技术领域
[0001] 本
发明涉及耕地质量管理技术领域，更具体的涉及一种耕地质量多源异构数据整合方法。
背景技术
[0002] 耕地质量管理是土地管理的核心内容之一，加强质量管理是回归土地管理本质内容的客观要求。其中，加强耕地质量的管理，对于提高耕地产能、保障粮食安全，具有十分重要的意义。我国要求坚持最严格的耕地保护制度和最严格的节约用地制度，着
力加强耕地数量、质量、生态“三位一体”保护，牢牢守住耕地红线，促进形成保护更加有力、执行更加顺畅、管理更加高效的耕地保护新格局。
[0003] 目前，我国现有的耕地质量数据类型较多。既有反映
土壤理化性质的样点数据，也有反映地区耕地质量的面状数据；不同行业和部
门由于应用和需求的不同，耕地质量数据也存在较大差异。例如农业与农村部的监测点是以区域经济特色作为布点依据，监测指标侧重土壤理化性质；环境保护部的监测点以行政执法网点作为布点依据，侧重
土壤污染物的监测报告；自然资源部的监测点以农用地质量分等所设立的标准样地为布点依据，监测内容囊括农用地的土壤环境指标、地形因素和
水利条件，侧重反映农用地的经济价值和生产水平等。由于监测点布置时标准不一，监测指标体系各异，并且在监测网点的数量和
精度上存在较大差异，很难做到部门间的数据整合汇报与共享。此外，部分监测内容上存在一定重复性，造成了监管资源的浪费。因此，亟需对多源的耕地质量数据资源进行整合，建立统一的监测系统，从而使监测样点数量配置优化，监测内容更全面高效。耕地质量
大数据整合有助于实现国土、农业和环保等跨行业数据融合，形成完整的共享数据集或
栅格化图集，减少重复性工作，提高耕地质量数据精度。同时与气象、遥感、环境、国民经济等跨领域数据整合，建立一个以耕地质量安全和保护为核心的包括对海量数据进行有效管理、高效分析和可用易用的综合大数据系统，提供标准化、
可视化服务，可以促进我国耕地质量保护格局构建，保障国家粮食安全。
[0004] 现有耕地质量数据来自农业、国土、环保及统计各个部门，涉及样点、农户、乡镇等不同尺度，由于数据生产、存储、调用的方式具有多样性，目前尚未有一种数据整合方法，将多源耕地质量数据进行整合应用，从而影响耕地质量大数据的高效利用。归纳起来，耕地质量大数据整合主要存在以下几种问题：
[0005] 1.数据生产方式多样性。
[0006] 目前各部门采用的数据生产手段多样，如遥感技术、GPS技术、统计调查、实地勘测等。不同的数据生产手段，使用不同的
软件系统和数据格式。另外，采用的数据管理软件不同，会使数据集成的难度增大。数据生产单位不同，同一类数据分类分级、属性编码、数据结构、数据格式等方面也不同。
[0008] 收集耕地质量数据时，所收集数据源的空间分辨率与目标数据源的空间分辨率差异越大，数据匹配或整合难度和不确定性越大，消除数据冲突的工作量也就越大。目前耕地质量数据空间分辨率差异较大，比例尺从1：5000到1： 50万均有，矢量数据和栅格数据，面状和点状数据均有，整合难度较大。
[0009] 3.数据调用方式多样性
[0010] 目前，耕地质量相关数据的调用都依赖特定的GIS软件，如ArcGIS、 MapGIS、SuperMap等。不同GIS软件数据调用读写方式不同，数据只能在特定软件中或特定的业务系统中使用，一旦提供外部使用，就无法进行完整的数据转换。这也是多源异构空间数据集成分析的难点。
