多尺度空间数据联动更新技术研究及其应用

第1章 绪论 纵观世界，目前正经历着一场快速的城市化过程。根据联合国报告，从 2009年～2050年，预计全球的城市化水平将会从 50%上升至 69%。中国的城市化率，如果以城市人口数作为衡量的话，在 1978年～2012年，已经从 17.92%上升至53.73%(Deng et al.，2015)。城市化的进程从以工业化土地利用与城市开发度急剧增强为特征的传统城市化，进入以城乡统筹为特征、综合考虑生态环境要素的新型城市化过程。为实现城乡公共服务的匀质化，协调城乡之间的物质流、能量流、人口流，新型城市化通过物质代谢过程、能量传递过程、优化配置过程，培育区域的自组织、自学习与自适应能力(牛文元， 2009)。其中，新型城市化的内在能量来源于科学与技术创新。通过信息流的快速反馈，达到城市信息的维护与城市建设同步。形成稳定的信息流，是实现数字城市与智慧城市的关键。其中，地理空间数据作为地表现象的抽象集合，其动态更新更是具有重要的实践意义。 《测绘地理信息发展“十二五”总体规划纲要》提出了：需要不断地扩充基础地理空间要素的类型，缩短我国地理空间数据的更新周期，逐步推进各省市级基础地理空间数据联动更新机制的构建。我国已建成了大量数字城市地理空间框架项目，为保证数据的现势性与系统的运行效率，建立数字城市的数据更新机制显得非常重要(黄素丽， 2015)。目前，数据的更新周期如表 1.1所示。 表1.1 我国数字城市地理空间框架数据更新周期(黄素丽， 2015) 此外，在地理国情监测工程中同样需要综合利用各种数据获取与处理技术，进行地理要素的量测及其动态变化的发现、识别、提取与更新(李德仁等， 2012)。构建地理国情时空数据库，研究时空地理数据联动更新与数据质量维护技术，实现多源、多尺度的地理国情监测数据综合集成与管理，显得尤为关键(史文中等， 2012)。 地理空间数据更新非常复杂，需要经历长期的实践，其中包括了涵盖多个方面的理论与方法，例如，数据模型演化与动态建模、基础地理要素变化的及时发现与自动提取、主数据库更新的方法、客户数据库更新的模式与方法、多比例尺数据的系统更新等。为实现空间数据的现势性与尺度一致性的统一，多尺度空间数据的联动更新是其中的研究难点与热点(毋河海， 2012)。近年来，科研人员从数据模型构建(许俊奎等， 2013a)、关键技术(应荷香， 2012)以及实施机制(王艳军和李朝奎， 2014)等不同层面展开工作，并在多尺度变化信息检测、多尺度要素匹配、增量自动制图综合(Bobzien et al.，2005；许俊奎等， 2013b)以及更新信息传递等研究方向取得进展。然而，由于受到“从图像中自动提取变化信息”以及“大比例尺数据向小尺度数据”转换等瓶颈问题的制约，完全自动化、无需人工干预的多比例尺空间数据级联更新仍然面临着巨大的挑战。有许多科技攻关难题有待突破，特别是在增量更新中，关于更新信息从大比例尺向小比例尺传递的影响机制、作用机理、质量评价方法以及在不同的更新场景之下误差的分布特征等方面的研究比较少见。 鉴于以上原因，本书以城市居民地、道路的多尺度联动更新作为切入点，重点研究更新信息从大尺度数据向小尺度数据转换的过程。由于同一地物在不同比例尺下的表达具有层次性与相似性，更新信息具有结构性与类别差异。作为对表征事物或现象模式进行自动处理和判读的方法和理论，模式识别的自适应、自组织特征能够更好地适应不同更新场景，实现参数的自动调整，减少人工的干预。本书结合模式识别基本理论与技术手段，构建多尺度城市居民地更新信息的特征空间，以同尺度更新信息的检测为立足点，研究更新信息在多尺度传递的方法、影响机制以及质量评价的方法。研究成果将有助于提高多尺度联动更新的智能化与自动化水平，为数据更新的质量评价及可靠性综合分析提供理论与方法支持，并促进空间数据动态维护能力的提高。 