ArcGIS Model Builder在歷史數據處理中的應用

張衍偉，周新東，初曉煒，杜沖

(1.濰坊市勘察測繪研究院，山東 濰坊 261000；2.濰坊市自然資源和規劃局，山東 濰坊 261000；3.山東省國土測繪院，山東 濟南 250000)

0 引言

老牌測繪院在過去幾十年長期的工作過程中，積累了豐富的歷史地形圖數據資料，該資料擁有當年翔實的地物信息，在大數據時代，這些信息彌足珍貴，可作為空間數據分析與挖掘的可靠數據資料，利于政府相關部門挖掘新知識，同時為后續其他工作的開展提供輔助決策。在智慧濰坊時空大數據與云平臺的建設中，歷史地理信息為一個核心指標，本次作業收集到了多個歷史年份電子版地形圖數據，并對其進行加工處理工作以滿足數據庫標準要求，完善了智慧濰坊時空大數據與云平臺的整體架構，形成時空數據庫[1-2]。在保證數據質量和工作進度的同時，如何根據不同的要素類型自動化的處理部分數據，提高對歷史地形圖數據的采集入庫處理效率和數據質量，是本文研究的重點內容[3]。

1 Model Builder技術簡介

ArcGIS軟件為目前世界上最為優秀、成熟、穩定、可靠的GIS數據生產、處理和分析的工具平臺，該軟件已經非常廣泛地應用于目前各類測繪地理信息項目的數據處理工作中[4-5]。其中，ModelBuilder模型構建器為該軟件的一個組件，以流程化的形式將數據處理中多個獨立的數據處理任務進行集成，拖拽對應的腳本工具進入作業區并進行連接，將上一步輸出的過程性成果作為下一步工作的輸入，不需要編寫程序即可高效快速地構建出一個工作流[6]，ModelBuilder界面圖如圖1所示。通過對模型中的數據變量進行參數化處理可以滿足多個作業組的工作需要，同時還可將工具箱共享給其他作業人員進行數據生產作業。

圖1 Model Builder界面圖

[7-8]

圖2 ArcGIS Model Builder設計流程圖[9]

2 歷史地形圖傳統處理方法簡介

2.1 需要處理的內容及處理方法

目前用于生產大比例尺地形圖數據的軟件比較豐富、成熟，一般作業過程中常結合EPS和CASS兩款軟件進行作業。生產地形圖的技術路線也非常成熟，嚴格依據圖式進行數據的采集，完整采集出測量控制點、水系、居民地和設施、交通、管線、境界、地貌、地貌和植被8個大類地物和一個注記要素[10-11]，按照入庫的標準對地形圖進行數字化處理，參照相關規范要求對數據進行數據分層、編碼賦值、幾何信息規范化等處理[12]。

2.2 歷史地形圖傳統生產流程

對歷史地形圖數據進行整理的傳統技術路線為(圖3)：將收集到的歷史地形圖數據作為工作底圖，人工對地形圖要素進行判讀，在CASS軟件中選擇對應的要素類進行繪制，對于某些簡單要素比如注記、點、線等要素可以快速換碼處理。

圖3 歷史地形圖處理內容及傳統處理流程

2.3 存在的難題

該歷史地形圖數據比例尺為1∶1000，AUTOCAD的DWG格式，該數據所有幾何和注記要素全部存儲在一個TX圖層中，該數據的作業標準為GB/T 7929—1995，目前采用的地形圖圖式為GB/T 20257.1-2017，按照該標準用傳統的技術方法進行采集，會面臨大部分數據需要重繪的難題，這將嚴重浪費作業單位的各種資源。按照技術規范要求，經過實際項目中的統計數據，得出每人每天大約可以完成0.25km2左右，速度非常緩慢，而且困難主要集中在居民地及設施里點線面要素的繪制，高程點和控制點等點狀地物的換碼屬性填充，等高線和地類界的數據處理。傳統技術方法在處理這些歷史地形圖數據中效率較低[13]，而且容易出現要素遺漏、數據錯誤等問題，給后續的數據入庫工作帶來壓力[14-15]。

3 Model Builder在歷史地形圖數據處理中的應用

針對傳統處理方法遇到的困難，本文按照數據處理要求，根據數據分層情況，對數據的要素類型、屬性信息、塊名、注記、顏色、線型等信息進行了細致的分析匯總，分類研究其處理方案，然后利用Model Builder工具建立對應的數據處理模型，并且根據實際需求逐步完善，總共進行了14次升級，最終形成了較為完善的數據處理工具箱。

