基于Python的基礎地理信息DLG融合與檢查方法

黃習藝 何敏 郭海京

摘? 要：傳統基礎地理信息DLG融合更新采用人工處理的方式，工作效率低且易出錯，為了實現穩定高效且準確地進行基礎地理信息DLG融合和檢查的目的，文章研究梳理了DLG融合檢查相關技術，基于Python設計開發了基礎地理信息DLG融合與檢查程序，實現了道路、水系、居民地、植被等融合的批量處理，同時針對基礎地理信息DLG融合成果提供了一系列的質量檢查功能，程序操作簡便。通過相關數據驗證，程序能夠極大地提高作業效率和成果質量。

關鍵詞：Python；基礎地理信息；DLG融合；質量檢查

中圖分類號：TP311.1；TP39；P208? 文獻標識碼：A? 文章編號：2096-4706（2023）23-0140-07

Methods of Basic Geographic Information DLG Fusion and Inspection Based on Python

HUANG Xiyi1， 2， HE Min1， 2， GUO Haijing1， 2， 3

（1.Surveying and Mapping Institute Lands and Resource Department of Guangdong Province， Guangzhou? 510663， China; 2.Key Laboratory of Natural Resources Monitoring in Tropical and Subtropical Area of South China， Ministry of Natural Resources， Guangzhou? 510663， China; 3.Guangdong Science and Technology Collaborative Innovation Center for Natural Resources， Guangzhou? 510663， China）

Abstract： Traditional basic geographic information DLG fusion update adopts manual processing， which is inefficient and error-prone. In order to achieve stable， efficient and accurate basic geographic information DLG fusion and inspection， related technologies of DLG fusion and inspection are studied and sorted out. Based on Python， basic geographic information DLG fusion and inspection program is designed and developed. It realizes the batch processing of road， water system， residential land and vegetation fusion， and provides a series of quality inspection functions for the results of DLG fusion of basic geographic information. The procedure is easy to operate. Validated by relevant data， the program significantly improves operational efficiency and quality of results.

Keywords： Python; basic geographic information; DLG fusion; quality inspection

0? 引? 言

基礎地理信息DLG更新在國民經濟和國防現代化建設中起著非常重要的作用，傳統DLG更新需要耗費較大人力、物力、財力，基于現勢性較好的自然資源調查監測、不動產登記數據等多源矢量數據，可以減少基礎地理信息數據更新方面的投入，但目前由于數據結構復雜，自動化水平較低。

基礎地理信息DLG融合主要從基礎測繪成果、自然資源調查登記成果、各類專題成果數據等中選取數據，并按基礎地理信息要素分類進行代碼轉換和屬性提取，依據數據的現勢性及精度將多源數據進行融合處理（涉及水系、居民地及設施、交通、境界與政區（功能區）、植被與土質五大類要素）。融合需經過坐標系統轉換、分類代碼轉換、屬性結構轉換等預處理步驟，再對不同來源的數據按類別進行數據比對，根據比對結果提取不同數據源之間差異，分析確定要素融合選取情況后進行數據融合。數據融合包含圖形融合和屬性融合。圖形融合是將不同來源的數據按照基礎地理信息數據的結構要求、拓撲要求和采集要求進行處理；屬性融合處理是將多來源數據的專有屬性采用人機交互的方式進行選擇合并處理，使得基礎地理信息要素數據兼顧多來源要素數據的屬性。數據處理流程中存在機械重復，部分作業過程煩瑣、費時費力的問題，采用人工的方式，不僅工作量大，效率低，而且極易出現錯誤。因此迫切需要可穩定高效而準確地進行處理和檢驗的軟件程序。本文根據基礎地理信息DLG融合的實際需要，利用Python和Arcpy站點包設計并開發了融合和檢查程序，對基礎地理信息DLG融合進行自動融合處理和檢查，提高了作業效率，保障了成果質量。

1? DLG融合與檢查方法

本文研究的基于Python基礎地理信息DLG融合和檢查方法，選用了ArcGIS自定義工具箱作為Python腳本運行的載體實現。因ArcGIS自定義工具箱無須再自行設計GUI界面，按照向導設定好對應的輸入參數類型即可，建立過程比較簡單，較省時省力。此外，自定義工具箱中的腳本工具可以將其源代碼嵌入工具箱中并使用密碼鎖定，共享使用時可維護作者權益。修改完善后的各項工具匯總組成基礎地理信息DLG融合與檢查程序集。