1.1 空间数据更新 地理空间数据是 GIS的“血液”，具有强现势性的空间数据更是保持 GIS活力的源泉。数据的现势性直接关系到 GIS的可持续应用和发展(李德仁， 2002)。随着多尺度基础地理数据库的建成，地理信息系统数据管理的焦点已从数据的生产转为更新。 空间数据更新也是国际学术组织感兴趣的课题，国际地图协会(International Cartographic Association，ICA)和国际摄影测量与遥感学会(International Society for Photogrammetry and Remote Sensing，ISPRS)在 1999年成立了“增量空间数据更新与数据库版本研究”联合工作组，并组织了专题委员会。此外， ICA中的 “Generalization and Multiple Representation”委员会中有不少报告是关于多尺度联动更新进展研究的讨论。 在数字城市地理空间框架、地理国情普查等重大工程建设需求的推动下，空间数据动态更新研究成为了 GIS的一个新热点，受到了越来越多研究人员的关注，表1.2为国家自然科学基金资助的与空间数据更新研究相关的项目。 表1.2 与空间数据更新相关的国家自然科学基金项目 与此同时，研究者在空间数据更新的理论模型、关键技术与方法、实施机制等方面进行了研究。在中国期刊网上进行论文搜索，从 2001年～2014年，已发表与空间数据更新的论文数超过 280篇。其中专门讨论空间数据多尺度联动更新的论文在 2011年后出现，并逐渐增多。中国知网上关于空间数据更新相关的论文数量统计如图 1.1所示。 图1.1 2002年～2014年国内与空间数据更新有关的论文数统计 1.1.1 更新信息的建模 在信息化环境下实现空间数据的自动更新，首先必须界定可能存在的更新类型，明确各更新类型的区别与特征，并在此基础上确定更新信息的表达方式与存储结构。 其中，从数据专题内容的角度进行考虑，更新信息的建模包括：从地理空间数据本身的特征出发，构建具有普适性的概念模型。 Cooper和 Peled(2001)提出了以唯一的标识符记录新增、删除的更新信息，并以此为基础进行更新版本管理及并发处理，也有以(D，R，M，C)四元组的方式从语法和语义两个层面描述更新信息的表达方式。基态修正模型是常用的增量更新模型，通过设置版本空间数据库与增量信息的存储方式，实现存储空间的节省以及增量信息的动态集成(林艳等， 2012)。从地理时空数据存储与实践的角度，提出复合型的基态修正时空模型(杨海兰等， 2013)、逆基态修正模型(刘校妍等， 2014)等改进模型，以提高数据更新及历史数据检索的效率。时空变化分类作为地理信息建模与更新的关键，对于增量信息采集、变化信息发布产生重要的影响(陈军等， 2012b)，需要进行明确的定义，并进行形式化描述。朱华吉等(2013)提出了增量时空变化信息的计算模型，通过进行基本增量时空变化信息的组合，分别描述单个或多个空间目标的时空变化情况。此外，对于多尺度空间数据，变化分类模型还需要考虑由制图综合处理而产生的“伪变化”(简灿良等， 2014)。 从专题应用的角度出发，结合变更事件特征(安晓亚等， 2012)、专题数据特殊的拓扑关系与几何约束，构建专题数据更新信息模型。地籍数据具有持续增量更新的需要，结合地籍管理业务的特点，地籍时空数据更新模型需要突出地籍要素、土地利用要素与房屋的关联性(张丰等， 2010)。因此，在确定变化类型方面，要综合考虑空间对象的匹配关系、拓扑关系以及属性特征(Fan et al.，2010)。对于居民地数据更新，姬存伟等(2013)提出了基于空间变化类型、动态更新操作和图形数据差的居民地增量信息表达模型，并以此为基础进行增量信息的提取。从多尺度联动更新的角度，居民地的更新建模还需要考虑相邻比例尺同名居民地的关联关系(许俊奎等，2013a)。