【技术】测绘地理信息技术在自然资源调查中的应用-亚洲ca88官方网站

　　（1. 青海省测绘质量监督检验中心， 青海 西宁 810000；2. 青海省第三地质勘查院， 青海 西宁 810029）

　　［摘 要］自然资源调查工作往往涉及多个行政区域或地理单元，易产生调查目标、范围与内容等信息交叉与重复的问题，影响后续决策和规划的制定。为此，本文以多种测绘地理信息技术为基础，探讨了自然资源调查的新思路。首先，基于测绘地理信息技术构建调查数据库；然后，利用遥感测绘技术采集自然资源遥感影像，划分影像类别并叠加遥感影像矢量数据与数据库内的栅格数据图层，通过整合多个数据源，提供全面、准确、一致的自然资源信息视图；最后，基于地理信息系统（GIS）开发外业信息采集应用程序，结合全球定位系统（GPS）定位自然资源。实验结果为：应用该方法后，各类自然资源遥感影像分类结果的斯皮尔曼（Spearman）相关系数均高于0.95。这说明该办法能够有效分析自然资源变动情况。分区覆盖面积同标准分区覆盖面积差异低于0.5 km2。

　　［关键词］测绘地理信息；遥感影像采集；稀疏描述特征；地理信息系统（GIS）；空间分析；全球定位系统（GPS）

　　自然资源是人类生存和发展的基础［1］，其调查与管理是区域生态承载能力分析的基础，同时也对保障国家安全、促进经济社会持续健康发展具有重大战略意义。因此，开展科学、高效的自然资源调查与管理是建设生态文明的重要工作［2-3］。

　　肖粤新等［4］在研究自然资源调查方法过程中，将“互联网+”技术与人工智能技术相结合，构建了一体化监测平台。郭丁等［5］在自然资源调查过程中，采用高分辨率卫星监测技术采集自然资源信息，通过图像分析技术获取自然资源调查的最终结果。陈超等［6］利用数据融合技术实现对自然资源的调查，针对国土资源和森林资源数据来进行联合相交，获得兼顾两者图形与属性的融合数据，并针对其中的碎小图斑进行融合。张隆隆等［7］利用数据驱动技术，分析了自然资源综合调查新思路。该研究通过一定的调查、观测、监测、评价、预测、区划等措施，解析不同的要素资源空间格局、结构功能、演变状态和相互作用过程，实现区域-要素体系构建、指标分级分类、多源数据重构以及数据融合，用于自然资源综合调查。

　　虽然上述办法能够完成自然资源调查，但是自然资源调查工作涉及多个地理单元的数据，若不能有效处理多来源数据，会产生调查目标、范围与内容等信息交叉与重复的问题，造成调查报告出现错误与冲突，影响后续决策和规划的制定。针对这一问题，本文结合了测绘地理信息技术、遥感测绘技术、地理信息系统（geographic information system，GIS）、全球定位系统（global positioning system，GPS）等多种测绘地理信息技术，探讨了自然资源调查的新思路。测绘地理信息技术以其高精度、高效率、高可靠性的特点，为自然资源调查提供了有力的技术支撑，不仅提升了调查工作的效率，也提高了数据的准确性和可靠性。

　　本研究基于测绘地理信息技术构建调查数据库，用于储存、管理后续的自然资源信息。数据库主要包含四个主要部分，分别为模型构建、基于遥感测绘技术的自然资源监测、基于GIS 的业内判别与数据分析、基于GIS 的外业信息数据采集，如图1所示。

　　采用卫星遥感监测技术与无人机遥感监测技术相结合的方式，采集自然资源遥感图像［9］。利用基于稀疏描述特征的遥感图像分类方法识别自然资源遥感图像类别，由此实现不同类别自然资源监测信息分类的目的。

　　基于稀疏描述特征的遥感图像分类方法是一种有效的分类方法。这种方法通常使用稀疏表示模型对图像进行特征提取和表示，进而进行分类［10］。通过学习数据集的稀疏描述特征，将遥感图像分为不一样的类别，实现对自然资源监测信息分类的目的。这种办法能够从大量的无标签遥感图像中学习得到更具有判别性的特征，提高分类准确度和鲁棒性。

　　在获取自然资源遥感影像稀疏描述特征的过程中，确定自然资源遥感影像内的端元构造字典很重要。通常情况下，所使用的端元确定方法有主分量分析以及纯像元指数法等［11］，上述方法在实际应用过程中均设定遥感影像数据处于凸面体内，由此造成最终结果均存在一定局限性。而稀疏描述模型则不存在这一设定，该模型通过学习的方法所构建的字典原子可以更为可靠地确定自然资源遥感影像像元的谱特征，通过字典准确地描述像元［12］。

　　XU分别为自然资源遥感影像数据集和字典，通过U可以准确确定像元的谱特征，并且利用U内所包含的原子能够对不同像元xi进行稀疏线）所描述的优化问题可取代字典学习问题。

