多源數據融合在房屋建筑普查中的應用

王忠芳 張浩 陳功勛

引言

2020年6月，國務院辦公廳發布關于開展第一次全國自然災害綜合風險普查的通知，明確普查內容包括：主要自然災害致災調查與評估，房屋建筑等承災體調查與評估，歷史災害調查與評估，綜合減災能力調查與評估，重點隱患調查與評估，主要災害風險評估與區劃以及災害綜合風險評估與區劃等。房屋建筑普查是承災體調查的重要內容之一，調查信息包含：基本信息、建筑信息、使用情況和房屋照片等，可謂普查內容多、工作任務重、專業要求高。此次普查不僅對我國自然災害防治和應急管理工作具有重要價值，而且對我國經濟社會的可持續發展意義重大。

在普查工作中，若無相關成果基礎，傳統普查方法是通過內業收集資料和外業現場調查，逐個填報調查信息表，這種方式效率低、難度大、成本高。若開展過相關工作，則可將現有成果融合成所需信息。

考慮到全國各地已開展過“第三次全國國土調查”（“三調”）和不動產登記工作，“三調”數據中包含的地類信息以及不動產登記數據中包含的權利人和地址信息，可作為房屋基本信息填報數據源；自然資源部門擁有的大比例尺地形圖數據，包含精確的房屋輪廓圖形以及高分辨率遙感影像解譯的房屋圖形，均可作為調查底圖；住建部門擁有豐富的檔案資料和相關名錄資料，包含房屋的結構類型、用途、減隔震等信息，可作為建筑信息填報數據源。

本文通過多源數據融合對這些數據進行分析處理，將融合結果應用到房屋建筑普查中，能夠提高工作效率，減輕外業工作量，降低人力成本，取得事半功倍的效果。

普查內容及流程

房屋建筑普查工作基于住建部開發的“全國房屋建筑和市政設施調查系統”開展，總體流程為：底圖制備、資料收集、數據融合和外業調查。

（一）普查內容

調查系統原始底圖僅包含房屋圖斑和編號。房屋建筑普查信息包括：基本信息、建筑信息、使用情況和房屋照片。

基本信息包括：所屬行政區劃、房屋類別、建筑名稱、小區名稱（城鎮住宅）、建筑地址、戶數（城鎮住宅建筑）、單位名稱（非住宅建筑）、產權單位、是否進行產權登記和戶主姓名（農村住宅）等。其中，所屬行政區劃包含所屬省、市、區縣、街鎮和村居；建筑地址根據房屋類別分為城鎮房屋所在路（街/巷）、號和棟，農村房屋所在組、路（街/巷）和號；房屋類別根據用地類型分為城鎮房屋和農村房屋，根據用途又分為住宅和非住宅。

建筑信息包括：建筑層數、建筑面積、建筑高度、建造時間/年代、結構類型、房屋用途（非住宅建筑）、是否采用減隔震、是否為保護性建筑、是否專業設計建造和安全鑒定情況（農村房屋）等。

使用情況包括：變形損傷、改造情況、抗震加固情況和物業管理情況。

房屋照片包括：現場照片、抗震措施照片和變形損傷照片。

（二）普查技術流程

調查系統原始底圖是通過解譯2019—2020年不同時相的遙感影像制備，僅包含房屋圖斑，且存在部分圖斑現勢性不滿足調查時點（2020年12月31日）要求，部分圖斑與房屋實際不符，應合并未合并、應拆分未拆分等問題。如果對所有信息都逐棟房屋調查，會增加工作難度，降低工作效率，提高人力成本。

在此情況下，依據內外業一張圖的原則，我們制定了一套調查技術流程，主要工作是：數據收集與分析、多源數據融合、外業調查（圖1）。其中，多源數據融合具體包括底圖優化和內業信息填報：底圖優化是對原始底圖的房屋圖形進行優化，內業信息填報是增加房屋基本信息、建筑信息等調查內容。具體技術流程圖如圖2所示。

圖1 外業調查

圖2 技術流程圖

多源數據及用途介紹

（一）圖形數據源

（1）大比例尺地形圖：大比例尺地形圖位置精度高，能夠用精確的圖形表示單棟房屋輪廓。本次房屋建筑普查的對象是房屋建筑單體，即單棟房屋，而國家下發的工作底圖為房屋圖斑，存在一個圖斑包含多棟房屋、多個圖斑表示一棟房屋的情況。因此對于大比例尺地形圖覆蓋良好的區域，可用其替換國家工作底圖的房屋圖斑。

（2）高分辨率遙感影像：國家工作底圖大多采用2019年遙感影像制備，現勢性不強。2020年遙感影像與2019年遙感影像相比，包含2019—2020年間新建的房屋，對于2020年拆除的房屋不再顯示，同時高分辨率遙感影像能夠清晰顯示每棟房屋的輪廓。因此，通過解譯2020年高分辨率遙感影像，可對原始工作底圖進行優化，從而得到符合現實情況的底圖。