3.1 房屋類

通過對原始地形圖數據進行分析，了解到該數據中只有線、面和注記3種類型要素，且面數據嚴重缺失，所有要素無任何編碼信息。例如：房屋要素是用4條無編碼邊線和一個無編碼注記(磚，建等)存儲，且邊線和注記相互之間只有空間上的位置關系，并無其他聯系，廁所和牲口棚等要素情況基本雷同。

根據數據處理要求，基于數據資料情況設計出如下處理方案。一是進行面要素到線要素的轉換處理。將所有的面要素轉換成線要素，并與原始數據中存在的線要素同步進行多部件到單部件和修復幾何處理，處理掉存在異常的問題圖形，合并所有的線要素。二是通過長度篩選可能組成房屋的線要素，剔除掉特別長或者特別短的線，將篩選出的線要素進行修復幾何操作，用要素轉面功能生成面要素，對這些面要素根據其面積進行篩選，剔除面積過大或者過小的面要素。三是利用空間連接功能，將注記信息賦值給對應的面要素，多次計算字段后，根據注記信息對面要素進行篩選，得到建成房屋、建設中房屋、廁所和牲口棚等要素。四是對篩選的要素進行賦值，根據數據入庫要求添加字段并計算字段值，比如GB，房屋結構等屬性項信息。圖4為房屋類ModelBuilder建模核心路線圖，為確保模型穩定正確的生產數據，建立的Model Builder模型中加入了較多的邏輯判斷、錯誤修復操作、幾何修復、屬性篩選及字段處理操作，在某些參數值的選擇和設置上也是根據實際情況做了很多優化工作。

經過實踐，此種方法以較高的成功率提取了房屋等面狀要素數據，減少人工的工作量，提升了作業效率，數據質量較高，可以直接入庫。

圖4 房屋類ModelBuilder建模核心路線圖

3.2 高程點類

在該類型要素處理過程中，主要涉及點要素和注記要素，通過對原始地形圖數據進行分析，了解到高程點的塊名為GC200或者GC170，種類較少，在比較近的距離內高程點有對應的高程值注記。

根據數據處理要求，該文設計了如下的處理方案(圖5)。一是導入所有注記要素和點要素，篩選REF值為GC200或者GC170的點要素和注記要素。二是進行空間連接，將注記信息連接到點要素的屬性表中，對注記信息進行長度計算，篩選出符合長度的注記信息，確定最終的點要素。三是構建字段列表，對字段進行賦值以滿足數據庫要求。

經過實踐，準確率接近100%，數據質量滿足入庫標準，只需要簡單的人工操作即可。

圖5 高程點類Model Builder建模核心路線圖

3.3 控制點類

在該類型要素處理過程中，主要涉及點要素和注記要素，通過對原始地形圖數據進行分析，了解到各種類型的控制點擁有不同的塊名，在比較近的距離內控制點有對應的控制點名稱和高程值注記。

圖6 控制點類Model Builder建模核心路線圖

根據數據處理要求，本文設計了如下的處理方案(圖6)。一是分析原始DWG數據，統計塊名與對應的圖形要素，并根據1995版地形圖圖式來判定控制點類型，比如圖根點、水準點、衛星等級控制點等，做好對照表，便于后續程序的操作。二是導入所有點要素，根據REF值進行篩選，獲得所有類型的控制點數據，根據數據入庫需要添加字段。三是導入所有注記要素，分別根據長度或注記字符等信息篩選出控制點高程值注記和控制點名稱注記。四是分別進行控制點要素和控制點高程值要素、控制點要素和控制點名稱要素的空間連接。五是進行字段的篩選、計算等操作，以確保數據滿足入庫標準。在控制點等級的處理中，利用PYTHON語言編寫了KZDGradeProgress函數，并集成在模型工具中自動處理控制點等級信息，對控制點等級字段進行自動賦值。

經過實踐，可以處理掉約90%的控制點數據，部分需要人工進行檢查處理。

3.4 等高線類

在該類型要素處理過程中，主要涉及線要素和注記要素，通過對原始地形圖數據進行分析，了解到等高線要素的塊名存在規律性，存儲于固定的幾個要素層中且較為唯一，這為后續的程序化[16]處理提供了便利。

