空间数据质量控制常用方法

A. 质量控制方法的常用的质量控制方法

1．分层法
分层法又名层别法，是将不同类型的数据按照同一性质或同一条件进行分类，从而找出其内在的统计规律的统计方法。常用分类方式有按操作人员分、按使用设备分、按工作时间分、按使用原材料分、按工艺方法分、按工作环境分等。这是分析影响产品质量原因及责任的一种基本方法，经常与统计调查表结合使用。
2．调查表
3．因果图
上图是对相片冲印效果不理想寻找其原因形成的因果图。图中可以看出，原因被归为工人、机械、方法、材料、环境等六类，每一类下面又有不同的子原因。
4．排列图
5．散布图
散布图又称相关图，在质量控制中它是用来显示两种质量数据之间关系的一种图形。质量数据之间的关系多属相关关系。，一般有三种类型：一是质量特性和影响因素之间的关系；二是质量特性和质量特性之间的关系；三是影响因素和影响因素之间的关系。
可以用Y和x分别表示质量特性值和影响因素，通过绘制散布图，计算相关系数等，分析研究两个变量之间是否存在相关关系，以及这种关系密切程度如何，进而对相关程度密切的两个变量，通过对其中一个变量的观察控制，去估计控制另一个变量的数值，以达到保证产品质量的目的。
6．直方图
直方图法，即频数分布直方图法，它是将收集到的质量数据进行分组整理，绘制成频数分布直方图，用以描述质量分布状态的一种分析方法，所以又称质量分布图法。
直方图是用横坐标标注质量特性值，纵坐标标注频数或频率值，各组的频数或频率的大小用直方柱的高度表示的图形。
1)直方图的绘制步骤
直方图绘制主要有以下几个步骤：
(1)收集数据；
(2)找出数据中最大值L、最小值s和极差R；
(3)确定数据的大致分组数K。分组数可以按照经验公式K=1+3．322lgn确定；
(4)确定分组组距h；
(5)计算各组上下限，首先确定第一组下限值，应注意使最小值s包含在第一组中，且使数据观测值不落在上、下限上，然后依次加入组距h，便可得各组上下限值；
(6)计算各组中心值b_i、频数f_i和频率P_i，b_i=(第i组下限值+第i组上限值)/2，频数f_i就是n个数据落入第i组的数据个数，而频数P_i=f_i/n；
(7)绘制直方图，以频数(或频率)为纵坐标，数据观测值为横坐标，以组距为底边，数据观测值落入各组的频数f_i(或频率P_i)为高，画出一系列矩形，这样就得到图形为频数(或频率)直方图。
2)直方图的观察与分析
从直方图可以直观地看出产品质量特性的分布形态，便于判断过程是否出于控制状态，以决定是否采取相应对策措施。直方图从分布类型上来说，可以分为正常型和异常型。正常型是指整体形状左右对称的图形，此时过程处于稳定(统计控制状态)，如下图(a)所示。如果是异常型，就要分析原因，加以处理。常见的异常型主要有五种。
(1)双峰型(下图(b))：直方图出现两个峰。主要原因是观测值来自两个总体，两个分布的数据}昆合在一起造成的，此时数据应加以分层。
(2)锯齿型(下图(C))：直方图呈现凹凸不平现象。这是由于作直方图时数据分组太多，测量仪器误差过大或观测数据不准确等造成的，此时应重新收集和整理数据。
(3)偏态型(下图(d))：直方图的顶峰偏向左侧或右侧。当公差下限受到限制(如单侧形位公差)或某种加工习惯(如孔加工往往偏小)容易造成偏左；当公差上限受到限制或轴外圆加工时，直方图呈现偏右形态。
(4)平台型(下图(e))：直方图顶峰不明显，呈平顶型。主要原因是多个总体和分布混合在一起，或者生产过程中某种缓慢的倾向在起作用(如工具磨损、操作者疲劳等)。
7．控制图
控制图又称管理图。控制图是对生产过程中产品质量状况进行实时控制的统计工具，是质量控制中最重要的方法。控制图可以说是直方图的一种变形，其将直方图顺向转90。反转，再绘制中心线和上下控制限。中心线为样本某统计量的均值，上下控制限分别为均值基础上的正负三倍标准差。控制图较直方图最大的特点是引入了时间序列，通过观察样本点相关统计值是否在控制限内以判断过程是否受控，通过观察样本点排列是否随机从而及时发现异常。控制图较直方图在质量预防和过程控制能力方面大为改进。
