基于空間分析與數據庫技術的草地環境快速評價技術*

閆鐘月，支瑞榮，葛超英，馬澤斌，李遠華

（1.吉林大學 地球探測科學與技術學院，吉林 長春130026；2.河北省水文工程地質勘查院，河北 石家莊050021）

在進行生態環境評價和空間要素分析時，為評價單元、統計區域獲取參數是必不可少的工作。例如，在對草地資源進行評價時，需要把評價單元內各圖斑的數據信息計算后存入評價單元。其中，要解決的關鍵問題就是參數獲取和模型的靈活運算[1-2]。

生態環境評價工作一般采用“小流域范圍、行政區范圍、評價網格、對象圖斑、柵格像元”等作為評價單元[3-6]。其中網格是較為常用的一種評價單元，以構建過程簡便快捷為特點。這一方式所需的數據參數可由柵格方法和矢量方法得到。針對柵格數據的處理方法，即將所有數據轉成柵格格式再進行操作。這一方法雖然操作簡單，但由于單個像素難以表達與結構有關的信息，所以需要對數據進行特殊處理才可參與模型運算。除此以外，矢量在轉柵格時，還可能造成信息丟失的現象。如果采用矢量網格為評價單元，存在的問題則包括：（1）當矢量數據取值采取空間分析方式，一個單元格內會包含多個同一地物信息。采用人工方式導出表格進行分類匯總，再通過矢量數據與表格數據字段方式連回的操作是十分復雜的；（2）評價單元取柵格值時，單元格可以輕松獲取對應的柵格值，但實際意義并不明顯。想要獲取評價單元內評價對象（如草地）的高程、坡度、NPP、NDVI等參數的平均值更為復雜，人工操作步驟更為繁瑣；（3）模型運算中的數據往往由多個圖層或多個指標組成，數據量龐大，如果出現錯誤則需要從第一步重新計算，這一工作風險需要被重視。

針對矢量數據相交或判別分析后，可能會出現一個單元內存在多個同類對象需要被統計的問題，可以通過數據庫Group分類查詢的方式解決，即在程序統計后循環連接回單元格；同理，柵格與矢量數據（與評價單元判斷后的矢量數據）經過空間統計后，需要分類取加和或平均值，可以利用數據庫的Avg與Sum統計函數聯合Group分類查詢解決這類問題。因此，本文采用C#+OLEDB數據庫連接shapefile數據的方式，通過Sum、Avg等函數實現任意單元格的統計與分析，然后通過字段連接方式，將經過計算后的參數加入到評價單元格數據中，從而實現評價參數的快速、準確獲取，最后構建數據庫式評價模型管理方法，使得評價模型與評價數據實時連動，從而實現高效的模型運算。并在“河北省張承地區生態資源調查及指標體系研究”項目的支持下，在河北省張北縣地區開展了實踐，應用效果良好。

1 技術路線與方法

準備好所需的柵格數據及矢量數據后，首先依據評價方案劃定適當大小的單元網格，將矢量數據與其作判別分析后，獲取各圖斑所屬單元格的編碼，并計算評價參數數據，結合數據庫技術進行字段統計，利用循環算法，通過唯一單元格編碼將結果返回評價單元；矢量數據處理完成后，與柵格數據進行區域統計得到新的數據集，通過匯總、取均值等方式獲取計算后的柵格參數，借助數據庫技術將數據集信息連回評價單元；最后從參數數據庫中實時調用計算模型，當參數發生變化時可以實現動態計算和更新，從而得到空間分析成果，為進一步的制圖與評價奠定基礎（圖1）。

圖1 技術流程圖

1.1 評價單元的確定

常用的評價單元有行政區、流域范圍、評價對象圖元等，評價網格也同樣在各類評價工作中被廣泛使用。評價網格是按照一定的縱橫間距構建評價單元格，例如ArcGIS的FishNet工具。由于實驗區（張北縣）范圍較小，按鄉鎮行政區界劃分評價單元較不方便，且代表性較低，因此不適合采用這類評價單元；受地理、地貌、地質格局影響，區域內的小流域范圍表現為中大邊小，且不成規模，因此也不適用此種評價單元；研究區內的草地資源往往大面積分布且多為長條型，以對象圖斑作為最基本的評價單元，高程、坡度、坡向、NPP、NDVI等像素級數據取值將不具代表性；而如果采用柵格像元開展像素級評價，作為生態評價重要的各類結構參數不能直接使用，會對評價效率和評價效果造成較大影響。因此，本次研究綜合考慮效率、結構性指標采集、空間規律展布等因素，選擇采用500m×500m的評價單元格開展生態資源各項評估工作（圖2）。

圖2 實驗區500m×500m評價單元格

1.2 柵格、矢量參數的提取技術

首先，生成500m×500m評價單元格，新建“網格編碼”字段，按自然增量方法為每個單元格指定唯一編碼。然后，將草地資源亞類數據與評價網格作相交分析，獲取到每個圖斑對應的網格編號，將此矢量數據文件記為Vi。通過編寫循環算法，獲取每個單元格的草地面積總和等參數，并通過數據庫Update方法添加到單元格。

對于柵格數據分析過程，首先將空間分析后的矢量數據Vi與NDVI、NPP等柵格數據進行區域統計，取出每塊圖斑對應單元格內的“匯總或取平均”柵格值數據，最后利用數據庫計算與連接技術將柵格數據返回評價單元（圖3）。

