北京2022冬奧會張家口賽區生態風景廊道數據基底建設方法與應用

曹勝昔

1 背景

自2018年以來，團隊積極踐行國家戰略，以強烈的責任感和使命感，與千千萬萬建設者一起投身到北京冬奧會張家口賽區生態環境建設工程中，以實際行動深入貫徹落實踐習近平生態文明思想，先后完成崇禮冬奧會“三場”區域綠化、崇禮城區至太子城冰雪小鎮生態風景廊道公園、崇禮北高鐵站周邊區域綠化等生態景觀項目的規劃設計與科研工作，為賽區營造了優美的自然環境，繪制了綠色冬奧的景觀畫卷，交出了我們的生態冬奧答卷。

張家口賽區位于張家口市崇禮區。按照規劃，冬奧會期間注冊人員將有55%在太子城核心區住宿，45%在崇禮城區住宿，為保障崇禮城區與太子城核心區之間的交通便捷，在原有道路一側進行擴建并增加防洪設施、騎行、步行與游憩功能，建設成為崇禮城區至太子城冰雪小鎮生態風景廊道公園。其全長約18km（圖1），位于冬奧重點景觀區域內，景觀規劃范圍約5km2，生態修復范圍約19.5km2，基于自然環境與三生空間，將生態廊道劃分為4個主題段落，形成“川林沃野、田園村舍、濕地淺灘、山巒疊翠”4個區段，打造“山”“水”“田”“林”四大景觀體驗區（圖2）。涉及工程建設后的植被恢復、礦山廢棄地的土壤改造、禁牧后的林草重建、棄耕地的復墾等生態修復工程技術研究，是多學科技術研發與集成應用。該項目全過程采用數字技術手段支撐高寒干旱脆弱地區的生態修復與景觀構建，開展基于 GIS（地理信息系統）技術開發的遙感遙測、傾斜攝影與建模技術研究，打通多源多模數據孤島，盡可能獲取全面豐富的基礎數據，建立示范區的景觀修復全過程數據庫，用于研究適宜的生態設計方法與技術應用。

圖1 地理區位，引自參考文獻[3]

圖2 四段規劃

本文以崇禮城區至太子城冰雪小鎮生態風景廊道公園數據基底建設為例，重點介紹數據采集一體化解決方案與應用場景。

2 項目特點

廊道地貌形態為山谷地勢西低東高，海拔 1210m～1560m，屬中山區，從地貌形態上可以分為山地和溝谷兩個分區，西段較為開闊，東段較為狹窄（圖3）。根據勘察結果，本場地淺表層多被第四系松散坡積物及沖洪積物覆蓋，局部區域基巖出露。經野外地質調查，本場地內及附近未發現大型斷裂及褶皺構造發育。地表有河流、溝渠、濕地、農田、礦山、道路、村莊等多種景觀要素。近年來崇禮區大力開展生態環境建設，森林覆蓋率達到 67% 以上，崇禮城區至太子城冬奧核心區公路廊道周邊自然景觀架構基礎較好，但是受氣候干旱、土壤瘠薄、土地鹽堿化等自然條件和人為因素的影響，多年來缺乏整體規劃，存在植被破碎、林帶殘缺、邊坡破損、景觀單一及生物多樣性不足等問題與挑戰（圖4）。冬奧項目時間緊、標準高、任務重，道路、河道治理、地下管網、景觀綠化等工程同期開展，只有在與其他工程交叉作業面完工后，才能開展對可視界面的生態修復。

圖3 修復范圍

圖4 問題與挑戰示意

為了能更好地協調各子項之間的關系，統籌兼顧指導規劃建設，開展地貌地質景觀特征的全方位、全要素數據基底建設尤為必要，同時為監測生態修復長期目標、奧運遺產利用提供研究數據。

項目團隊

總負責人：曹勝昔，宋志永

項目負責人：趙海明，郜鵬

生態景觀專業：張濤，解旭東，孟鳳，薛蕊，楊家牧，逯詩雪，劉婷，劉盼，孟繁曦，封成佳，梁晨樂，等建筑及設備專業：北京林業大學|鄭曉東；北方工程設計研究院|程蔚媛，陳艾文，蘇毅，柳松，郝國鏡，李棟，高志輝，等

