3.3 数据质量与元数据：图层的可信档案

3.3 数据质量与元数据：图层的可信档案

本节摘要：数据质量用六个维度评估——位置精度、属性精度、完整性、逻辑一致性、时间精度、语义准确性；元数据是记录这些结论并随数据流动的档案。本节给出入库前质检清单与 ArcPy 批量体检脚本，并用一个"同一区域两版数据打架"的案例说明质量档案如何左右项目决策。

一场由数据质量引发的争执

某项目验收前，甲方技术顾问提出质疑：你们报告里全县耕地 82.4 万亩，国土部门年度变更数据是 79.1 万亩，差 3 万多亩，谁的错？项目组翻查过程记录：耕地数据 2023 年用 2 米影像解译，最小上图图斑 400 平方米；国土数据 2023 年度变更调查，最小上图标准不同、时点也不同。两边都没算错，差的不是技术，是数据质量档案——采集时间、精度标准、口径定义，这些信息若一开始就作为元数据随数据流转，争执根本不会发生。

这个案例说明本节的主题：数据质量不是"数据好不好"的笼统印象，而是六个可以逐项陈述的维度；元数据不是可有可无的附加说明，而是让数据在人和时间之间不失去上下文的档案。

质量六问：一套通用的评审框架

拿到任何一份图层数据，按六个维度逐项过一遍，这是行业通行的质量框架（源自国家标准与 ISO 19157 体系）：

六问的顺序有讲究：逻辑一致性最便宜（机器可查），先跑；位置与属性精度最贵（要外业或台账），抽样做；语义准确性最容易被忽略，但引发的争执最大——"耕地"两个字在不同分类标准下不是同一个概念。前面案例的 3 万亩差额，主要就落在时间与语义两问上。

动手：入库前批量体检脚本

把便宜的两问（逻辑一致性、完整性）脚本化，每批数据入库前自动跑：

import arcpy
def quick_check(fc):
    """对单个要素类执行快速体检，返回问题清单"""
    issues = []
    desc = arcpy.Describe(fc)
    # 一、坐标系明确性
    if desc.spatialReference.factoryCode == 0:
        issues.append("坐标系缺失")
    # 二、数量与范围
    n = int(arcpy.management.GetCount(fc).getOutput(0))
    if n == 0:
        issues.append("空图层")
    # 三、关键字段空值率
    for fld in ["地类名称", "调查年份"]:
        if fld in [f.name for f in arcpy.ListFields(fc)]:
            nulls = sum(1 for r in arcpy.da.SearchCursor(fc, [fld]) if r[0] in (None, ""))
            rate = nulls / max(n, 1)
            if rate > 0.01:
                issues.append(f"{fld} 空值率 {rate:.1%}")
    # 四、几何有效性
    invalid = 0
    with arcpy.da.SearchCursor(fc, ["SHAPE@"]) as cur:
        for (geom,) in cur:
            if geom is None or not geom.isSimple:
                invalid += 1
    if invalid:
        issues.append(f"{invalid} 个无效几何")
    return n, issues

arcpy.env.workspace = r"K:/gisdata/county_std.gdb/land_ds"
for fc in arcpy.ListFeatureClasses():
    n, issues = quick_check(fc)
    tag = " 通过" if not issues else " -> " + "; ".join(issues)
    print(f"{fc:16s} {n:6d} 要素{tag}")
# 输出示例:
# parcels         20214 要素 -> 地类名称 空值率 2.3%
# ownership        3896 要素 通过
# farmland         7421 要素 -> 3 个无效几何
​

体检报告暴露的两个问题各有对策：空值率超标回溯录入环节（属性域没绑定或旧数据迁移漏网）；无效几何用"检查几何"加"修复几何"工具对处理。脚本本身不到三十行，却把六问中的两问变成零成本例行公事——这就是把质量制度化的含义。

修复几何的标准流程也一并给出：

import arcpy
gdb = r"K:/gisdata/county_std.gdb"
# 检查并修复：输出检查表，原地修复几何
chk = arcpy.management.CheckGeometry(gdb, "geom_check_table")
print("发现:", chk[1], "处几何问题")
# 输出: 发现: 3 处几何问题   （自相交、空环、重复折点）
arcpy.management.RepairGeometry(gdb, delete_null=True)
print("修复完成，复查:", arcpy.management.CheckGeometry(gdb, "geom_check_table2")[1], "处")
# 输出: 修复完成，复查: 0 处
​

元数据：让数据自带说明书

质检结论写在哪里？元数据。它记录数据的标识信息（名称、来源、负责人）、空间信息（坐标系、范围、比例尺）、质量信息（精度评价、检查日期）、以及最重要的语义信息（分类标准、最小上图单元、时点口径）。

ArcGIS Pro 的操作路径：选中图层、查看选项卡、元数据页签编辑。要素是元数据跟着数据文件走，拷贝数据时档案随行，不像纸质说明书容易与数据分离。

元数据条目里，我主张三条必须写实：一是采集时间与时点定义（"2023 年度变更"与"2023 年 6 月影像"不是一回事）；二是分类标准及版本号（用哪版土地利用分类）；三是已知缺陷（如"西北部山区云覆盖，解译精度下降"）。第三条尤其反直觉但最有价值——坦诚缺陷的数据才是可用的数据，完美的元数据反而令人生疑。

元数据最小可用模板（项目组约定版）
标识：图层层名、唯一编码、负责单位与联系人
空间：坐标系统名称与WKID、覆盖范围、最小上图单元
时间：数据采集时段、反映时点、更新周期
质量：精度评价方法与结论、检查日期、已知缺陷清单
语义：分类标准名称与版本、字段编码表出处
谱系：由哪些源数据经过哪些处理步骤生成
​

谱系一项值得强调：从原始影像到最终耕地图层，中间每一步处理（配准、解译、综合、修边）都记录在案，出现争议时才能回溯重演。第 7 章讲脚本化时你会发现，脚本天然就是最好的谱系记录——代码即文档。

⚠️ 常见坑：元数据"一次写完永远不改"。数据每轮更新，元数据的时间与质量条目都应刷新；档案与数据脱节，比没有档案更误导人。

💡 关键直觉：把质量六问当作数据的体检表，把元数据当作病历本。没有病历的体检结果会随人员流动而丢失，没有体检的病历则纯属虚构。

本节小结

• 质量六问：位置、属性、完整性、逻辑一致性、时间、语义，逐项可陈述而非笼统印象
• 先便宜后昂贵：机器可查的一致性与完整性先跑，外业验证抽样做
• 体检脚本化：三十行代码把例行质检变成零成本动作
• 元数据三写实：时间口径、标准版本、已知缺陷，坦诚缺陷提升可信度
• 谱系意识：处理过程留痕，争议可回溯

第 3 章至此完成：图层有了模型选择、制度容器与可信档案。下一章转入表达——符号化、专题地图与布局出图，让这套数据资产以专业地图的面目示人。