赵辉,李琦

(1.水利部水土保持监测中心，100055，北京；2.北京水保生态工程咨询有限公司，100055，北京)



区域水土流失动态监测评价的大数据分析基础与对策

赵辉1,李琦2

(1.水利部水土保持监测中心，100055，北京；2.北京水保生态工程咨询有限公司，100055，北京)

区域水土流失动态监测评价的目的是掌握水土流失状况及其防治成效，建成并运用大数据进行分析，可充分利用数据资源，提高监测成果的科学性、完整性和时效性。通过大数据采集与知识挖掘，构建区域水土流失动态监测评价数据集(或集合)，再利用云网络计算平台，实现基于大数据的动态监测与分析评价。文章针对区域水土流失动态监测与评价的方法和数据基础，从完善顶层设计入手，实现大数据融合与共享，推进数据标准化建设，创新大数据和云网络服务方式，完善监测站网信息采集和大数据网络基础设施建设，探索基于大数据的区域水土流失动态监测评价方法和实现途径，并提出其大数据构成与分析流程，以及应用大数据分析的对策与建议。

水土流失； 动态监测； 分析评价； 大数据； 区域

当前，中国已进入“互联网+”时代，国家大力推进基础信息资源、大数据中心以及基于互联网的“云计算网络”建设，信息化与大数据分析已成为实现国家战略转型发展的重要手段。水土流失动态监测与评价是一项基础性工作，目的是及时掌握区域或国家水土流失状况及其防治成效，为生态文明建设与政府宏观决策以及社会公众服务[1]。中国区域水土流失动态监测与评价工作起步较晚，受投入经费不足、基础数据获取周期长以及分析评价方法有待完善等因素影响，监测成果时效性、完整性和科学性较差，难已满足新时期水土保持行业管理与社会经济发展需要。

截至2015年，中国先后开展了4次土壤侵蚀普查，各地也开展了一些重点区域或支流的水土流失动态监测，积累了大量基础信息。当前，国土、气象、环保、水利水文和林业等部门都在发展基于行业的大数据或云数据，相关科研院校也积累了海量基础信息或研究成果[2-4]；但大都各自为政，分别存储和使用，未实现有效的资源共享与挖掘利用，造成重复建设或资源浪费。一些学者也开始探索大数据在水土保持监测中的应用[5-6]。新时期，如何推进大数据分析在区域水土流失动态监测与评价中的应用，是实现基础数据或资源有效共享，提升监测评价的快速反应能力和成果科学性的有效途径。本文针对区域水土流失动态监测与评价的方法与数据基础，提出其大数据构成与分析流程，以及应用大数据分析的对策与建议。

1　区域水土流失动态监测评价方法及其数据基础

1.1定性分析的监测评价方法及其数据基础[7-8]

定性分析的监测评价方法，可用于水力、风力侵蚀地区监测评价。

E=f(x1,x2,x3…xn)。

(1)

式中：E为土壤侵蚀强度，按土壤侵蚀分类分级标准[9]定性判断；xn为土壤侵蚀影响判别因子，如土地利用、植被覆盖、坡度和土壤等。基础数据包括土地利用类型与面积、坡度及植被覆盖度等，可通过资料收集、遥感监测、调查等途径获得。1.2抽样统计分析监测评价方法及其数据基础[8]

在水蚀地区，采用中国土壤流失方程计算[10-11]，基础数据包括降雨侵蚀力、土壤可蚀性、坡长和坡度、植被覆盖与生物措施、工程措施和耕作措施等因子监测数据或赋值；在风蚀地区，主要采用耕地、草(灌)地和沙地风力侵蚀模型计算[12]，基础数据包括风力等级或风速、表土湿度、风速累积时间、地表粗糙度和植被盖度等；在冻融侵蚀地区，主要采用影响因子综合评价法进行评价[13]，基础数据包括年冻融日循环时间、日均冻融相变水量、年均降水量、坡度、坡向和植被盖度等，一般可通过资料收集、调查统计、实地观测和遥感监测等途径获取。

1.3综合指数法的监测评价方法及其数据基础[7]

综合指数法是基于监测评价指标体系，计算水土保持综合指数，通过指数消长、动态评价区域水土流失状况及其防治效果的监测方法。目前，有学者提出，可用于地方政府水土保持目标考核[14]。

C =Σ(x1,x2,x3,…,xn)。

(2)