控制图的主要用途有：分析判断生产过程是否稳定；及时发现生产中异常情况，预防不合格品产生；检查生产设备和工艺装备的精度是否满足生产要求；对产品进行质量评定。
1)控制图的原理
控制图的设计是建立在以下的假设理论基础上的，首先为正态性假设：假定质量特性值在生产过程中的波动服从正态分布；其次是遵从3σ准则：若质量特性值X服从正态分布N(μ，σ^2)，根据正态分布概率性质，X的实际取值范围在(μ一3σ，μ+3σ)之内。据此原理，若对X设计控制图，则中心线CL=μ，上下控制界限分别为UCL=μ一3σ，LCL=μ+3σ；第三是小概率原理：小概率原理是指小概率的事件一般不会发生。当生产中不存在系统误差时，产品质量特性(总体)服从正态分布，样品值出现在均值加减3σ范围内的概率为0．9973。根据相关统计定理，如果生产处于受控状态，则认为样品值一定落在此3σ范围内，如果超出，则认为生产过程发生异常变化。
2)控制图的基本种类
(1)按产品质量的特性分类，控制图可分为计量值控制图和计数值控制图。
①计量值控制图。用于产品质量特性为计量值情形，如长度、质量、时间、强度等连续变量。常用的计量值控制图有：均值——极差控制图(X—R图)；中位数——极差控制图(X—R图)；单值——移动极差控制图(X一Rs图)；均值——标准差控制图(X—S图)。
②计数值控制图。用于产品质量特性为不合格品数、不合格品率、缺陷数等离散变量。常用的计数值控制图有：不合格品率控制图(P图)；不合格品数控制图(Pn图)；单位缺陷数控制图(U图)；缺陷数控制图(C图)。
(2)按控制图的用途来分，可以分为分析用控制图和控制用控制图。
①分析用控制图。分析用控制图用于分析生产过程是否处于统计控制状态。若经分析后，生产过程处于控制状态且满足质量要求，则把分析用控制图转化为控制用控制图；若经分析后，生产过程处于非统计控制状态，则应查找原因并加以消除。
②控制用控制图。控制用控制图由分析控制图转化而来，用于对生产过程进行连续监控。生产过程中，按照确定的抽样间隔和样本大小抽取样本，在控制图上描点，判断是否处于受控状态。
3)控制图的制作
下面以均值一极差控制图为例说明控制图的制作与分析方法。均值一极差控制图是图(均值控制图)和尺图(极差控制图)联合使用的一种控制图，前者用于判断生产过程是否处于或保持在所要求的受控状态，后者用于判断生产过程的标准差是否处于或保持在所要求的受控状态。在制作时首先收集数据并加以分组；其次计算每组的样本均值和极差；据此计算总均值和极差平均；计算x图R图的控制界限；再次根据各样本的均值和极差在控制图上描点，绘制控制图；最后分析生产过程是否处于控制状态。
4)控制图的分析
(1)控制图的判别规则。生产过程正常情况下，质量特性值遵从正态分布且不会超过控制界限的。当控制图中的数据点同时满足下面规则，则认为生产过程处于统计控制状态。
规则1：每一个数据点均落在控制界限内。
规则2：控制界限内数据点排列无异常情况。
(2)控制图异常情况类型。点子排列没有缺陷，是指点子的排列是随机的，而没有出现异常现象。这里的异常现象是指点子排列出现了“链”、“趋势”、“周期性变动”、“接近控制界限”等情况。
①链：是指点子连续出现在中心线一侧的现象。判断规则：数据点连续7点或更多点在中心线同一侧；连续11点中至少有10点在中心线同一侧；连续14点中至少有12点在中心线同一侧；连续17点中至少有14点在中心线同一侧；连续20点中至少有16点在中心线同一侧。
②趋势或倾向：是指点子连续上升或连续下降的现象。判断规则：连续7点或更多点单调上升或下降。
③周期性变动：即点子的排列显示周期性变化的现象。
④接近控制界限：即太多的数据点接近中心线。
判断规则：连续3点中至少有2点落在2σ与3σ界限之间；连续7点中至少有3点落在2σ与3σ界限之间。

