地理國情大數(shù)據(jù)是典型的多源異構(gòu)數(shù)據(jù)，傳統(tǒng)的集成方法不利于信息共享和互操作，進而嚴(yán)重制約了后續(xù)的計算與分析，基于地理本體的大數(shù)據(jù)集成和融合技術(shù)提供了有效降低甚至解決這種困難的途徑。

本體網(wǎng)絡(luò)描述語言(ontology web language，OWL)提供了數(shù)據(jù)與分析需求的形式化語義描述功能，充分利用本體具有的信息共享優(yōu)勢，可以驅(qū)動相關(guān)信息的自動組織，實現(xiàn)對終端用戶建模。如圖 4所示，采用地理本體的語義模型映射方法，建立點、線、面和復(fù)合要素與語義化地理國情要素的映射關(guān)系，通過形式化描述構(gòu)建面向統(tǒng)計分析的地理本體，進而將不同數(shù)據(jù)進行轉(zhuǎn)換和集成，實現(xiàn)原始存儲格式到類別、位置、時間等屬性的關(guān)聯(lián)。地理國情本體內(nèi)容涵蓋了數(shù)據(jù)對象、任務(wù)關(guān)系及其相關(guān)屬性，具體包括了幾何要素、統(tǒng)計分析指標(biāo)、模型方法、指數(shù)等內(nèi)容。通過地理本體數(shù)據(jù)模型的靈活設(shè)計，可有效簡化統(tǒng)計分析大數(shù)據(jù)集成和融合過程，有助于提升面向政府部門應(yīng)用的統(tǒng)計分析輔助決策效率。

圖4 基于本體的地理國情大數(shù)據(jù)集成和融合

地理國情統(tǒng)計分析涉及大量的社會經(jīng)濟要素數(shù)據(jù)。為實現(xiàn)地理國情數(shù)據(jù)與社會經(jīng)濟數(shù)據(jù)的整合和一體化空間分析，通過構(gòu)建社會經(jīng)濟數(shù)據(jù)和地理國情要素圖斑的相互關(guān)系，將表格化數(shù)據(jù)轉(zhuǎn)化成空間數(shù)據(jù)進行統(tǒng)一管理。以人口數(shù)據(jù)空間化為例，可實現(xiàn)表達人口信息的空間單元由行政單元向規(guī)則格網(wǎng)單元轉(zhuǎn)換。人口分布與房屋建筑密切相關(guān)，通過建立人口與房屋建筑區(qū)屬性信息(類型、面積、層數(shù)、密度等)之間的空間匹配關(guān)系而實現(xiàn)人口精準(zhǔn)分配。

從空間數(shù)據(jù)的并行處理角度來看，地學(xué)算法并行化主要基于空間劃分與任務(wù)調(diào)度策略來完成。地理國情統(tǒng)計分析需要處理大體量的矢柵數(shù)據(jù)，劃分子任務(wù)均包含了耗時較長的讀寫操作，從而限制了性能提升。

針對上述問題，利用規(guī)則網(wǎng)格將數(shù)據(jù)從空間范圍劃分為數(shù)以百計乃至更多的區(qū)塊，且采取一定的數(shù)據(jù)冗余策略，確保各區(qū)塊有效計算范圍內(nèi)輸入的完整性和獨立性。如圖 5所示，在數(shù)據(jù)劃分基礎(chǔ)上，設(shè)計了包含數(shù)據(jù)讀取(Reader)、寫入(Writer)和計算單元(compute unit，CU)3類模塊的異步并行調(diào)度機制。Reader負(fù)責(zé)連續(xù)從數(shù)據(jù)源讀取數(shù)據(jù)，并組織成連續(xù)區(qū)塊流，將其傳遞至CU。經(jīng)CU處理后由Writer輸出至內(nèi)存或文件。整個過程中，計算與數(shù)據(jù)訪問異步重疊，可顯著緩解讀寫造成的性能瓶頸中。

圖5 地理區(qū)塊數(shù)據(jù)異步并行調(diào)度

內(nèi)存計算是將數(shù)據(jù)存放在物理內(nèi)存中，以此作為數(shù)據(jù)處理加速的手段，多適用于數(shù)據(jù)訪問密集型算法。相比傳統(tǒng)方法，內(nèi)存計算可顯著提升數(shù)據(jù)頻繁訪問效率。