在道路更新方面，则可以通过具体地分析道路更新的空间事件与属性事件，定义道路的增量变化信息(张求喜等， 2009)。此外，研究人员还探讨了土地利用、森林资源(高心丹和谭跃， 2013)、地下管线等专题数据的时空更新信息模型的构建方法。 此外，从计算机实现的角度，学者还探讨了更新信息的数据存储结构与传输方式。Badard和 Richard(2001)以 XML为基础设计更新信息的描述方式，并实现了基于 C/S架构下各数据库更新信息的传输与交换。朱华吉(2007)提出了以资源描述框架为基础的空间变化信息记录方法，以统一的方式实现了地形数据库增量信息的建模与描述。考虑多源矢量空间数据的特征，何榕健等(2013)采用 GML数据作为载体，应用 Socket编程技术，实现增量更新信息的传递。 由此可见，更新信息建模研究已从基于多版本管理的增量更新策略的角度，发展到顾及拓扑特征与事件驱动的时空数据表达模型的构建(张新长等， 2012)，并逐步考虑多尺度要素之间的关联。然而，在多尺度空间数据更新模型方面，主要从单个对象的角度进行考虑，较少顾及要素组合以及图层间的关系。此外，由于更新场景的多样化，制图综合方法应用的灵活性，多尺度更新信息模型需要具有更大的普适性，以满足不同的更新场景与更新事件。 1.1.2 变化信息的检测 变化信息的检测是空间数据更新的基础。由于目前采取的主要是增量更新的方法，找到局部变化的要素，进行新增、删除或者替换的处理，以达到保证数据现势性的目的。由于地理空间数据采集与共享的方式不同，变化信息检测方法也是多样化的，主要可以从遥感影像数据、外业测量数据、业务专题数据、自发地理信息等数据源中获取变化信息，具体如图 1.2所示。 在变化信息的检测中，研究人员综合应用了几何指标评价、拓扑关系检测以及概率统计、动态规划等多种数学计算方法。以下分别从矢量数据、遥感影像、自发地理信息等三个方面论述变化信息检测方面的研究进展。 (1)从矢量数据中检测与提取变化信息。通过比较不同时期采集的矢量数据，综合考虑其几何特征、属性特征与拓扑特征，识别出具体的变化对象与变化类型是其中的关键(郭泰圣等， 2013)。中心点距离、节点 Hausdorff距离、紧凑度等几何指标常用于实现同名要素匹配与变化检测(Huang et al.，2010；Revell and Antoine，2009)。 图1.2 变化信息的数据来源 结合概率理论，融合多种匹配指标进行实体匹配概率的计算(童小华等， 2007)，从而识别同名实体是一种可行的变化检测方法。为适应不同的更新场景，提高变化检测的智能化水平，人工神经网络等(许俊奎等， 2013b)智能算法在变化信息检测中也得到了应用。对于小比例尺空间数据的更新，为节省外业测量的成本，常使用同一地区较新的大比例尺地图数据进行变化信息的检测。在这种情况下，变化信息的检测需要区分是由实际地物的变化还是受到制图综合处理的影响。 (2)从遥感影像中检测与提取变化信息。遥感影像采集的周期短、更新速度快。利用遥感影像进行变化信息的检测与地物提取(Holland et al.，2006)，并以此为基础，实现空间数据库的更新对于提高数据库的现势性具有重要的作用。因此，研究人员结合各种数学模型(万幼川等， 2008；张剑清等， 2010)，例如，整体优化计算、概率统计、动态规划、*小二乘模板匹配法、 Meanshift算法等，针对不同地物提出要素变化检测的方法，以提高地物提取以及变化检测的精度，满足数据更新的需求。 Zarrinpanjeh等(2013)利用高分辨率遥感影像，提出了一种基于蚁群算法的城市道路数据变化检测与更新的方法。 Qin(2014)则使用超高分辨率影像，综合使用马尔可夫随机场分析等方法检测建筑物数据的变化。 SAR影像(Cetinkaya and Basaran