建立国家土地督察制度是加强土地监管、落实最严格的土地管理制度的一项重要举措。土地督察的目标是守护好土地资源，确保耕地和基本农田的保有量，控制建设用地规模和土地的节约集约利用，维护好地方土地管理秩序^[1]。中国土地督察机构自建立以来，一直存在人员少、督察监管区域面积大、数据多样、业务复杂、任务繁重等问题，充分利用信息化技术成为做好土地督察工作的必然选择^[2-4]。近年来，各督察机构借助在线土地督察系统，利用卫星遥感监测手段，结合群众举报、实地核查等方式排查了大批土地违法违规突出问题，但是旧的土地督察系统仍存在数据分析耗时耗力、系统功能不完善、业务覆盖不全面、开放性和灵活性不足、内外业核查衔接不便捷等突出问题^[5]。本文以问题导向为切入点，以《土地督察发现问题分类指引》为标准，构建问题分析规则和分析模型，设计开发了一种快速分析疑似问题的大数据分析系统——土地督察大数据分析系统，提升了土地督察工作效率。

1 数据分析模型构建 1.1 数据内容

准确完整的土地督察基础数据是开展大数据分析，保障发现问题准确性、全面性的必备条件。土地督察业务涉及土地管理的各个方面，包含了“批、供、用、补、查”等各项业务涉及的空间数据和非空间数据^[5]。按类型土地督察大数据内容分为土地利用和管理类数据、相关涉地部门数据和经济社会综合类数据。土地利用和管理的各类数据包括规划、现状、审批、供应、卫片图斑、影像等；涉地部门数据包括城乡规划、农业等行业专题数据；经济社会数据主要为有关土地管理及相关内容的统计台账数据。本研究针对土地利用和管理类数据，参照自然资源部相关标准，根据各类数据收集现状，依据数据分析要求，在数据格式、空间参考、图层命名、属性字段、空间范围、目录组织等方面做了标准化规定。

1.2 数据分析规则

土地督察工作业务涉及土地利用和管理的各个方面，经过多年实践，形成了不同的土地督察工作方式，包括审核督察、例行督察、专项督察和专题调研等。针对不同的督察方式和督察工作内容，需要对不同的专题数据进行分析，如通过多期遥感影像比对自动或半自动提取疑似新增建设用地监测图斑，将遥感监测图斑与土地利用总体规划图、土地利用现状图、基本农田保护区图、建设用地审批、土地供应等矢量数据进行套合比对，发现疑似新增建设用地不符合土地利用总体规划、占用耕地或基本农田、未报即用、未供即用等各类疑似问题，再核实举证，实现从“变化图斑”到“可疑图斑”再到“违法图斑”的精准确认^[6]。土地督察的核心业务是进行违法用地的识别、提取与确定；疑似问题发现的方式主要是采用审核土地利用管理数据或卷宗，应用卫片图斑对比、数据套合分析和实地调查的方式，对各地土地利用情况进行检查、监督。本文分析研究不同督察业务的数据比对流程，采用GIS(geographic information system)建模技术，构建出批量数据分析模型，通过各类基础数据和业务数据，建立信息化比对分析的技术手段，科学地提供土地督察批量分析发现疑似违法用地的问题清单。

研究以国家土地总督察办公室发布的《土地督察发现问题分类指引》为标准，构建5大类问题分析体系，包括建设用地审批事项、土地供应、土地利用、耕地保护和新增建设用地图斑。不同的问题分析体系涵盖不同的问题分析规则和分析结果清单。在实际督察工作中，根据督察工作内容的不同，选用不同的数据比对分析规则，得出所需的问题清单。例行督察涉及土地利用和管理的方方面面，需要对督察区域“批、供、用、补、查”全面比对，形成全部问题清单；审核督察主要针对建设用地审批情况，需要形成疑似不符合土地利用总体规划审批用地问题清单、疑似审批占用基本农田问题清单和疑似建设用地审批与实际地类(农用地、耕地、建设用地、未利用地)不符问题清单等。本文以遥感监测图斑分析模型和建设用地审批分析模型为例研究。

1) 遥感监测图斑分析模型。遥感监测图斑是多时相遥感影像对比分析提取的变化图斑。遥感监测图斑的变化信息为明显新增加的建设用地的为新增建设用地遥感监测图斑，将已经审批且供应土地的新增建设用地遥感监测图斑认定为合法图斑，其余为疑似违法。构建遥感监测图斑分析模型逻辑为对遥感监测图斑依次进行审批分析、供地分析、规划分析、地类分析和基本农田分析，将分析结果进行汇总统计，按照标准要求进行筛选得到遥感监测图斑疑似问题清单，分析规则如图 1所示。

2) 建设用地审批分析模型。建设用地审批分析为对督察区域内建设用地审批事项的合法性和真实性的监督检查。分析建设用地审批数据所需要的数据内容包含：土地利用现状变更调查数据库、土地利用总体规划及调整数据库(含基本农田保护区图层和规划建设用地管制区图层)。建设用地审批分析主要是对建设用地审批矢量数据分析得到疑似建设用地审批占用基本农田、疑似建设用地审批地类不符、疑似建设用地审批不符合规划等相关问题，分析规则如图 2所示。本模型有效运行将发挥土地督察“预警机”的作用，实时获取政府审批情况，即可进行快速分析，将问题发现在初始，解决在萌芽。