地理國情統(tǒng)計分析是典型的計算密集型操作，大部分分析算法的復(fù)雜度可達到O(n2)甚至O(n3)。在處理圖斑級數(shù)據(jù)時，可在內(nèi)存允許的情況下，將數(shù)據(jù)層一次性加載至內(nèi)存。對于柵格數(shù)據(jù)，可根據(jù)空間范圍分配同構(gòu)像元陣列存儲；對于矢量數(shù)據(jù)，可按矢量對象的結(jié)構(gòu)和長度順序拷貝至內(nèi)存。圖 6所示為柵格和矢量圖層的內(nèi)存化表達。

圖6 空間數(shù)據(jù)圖層內(nèi)存化表達

陸表資源和地理過程都以地球表面為載體，但絕大多數(shù)應(yīng)用將地球簡化成標(biāo)準(zhǔn)橢球體而忽略了實際地表起伏。橢球面積和實際表面面積在局部地區(qū)的相對差異甚至達到20%，給資源調(diào)查帶來較大的不確定性。

本文建立了基于不規(guī)則三角網(wǎng)的高精度表面面積模型，形成了具有不同地形特征適應(yīng)性的三維地表建模方法。同時，為應(yīng)對高強度計算作業(yè)需求，設(shè)計并實現(xiàn)了基于多線程的表面面積并行統(tǒng)計方法(見圖 7)，以支撐大范圍、高精度地表資源分類估算。

圖7 地表建模與多線程表面面積計算

轉(zhuǎn)移矩陣可全面分析區(qū)域土地利用變化的數(shù)量結(jié)構(gòu)特征與各用地類型變化的方向，因而廣泛應(yīng)用于土地利用變化和模擬中[24]。地理國情統(tǒng)計分析中，地表覆蓋轉(zhuǎn)移矩陣可定量刻畫研究期初的各地類流失去向和期末的各地類來源與構(gòu)成。

開展大范圍的兩期地表覆蓋數(shù)據(jù)轉(zhuǎn)移矩陣計算，必然要應(yīng)對高強度的計算負(fù)載與數(shù)據(jù)分區(qū)的不均衡性。在多核計算節(jié)點內(nèi)，采用并行的進程池進行任務(wù)管理，通過異步調(diào)度機制確?？臻e進程及時獲取任務(wù)加載指令，實現(xiàn)了多個任務(wù)的異步并行。如圖 8所示，在進程池支持下，首先對數(shù)據(jù)進行匹配和數(shù)據(jù)裁切，確保兩期數(shù)據(jù)具有相同的空間范圍；然后以并行方式進行數(shù)據(jù)疊加，形成多屬性復(fù)合層，進而在多個進程中完成面積計算；最后經(jīng)匯總形成相應(yīng)的轉(zhuǎn)移矩陣。

圖8 地表覆蓋轉(zhuǎn)移矩陣計算流程

為響應(yīng)大范圍地理國情數(shù)據(jù)的快速統(tǒng)計和在線計算請求，在對數(shù)據(jù)進行格網(wǎng)化處理和預(yù)先計算的基礎(chǔ)上，可通過匯總得到不同格網(wǎng)單元的地類分類數(shù)量信息，形成矢量格網(wǎng)金字塔的基態(tài)數(shù)據(jù)層?；鶓B(tài)數(shù)據(jù)格網(wǎng)的寬度可根據(jù)統(tǒng)計精度需求進行設(shè)定?；鶓B(tài)數(shù)據(jù)格網(wǎng)經(jīng)逐級匯總可得到上一級單元的分類統(tǒng)計信息，重復(fù)匯總至單一格網(wǎng)或與最小顯示范圍相適應(yīng)即可。在給定查詢范圍和層級精度要求后，完整格網(wǎng)可直接分類累加，邊緣破碎格網(wǎng)應(yīng)根據(jù)面積占比推算各地類數(shù)值。圖 9為格網(wǎng)金字塔構(gòu)建原理。

