江蘇省工業用地動態調查和智能分析技術研究

王雪文,陳艷艷,王海君

(1.常州市武進規劃勘測設計院,江蘇 常州 213100;2.江蘇省測繪研究所,江蘇 南京 210013)

0 引言

工業是立國之本、強國之基。土地作為基本生產要素,對工業發展的質量和布局有著重要影響。江蘇省作為一個經濟大省、資源小省,工業用地的土地配置結構、利用現狀、空間布局和產出效益等狀況,將直接影響到經濟發展狀況,而如何準確、全面地摸清工業用地的現狀,及時發現問題、快速調整用地策略是其關鍵所在[1]。

開展江蘇省工業用地動態調查,構建時空大數據分析平臺,匯總分析生產力空間布局,動態監測評價土地資源要素配置效率和產出效益,為工業用地績效評價、城鎮低效用地再開發、更好地發揮政府對土地資源要素配置的調控作用提供基礎數據和決策支撐,同時可以更大程度地深化工業用地配置制度改革,增強土地要素保障能力,提高土地資源利用效率,助力推動工業經濟的高質量發展[2]。

1 總體設計

1.1 設計思路

本項目針對多源異構數據的整合以及快速更新等數據處理技術、多種工業用地效益評價模型以及分析平臺建設等關鍵步驟開展研究。以自然資源數據和從發展改革、工業和信息化、財政、稅務、統計、生態環境等部門收集的工業企業相關數據為基礎資料,利用多源異構地理空間數據集成技術,建立時空數據基礎庫;利用遙感+AI模式,基于Transformer模型實現工業用地的快速更新;通過空間地理分析技術以及基于產業鏈圖譜的空間分析技術,實現對工業用地規模、用地結構、用地效益以及產業鏈空間分布全方位評價[3];通過時空大數據智能分析技術搭建分析決策平臺,實現對工業用地實時、準確的可視化表達,以及對江蘇省工業用地多維度時空分析決策支持。

1.2 技術路線

項目主要分為三大部分,即數據更新部分、分析建模部分、系統構建部分,具體技術路線如圖1所示。

圖1 技術路線

2 內容建設

根據總體設計,項目建設內容主要分為數據庫建設、分析模型構建以及分析平臺建設。

2.1 數據庫建設

2.1.1 基礎數據庫建設

工業用地調查數據包含從自然資源部門收集的年度土地利用現狀圖、高分影像圖、供地數據、城鎮地籍數據、農村建設用地調查數據、集體建設用地使用權調查數據、地形圖數據、土地儲備規劃數據、土地登記發證資料(不動產統一登記數據庫)、不動產抵押資料等,以及從發展改革、工業和信息化、財政、稅務、統計、生態環境、市場監管、社會保障、電力、自來水、燃氣等部門收集的工業企業名錄及企業投入產出、用工、能耗等基礎資料。針對數據來源、數據格式的多樣性,項目利用多源異構地理空間數據集成關鍵技術,重點解決時空大數據建設問題,主要實現過程如下:

首先,將空間基礎數據、國土資源土地調查與利用數據、基于遙感等獲取的具有多源異構、多尺度、多時間序列特點的觀測數據,建立具有綜合空間結構、拓撲、層次關系的多源數據時空關聯模型。

其次,研究數據級、特征級和決策級融合的共性關鍵技術,建立環保數據、經濟數據、統計數據等信息融合框架和融合服務模型,設計基于空間位置的多源異構信息融合服務接口和網絡實現機制,實現多源數據快速、高效的融合處理。

再次,研究可擴展的高效分布式時空數據存儲與管理技術,實現海量時空數據的高效存儲,支持時空、專題和動態的多維度聯合查詢,提高歷史狀態恢復效率和變化檢測計算效率,實現語義模擬與高效存儲計算等目標的平衡。

最后,在云環境中構建多維時空數據庫管理平臺,通過時空數據庫訪問接口和面向應用主題的共享與數據交換模型,支持時空特征的聯機分析。

2.1.2 基于Transformer模型的數據快速更新

工業用地數據更新是在前期數據的基礎上,通過內業遙感影像解譯來提取的,針對部分存疑的地塊則通過后期的外業調查解決。

以往的影像解譯主要是靠人工判讀,不但耗時長、轉化效率低,且信息共享能力弱。本項目基于Transformer模型的影像智能解譯方式,不但可以解決以上問題,還可以統一判別標準、提高判別精度。該過程主要分為樣本庫建立及模型運行兩部分。

