馬世發(fā)，吳楷釗，勞春華，鐘遠軍，張 婷，黃 韜

?

永久基本農(nóng)田保護片區(qū)智能識別系統(tǒng)iZone的建立與應用

馬世發(fā)1，吳楷釗1，勞春華2※，鐘遠軍1，張 婷1，黃 韜1

（1. 廣東省國土資源技術中心，廣州 510075；2. 廣東工業(yè)大學管理學院，廣州 510520）

永久基本農(nóng)田劃定是當前國土資源管理一項十分重要而緊迫的任務，其對維護糧食安全和控制城鎮(zhèn)無序增長具有重要意義。永久基本農(nóng)田劃定不僅要滿足耕地質量較高而且還要集中連片，更需要協(xié)調城鎮(zhèn)化矛盾。因此，如何從土地利用現(xiàn)狀數(shù)據(jù)庫中提取永久基本農(nóng)田保護圖斑實際上是一個復雜的空間數(shù)據(jù)挖掘過程。研究利用農(nóng)用地分等成果定義保護片區(qū)質量，利用元胞自動機模擬分析土地利用矛盾，利用種子擴充算法進行保護片區(qū)搜索，利用神經(jīng)網(wǎng)絡進行耕地保護壓力預警?；贑#和ArcEngine10.1將多種空間數(shù)據(jù)挖掘模型進行集成，構成了面向全域永久基本農(nóng)田識別的智能系統(tǒng)工具包iZone，并在廣東省高要區(qū)金利鎮(zhèn)進行實例應用。研究表明，iZone能按既定規(guī)則從土地利用現(xiàn)狀數(shù)據(jù)庫中提取保護圖斑，有效避免了人為劃定的過多主觀性，并且能獲得與人工方案相當乃至更好的表現(xiàn)。iZone利用復雜地理計算技術進行永久基本農(nóng)田智能識別，可提高永久基本農(nóng)田劃定工作的科學性。

土地利用；區(qū)劃；識別；永久基本農(nóng)田；農(nóng)用地利用等別；元胞自動機；種子搜索；人工神經(jīng)網(wǎng)絡

0 引 言

2015年3月30日，中國國土資源部聯(lián)合農(nóng)業(yè)部下發(fā)了《關于切實做好106個重點城市周邊永久基本農(nóng)田劃定工作有關事項的通知》，部署了106個重點城市周邊永久基本農(nóng)田劃定任務及要求[1]。在此基礎上，進一步要求全國于2016年底全面推進全域永久基本農(nóng)田劃定工作。實際上，永久基本農(nóng)田劃定并不是一項新的命題，只不過是在新形勢下通過“永久”這種強化政策以應對城鎮(zhèn)工業(yè)化和糧食安全風險[2-3]。因此，永久基本農(nóng)田劃定本質上還是農(nóng)田保護問題。

基本農(nóng)田保護一直是農(nóng)業(yè)工程領域的熱點問題之一，中國長期以來堅持的基本農(nóng)田保護政策在維護區(qū)域糧食安全等方面發(fā)揮了重要作用[4]。關于基本農(nóng)田保護，數(shù)量是底線，核心在質量，關鍵需落實。因此，相關科學研究主要圍繞耕地質量評價展開[5-7]，目標是通過對影響耕地質量的多種因素進行集成分析，進而為判別各個地塊是否納入保護區(qū)提供依據(jù)。隨著農(nóng)用地分等在中國全面開展，基本農(nóng)田劃定可直接將分等成果作為評價保護質量信息的主要依據(jù)[8-9]。總體來說，不論是單純進行耕地質量評價[10]，還是綜合考慮其生態(tài)特性[11]，其都可以歸類為綜合評價，只是采用的指標和方法各不相同而已。