圖9 地理國情統(tǒng)計格網(wǎng)金字塔構(gòu)建

• 地理國情大數(shù)據(jù)統(tǒng)計服務(wù)模型

地理國情大數(shù)據(jù)統(tǒng)計分析過程是服務(wù)過程的工程計算表現(xiàn)，服務(wù)變化頻繁、控制復(fù)雜、多級運行，難以采用傳統(tǒng)機理建模方法進行維護。分布式服務(wù)組合系統(tǒng)(distributed service composition system，DSCS)可將某種功能(任務(wù))的執(zhí)行通過某種分配算法(均勻分配、負(fù)載均衡)分布到多個服務(wù)節(jié)點上，通過多個服務(wù)節(jié)點間的組合協(xié)作來完成某種功能(任務(wù))的系統(tǒng)。對于分布式服務(wù)組合系統(tǒng)，每一個節(jié)點都是一個計算單元，從服務(wù)的角色劃分分成兩類，即提供服務(wù)功能的服務(wù)節(jié)點與使用服務(wù)功能的終端節(jié)點。服務(wù)節(jié)點通過相互之間的組合、協(xié)作提供服務(wù)功能，終端節(jié)點以服務(wù)請求的方式向系統(tǒng)申請使用服務(wù)。

整個統(tǒng)計分析服務(wù)系統(tǒng)中，終端節(jié)點(用戶)申請服務(wù)的過程是一個泊松過程，可獨立、隨機發(fā)起對服務(wù)節(jié)點的接入申請。從申請到完成服務(wù)過程的模式流程如圖 10所示。具體流程如下。

圖10 地理國情大數(shù)據(jù)服務(wù)建模

應(yīng)用服務(wù)的具象化表達。統(tǒng)計分析服務(wù)系統(tǒng)對問題進行分解，并檢索知識庫。若已存在流程，則進入知識庫計算環(huán)節(jié)；否則，構(gòu)建問題解決流程。

根據(jù)解決流程申請使用服務(wù)功能。串聯(lián)各模型方法服務(wù)節(jié)點，各模型方法間不直接連邊，模型方法節(jié)點間的通信必須通過服務(wù)節(jié)點進行。

模型方法地理尺度確定。地理尺度的變換并不遵循簡單的線性關(guān)系，在滿足服務(wù)精度要求的情況下，合理確定模型方法地理尺度，如可通過劃分子單元、子單元計算、過程數(shù)據(jù)集中等步驟完成服務(wù)數(shù)據(jù)儲備。

服務(wù)熱點推理。通過確定模型方法服務(wù)節(jié)點和尺度及單元，圍繞熱點問題，經(jīng)過學(xué)習(xí)和推理，最終實現(xiàn)數(shù)據(jù)挖掘。如通過經(jīng)濟、人口的重心計算識別人口密度分異線(全國尺度上表現(xiàn)為胡煥庸線)，通過高程帶與地表覆蓋疊加提取地類空間分布規(guī)律，通過轉(zhuǎn)移矩陣發(fā)掘城市開發(fā)的增量特征和變化趨勢等。

返回終端節(jié)點服務(wù)。對于符合終端需求的服務(wù)進行標(biāo)準(zhǔn)化，實現(xiàn)流程、尺度及單元的規(guī)范性約束，最后更新至知識庫。

• 地理國情大數(shù)據(jù)挖掘

地理國情大數(shù)據(jù)類型復(fù)雜，數(shù)據(jù)異構(gòu)，數(shù)據(jù)量大，服務(wù)需求多樣化。為了解決問題，往往進行問題分解，形成單一類型的非組合子任務(wù)。各子任務(wù)可在常規(guī)的統(tǒng)計分析與數(shù)據(jù)挖掘方法基礎(chǔ)上，結(jié)合地理國情數(shù)據(jù)特征進行決策優(yōu)化。

數(shù)據(jù)分類方法。從地理國情大數(shù)據(jù)中找出一組數(shù)據(jù)對象的共同特點, 并按照分類模式將其劃分為不同的類，預(yù)測數(shù)據(jù)對象的離散類別。大數(shù)據(jù)分析中強調(diào)問題分類細(xì)分，采用數(shù)據(jù)挖掘中的分類技術(shù)，將問題分成不同的類別。分類方法有決策樹、K-最近鄰法(K-nearest neighbor, KNN)、支持向量機法(support vector machine，SVM)、向量空間模型法(vector space model，VSM)、Bayes法等。大數(shù)據(jù)中的數(shù)據(jù)分類是探索一種更優(yōu)的模式識別效果，如Bayes法就是一種獲得新信息既而更新預(yù)測的過程。大數(shù)據(jù)的分類就是通過量化和及時更新的數(shù)據(jù)不斷修正模型的過程。