式中：C为水土保持综合指数，介于0～100；xn分别为水土流失状况、综合治理、预防保护、生态环境和社会经济状况等指标项得分，依据指标体系及其权重赋分。基础数据为上述指标监测或统计数据，可通过资料收集、调查统计和遥感监测等途径获取。

1.4遥感和统计的监测评价方法及其数据基础[7]

该方法可弥补传统抽样方法对下垫面简单概化的不足。国内已有学者运用该方法，统计分析区域水土流失[15-17]，但鲜有区域监测评价的研究成果发表。基础数据包括遥感影像、植被覆盖度、坡度以及用于动态评价的抽样单元或样区调查监测数据等，可通过资料收集、遥感监测和调查统计等途径获取。

1.5分布式模型的监测评价方法及其数据基础[7]

通过构建具有物理基础的分布式模型，定量评价水土流失状况的监测方法。目前，中国引进了大量分布式模型，应用于流域、区域水土流失或产流产沙研究[18-19]。基础数据可分为用于建模的长序列观测数据和用于分析评价的动态更新数据，包括降雨与径流等侵蚀外营力因子值及其过程特征、地形地貌特征、土地利用类型与面积、植被构成及覆盖状况，以及流域产流产沙等，涉及面广、量大，对象复杂，可通过地面观测、遥感监测和调查等途径获取。

2　大数据与区域水土流失动态监测评价

2.1基础数据分类

监测评价方法不同，基础数据不尽相同。依据数据属性和获取手段，可分为基础静态数据、动态更新数据和分析评价数据。基础数据分类见表1。

2.1.1基础静态数据指反映区域基本特征，且在较长时间尺度内保持相对稳定，或满足监测评价要求、无需动态更新的数据。包括反映区域基本特征的基本属性数据，基于长序列观测数据的序列统计数据，以及一定时间尺度内变幅较小且可满足监测评价要求的静态相对稳定数据。

2.1.2动态更新数据是对应不同监测评价方法实时获取或动态更新的数据。可分为利用仪器或设施观测或调查获取的实时观测数据，根据实时观测数据，对序列统计数据进行序列延伸的统计更新数据，以及1年或更长时间段内、适时更新即可满足监测评价需要的状态更新数据。

2.1.3分析评价数据指通过分析计算或综合评价获取的数据。可分为利用观测数据和模型计算得到的因子计算数据，基于模型或指标体系，分析计算反映总体特征的综合评价数据，以及对特定时间段、水土流失状况及其防治效果进行动态对比，获取的动态分析数据。

2.2大数据构成与动态监测评价应用

大数据具有海量、高增长率和多样化特性。作为决策支撑，区域水土流失动态监测评价要求快速、全面和准确，并适应不同层级的管理需求，利用已建成的大数据是关键。

表1(续)

1)要充分利用已有相关行业大数据，通过数据采集、管理、挖掘与共享等手段，并结合水土保持监测，获取区域监测评价的基础数据；针对监测评价 “云数据”的多源异构性、动态性和无限增长性特征，实施数据非结构化存储和有效管理，为数据检索、调用奠定基础。

2)应利用大数据或“云”共享平台，运用科学方法和手段，通过采集、共享或挖掘，建立区域水土流失动态监测评价基础数据与成果共享平台，与相关行业大数据或“云数据”实现相互融合与共享，建成区域水土流失动态监测评价的虚拟或实体基础数据集(或集合)，以及大数据共享云，做好数据准备。

3)要基于网络或数据库中间件工具，构建区域水土流失监测评价的云计算模式或流程，通过降维、标准化处理与实时抽取等，实现大数据的瞬时调用，并根据动态监测评价方法与定性或定量模型，利用网络或本地虚拟工作站，进行云网络计算，获取分析评价成果。

图1　区域水土流失动态监测与评价的大数据构成与分析流程图Fig.1　Big data composition and analysis process for dynamic monitoring and evaluation of regional soil and water loss

4)构建区域动态监测评价的云数据存储平台，实施云数据的编目、管理、查询、动态更新与维护、反馈、共享与发布，实现监测评价成果的输出与本地可视化，并与区域、政府水土保持、生态环境智能化决策系统或平台对接，快捷服务于行业管理与政府宏观决策。构建大数据，进行知识挖掘，并创新大数据处理模式，将有效提高监测评价的科学性和时效性。

