析决策平台向江苏全省自然资源系统提供了24小时在线服务,支撑了各级自然资源管理业务开展;项目形成的时空大数据分析技术和软件成果在工业企业用地效能提升、全域土地综合整治和区域高质量发展等方面发挥了重要作用,经济社会效益显著。

5 结语

项目利用AI+遥感解译技术,建立了覆盖省、市、县、企业多尺度的工业企业用地调查时空数据库,并持续动态更新;突破传统的定量分析方法,基于产业链分类和编码体系构建产业链图谱和时空格局分析模型,提出了上中下游产业格局和用地效能刻画方法,助力了省、市、县和企业级低效用地再开发利用;攻克跨平台技术难题,通过链式数据处理技术、跨平台协同知识引擎等新技术,研发了工业企业用地调查时空大数据分析决策平台,实现动态工业用地大数据的业务链式化、结果可视化、检索高效化[8-9]。

项目成果被广泛应用在工业企业用地效能提升、全域土地综合治理等方面,并取得了显著的经济、社会效益,具有广泛的应用前景,对江苏省的用地政策调整也起到了支撑作用。