回歸分析。用以描述和評估應(yīng)變量與一個或多個自變量之間的關(guān)系；反映的是數(shù)據(jù)屬性值在時間上的特征，產(chǎn)生一個將數(shù)據(jù)項映射到一個實值預(yù)測變量的函數(shù)，發(fā)現(xiàn)變量或?qū)傩蚤g的依賴關(guān)系。其主要研究問題包括數(shù)據(jù)序列的趨勢特征、數(shù)據(jù)序列的預(yù)測以及數(shù)據(jù)間的相關(guān)關(guān)系等。大數(shù)據(jù)中的回歸分析用于發(fā)現(xiàn)大數(shù)據(jù)中不同變量間的因果關(guān)系，屬于有監(jiān)督學(xué)習(xí)的范疇。如通過回歸分析探索房屋建筑、人口、興趣點(point of interest，POI)分布等城市要素與城市空間形態(tài)的關(guān)系。

聚類分析。聚類算法類似于分類，但與分類目的不同，是把n個對象劃分成k個非空、不相交的聚類，屬于同一類別的數(shù)據(jù)間的相似性很大，但不同類別之間數(shù)據(jù)的相似性很小，跨類的數(shù)據(jù)關(guān)聯(lián)性較低。如在大數(shù)據(jù)中基于擁堵時間或空間距離的城市交通路況聚類。

關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則是隱藏在數(shù)據(jù)項之間的關(guān)聯(lián)或相互關(guān)系，即可以根據(jù)一個數(shù)據(jù)項的出現(xiàn)推導(dǎo)出其他數(shù)據(jù)項的出現(xiàn)。關(guān)聯(lián)規(guī)則的挖掘過程主要包括兩個階段：高頻項目單元查找和關(guān)聯(lián)規(guī)則建立。如在大數(shù)據(jù)中基于以往地表覆蓋數(shù)據(jù)、人口結(jié)構(gòu)、經(jīng)濟產(chǎn)業(yè)等數(shù)據(jù)預(yù)測城市擴張方向及形態(tài)。

神經(jīng)網(wǎng)絡(luò)方法。神經(jīng)網(wǎng)絡(luò)作為一種人工智能技術(shù)，可以有效處理非線性、模糊、不完整、不嚴(yán)密的知識或數(shù)據(jù)為特征的問題。經(jīng)典的神經(jīng)網(wǎng)絡(luò)模型主要分為3大類：用于分類預(yù)測和模式識別的前饋式神經(jīng)網(wǎng)絡(luò)模型，如函數(shù)型網(wǎng)絡(luò)、感知機等；用于聯(lián)想記憶和優(yōu)化算法的反饋式神經(jīng)網(wǎng)絡(luò)模型，如Hopfield離散模型等；用于聚類的自組織映射方法，如自適應(yīng)共振理論(adaptive resonance theory，ART)模型等。

• 服務(wù)自然資源保護與監(jiān)控

保護“永久基本農(nóng)田”是基本國策?；谟谰没巨r(nóng)田數(shù)據(jù)，結(jié)合地理國情地表覆蓋數(shù)據(jù)，通過大數(shù)據(jù)統(tǒng)計分析，可以及時發(fā)現(xiàn)公路兩側(cè)一定距離緩沖區(qū)永久基本農(nóng)田范圍內(nèi)人為違建設(shè)施，并對違建設(shè)施的空間位置和長度、面積進行準(zhǔn)確標(biāo)定(見圖 11)。此外，為加強國家級自然保護區(qū)、國家公園自然生態(tài)系統(tǒng)原真性和完整性保護，通過對不同類別地表覆蓋數(shù)據(jù)分析，可以發(fā)現(xiàn)區(qū)域中存在的房屋、道路、構(gòu)筑物、人工堆掘地等用于居住、交通和經(jīng)濟功能的違建現(xiàn)象(見圖 12)，提升自然資源保護的力度。

