土地年度变更调查更新中内业数据质量检查研究

谢素娟

摘要：在城市化进程不断加速的情况下，我国土地资源逐渐紧缺，管理工作的难度也越来越大，所以土地年度变更调查更新的内业数据质量检查的重要性不言而喻。本文从结合人工智能、大数据和区块链等先进技术三个方面，对土地年度变更调查更新中内业数据质量检查方法进行了详细的介绍。通过无人机与地面设备协同合作、深度学习模型的自动化数据校验、在云计算的基础上搭建数据质量监控与分析平台三个方面，对土地年度变更调查更新中内业数据质量检查的优化方案做出了相应的阐述，保证土地资源管理和决策的科学性和稳定性。

关键词：土地年度变更调查；内业数据；质量检查

引言：当下，在进行土地资源管理期间，年度变更调查更新的内业数据质量能够确保后续管理决策的科学性和可行性。但根据对以往土地资源管理相关数据进行分析，发现了传统的数据质量检查方法效率低、准确性无法得到保证，急需应用新颖且高效的土地年度变更调查更新中内业数据质量检查方案，保证现代土地资源管理的需求得到满足。

一、土地年度变更调查更新中内业数据质量检查方案

（一）引入人工智能技术辅助检查工作

土地年度变更调查更新工作在进行期间需要进行海量的数据收集、处理和分析。传统的内业数据质量检查方法需要大量的人力物力和时间的支持，最终检查结果也无法保证高精度的准确[1]。在新时代科技技术的出现和应用下，将人工智能技术应用到数据质量检查中，能够在提升效率的情况下保证数据质量。将人工智能技术应用到实际操作中，机器学习算法会对往年的内业数据进行学习和分析，根据实际需求来构建数据质量检查模型。

模型能够对收集到的所有数据进行整理、归类、分析、检查，确保数据质量的提升。比如，在土地年度变更调查更新项目期间，应用人工智能技术自动检查数据，模型会准确定位数据缺失、格式错误等问题，并提供科学的解决方案。同时，人工智能技术还能够从历史数据的角度出发，完成数据的预测，总结出未来土地年度变更调查更新的发展方向，为来年的工作打下坚实的基础。

（二）大数据和云计算实时监控

土地年度变更调查更新的实时监控能够有效提升确保内业数据质量，将大数据和云计算技术实现融合，二者沟通构建实时监控系统，对土地变更数据进行持续跟踪和科学评估[2]。在实际应用期间，第一，选择大数据技术能够保证土地数据信息的全面性和完整性。比如，将卫星遥感影像、地理信息系统数据、土地交易记录等方面收集到的数据信息进行综合收集、上传、储存，再使用大数据平台来完成错误信息的排除和质量信息的深挖。

第二，云计算保证实时监控的稳定性和灵活性。运用云计算处理海量的土地变更数据，能够取代传统人工筛选识别，更快速高效的确定数据质量出现问题的点。比如，在进行土地年度变更监控项目期间，云计算平台会对传回的遥感影像做出分析和比对，识别土地开发是否符合相关部门的规定要求，并根据识别结果进行上报。第三，云计算的扩展能力较强，随着新技术的出现和新功能的需求，能够利用云计算的弹性扩展来做出相应的调整，做好不同规模和复杂度的工作应对。

（三）区块链技术提供数据稳定性

土地年度变更调查更新的数据安全与实时监控能够保证数据的真实性和准确性，而区块链技术的最大特点是不可篡改，将区块链技术应用到其中，能够加强数据稳定可靠。区块链技术的应用能够保证数据储存和传输网络的分布性，一方面保证了数据的稳定，另一方面为数据提供了可追溯的渠道。在实际应用中，区块链技术会将土地变更期间产生的所有数据逐一进行记录，所有参与者都能够从区块链记录的历史中进行调查和验证，确保数据变化的透明性和公开性。

