摘要：為減少鐵路設計項目中土地外業調查工作量，提高征地數量統計準確性，提出利用土地利用數據庫和基本農田數據庫，基于空間相交分析和空間擦除分析計算征地數量的方法，實現快捷、準確的鐵路設計項目用地數量的計算統計。與傳統的依賴人工外業土地調查作業來統計鐵路征地數量的計算方法相比，該方法可顯著提高內業統計效率與征地數量準確度，為鐵路設計項目帶來一定的經濟效益。

關鍵詞：鐵路；征地；相交分析；擦除分析；數量統計

鐵路工程征地費用是鐵路工程投資的重要組成部分，鐵路設計單位勘察設計深度不夠，征地數量統計不準確，會導致設計預算遠低于實際征地補償。

本文基于國土部門土地調查成果，提出基于空間分析的征地數量計算方法，可省去土地外業調查工作，對提高征地數量計算效率和準確性具有重要意義。

01
傳統鐵路工程征地數量計算方法的問題分析

傳統鐵路工程征地數量計算是先調查沿鐵路線位地塊的土地類型（水田、旱地、公路用地、基本農田等）、里程范圍、土地性質（集體或國有）

所屬行政區劃等信息；根據里程范圍，結合鐵路工程用地界，計算該地塊面積，按行政區劃、土地權屬性質對土地進行分類統計，得到鐵路工程征地數量表。

按照傳統征地數量計算方法，地塊邊界并不是真實邊界，邊界按照直線處理，地塊面積不準確， 如圖1所示。
圖1 傳統征地數量計算方法示意

其次，土地所屬行政區劃是依據地塊座落位置確定的，這種調查方式對于“飛地”存在統計錯誤。“飛地”是指地塊實際落單位與權屬單位不同，如位于湖北省麻城市的羅陽村屬于武漢市新洲區；此外，基本農田調查依賴基本農田標志牌進行識別，存在人為誤差。

綜上所述，傳統征地數量計算方法需耗費人力和物力開展外業土地調查，內業計算效率低下，還無法保證準確性。當鐵路線路設計發生變更，需重新進行外業土地調查。為此，需要一種更為高效、準確的征地數量計算方法。

王志林等人提出一種基于三維激光掃描獲取征地拆遷紅線內房屋及其附屬物、樹木植被、電力線等實物的征地數量計算方法。余波提出一種基于實測地形圖征地房屋統計方法。這些方法實為計算拆遷數量，并非用地數量。目前，鮮有文章介紹征地數量計算方法。

02
基于空間分析的征地數量計算方法

2.1 數據收集

目前，第三次全國國土調查已取得初步成果，各地區國土部門已更新土地利用數據庫和基本農田數據庫；其中，基本農田數據庫是土地利用數據庫的子集。因此，鐵路外業勘測時，無需再調查土地，可向鐵路線路所經地區的國土部門收集土地利用數據庫和基本農田數據庫。

土地利用數據庫準確記錄該地區每塊土地的幾何坐標、土地權屬性質、土地地類名稱、土地權屬單位信息，其它屬性含義可參見第三次全國土地調查技術規程?；巨r田數據庫記錄該地區每塊基本農田的幾何坐標、土地權屬性質、土地地類名稱、土地權屬單位信息，其它屬性含義可參見基本農田數據庫標準。圖2為土地利用數據庫屬性信息示例，高亮土地為水田，其屬性表中 DLMC、QSXZ、QSDWDM、QSDWMC 分別為地類名稱、權屬性質、權屬單位代碼、權屬單位名稱。
圖2 土地利用數據庫屬性信息示例

地類名稱（DLMC）表示土地的類型，比如水田、林地；權屬單位名稱（QSDWMC）表示土地所屬行政區劃的名稱，該屬性往往并不包含完整的行政區劃信息，分類統計征地數量時，更多采用權屬單位代碼（QSDWDM）；權屬單位代碼（QSDWDM）為完整的土地所屬行政區劃代碼，前 6 位數字是省（直轄市）、市、縣（縣級市）代碼，7~12位是鄉（鎮）、村代碼；權屬性質（QSXZ）取值見表1。

表1 土地權屬性質代碼表

土地利用數據庫和基本農田數據庫有3種常見

文件格式 ：Shapefile、Personal Geodatabase和File

Geodatabase；Shapefile數據庫至少包括 “ .shp”、 “.shx”、“.dbf”和“.prj”4 個文件，外業收集數據時需檢查收集到的數據庫文件是否齊全；其中， “.shp”文件記錄幾何信息，“.shx”文件記錄幾何圖形的索引，“.dbf”文件記錄屬性，“.prj”文件記錄空間參考信息。Personal Geodatabase 是 Access數據庫，文件擴展名為“mdb”；File Geodatabase 數據庫是1個文件夾，文件夾名稱以“.gdb”結尾。

2.2 鐵路征地數量計算方法

先使用土地幾何坐標數據計算土地面積，再按土地權屬性質、土地地類名稱和土地權屬單位代碼進行土地數量分類統計，鐵路征地數量計算流程見圖3所示。
圖3 鐵路征地數量計算流程