1.1? DLG數據融合

按數據融合的對象不同，基礎地理信息DLG融合分道路、水系、植被、居民地四類。其中每一種類型都根據其數據類型和數據源特性研究融合相應技術。融合技術內容如表1所示。

1.2? 數據檢查

根據基礎地理信息DLG融合項目設計中數據成果的要求及數據庫中常見的質量問題，本文研究提出了數據檢查技術。按數據檢查的對象不同，將基礎地理信息DLG檢查分為圖形檢查和屬性檢查兩大類。各項檢查技術內容如表2所示。

2? 關鍵技術實現

2.1? 道路融合

道路主要使用2020年地理國情監測（以下簡稱“國情監測”）路網數據、第三次全國國土調查（以下簡稱“三調”）、2019年1：1萬DLG核心要素更新（以下簡稱“核心要素”）開展融合工作。國情監測路網含有城市道路LCTL與公路LRDL層，且為重復路段，融合時有城市道路LCTL的區域使用城市道路層數據，無城市道路區域使用公路層數據。融合國情監測路網后，無國情監測路網區域使用三調道路。融合國情監測路網、三調道路后，無上述數據區域使用核心要素數據進行補充。

提取融合時，對上一級道路做緩沖區BufferResult，擦除本級道路得到EraseResult后，對EraseResult拆分多部件后與上一級道路合并，對本級道路做延伸線獲得融合結果，如圖1所示。

2.2? 水系融合

水系主要使用國情監測數據中地表覆蓋水域類，選用國情監測成果相關屬性，提取名稱、水利級別及行業代碼等，坑塘水面屬性信息不足的采用2020地名地址中水系興趣點數據補充。

處理步驟為將水系面與水系線疊加相交，選取水系面范圍內最長的結構線作為該面的結構線，對水系面填寫水系結構線的名稱、水利級別、庫容等相關屬性。而水系結構線與水系面的要素代碼存在對應關系，可構建字典映射后填寫，如常年河對應為地面河流結構線，地下河段對應地下河段結構線。構建完水系結構線與水系面的映射表后，可對水系結構線編碼自動轉化及檢查，將落于水系面內的河流線轉化為結構線，將水系面外的結構線轉化為河流線。主要功能代碼如下：

…

Namedic = {}

#對疊加后的結果按索引ID記錄最長結構線的長度

with arcpy.da.SearchCursor（Intersect_Result[0]， [FID， "Shape_Length"]） as searchcursor：

for row in searchcursor：

if not row[0] in tempdic：

tempdic[row[0]] = row[1]

else：

if row[1] > tempdic[row[0]]：

tempdic[row[0]] = row[1]

#讀取最長結構線的名稱

with arcpy.da.SearchCursor（Intersect_Result[0]， [FID， "Shape_Length"，"NAME_1"]） as searchcursor：

for row in searchcursor：

if tempdic.get（row[0]） == row[1]：

Namedic[row[0]] = row[2]

#對水系面高水界寫入最長結構線的名稱

with arcpy.da.UpdateCursor（HYDA_GSJ， ["OBJECTID"， "NAME"]） as updatecursor：

for row in updatecursor：

row[1] = Namedic.get（row[0]）

updatecursor.updateRow（row）

…

屬性信息不足無名稱的坑塘水面引用落入該面中的地名地址興趣點屬性，若落入坑塘水面內的興趣點不止一個，則提取出落入坑塘水面內的所有點；若無興趣點落入坑塘水面，則提取與坑塘水面距離20 m范圍內的興趣點進行人工核查，通過人工辨認完善屬性。

2.3? 植被融合

植被融合是參考調城鎮村面，在其范圍外的全部使用國情監測地表覆蓋數據集中種植土地類（0100）、林草覆蓋類（0300）成果數據進行代碼轉換形成植被數據，在其范圍內的補充城市道路和公路上寬度大于10 m，長度大于100 m的花圃花壇和面積大于5 hm2的山地區域。其他區域使用2019年核心要素植被數據進行補充。