比如，在进行土地年度变更调查更新期间，应用区块链技术建立土地数据监控平台。确保全方位的收集所有土地变更数据并进行实时上传，最大限度每保证了数据的安全、真实、稳定。除此之外，还能够应用区块链技术来对上传的数据进行检查，查出数据出现偏离后，做好预警提醒，确保工作人员能够及时处理，不断提升数据质量检查的效率。

二、土地年度变更调查更新中内业数据质量检查优化

（一）无人机技术和地面设备结合

   土地年度变更调查更新在数据质量检查方面通过借助无人机技术和地面设备的结合，能够保证数据收集的全面性和精确性，降低人工操作产生的误差。第一，无人机技术相比于人力采集，能够对各种危险的地貌进行收集，在无人机上搭载分辨率较高的传感器和相机，能够保证地面不同程度的变化都处于可控状态，。比如，建筑物的增加和拆除、地面植被覆盖情况等。在进行城市土地变更监测项目期间，无人机还能针对当地土地是否被申报进行有效识别。第二，GPS定位、激光测距等地面设备能够对无人机获取的数据做好验证，保证数据的准确率，也节省了人力资源的支出。第三，将二者进行有效的融合，能够实现数据异常和误差的自动识别，和实时纠正。

（二）深度学习模型实现自动化数据检验

土地年度变更调查更新的内业数据质量检查要求极高，传统的人工检查无法很好的满足质量需求，为了保证质量检查结果，应用深度学习模型能够实现自动化数据检验。

第一，深度学习模型被广泛应用在图像识别和序列数据处理领域，近年来被应用在土地年度变更调查更新工作中。以某地土地年度变更调查更新为例，深度学习模型通过对大量历史数据进行推演和学习，完成了数据的有效训练。模型能够在训练结束后，对不同类型的土地进行划分，了解土地上的各项因素的变化并做好比对和记录。

第二，在新一年的土地变更调查更新数据应用期间，模型能够自动检测数据，找出数据的异常之处并生成报告。这种自动化、智能化的检测模式逐渐取代传统的人工操作，节省了人工检测的时间和精力支出，同时也确保了准确数据质量检查。第三，深度学习模型在应用的过程中，还能够根据数据的增加和学习来做好自身的持续性完善。在对模型进行不断优化的情况下，让深度学习模型能够更好的应用在土地年度变更调查更新的内业数据质量检查工作中。
  （三）云计算搭建数据质量监控分析平台

应用云计算技术搭建数据质量监控分析平台能够保证内业数据管理的效率，云计算平台对零散的土地变更调查数据进行整合，方便后续的数据管理和使用。用某地区的土地年度变更调查更新工作来进行分析，第一，云计算平台实现了数据的集中存储和备份，定期备份避免了数据因不可抗力因素丢失，保证数据安全可用。第二，自动化数据质量检查。平台根据提前设置好的程序来对数据进行质量检查操作，并根据检查结果来细节化报告内容。第三，数据分析和可视化。云计算平台能够对海量数据进行处理和深挖，根据土地变更数据呈现出的变化趋势来总结规律。将总结结果用图表、报告等方式直观呈现在使用者面前，保证使用者后续决策的科学性、可参考性、权威性。

结论：简而言之，通过对土地年度变更调查更新中内业数据质量检查方案的优化和创新，能够保证数据质量检查的效率和准确性。在未来进行质量检查时，能够应用无人机技术、深度学习模型、云计算平台等先进技术来确保土地资源管理和决策的高效率、高质量。随着时代的不断发展，新技术的应用场景会逐渐完成拓宽，促进土地资源管理工作持续发展的同时，也做好了生态文明建设。

参考文献：

[1]张云涛,卞小猛,谷玉全. 土地年度变更调查更新中内业数据质量检查方法 [J]. 现代测绘, 2023, 46 (03): 53-55.

[2]陈琼,李隆君,谢秋昌. 基于国土调查云的日常土地变更调查初探 [J]. 国土与自然资源研究, 2020, (05): 1-3.

[3]周俊晖,鲁强. 采用ArcPy二次开发的第三次全国国土调查内业数据自动匹配关联和赋值 [J]. 测绘与空间地理信息, 2020, 43 (07): 93-96.