提取·识别·重组·追溯：国土空间治理的数字特征与传承策略/杨俊宴 等
作者简介：
杨俊宴，东南大学智慧城市研究院副院长、教授
邵典，东南大学博士后，通信作者，101300274@seu.edu.cn
程洋，上海图源素数字科技有限公司总经理，高级工程师
陈代俊，东南大学博士研究生
更多资料，添加微信
复制微信号
张晨阳，东南大学博士研究生
摘要：
国土空间与自然环境、历史文化的互动过程中形成了一些独特的、相对稳定的空间要素及关联模式。在数字时代，如何进行不同业务线下的国土空间多模态更迭映射，将各业务环节的信息进行关联，追踪空间的稳定性传承要素及其内在联系，从而实现多数据系统的关联互通，破解“数据烟囱”“信息孤岛”问题，实现业务协同和全生命周期监管，是国土空间治理需要解决的关键科学问题。本文尝试运用数字孪生空间结构技术对国土空间稳定性要素进行识别和提取，运用大数据空间分形异构技术进行要素识别，运用人工智能空间图谱重构技术进行各要素重组，以数字化空间图谱的形式挖掘空间、业务深层次关系，实现多元要素之间的协同，通过区块链空间追溯反衍技术进行要素追溯，将自然资源系统业务与国土空间全域、全要素进行数据整合，形成多元关联信息库。此外，本文开展国土空间治理传承研究，以期在一定程度上打破部门之间的数据壁垒，实时追踪国土空间要素状态，提升国土空间治理在全过程中的科学性、合理性。
关键词：
国土空间；稳定性空间要素；数字治理；传承策略
Abstract:
The interaction between territorial space, the natural environment, and historical culture has formed some unique and relatively stable spatial elements and associated patterns. In the digital age, there are some key scientific problems, including how to respond to the multimodal mapping of land and space under different business lines, associate business information, track the stability and inheritance elements of space and their internal connections to construct the interconnectivity of multiple data systems, break "data chimneys" and "information islands" problems, achieve business collaboration, and provide full lifecycle supervision. These problems need to be solved in land and territorial space governance. This paper attempts to use digital twin spatial structure technology to identify and extract elements of national spatial stability. Big data spatial fractal heterogeneity technology is used for element identification, and artificial intelligence spatial graph reconstruction technology is used for element and relationship restructuring. Deep-level spatial and business relationships are explored in the form of digital spatial graphs to achieve collaboration among multiple elements. Element traceability is carried out through blockchain spatial traceability and backpropagation technology. Integrate the data of the natural resource system business with the entire domain and elements of national land and space to form a diverse and