地理数据谱系要记录来源、处理步骤与每次转换的责任边界

地理数据谱系描述一份数据从哪些来源产生、经历哪些处理、由谁负责以及怎样验证。它回答的不只是“文件从哪里来”，还包括坐标如何转换、几何为何修复、哪些要素被过滤、参数和软件版本是什么。缺少谱系时，错误发现后很难判断哪些下游产品受影响。

谱系中的基本对象

完整谱系至少包含实体、活动和责任方。实体是输入数据、辅助网格、配置、代码和输出产品；活动是采集、转换、融合、分析、抽样或发布；责任方说明谁提供、执行、审核和维护。三者通过稳定标识和时间关系连接。

仅记录最终文件名不足以唯一识别数据。文件可能被覆盖，同名服务图层也会更新。应使用版本号、内容校验和、对象存储版本或不可变 URI。数据库表则需要快照或事务位置，不能只记表名和查询日期。

辅助资源同样影响结果。坐标转换可能使用格网文件，遥感校正依赖大气资料，地址匹配依赖参考库版本。若只登记主输入，重算时仍无法复现原结果。

活动应保存工具及版本、命令或工作流版本、参数、运行环境、开始结束时间、输入输出标识和执行状态。坐标操作还应记录源目标 CRS、具体操作和使用的格网；栅格处理记录目标网格、重采样和无数据规则；矢量处理记录几何类型变化与修复策略。

日志可以提供细节，但日志不是谱系模型。日志易被轮转，内容偏向运行诊断，也未必使用稳定实体标识。可从工作流自动提取谱系，再把质量报告和日志作为关联证据保存。

人工步骤需要同样记录。例如人工编辑边界、判读云或合并重复地名，应说明输入、规则、操作者、审核者和修改范围。只写“人工修正”无法判断偏差来源。

ISO 19115 将谱系作为地理元数据的重要组成，用于说明数据来源和处理历史。ISO 19157 的质量结果可以连接到特定实体和处理阶段。谱系说明“怎样得到”，质量说明“满足什么程度”，二者相关但不能互相替代。

质量检查失败后，谱系可支持影响分析：找出使用同一输入版本、同一错误参数或同一软件版本的所有产品。若关系只存在于人员记忆或文件夹命名中，这种查询无法可靠完成。

发布元数据可以提供面向使用者的摘要，内部谱系保存更细的执行信息。敏感数据路径、账号和内部主机不应原样公开，但必须在受控系统中可审计。公开摘要与内部记录应通过同一产品标识连接。

谱系粒度应匹配风险。逐像元记录所有来源在大规模融合中可能不可承受，而只记整个数据集又无法定位局部问题。可以按分块、分区、场景或批次记录，并为发生特殊处理的对象增加细粒度事件。

工作流重试会生成多个尝试。谱系要区分失败尝试、成功尝试和最终发布版本，不能因为输出路径相同而覆盖历史。幂等重跑也应生成新的运行标识，并说明输入和配置是否完全相同。

谱系记录本身需要保留策略。中间文件可以按成本删除，但其身份、校验和、生成方法和删除时间仍可保留。若输入许可证要求删除或限制传播，谱系还应支持定位副本。

落地可以从高价值数据产品开始，为每个发布物生成机器可读清单。清单包含输入列表、工作流提交版本、容器或软件版本、参数摘要、输出校验和和质量结论。随后把清单汇入可查询的谱系库。

稳定标识比界面更重要。工作流、数据目录和质量平台可以使用不同工具，但应共享产品 ID、版本 ID 和运行 ID。跨系统只传展示名称会导致关系丢失。

验证谱系不能只检查字段非空。应随机选择输出，沿关系回溯到原始来源，再依据记录重跑关键步骤并比较结果。还要反向选择一个已知问题输入，确认所有受影响产品都能被查询出来。

责任边界也应明确。数据提供者负责源数据声明，处理团队负责转换和参数，发布者负责质量门禁与分发。谱系让这些责任可见，但不自动证明每个声明真实；关键节点仍需签名、权限和审核。

可用的地理数据谱系最终应支持三件事：解释当前产品、重现处理结果、在问题发生时定位影响。任何不能稳定连接输入、活动和输出的记录，都只是零散注释。

地理产品经常从同一源数据分出多个比例尺、区域或用途版本，之后又合并更新。谱系不能只形成单向文件列表，还要表达分支、汇合和派生范围。部分区域重算时，应让输出分块指向新的运行，其余分块仍指向原运行，避免把整个产品错误标记为完全重建。