（二）屬性數據源

（1）第三次全國國土調查數據（簡稱“三調”）：“三調”數據包含豐富的地類信息，反映了全國地類分布及利用狀況，還包含國、省、市、縣及村級的行政范圍界線。

本次房屋建筑普查需要按土地所有權將房屋分為城鎮房屋和農村房屋，按用途將房屋分為住宅和非住宅，填報不同的調查表，待填信息包含房屋所屬行政區劃。因此，考慮根據“三調”數據地類圖斑層中的城鎮村屬性碼、地類編碼區分城鎮房屋、農村房屋及住宅和非住宅，根據行政區層中的鄉鎮級行政區代碼、鄉鎮級行政區名稱和村級調查區層中的坐落單位代碼、坐落單位名稱確定房屋所屬的鎮街、村居。

（2）不動產登記數據：不動產登記數據中權利人圖層的權利人名稱信息，宗地基本信息圖層的坐落信息，自然幢圖層的房屋結構、建筑物高度、竣工日期、實測建筑面積、地上層數、地下層數信息，可作為房屋建筑普查中戶主姓名、單位名稱、建筑地址、結構類型、建成時間、調查面積、層數等的權威信息源。

（3）城建檔案館資料：包括總平面圖、竣工驗收報告、測繪面積表、建筑竣工圖等。可利用的信息有：建筑面積、建筑結構、建筑層數、建筑年代、建筑用途、是否減隔震、建筑高度、套數、是否抗震加固及加固時間。

（4）文物保護單位名錄：文物保護單位名錄中可用信息包含房屋的單位名稱、時代、詳細地址、面積等，與房屋建筑普查中的單位名稱、戶主姓名、建成時間/建造年代、建筑地址、調查面積、是否保護性建筑等信息對應。

（5）校安工程名錄：校安工程名錄中可用信息包含房屋的學校名稱、建筑物用途、校安工程、校安年度、建筑物名稱、竣工日期、建筑層數、建筑面積、危房鑒定等級、危房鑒定日期等，與房屋建筑普查中的單位名稱、房屋用途、是否進行過抗震加固、加固時間、建成時間/建造年代、建筑名稱/房屋名稱、層數、調查面積、是否經過安全鑒定、鑒定或評定結論、鑒定時間等信息對應。

（6）農村危房改造資料：包括農戶檔案信息、危房改造資料、農房抗震資料。可用信息包含：戶主姓名、地址、房屋安全性等級、結構類型、施工方式、設計方式、改造后房屋面積、建成時間和是否抗震加固及加固時間。

數據融合方法及效果

在對不同數據源進行融合時，要處理好坐標不一致、格式不一致、空間圖形不匹配、屬性不匹配等問題。正如將基礎地理信息數據與地理國情普查數據進行融合時，對于屬性不一致與圖形不一致的情況要采取模式融合和實例要素融合處理。將多源數據融合為房屋建筑普查信息時也需要進行圖形、屬性處理。

（一）圖形處理方法

1. 底圖優化

房屋建筑普查要求工作底圖用矢量圖形表示單棟房屋輪廓。原始工作底圖存在部分圖斑現勢性不滿足調查時點要求，未標繪20平方米以下的房屋，對連片建筑未拆分等問題。

對2020年高分辨率遙感影像進行機器解譯和人工解譯，將解譯結果與原始底圖對比，通過圖斑變化檢測、識別原始底圖中缺失、多出、應合并未合并和應拆分未拆分的房屋圖斑。然后，通過GIS軟件的矢量新增、刪除、合并和拆分等編輯操作，對原始底圖的房屋圖形進行優化，底圖優化流程如圖3所示。

圖3 原始底圖優化流程圖

2. 格式轉換

由于不動產登記數據為dwg格式，與房屋建筑普查數據要求的shapefile格式不一致，需要進行格式轉換。具體操作流程如下。

首先使用ArcGIS的CAD to Geodatabase工具將不動產登記數據轉換為File GeoDatabase格式，得到面、線和注記數據；然后對面數據使用Feature to Polygon工具轉為shapefile格式的面數據，對注記數據使用Feature to Point工具轉為shapefile格式的點數據；再根據屬性對點數據進行數據清洗和分類；最后將點數據的屬性賦值到面數據，得到包含豐富屬性信息的shapefile格式不動產登記數據。

3. 空間分析

調查時需要填報房屋所屬的行政區劃信息，由于調查以區縣為單位，房屋所屬省、市、區縣已確定，還需確定所屬街鎮、村居。

考慮到“三調”結束后，各地存在行政區劃調整情況，因此，首先需要結合民政部門最新的行政區劃范圍和代碼，對“三調”數據的行政區范圍及代碼進行調整；然后將房屋圖形數據與調整后的行政區范圍進行空間疊加分析，根據行政區層中鄉鎮級行政區名稱和代碼確定房屋所屬鎮街名稱及編碼；最后根據村級調查區層中的坐落單位名稱和代碼確定房屋所屬村居名稱和編碼。