B. 数据质量的控制方法

一个战略性和系统性的方法能帮助企业正确研究企业的数据质量项目，业务部门与 IT 部门的相关人员将各自具有明确角色和责任，配备正确的技术和工具，以应对数据质量控制的挑战。
Informatica 的六步法为帮助指导数据质量控制而设计，从初始的数据探查到持续监测以及持续进行的数据优化。业务部门与 IT 部门的数据使用者 — 业务分析师、数据管理员、IT 开发人员和管理员，能够在六个步骤的每一步中协同使用 Informatica 数据质量解决方案；并在整个扩展型企业的所有数据领域和应用程序中嵌入数据质量控制。
步骤一：探查数据内容、结构和异常
第一步是探查数据以发现和评估数据的内容、结构和异常。通过探查，可以识别数据的优势和弱势，帮助企业确定项目计划。一个关键目标就是明确指出数据错误和问题，例如将会给业务流程带来威胁的不一致和冗余。
步骤二：建立数据质量度量并明确目标
Informatica的数据质量解决方案为业务人员和IT人员提供了一个共同的平台建立和完善度量标准，用户可以在数据质量记分卡中跟踪度量标准的达标情况，并通过电子邮件发送URL来与相关人员随时进行共享。
步骤三：设计和实施数据质量业务规则
明确企业的数据质量规则，即，可重复使用的业务逻辑，管理如何清洗数据和解析用于支持目标应用字段和数据。业务部门和IT部门通过使用基于角色的功能，一同设计、测试、完善和实施数据质量业务规则，以达成最好的结果。
步骤四：将数据质量规则构建到数据集成过程中
Informatica Data Quality支持普遍深入的数据质量控制，使用户可以从扩展型企业中的任何位置跨任何数量的应用程序、在一个基于服务的架构中作为一项服务来执行业务规则。数据质量服务由可集中管理、独立于应用程序并可重复使用的业务规则构成，可用来执行探查、清洗、标准化、名称与地址匹配以及监测。
步骤五：检查异常并完善规则
在执行数据质量流程后，大多数记录将会被清洗和标准化，并达到企业所设定的数据质量目标。然而，无可避免，仍会存在一些没有被清洗的劣质数据，此时则需要完善控制数据质量的业务规则。Informatica Data Quality可捕获和突显数据质量异常和异常值，以便更进一步的探查和分析。
步骤六：对照目标，监测数据质量
数据质量控制不应为一次性的“边设边忘”活动。相对目标和在整个业务应用中持续监测和管理数据质量对于保持和改进高水平的数据质量性能而言是至关重要的。Informatica Data Quality包括一个记分卡工具，而仪表板和报告选项则具备更为广泛的功能，可进行动态报告以及以更具可视化的方式呈现。 上面介绍的Informatica六步法，该方法运用Informatica数据质量解决方案，提供公司所需要的各种数据质量管理能力，并确保其所有数据均是完整的、一致的、准确的、通用的。该解决方案包括几个针对特定用途优化的组件：
Informatica Data Explorer运用基于角色的工具可促进业务部门与IT部门之间的协作，该数据探查软件发现和分析任何来源中任何类型数据的内容、结构和缺陷。
Informatica Data Quality软件执行清洗、解析、标准化和匹配流程并使得可视记分卡和仪表盘上的持续监测得以进行。与Informatica data Explorer类似，它特有基于角色的工具，业务部门和IT部门可以借此得以协同工作。
Informatica Identity Resolution软件能使各机构从60多个国家/地区以及各企业和第三方应用程序中搜寻和匹配一致数据。 Informatica数据质量解决方案为业务部门与IT部门间的协作提供基础。其基于角色的工具特色设计使得业务分析师、数据管理员、IT开发人员和管理员能够充分利用他们独特的技能体系，并在流程中与所有相关人员沟通。
Informatica Analyst:适用于业务分析师和数据管理员。通过用语义术语表述数据，该款基于浏览器的工具使分析师和数据管理员能够探查数据、创建和分析质量记分卡、管理异常记录、开发和使用规则，以及与IT部门展开协作。
Informatica Developer: 适用于IT开发人员。这个基于Eclipse的开发环境允许开发人员发现、访问、分析、探查和清晰处于任何位置的数据。开发人员可以为逻辑数据对象建模，将数据质量规则与复杂转换逻辑合并，并在逻辑制定后，进行中游探查以验证和调试逻辑。
Informatica Administrator: 适用于IT管理员。该工具为IT管理员带来集中配置和管理的能力。管理员可以监测和管理安全性、用户访问、数据服务、网格和高可用性配置。

