7.2 国土、自然资源与农林应用

7.2 国土、自然资源与农林应用

本节摘要：MapGIS 存量最深的主场在国土。本节以耕地保护与确权登记两条业务线复盘：2000 国家大地坐标系的强制统一、入库质检的刚性清单、外业核查的闭环，再把方法论延伸到农林的应用面。国土项目的特点是"规范驱动"——每一步都有据可依，也步步留痕。

规范驱动的行业：坐标是政治任务

进入国土项目，第一件事是接受一个事实：这里的技术选型不由团队偏好决定，由规范决定。坐标系必须用 CGCS2000，这不是"推荐"，是 2018 年后国家测绘基准统一的硬性要求——存量数据在北京 54、西安 80 上的，一律要完成基准转换并留存转换报告。第 2 章学的坐标变换，在这个行业不是选修课，是上岗证。

# 国土项目坐标统一工作单
对象             存量基准     处理动作              留痕
建设用地报批层   北京54       七参数转换到2000      转换参数来源与精度报告
耕地保护图层     西安80       七参数转换到2000      同上
影像底图         2000         直接入库              无需处理
新进场外业数据   GPS采集2000   检核控制点后直接用    控制点检核记录
# 铁律三条：
# 1 转换参数不许自制 用省级测绘部门下发的官方参数
# 2 转换后必做检核 抽特征地物与官方控制点比对 残差达标才收
# 3 报批成果的面积必须椭球口径 平面面积上不了台面
​

工作单里"留痕"一列是国土行业的精神底色。每一步处理都要能回答"什么时候、谁、用什么参数、精度如何"——审计来了，这些记录就是项目的护身符。

入库质检：一张刚性清单

国土数据的入库质检没有商量余地。以耕地保护项目为例，质检清单覆盖图形、属性、逻辑三个层面，全部通过才准入库：

# 耕地图斑入库质检清单（三层面十二项）
图形层
  1 拓扑干净    无悬挂 无缝隙 无自相交
  2 图斑闭合    每个面要素闭合 边界不缺口
  3 碎斑清理    最小上图图斑以下的碎片并入邻斑
  4 接边吻合    与相邻乡镇图幅接边 无错位
属性层
  5 编码合法    地类编码在国标字典表内
  6 权属完整    权属单位代码与民政区划代码对得上
  7 面积一致    属性面积与图斑椭球面积差值在限差内
  8 必填无空    权属 地类 面积三个必填字段零空值
逻辑层
  9 图数一致    台账总面积与图斑汇总面积勾稽
  10 管控一致   永农图斑必须落在耕地地类上
  11 时点一致   所有数据时点统一 不许新旧混装
  12 坐标检核   抽检图斑与下发的控制坐标比对
# 执行方式：脚本批检全部 十二项 出问题清单逐条销号
​

十二项里第 10 项"管控一致"最体现国土特色——永久基本农田必须落在耕地图斑内，这是业务逻辑对空间关系的约束，纯图形检查发现不了。质检脚本化后，一次全检从三天缩到半小时：

# 概念演示：质检清单脚本化（十二项中的三项 示意）
import mapgis_dev as mg
fc = mg.open_fc("耕地保护库", "耕地图斑")
report = []
# 第5项 编码合法
legal = set(mg.load_dict("国标地类字典"))
bad_code = [f.id for f in fc if f["地类编码"] not in legal]
report.append(("编码合法", len(bad_code), bad_code[:5]))
# 第7项 面积一致 限差万分之一
bad_area = [f.id for f in fc
            if abs(f["属性面积"] - f["椭球面积"]) / f["椭球面积"] > 1e-4]
report.append(("面积一致", len(bad_area), bad_area[:5]))
# 第10项 管控一致 永农必须在耕地上
yn = mg.open_fc("耕地保护库", "永久基本农田")
outside = [p.id for p in yn.overlay(fc, op="clip").features
           if p["裁后地类"] not in legal & {"011", "012", "013"}]
report.append(("管控一致", len(outside), outside[:5]))
for name, n, ids in report:
    print(f"{name}: {'通过' if n == 0 else str(n) + ' 处问题 ' + str(ids)}")
# 输出示例：编码合法: 通过  面积一致: 3 处问题 [10233,10567,10892]  管控一致: 通过
# 销号流程：问题清单回作业单位 修改后复检 直至全零
​