　　O∈Rn × P 和UJ 分别表示系数矩阵和原子； 描述的是重构误差； 描述的是稀疏惩罚函数，通过能够描述自然资源遥感影像数据重构同稀疏性间的相关性［13］。

　　UO变化的现象，则可确定以上问题不为凸优化问题［14］。一般条件下，可选取迭代的计算方式对式（1）进行求解，具体步骤描述如下。

　　U，可依照稀疏描述原理，将自然资源遥感影像内的像元X描述为字典U内原子的稀疏线）在本质上可理解为一个凸

　　1 -正则化最小平方问题。通过求解式（2）所确定的)为一个稀疏向量，也就是仅包含较少不为0的元素。考虑到自然资源遥感影像内相同类别像元的光谱曲线结构一致度较高，因此基于字典

　　确定的系数一致度同样较高。由此可定义)是自然资源遥感影像内像元的另一种描述方式，即字典U的稀疏描述特征。将所得自然资源遥感图像稀疏描述特征输入深度学习网络内，通过学习输出结果，有效识别自然资源遥感影像类别，将自然资源遥感影像划分为土地资源、水资源、矿产资源、森林草地资源、耕地资源等不同类别［15］。

　　确定不同类别的自然资源遥感影像后，利用测绘地理信息技术中的GIS 技术，将自然资源遥感影像矢量数据同自然资源数据库内的若干个栅格数据图层叠加在一起，将若干个栅格数据图层的数据属性叠加在自然资源遥感影像上［16］，在此基础上，分析各类自然资源的数量变化，并对自然资源安全格局进行空间分析等，由此生成自然资源调查报告。

　　研究区域范围内的自然资源变化可分为两部分，分别是自然资源类型的空间位置变化以及数量变化。

　　自然资源类型的空间位置变化Sj 所描述的是区域范围内自然资源类别的空间位置产生一些变化，对于自然资源类型面积的数量变化不产生影响［17］，公式为

　　j分别表示第j类自然资源空间位置变化前后的面积；Wjj表示发生明显的变化的面积［18］。数量变化Qj 描述的是不同类别自然资源的面积在转入、转出互抵后的变化，公式为

　　类自然资源的整体变动情况Ej，公式为1.4 基于GIS技术的自然资源空间分区

　　为达到自然资源空间准确划分的目的，需先进行自然资源数据的精细空间化处理［19］。此过程中，结合GIS技术，参考所研究区域的实际地形地貌和土壤侵蚀、水质污染等敏感性，并将其作为评估指标，对研究区域内的自然资源敏感性实施整体评估，以保障所获取的数据的有效性，利用GIS软件构建自然资源空间可视化模型。

　　基于GIS的自然资源空间可视化模型要素如图2 所示，其中针对异常的自然资源数据实施修正或清除处理。

　　在此基础上，对自然资源进行评价，分别包含土地资源、水资源、森林资源、大气资源等，具体评价如下。

　　为污染区域面积；yd为污染物含量。根据上述评价权重，利用式（10）确定各类自然资源评估指标敏感性等级，公式为

　　表示自然资源空间某一指标i的敏感指数；Zi表示自然资源空间某一指标i的指标权重。各类评估指标均将其敏感性等级规划区分为4个等级，即

　　=1，2，3，4，其中i=1 时，表示不敏感；i=2时，表示轻度敏感；i=3 时，表示中度敏感；i=4 时，表示重度敏感。同时，依照不同敏感性等级由高至低赋值，并利用等权叠加的方式整体评估自然资源空间内的敏感性。依据评估结果标记不同敏感度数据多处空间，同时将全部敏感性抑制且相邻的数据结果连接在一起，生成标准自然资源空间结构，达到自然资源数据准确空间化处理的目的，并在此基础上构建自然资源空间阻力面，连接全部阻力数据值最低的点［20］，构建完整的自然资源空间廊道，由此获取初始自然资源空间的生态安全格局。

　　以初始自然资源空间的生态安全格局为基础，对敏感性等级有所差异的自然资源空间实施分区。分别以

　　y表示任意自然资源空间内所包含的组里面数量和自然资源空间廊道数量，由此生成全域自然资源空间网络。在此基础上，根据生态园区、生态用地（耕地、森林、草地等）以及非生态用地（建设用地与矿产等）的类别实施分区处理。针对后两种类别，选用整体评估模式，将评估结果作为依据实施分区，公式为式中，

　　K分别表示自然资源空间内的水资源和土壤资源侵蚀情况；CV分别表示自然资源空间内被植被覆盖区域的面积和所采用的水土保持措施。基于式（11）能够确定自然资源空间内不一样的区域的整体评估结果