依托江蘇省高分辨率影像數據,以及與之對應的三調矢量數據作為本底庫,對數據進行輻射矯正、歸一化、坐標系轉換和數據增強等預處理操作。通過地理坐標對齊、優先級設置等,裁剪成可供模型訓練的大小,形成可供訓練的樣本庫。項目根據Transformer模型需求,制作了適配四季的工業用地樣本。

使用PyTorch框架構建基于可見光的解譯算法,利用可并行運算的、以注意力機制提高模型訓練速度的Transformer模型,將影像根據樣本庫進行地類快速分類提取,然后根據提供的地籍調查成果、三調成果等對數據進行進一步判別,縮短數據更新耗時,降低對人主觀判斷的依賴性,同時數據的準確率大大提升。

2.2 分析模型構建

工業用地數據除了利用傳統的地理分析方法用于用地規模、用地結構、用地效益以及空間分布的分析,還根據供給鏈評價需求,創建了基于產業鏈圖譜的工業企業用地時空分析方法。根據產業劃分規則和各個行業企業之間的供求關系,利用企業主營產品構建產業分類,建立了產業鏈圖譜和編碼體系[4-6],其主要的分析過程如下:

(1)企業產業鏈知識圖譜模型構建,按照產品生產的關鍵節點建立連接點,將產業鏈分為上游、中游、下游三大部分。

(2)產業鏈圖譜編碼,打亂原有的國民經濟計劃分類代碼,按照產業鏈之間的關系對行業分類重新賦值編碼。

(3)以產業鏈節點為核心的空間分析,按照企業主營產品,將企業進行上中下游空間劃分,將分類企業點進行空間分析。

2.3 分析平臺建設

該平臺實現系統功能的可擴展、可伸縮、靈活布設、強大組合,以及各個應用子模塊之間的功能互操作和集成。根據對系統的功能適用性和系統用戶群分析,基于面向SOA架構的方式,采用JAVA開發N層應用,多層方式可以使應用具有很強的伸縮性,它允許每層專注于特定的角色。

基于需求分析及總體架構設計,主要分為11個模塊:化工專題分析、土地用途變更分析、低效用地再開發、開發區評價、土地建設狀況分析、土地用地類型分析、歷史遺留問題分析、土地建成率分析、土地用途區分析、建設用地管制區分析、基礎設施配套水平分析。

不同的分析模塊,詳細、直觀地展示目前工業用地的利用狀態,對用地策略的制定以及供地方式的調整具有指導作用[7-9]。

3 創新點

項目針對數據處理、數據分析以及平臺構建過程中的弊端,對相關技術進行改進,大大提高項目的整體效率以及最終效果,項目的創新點如下:

(1)研建了不同季相多源高分遙感影像樣本庫,研制了融合Transformer模型的遙感影像深度學習解譯系統,實現了工業企業用地GeoAI精準比對,支撐了江蘇省工業企業用地更新調查。

(2)基于產業鏈分類和編碼體系構建了產業鏈圖譜和時空格局分析模型,提出了上中下游產業格局和用地效能刻畫方法,助力了省、市、縣和企業級低效用地再開發利用。

(3)研發了知識引擎、分布式地學計算、數據挖掘可視化等時空大數據智能分析集成技術,研制了定量測算、空間布局、時序探究的全流程分析決策平臺,實現了江蘇省工業企業用地多維度時空分析決策支持。

4 應用成效

(1)強化土地要素保障,促進工業經濟平穩增長。項目成果協助健全省級工業用地配置政策,不斷深化工業用地供應方式改革,有效支撐了江蘇省工業用地的出讓[7]。

(2)完善工業用地調查技術,推進綠色發展。分析決策平臺向江蘇全省自然資源系統提供了24小時在線服務,支撐了各級自然資源管理業務開展;項目形成的時空大數據分析技術和軟件成果在工業企業用地效能提升、全域土地綜合整治和區域高質量發展等方面發揮了重要作用,經濟社會效益顯著。

5 結語

項目利用AI+遙感解譯技術,建立了覆蓋省、市、縣、企業多尺度的工業企業用地調查時空數據庫,并持續動態更新;突破傳統的定量分析方法,基于產業鏈分類和編碼體系構建產業鏈圖譜和時空格局分析模型,提出了上中下游產業格局和用地效能刻畫方法,助力了省、市、縣和企業級低效用地再開發利用;攻克跨平臺技術難題,通過鏈式數據處理技術、跨平臺協同知識引擎等新技術,研發了工業企業用地調查時空大數據分析決策平臺,實現動態工業用地大數據的業務鏈式化、結果可視化、檢索高效化[8-9]。

項目成果被廣泛應用在工業企業用地效能提升、全域土地綜合治理等方面,并取得了顯著的經濟、社會效益,具有廣泛的應用前景,對江蘇省的用地政策調整也起到了支撐作用。