C. 在地理信息系统中空间数据质量控制中的地理相关法的基本实现策略是什么

这么专业的问题。。。这。。。
地理相关法在GIS中是空间数据质量控制中的一个很常用的方法，是用空间数据自身的相关性来分析的，实现策略如下：
1. 建立一个知识库，这个一定要和地理要素相关的；
2.

D. 空间数据质量控制的定义

空间数据的质量控制是针对空间数据的特点来进行的，空间数据的质量主要包括数据完整性 、数据逻辑一致性、数据位置精度、数据属性精度、数据时间精度以及一些关于数据的说明 。空间数据的质量控制就是通过采用科学的方法，制定出空间数据的生产技术规程，并采取 一系列切实有效的方法在空间数据的生产过程中，针对空间数据质量的关键性问题予以精度 控制和错误改正，以保证空间数据的质量。

E. GIS数据质量的基本特点及常见的误差原因

1．数据质量的基本概念
1．1准确性（Accuracy）
1．2精度（Precision）
1．3空间分辨率(Spatial Resolution)
1．4比例尺（Scale）
1．5误差（Error）
1．6不确定性（Uncertainty）

2．空间数据质量问题的来源
2．1空间现象自身存在的不稳定性
2．2空间现象的表达
2．3空间数据处理中的误差
2．4空间数据使用中的误差
表1：数据的主要误差来源
数据处理过程 误差来源
数据搜集
野外测量误差：仪器误差、记录误差
遥感数据误差：辐射和几何纠正误差、信息提取误差
地图数据误差：原始数据误差、坐标转换、制图综合及印刷
数据输入
数字化误差：仪器误差、操作误差
不同系统格式转换误差：栅格-矢量转换、三角网-等值线转换
数据存储
数值精度不够
空间精度不够：每个格网点太大、地图最小制图单元太大
数据处理
分类间隔不合理
多层数据叠合引起的误差传播：插值误差、多源数据综合分析误差
比例尺太小引起的误差
数据输出
输出设备不精确引起的误差
输出的媒介不稳定造成的误差
数据使用
对数据所包含的信息的误解
对数据信息使用不当

3．空间数据质量控制
数据质量控制是个复杂的过程，要控制数据质量应从数据质量产生和扩散的所有过程和环节入手，分别用一定的方法减少误差。空间数据质量控制常见的方法有：
3．1传统的手工方法
质量控制的人工方法主要是将数字化数据与数据源进行比较，图形部分的检查包括目视方法、绘制到透明图上与原图叠加比较，属性部分的检查采用与原属性逐个对比或其他比较方法。
3．2元数据方法
数据集的元数据中包含了大量的有关数据质量的信息，通过它可以检查数据质量，同时元数据也记录了数据处理过程中质量的变化，通过跟踪元数据可以了解数据质量的状况和变化。
3．3地理相关法
用空间数据的地理特征要素自身的相关性来分析数据的质量。如从地表自然特征的空间分布着手分析，山区河流应位于微地形的最低点，因此，叠加河流和等高线两层数据时，如河流的位置不在等高线的外凸连线上，则说明两层数据中必有一层数据有质量问题，如不能确定哪层数据有问题时，可以通过将它们分别与其它质量可靠的数据层叠加来进一步分析。因此，可以建立一个有关地理特征要素相关关系的知识库，以备各空间数据层之间地理特征要素的相关分析之用。