雖然耕地質量是決定基本農(nóng)田保護格局的核心，但實際劃定還需要考慮更為復雜的因素，諸如協(xié)調城鎮(zhèn)空間增長、保護格局集中連片等等。目前，相關研究在片區(qū)識別[12]、產(chǎn)能核算[13]，城鎮(zhèn)周邊協(xié)調[14]等方面做了相關探討。雖然也有從GIS角度開發(fā)建設永久基本農(nóng)田識別系統(tǒng)[15]，但現(xiàn)有系統(tǒng)主要利用基本的GIS空間分析作為技術支撐手段，如何利用地理空間建模的方式構建一個定量可計算的分析工具以滿足當前全域永久基本農(nóng)田的劃定還需拓展。本文根據(jù)國土資源部關于永久基本農(nóng)田劃定的相關技術要求，基于元胞自動機、種子搜索、神經(jīng)網(wǎng)絡等復雜地理計算技術研發(fā)了iZone工具包，用于協(xié)助全域永久基本農(nóng)田劃定及成果審查。

1 iZone系統(tǒng)設計

1.1 iZone系統(tǒng)的設計目標

基本農(nóng)田劃定是一個系統(tǒng)性的工程，總體可以概括為“數(shù)量保障是底線，質量平衡是原則，空間協(xié)調是關鍵，集中連片是要求”等四大方面[16]，具體分析如下：

1）保護高質量的耕地

永久基本農(nóng)田保護片區(qū)的劃定不僅要滿足最基本的數(shù)量要求，更重要的是要滿足質量要求[17]，故耕地質量是判定地塊保護與否的核心要素[18]。耕地質量主要由農(nóng)田地塊的地理條件、灌溉排水條件、土壤有機質等多種因素決定[19]。通過對這些要素的綜合評價，可以評估耕地質量，進而為基本農(nóng)田保護空間定位提供直接依據(jù)[20]。同時，耕地質量綜合評價也可以為基本農(nóng)田地塊調整堅守質量平衡提供數(shù)據(jù)支撐[21]。

2）協(xié)調城鎮(zhèn)化空間增長

基本農(nóng)田保護的根本原因在于土地利用存在矛盾，但城鎮(zhèn)工業(yè)化侵占部分耕地實際上難以避免，且城市周邊的農(nóng)田被侵占的風險也最高[22]。因此，永久基本農(nóng)田劃定時，一方面需要考慮耕地質量限制城鎮(zhèn)化無序發(fā)展，但也應該為城鎮(zhèn)化發(fā)展預留必要的空間。如果完全因保護而導致城鎮(zhèn)空間格局支離破碎，則這種保護也是沒意義的。因此，永久基本農(nóng)田劃定需要兼顧保護與發(fā)展。研究表明，元胞自動機等模型可以較好地預測未來城市空間增長格局[23]，可用于排除被侵占概率大的耕地，但完全排除則降低了高質量農(nóng)田保護對城市無序蔓延的限制性功能[24]，因此城鎮(zhèn)周邊還必須劃定必要的永久基本農(nóng)田。城鎮(zhèn)周邊永久基本農(nóng)田劃定與否是一個復雜的博弈選擇結果，不能簡單地用耕地質量與城鎮(zhèn)發(fā)展概率進行閾值分割，需要在相關原則指導下經(jīng)過地方政府的博弈而確定。

3）集中連片與坡度限制

集中連片是現(xiàn)代農(nóng)業(yè)規(guī)?；?jīng)營的必備條件。實際上，每個保護片區(qū)由若干土地利用圖斑構成，而圖斑的數(shù)量、形態(tài)和破碎度對片區(qū)形態(tài)具有重要影響[25]。研究表明，借助景觀生態(tài)學原理可對農(nóng)田景觀格局進行評價[26]。保護片區(qū)的自動識別可利用種子搜索算法，以田塊之間的距離為閾值，結合景觀指數(shù)進行判斷，將距離小于給定的閾值且能成片的地塊通過遞歸判斷劃入到同一個保護子區(qū)中。此外，坡耕地是導致水土流失等生態(tài)問題的重要原因之一，如大于25°的坡耕地不宜劃入永久基本農(nóng)田。

1.2 iZone系統(tǒng)的運行步驟

根據(jù)永久基本農(nóng)田劃定的目標與要求，iZone系統(tǒng)運行的核心模型架構如圖1所示，主要流程如下：

第一步：從土地利用變更調查數(shù)據(jù)庫中提取耕地和城鎮(zhèn)圖斑。其中，耕地圖斑保留坡度屬性，并利用農(nóng)用地分等成果中的國家綜合利用等給耕地圖斑添加質量信息。由于農(nóng)用地分等與土地利用變更調查具有時間上的不一致性，對于耕地質量信息缺少的圖斑默認為空值處理；

