屈 清，田永中，王 龍，郭金銘，刁德彬

（1.西南大學 地理科學學院，重慶 北碚 400715；2.內江師范學院 地理與資源環(huán)境學院 ，四川 內江 641112）

基于FME與ArcGIS的空間數(shù)據(jù)連接與數(shù)值模擬

屈 清1，田永中1，王 龍1，郭金銘2，刁德彬1

（1.西南大學 地理科學學院，重慶 北碚 400715；2.內江師范學院 地理與資源環(huán)境學院 ，四川 內江 641112）

在已有GIS理論與空間數(shù)值模擬的基礎上，根據(jù)涪陵區(qū)DEM、降水、溫度、農(nóng)用地質量等級和永久基本農(nóng)田等數(shù)據(jù)，綜合使用FME與ArcGIS的數(shù)據(jù)鏈接集成、可視化與圖解建模等功能，并結合數(shù)據(jù)統(tǒng)計分析軟件SPSS，發(fā)現(xiàn)農(nóng)用地利用等指數(shù)分布與其他地理要素存在線性相關關系；并在此基礎上構建了多元線性回歸模型。此模型主要用于解決永久基本農(nóng)田劃定中利用等指數(shù)部分缺失問題。

基本農(nóng)田；GIS；空間數(shù)據(jù)；模擬

地理空間數(shù)據(jù)是用來表示地理實體或現(xiàn)象的位置、形狀、大小及其分布等諸方面特征的數(shù)據(jù)[1,2]。從眾多的地理空間數(shù)據(jù)中獲取有用的地理空間數(shù)據(jù)是比較困難的，本文以區(qū)域性的地理數(shù)據(jù)處理為例，將FME與ArcGIS相結合進行了空間數(shù)據(jù)處理并實現(xiàn)了數(shù)值模擬，探尋未知區(qū)域的數(shù)據(jù)[3]。

1 研究區(qū)空間數(shù)據(jù)特征分析

1.1 研究區(qū)概況

涪陵區(qū)位于北緯29°21′～30°01′，東經(jīng)106°56′～107°43′之間，地處四川盆地和盆邊山地過渡地帶，長江與烏江交匯處。該區(qū)域地貌以低山丘陵為主，地勢總體上東南高而西北低[4]，整體條件優(yōu)異，有利于農(nóng)作物的生長。

1.2 地形特征分析

根據(jù)中國科學院研究員李炳元[5]對陳志明[6]及歐洲地貌形態(tài)的總結分類，總體上涪陵區(qū)地形可歸納為4大類型（見表1）：微起伏平原、平壩，起伏丘陵，山地起伏低山和山地起伏低中山。

表1 涪陵區(qū)地表形態(tài)歸類

利用ArcGIS10可實現(xiàn)地表形態(tài)的可視化分類，實驗過程分4步進行（見圖1）。結合ArcGIS10的圖解建模功能，利用涪陵區(qū)的DEM與地表起伏度數(shù)據(jù)建立涪陵區(qū)地表形態(tài)分類組合圖解模型。圖解模型中最主要部分是要實現(xiàn)柵格數(shù)據(jù)的擦除功能，以及海拔數(shù)據(jù)與起伏度兩者相結合的涪陵區(qū)地表形態(tài)分類（見圖2），并在此基礎上將每個結果合并為一個數(shù)據(jù)集，最終得到涪陵區(qū)的地表形態(tài)分類（見圖3）。由此可見，涪陵區(qū)地表形態(tài)主要是起伏丘陵山地，其次是平原、平壩，起伏較大的山地比較少。

圖1 涪陵區(qū)地表形態(tài)分類過程圖

圖2 ArcGIS10擦除功能實現(xiàn)圖解模型圖

圖3 涪陵區(qū)地表形態(tài)分類圖

圖4 數(shù)據(jù)推導模型構建流程圖

1.3 氣候特征分析

涪陵全區(qū)總體上降水量比較充沛，但仍然存在空間上的不均，降水主要集中在東南武陵山丘陵、山地起伏區(qū)，西南微起伏平原、平壩區(qū)，長江、烏江一線降水量相對偏少。涪陵區(qū)常年均溫較高，年均高溫區(qū)主要集中在長江、烏江一線，年均中溫區(qū)主要位于臺地和丘陵地區(qū)，年均低溫區(qū)包括東南山地起伏和山地區(qū)。