F. 在地理信息系统中，数字化过程中误差的来源及减小误差的相关方法

数字化误差来源：

1、表示坐标的计算机字长有限；
2、所有矢量输出设备包括绘图仪在内，尽管分辨率比栅格设备高，但也有一定的步长；
3、矢量法输入时曲线选取的点不可能太多；
4、人工输图中不可避免的定位误差。
减小误差的方法：
1、传统的手工方法
质量控制的人工方法主要是将数字化数据与数据源进行比较，图形部分的检查包括目视方法、绘制到透明图上与原图叠加比较，属性部分的检查采用与原属性逐个对比或其他比较方法，这要求操作人员具有较高水平的专业素质和一定的耐心。例如，在地图数字化过程中，不可避免地会出现空间点位丢失或重复、线段过长或过短、区域标识点遗漏等问题。几何数据错误如图所示，其中(a)为区域标识点遗漏，(b)为线段过长。为此,可采用目视检查逻辑检验和图形检验等方法进行检查与处理。
2、地理相关法

用空间数据的地理特征要素自身的相关性来分析数据的质量。例如，从地表自然特征的空间分布着手分析，山区河流应位于微地形的最低点，因此，叠加河流和等高线两层数据时，若河流的位置不在等高线的外凸连线上，则说明两层数据中必有一层数据质量有问题，如不能确定哪层数据有问题时，可以通过将它们分别与其他质量可靠的数据层叠加来进一步分析。因此，可以建立一个有关地理特征要素相关关系的知识库，以备各空间数据层之间地理特征要素的相关分析之用。
3、元数据方法
元数据(Metadata)是描述数据的数据.在地理界,最典型的元数据便是各种地图中的图例内容,如图名、比例尺、精度、生产者、出版单位和日期以及其它可以在地图图廓上找到的标识信息等。使用元数据的目的就是促进数据集的准确、高效利用，其内容包括对数据集中各数据项、数据来源、数据所有者及数据生产历史等的说明;对数据质量的描述，如数据精度、数据的逻辑一致性、数据完整性、分辨率、比例尺等；对数据处理信息的说明；对数据转换方法的描述;对数据库的更新、集成等的说明.通过使用元数据，可以检查数据质量,跟踪数据加工处理过程中精度质量的控制情况。例如在数据集成中，不同层次的元数据分别记录了数据格式、空间坐标、数据类型、数据使用的软硬件环境、数据使用规范、数据标准等信息，这些信息在数据集成的一系列处理中，如数据空间匹配、属性一致化处理、数据在各平台之间的转换使用等是必要的。这些信息能够使系统有效地控制系统中的数据流。
4、以地图数字化生成地图数据过程为例说明空间数据质量控制的方法
地图数字化是数据采集的重要手段。在地图数字化过程中，为了控制数字化过程的质量，我们应从数据预处理、数字化设备及软件的选用、地图配准、数字化方式以及数据精度检查等环节加以控制。
4.1数据预处理
首先对原始地图、表格等进行整理、誊清或清绘。对于质量不高的数据源，如散乱的文档和图面不清晰的地图，通过预处理工作不但可减少数字化误差，还可提高数字化工作的效率。对于扫描数字化的原始图形或图像，还可采用分版扫描的方法，以减少数字化误差，提高数字化的工作效率。为了减少图纸在数字化过程中变形对数据精度的影响，保证纸质地图存放环境有适宜的温度和湿度，以减小地图由于环境原因造成的变形，对质量不好的纸质地图应将其复印到变形小于0.2‰的聚脂薄膜上。另外，对地图上的封闭曲线或较长的线状要素应将其进行分段，因为大多数GIS软件能存贮的线状实体顶点数有限，而且对线状要素进行分段处理有利于减少数字化误差，提高数字化精度。
4.2正确选择数字化软件设备
数字化仪的分辨率和精度对数字化的质量有着决定性的影响。所以在选用数字化设备时应考虑其分辨率和精度等参数不应低于设计的精度要求。一般数字化仪的分辨率应达到0.025 mm，精度达到0.2 mm，扫描仪的分辨率不低于0.083 mm。此外，软件误差也是影响矢量化精度的一个极重要因素。现在通常采用半自动矢量化方式，进行人机交互操作。因此在选择软件时不应仅仅关心自动化程度，还要特别注意是否具有以下功能：智能去斑、裁剪、扭曲校正、比例控制、水平校正、光栅编辑和交互式矢量化等。
4.3地图定向
地图数字化时数字化跟踪头采集地图上点的坐标是数字化仪平面坐标，这种坐标定义取决于数字化仪的精度和配置，同时这些点还有其地理坐标意义。因此在数字化过程中，还需要将地图上点的数字化仪平面坐标转换为该点的实际地理坐标，也就是地图定向。地图定向实现了地图的数学法则及设备坐标到实际地理坐标的转换，同时它对控制数据采集的精度有重要的意义。实际操作中，在图面上均匀选取适当的控制点，控制点的选取应不少于4个，标准分幅地图在内图廓四角上的4个图廓点可作为控制点并标有相应的实际地理坐标，图面上往往还有大地测量控制点可共选择。当没有现成可供选择的控制点或需要增加控制点时，控制点的选取应尽可能选取在明显地物点上，如线状地物的交点，最好是正交的点上，并在图幅上大致均匀分布，这样有利于提高数字化的精度。例如在Super Map软件的支持下，导入一幅泰安市政区图进行矢量化。首先确定投影方式，这是保证数据精度的数学法则；其次进行地图配准，选取图廓的4个内角点或政区图的4个方向的最远点即四至点为控制点，系统称之为参考点，其坐标为设备坐标，再输入控制点实际坐标即大地坐标，确定后就实现了精确的地图定向。
4.4数字化方式
跟踪数字化一般有点方式和流方式。所谓点方式是指操作员每按键一次，获取并向计算机发送一个点的坐标数据；流方式是指操作员按下按键，沿曲线移动游标时，能自动记录经过点的坐标。实践证明，点方式所产生的误差要比流方式小得多，实际应用中多采用点方式。数字化时，地理要素图形本身的宽度、密度、复杂程度对数字化结果的质量有显着影响，如粗线比细线更易引起误差，复杂曲线比平直线更易引起误差，密集要素比稀疏要素易引起误差。这就要求数字化操作者有熟练的技术和丰富的经验，注意适当的采集密度,兼顾数据量的大小和精度。
4.5数字化的精度检查
数字化的误差可以被定义为数字化点、线对原地图上点、线的偏差，其图形部分的检查可通过目视检查：将数字化的结果打印到透明图上与原图叠加，属性数据与原图逐个对比。要求直线地物和独立地物的误差小于0.2 mm，曲线地物和水系一般小于0.3 mm，边界模糊的要素小于0.5 mm；接边误差小于0.3 mm时可改动其中一个要素，使两者吻合；当接边差为0.3～0.6 mm时，两要素各改一半；当误差大于0.6 mm时，查找原因并记录。其中，点状地物主要检查其中心位置是否与原图重合；线状地物主要检查其中心线位置是否与原图重合；面状地物是由线划围成的空间填充而成，其精度的检查主要是核对其边界线是否与原地物的边界线重合。