[0011] 4.时间存在较大差异
[0012] 耕地质量会随着时间的变化而发生渐变，同一样点的数据不同时期也有所不同。目前各类型耕地质量数据由于采集时间的不同，在进行耕地数据整合时，需要处理好数据时序和数据及时更新的问题。
发明内容
[0013] 本发明
实施例提供一种耕地质量多源异构数据整合方法，用以解决上述背景技术中存在的问题。
[0014] 本发明实施例提供一种耕地质量多源异构数据整合方法，包括：
[0015] 获取耕地质量等别数据、耕地地力评价数据和耕地质量地化评估数据；
[0016] 将耕地质量等别数据、耕地地力评价数据和耕地质量地化评估数据，按照统一的
数据库规则进行转换处理，构建基于空间数据建模标准规范GML的多源异构数据集成模型，并通过数据管理器进行统一管理；
[0017] 通过贡献率法对耕地质量数据进行综合评价。
[0018] 进一步地，所述耕地质量等别数据的分等因素包括：表层土壤质地、有机质含量、
灌溉保证率、
土壤酸碱度、地形坡度、障碍层距地表深度、剖面构型、排水条件。
[0019] 进一步地，所述耕地质量等别数据类型包括：国家自然等、国家利用等、国家经济等。
[0020] 进一步地，所述耕地地力评价数据的评价因子包括：
地貌类型、地形部位、海拔、地表砾石度、有效土层厚度、质地构型、灌溉保证率、全氮、有效磷、速效
钾、障碍层类型、障碍层
位置、障碍层厚度。
[0021] 进一步地，采用特尔菲法对所述耕地地力评价数据的评价因子的不同观测值进行打分，确定所述耕地地力评价数据评价因子的权重；具体包括：
[0022] 采用指数和法确定耕地地力综合指数，模型公式如下：
[0023] IFI＝∑Fi×Ci(i＝1,2,3,…,n)
[0024] 式中：IFI代表耕地地力综合指数；Fi为第i个因素值；Ci为第i个因素的组合权重；
[0025] 在县域耕地资源管理信息系统中，在专题评价模
块中导入隶属函数模型和层次分析模型，选择耕地生产潜力评价功能进行耕地地力综合指数的计算；根据耕地地力综合指数的变化规律，在耕地资源管理系统中采用累积曲线分级法进行评价，根据曲线斜率的突变点并结合实际情况确定等级的数目和划分综合指数的
临界点。
[0026] 进一步地，所述耕地质量地化评估数据中农用地表层土壤参评指标，选择所在区带的地质环境背景值作标准，剔除异常数据后，按数据的20％、40％、 60％、80％顺序统计量分为5级，作为分级标准；
[0027] 所述耕地质量地化评估数据中
土壤肥力质量评价，根据耕地质量调查土壤养分及pH分级标准对土壤养分指标的测定值进行分级；
[0028] 所述耕地质量地化评估数据中单因子土壤环境质量评价，根据土壤环境质量标准进行分级；
[0029] 所述耕地质量地化评估数据中土壤环境健康要素综合评价，选取Hg、Cd、 Pb、As、Cu、Zn、Cr、Ni8种重金属元素为评价指标，采用内梅罗法计算综合指数，根据综合指数进行分级。
[0030] 进一步地，所述将耕地质量等别数据、耕地地力评价数据和耕地质量地化评估数据，按照统一的数据库规则进行转换处理，构建基于空间数据建模标准规范GML的多源异构数据集成模型，并通过数据管理器进行统一管理；具体包括：
[0031] 将MapGIS格式数据、ArcGIS的Shape格式、GeoDatabase格式数据、 SuperMap格式数据储存在数据库