1.4 農(nóng)用地等級空間分布

根據(jù)涪陵區(qū)農(nóng)用地分等定級成果數(shù)據(jù)，通過空間可視化定性分析，全區(qū)利用等級較高的區(qū)域主要分布在平原、平壩區(qū)域以及年均溫較高降水適中的區(qū)域；利用等級較低區(qū)域大都分布在起伏山地與丘陵區(qū)域，年均溫較低區(qū)域。從可視化角度，結合上述地形與降水、氣溫圖分析發(fā)現(xiàn)，利用等級與地形分類的相關程度較高，吻合度較好，具有一定的規(guī)律性。

2 空間數(shù)據(jù)處理

為了探尋未知區(qū)域的數(shù)據(jù)，需把不同來源但相同空間位置的數(shù)據(jù)通過疊加，將上述海拔、地表起伏度、氣溫、降水、坡度、農(nóng)用地利用等數(shù)據(jù)集成在一起進行空間統(tǒng)計分析，并構建相關的數(shù)學模型，實現(xiàn)對未知區(qū)域數(shù)據(jù)的求解。首先需要構建數(shù)據(jù)分析處理總體流程，如圖4所示。

2.1 數(shù)據(jù)鏈接輸入

FME重投影是在缺少轉換七參數(shù)的前提下首選的方式。首先需要在FME Workbench中將原始基于北京54坐標系的土地利用等數(shù)據(jù)*．shp格式文件輸入FME，然后調用Reprojector函數(shù)模塊，設置輸出的坐標系統(tǒng)為西安80坐標系，通過這種方法可很好地將基于北京54的農(nóng)田分等定級數(shù)據(jù)與基于西安80的基本農(nóng)田數(shù)據(jù)實現(xiàn)空間位置配準。在空間數(shù)據(jù)校正的基礎上，以基本農(nóng)田圖斑為統(tǒng)計單位，利用ArcGIS中的分區(qū)統(tǒng)計將需要融入分析的空間位置相同的數(shù)據(jù)以標識碼為統(tǒng)計單位和數(shù)據(jù)鏈接依據(jù)，將所涉及的空間數(shù)據(jù)集成為一張表，便于數(shù)據(jù)統(tǒng)計分析。這里所涉及的空間數(shù)據(jù)主要包括海拔、地表起伏度、氣溫、降水、坡度、基本農(nóng)田圖斑和農(nóng)用地利用等。

2.2 利用等指數(shù)反演數(shù)學模型構建

采用上述數(shù)據(jù)集成方法將海拔、氣溫和降水等數(shù)據(jù)合并為一張表格（見表2），建立基本農(nóng)田圖斑標識碼與這些數(shù)據(jù)的對應關系，總計涉及83 764個圖斑，其中缺失質量數(shù)據(jù)部分總計15 530塊圖斑，此部分利用等指數(shù)的獲取作為空間數(shù)值模擬的重點。

結合諸多要素數(shù)據(jù)以及回歸模型，其基本構建流程為：①對多要素與基本農(nóng)田質量指數(shù)的相關性進行分析；②提取相關性明顯的要素進行回歸分析，選取構建模型構建回歸模型。

2.2.1 數(shù)據(jù)的量化分析

根據(jù)表2中數(shù)據(jù)，采用地理學中的經(jīng)典統(tǒng)計分析方法，分別分析5類地理要素與利用等指數(shù)之間的相關程度，分別記為相關系數(shù)Rei、Rqi、Rsi、Rri和Rti。將上述空間變量代入Pearson的相關系數(shù)計算公式可求出相關系數(shù)。

表2 基本農(nóng)田圖斑地理要素對應表

利用SPSS數(shù)據(jù)分析軟件對上述數(shù)據(jù)進行相關分析，得到各要素與土地質量等級的相關性程度表（表3）。可以看出，在樣本容量為66 948且置信水平為0．01的情況下，質量等級與坡度、起伏度表現(xiàn)出強烈的負相關；與年均降水量和海拔高度呈負相關，但相關性較弱；與年均氣溫呈正相關，且正相關較強?？傊@5類地理要素與質量等級之間表現(xiàn)為較強的線性關系，從相關程度上選取起伏度、坡度和年均氣溫作為構建土地質量估計模型的參數(shù)。