2 系统设计与实现 2.1 系统软件架构设计

土地督察大数据分析系统设计为C/S架构软件，客户端安装运行在高性能计算机上，基于C# + ArcGIS Objects +自定义空间分析类库+组件式技术开发完成，通过底层开发空间数据分析算法(相交、合并、裁剪、融合、选择、连接等)、批量数据分析算法、空间过滤、空间索引等高效算法来提升整体数据分析效率，针对不同的分析模型，建立相应的优化算法，保障每一项分析都快速准确，系统整体架构如图 3所示。

2.2 系统功能设计

系统核心功能模块为批量数据分析模块，主要功能是依据督察业务和分析模型，对数据进行批量分析，发现疑似违法问题，得到疑似问题清单^[7-9]。能够完成对建设用地审批、耕地保护、土地供应、闲置土地、新增建设用地图斑等各类业务问题的分析。同时提供分析比对模块，对地方自查台账与系统分析结果清单进行对比分析，输出两者的不一致清单。此外，系统还提供了卫片图斑对比发现模块和数据及图形操作模块，可进行数据查看、人工辅助比对分析、多时相影像分屏卷帘比对勾绘变化图斑等多种操作。软件运行界面如图 4所示。

2.3 关键技术

研究突破多项关键技术，解决分析效率难点问题，保障系统高效运行。

1) 以问题为导向构建数据分析模型。为提高分析问题的针对性和督察效率，大数据分析系统坚持以问题为导向，设计平台逻辑结构，构建规则化数据组织模型，增强软件设计的耦合性，优化分析算法，提高数据分析效率；其次，增强系统扩展性，实现督察业务的个性化功能定制，可根据督察目标任务，智能化建立分析模块，自行提取不同类型、不同年度数据资料进行综合分析；最后，为提升系统智能化程度，设立了对比纠正模块，具有导入地方自查数据、数据比对、核查清单、抽样复核、导出导入清单等功能，根据督察任务灵活修改输出相应表格，实现一键输出、一步到位。

2)基于R+树的空间索引算法。本文构建的批量数据分析模型涉及多种空间分析运算，包括叠加、合并、裁剪、融合、选择、连接等，且空间运算复杂度较高，在大数据量的空间运算中，算法效率是影响分析速度的重要因素，提升效率的最重要方法是建立高效的空间索引，在进行叠加等各项空间分析中能够进行快速空间过滤，节约时间，提高几何运算速度。当前ArcGIS软件采用在数据范围建立规则格网构建空间索引，而R树和R+树索引利用空间实体的外接矩形来建立空间索引，同时利用包含多个外接矩形的虚拟矩形构建索引树。本研究通过自定义实现R+树索引算法，提升空间检索性能，应用在大范围大数据量的空间分析中，数据分析效率大幅提升，较格网索引在存储重复性和索引效率上有优势。将R+树索引应用在两个矢量面图层的空间叠加操作中，与未使用空间索引直接进行全部遍历计算相比，测试结果如表 1所示，结果表明R+树索引对大数据量空间运算具有高效的空间过滤效果。

同时，将本研究开发的大数据分析系统与ArcGIS Toolbox的人工分析方法、ArcGIS Model Builder模型分析方法对比，分析一个省域例行督察任务的数据需要的时间大大缩减，如表 2所示，除空间检索效率外，在业务定制性和批量数据分析方面，优化数据组织和关键算法，分析范围、时间和准确性大幅提升。

2.4 系统应用

土地督察大数据分析系统转变了以往的人工数据分析方式，加快了数据分析速度，扩展了数据分析范围，分析数据的准确性提高，无需复核。以国家土地督察西安局例行督察为例，面对包括陕西、甘肃、青海省，宁夏、新疆自治区和新疆生产建设兵团的6个省级机构，占全国近1/3的310万km²土地面积，督察人员力量不足，工作距离较远的背景和条件，数十人开展数据分析需要的时间就长达3~4个月，进行驻地督察和实地核查又要2~3个月的时间。本系统应用在该局2017年、2018年土地例行督察工作中得到了充分应用，两人仅需两周即可将全部数据分析完毕，减少了督察准备时间，缩减了驻地督察时间，极大提升了土地督察工作效率。

3 结束语

《土地督察发现问题分类指引》是土地督察机构经过多年实践对发现问题分类、表述、判断进行的全面系统梳理和规范统一，共细分出了9方面、37类、111种问题类型。本系统仅针对部分问题类型进行了分析规则建模和批量分析算法研究，其他问题类型因为数据或需要综合判断等因素并未构建自动化的分析模型。随着信息化技术手段的提升，数据获取更便捷、全面，本系统将逐步扩充更加智能化的分析模型，采用分布式计算进一步提升数据分析速度。