interconnected information database. In addition, this paper carries out research on the inheritance of homeland spatial governance with a view to breaking the data barriers between departments to a certain extent, tracking the state of homeland spatial elements in real time, and enhancing the scientific and rational nature of homeland spatial governance in the whole process.
Keywords:
Territorial space; Stability Spatial Elements; Digital Governance; Inheritance Strategy
国土空间在与自然环境、历史文化的互动过程中形成了一些独特的、相对稳定的空间要素及关联模式。在数字时代，如何进行不同业务线下的国土空间多模态更迭映射，将各业务环节的信息进行关联，追踪空间的稳定性传承要素及其内在联系，从而实现多数据系统的关联互通，破解“数据烟囱”“信息孤岛”问题，实现业务协同和全生命周期监管，是国土空间治理需要解决的关键科学问题[1]。本文尝试从提取、识别、重组、追溯四个层面，探讨国土空间治理的特征及传承方法，提升国土空间治理全过程的科学性、合理性。
1
回首千年：国土空间治理的理论基石
1.1 | 古代空间治理方式溯源
我国古代的空间规划与治理总是从山水自然开始的，从宏观的“山水寻察”逐步发展为人工环境的营造和治理。古代先民特别重视发现自然山水环境的内在秩序，并将城市及其重要元素“镶嵌”在这一山水秩序之中，从而达到人工与自然的融合。例如，汉代长安城的东西向轴线向东呼应骊山主峰，南北向轴线向南呼应子午谷谷口，实现了人工空间与自然空间的联动[2]。
相应地，针对山水林田湖的空间治理与保护政策古已有之。例如，周王朝设有专门负责看护山林的山虞之职，对于违反规定者，政府亦将予以刑罚处置，即“凡窃木者有刑罚”（《周礼·地官》）；唐代的坊市制是中华民族在漫长空间治理发展进程中极具代表性且影响深远的空间规划与治理制度，坊和市共同发挥着作为空间规划与治理的基本单元的作用，实质是将城划分成若干空间单元，发挥各种城市功能并便于封闭化管理[3]。唐末五代到北宋，封闭式坊市制崩破后，演变成了街巷制，但政府仍会分设“厢”进行城市管理，并设有“都厢”以统辖诸厢。辽、金、元时期的城市治理体系进一步完善。到明清时期，都城之中，城中有坊，坊设司坊官，分领坊事民事，坊虽无坊墙，但仍作为城市空间治理单元延续传承[4]。
因此，注重山水自然环境的保护并在人工环境中进一步延续山水格局是我国古代空间规划与治理的重要思想。同时，划分不同等级的空间单元并分层管理，再进一步推进落实精细化治理也是我国古代空间规划与治理的主要手段。
1.2 | 近现代国土空间治理的发展历程
在中华人民共和国成立初期，空间规划与治理已有较为成熟的理论，该理论是对当时西方和苏联的空间治理先进理论的综合。由于当时的政治体制呈现高度集中的“集权模式”，政府成为国土空间治理复杂过程的唯一控制者和参与者，空间治理成了国家和政府建设城市、管理城市的行政手段[5]。20世纪80年代初，中国总结了新中国成立以来国土资源开发利用正反两方面的经验教训，借鉴日本、德国、法国等发达国家在国土资源开发整治方面的成功经验，开始开展国土规划和国土整治工作。然而在整个20世纪90年代，在实行市场经济的环境背景下，我国的国土开发整治搁浅，加之1995—1998年的政府机构改革，几年间我国的国土规划转入了低谷。直到2001年，“国土整治”再次出现在政策文件中，原国土资源部制定了国土资源“十五”规划纲要，逐步开展国土整治，促进陆地、海洋生态建设和环境保护。但是全国统一的国土综合整治工作一直在探索阶段，统一部署和管理尚未形成。此外，原国土资源部的职能不能涵盖国土综合整治的内容，水利、林业等各部门开展分属部门领域的专项国土整治活动[6]。
党的十八大以后，生态文明理念不断丰富发展，习近平生态文明思想中的“生态优先、绿色发展”逐渐渗入土地整治、生态建设修复、灾害污染治理等各项活动中，国土综合整治内容基本明确。2017年《全国国土规划纲要（2016—2030年）》明确“四区一带”国土综合整治格局，其内容基本涵盖了早期的国土综合整治、生态保护建设、环境污染灾害防治的内容。上述一系列机构和政策方面的变革调整，使国土整治的实质性统筹推动、统一谋划布局成为可能，以生态优先、综合整治为特点的国土整治跃然纸上[7]。
1.3 | 数字时代国土空间治理的现代化发展