2.2.1 用地界坐標轉換

鐵路工程坐標參考往往與土地利用數據庫和基本農田數據庫的坐標參考不一致，進行空間分析前，需對鐵路工程用地界進行坐標轉換。鐵路工程用地界采用笛卡爾平面直角坐標系，測量平面直角坐標系南北方向為X軸，東西方向為Y軸；進行坐標轉換時，應先將用地界的X坐標與Y坐標互換，轉換為測量平面直角坐標系下坐標值；使用開源跨平臺地圖投影庫Proj.4完成坐標轉換，坐標轉換完畢之后再將X坐標與Y坐標互換，即可得到與數據庫坐標參考一致的坐標值。通過坐標轉換，用地界的坐標參考可與土地利用數據庫和基本農田數據庫的坐標參考保持一致。

2.2.2 空間相交分析

空間相交分析判斷2個幾何多邊形空間上是否相交；若相交，空間相交結果為被相交圖形中與相交圖形重疊的部分，如圖4所示。
圖4 空間相交分析原理示意

將鐵路工程用地界與基本農田數據庫進行相交分析，可得到用地界范圍內的基本農田圖形集。

空間相交分析算法描述如下：

IntersectionAnalysis()

{

for each(基本農田圖斑 in 基本農田數據庫)

{

for each(用地界多邊形 in 用地界)

{

//判斷圖形包圍盒是否相交可加速程序運行

if (基本農田圖斑包圍盒與用地界多邊形包圍盒有交集)

{

基本農田圖斑與用地界多邊形相交分析

返回 geo;

if (geo 非空) {

geo 添加至結果集；

}//end if

}//end if

}//end for

}//end for

返回結果集;

}//end function

2.2.3 空間擦除分析

空間擦除分析判斷2個幾何多邊形空間關系上是否相交；若相交，空間擦除結果為被擦除圖形與擦除圖形不重疊的部分，如圖5所示。

圖5 空間擦除分析原理示意

基本農田數據庫是土地利用數據庫的子集，對鐵路工程用地界與土地利用數據庫進行相交分析，得到用地界范圍內的土地集包含基本農田。為避免重復統計基本農田數量，通過空間擦除分析，從土地利用數據庫中剔除基本農田數據，得到非基本農田數據庫。

空間擦除分析算法描述如下：

EraseAnalysis()

{

for each(土地利用圖斑 in 土地利用數據庫)

{

for each(基本農田圖斑 in 基本農田數據庫)

{

//判斷圖形包圍盒是否相交可加速程序運行

if (土地利用圖斑包圍盒與基本農田圖斑包

圍盒有交集)

{  土地利用圖斑與基本農田圖斑擦

除分析返回 geo;

if (geo 非空) {

geo 添加至結果集；

}//end if

}//end if

}//end for

}//end for

返回結果集;

}//end function

對土地利用數據庫與基本農田數據庫進行空間擦除分析，得到的非基本農田數據庫不再含有基本農田數據；再將非基本農田數據庫與用地界進行相交分析，得到用地界內非基本農田征地數據。

03
征地數量統計方法

通過空間擦除分析和空間相交分析，得到用地界內基本農田數據庫和用地界內非基本農田數據庫。按權屬單位代碼 (QSDWDM)、權屬性質 (QSXZ) 和地類名稱（DLMC），對這2個數據庫進行分類統計，得到基本農田數量表和非基本農田數量表。非基本農田征地數量統計與基本農田征地數量統計算法一致，以基本農田征地數量統計為例，闡述詳細的計算過程。

3.1 爬取權屬單位名稱

將基本農田數據庫記為NT，數據庫中每塊土地的 QSDWDM 屬性為完整的土地所屬行政區劃代碼，利用爬蟲技術解析行政區劃的中文名稱。

（1）讀取 NT 數據庫中1條土地記錄，記為Land；提取 Land 的QSDWDM屬性值，記為DM，屬性值前6位數字是?。ㄖ陛犑校?、市、縣（縣級市）代碼，7~12 位是鄉（鎮）、村代碼。國家統計局每年公布全國行政區劃代碼與行政區劃名稱對照表，該對照表的訪問地址為：http://www.stats.gov.cn/tjsj/tjbz/tjyqhdmhcxhfdm/Year/index.html，記為 Url；其中，屬性Year為國家統計局網站上公布的統計用區劃和城鄉劃分代碼的最新年份。

（2）將DM分解為5個部分，每1個部分不足12位時，在其末尾補足數字“0”；行政區劃按從大到小，依次記為 DM1，DM2，DM3，DM4，DM5。采用網絡爬蟲技術，爬取對照表訪問地址Url，將DM解析為行政區劃名稱，如圖6所示。
圖6 征地所屬行政區劃名稱的爬取過程示意

（3）?。ㄗ灾螀^、直轄市）的數量少，且代碼固定，直接在程序中設置?。ㄗ灾螀^、直轄市）代碼與名稱的映射關系，根據DM1代碼可獲取?。ㄗ灾螀^、直轄市）名稱，記為PName；