4. 地名地址匹配

由于收集的文本資料沒有空間信息，無法與房屋圖形進行關聯。因此，需要通過GIS的地名地址匹配方法，確定文本資料中地址的空間坐標，進而關聯到對應房屋圖形。

（二）屬性處理方法

1. 數據清洗和分類

不動產登記數據與房屋建筑普查的信息項非一一對應，且存在不合格信息，需要進行數據清洗和分類。以“權利人”字段為例，其中包含“未申報”等非法字符，還分為戶主姓名、單位名稱、小區名稱、建筑名稱等多類信息，首先要剔除非法字符，然后按字符長度和關鍵字將權利人屬性內容進行歸類。

2. 語義匹配

多源數據與房屋建筑普查數據同類屬性的含義范圍不同，需要進行語義匹配。

（1）通過“三調”數據區分房屋類別。

通過將“三調”數據的用地類型與土地所有權（“國有土地”或“集體土地”）進行語義匹配，區分房屋類別。

首先根據地類圖斑層中的城鎮村屬性碼區分城鎮、農村房屋。城鎮村屬性碼字段值“201或201A”表示“城鎮用地”，字段值“202或202A”表示“建制鎮用地”，字段值“203或203A”表示“村莊用地”，字段值“204”和“205”分別表示城鎮村外部的鹽田及采礦用地和特殊用地。為了確保區分城鎮和農村房屋時不遺漏房屋，按城鎮村屬性碼字段條件選取字段值為“201、201A、202、202A”的圖斑，融合得到城鎮范圍界線。界內的房屋類別為城鎮房屋，界外的房屋類別為農村房屋。

然后根據地類圖斑層中的地類編碼區分住宅、非住宅房屋。地類編碼字段值“05H1”表示“商業服務業設施用地”，“0508”表示“物流倉儲用地”，“0601”表示“工業用地”，“0602”表示“采礦用地”，“08H1”表示“機關團體新聞出版用地”，“08H2”表示“科教文衛用地”，“0809”表示“公用設施用地”，“1005”表示“交通服務場站用地”，“1202”表示“設施農用地”。為了確保區分住宅和非住宅房屋時不遺漏房屋，按地類編碼字段條件選取字段值為“05H1、0508、0601、0602、08H1、08H2、0809、1005、1202”的 圖斑，融合得到非住宅范圍界。界內的房屋類別初定為非住宅，界外的房屋類別初定為住宅。“三調”數據與房屋建筑普查數據的字段對應關系如表1所示。

表1 “三調”數據與房屋建筑普查數據字段對應表

（2）通過不動產登記數據提取房屋基本信息和建筑信息。

將不動產登記數據中權利人、宗地基本信息、自然幢圖層與房屋建筑普查數據圖層進行字段關聯和語義匹配，可提取房屋的基本信息和建筑信息，其與房屋建筑普查數據的字段關聯如表2所示。

表2 不動產登記數據與房屋建筑普查數據字段關聯表

（三）融合效果

通過多源數據融合，城鎮房屋39個調查項，有7項信息全部房屋已填報，23項信息部分房屋已填報，剩余9項需現場調查；農村住宅44個調查項，有7項信息全部房屋已填報，21項信息部分房屋已填報，剩余16項需現場調查；農村非住宅44個調查項，有7項信息全部房屋已填報，21項信息部分房屋已填報，剩余16項需現場調查。

以南通市海門區為例，通過對不動產登記數據融合信息進行分析統計，將信息分為房屋單位名稱、小區名稱、戶主姓名等名稱類信息和所處路、號、組、棟等地址類信息，將房屋按“含名稱類、地址類信息”、“僅含名稱類信息”、“僅含地址類信息”和“其他”分為四類，各類房屋分布如圖4所示。按“城鎮房屋”“農村住宅”“農村非住宅”類型統計，各類房屋數量和所占比例如表3所示。

圖4 房屋數據融合程度分布圖

表3 房屋數據融合程度表

由圖表得出，通過融合不動產登記數據，占總量23%的房屋含有名稱類和地址類信息，占總量36%的房屋僅含有名稱類信息，占總量5%的房屋僅含有地址類信息。總的來說，約65%的房屋含有名稱類或地址類信息，且主要分布在農村區域。原因是不動產登記數據主要為農村不動產數據，農村房屋信息豐富，城鎮房屋信息較少。

通過多源數據融合，形成外業調查工作一張圖。外業調查人員只需核實補充部分屬性和現場拍照，極大減輕了外業工作量，提高了普查效率，保障了成果質量。

此方法在普查國家試點中摸索，并形成了推廣經驗，在普查全面鋪開中得到了良好應用。

結束語

房屋建筑普查是自然災害風險普查中的一項系統性工程，需要多方協同，收集資料，開展多源數據融合、外業數據采集、數據關聯建庫等工作。

在自然災害風險普查等相關工作中，測繪地理信息行業大有可為。在信息獲取方面，傳統測繪、無人機測繪和遙感影像解譯可以助力底圖制備和普查信息采集；在多源數據融合方面，GIS能發揮空間信息融合能力，對數據進行清洗、轉換和重組。通過空間和屬性一體化的多源數據融合方法，能夠實現多項信息的內業填報，減輕外業調查負擔，提高普查工作效率，保證普查成果質量，可作為同類普查的高效技術路線。