植被的處理步驟可分為三步，如圖2所示。

其中處理植被與三調城鎮村范圍關系具體內容為：三調城鎮村范圍內獨立圖斑不保留除人工綠地的植被圖斑，但保留山地區域范圍內植被。對植被圖斑部分落入三調城鎮村范圍內的情況，范圍外超400 m2則保留整個圖斑，否則對范圍外部分進行消除，剔除范圍內的部分。處理內容如圖3所示。

通過空間疊加得到的植被數據存在大量小于15°的不合理尖銳角，以尖角為頂點，角的短邊為腰，在角的長邊上取等于短邊處一點得到等腰三角形，剔除頂點后保留底邊完成尖銳角消除。由于本文中植被數據并非全域覆蓋數據，只需要處理存在尖銳角的圖斑即可，此原理可拓展應用至其他地理信息數據中。處理全域覆蓋的數據，只要將消除尖銳角后產生的重疊相應做擦除，產生的縫隙填補后根據最大鄰邊規則歸并至相鄰圖斑即可，如圖4所示。

主要實現代碼片段如下：

…

l1 = math.sqrt（（x2 - x3） * （x2 - x3） + （y2 - y3） * （y2 - y3））

l2 = math.sqrt（（x1 - x3） * （x1 - x3） + （y1 - y3） * （y1 - y3））

l3 = math.sqrt（（x2 - x1） * （x2 - x1） + （y2 - y1） * （y2 - y1））

# 剔除點重合的情況

if l1 == 0 ：

return None

elif l3 == 0：

return None

elif l2 == 0：

return p2

else：

anglecos = （l1 * l1 + l3 * l3 - l2 * l2） / （2 * l1 * l3）

angle = math.cos（15 * 3.1415926536 / 180）

if anglecos >= angle：

# 取短邊最近點，按相等距離在另一側找到等腰點

if l1 > l3：

polyline = arcpy.Polyline（arcpy.Array（[p2， p3]），sr）

newpoint = polyline.positionAlongLine（l3）.firstPoint

return newpoint#一側等腰點

elif l1 < l3：

polyline = arcpy.Polyline（arcpy.Array（[p2， p1]），sr）

newpoint = polyline.positionAlongLine（l1）.firstPoint

return newpoint #；另一側等腰點

else：

return None

else：

return p2

…

2.4? 居民地融合與檢查

居民地主體數據融合工作主要使用廣東省各區縣不動產登記數據（以下簡稱“不動產”）、大比例尺農村地籍調查成果數據（以下簡稱“農調”）和核心要素數據開展。在農調數據覆蓋區域，若單片區域內房屋密集分布且不動產未完全覆蓋，則該區域內全部使用農調數據，其他區域需替換或補充不動產數據。農調數據、不動產數據未覆蓋區域，使用核心要素數據補充。融合后的數據套合2020年影像進行幾何精度核查，超平面精度要求則需要修改。

不動產數據與農調數據存在不定比例重疊，農調范圍普遍略大于不動產，不動產存在80%以上部分在農調范圍中，視為已存在該房屋。不動產數據與農調數據整合后以相同的原則整合核心要素數據。作業后數據可套原數據檢查農調、不動產數據是否有不合理遺漏或不合理移位。

2.5? 圖形檢查

接邊工作是地理信息數據庫生產過程中重要且煩瑣的一步。本文使用的是一種較簡單、易掌握的數據接邊檢查方法。首先，將接邊線兩側數據相交，并分別與接邊線相交，然后將兩側數據與接邊線相交的結果合并后刪除重復點或線，最后擦除掉兩側數據相交后的結果即可得到圖形不接邊位置。接邊線兩側數據相交后的結果會保留兩側數據的屬性，對其篩選亦可得到屬性不接邊位置。通過雙重遍歷多個分塊數據，兩兩單獨接邊檢查即可實現批量接邊檢查。主要功能代碼如下：