第二步：利用泰森多邊形對形狀不規(guī)則、大小各異的耕地圖斑進行切片標準化處理，切片需要記錄現(xiàn)狀土地利用圖斑編號且進行面積平差處理，在確保耕地圖斑可比的同時能對切片進行合并；

第三步：從基礎地理信息數(shù)據(jù)庫中提取城市擴張影響因子，如地形坡度、交通條件等，結合第一步提取的城鎮(zhèn)數(shù)據(jù)，利用元胞自動機模型進行城鎮(zhèn)增長模擬，得到指定面積規(guī)模的城鎮(zhèn)空間格局；

第四步：將耕地切片數(shù)據(jù)與城鎮(zhèn)增長模擬格局進行空間疊加分析，排除可能被城市侵占的田塊，生成基本農(nóng)田候選數(shù)據(jù)A；

第五步：對基本農(nóng)田候選數(shù)據(jù)A進行專家決策修正，包括人工排除或添加指定田塊，形成博弈選擇后的基本農(nóng)田候選數(shù)據(jù)B；

第六步：將基本農(nóng)田候選數(shù)據(jù)B與城鎮(zhèn)周邊已劃入的基本農(nóng)田數(shù)據(jù)進行合并，形成基本農(nóng)田候選數(shù)據(jù)C。

第七步：用種子擴充搜索算法對基本農(nóng)田候選數(shù)據(jù)C的每個圖斑進行遞歸搜索，形成滿足條件的永久基本農(nóng)田保護片塊。其中，城鎮(zhèn)周邊已劃入永久基本農(nóng)田的耕地圖斑必須入選。

第八步：對第七步的搜索結果按土地利用現(xiàn)狀圖斑編號對切片進行合并，并對方案進行評估和對比，最終完成永久基本農(nóng)田識別。

1.3 iZone系統(tǒng)的核心技術

1）耕地泰森多邊形切片

農(nóng)田保護與城鎮(zhèn)增長空間矛盾分析主要利用GIS空間疊置分析功能，包括裁剪（cut）和識別（identify）等模式。矛盾分析用于表明未來城鎮(zhèn)增長是否會侵占此塊耕地而非一定侵占，故不適用于裁剪功能。然而，identity過程可能存在一大塊耕地只被侵占一小部分而整體被排除的現(xiàn)象。如圖2所示，如果耕地圖斑沒有進行切片標準化處理，則其與城鎮(zhèn)化模擬格局疊置分析時耕地會整體被排除。為消除這種不合理的空間分析過程，iZone先對面積較大的耕地單元進行內部隨機泰森多邊形切片處理，切片后的耕地單元再進行地類面積平差，并保留原圖斑編號，形成新的耕地單元圖層，進而保證空間疊置分析合理。關于面積較大的耕地圖斑及其切片泰森多邊形個數(shù)屬于一個經(jīng)驗參數(shù)，可自行調整。理論上，切片越小越有利于空間矛盾分析，但切片過小會無謂的增加系統(tǒng)計算量。iZone根據(jù)國土資源管理部門的經(jīng)驗，將默認值設為大于2萬m2的耕地圖斑即需切片，切片泰森多邊形個數(shù)按最小閾值的整數(shù)倍進行估計。

2）城鎮(zhèn)空間增長模擬

城鎮(zhèn)空間格局與地形、交通等要素的分布具有較高的空間相關性，故可以通過地理空間建模的方式進行模擬[27]，模擬結果可識別城鎮(zhèn)化過程可能會侵蝕哪些耕地，進而為空間矛盾分析提供依據(jù)[28]。如果用回歸模型解釋這種空間驅動機制，則模擬城鎮(zhèn)增長的元胞自動機模型可以定義為

