国外自动检核案例面向GIS 的地形图资料改造方法与过程

1、國外自動檢核案例：面向GIS 的地形圖資料改造方法與過程文章來源：張雪松，2006，武漢大學空間資訊與數位工程研究中心基礎地理資訊系統建設過程中也或多或少存在一些問題。其中,資料品質尤其令人關注。汕頭市於19961999年期間先後完成了1745 幅(1:500、1:1000)地形圖數化。所採用的主要資料獲取平臺是基於MicroStation 地形圖數位化系統、GeoScan地形圖掃描向量化成圖系統和EPSW內外業一體化成圖系統。然而，機助製圖的資料模型，即數位製圖模型(DCM), 側重於製圖,強調製圖要素的符號化,而評價該模型的好壞取決於製圖效率與品質, 極少考慮製圖物件的屬性彼此間之關係，致

2、使GIS系統難以識別，也因此地形圖自動縮編更加困難。為改造來自不同採集平臺的資料, 須先建立統一的資料管理平臺。本文以汕頭市基礎地理資訊系統建設為例, 詳細地描述了對原有地形圖資料進行改造的方法與過程, 包括資料標準、資料獲取平臺、資料清理、人工改造, 以及品質檢查控制等。面向GIS 資料前端採集平臺相當重要。汕頭市測繪院引進了廣州開思公司推出的基於AutoCAD 的SCS 作為GIS 資料前端採集平臺, 並在其基礎上進行了局部二次開發。在組織地形圖資料時, 編碼屬性資訊映射在AutoCAD/AutoCAD MAP 圖元物件屬性項Thickness 上, 其他類別屬性資訊(如房屋結構、層數)

3、記錄在圖元物件的Xdata 中。這種以面向物件方法組織GIS 資料特別有利於圖形屬性一體化操作。而資料改造主要分為自動轉換和人工改造兩步。MicroSta2tion 平臺利用圖層、顏色、線型來區分各種地物, 而沒有地物編碼資訊。為使該類資料能夠面向GIS , 採用基於地圖符號知識的資訊識別與提取方法。具體技術實現途徑是: 根據各地物特徵的圖層、顏色、線型等符號特徵, 由所開發的資料轉換工具調用地圖符號知識庫, 對圖形分類識別, 提取地物屬性並賦予編碼, 其原理如圖2。經資料轉換工具批量轉換後, 絕大部分資料補加了編碼, 但完全符合資料標準, 還存在局部問題, 主要表現在:(1)因以前資料獲取存

4、在極少數誤操作而質檢又未發現, 致使程式無法判讀或錯誤判讀, 不能完全保證圖形與屬性編碼對應; (2)以前資料分類較粗不符合資料標準的需求, 需人工區分有價資料與製圖符號資料, 重新進行細分類;(3)資料的拓撲資訊與屬性資訊不完整, 特別是居民地層;(4)圖面注記分類不規範。對於來自於GeoScan 的資料, 也是通過相應的資料轉換工具轉換。但在轉換後, 也或多或少地存在以上問題。資料轉換工具很難發現與解決以上問題, 只有人工修改才能完成。資料轉換與清理具體過程為: 批量轉換批量糾錯人工修改品質檢查資料入庫。品質檢查是確保資料品質的一道重要工序, 檢查內容包括資料精度、圖形資訊、拓撲資訊、屬性

5、資訊等四個方面。在數位製圖與建庫流程中, 質檢人員應能掌握電腦軟體, 採用二級檢查制度, 即首先用白紙圖套合底圖以檢查資料精度與圖形資訊, 然後在軟體平臺中檢查拓撲資訊與屬性資訊。後續質檢工作若針對所有地物, 其工作效率會相當低下, 因此要求GIS 資料前端採集平臺應具備很好的自檢與錯誤提醒功能, 許多容易出錯的操作(如多邊形是否封閉) 在採集過程中就能提醒操作人員。質檢人員在檢查拓撲資訊與屬性資訊時採取抽查方式, 以發現的錯誤個數與所檢查地物數的比值的百分率來評價品質等級。本文以汕頭市基礎地理資訊系統為例, 闡述了面向GIS改造原有地形圖資料的方法與過程。實際應用表明, 以上技術方法與工藝流