服务器中；
[0032] 将MapGIS格式数据、ArcGIS的Shape格式、GeoDatabase格式数据、 SuperMap格式数据转化为统一的Shape格式，通过制定数据库规则生成标准化的shapefile数据，以及通过相应的GML生成器转换为GML格式数据，并由数据管理器进行统一管理；
[0033] 数据管理器对外提供标准的数据
访问接口与应用程序进行交互，对
数据处理请求进行解析，并将解析结果发送至各个数据库服务器；数据库服务器接受处理命令，做出相应的响应，通过GML生成器将转换格式后的数据返回给数据管理器；数据管理器对返回结果数据信息进行整合，实现数据的集成和分析，并以GML格式返回给客户端应用程序。
[0034] 进一步地，所述通过贡献率法对耕地质量数据进行综合评价；具体包括：
[0035] 通过构建耕地质量综合评价贡献率计算模型，根据不同用途计算耕地质量综合评价指数：
[0036] P综合评价＝a×P分等+b×P地力+c×P地化
[0037] 其中，P综合评价为耕地质量综合评价指数；P分等为原分等成果中国家利用等指数；P地力为原耕地地力评价结果中总分值数据；P地化为原地化评估成果中环境指数；a为原分等成果中国家利用等指数的贡献系数；b为原耕地地力评价结果中总分值数据的贡献系数；c为原地化评估成果中环境指数的贡献系数。
[0038] 本发明实施例提供一种耕地质量多源异构数据整合方法，与
现有技术相比，其有益效果如下：
[0039] 本发明建立统一的数据标准规范，开发基于标准规范的数据集成和管理工具，支持数据可持续获取；数据、接口的标准化、数据质量控制体系建设及基于统一标准的多源数据整合；在分析地理
标记语言(GML)格式特征的
基础上，提出了一种基于GML的耕地质量多源异构数据集成模型。利用该模型的多源异构数据集成技术流程，将MapGIS数据、ArcGIS数据、图片栅格等数据转换为统一的GML数据格式，从而在网络环境下根据集成规则方便有效地集成和共享；借助先进成熟的大数据存储及处理技术，整合及加工内外部各种耕地质量相关数据，然后结合专家知识数据，
传感器数据及其他监测数据等，构建耕地质量大数据平台，减少数据冗余及不必要数据，推动耕地质量数据标准化，从而提高数据分析应用效率。
附图说明
[0040] 图1为本发明实施例提供的基于GML的耕地质量大数据多源异构数据转换模型；
[0041] 图2为本发明实施例提供的耕地质量大数据平台示意图；
[0042] 图3为本发明实施例提供的耕地质量综合评价结果(因素法)与原结果对比分析；
[0043] 图4为本发明实施例提供的耕地质量综合评价结果(贡献率法)与原结果对比分析。
具体实施方式
[0044] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0045] 参见图1～4，本发明实施例提供一种耕地质量多源异构数据整合方法，该方法包括：
[0046] 步骤1，获取耕地质量等别数据、耕地地力评价数据和耕地质量地化评估数据。
[0047] 步骤2，将耕地质量等别数据、耕地地力评价数据和耕地质量地化评估数据，按照统一的数据库规则进行转换处理，构建基于空间数据建模标准规范 GML的多源异构数据集成模型，并通过数据管理器进行统一管理.