根據數據處理要求，該文設計了如下的處理方案(圖7)。總體思想是將等高線某個距離范圍內的高程值匯總求擬合平均值，適當處理后賦值給等高線。一是根據層名篩選出等高線的幾何要素數據，修復后按照一定容差對數據進行融合。二是導入注記要素，并通過字符特點和數值大小篩選出其中的高程信息。三是對等高線要素和高程值注記信息進行空間連接，連接操作采用JION ONE TO ONE并且保留所有目標要素，匹配選項采用相交、合并規則采用計算平均值。四是對數據按照0.5m的等高距進行處理，完成后人工檢查，整體模型如圖7所示。

圖7 自動提取等高線模型圖

經過實踐，在地勢較為平緩的地區，處理效果較好，準確無誤。在山區等高線密集區域，效果不好，需要較多的人工干預。

3.5 圍墻線類

圍墻線屬于附屬設施類，在該類型要素處理過程中，主要涉及線要素，通過對原始地形圖數據進行分析，了解到原始地形圖圍墻都是依比例尺圍墻，即雙線圍墻，但是寬度不一。根據數據處理要求，圍墻需要全部處理成不依比例尺圍墻，最初人工測試時，這種要素的數字化較為繁瑣，容易出現懸掛點等類型錯誤，作業效率較低，工作量巨大，不利于整個項目的推進。

根據數據處理要求，本文設計了如下的處理方案。一是將原始地形圖數據的線要素和面要素統一轉為線要素，同時進行修復幾何等操作，將轉換的線要素合并。二是用要素轉面工具將線要素轉換為面要素，并分別篩選出面積>10和<10的面要素，對>10的面要素計算其包絡矩形的面積。三是計算面要素面積與其包絡矩形面積比值，篩選>0且<0.4的面要素，并于面積<10的面要素合并，利用要素轉線工具將面要素轉為線要素，根據長度篩選出圍墻兩側的長邊要素。四是從已經完成的房屋面數據中獲取房角數據，通過空間連接功能篩選出最終的圍墻線。五是利用捕捉功能，將圍墻線靠在房角上，按照數據入庫標準進行規范化處理以滿足要求[17]。

經過實踐，在對較為規整的圍墻數據處理過程中，效果非常好，準確率較高。但是在形狀不規則的圍墻，效果較差，需要人工進行處理。

3.6 其他要素類

除了以上要素的自動處理外，本文也對地類界、陽臺面等要素的自動化提取進行了研究。主要思路是根據要素的幾何和屬性特征進行選擇，借助空間連接、篩選、選擇、合并、字段計算等工具進行復雜處理。

地類界要素跟多種要素有關聯，較為復雜，整體成功率不高，實踐中可以處理約20%的要素，只能參考使用。陽臺面需要在完成房屋數據提取后進行處理，根據空間位置、幾何特征等信息來判斷選取，成功率較高，在項目中已經采用。整體方法類似，在此不再贅述。

3.7 部分說明

基于ArcGIS ModelBuilder制作的工具分發極其方便，制作完成工具后根據需要進行加密處理，防止程序被破壞，然后拷貝到其他工作用電腦中，在ArcGIS中直接打開即可使用。按照工具界面選擇對應數據滿足參數要求，運行即可。

對于習慣于ArcGIS Pro的用戶來說，由于ArcGIS Desktop與ArcGIS Pro兩個軟件中的PYTHON版本不同，在模型遷移的過程中遇到了一些困難，可以借助2to3工具進行了模型的遷移，但是為了程序的穩定運行，仍需要進行一些微調工作，這點需要注意。本次工作收集歷史地形圖資料比較順利，全部為電子版。某些地區可能只有歷史地形圖的紙質版數據，對于這種情況則需要進行地圖掃描矢量化處理，可借助ArcScan、R2V等自動矢量化工具進行處理[18-20]。

4 結論

利用ArcGIS ModelBuilder制作的歷史地形圖數據處理的工具箱，極大地提高了作業效率，房屋類90%左右，附屬設施類的40%左右，高程點類接近100%，控制點接近100%，地類界20%左右，等高線60%左右都進行了自動化處理。基于ArcGIS Model Builder的數據自動化生產數據的作業方式，使作業效率和數據質量都有了極大提高。

鑒于智慧時空大數據與云平臺建設工作需要，各個地區都會存在歷史地形圖數據的整理入庫工作需求，本文所展示的方法可以廣泛的應用于各個地區的歷史地形圖數據處理工作中。

目前完成的歷史數據處理工具箱對地類界和附屬設施類要素的自動提取準確性較低，目前沒有辦法提高，這是該次研究工作的不足之處。