6、程是有效的, 改造後的資料品質明顯得到提高, 為汕頭市城市規劃動態管理和辦公自動化以及實施“數位國土”工程奠定了基礎, 促進了城市建設、管理部門和相關行業專題資訊系統的建設, 取得了良好的社會效益與經濟效益。國內檢核案例：典型GIS 地形圖資庫品質檢核標準模式之建構來源：鄭毓麟，2003，逢甲大學土地管理碩士論文本研究即從GIS 地形圖資庫品質檢核之觀點，探討GIS 地形圖之檢核標準模式與抽驗方式，以供後續值地形圖建置計畫品質檢核之考依據。首先，經由文獻歸納出空間資庫品質之相關因素：資庫之位格式、完整性、輯一致性、圖幅接續、圖形與屬性鏈結、正確性等。設計一標準抽驗檢核方法。接著考研究對象為GI

7、S 值地形圖資庫，即母體具有空間呈現的特性，因此以空間分布之密比為次考因素，以傳統抽樣結合空間分布抽驗之方式，從GIS 地形圖各圖層中，挑選適宜抽驗之工具，針對檢核母體分布之密比，為檢核樣本分配多寡之依據。最後，以外業實地調查方式，輔助空間位置確性與屬性資正確性之檢核，進實證探討抽驗方法之間的差性，並經由ANOVA 變分析結果表顯示，在同抽驗之方式，其所得之成效是相同的，即表示在節成本經費的考下，可以較少之5抽驗樣本，達到GIS 值地形圖品質建置檢核管控之目的。進任何空間資庫品質檢核之前，應具備資庫檢送清單，詳載資庫之生產單位、日期、項目與資筆等，以方後續之檢核作業，以下分述檢核作業誤差之訂定

8、、檢核之程序與檢核之項目。1. 誤差訂定：值空間資庫品質之優評估，決定於容許誤差範圍訂定之大小，本研究之GIS 值地形圖資庫容許誤差之訂定，以空間資庫(點、線、面圖徵資料)之確性，以及屬性資庫之正確性等大要素進明。2. 檢核程序與方法：主要分為三個階段：一、初步性概查階段。(針對查核空間資庫之檔案種、命名與筆，並與檢送清單所項目進詳細比對，以確認檢核成果)。二、全面性查核階段。(以電腦輔助系統性或以人工完整性查驗之項目)。三、抽驗性詳查階段。(指需做詳細查驗或調查之值GIS 地形圖資庫，包括圖形資庫之確性與屬性資庫之正確性，其查核作業主要以抽驗性詳查為主)，以針對檢核重點項目之同，而予以訂定三

9、步驟式之檢核程序。3. 查驗項目：壹千分之一值GIS 地形圖測製建置作業執成果，主要產製十二大之地形圖項目：1.測控制點、2.政界線、3.建物、4.交通系統、5.水系、6.公共事業網、7.植被覆蓋、8.地貌、9.圖幅整飾及註記、10.值地形模型、11.市計畫圖、12.重要地標等之圖層。此十二大圖層分別以點、線及面圖元結合屬性資方式進資庫之建置及儲存，為檢核空間資庫之品質況，本研究之檢核作業係以結合印之圖紙資及值資方式進檢驗：1.紙圖成果資。2.值資庫成果。3.值資庫成果品質。請用英文描述自己研究領域內所用之GIS研究方法。MethodThe spatial autocorrelation ba

10、sed not only on feature locations or attribute values alone but on both feature locations and feature values simultaneously. Given a set of features and an associated attribute, it evaluates whether the pattern expressed is clustered, dispersed, or random. The tool calculates the Moran's I Index

11、 value and a Z score evaluating the significance of the index value. In general, a Moran's Index value near +1(right) indicates clustering while an index value near -1(left) indicates dispersion. Surfaces were shown in Figure1 with low and high spatial autocorrelation.Figure1: Spatially autocorr

12、elated and uncorrelated data layersThe study site is situated in Taichung at the middle of Taiwan. We conceptualization of the spatial relationship will depend on measuring clustering of firm in a region, so the inverse distance is probably most appropriate. A distance threshold distance is a cutoff

13、 for most conceptualizations of spatial relationships. Choosing an appropriate distance is important. Users should assess their data and figure out what distance best describes a neighborhood for their data. Maybe we can consider the following strategies:Use the distance at which spatial autocorrelation is highest. Both the The K-function and Spatial Autocorrelation tools are useful in finding distances at which spatial autocorrelation peaks. Another strategy is to use a distance which ensures that every featur