[0048] 步骤3，通过贡献率法对耕地质量数据进行综合评价。
[0049] 对于上述步骤1的具体说明如下：
[0050] 选择典型县域开展针对研究，进而进行省级推广及应用。研究区域设定在河南省XX县级市，XX县级市地处黄河中、下游分界处，位于豫西丘陵向豫东平原的过渡地带，地理坐标为东经113°20′40″-113°24′10″，北纬34° 45′08″-34°48′22″之间，地理位置优越及特殊，粮食种植占农业结构中的比例较高。根据2015年XX县级市土地利用现状变更调查成果，XX县级市 2015年土地总面积9.43万公顷，其中耕地4.13万公顷。依托目前XX县级市已有的各部门、各类型的耕地质量数据，利用大数据中的数据集成技术，对耕地质量多源异构数据进行整合，构建耕地质量大数据平台。
[0051] (1)耕地质量等别成果
[0052] 依据《农用地质量分等规程(GB/T 28407-2012)》，XX县级市标准耕作制度为冬小麦—夏玉米，一年两熟，基准作物为冬小麦，制定作物为夏玉米，划分的指标区中，一级指标区XX县级市属黄土高原区，二级指标区XX县级市属豫西山地丘陵区，分等因素及权重表见表1。
[0053] 表1 XX县级市农用地分等因素及权重表
[0054]
[0055] 依据《农用地质量分等规程(GB/T 28407-2012)》，计算得出XX县级市耕地质量等别结果如下：XX县级市国家自然等分布在6-11等，国家利用等分布在6-11等，国家经济等分布在5-10等。
[0056] (2)耕地地力评价数据
[0057] 依据《耕地地力调查与质量评价技术规程》(NY/T1634-2008)评价指标的选取原则，结合XX县级市浅山丘陵、地形复杂、灌溉条件差异大、土壤种类繁多、养分水平各异分布不均等现实条件，在省站专家的指导下，经过专家组的反复多次权衡汇总，最终确定了地貌类型、地形部位、海拔、地表砾石度、有效土层厚度、质地构型、灌溉保证率、全氮、有效磷、速效钾、障碍层类型、障碍层位置、障碍层厚度13个因子为XX县级市耕地地力评价指标，并采用特尔菲法，即专家打分法，组织专家对各评价指标不同观测值进行打分，然后经多次归纳、反馈和总结，得到各评价指标的权重。
[0058] 表2 XX县级市地力评价各评价因子权重确定结果表
[0059]
[0060] 用指数和法来确定耕地的综合指数，模型公式如下：
[0061] IFI＝∑Fi×Ci(i＝1,2,3,…,n)
[0062] 式中：IFI代表耕地地力综合指数；Fi为第i个因素值；Ci为第i个因素的组合权重。
[0063] 具体操作过程：在县域耕地资源管理信息系统(CLRMIS)中，在“专题评价”模块中导入隶属函数模型和层次分析模型，然后选择“耕地生产潜力评价”功能进行耕地地力综合指数的计算。最后根据综合指数的变化规律，在耕地资源管理系统中采用累积曲线分级法进行评价，根据曲线斜率的突变点(拐点)并结合我市实际情况来确定等级的数目和划分综合指数的临界点，将XX县级市市耕地地力共划分为五级。
[0064] (3)耕地地力评价数据
[0065] 研究区的土地质量地化评估工作于2008年3月启动，2009年1月全面完成。采用网格法，县级比例尺为1:5万。根据河南省土地质量地球化学调查成果资料，研究区的农用地表层土壤参评指标，选择所在区带的地质环境背景值作标准，剔除异常数据后，主要按数据的20％、40％、60％、80％顺序统计量分为5级，作为分级标准，其中有效磷、速效钾按河南省土壤普查标准执行。土壤肥力质量评价是依据河南省耕地质量调查土壤养分及pH分级标准对土壤养分指标的测定值进行分级。土地质量地球化学评价中单因子土壤环境质量评价是依据土壤环境质量标准进行分级。土壤环境健康要素综合评价是选取Hg、 Cd、Pb、As、Cu、Zn、Cr、Ni等8种重金属元素为评价指标，用内梅罗法计算综合指数，根据综合指数进行分级。
[0066] (4)三种数据差异分析