圖3 評價單元柵格數據取值方法

1.3 評價數據連回技術

利用C#編程語言和OLEDB數據庫技術，連接shp文件的FoxPro數據庫（圖4）。將對象數據和單元網格進行空間匹配，聯合柵格及矢量數據進行相交分析，應用數據庫的Avg與Sum統計函數實現數據加和與平均值的計算，結合Group查詢完成參數數據的分類匯總，使用DataAdapter的Fill方法將結果存入數據集，最后借助循環算法完成屬性信息連回工作。

圖4 評價指標計算算法原理圖

由于處理后的各圖斑均帶有所屬單元格的唯一編碼屬性，想要實現參數與評價單元的高速匹配，就可以應用數據庫技術，采用編程方式進行解決。在對接過程中，部分參數需要按類別進行匯總，部分參數需要取均值或一對一更新，還有一些特殊因子需要經過多步計算才能連回評價單元，因此可以構建基于Visual Studio開發平臺的空間評價數據關聯程序（圖5），程序包含分類匯總、取均值、數據更新、特殊因子計算等功能，以實現不同參數的高效運算。

圖5 評價數據連回程序界面

1.4 模型參數的數據庫管理

為保證模型的靈活性和可變性，將模型參數存入方便操作的Excel數據庫中，當用戶需要更改評價模型相關指標時，可直接在數據庫中進行修改，對模型進行更新。評價時通過OLEDB方式連接Excel，對參數進行實時調用，并連接shp文件，實現模型的動態運算。應用數據庫技術進行參數管理，可以大大減少模型更改后的工作量，提高模型運算的高效性和可操控性。

2 實驗與分析

2.1 數據取值

將研究區草地數據與單元網格進行空間匹配和相交分析，為各圖斑獲取對應的網格編號，取出每塊圖斑對應單元格內的草地面積和NPP等柵格值數據，返回至評價單元并進行區域統計。

圖6為研究區范圍內的草地原始數據圖，圖7為獲取后的草地數據密度統計結果圖。通過對比發現，兩幅圖中所體現的草地資源聚集性較吻合，處理前后的數據具有基本相同的分布規律，驗證了上述方法的可行性。

圖8為研究區原始NPP數據空間分布圖，圖9為按評價單元進行區域分析后的統計圖。通過與原始數據對比發現，依據評價單元進行草地資源的數據取值和區域統計的結果與實際情況較吻合，從結果圖上可以直觀地看出處理前后的NPP數據具有基本相同的空間特征，驗證了該參數提取技術及數據連回方法的可行性和準確性。

2.2 評價模型

為進一步驗證數據提取技術、參數連回技術和模型快速計算方法的適用性，構建草地資源質量遙感評價模型（Quality of Ecological Resources by Remote Sensing），簡稱QERRS模型。

圖6 研究區草地資源資源原始數據

圖7 獲取后的草地數據密度統計結果

圖8 研究區原始NPP數據

圖9 評價單元NPP數據統計

QERRS模型主要從草地資源質量、資源結構質量和本底條件三項主級指標進行綜合評價，在各主級指標下又分設多個次級指標，草地資源質量包括植被覆蓋指數（Q1）、植被指數（Q2）、資源比例（Q3）；資源結構質量包括資源形狀指數（Q4）、自然度（Q5）、資源結構指數（Q6）；本地條件包括土壤背景（Q7）、氣候條件（Q8）及地形條件指數（Q9）。依據對象分析結果為各級評價因子分別賦予統計權重，形成多級指標評價模型，模型計算公式如下：

其中QERRS為生態資源質量遙感評價指標，Q1-Q9的物理含義及量化方法如表1。

根據上述評價指標，構建Excel模型數據庫（圖10），通過OLEDB方式進行連接，并聯合shp文件進行模型運算?；贑#編程語言，編寫模型參數數據庫管理與統計程序（圖11）。

2.3 評價結果

利用前述方法將高、中、低草地覆蓋面積和NPP等參數帶回到評價單元，利用公式計算Q1-Q9，再利用模型計算公式，計算草地生態資源的質量，得到研究區范圍內草地環境評價結果（圖12）。

表1 草地生態資源質量相關指標

圖11 評價模型管理與運算程序界面

圖12 張北縣草地資源評價結果圖

模型計算結果所反映的草地資源空間分布特征與生長狀況和實際情況基本一致，證實了評價體系的科學性與準確性。而當研究者需要對模型進行更改時，數據提取與快速連回算法可以實現參數的快速、準確提取，實現模型動態計算，使運算結果能夠實時更新，具有良好的參考價值和借鑒意義。

3 結束語

本文采用的網格數據獲取和評價方式，能夠獲取一定區域范圍內空間統計數據與空間結構數據，避免“大區域取值”不具代表性的問題，可以很好地提高評價精度；相比于利用專業軟件提取數據的復雜性和不確定性，結合空間分析與數據庫原理的柵格、矢量參數數據的提取技術更為簡單且高效，具有快速、可重復性操作的特點；利用C#編程語言和OLEDB數據庫技術的快速連回算法，可以實現數據批量計算與統計，在提高工作效率的同時減少了人工分析操作所可能造成的系統誤差；張北縣的草地資源評價應用實踐表明，應用數據庫式模型管理與運算的方法，可以提高模型的靈活性，實現模型的動態計算，為評價指標和評價模型的不斷完善奠定了技術基礎，提高了工作效率，有助于調查人員從繁瑣的數據處理中解脫出來，專注數據挖掘研究。