以人工智能、大数据、物联网、云计算等为核心的新一代信息技术的发展，不断重塑社会经济中的各行各业。党的十九大正式提出了“数字中国”和“智慧社会”的建设要求，通过“互联网 + 政务服务”等行动，落实政府数字化转型，打造“数字政府”。因此，如何运用新一代信息技术的数字化重塑能力，推进国土空间治理体系和治理能力的现代化，成为当前国土空间治理研究的重要方向。
首先，大数据应用成为城市治理的重要工具。柴彦威等[8]基于多源大数据，构建整合城市活动 - 移动系统、城市人口系统、城市运行系统、城市环境系统的城市体征诊断指数体系。其次，国土空间规划成为国土空间治理的重要手段。“一张图”平台建设以及基于“多规合一”的自然资源全业务流程管理成为国土空间治理的重要突破方向[9]。随着信息技术的发展以及对国土空间治理精度的需求不断提高，相关学者提出新时代的数字化国土空间治理模式，即以国土空间全域数字化、空间治理工作网络化、空间规划监管智能化为途径，在自然资源和国土空间大数据的支撑下，充分利用现代化信息技术，实时、动态地感知国土空间信息，建立数字化国土空间模型，并基于人工智能手段开展知识挖掘，支撑规划科学编制、自动审批、动态监测、智能评估、智慧推演等国土空间治理全流程[10]。以此为基础，研究人员还提出了国土空间治理的全链条技术体系[11]。
目前，自然资源部门建立的“一张图”平台和规划管理信息系统实际上是一个以土地利用和规划信息为主的平台，对于国土空间数据的地理国情信息和国土空间数据范畴之外的人口信息、经济普查信息、空间大数据等，仍然不能实现无缝衔接，存在信息壁垒。因此，有必要立足于国土空间从数据到融合的方方面面，构建一个系统的国土空间信息化框架，为引领国土空间信息化乃至智慧国土建设提供技术引导。
2
数字时代下国土空间治理的稳定性要素及其特征
在不同尺度下，国土空间呈现出差异化的特征与内涵。例如，对于行政区划管理，在全国尺度下，其重心是人口民族情况和经济发展水平；在省域尺度下，其重心在于人文历史传承与区域治理；在市域尺度下，其重心在于公共服务资源合理配置与城乡统筹；在县域尺度下，其重心在于经济、产业和地理特征；而在乡镇尺度下，其重心为民生资源的合理布局。在编制城镇体系规划时，全国尺度的关键是区域平衡、区域协作和区域分工等，省域尺度的关键是城市群空间结构确定、城市功能定位和城镇等级配置等，市域尺度的关键是中心城区结构、发展廊道和区县协同等，县域尺度的关键是城乡一体化、乡镇功能定位和确定村镇体系等，乡镇尺度的关键是功能区划分、服务区域半径确定和特色村落保护等。因此，国土空间治理过程在不同尺度、不同工作阶段，都会有不同的侧重点，治理手段也存在差异。
但是，从国土空间长期演化角度看，即使不同尺度下国土空间治理的方式各不相同，国土空间的变化过程中仍然存在稳定不变的要素，这种稳定性表现在空间、行为和属性三个方面。其中，空间方面的稳定性主要体现于国土空间治理过程中涉及的不同空间要素，包括山水等自然要素以及城乡等人工要素，这些空间要素都是相对稳定存在的、短时间内难以变更的，即使有细微变化其空间结构仍可在相当长的一段时间内进行追溯反衍；行为方面的稳定性主要指国土空间业务政策的变化过程相对稳定，其在顺序变化过程中仍可以被记录和追溯；而属性方面的稳定性则指各类国土空间要素的内在属性是相对稳定且不断传承的，由于国土空间要素具有尺度很大、相互关联、难以移动变更等特点，因此要素的属性也不可能发生跨越式的变化，其变化的过程是累积或累减的连续变化（图 1）。
当前，国土空间的演化越来越呈现出即时性、多维度、多样化和大样本的数据特征，人类正在经历从一个空间尺度可确定感知的连续性时代，发展到界域认知模糊的不确定性时代的过程，对自然资源系统的认知不断提升。因此，应该使用数字化技术对国土空间进行描述，快速深入地对所得信息进行科学的可视化处理和表达，在考虑复杂情况的前提下提高国土空间治理的效率和科学性，从而为进一步的决策提供参考。
图 1国土空间治理的稳定性要素
Fig.1 The elements of stability in territory spatial governance
资料来源：作者自绘
3
要素提取：基于数字孪生的空间要素解构
3.1 | 要素提取原理及内涵
传统的空间数据信息收集方式存在覆盖度不高、精细度不足和格式不统一等问题，不利于便捷高效地推进相关业务进行。国土空间的稳定性要素提取在于实现空间数据信息从物理空间到赛博（cyber）空间的数字化，进而可实现在数字化三维场景中对空间数据信息的各类分析，从而协助相关业务进行。
国土空间大数据涉及动态、静态、显性和隐性四类空间数据的数字孪生。其中，静态数据作为相对稳定的带有物质空间信息的数据，是物质层面的基准载体；动态数据作为带有时间信息的数据，随时间的变化而变化，是物质层面的流动要素；显性数据作为主体对客体的纯主观认知，是感知层面相对显现的部分，也是空间形态的外在表现；隐性数据作为客观而不可见的数据，是感知层面相对隐匿的部分，却是空间形态内在运行的关键机制。