[0067] 由于耕地质量等别数据和耕地地力数据以耕地图斑为最小单元，数量相对较多，很难进行相对比较。因此通过以行政村为单元统计各行政村国家利用等指数平均值、耕地地力平均分值和土壤环境健康要素综合评价平均分值，进行相关分析。分析结果表示：行政村国家利用等指数与耕地地力平均分值呈显著相关(r2＝0.2242,p<0.01n＝283)，但两个数据与土壤环境健康要素综合评价分值均未显著相关，主要原因在于耕地质量等别数据和耕地地力数据在评价指标有一定的重复，但与土壤环境健康评价指标却显著不同，土壤环境健康评价多注重土壤污染方面的影响，而且土地质量地球化学评价比例尺较小，整个县域中的差异性较小。
[0068] 对于上述步骤2的具体说明如下：
[0069] 基于充分利用现有资料、减少重复性工作的考虑，本文所需要的图件和数据库资料，都是利用现有成果，而不再进行专门的数据调查工作。将现有成果统一处理后，直接应用于整合评价。三种数据成果在图件要素、数据库等方面存在显著区别(表3)，为了使其能够反映在同一张图上，具备整合的前提，首先要对三种数据进行处理，统一图形规则、数据库规则。
[0070] 表3 三种耕地质量数据特点
[0071]
[0072] 将耕地质量等别成果、耕地地力评价成果和地化评估成果，制定统一的数据库规则，数据库包括以下字段：
[0073] 表4 数据库标准字段及格式
[0074]
[0075] GML(Geography Markup Language，空间数据建模标准规范)是OGC(Open Geospatial Consortium开发
地理信息系统协会)制定的基于XML的中立于任何厂商、任何平台的地理信息编码标准，用于地理信息的传输、存储和发布。其具有简单、开放、跨平台、容易检查和转换等特性，可将空间数据和属性数据融为一体，将矢量数据和栅格数据融为一体，可采用HTTP协议进行远程传送，易于实现数据的动态集成。多源异构数据转换为统一的GML数据格式，可以在网络环境下根据集成规则方便有效地集成和共享。通过提出一个基于 GML/KML的多源异构数据集成模型，将Mapgis格式数据、ArcGIS的Shape格式、GeoDatabase格式数据、SuperMap格式数据等，均可以通过相应的GML 生成器转换为GML格式数据，并由数据管理器进行统一管理，实现某地区行政区划数据(MapGIS格式)和土地利用数据(ArcGIS格式)
叠加集成分析。
[0076] 对于上述步骤3的具体说明如下：
[0077] 通过利用分等理论、耕地地力评价和地化评估方法，建立定性和定量的整合评价指标体系，充分利用已整合的三种数据，实现耕地质量的综合评价。主要采取的方法有因素法和贡献率法。其中因素法是利用原有的基础数据，通过建立新的综合指标体系，重新评价耕地质量；而贡献率法是将三种成果根据用途的不同，分别赋贡献率，从而形成以用途为导向的耕地质量评价成果。
[0078] (1)基于因素法的耕地质量综合评价
[0079] 利用因素法进行耕地质量综合评价体系
构建时，遵循以下原则(1)科学性原则：评价指标体系应在科学准确的基础上，选取最能反映耕地质量的主要因子；(2)主导性原则：综合效益受自然、社会、经济等影响因素的制约,在众多的因子中,各种因子的作用过程及作用方式是不同的。因此,应选择具有代表性的,能直接反映耕地质量主要特征的主导性指标；(3)可操作性性原则：指标体系的设计,应尽可能考虑数据的易获性和可采集性,遵循简洁、方便、有效、实用的原则；(4)综合性原则：要全面衡量所考虑的诸多环境因子,进行综合分析和评价,做到既能作单项分析又便于作综合分析。
[0080] 耕地质量综合评价指标体系见下表。从表5可以看出，因素体系选择涉及了
气候、地形地貌、立地条件、水分条件、土壤肥力和土壤污染6大方面，并根据三种数据的特点，选择对应的因子。然后依据层次分析法(AHP)的步骤, 请教有关从事该领域的专家,结合研究区域耕地质量特征，从目标层到指标层建立一、二、三级评价单元,然后按照顺序求出每一评价单元的中各指标权重。
[0081] 表5 基于因素法的耕地质量综合评价体系
[0082]
[0083]
[0084] 根据三种数据因子属性和县域耕地质量综合评价体系中各因子的权重，最终评价XX县级市耕地综合质量。XX县级市耕地综合质量分从 0.0782—0.9463，利用自然裂点法，可以将耕地质量分为5个等级。
