4. 线数据清洗实战

线数据在环境空间数据中承担着“连接”与“传导”的角色：河流把污染物从上游带到下游，道路把泄漏物扩散到路网，排污管线把厂区与受纳水体连成一条完整的污染路径。与点数据相比，线数据的几何问题更隐蔽——一条看似连续的河流，可能在交汇处断开；一条方向相反的排污管线，会让下游分析得出完全颠倒的结论。本节围绕河流、道路、排污管线三类典型线数据，讲清楚线段打断与合并、悬挂节点检查、方向一致性处理、重复线删除与几何有效性修复这五项核心操作，并给出可复现的处理思路与判断依据。

先明确“线”在环境数据中的语义约定

线数据清洗不是单纯的几何修整，而是让几何与业务语义对齐。以河流为例，一条河流通常被表达为若干条河段（reach），相邻河段在汇流点处共享端点；排污管线则以管段为单位，方向定义为“从排放口流向受纳水体”。本节统一约定：河流与排污管线的方向均以水流方向为正方向，即从上游指向下游、从排放源指向受纳对象；道路不强调方向，但要求拓扑连通。这个约定会贯穿后续的方向一致性处理与图示，切换参照系时必须显式说明。

另一个需要提前确定的是容差。线数据的打断、合并、悬挂节点判定都依赖容差：坐标在容差范围内视为重合。环境数据常见的投影坐标系（如 CGCS2000 高斯投影）下，建议平面容差取 0.5～1 m，用于捕捉数字化误差；而拓扑容差可略大，取 1～2 m，用于判定端点是否相接。容差过小会漏掉本应相连的节点，过大则会把邻近但不相交的河流误判为连通，造成污染溯源时的“假汇流”。

线段打断与合并：让几何粒度与业务粒度一致

打断（Split）解决的是“一条线承载了多个语义”的问题。典型场景是：一条河流线跨越了两个水质监测断面，但属性表只记录了一个水质类别；或者一条排污管线在厂界处应分为厂内段与厂外段，以便分别归属责任主体。打断的输入是线要素与打断点（或打断线），输出是若干条首尾相接的新线段，原属性按规则复制或按位置赋值。

合并（Merge/Dissolve）解决的是相反的问题：同一河流被数字化成多段、属性一致，需要还原为一条完整河流用于长度统计或连通性分析。合并的关键不是简单地把几何拼起来，而是按共同属性字段分组后合并，例如按“河流编码”分组，避免把不同河流误合并。合并后应检查节点数是否减少、总长度是否守恒（允许容差内的微小变化），以此判断合并是否丢失了折点。

实际处理顺序建议先打断后合并：先按断面、行政边界、汇流点打断，保证每条线段语义单一；再对属性相同且首尾相接的线段合并，减少冗余节点。若顺序颠倒，合并会把本应保留的打断点抹掉，后续再打断就得重新定位。

悬挂节点检查：找出“看起来连着、其实没连”的断头

悬挂节点（dangling node）是指只被一条线共享的端点，通俗说就是“断头线”。在河流网络中，悬挂节点可能出现在三种位置：真实的河源（合理悬挂）、数字化遗漏导致的断口（错误悬挂）、以及本应相交却因容差不足而未捕捉的伪相交。清洗时要区分这三类，不能一律删除或一律延伸。

判断方法可以分三步走。第一步做拓扑检查，统计每个端点的关联线数，关联数为 1 的即为候选悬挂点。第二步叠加业务参照，例如把候选悬挂点与河源点图层、行政区边界、监测断面比对：落在河源附近的视为合理悬挂，保留；落在两条河流本应交汇处却断开的，视为错误悬挂。第三步对错误悬挂做捕捉或延伸，捕捉容差取前述 1～2 m，延伸时限制延伸长度不超过容差的两倍，避免把断头线“拉”到无关河流上。对排污管线，悬挂节点往往意味着管段缺失，应回到原始竣工资料核对，而不是靠几何延伸“补”出来。

方向一致性处理：让“上游”真的在上游

方向是线数据最容易被忽视、后果却最严重的属性。污染溯源、事故影响范围推演、纳污能力计算都依赖“从哪来、到哪去”。方向一致性处理的目标是：同一水系内所有河段的方向都指向下游，所有排污管线的方向都指向受纳水体。

具体做法分两步。第一步是建立方向参照：对河流，可用已知的干流方向或高程递减方向作为基准，逐段比较起点与终点的高程（或与下游汇流点的距离），高程高的一端为起点。对排污管线，以排放口为起点、受纳水体接入点为终点。第二步是批量翻转：对方向相反的要素执行几何反转（Reverse），同时注意属性表中若有“起止点编号”“上游断面”“下游断面”等字段，必须同步交换，否则几何与属性会互相矛盾。这一步最容易出错——只翻几何不翻属性，后续按属性做汇流统计时会出现“下游断面在上游”的荒谬结果。

判断方向是否处理到位，可以用一个简单检验：沿水流方向累加各河段长度，若某条支流的终点恰好落在干流某河段的中部，则该支流方向应指向这个交点，且干流在该点之后的河段应位于支流汇入点的下游。这个检验不需要复杂工具，在属性表里核对起止点坐标即可完成。

重复线删除与几何有效性修复

重复线在环境数据中很常见：不同部门各自数字化同一段排污管线，叠加后形成完全重合或部分重合的两条线。重复线会导致长度重复统计、污染负荷重复计算。删除策略应基于“完全重合”与“部分重合”分别处理：完全重合（坐标在容差内一致）的保留属性更完整的一条；部分重合的先用打断把重合段分离出来，再删除重合段、保留非重合段，最后重新合并，避免误删有效部分。

几何有效性修复针对自相交、零长度线段、重复折点、悬挂的极小线段等问题。自相交的河流线在拓扑分析时会被判为无效，导致连通性计算失败；零长度线段会让方向判断失去意义。修复顺序建议为：先删除零长度与重复折点，再处理自相交（在交点处打断并重新连接），最后做一次有效性校验。校验通过的标准是：几何类型正确、无自相交、节点数与折点数合理、总长度与修复前差异在容差范围内。

一份可直接执行的处理检查表

把上述操作串成可复用的检查流程，比零散地记步骤更实用。下表给出面向河流与排污管线的检查项、判断依据与处理动作，可作为清洗作业的自检清单。

完成上述处理后，建议做一次整体验收：统计清洗前后的要素数、总长度、悬挂节点数、方向异常数，四项指标应呈现“要素数因合并减少、总长度基本守恒、悬挂节点仅剩合理河源、方向异常归零”的合理变化。若总长度明显缩短，多半是合并时丢了折点或误删了部分重合段；若悬挂节点数不降反升，则要检查捕捉容差是否设置过小。把这些指标与清洗日志一并留存，线数据才算真正达到了可用于污染溯源与汇流分析的质量水平。