"修改后复检直至全零"就是国土项目的日常节奏。质检不是一次考试，是一个循环——检、改、再检，直到十二项全绿。这套循环跑熟了，数据的可信度才有底气。

确权登记与外业闭环

不动产统一登记把"权属"推到了舞台中央。登记数据的核心是权利对象与空间范围严格绑定：一个宗地一个代码一条记录，界址点坐标精确到法定精度。业务闭环由内业与外业两头咬合：内业建库定界，外业实地核实，争议回到内业调处，全部落图。

外业闭环的关键一环是第 5 章的移动端：调查员带离线包进村，实地核对界址、调绘现状、拍摄举证照片，全部操作带坐标与时间戳落库；归队同步后，举证照片自动挂到对应宗地。举证的可信度由技术保证——照片有定位、有时刻、有关联要素，造假成本高到不值得。

# 确权登记外业闭环五步
1 任务下发  内业圈定待核实宗地 打包下发移动端
2 实地调查  离线作业 界址核对 变化调绘 照片举证
3 成果同步  归队上传 版本合并 冲突按规则裁决
4 内业审核  图属一致核对 争议宗地转调处流程
5 登记入库  审核通过写入登记库 出权属图
# 闭环的意义：每一步有记录 每一步可回溯 登记结果经得起复议与诉讼
​

方法论迁移：从国土到农林

把 7.1 的三步方法论在国土上对号入座：清家底是国土三调与年度变更调查，合规矩是永农红线与生态红线的划定与落图，嵌流程是登记审批与执法监察。迁移到农林几乎不用换骨架——农业的"家底"是承包地确权与作物分布，"规矩"是永久农田与退耕还林范围，"流程"是补贴发放核查。

农林场景里遥感用得更重。作物识别的经典链路是：影像进厂（几何纠正、云区掩膜）到指数计算（归一化植被指数突出植被信息）再到阈值或分类器判别：

# 概念演示：作物识别最小链路（示意）
import rasterio, numpy as np
with rasterio.open("红光波段") as r, rasterio.open("近红外波段") as n:
    red, nir = r.read(1).astype(float), n.read(1).astype(float)
denom = nir + red
ndvi = np.where(denom == 0, 0, (nir - red) / denom)   # 防除零
crop = ndvi > 0.4                                     # 阈值初分 按季相校准
print("植被覆盖像元占比", round(crop.mean() * 100, 1), "%")
# 输出：植被覆盖像元占比 63.7 %
# 阈值按作物物候校准 春季与秋季同一块地指数不同 定值前先看物候表
​

农业项目的特殊提醒只有一条：物候。同一块耕地春天和秋天的植被指数完全不同，阈值不跟物候走，识别结果就是季节性错误。这不是 GIS 技术问题，是行业知识问题——每个行业都有这样一两条"不懂就翻车"的领域常识。

⚠️ 常见坑：国土项目把转换参数当内部资料锁起来，人员交接后参数找不到，存量数据再转换时无据可依，只能推倒重来。参数、检核记录、质检报告要随数据同库归档，它们与图斑同等重要。

• 规范驱动：2000 基准是硬约束，官方参数、转换检核、全程留痕
• 十二项质检：图形、属性、逻辑三层，脚本批检、销号循环至全零
• 业务逻辑约束：永农必须在耕地上，这类检查纯图形手段发现不了
• 外业闭环：离线调查、坐标时间戳举证、同步裁决、登记落图
• 物候常识：农林阈值跟物候走，领域常识比算法更决定成败