…

#第一圖層字段列表為first_field，與接邊另一側數據相交分析后字段數將翻倍，記錄為totalfield

with arcpy.da.UpdateCursor（geometryconnect[0]， totalfield） as updatecursor：

for row in updatecursor：

diff_field = []

for i in range（len（first_field））：

#對應圖層的相同字段之間相隔一個first_field的長度

if row[i] <> row[i+len（first_field）]：

diff_field.append（first_field[i]）

if diff_field：

row[-1] = u";".join（diff_field）

updatecursor.updateRow（row）

else：

updatecursor.deleteRow（）

為處理層間相關拓撲關系，達到數據各層間邏輯、拓撲關系一致，滿足拓撲要求，本文設計實現了30項拓撲檢查項，包括堤不落入道路中心線，攔水壩不落入道路中心線，高水界線落水，同屬性居民地相鄰未融合，水系面、道路面、居民地面、鐵路面互重疊，道路線、水系線纏繞等。檢查的方法主要是通過數據層與數據層之間做空間疊加分析，按位置關系篩選以及單數據層內做自重疊、多部件要素等，各拓撲檢查項集成到拓撲檢查工具集中，只需要一次運行便可檢查30項拓撲問題，如圖5所示。

2.6? 屬性填寫與檢查

依據字段間的邏輯規則對相應的字段填寫相應的屬性值，并在各類要素的數據源字段中標注其對應的融合數據源，如CODE為支路的代碼43050320時，類型TYPE填寫“支路”，矢量數據源DS填寫“2020年地理國情監測”。所有留空的值自動填寫相關技術規定要求的默認值，如字符串類型默認值為“-”，長整型、短整型、浮點型類型默認值為“-99”。

除固有的通用屬性外的其他字段若不為缺省值，則屬性數據源字段SDS不得為缺省，相反，除通用屬性外均為缺省值，則屬性數據源字段SDS應為缺省。對于屬性值不固定的字段，以枚舉值方式核查，避免出現允許值外的錯填、漏填，形成符合標準的基礎地理信息數據庫。

3? 實踐驗證

本文以廣東省某縣基礎地理信息矢量數據執行融合和檢查為驗證實例。因篇幅有限，僅驗證程序的部分功能。

該縣數據庫中的居民地RES_PY數據如圖6所示。其中的淡藍色圖斑為融合處理前的不動產數據，融合后由于操作失誤等原因發生了不合理移位，與源數據不一致。檢查結果中的錯誤描述將問題標注出來，便于進行相應的核查。

該縣取兩個相鄰鎮數據做接邊檢查，檢查結果如圖7所示。其中黑色線為兩鎮數據的接邊線，圖7（a）中為道路數據，檢查出的問題是寬度WIDTH不一致，一邊路寬3 m，另一邊未填寫路寬，為數字類型默認值-99。圖7（b）中為水系面數據，檢查出的問題是圖形未接邊，屬性一致，面狀要素接邊的節點應在接邊線處保持一致。

“字段賦值”程序的效果如圖8所示。示例中賦值的規則是當城市道路名和附屬設施名都為字符型默認值“-”時，對屬性數據源中加入“廣東省2021年度基礎地理信息矢量數據整合更新DLG融合”項，若屬性數據源中已存在該項，則不再重復加入。“字段賦值”程序設定的規則還有許多條，不便逐一詳細闡述。

經過實踐驗證，程序實現的效果符合設計預期，能投入實際數據融合生產中優化生產工序。通過測試發現，采用人工手動操作處理的方式，完成一次約30 km2范圍的植被融合約50分鐘，而程序執行時間僅1分鐘55秒，耗時僅為人工手動處理的1/25，效率提高了96%。

4? 結? 論

本文迎合目前基礎地理信息融合對海量的數據處理與質量檢查的需求，設計和開發了基礎地理信息DLG融合與檢查程序，實現了面向道路、水系、植被、居民地等各類要素的相應處理功能，同時針對DLG融合處理后的成果實現了多項檢查功能。此外，工具根據具體的項目需要進行了定制化設計，簡化了作業人員的操作流程，降低了對作業人員水平的要求和前期上崗培訓的難度。

生產應用實踐表明：程序通過批量化處理，極大地減少了基礎地理信息融合數據處理工作中的重復性勞動，降低了人工出錯率，并且克服了一些生產難題，對于提高工作效率，提升成果質量具有重要的應用價值。

參考文獻：

[1] 楊秋菊，任海翔，孫進冬，等.地理國情監測數據接邊檢查方法 [J].北京測繪，2021，35（11）：1390-1393.

[2] 鄭愛萍.DLG和基礎性地理國情監測融合生產方法的研究 [J].測繪與空間地理信息，2022，45（5）：132-135.