区域水土流失动态监测与评价的大数据构成与分析流程见图1。

3　区域水土流失动态监测评价大数据分析的对策与建议

3.1整合大数据，建设大数据中心和共享服务平台

要加快并完善国家大数据顶层设计，基于分布式架构，实现国家、区域或大流域、地区分层级的统筹与规划，明确各行业大数据的建设重点内容，以及与大数据中心的接入或共享机制，实现行业整合、区域整合。同步建成国家、区域或地方大数据中心，并明确行业中间件标准接口配置或定制方案，实现公共数据与专属数据的无缝对接，避免各自为政、封闭运行和重复建设，提高大数据资源使用效率。区域水土流失动态监测与评价，要充分利用大数据资源，逐步提高大数据采集与知识挖掘能力，快捷有效地推进大数据应用与共享服务。

3.2推进数据标准化建设，创新大数据云网络服务方式

区域水土流失动态监测评价涉及水利水保、国土、气象、水文、林业和资源环境等领域，对象复杂。要利用大数据，首先要对基础数据进行标准化建设，建立基础数据的元数据标准，并实现与大数据元数据标准的统一和融合，增强大数据检索、降维存储与实时抽取调用功能，实现与大数据共享平台的无缝对接。同时，创新大数据和云网络服务方式，主动适应大数据的分布式架构或云计算服务方式，充分利用部门、行业或综合大数据共享信息及服务平台，增强大数据挖掘能力，完善数据采集、处理、分析、存储管理、动态更新与共享发布等云网络计算流程或工作模式，开放、务实地融入大数据时代。

3.3完善基于大数据的区域水土流失动态监测与评价方法

1)基于大数据，完善数据采集、挖掘和利用的手段与方法，实现基础数据的资源共享利用与快速调取。

2)研究适用于多层级、分布式云计算网络或平台的监测评价方法，完善并优化监测评价技术流程与工作模式，并适应大数据快速更新和高增长率的特点，提高监测评价的快速反应能力。

3)要加强监测评价的智能化分析能力建设，通过专家智库的系统后台支持，提高动态监测的科学性、完整性和时效性。

4)提高监测评价成果的决策支撑与云应用服务能力，通过云共享模式，与各级政府大数据与决策支持系统对接，实现决策服务、信息共享与对外发布。

3.4完善监测站网信息采集和大数据网络基础能力建设

完善水土保持监测站网是区域水土流失监测评价工作的基础，也是基础数据的重要来源。

1)完善水土保持监测站网布局，提升建设标准和监测能力，实现数据采集自动化、标准化和信息化。

2)实现站网监测信息与大数据中心的上传对接与融合共享，革新信息获取的途径与挖掘方式。

3)要大力推进大数据中心与云计算网络基础设施建设，开发中间件，完善数据库与系统接口定制，提高各级水土保持监测机构的大数据应用能力。

4)要培养锻炼一支精干、高效的技术队伍，充分掌握大数据应用知识，创新工作方法，促进大数据与云计算在区域水土流失监测评价和水土保持行业中的应用。

4　结束语与讨论

区域水土流失动态监测与评价的基本目的是掌握水土流失状况及其防治成效，建成并运用大数据进行分析，充分利用数据资源，提高监测成果的科学性、完整性和时效性。通过大数据采集与知识挖掘，构建区域水土流失动态监测与评价数据集(或集合)，再利用云网络计算平台，可实现基于大数据的动态监测与分析评价。近期，应完善顶层设计，实现大数据融合与共享，推进数据标准化建设，创新大数据和云网络服务方式，完善监测站网信息采集和大数据网络基础设施建设，探索并完善基于大数据的区域水土流失动态监测与评价方法和实现途径。

大数据建成与运用是一个渐进过程，也是互联网+和信息化发展的必然趋势，要求实现国家、行业、区域统筹规划与协调发展。当前，可利用业已成熟的方法，逐步对接大数据中心，充分利用大数据资源和云计算网络，构建大数据管理、应用和共享平台，试点开展特定区域的水土流失动态监测与评价，并借此完善基础设施，优化基于大数据的区域水土流失动态监测与评价的技术流程和工作模式。在此基础上，规范并推广应用。同时，要进一步开放思维，充分借助行政和经济的手段，辅之以基础研究，共同推进大数据在区域水土流失监测评价和水土保持行业中的应用。

[1]郭索彦,李智广.我国水土保持监测的发展历程与成就[J].中国水土保持科学,2009,7(5)：19.