式中p用于表示土地單元于時刻的開發(fā)概率；x是一系列空間驅動變量在單元的取值狀況，如距離變量等，=1,2,3…,；和b表示這些驅動變量的驅動力系數(shù)，可以用邏輯回歸模型進行樣本訓練獲??；W表示單元在時刻的鄰域相互作用，可以用開發(fā)密度表示；C表示限制性條件，如保護區(qū)等政策禁止區(qū)不能開發(fā)；R是一個隨機變量，用于表達模擬過程的中的不確定性。

3）農(nóng)田斑塊規(guī)整度計算

耕地單元形狀越規(guī)則越有利于現(xiàn)代化農(nóng)業(yè)耕作，故永久基本農(nóng)田片區(qū)識別需要考慮規(guī)整度，其計算模式一般是利用圖斑的面積與其最小外接矩形面積進行比值。理論上，斑塊形態(tài)越規(guī)則，其越接近參考矩形，比值也越大。在普通GIS分析工具中，外接矩形通常按坐標軸正南正北提取，這種方式不能表達真實耕地圖斑地理空間軸向分布情況。因此，iZone采用最大橫軸外接矩形度量斑塊規(guī)整度[29]，主要計算原理為先求解圖斑的最小外接矩形，然后求該矩形的最大橫切對角線，以該對角線為軸線將圖斑旋轉到與坐標軸平行，進而求得旋轉后的外接矩形，最后將該外接矩形還原得到圖斑的最大橫軸外接矩形（圖3）。

4）種子擴充片區(qū)搜索

種子搜索是圖象圖形學中常用的片區(qū)識別方法[30]，基于種子搜索原理的基本農(nóng)田保護片區(qū)主要識別過程如圖4所示。

基本農(nóng)田保護片區(qū)識別主要包括以下幾個步驟：

①對基本農(nóng)田候選數(shù)據(jù)C的所有圖斑按耕地質量由高到低排序。

②對于每一個圖斑，首先判斷其是否已劃入基本農(nóng)田，如果已經(jīng)劃入，則進行下一個圖斑判斷。如果沒有劃入，則判斷該圖斑是否滿足坡度條件或者是否是必須劃入基本農(nóng)田。如果否，則進行下一個圖斑判斷；否則，建立新的農(nóng)田片區(qū)，并將該圖斑劃入到該片區(qū)中。

③以該圖斑為種子，搜索指定距離（一般小于30 m）范圍內的圖斑。如果沒有搜索到新的圖斑，則該片區(qū)搜索完成。如果搜索到新的圖斑，則逐一判斷搜索到的圖斑是否已劃入基本農(nóng)田。如果已劃入，則不作處理。如果沒有劃入，則判斷該圖斑是否滿足坡度條件且耕地質量與種子質量相近（兩者質量之差在指定的閾值內），或者是否必須劃入基本農(nóng)田。如果否，則不作處理。如果是，則判斷已識別的基本農(nóng)田面積是否小于指定的面積。如果是，則將該圖斑加入到待搜索圖斑集合中，并將該圖斑劃入到基本農(nóng)田，且與搜索種子位于同一個片區(qū)。如果否，則表示已經(jīng)完成所有基本農(nóng)田識別與片區(qū)劃分。

④如果已識別基本農(nóng)田面積小于指定面積，且待搜索圖斑集合中有圖斑，則對于待搜索圖斑集合中的每一個圖斑，進行第③步操作。

經(jīng)過以上4步的遞歸操作，可以識別出指定面積規(guī)模的永久基本農(nóng)田，并自動搜索保護片區(qū)。

5）保護壓力神經(jīng)網(wǎng)絡風險預警

研究表明，人工神經(jīng)網(wǎng)絡是十分有效的非線性關系數(shù)據(jù)挖掘方法，其在違法用地監(jiān)測預警等方面具有較好的應用表現(xiàn)[31]。根據(jù)影響農(nóng)田流失的相關空間因素，可建立城鎮(zhèn)化過程發(fā)展概率預測模型，進而達到農(nóng)田流失風險預警的目的，模型運行原理如圖5所示。

2 iZone的實現(xiàn)與案例應用

2.1 iZone的系統(tǒng)實現(xiàn)