[3] 鄒小香，段鶴鵬，李偉.淺談DLG重點要素更新技術 [J].江西測繪，2020（2）：25-27.

[4] 朱周華.DLG數據質檢軟件設計研究 [J].現代測繪，2020，43（4）：37-39.

[5] 鄧焯文.利用ArcEngine的DLG屬性正確性檢驗功能設計與實現 [J].礦山測量，2020，48（6）：125-127+131.

[6] 王玉.淺談1：10 000 DLG數據的質量檢查 [J].經緯天地，2021（4）：17-19.

[7] 陳文壇.一種1：10 000數字線劃圖與地理國情監測數據融合方法及其實現 [C]//第二十二屆華東六省一市測繪學會學術交流會論文集（一）.南京：[出版者不詳]，2021：109-112.

[8] 方睿紅，謝三五.數字線劃圖自動質量檢查的方法設計與實現 [J].地理空間信息，2021，19（10）：100-102+151.

[9] 王海恒，張向陽，郭蘭勤，等.基于Python的1：10 000 DLG接邊檢查工具設計與實現 [J].地理空間信息，2022，20（1）：105-107+132+9.

[10] 馮書玉.關于1∶10 000DLG數據快速更新關鍵技術的研究應用 [J].經緯天地，2022（4）：13-16.

[11] 辛兵廠，王來強，張朝坤.淺談Python在地理國情普查數據處理中的應用 [J].測繪與空間地理信息，2014，37（6）：108-110.

[12] 雷曉茜.基于ARCGIS的空間數據接邊檢查模塊設計實現 [J].科技傳播，2018，10（5）：93-94.

[13] 謝三五，曹利俠，李昕，等.地理信息數據處理與質檢軟件的設計與開發 [J].地理空間信息，2020，18（12）：108-110+115+8.

[14] 高綿新.基于Python的ArcGIS腳本工具在DEM精細化生產中的應用 [C]//全國測繪科技信息網中南分網第三十次學術信息交流會論文集.桂林：廣西人民出版社，2016：166-173.

[15] 安曉亞.基礎地理信息數據融合的相關理論和技術研究 [D].鄭州：解放軍信息工程大學，2008.

[16] 謝艾伶，楊海明，朱熙.面向地理國情監測的多源地理信息整合 [J].地理空間信息，2014，12（1）：17-20+8.

[17] 張小兵，劉利凱.基于地理國情監測的多源地理測繪信息整合 [J].測繪與空間地理信息，2014，37（12）：208-210.

[18] 程麗萍，左小清.多圖幅多圖層的地圖自動接邊設計與實現 [J].城市勘測，2010（4）：62-64.

[19] 李慧姝.多源數據融合更新基礎地理信息數據的研究 [J].測繪與空間地理信息，2021，44（1）：90-92+95.

[20] 蔣勇，劉江，黃功文，等.基于ArcGIS Engine的IPointCollection接邊檢查法的研究[J].測繪與空間地理信息，2014，37（11）：124-125+134.

[21] 崔文化.基于Python的地理信息數據屬性檢查軟件設計與實現 [J].地理空間信息，2021，19（5）：55-58+5.

[22] 賈繼鵬，厲芳婷，侯愛羚.基于多源數據融合的基礎地理信息數據動態更新 [J].地理空間信息，2021，19（1）：41-43+4.

[23] 黃冠賢.基于Python的數據組織重構工具設計與實現 [J].地理空間信息，2017，15（11）：65-66+73+10.

[24] 許偉杰，魏瑄.一種將“三調”外業數據轉為“國情”外業數據的方法 [J].地理空間信息，2021，19（4）：109-112+117+8.

[25] ZANDBERGEN P A. Python scripting for ArcGIS Redlands [M].[S.I.]：Esri press，2015：3-96.

作者簡介：黃習藝（1996—），男，漢族，廣東汕尾人，助理工程師，本科，主要研究方向：測繪地理信息研究；通訊作者：何敏（1989—），女，漢族，湖南益陽人，高級技師，本科，主要研究方向：地理信息系統、自然資源調查監測研究；郭海京（1982—），男，漢族，廣東廣州人，注冊測繪師，高級工程師，本科，主要研究方向：自然地理學和測繪學、自動化技術。

收稿日期：2023-05-24

基金項目：廣東省科技計劃項目（2021B1212100003）