　　A的值同自然资源生态等级之间呈正比例相关，等级较高就将其归类至生态用地分区内，等级较低就将其归类至非生态用地分区内。由此实现自然资源空间的精准分区。2 实例验证本文研究测绘地理信息技术在自然资源调查中的应用方法，为验证本文方法的实际应用性能，以某省为研究对象，采用本文方法对研究对象内的自然资源做出详细的调查，实验结果如下。

　　研究对象位于我国北部边疆，横跨东北、华北和西北地区，东西方向直线 hm 以上，南北方向最大跨度在1 700 hm 左右，区域范围内整体面积在118 万hm2以上。

　　研究对象的地形主要为高原，海拔均值在1 000 m 以上。区域范围内山脉、高原、丘陵、平原、沙漠、河流和湖泊等地貌类型共同构成了丰富多样的地形地貌。

　　研究对象的地理特征还包括其丰富的自然资源。例如，草原面积居全国前列，林区的木材蓄积量也较大。此外，还拥有许多著名的湖泊等。

　　在气候方面，研究对象属于温带大陆性季风气候。由于地域辽阔，各地的气候差异较大。总体来说，夏季气温在25 ℃左右，冬季则较为干冷，中西部地区的最冷气温可低于-20 ℃，而东部林区则可能低于-50 ℃。此外，还具有降水量分布不均特性，降水大多分布在在夏季，而冬季则较为干燥。

　　采用本文方法中的卫星遥感监测技术与无人机遥感监测数据采集研究对象区域范围内的自然资源遥感影像（部分影像见图3），采用本文方法对所采集的遥感影像进行分类处理。

　　各类别自然资源遥感影像分类结果分析过程中，以斯皮尔曼相关系数（Spearman 相关系数）、整体精度为评价指标进行实验验证。斯皮尔曼相关系数也被称为斯皮尔曼等级相关系数或受限斯皮尔曼系数，大多数都用在衡量两个变量的依赖性。斯皮尔曼相关系数的绝对值越接近1，说明两个变量的相关性越高；当系数等于0时，表示两个变量之间没有相关性。所得结果如表1所示。

　　分析表1 可知，本文方法划分自然资源遥感影像类别时，各类自然资源遥感影像分类结果的Spearman 相关系数均高于0.95，而分类结果的整体精度则均在97%以上。综合可知，本文方法对自然资源遥感影像的分类具有较高精度。

　　分析研究对象范围内2018 年与2023 年的自然资源数据变化，结果如表2所示。

　　由表2得到，在研究时间内，研究对象区域范围内的各类自然资源整体变化面积从大至小分别为：建设用地资源＞草地资源＞水资源＞矿产资源＞森林资源＞耕地资源。而在各类资源中，位置空间转移变化最大和最小的分别是建设用地和耕地资源，数量变化最大和最小的分别是水资源和耕地资源。以上分析结果说明本文方法可以有明显效果地分析研究对象范围内自然资源变化情况。

　　自然资源空间分区情况分析从两方面做，分别是自然资源敏感性评估和分区覆盖面积对比。

　　本文以敏感性为标准对自然资源进行整体评估。在基于GIS软件构建的自然资源空间可视化模型内将研究对象划分为7 个区域，对比本文方法评估结果与专家对研究对象各区域范围内自然资源的敏感性评估结果，以此验证本文方法评估结果的准确性，结果如表3所示。

　　表3中，★为本文方法的分析结果，●为专家综合评估结果。分析表3 可知，本文方法评估结果中，1 号区域与6 号区域为中度敏感，4 号区域、5 号区域与7 号区域为轻度敏感，2 号区域与3 号区域为不敏感。本文方法评估结果与专家评估结果一致，说明本文方法能够准确评估研究对象自然资源的敏感性，能够为研究对象生态安全格局的准确分区提供基础。

　　采用本文方法将研究对象自然资源空间划为自然保护区、禁止开发区、限制开发区、条件开发区与优先开发区。确定以上五个区域划分的实际覆盖面积，并与标准分区覆盖面积相对比，由此验证本文方法的分区性能，结果如表4所示。

　　分析表4 得到，采用本文方法对研究对象自然资源空间进行区域划分后，各区域覆盖面积同标准分区覆盖面积差异不高于0.5 km2，由此说明本文方法在实际应用过程中可以在一定程度上完成自然资源空间的准确区域划分。

　　在自然资源调查中，测绘地理信息技术能快速获取地理空间数据，对自然资源的分布、数量、质量等做全面、系统的分析。本文研究测绘地理信息技术在自然资源调查中的应用，综合运用了遥感技术、地理信息系统、全球定位系统等多种先进的技术手段，实现了区域范围内不同类别自然资源的精确监测和分析，希望本研究能够为自然资源管理决策提供科学依据。

　　霍景焕，刘志友. 测绘地理信息技术在自然资源调查中的应用［J］. 北京测绘，2024，38（12）：1645-1651.

　　霍景焕（1984—），女，河南南阳人，大学本科，工程师，从事自然资源相关质检工作。E-mail