基于Windows平臺，利用ArcEngine 10.1提供的組件和C#語言進行系統(tǒng)開發(fā)。iZone將數(shù)據(jù)預處理、城鎮(zhèn)化過程空間協(xié)調、片區(qū)的自動識別、保護風險預警以及結果綜合評估等進行了一站式集成，其用于人機交互的軟件界面如圖6所示。永久基本農(nóng)田智能識別系統(tǒng)總體架構按照分層架構的設計思想，從邏輯上劃分為4個層次，即數(shù)據(jù)層、模型層、功能層和界面層。最底層為數(shù)據(jù)層，為整個平臺提供數(shù)據(jù)支撐；數(shù)據(jù)層往上為模型層，模型層中集成了滿足系統(tǒng)功能需要的模型，各個模型獨立封裝，同時可相互調用。模型層往上為功能層，由系統(tǒng)所能提供的具體功能組成；最頂層為界面層，為用戶提供操作界面。每一層次的設計都以永久基本農(nóng)田智能識別和審查為導向，每一項功能的實現(xiàn)都采用了“高內聚、低耦合”的設計原則，簡化功能之間的相互依賴性，實現(xiàn)“工具箱”式的功能系統(tǒng)。

2.2 案例應用與結果分析

研究選擇金利鎮(zhèn)進行應用示范。金利鎮(zhèn)位于廣東省肇慶市高要區(qū)東部，是肇慶市與珠江三角洲發(fā)達地區(qū)聯(lián)系的一個重要門戶。金利鎮(zhèn)總面積162 km2，轄19個村委會和13個社區(qū)居委會，常住人口8.3萬，外來人口20多萬，是廣東省中心鎮(zhèn)、專業(yè)技術創(chuàng)新試點鎮(zhèn)，廣肇高速公路（G80）貫通全境，西江黃金水道流經(jīng)全鎮(zhèn)，地理區(qū)位優(yōu)勢明顯。當前，金利城鎮(zhèn)化發(fā)展與基本農(nóng)田保護矛盾顯著，研究區(qū)具有典型的應用示范效果。示范應用所需要用到的核心數(shù)據(jù)主要是國土資源部門的土地利用調查和農(nóng)用地分等成果，包括2015年土地利用變更調查數(shù)據(jù)，含地類編碼、耕地坡度級等字段（圖7a）；農(nóng)用地分等數(shù)據(jù)，含綜合利用等字段（圖7b）；以及2015年上交的基本農(nóng)田保護片區(qū)（包括城鎮(zhèn)周邊永久基本農(nóng)田）備案成果數(shù)據(jù)（圖8b）；其他輔助數(shù)據(jù)主要包括行政區(qū)劃、交通網(wǎng)絡、河網(wǎng)等基礎地理數(shù)據(jù)，以上數(shù)據(jù)全部來源于廣東省基礎地理信息中心。

iZone系統(tǒng)操作步驟如下：1）首先，從土地利用現(xiàn)狀數(shù)據(jù)庫中提取耕地和城鎮(zhèn)圖斑，并將農(nóng)用地綜合利用等屬性更新到耕地圖層；2）其次，對大于2萬m2的耕地圖斑進行隨機泰森多邊形切片，并進行地類面積平差；3）再次，利用元胞自動機模擬未來城鎮(zhèn)增長格局以排除被城鎮(zhèn)化侵占的耕地，但對于城鎮(zhèn)周邊已劃為永久基本農(nóng)田的耕地須再補錄；4）然后，利用種子搜索算法按30 m鄰近規(guī)則從耕地切片數(shù)據(jù)庫中自動搜索片區(qū)，片區(qū)按現(xiàn)狀圖斑編號進行切片合并后形成最終的保護方案；5）最后，利用神經(jīng)網(wǎng)絡模型估計耕地保護壓力，并對每個片區(qū)進行風險預警，iZone系統(tǒng)識別的永久基本農(nóng)田格局如圖8a所示。為了客觀評價iZone在實際工程應用中的效果，將之與地方政府上交的基本農(nóng)田劃分成果進行對比（圖8b）。地方政府上交的成果可稱之為人工方案，是地方基本農(nóng)田保護專家根據(jù)坡度限制、質量平衡、連片性等永久基本農(nóng)田劃定原則，在ArcGIS等工具支持下，從2015年土地利用變更調查數(shù)據(jù)中人工篩選劃定的格局。若人工方案缺少耕地質量信息，則需要先利用農(nóng)用地分等成果對其進行屬性更新，以便方案對比。