3.2 | 要素提取的策略方法
3.2.1 动态空间的数字孪生解构
“动”即为动态性主导的空间大数据。多时段手机信令数据能够直观地反映出国土空间中人流的变化 , 浮动车流数据反映交通流的变化。基于动态空间数据，可分析人群迁移流动的聚散规律，得出不同空间区域内人群活动的关联度，从而剖析不同尺度等级下国土空间的“动态结构”。在进一步的应用中，可以展开一系列的分析，如在不同国土空间研究尺度下，对人群活动的热点区域和冷点区域进行划分（图 2）。
图 2 动态空间的数字孪生解构
Fig.2 Deconstructing digital twins in dynamic space
资料来源：作者自绘
3.2.2 静态空间的数字孪生解构
“静”即为承载空间几何信息的空间大数据，包括地理环境矢量测度数据、建成环境矢量测度数据。静态大数据分析的优势在于可以进行全域性的空间形态分析，应用门槛体现于整体静态大数据的获取以及不同空间坐标系下的统一转换（图 3）。
图 3 静态空间的数字孪生解构
Fig.3 Deconstructing digital twins in static space
资料来源：作者自绘
3.2.3 静态空间的数字孪生解构
“显”即通过人的视角，人真实感知到的空间大数据，包括土地利用实景图像数据、空间品质实景图像数据、公众空间认知数据。显性维度的大数据分析可以最真实地了解人对空间的真实感知（图 4）。
图 4 显性空间的数字孪生解构
Fig.4 Deconstructing digital twins in explicit space
资料来源：作者自绘
3.2.4 隐性空间的数字孪生解构
“隐”指隐匿的、不显现的空隐性空间的数字孪生解构间大数据，包括风速、光照、温度、噪声等物理环境数据和不动产类型数据等。例如，获取历史气象资料、卫星遥感影像及实测数据等物理环境信息，再进行分层与清洗，可建立物理环境空间数据库，对热环境、风环境、声环境等数据进行整合，进而运用scSTREAM、Cadna/A、ENVI-met 等软件进行风声热等物理环境模拟，探究不同物理环境指标与空间形态的耦合关系（图 5）。
图 5 隐性空间的数字孪生解构
Fig.5 Deconstructing digital twins in implicit space
资料来源：作者自绘
3.3 | 应用场景
3.3.1 自然空间要素提取
自然空间是以山水林田湖草生命共同体组成的自然资源本底空间，包括静态基础地理数据、静态物种资源数据、隐性物理环境数据。自然空间要素提取是对这三类典型的自然空间要素数据的提取。例如，在进行静态物种资源数据数字化解构时，需要进行生态敏感性分析，在生态资源调查与整理的基础上选取生态因子，再通过因子评分、因子权重确定、评价结果计算、分级标准确定、评价模型建立和评价结果分析等步骤，对植物物种的适应性空间分布进行分析（图 6）。
图 6 静态物种资源数据数字化解构
Fig.6 Digital deconstruction of static species resource data
资料来源：作者自绘
3.3.2 人造空间要素提取
人造空间是通过各类资源开发利用形成的人类活动的空间，包括动态人口出行数据、静态建设用地数据、显性土地利用状况数据和隐性不动产数据。人造空间要素提取是对这几类典型的人工空间要素数据的提取。例如，在进行动态人口出行数据的数字化解构时，首先对人群活动动态模式进行研究，这些动态模式包括生灭、起伏、放缩、塌陷、楔入、凹凸、聚散、迁移、聚核、断续、涨落、塌陷和收放等，然后对多时段人群空间分布实时监测数据进行整合，探究人流潮汐波动变化的规律。
3.3.3 未来空间要素提取
未来空间是各种规划、设计集成的蓝图空间，其要素包括静态水资源模拟预测数据和静态空间规划数据。未来空间要素提取是对这两类典型的未来空间要素数据的提取。例如，在进行静态空间规划数据数字化解构时，需要收集多个类型的静态空间规划数据，包括全国尺度数据、省级尺度数据、市级尺度数据、总体规划数据、详细规划数据和专项规划数据，依次通过样本选取与采集模块、数据库建构模块和人工智能识别模块，将收集到的多个类型的静态空间规划数据进行数字化解构。
4
要素识别：基于大数据的空间分形异构
4.1 | 要素识别原理及内涵
在国土空间治理背景下，由于传统的国土空间多元信息未进行数字化要素提取，数据量庞大又涉及多个部门体系，容易导致多项业务产生冲突，效率难以提高。要素识别指基于空间分形与智能聚类实现国土空间多维要素的识别与提取。
该项方法可通过数据信息的快速提取提升国土空间治理的开展效率，打破国土空间背景下各部门、各业务主体之间的信息壁垒。业务应用主要有国土空间要素的识别与校验、国土空间的类型分区等。例如，可通过从行为状态到数字的国土空间要素转译，将国土治理行为结构化、规则化、代码化，从而精准识别不同尺度、不同状态、不同治理途径下的国土空间要素。