圖11 對永久基本農(nóng)田的非法占用

圖12 自然保護區(qū)監(jiān)測違建

• 服務(wù)生態(tài)環(huán)境保護與監(jiān)測

針對生態(tài)區(qū)域內(nèi)生態(tài)要素空間分布及不同時期生態(tài)要素變化情況開展監(jiān)測，建立地理國情分類體系與生態(tài)地表分類體系之間的對應(yīng)關(guān)系，通過地理國情大數(shù)據(jù)統(tǒng)計分析，可以有效促進和提升生態(tài)環(huán)境保護與監(jiān)測活動的實效。例如，圍繞新疆庫魯斯臺草原草地分布格局，利用2008－2015年植被覆蓋變化數(shù)據(jù)進行統(tǒng)計，依據(jù)宜林則林、宜草則草的原則，運用地理國情大數(shù)據(jù)統(tǒng)計分析方法計算草原植被空間覆蓋指數(shù)，反映草原植被覆蓋退化狀況(見圖 13)。在此基礎(chǔ)上，結(jié)合生態(tài)補償標(biāo)準(zhǔn)，通過清退草地面積核定補償資金，探索和驗證草原生態(tài)補償和政府轉(zhuǎn)移支付機制，可以有效促進草原的生態(tài)環(huán)境保護。此外，通過大數(shù)據(jù)統(tǒng)計分析，還可以有效監(jiān)測區(qū)域生態(tài)環(huán)境的變化情況，特別是生態(tài)改善的區(qū)域。

圖13 草原退耕還林還草

• 服務(wù)土地資源質(zhì)量評價

基于土地各構(gòu)成因素及綜合體特征認(rèn)識，根據(jù)建設(shè)用地地形、土壤、植被、水等要素適宜性要求，以及土地利用相關(guān)社會經(jīng)濟條件、適宜性、土地潛力和土地經(jīng)濟等評價分析方法，以土地合理利用為目標(biāo)，根據(jù)土地用途對土地的屬性進行質(zhì)量鑒定和數(shù)量統(tǒng)計，從地理國情角度分析土地的適宜性程度、生產(chǎn)潛力、經(jīng)濟效益和對環(huán)境有利或不利的后果，確定土地價值，為土地利用規(guī)劃、土地資源管理等應(yīng)用領(lǐng)域服務(wù)。例如，通過北京市人口與地表資源承載分析(見圖 14)，得出各環(huán)內(nèi)均以生活空間為主，其次為生態(tài)空間和生產(chǎn)空間。五至六環(huán)北部生態(tài)空間分布密集，而南部生產(chǎn)空間和生態(tài)生產(chǎn)空間分布集中，為全市國土空間開發(fā)格局優(yōu)化及資源環(huán)境可持續(xù)發(fā)展提供決策依據(jù)。

圖14 土地資源評價

• 服務(wù)國家重大戰(zhàn)略和區(qū)域規(guī)劃實施

對國家級新區(qū)的建成區(qū)、地表覆蓋、建設(shè)用地、重要基礎(chǔ)設(shè)施建設(shè)、重要生態(tài)用地、重要社會經(jīng)濟區(qū)域單元在面積、分布、數(shù)量、占比等方面的現(xiàn)狀及變化進行監(jiān)測，開展國家級新區(qū)建設(shè)進程和效果分析評價，掌握國家級新區(qū)的規(guī)劃建設(shè)和發(fā)展?fàn)顩r，促進測繪服務(wù)轉(zhuǎn)型，提升服務(wù)政府決策、服務(wù)社會經(jīng)濟發(fā)展的能力。例如，通過對蘭州新區(qū)地理國情現(xiàn)狀、變化情況以及建設(shè)進程開展評價，發(fā)現(xiàn)監(jiān)測現(xiàn)狀和規(guī)劃存在部分不符之處(見圖 15)，該成果為國家級新區(qū)監(jiān)測的全面深入開展起到示范和推動作用。

圖 15 蘭州新區(qū)2010—2013年地表覆蓋變化分析

本文介紹了地理國情大數(shù)據(jù)統(tǒng)計分析的技術(shù)框架及關(guān)鍵技術(shù)，探討了解決地理國情大數(shù)據(jù)集成管理、高效統(tǒng)計計算、深度挖掘分析與多樣化服務(wù)的核心技術(shù)體系，可為全國與地方開展地理國情大數(shù)據(jù)的統(tǒng)計分析和服務(wù)工作提供關(guān)鍵技術(shù)支撐。

隨著自然資源部改革的進一步深入，基于地理國情大數(shù)據(jù)的統(tǒng)計分析與服務(wù)已成為推動測繪地理信息行業(yè)思想變革、技術(shù)創(chuàng)新和人才培養(yǎng)的重要力量，這將為履行自然資源監(jiān)管、生態(tài)保護修復(fù)等職責(zé)提供重要的信息和技術(shù)支持。