本文選擇了5方面的關鍵性評價指數(shù)（片區(qū)規(guī)整度、耕地質量差異、坡耕地情況、耕地保護壓力以及景觀斑塊個數(shù)）進行定量對比。其中，片區(qū)規(guī)整度指片區(qū)的面積與其最小橫切外接矩形的比值；耕地質量差異主要統(tǒng)計每個片區(qū)的農(nóng)用地綜合利用等屬性；坡耕地情況主要統(tǒng)計片區(qū)的坡度級屬性；耕地保護壓力主要是利用神經(jīng)網(wǎng)絡估計耕地流失概率，進而可統(tǒng)計每個片區(qū)的流失風險并進行保護壓力預警；景觀斑塊個數(shù)則直接統(tǒng)計保護方案片區(qū)個數(shù)即可。一般情況下，地方政府劃定的格局與上級下達的保護規(guī)模指標嚴格一致，但iZone系統(tǒng)在計算時只能保證識別的規(guī)模等于或大于上級下達的指標。

為了能對2套方案形成對比，可先對評價指數(shù)按片區(qū)平均，對比結果如表1所示。總體而言，iZone識別的片區(qū)比人工劃定的方案要更加規(guī)整，雖然平均利用等基本相當，但坡度級和斑塊數(shù)更少，且耕地流失風險也大為降低。對比分析表明，iZone挖掘的方案要比人工劃定的格局具有更高的質量、更優(yōu)的形態(tài)和更低的保護壓力。從實際工程應用來講，iZone系統(tǒng)顯著提高了永久基本農(nóng)田劃定的工作效率，節(jié)省了人工數(shù)據(jù)分析工作量，且定量識別計算比人工主觀判斷也要更加科學。

表1 iZone識別保護片區(qū)與人工劃定保護片區(qū)對比

3 結 論

實例應用及對比試驗表明，iZone能按既定規(guī)則從土地利用現(xiàn)狀數(shù)據(jù)庫中挖掘出空間格局較好的保護片區(qū)方案，在很大程度上可以減少人工干預。iZone一方面可以為規(guī)劃師提供決策草圖，另一方面也可以輔助管理人員進行成果審圖。iZone作為面向全域永久基本農(nóng)田保護片區(qū)識別的工具包，也是對現(xiàn)有GIS平臺的一個有效補充。雖然iZone考慮了很多規(guī)則，但依然面臨一些功能不足，尤其在農(nóng)田生態(tài)方面的分析還存在不足，后續(xù)研究還要結合實際工程應用加以改進和完善。

[1] 周懷龍. 永久基本農(nóng)田怎么“劃”?——就106個重點城市周邊永久基本農(nóng)田劃定任務下達訪國土資源部耕保司負責人[J]. 國土資源，2015(4)：32－33.

[2] Chien S S. Local farmland loss and preservation in China: A perspective of quota territorialization[J]. Land Use Policy, 2015, 49: 65－74.

[3] 王興，杜新波，曹瑞海. 永久基本農(nóng)田應服務于未來[J]. 中國土地，2009(7)：51－53.

[4] Lichtenberg E, Ding C. Assessing farmland protection policy in China[J]. Land Use Policy, 2008, 25(1): 59－68.

[5] 董秀茹，尤明英，王秋兵. 基于土地評價的基本農(nóng)田劃定方法[J]. 農(nóng)業(yè)工程學報，2011，27(4)：336－339.

Dong Xiuru, You Mingying, Wang Qiubing. Demarcating method of prime farmland based on land evaluation[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(4): 336－339. (in Chinese with English abstract)

[6] 奉婷，張鳳榮，李燦，等. 基于耕地質量綜合評價的縣域基本農(nóng)田空間布局[J]. 農(nóng)業(yè)工程學報，2014，30(1)：200－210.