在国土空间治理过程中，空间类型的系统性和复杂性是空间数据智能分形的技术难点，而空间的智能分形和智能提取是实现国土空间多空间业务关联的基础。因此，本文通过沃罗诺伊分割、空间要素图解、三维空间箱体三大技术模块，实现数字空间分形与智能提取（图7）。
图 7 数字空间分形与智能提取
Fig.7 Digital space fractal and intelligent extraction
资料来源：作者自绘
4.2 | 要素识别的策略方法
4.2.1 空间要素分割
由于空间要素数量庞大、种类繁杂，因此在国土空间多源异构数据库基础上需要对原始空间要素进行预分割。这里运用到的关键技术是沃罗诺伊分割（Voronoi Tessellation）技术，它是一种经典的几何空间划分手段，数学原理是根据到平面上既有点的距离而将平面进行划分，对于每个点而言，它所对应的分区中的任意一点到它的距离要比到其他点的距离都近。本文将山水林田湖草等面域空间的“面”视为沃罗诺伊分割的起始点，生成沃罗诺伊单元。
4.2.2 空间要素图解
在上一步对空间要素进行预分割的基础上，为了清晰认知空间要素，本文通过空间要素图解技术将空间要素进行预图解。图8反映了空间面域、空间轮廓、空间拐点这三种形态要素内部不同数据形式之间的生成关系，其中三个圆形分别表示三种形态要素，三者之间的深色区域则表现出它们之间的相互生成关系。总的来说，对于空间面域、空间轮廓、空间拐点的三维形态研究而言，仅需要知道空间面域的“面”、空间轮廓的“线”这两种要素数据形式之一，就能够通过要素生成模块进一步识别其他要素和数据形式。
图 8 要素各形式生成转换关系图解
Fig.8 Diagram of transformation relationships for elements in various forms
资料来源：作者自绘
4.2.3 空间要素三维化解构
将空间要素进行预分割和预图解空间要素三维化解构都是在二维平面上进行的操作，将平面图形转化为三维形态的过程需要通过三维建模模块实现。这一步，本文主要采用三维空间箱体技术[12]。对于空间整体而言，建筑、山体等实体空间分布在空间的内部，建筑、山体等实体空间及其内部包含的虚体空间所构成的整体即为空间的三维形态。此外，空间要素的三维化解构还包括了空间拓扑、组构模型、分形、知识图谱网络等多种途径，需结合不同的应用场景确定具体的结构方法。
4.2.4 空间要素数字化分形
由于国土空间要素数量庞大、类型繁杂，为了更好地认知空间，需要建构一套系统的测度规则，从等级规模、空间分布和网络关系三大规则出发，对空间要素进行大数据空间分形，从而提高空间要素识别与智能聚类的科学性和可操作性。分形是指具有以非整数维形式充填空间的形态特征。与传统几何图形相比，分形几何图形是处处不规则的；而在不同尺度上，图形的规则性又是相同的。以沃罗诺伊分割、空间要素图解、三维空间箱体三大技术模块为支撑，大数据空间分形技术可实现国土空间的空间要素识别与聚类，从分形视角认知空间要素的类型与模式（图9）。
图 9 分形视角认知空间要素的类型与模式
Fig.9 Types and patterns of cognitive spatial elements from a fractal perspective
资料来源：作者自绘
4.2.5 空间要素智能识别与提取
通过分形对国土空间要素进行结构化后，即可将识别的要素通过信息智能电子化方法，转译成计算机可识别的条文和代码语言。由于在大数据分形过程中已经将空间要素按照等级规模、空间分布和网络关系三大规则进行分类，在将分类结果电子化后即可通过相应的类别标签快速提取国土空间治理过程中各业务所需的空间要素，实现国土空间要素的智能提取，如开发利用行为核心要素的识别与提取、国土空间保护修复行为核心要素的识别与提取等。此外，可以通过构建电子信息间的传输通道，打通国土空间治理各业务之间的数据联系，提升国土空间规划的效率，从而打破国土空间背景下各空间规划间的信息壁垒（图10）。
图 10 空间规划行为的核心要素识别技术
Fig.10 Core element identification technology for spatial planning behavior
资料来源：作者自绘
4.3 | 应用场景
4.3.1 国土空间要素的识别与校验
大数据语义识别转译是指从行为状态到数字的国土空间要素转译，包括行为的结构化、规则化、代码化。首先，行为的结构化指通过数字化规则体系、标准体系、评估体系及技术体系将空间要素进行分类和整理，从而提升国土空间要素的智能识别和提取效率，也更便于增强国土规划各相关部门之间的联系，减少不必要的工作重叠现象。其次，行为的规则化通常指按照法定的硬性要求（刚性规则）的转译，以及按照国土空间治理过程中的弹性管控要求（柔性规则）的转译。最后，行为的代码化指通过智能引擎将规则转译为计算机可以识别的代码，将规则模型分解为指标因子、逻辑运算规则等要素，并提供可视化的模型构建支持；通过将管控要求植入系统，满足以灵活的方式实现规划管控中的复杂规则的要求，实现针对国土空间治理成果的空间监管。
