第三章 多源地理數據的採集與整合

在完成第二章關於空間建模（向量與網格）的理論架構後，我們必須面對 GIS 實務中最核心的挑戰：**數據從何而來？** 任何優秀的分析模型，若缺乏準確、高品質且一致性的原始數據，都無法產出可靠的決策支持。本章將探討如何從多樣化的實體環境中擷取空間資訊，並將異質的數據源整合為統一、可供分析的空間資料庫。我們將從核心定位技術、地圖數位化流程，到現代感測技術與數據清洗流程進行深入探討。 ### 3.1 定位技術：從 GPS 到 GNSS 的精確導航 在現代地理資訊系統中，精確的空間定位是所有數據的基礎。雖然許多人習慣稱之為 GPS，但從專業角度來看，我們應使用 **GNSS (Global Navigation Satellite System)** 一詞。 #### 3.1.1 GNSS 與 GPS 的區別 GPS 是美國的衛星定位系統，而 GNSS 是指全球所有的衛星導航系統，包含： * **GPS** (美國) * **GLONASS** (俄羅斯) * **Galileo** (歐盟) * **BeiDou (BDS)** (中國) 整合多個系統（Multi-constellation）能顯著提高在城市高樓密集區或深山密林中的定位穩定性與精度。 #### 3.1.2 精確度等級的實務應用 在 GIS 實務中，我們會根據需求選擇不同的定位精度： 1. **一般定位（米級/Meter-level）：** 適用於一般地圖製作、通用的 GIS 層級建立、如公園範圍界定或基礎路網建立。 2. **高精度定位（釐級/Centimeter-level）：** 透過 **RTK (Real-Time Kinematic)** 或 **PPK (Post-Processed Kinematic)** 技術，結合基站校正訊號，這在土地測量、管線工程定位、自動駕駛導航等極高要求的領域中不可或缺。 ### 3.2 地圖數位化與向量特徵提取 並非所有數據都能直接來自衛星或感測器。許多重要的空間資訊來自於紙本地圖、舊有影像或數位化的地圖掃描件。這時，**地圖數位化（Digitizing）** 便成了關鍵技術。 #### 3.2.1 手動與自動化數位化 * **手動數位化：** 技術人員根據遙測影像或航測地圖，手動繪製多邊形（Polygon）、線條（Line）或點（Point）。此過程強調的是「識別能力」與「規範執行」。 * **自動特徵提取（Feature Extraction）：** 利用機器學習（Machine Learning）或深度學習模型，從高解析度影像中自動識別道路、建築物邊界或植被區域。這在處理大規模城市更新或資源調查時，能顯著提升生產力。 #### 3.2.2 拓撲規則（Topology Rules） 在數位化過程中，必須嚴格遵循拓撲規則。例如： * **無懸掛節點（No Dangling Nodes）：** 確保道路邊界連接完整。 * **無重疊多邊形（No Overlapping Polygons）：** 確保土地區劃不會發生重疊，以免在計算面積時產生誤差。 * **鄰接一致性（Adjacency）：** 確保相鄰的行政區塊邊界完美重合，不產生縫隙。 ### 3.3 多樣化感測源與現場數據擷取 隨著物聯網（IoT）與行動裝置的普及，空間數據的來源變得極為多元。我們不再僅依賴地圖製作者，而是可以從各種感測點獲取實時數據。 #### 3.3.1 遠程感測與感測器（Sensors） 這類數據通常是自動化的。例如： * **水文觀測：** 自動感測器傳送河流水位數據，連同其 GPS 座標，自動更新到地圖上。 * **大氣品質：** 部署在城市各處的感測器，將空氣品質指標（AQI）與空間位置結合，建立即時地圖。 #### 3.3.2 手持式設備與行動式調查 專業技術人員常攜帶手持式 GPS 設備或使用手持式平板電腦進行實地勘查。透過專用的 GIS 應用程式，現場人員可以直接在動態地圖上標記「路燈損壞」、「管線異常」或「環境污染點」，並同步錄入屬性資訊。這種**「現場即時數據擷取」**能極大縮短從實地調查到後端管理系統更新的時程。 ### 3.4 空間數據的清洗與預處理（Data Cleaning） 這是實務中最高頻但最常被忽視的步驟。原始數據往往是「骯髒的」（Dirty Data），直接進入分析系統會導致災難性的錯誤。數據清洗包含以下三個維度： | 處理維度 | 具體內容 | 實務目標 | | :--- | :--- | :--- | | **幾何清洗** | 修復重疊（Overlap）、斷裂（Gap）、自相交（Self-intersection）以及無效幾何形狀。 | 確保空間分析（如緩衝或疊置）時邏輯正確。 | | **座標系統一** | 將所有不同來源的數據（如 WGS84 與 TWD97）統一到同一的**投影座標系統**（Projected CRS）。 | 確保計算距離（公尺）與面積（平方公尺）正確。 | | **屬性標準化** | 處理空值（Null）、修正拼字錯誤（如「Taipei」與「Tai-pei」）、統一數據單位。 | 確保後續的查詢、統計與關聯能正確執行。 | ### 3.5 本章小結 本章探討了從原始空間資訊到「可用數據」的轉化過程。我們從**GNSS技術**確保了空間定位的基石，透過**地圖數位化**將視覺資訊轉化為結構化的向量數據，並利用**多樣感測源**實現數據的動態更新。最後，最重要的**數據清洗**環節，則是確保這批「礦物」能經過提煉，最終成為可供政策制定與營運決策採用的高品質「純金」。 在接下來的第四章「基礎空間運算與幾何處理」中，我們將在這些清洗乾淨的數據基礎上，開始進行運算（如緩衝分析、距離分析等），來解讀空間數據中所蘊含的深層意義。