G. 空间数据库质量

一、数据库质量控制

数据库建设工作进程及质量管理按照新疆地调院ISO9001—2000质量体系的规定运行的，严格按中国地质调查局全国地下水资源及其环境问题调查评价技术要求系列一、地下水资源调查数据录入系统的要求进行资料整理及数据录入。

为保证建库数据的质量，项目组制定了一套完善的项目监理制度。建立由项目综合研究组-项目负责人-项目组长“三级”负责制和与之对应的“三级”质量检查制度。明确参加项目人员的工作职责，确保参加人员的基本专业素质，加强业务培训工作。数据录入过程中建立工作日志制度，分阶段进行数据检查。以上检查均进行自检、互检、质检组检查，检查结果记录下来，并进行修改，技术负责签名认可。地调院信息中心派专家进行了全过程质量跟踪监控，并组织了两次全面检查。最终由项目牵头单位对空间数据库建设完成的建库数据进行检查、验收、汇总，完成空间数据库的数据集成。

二、数据库综合质量分析

准噶尔盆地数据库具体内容包括以原始资料为主体的属性数据库和图形数据库。属性数据库包括资料准备、数据采集、数据录入及各类数据质量检查工作。图形数据库主要为综合成果图完成的单图层数据库。最终由水文地质环境地信息应用系统将属性数据与图形数据集成。