4.3.2 国土空间的类型分区
在“三调”基础上，通过对国土空间要素进行识别，从尺度、管理、用地类型等多角度进行国土空间数据的要素分区，方便各业务部门快速锁定业务对应的空间分区，从而提升国土空间治理过程中各部门独立工作和相互配合时的效率。例如，从尺度和行政管理视角，国土空间可分为全国、省域、市域、县域、乡镇五大尺度单元；从地籍管理视角，国土空间可分为城镇地籍、村庄地籍、基本农田等地籍单元；从规划视角，国土空间可分为城镇开发边界、生态保护红线、永久基本农田、控规单元等；从用地类型视角，国土空间可分为建设用地、林地、水域等用地单元（图11）。
图 11 国土空间数据的要素类型分区图
Fig.11 Element type partition map of national spatial data
资料来源：作者自绘
5
要素重组：基于人工智能的空间谱图重构
5.1 | 要素重组原理及内涵
在真实空间中，国土空间多元要素之间与自然资源业务体系中的相关业务之间均存在着复杂的联系。传统空间治理方式难以厘清、挖掘深层次要素间的业务关系，容易造成业务之间的标准不统一、前后衔接不畅、无法同步更新等问题。在实现国土空间数字化治理的过程中，在数据空间中建立各要素间、各业务间、各部门间的关系网络，是实现不同业务线条协同、多元国土空间要素映射关联的重要环节，其核心是在国土空间要素提取形成的数据库及业务库的基础上，通过空间图谱数据的集成建库、本体模式拓扑构建、复杂关系的转译可视化，进而挖掘空间要素与业务要素之间的复杂关系。
相关人员应从国土空间多元要素及自然资源多元业务入手，引入人工智能、知识挖掘的相关理论与技术方法，通过层次类型划分、特征属性关联和业务体系梳理，构建空间图谱数据库；通过国土空间多元要素集成、自然资源多元业务集成，分析各要素的多元关系，建构空间图谱本体；通过自然资源空间图谱本体拓扑建构、空间图谱数据获取，明确空间形态定量分析的主要制约因素，揭示空间图谱网络结构；利用人工智能算法，在空间谱系和业务谱系层面，提出兼顾空间形态大尺度与高精度特征的空间图谱网络结构解析方法。
5.2 | 要素重组的策略方法
5.2.1 空间图谱数据库建构
国土空间由各部分空间要素构成，但并不是空间要素的简单组合。为了进一步整合根据不同标准划分得到的各类空间数据，进而为全要素统筹、自然资源统一管理提供统一的数据库，相关人员应对多尺度国土空间要素的层级体系进行划分，以对应不同尺度业务的业务主体，从宏观着眼，从微观入手，运用空间图谱对国土空间要素以及自然资源系统业务进行解析建库。
5.2.2 空间图谱的本体建构
空间图谱由数据层（data layer）和模式层（schema layer）两部分组成。数据层主要指处理后的数据，模式层即本体，用于约束数据层。国土空间图谱的本体主要包含两部分：第一部分是实体（entities）和实体属性（entity properties）；第二部分是关系（relationships）及关系属性（relationship properties）。这两部分通过交叉关联，形成国土空间图谱的知识本体。其中，业务对象对应国土空间要素，其属性包括地块编码、地理坐标、用地功能等数据属性，以及开发边界、生态红线等要素属性（图12）。
图 12 空间图谱本体模式
Fig.12 Spatial graph ontology pattern
资料来源：作者自绘
5.2.3 空间图谱的生成与可视化
对国土空间的空间要素、业务要素数据进行结构化处理，进行数据去重、特征计算和补充等操作，生成实体属性值和关系属性值。将读取到的结构化数据进行数字化编码，根据本体将数据封装成实体，通过算法建立实体之间的关系。算法公式为：
式中，D 为文档，Q 为查询关键字，qi为Q 的第 i 个单词，idf(qi) 为单词 qi的权重，tftq为词项 t 在查询 q 中的权重，tftd为词项 t 在文档d 中的权重，|D| 是文档 D 的长度，avgdl 是语料库全部文档的平均长度，k1、k2和 b 是参数。
将构建好的图谱进行国土空间、相关业务网络结构的可视化。基于所构建的国土空间知识本体，对国土空间大数据进行约束和处理，结合图谱的网络化结构，将构成国土空间的基本要素以节点（point）的形式进行表达，要素之间的关系以边（edge）的形式表达，同时赋予要素和关系属性，对其进行定性或定量描述，生成国土空间图谱并进行可视化。
5.2.4 基于人工智能的空间图谱关系深层解读
建立基于数字化特征的人工智能聚类谱系建构方法路径，利用多种方法对建构完成的空间图谱进行关键信息识别，即识别高度集成与抽象的国土空间图谱中所蕴含的深层结构特征。这些特征包括国土空间的结构逻辑形态和类型逻辑形态等属性特征，以及对图谱中网络组分和实际空间结构特征的多维度测度结果。根据测度结果，进行聚类。通过基于图谱语义的城市形态解析，将不同资源对象进行关联整合，设计分层分级的业务协同框架，解决前后业务不衔接的问题，构建分层分级、结构明晰的自然资源业务脉络，形成从保护、开发利用到修复治理的全生命周期业务管理体系。