勘察及地理信息專業：楊昌繡，姬志杰，原瑞紅，秦良，劉之才，等數字技術開發專業：李巖松，王江悅，王建博，劉博陽，等智能控制專業：馬永戰，何伊川，賈小峰，等

3 可視化數據基底建設方案

為了全面掌握基質條件，項目團隊對場地開展了系統性的調研，采用先進的空間大數據采集技術結合傳統的既有資料收集、現場踏勘調研方法，開展針對大尺度景觀與生態修復的數據基底建設，選擇有代表性的一處濕地區域作為智慧運維實驗區，嘗試開發大數據GIS多種應用場景，為長期挖掘數據價值與科學研究打下基礎。如何科學高效地開展數據采集與孿生建模，是數據基底建設的重要一環；通過數據加工融合，形成便于使用的數字表面模型是研究的關鍵點之一。技術層面主要分3個階段：數據采集、數據加工和數據應用。

3.1 數據采集

本項目總結了一套適用于開展大尺度生態風景廊道公園規劃設計研究所需的空間大數據采集方法。通過無人機傾斜攝影并結合北斗地基增強系統自組網快速形成測量基礎建模，結合現狀摸排、勘察取樣、多光譜遙感、激光掃描獲取地上地下數據資料，在實驗區安裝傳感器、固定高清攝像頭、LOT設施獲取實時數據，形成不同尺度、不同精度的數據采集方法。下面簡述空間大數據采集技術特點與適用場景。

（1）無人機傾斜攝影+北斗地基增強系統自組網

采用該技術收集測量目標影像信息以及各種數據。生成的數據成果可以直觀反映目標的外觀、位置、高度、地形等屬性，生成真實高精度三維立體模型。測量得到的數據是帶有空間位置信息的可量測影像數據，使用無人機搭載傳感器進行測量，可以輕易到達人員無法到達的區域而不需要技術人員親自進入現場，極大方便了在山區開展大尺度地形植被調研的外業工作，大大降低了三維模型數據采集的經濟和時間成本。

北斗地基增強系統自組網為無人機在山區衛星信號弱的區域飛行提供精確的定位和航線，數據的價值密度和準確性得以大幅提高1）。

技術缺點：由于模型分辨率與飛行高度有關2），該技術只能獲取表面信息，無法開展對于高大喬木遮擋的地貌、低矮的灌草植被等影像建模。

（2）無人機搭載多光譜遙感成像

以多光譜傳感器為主要載荷，獲取地物相應光譜信息能同時獲取多個光學頻譜波段，適用于大范圍檢測植被面積變化、樹種類型、樹種分布、樹木數量、生長量變化、綠蔭覆蓋率、生物量、葉綠素含量等生理功能性狀。基于這些信息，可以分析植被群落的生長狀態、搭建病蟲害和入侵生物的監測預警體系。對于項目建成后的生態修復效果評估以及后期監測管理具有重要意義。

技術缺點：多光譜相機受波段數目與寬度影響，不能準確捕獲植被在某些敏感波段的精細反應，不能滿足精細分類或者探測的需要。

（3）三維激光掃描技術

激光掃描技術精度高，采用車載或人工設置機位方式獲取無人機無法測量的區域，機位靈活便于避開遮擋物，適合在高度較低范圍內獲取高精度數據，用于補充傾斜攝影不易到達的區域。

技術缺點：三維點云數據信息量大、冗余多，處理時間相對傾斜攝影用時長，不適宜開展大尺度景觀地貌掃描。

（4）傳感器、高清攝像頭、LOT設施

在實驗區內對環境溫度、濕度、光照強度、雨量、土壤墑情等參數進行實時監測，通過在實驗區內部署的高清攝像頭，可實時獲取植被生長、動物活動、游客軌跡的影像情況。獲取的數據信息遠程傳送到云平臺，通過分析處理傳感器數據信息作為灌溉設備運行的控制條件，實現智能化運維。

3.2 數據采集工作流程

空間大數據信息具有來源多樣，格式多樣的特點，在開展數據采集工作前首先應確定統一的坐標系統，按照規定的坐標系統開展采集工作才能確保成果坐標系的一致性，才能保證后期數據融合工作的順利開展。本項目采用2000國家大地坐標系、114°中央經線，傾斜攝影及激光掃描所需的控制點按照規定的坐標系測量，以確保不同采集技術成果坐標系的一致性；部分從高分二號衛星獲取的遙感影像坐標系為WGS84，通過SuperMap軟件將影像數據轉化至規定坐標系（圖5）。