Feng Ting, Zhang Fengrong, Li Can, et al. Spatial distribution of prime farmland based on cultivated land quality comprehensive evaluation at county scale[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(1): 200－210. (in Chinese with English abstract)

[7] Ying X, Zeng G M, Chen G Q, et al. Combining AHP with GIS in synthetic evaluation of eco-environment quality: A case study of Hunan Province, China[J]. Ecological modelling, 2007, 209(2): 97－109.

[8] 孔祥斌，靳京，劉怡，等. 基于農(nóng)用地利用等別的基本農(nóng)田保護區(qū)劃定[J]. 農(nóng)業(yè)工程學報，2008，24(10)：46－51.

Kong Xiangbin, Jin Jing, Liu Yi, et al. Planning method of the prime farmland protection zone based on farmland utilization grade[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2008, 24(10): 46－51. (in Chinese with English abstract)

[9] 張英，潘瑜春，曾志炫，等. 基于農(nóng)用地分等定級的耕地入選基本農(nóng)田評價比較分析[J]. 中國土地科學，2012，26(3)：29－33.

Zhang Ying, Pan Yuchun, Zeng Zhixuan, et al. Comparative assessment on primary farmland zoning based on the farmland gradation programme[J]. China Land Sciences, 2012, 26(3): 29－33. (in Chinese with English abstract)

[10] 湯思陽，雷國平，張慧，等. 基于耕地質量評價的基本農(nóng)田劃定方法[J]. 水土保持研究，2013，20(1)：173－176.

Tang Siyang, Lei Guoping, Zhang Hui, et al. Method of basic farmland demarcation based on the quality of cultivated land evaluation[J]. Resources of Soil and Water Conservation, 2013, 20(1): 173－176. (in Chinese with English abstract)

[11] 任艷敏，唐秀美，劉玉，等. 考慮耕地生態(tài)質量的基本農(nóng)田劃定方法[J]. 農(nóng)業(yè)工程學報，2014，30(24)：298－307.

Ren Yanmin, Tang Xiumei, Liu Yu, et al. Demarcating method of prime farmland considering ecological quality of cultivated land[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(24): 298－307. (in Chinese with English abstract)

[12] 周尚意，朱阿興，邱維理，等. 基于GIS的農(nóng)用地連片性分析及其在基本農(nóng)田保護規(guī)劃中的應用[J]. 農(nóng)業(yè)工程學報，2008，24(7)：72－77.

Zhou Shangyi, Zhu Axing, Qiu Weili, et al. GIS based connectivity analysis and its application in prime farmland protection planning[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2008, 24(7): 72－77. (in Chinese with English abstract)

[13] 聶艷，吳學敏，何穎，等. 基于產(chǎn)能核算和空間聚類的縣級基本農(nóng)田劃定研究[J]. 長江流域資源與環(huán)境，2014，23(6)：809－815.

Nie Yan, Wu Xuemin, He Sylvia Y, et al. Demarcation method of prime farmland based on productivity and spatial clustering[J]. Resources and Environment in the Yangtze Basin, 2014, 23(6): 809－815. (in Chinese with English abstract)

[14] 邊振興，劉琳琳，王秋兵，等. 基于LESA的城市邊緣區(qū)永久基本農(nóng)田劃定研究[J]. 資源科學，2015，37(11)：2172－2178.

Bian Zhenxing, Liu Linlin, Wang Qiubing, et al. Permanent prime farmland demarcation in urban fringes based on the LESA system[J]. Resources Science, 2015, 37(11): 2172－2178. (in Chinese with English abstract)

[15] 王曉燕，田永中，高凡，等. 基于GIS的永久性基本農(nóng)田劃定技術方法探討[J]. 西南師范大學學報：自然科學版，2013，38(3)：127－133.

Wang Xiaoyan, Tian Yongzhong, Gao Fan, et al. On designation of the permanent basic farmland based on GIS[J]. Journal of Southwest China Normal University: Natural Science Edition, 2013, 38(3): 127－133. (in Chinese with English abstract)

[16] 錢鳳魁，王秋兵，邊振興，等. 永久基本農(nóng)田劃定和保護理論探討[J]. 中國農(nóng)業(yè)資源與區(qū)劃，2013，34(3)：22－27.