5.3 | 应用场景
5.3.1 建立自然资源全域、全要素、全周期数字空间图谱
在“三调”基础上摸清国土空间资源的全域、全要素空间管理数据，根据国土空间要素构成与自然资源业务对象构建涵盖耕地、林地、草地、湿地等全部自然资源类型的自然资源全要素分类体系；同时，对应不同层级的业务需求，形成分级、分类的体系化数据组织逻辑，以此为指导，构建自然资源全要素数据库。
在业务层面，结合实际需求，针对各业务事项的业务内容、主体、流程、对象等关键要素，建立业务数据类型及办理流程的规划标准，如开采矿产资源的采矿权审批标准、矿产资源储量评审备案标准等；梳理每一个业务事项的适用范围、办理流程、业务规则、办理时限、层级位置、办理结果输出等。在上述内容基础上，根据业务逻辑构建空间图谱本体，将空间要素与业务要素进行关联并形成网络结构（图13），再进行数字化生成与可视化展示，形成自然资源全域、全要素、全周期数字空间图谱。
图 13 国土空间要素与自然资源业务对象关联模式
Fig.13 The correlation model between territoryl spatial elements and natural resource business objects
资料来源：作者自绘
5.3.2 明确自然资源各业务线之间的关联关系
基于自然资源全要素数据库，可以明确各条业务线之间的关联关系。一方面，各条业务线及其所包含的各业务会在业务主体部门、业务对象、业务流程、业务输出结果等要素方面存在关联，从而产生空间关系、包含关系、逻辑次序关系、相似关系等关联属性；另一方面，可以针对各条业务线及其所包含的各业务的业务主体、适用范围、办件材料、流程规则等关键属性进行特征提取，通过特征数字化、关键因子筛选、层级划分、谱系聚类等步骤，得到自然资源业务谱系及业务簇群。基于自然资源的业务线关联属性、业务谱系及业务簇群，可以从更深的层次分析自然资源各业务的关联关系，为业务体系的优化、不同业务线间的协同、业务办理效率的提升提供指导与参照（图14）。
图 14 自然资源业务线关联关系
Fig.14 Relationship between natural resources business lines
资料来源：作者自绘
6
要素追溯：基于数据融合的空间追溯繁衍
6.1 | 要素追溯原理及内涵
传统的国土空间治理很难实现跨业务行为的数字化追踪，如对同一年份的业务追踪、对同一地籍单元的业务追踪、对同一开发商的业务追踪等。如何有效实现国土空间信息的实时记录、动态关联与追溯反衍始终是业内面临的难题。通过将区块链、安全沙箱、追溯反衍等数字化方法结合起来，要素追溯技术可实现对国土空间业务的全时序跟踪和记录。
要素追溯技术包含区块链、安全沙箱、追溯反衍三个技术模块（图15）。其中：区块链模块用于构建多业务数据环境和可信执行环境，防范外部攻击和数据篡改，保证各方在对等条件下公平地按照预先约定交换数据；安全沙箱模块用于保障数据计算环境的安全，防范非法操作，严格管控数据资产安全；追溯反衍模块的功能包括横向追溯反衍与纵向时间追溯反衍。
图 15 要素追溯技术框架
Fig.15 Technical framework for element traceability
资料来源：作者自绘
6.2 | 要素追溯的策略
6.2.1 区块链模块
区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链由一个共享的、容错的分布式数据库和多节点网络组成，记录数据是其基本功能。与传统方式不同的是，区块链数据库中的数据仅可通过共识算法以块的形式增加，不可修改或删除，以防止篡改。如果有人想要篡改一个区块链上的数据，按照上述过程，他需要修改该数据所在区块以及后续所有与之相关的区块，在浩如烟海的网络世界中，这样的成本是任何人都无法承受的。这就是区块链上的数据能够防止被篡改的原因。由于具有这样的基本特征，任何第三方中介机构都可在未得到授信和授权的情况下，对链上数据进行溯源。因此，区块链技术的优点包括：可以构建多方共识的数据环境和可信执行环境；防范外部攻击和内部篡改；保证各方在对等条件下公平地按照预先约定进行数据交换。
6.2.2 安全沙箱
安全沙箱技术可以有效保障数据不外泄，防范非法操作，严格管控数据资产安全。在每个区块链节点上有一个智能合约执行的安全沙箱，其工作原理如下：执行智能合约时，首先访问元数据，获取私有数据所在位置；然后通过本地私有应用程序编程接口（API）安全地获取加密私有数据，并将在多个执行器间共享传输；执行器也是一个安全沙箱，数据在沙箱内解密并驱动智能合约运转；同时，加密数据获取及智能合约执行的动作在区块链上被记录下来。安全沙箱是一种安全的数据融合机制，打通了大数据价值释放瓶颈，并能够保障数据所有者的资产安全等。