Guo Suoyan,Li Zhiguang.Development and achievements of soil and water conservation monitoring in China[J].Science of Soil and Water Conservation,2009,7(5)：19.(in Chinese)

[2]沈利强,都金康,胡裕军.大数据量三维地形实时可视化的扩展算法[J].南京大学学报(自然科学版),2008,44(3)：297.

Shen Liqiang，Du Jinkang，Hu Yujun.Extended algorithm of real-time rendering for 3D terrain in the large volume of data[J].Journal of Nanjing University (Natural Sciences)，2008,44(3)：297.(in Chinese)

[3]李永生,刘修伟,杨玉红.气象大数据跨平台分析与应用技术研究[J].电脑知识与技术,2013,9(31)：6943.

Li Yongsheng,Liu Xiuwei,Yang Yuhong.The research of cross-platform analysis and application technology for big meteorological Data[J].Computer Knowledge and Technology,2013,9(31)：6943.(in Chinese)

[4]夏润亮,冯兴凯,何明民,等.基于模型标准化的水利数值模拟云服务平台研究[J].水利信息化,2015,(6)：1.

Xia Runliang,Feng Xingkai,He Mingmin,et al.Research on cloud service platform for hydraulic numerical stimulation based on model standardization[J].Water Resources Informatization,2015,(6)：1.(in Chinese)

[5]朱清科,马欢.我国智慧水土保持体系初探[J].中国水土保持科学,2015,13(4)：117.

Zhu Qingke，Ma Huan.Preliminary study on smart soil and water conservation in China[J].Science of Soil and Water Conservation,2015,13(4)：117.(in Chinese)

[6]衣强.大数据与水土保持监测[J].中国水土保持科学,2015,13(4)：123.

Yi Qiang.Big data and soil and water conservation monitoring[J].Science of Soil and Water Conservation,2015,13(4)：123.(in Chinese)

[7]赵辉,黎家作,李晶晶.中国水土流失动态监测与评价的现状与对策[J].水土保持通报,2016,36(1)：115.

Zhao Hui,Li Jiazuo,Li Jingjing.Present situation and countermeasures of dynamic monitoring and evaluation of soil and water loss in China[J].Bulletin of Soil and Water Conservation,2016,36(1)：115.(in Chinese)

[8]水利部水土保持监测中心.水土流失动态监测方法研究[M].北京:中国水利水电出版社,2011:50-61.

Monitoring center of soil and water conservation,Ministry of Water Resources.Study on dynamic monitoring method of soil and water loss[M].Beijing:China Water & Power Press,2011:50-61.(in Chinese)

[9]中华人民共和国水利部.土壤侵蚀分类分级标准：SL190—2007[S].北京:中国水利水电出版社,2008：8.

Ministry of Water Resources.SL 190-2007 Standards for classification and gradation of soil erosion[S].Beijing:China Water & Power Press,2018：8.(in Chinese)

[10] 李智广,符素华,刘宝元.我国水力侵蚀抽样调查方法[J].中国水土保持科学,2012,10(1)：77.

Li Zhiguang,Fu Suhua,Liu Baoyuan.Sampling program of water erosion inventory in the first national water resource survey[J].Science of Soil and Water Conservation,2012,10(1)：77.(in Chinese)

[11] 刘宝元,郭索彦,李智广,等.中国水力侵蚀抽样调查[J].中国水土保持,2013,(10)：26.

Liu Baoyuan,Guo Suoyan,Li Zhiguang，et al.Sampling survey of water erosion in China[J].Soil and Water Conservation in China,2013,(10)：26.(in Chinese)

[12] 李智广,邹学勇,程宏.我国风力侵蚀抽样调查方法[J].中国水土保持科学,2013,11(4)：17.

Li Zhiguang,Zou Xueyong,Cheng Hong.Method of wind erosion sampling survey in China[J].Science of Soil and Water Conservation,2013,11(4)：17.(in Chinese)

[13] 李智广,刘淑珍,张建国,等.我国冻融侵蚀的调查方法[J].中国水土保持科学,2012,10(4)：1.

Li Zhiguang,Liu Shuzhen,Zhang Jianguo,et al.Survey method of freeze-thaw erosion in China[J].Science of Soil and Water Conservation,2012,10(4)：1.(in Chinese)

[14] 姜德文.水土保持公报的改革方向与内容趋向[J].中国水土保持,2015,(7)：1.

Jiang Dewen.Reform direction and content trend of water and soil conservation bulletin[J].Soil and Water Conservation in China,2015,(7)：1.(in Chinese)

[15] 马驰,卢玉东.地统计方法在土石山区土壤侵蚀空间变异性研究的应用[J].水土保持研究,2006,13(4)：72.