表3 各地理要素與土地利用等指數(shù)相關系數(shù)表

2.2.2 構建回歸模型及模型顯著性檢驗

在構建回歸模型之前，需明確地理要素變量的多寡，如果要素變量在一個以上，則需要選擇多元線性回歸模型，多元線性回歸 模型更具有普遍意義[7]。

假設土地利用等指數(shù)這一因變量i受3個自變量s、p、q的影響，其n組觀測值為（ia，sa，pa，qa），a=1，2，…，66 948，那么多元線性回歸模型的結構形式為：

式中，β0、β1、β2、β3為待定參數(shù)；εa為隨機變量。

如果b0、b1、b2、b3分別為β0、β1、β2、β3的擬合值，則回歸方程為：

式中，b0為常數(shù)；b1、b2、b3分別為偏回歸系數(shù)。其意義在于當其他自變量sj、tj、qj（j≠w）固定時，sw、tw、qw中一個自變量每變化一個單位而使因變量i平均改變的數(shù)值。

根據(jù)最小二乘法原理，β0、β1、β2、β3的估計值b0、b1、b2、b3應該使擬合值與觀測值之間的離差平方和趨近于最小，將樣本數(shù)據(jù)代入向量計算公式得到：

套用公式，進行矩陣運算，得到回歸系數(shù)：

坡度（s）、溫度（t）和起伏度（q）之間的線性回歸方程為：

將所需參數(shù)代入公式得：

在置信水平α=0．05上，通過使用Excel中的F值計算函數(shù)FINV( )，可以查出F0．05（3，66 948）= 2．61。由于F＞ 2．08，所以回歸方程是顯著的。

2.2.3 對基本農(nóng)田缺失土地質量的反演

通過以上的定量化分析，土地利用等指數(shù)與地表起伏度、坡度和氣溫線性關系明顯，從而利用擬合線性回歸模型并根據(jù)起伏度、坡度和氣溫的值就能計算出基本農(nóng)田中缺失土地利用等指數(shù)部分的指數(shù)。

3 結 語

1）通過數(shù)值的回歸模擬，解決了涪陵區(qū)基本農(nóng)田數(shù)據(jù)中部分圖斑缺失利用等指數(shù)部分的數(shù)據(jù)。

2）綜合使用FME與ArcGIS等主流數(shù)據(jù)處理軟件，對空間數(shù)據(jù)集成的一般技術步驟做了進一步探析。

3）對涪陵區(qū)的地表形態(tài)分類做了一定的探討，不足之處在于對空間數(shù)值模擬結果需要進一步驗證，并在驗證的基礎上對模型做改進。

[1] Chang Kang-tsung． Introduction to Geographic Information Systems[M]．北京:科學出版社,2003

[2] 田永中．地理信息系統(tǒng)基礎與實驗教程[M]．北京:科學出版社,2010

[3] Guo Diansheng, Mennis J． Spatial Data Mining and Geographic Knowledge Discovery—An Introduction [J]．Computers, Environment and Urban Systems,2009,33： 403-404

[4] 重慶市涪陵區(qū)統(tǒng)計局．涪陵統(tǒng)計年鑒2011[G]．2011

[5] 李炳元．中國陸地基本地貌類型及其劃分指標探討[J]．第四紀研究, 2008, 28(4): 535-543

[6] 陳志明．1∶400萬中國及其毗鄰地區(qū)地貌圖說明書[M]．北京：中國地圖出版社, 1993

[7] 徐建華．計量地理學[M]．北京：高等教育出版社,2006

P208

B

1672-4623（2014）01-0114-03

10.11709/j.issn.1672-4623.2014.01.039

屈清，碩士，研究方向為地圖制圖技術與土地信息系統(tǒng)。

2013-05-03。

項目來源：“十二五”農(nóng)村領域國家科技項目（2012BAJ231300）。