圖5 數據采集工作流程

3.3 數據加工

數據的采集方式不同形成多樣化的格式標準，需要對多源異構數據進行分類、清洗、輕量化、融合等加工工作，融合為生態風景廊道公園數據基底，實現項目區域的立體模型和信息模擬的再現。

對采集的非數據模型形式數據、建構筑物統一采用建筑信息模型技術建立數據模型，數字高程模型（DEM）、數字正射影像（DOM）融合到三維GIS平臺對文章中提出經過多種數據采集技術形成的三維數據模型進行輕量化處理，剔除無效數據，合并重復數據，優化材質數據，在保障使用數據完整的前提下，最大限度輕量化數據模型，降低數據模型對設備性能的依賴，提高數據模型的儲存及調取效率（表1）。

表1 數據格式表（繪制：王江悅）

圖7 智慧運維APP

圖8 智慧運維系統示范項目

在數據模型處理之后，通過坐標系轉化插件，或制作標明數據坐標系的索引文件，進行多源數據坐標系轉化，實現坐標系的統一與融合顯示。采用三維GIS平臺融合來自不同專業、不同軟件的三維模型、統計數據、物聯網實時數據等，實現在三維環境中的全要素覆蓋、數據聯通，為數據深度挖掘利用打下基礎。

3.4 數據應用場景

在搭建的多要素GIS數據基底上開展可視化應用研究，可深度挖掘數據價值，為高寒干旱脆弱地區的生態修復與景觀構建的科學性提供技術支撐，開發適宜的生態設計方法與技術應用，可彌補景觀生態安全格局理論研究不系統和工程落地性差的不足。對冬奧生態建設成果進行持續跟蹤監測，做好數據收集和分析對比工作，研究不同時段生態環境恢復情況，并進行分析評價，逐步形成完善的技術體系。研發的技術方法和成果可在棕地修復、大尺度景觀格局構建等項目中進行推廣應用（圖6-10）。

圖6 生態敏感性分析應用，引自參考文獻[4]

建立面向全生命周期的數據庫，對工程建設破損后生態恢復效果、植物群落自然演替、農作物復耕調耕、產業引導與培育研究等開展長期跟蹤與研究，為構建生物多樣性、人因工程角度的多樣性廊道景觀、城市近郊區生態文明建設空間戰略提供基礎數據與科學評估（圖11-16）。

圖9 冬奧生態風景道三生空間要素分布圖，引自參考文獻[3]

圖10 由多維度視域分析指導建成的慢行系統景觀效果

圖11 建設過程

圖12 -16 建成實景

4 結語

數據基底建設方法與應用場景涉及大尺度區域內的植被及其生長環境信息的采集與處理，具有一定的探索性與前沿性，但仍在很多方面具有局限性，具體如下：

（1）對多尺度、多層次的數據進行采集與融合仍具有較大的難度。數據采集具體方案的確定很大程度上依賴現場環境的具體類型，需要綜合考量數據建模質量與數據量大小、數據處理難度的平衡關系，對數據采集方案的標準化推廣造成一定的影響。

（2）本文所述的數據采集更多的側重在植物本身，生態修復關注的生態系統具有更復雜的要素，如動物、微生物等，數據基底建設對生物多樣性的全要素采集還遠遠不足。

（3）由于條件與經費的限制，本文所述數據采集方法是在劃定的實驗區和規劃范圍內的應用，傳感器與智慧運維設在實驗區內而非全部修復范圍，未包含修復范圍內所有地貌與小氣候特征，檢驗修復技術效果也需要至少10年以上的時間，因此仍有待不斷深入研究更具有針對的數據基底建設應用方案，形成更加系統完善的建設思路。

注釋

1） 數據價值=數據體量×價值密度-分析利用的成本，引自《大數據地理信息系統》。

2） 無人機傾斜攝影獲取的模型分辨率主要由飛行高度決定，獲得確定分辨率所需的飛行高度計算公式如下：其中H為飛行高度，單位為m；GSD為地面采樣距離，單位為cm/px；W為圖像寬度，單位為px；f為真實焦距，單位為mm；w為傳感器寬度，單位為mm。已有研究表明，數據建模精度約為地面采樣距離GSD（Ground Sample Distance）的2～3倍。