（一）属性数据库质量分析

1.属性卡片质量

属性卡片包括本次工作实测资料及收集资料。首先对各类资料进行分类整理，并建立数据卡片。在工作中严格执行自检互检制度，并分别于2003年11月26日、2004年11月27～28日、2005年10月18日每年度野外工作结束由新疆地质调查院组织新疆地矿局第一水文队、第二水文队有关工作人员及专家于2004年11月27～28日对野外工作及收集资料进行检查验收，均评为优秀。野外工作全部结束，由中国地质科学院水文地质环境地质研究所及西安地调中心组织有关专家，于2005年10月25～28日对该项目进行了最终野外验收，专家评分90分，评定为优秀级。项目组成员在每次野外验收结束后均为对资料中存在的问题和不足之处进行了认真修改完善。

2.属性数据库数据质量

属性数据录入工作按中国地质调查局水文地质环境地质调查中心研究开发的《水文地质环境地质调查数据录入系统》及其使用手册的要求对各类资料进行数据录入。为保证录入数据的质量，项目组建立工作日志，并开展自互检及抽检工作，对存在的问题及时修改。最终由新疆地调院组织专家对建库数据进行最终检查验收，项目组对地调院专家组检查提出的问题，进行了认真的检查修改。在数据库建设初步完成阶段，由中国地质调查局水环部委托中国地质科学院水文地质环境地质研究所于2006年3月10～13日在石家庄对数据库成果进行了检查，检查结束后，项目组于2006年3月17～4月30日对存在的问题进行了认真修改，对未完成的工作量进行补充。补充完成的数据有：野外照片数据表50张、野外调查路线表27张、农村灌溉用水及生活用水典型井核查表各15张，水源地综合调查表50张、水源地开采量统计表50张、土地荒漠化野外调查表21张、土地盐渍化野外调查表20张、物探测深成果汇总表689张、分区地下水开采量统计汇总表24张、古地磁测试综合成果表517张，地质项目资料整理汇总表34张；并对补充资料进行了自互检工作，对已录入完成的钻孔资料进行了补充。对所有扫描完成的插图以JPG格式进行了导入，并对最终修改完善的数据进行了汇总。

（二）图形数据库质量分析

图形数据按照全国地下水资源及其环境问题调查评价技术要（二）、（三）进行编制，并由新疆地质调查院组织专家对完成的各类图件进行检查验收，验收通过后的图件按《地下水资源调查评价数据库标准》进行图纸扫描—分层矢量化—对照原图校对（修改、补充）—误差校正，采集校正控制点不低于13个点（由扫描图纸变形带来的误差、设备误差、采集误差）—投影转换—节点平差（设定容差）—线拓扑错误检查—线转弧段—拓扑重建—区拓扑错误检查。

图形属性数据（内部属性）的录入是通过MAPGIS属性库管理系统输入完成，完全遵照《地下水资源调查评价数据库标准》的要求，按照不同图层所反映的专业内容涉及的属性字段进行逐项填写，此项工作由专题组统一组织项目组人员进行汇总完成。

H. 在收集数据时,对数据质量进行控制的主要办法包括

摘要 (1)统计调查表法。是利用专门设计的统计表对质量数据进行收集、整理和粗略分析质量状态的一种方法。

I. 数据质量控制

在数据库建设过程中，数据的质量问题直接影响系统的运行和将来数据库的实际应用。使用空间数据质量检查软件和人工抽检作为数据质量数据控制体系的重要手段。

数据质量检查主要是对空间、非空间数据库的入库数据进行质量检查，其中空间数据主要是逐项检查数据图层（包括MapGIS 与Arc/Info格式）的图形和属性（胡大国，2004），检查的重点是扫描原图精度（图廓点点位、图廓边边长、图廓对角线长度、坐标网线间距）、栅格图像精度、数据采集精度、图层套合精度、拓扑一致性（重点是公共界线的重合性，如断层与地层、地层与侵入体等）、TIC点精度、命名的标准化程度、分层的正确性、数据的完整性、水系方向、图元与属性的对应性、属性代码的准确性等（表8-3、表8-4）。而非空间数据主要是检查浙江省农业地质环境调查的设计、实施、成果等阶段的文档、图片、多媒体资料是否齐全、正确。

表8-3 空间图形控制

另外，还要对数据字典、元数据进行质量检查，特别是用于系统的解释数据库内容的数据字典，检查的重点是图层名称描述的正确性、数据项、代码的完整性和正确性、非空间数据名称描述的正确性等，最后所有的数据还要导入到AGEI S 系统中进行软件调试和数据检查。