Ma Chi,Lu Yudong.Advance in spatial variability of soil erosion in mountainous area by using geostatistics[J].Research of Soil and Water Conservation,2006,13(4)：72.(in Chinese)

[16] 陈志强,陈志彪,陈明华.福建省水土流失强度的地统计分析[J].自然资源学报,2011,26(8)：1394.

Chen Zhiqiang,Chen Zhibiao,Chen Minghua.Geostatistical analysis on soil and water loss in Fujian province [J].Journal of Natural Resources,2011,26(8)：1394.(in Chinese)

[17] 傅伯杰,赵文武,陈利顶,等.多尺度土壤侵蚀评价指数[J].科学通报,2006,51(16):1936.

Fu Bojie,Zhao Wenwu,Chen Liding,et al.Assessment index of multi-scale soil erosion[J].Science Bulletin,2006,51(16):1936.(in Chinese)

[18] Arnold J G,Srinivasan R,Muttiah R S,et al.Large-area hydrologic modeling and assessment (part I):Model development[J].Jawra Journal of American Water Resources Association，1998,34(1):73.

[19] 祁伟,曹文洪,郭庆超,等.小流域侵蚀产沙分布式数学模型的研究[J].中国水土保持科学,2004,2(1):16.

Qi Wei,Cao Wenhong,Guo Qingchao，et al.Study on a distributed model for soil erosion and sediment yield in small watersheds[J].Science of Soil and Water Conservation,2004,2(1):16.(in Chinese)

Foundations and countermeasures on big data analysis for dynamic monitoring and evaluation of regional soil and water loss

Zhao Hui1，Li Qi2

(1.Monitoring Center of Soil and Water Conservation,Ministry of Water Resources,100055,Beijing,China;2.Beijing Soil and Water Conservation Eco-Engineering Consultation Co.,Ltd.,100055,Beijing,China)

[Background] Well-managing the current status of soil erosion and the achievements of prevention,are the purposes of dynamic monitoring and evaluation of regional soil and water loss.The methods of dynamic monitoring and evaluation of regional soil and water loss in China can be divided into five categories as following:qualitative analysis method,sampling statistical analysis method,the method based on composite index,the method based on geostatistical analysis and remote sensing monitoring,and the method based on distributed models.All these methods require tremendous amount of basic data and the support of big data technique.While the big data is built up and analyzed sufficiently,the data resources can be fully mined,and the scientificity,integrity and timeliness of the dynamic monitoring can be improved significantly.[Methods] The big data for dynamic monitoring and evaluation of regional soil and water loss are consisted of basic and static data,dynamic and updated data,and analysis and evaluation data.Most of these data,beside monitoring and observation of soil and water conservation,can be collected and mined from water resources and hydrology big data,territorial resources big data,meteorology big data,forestry and agriculture big data and so on.Dynamic monitoring and evaluation based on big data can be achieved by collecting and mining data,building data assembles of dynamic monitoring and evaluation of regional soil and water loss,and utilizing the calculation platform of cloud-based network.[Results] In the near term,the top-level design should be improved:to build the centers of big data,to implement the integration and sharing of big data,to promote the standardization of data,to innovate the mode of big data and cloud network services,to improve the information collection from monitoring network and infrastructure construction of data network,and finally to explore and improve the methods of regional soil and water loss dynamic monitoring and evaluation based on big data.[Conclusions] We should promote big data co-ordination on national,industry and regional levels gradually,unify the big data standards; and then utilize the existing resources of big data sufficiently such as water resources and hydrology big data,territorial resources big data,meteorology big data,forestry and agriculture big data and so on.We also should establish the management,application and sharing platform of big data,use the administrative and economic measures—accompanied by the necessary basic research and the construction of professional teams—so as to jointly promote the application of big data in the fields of regional soil erosion monitoring and evaluation and soil and water conservation industry,and to assist governmental decision-making for economic and social development.

soil and water loss; dynamic monitoring; analysis and evaluation; big data; region

2016-04-29

2016-06-07

项目名称：水利部财政预算项目“全国水土流失动态监测与公告项目”(1261521610273)

赵辉(1971—)，男，博士，教授级高级工程师。主要研究方向：土壤侵蚀与水土保持监测技术。E-mail：7166zhaohui@163.com

S157.1

A

1672-3007(2016)04-0068-07

10.16843/j.sswc.2016.04.009