6.2.3 追溯反衍模块
追溯反衍模块主要应用在业务流程的智能化追踪和逻辑关系链推导中，包含横向追溯反衍与纵向时间追溯反衍。其中，横向空间追溯反衍以空间单元为基准，将各业务的数据及其对应的空间单元编号通过区块链技术进行挂接，并将数据内的属性（包含编制年限、用途、治理要素等）以模块化方式同步挂接至区块链中，便于在后期查找资产账本时通过空间单元查找相应的业务内容，同时也可以通过输入属性数据进行跨业务检索；纵向时间追溯反衍以时间轴为基准，可以长时间地对不同时间段的同一业务对象进行跟踪，从而对业务对象的演变历程进行追踪反衍，一方面可以对过往成绩进行评估，另一方面可以预测未来的趋势。
追溯反衍的具体步骤为：建立空间单元数据库；根据校验后的现状数据的边界信息划分空间单元；切分校验后的现状数据、历史数据、规划方案数据，并将切分后的数据关联到与之对应的空间单元，生成每一个空间单元的数据库；基于时间轴，进行数据关联，建立涵盖所有数据年份标签的时间轴；提取空间单元数据库中该空间单元所包含的所有数据的年份标签，并将其连接到时间轴上；将含有同一年份标签的所有空间单元数据库链接在一起。
6.3 | 应用场景
6.3.1 建立以空间单元为基准的自然资源资产账本
在国土空间治理中，使用自然资源资产账本可以有效保证各业务部门的数据安全。例如，将某一空间单元的用地规划许可业务录入资产账本，同时将建设红线图、土地出让合同等数据同步挂接至资产账本后，使用区块链模块及追溯反衍模块就可追踪同类业务、同一空间单元、同一承包商或同一时间段内的相关业务。在整个过程中，安全沙箱技术保证了数据安全及数据归属权的合理分配。
6.3.2 保证各业务部门的数据安全
在每个区块链节点上设置一个执行智能合约的安全沙箱，其作用是保证各业务部门的数据安全。各业务部门并不直接与数据所有者进行数据共享，而是通过数据执行器。其提供安全运算环境和权限控制。通过这一模式，数据所有者可以在不放弃数据所有权的情况下，将数据的使用权让渡给第三方使用而不损害数据隐私安全，实现了数据不外泄、屏蔽非法操作、严格管控数据资产安全。
7
结语
基于对国土空间属性、要素的解析与认知，本文认为国土空间的数字化并不是对原有数据的推倒重来，而是要挖掘国土空间要素与自然资源业务对象的关系，并通过数字化方法实现互联互通、数据共享。在这个“万码奔腾”的时代，破解国土空间治理内在关联机制的关键是追踪空间的唯一性稳定要素，从而实现多数据系统的关联互通。本文对探索新一轮国土空间治理的核心管理逻辑，建设覆盖自然资源的全类型、全过程的数字化治理体系，具有一定的借鉴意义。
参考文献
[1] 杨俊宴, 邵典, 程洋, 等. 数字国土空间治理的“空间码”理论与技术研究[J]. 规划师, 2023, 39(3): 13-19.
[2] 王树声. 中国城市山水风景“基因”及其现代传承: 以古都西安为例[J]. 城市发展研究, 2016, 23(12): 1-4, 28.
[3] 王树声. 隋唐长安城规划手法探析[J]. 城市规划, 2009, 33(6): 55-58, 72.
[4] 韩光辉, 林玉军, 魏丹. 论中国古代城市管理制度的演变和建制城市的形成[J]. 清华大学学报(哲学社会科学版), 2011, 26(4): 58-65, 159.
[5] 黄立. 中国现代城市规划历史研究(1949—1965)[D]. 武汉: 武汉理工大学, 2006.
[6] 叶裕民, 王晨跃. 改革开放40年国土空间规划治理的回顾与展望[J]. 公共管理与政策评论, 2019, 8(6): 25-39.
[7] 王威, 胡业翠. 改革开放以来我国国土整治历程回顾与新构想[J]. 自然资源学报, 2020, 35(1): 53-67.
[8] 柴彦威, 刘伯初, 刘瑜, 等. 基于多源大数据的城市体征诊断指数构建与计算: 以上海市为例[J]. 地理科学, 2018, 38(1): 1-10.
[9] 周俊杰. 国土空间规划“一张图”[J]. 中国建设信息化, 2020(21): 16-17.
[10] 周晓然. 国土空间规划改革背景下规划编制信息化转型思考[J]. 规划师, 2020, 36(18): 65-70.
[11] 张衍毓, 张晓玲, 邓红蒂. 新时代国土空间治理科技创新体系研究[J]. 中国土地科学, 2021, 35(4): 9-16.
[12] 曹俊. 基于形态类型建模解析当代城市形态的数字化方法研究[D]. 南京: 东南大学, 2021.
本文引用格式
[1]杨俊宴，邵典，程洋，等.提取·识别·重组·追溯：国土空间治理的数字特征与传承策略[J].城市学报,2023(1)54-62.
* 本文为《城市学报》原创文章，欢迎在朋友圈转发分享，转载请在后台留言。
排版：雷贺群
校对：尤思涵、牛金华
审核：曾鹏、王峤