（4）利用HtmlAgilityPack 程序集解析對照表訪問地址Url所對應的 HTML 代碼；設置搜索條件 XPath=“.//tr[@class=’ provincetr’]”，可獲取所有省份名稱與跳轉鏈接地址集，記為{P}；在集合{P}中查找 PName，對應的跳轉鏈地址接記為U1；爬取跳轉鏈地址 U1,使用 XPath=“ .//tr[@class=’citytr’]”作為搜索條件，獲取當前省份 (直轄市) 下屬所有地區 (市、州、盟) 的代碼、名稱和跳轉鏈接地址集，記為集合{City}。在集合{City}中查找代碼 DM2 對應的地區名稱和跳轉鏈接地址，記為U2。

（5）爬取網址U2,設置搜索條件XPath=“.//tr[@class=’countytr’]”，獲取當前地區下屬所有縣 (區、市 、旗 ) 代碼 、名稱和跳轉鏈接地址集 ， 記為{County}；在集合{County}中查找代碼DM3對應的縣名稱和跳轉鏈接地址，記為U3。

（6）爬取跳轉鏈接地址U3,設置搜索條件為XPath=“.//tr[@class=’towntr’]”，獲取當前縣下屬所有鄉、鎮（街道辦事處）代碼、名稱和跳轉鏈接地址集，記為{Town}；在集合{Town}中查找代碼DM4對應的鄉鎮名稱和跳轉鏈接地址，記為U4。

（7）爬取網址U4, 設置搜索條件XPath=“.//tr[@class=’villagetr’]”，獲取當前鄉鎮下屬所有村（組、社區）代碼、名稱集，記為{Village}；在集合{Town}中查找代碼DM5對應的村（組、社區）名稱。

按以上步驟，通過解析QSDWDM屬性值，可得到完整的行政區劃名稱。

3.2 土地分組統計

讀取土地Land的DLMC屬性值進行分組，取值“10”或“20”歸為國有土地分組，其它歸為集體土地分組。

遍歷數據庫中所有土地，爬取對應的土地行政區劃中文名稱，按照行政區劃名稱、權屬性質、土地類型進行分組，統計各分組的地塊面積，得到用地界內基本農田數量表。

04
應用實踐

DotSpatial 是一套開源地理信息系統類庫，支持C#編程語言，可用于實現土地利用數據庫的可視化；采用C#語言，基于Dotspatial開發征地數量計算統計軟件。以安徽省某鐵路工程為例，計算基本農田征地數量和非基本農田征地數量。

4.1 基本農田數量計算

提取鐵路用地界坐標進行坐標轉換，使其坐標參考與基本農田數據庫的坐標參考一致，用地界與基本農田數據庫的疊加顯示見圖7。
圖7 基本農田與用地界的疊加顯示

圖7中，紅色帶狀區域是經過坐標轉換的鐵路用地界，基本農田作為被相交圖形，用地界作為相交圖形進行空間相交分析，得到用地界內基本農田數據庫，最后根據數據庫的 QSXZ、DLMC、QSDWDM 屬性進行分類統計輸出基本農田數量表，如圖8所示。
圖8 相交分析統計結果

在圖8中，顯示區域（a）為鐵路用地界與基本農田數據庫相交分析結果，顯示區域（b）為分類統計屬性字段設置以及行政區劃統計級別設置，顯示區域（c）為征用基本農田數量統計結果。

4.2 非基本農田數量計算

使用擦除分析方法將從土地利用數據庫中擦除與基本農田數據庫相交的部分，得到非基本農田數據庫，如圖9所示。
圖9 擦除分析實例

在圖9中，（a）為土地利用數據庫，（b）為基本農田數據庫，（c）為非基本農田數據庫。非基本農田數據庫與用地界進行空間相交分析，得到用地界內非基本農田數據庫，經分類統計，得到非基本農田征地數量表。非基本農田征地數量分類統計與基本農田征地數量分類統計步驟一致，不再贅述。

05
結束語

本文提出鐵路征地數量計算方法，利用既有土地利用數據庫和基本農田數據庫，通過空間相交分析和空間擦除分析，計算出征地面積；利用網絡爬蟲技術，獲取土地所屬的行政區劃名稱，按照行政區劃、權屬性質、土地名稱進行分類統計，得到征地數量統計表。

該方法無需進行土地外業調查作業，可減少外業勘測工作量；此外，當線路平面發生變更時，也無需返工重新進行外業土地調查。與傳統土地調查方法相比，土地利用數據庫和基本農田數據庫提供了更為準確的土地邊界和土地權屬等信息，征地數量統計也更為精確?；诳臻g分析的鐵路征地數量計算方法不僅適用于鐵路永久征地和大臨工程等臨時征地數量計算，也適用于公路工程。

來源：https://blog.csdn.net/qq_43173805/article/details/118567025

成都途遠GIS是一家專業致力于無人機航空攝影測繪、航空數據處理、GIS地理信息系統研發、數字孿生城市制作、數字沙盤模型等業務的創新型科技公司，為您提供一站式地理信息服務。