[0085] 通过以行政村为单元统计耕地质量综合评价结果、国家利用等指数和耕地地力总指数，然后利用线性回归分析，获取总分值(因素法)与原国家利用等指数和地力总指数的相互关系。利用因素法计算的耕地质量总评价结果与原耕地质量等别数据和耕地地力数据均呈现显著相关性。说明耕地质量总评价结果能反映上述两种结果的分布趋势；另外从表6可以看出，耕地质量综合评价结果与国家利用等指数的标准误差低于地力总指数，说明方程拟合程度要稍高，原因在于因素法指标体系中选择的耕地质量等别因子权重较大。
[0086] 表6 耕地质量综合评价结果(因素法)线性回归分析表
[0087]
[0088] (2)基于贡献率的耕地质量综合评价
[0089] 通过构建耕地质量综合评价贡献率计算模型，根据不同用途计算耕地质量综合评价指数：
[0090] P综合评价＝a×P分等+b×P地力+c×P地化
[0091] 其中，P综合评价为耕地质量综合评价指数；P分等为原分等成果中国家利用等指数；P地力为原耕地地力评价结果中总分值数据；P地化为原地化评估成果中环境指数；a为原分等成果中国家利用等指数的贡献系数；b为原耕地地力评价结果中总分值数据的贡献系数；c为原地化评估成果中环境指数的贡献系数。原因在于，若取值为利用等别、地力等级和环境等别虽然可以直接计算得到综合评价指数，计算更简便，但因为利用等别、地力等级和环境等别都是整数等别，因受权重影响，计算得到等别只能是小数，因此，会导致误差增大。结果表明，相对采用原始国家利用等指数、地力分值和环境指数的误差而言，利用整数等别的误差更大。
[0092] 因素贡献率的确定非常关键。常用的贡献率测算模型有：多元正态回归方法，柯布-道格拉斯生产函数法。本文借鉴多元正态回归方法，应用最小二乘法来确定贡献率。由于贡献率可以根据用途来确定系数，因此在利用贡献率进行耕地质量综合评价时，如果偏向农业生产管理时，则适当提高P地力的贡献率，计算最终的耕地质量综合分值。
[0093] 根据三种数据原始属性及各自的贡献率，最终评价XX县级市耕地综合质量。利用贡献率法计算XX县级市耕地综合质量分从0.1266—0.9510，利用自然裂点法，可以将耕地质量分为5个等级。
[0094] 通过利用线性回归分析，获取总分值(贡献率法)与原国家利用等指数和地力总指数的相互关系。利用权重法计算的耕地质量总评价结果与原耕地质量等别数据和耕地地力数据均呈现显著相关性。说明耕地质量总评价结果(贡献率法)能反映上述两种结果的分布趋势；另外从表7可以看出，耕地质量综合评价结果(贡献率法)与地力总指数的标准误差要明显低于国家利用等指数，也比利用因素法计算出来的标准误差要低，原因在于在贡献率的计算过程中，由于偏向农业生产管理，因此耕地地力的贡献率要稍高。
[0095] 表7 耕地质量综合评价结果(贡献率法)线性回归分析表
[0096]
[0097] 综上所述，本发明使用基于GML/KML的耕地质量多源异构数据集成模型，将分布在不同单位，基于MapGIS、ArcGIS等不同GIS软件的多源异构数据转换为统一的KML格式数据，实现了多源异构数据的集成分析和共享。利用该方法，实现了某地区行政区划数据(MapGIS格式)和土地利用数据(ArcGIS格式)叠加集成分析。本发明利用可叠加的三种数据，利用因素法和贡献率法两种方法实现耕地质量数据的综合评价。评价结果显示，因素法通过重组评价指标体系，计算新的总指数，总指数能较好的反映原数据的真实分布特征，实现多种耕地质量数据的整合，但由于要重建评价指标体系，需要一定的专业知识；直接应用贡献法，依据用途来确定各种因素的贡献率，省去了构建指标体系、确定权重等复杂环节，有较高的可操作性。
[0098] 以上公开的仅为本发明的几个具体实施例，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围，倘若本发明的这些
修改和变型属于本发明
权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