Qian Fengkui, Wang Qiubing, Bian Zhenxing, et al. Discussion about the permanent basic farmland planning and protection[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2013, 34(3): 22－27. (in Chinese with English abstract)

[17] 賴作卿. 耕地保護要在數(shù)量和質量兩個方面下功夫[J]. 廣東經(jīng)濟，2013，8：55－56.

[18] 姜威，魏繼祿. 永久基本農(nóng)田劃定須質量優(yōu)先[J]. 中國土地，2015，7：56－57.

[19] 付國珍，擺萬奇. 耕地質量評價研究進展及發(fā)展趨勢[J]. 資源科學，2015，37(2)：226－236.

Fu Guozhen, Bai Wanqi. Advances and prospects of evaluating cultivated land quality[J]. Resources Science, 2015, 37(2): 226－236. (in Chinese with English abstract)

[20] 鄭新奇，楊樹佳，象偉寧，等. 基于農(nóng)用地分等的基本農(nóng)田保護空間規(guī)劃方法研究[J]. 農(nóng)業(yè)工程學報，2007，23(1)：66－71.

Zheng Xinqi, Yang Shujia, Xiang Weining, et al. Spatial planning method for the basic farmland protection based on the farmland classification[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2007, 23(1): 66－71. (in Chinese with English abstract)

[21] 鄖文聚，張蕾娜，陳桂珅，等. 基于農(nóng)用地分等的耕地占補平衡項目評價研究[J]. 中國土地科學，2008，22(10)：58－63.

Yun Wenju, Zhang Leina, Chen Guishen, et al. Study on project assessment of no net loss of cultivated land based on agricultural land classification[J]. China Land Science, 2008, 22(10): 58－63. (in Chinese with English abstract)

[22] 陳逸敏，黎夏，劉小平，等. 基于耦合地理模擬優(yōu)化系統(tǒng)GeoSOS的農(nóng)田保護區(qū)預警[J]. 地理學報，2010，65(9)：1137－1145.

Chen Yimin, Li Xia, Liu Xiaoping, et al. Coupling geosimulation and optimization (GeoSOS) for zoning and alerting of agricultural conservation areas[J]. Acta Geographica Sinica, 2010, 65(9): 1137－1145. (in Chinese with English abstract)

[23] 黎夏，劉小平，何晉強，等. 基于耦合的地理模擬優(yōu)化系統(tǒng)[J]. 地理學報，2009，64(8)：1009－1018.

Li Xia, Liu Xiaoping, He Jinqiang, et al. A geographical simulation and optimization system based on coupling strategies[J]. Acta Geographica Sinica, 2009, 64(8): 1009－1018. (in Chinese with English abstract)

[24] 彭艷麗，楊靜. 城市周邊永久基本農(nóng)田劃定方法探析：以武漢市為例[J]. 中國土地，2015(9)：40－42.

[25] 郭姿含，楊永俠. 基于GIS的耕地連片性分析方法與系統(tǒng)實現(xiàn)[J]. 地理與地理信息科學，2010，26(3)：59－62.

Guo Zihan, Yang Yongxia. GIS-based farmland connectivity analysis methods research and system implementation[J]. Geography and Geo-Information Science, 2010, 26(3): 59－62. (in Chinese with English abstract)

[26] 張保華，王雷，白振華，等. 基于景觀格局指數(shù)的基本農(nóng)田保護區(qū)集中連片性研究：以濟南市歷城區(qū)為例[J]. 山東國土資源，2014，30(2)：80－82. Zhang Baohua, Wang Lei, Bai Zhenhua, et al. Study on integrity and continuity of basic farmland protection based on landscape pattern index[J]. Land and Resources in Shangdong Province, 2014, 30(2): 80－82. (in Chinese with English abstract)

[27] Santé I, García A M, Miranda D, et al. Cellular automata models for the simulation of real-world urban processes: A review and analysis[J]. Landscape and Urban Planning, 2010, 96(2): 108－122.

[28] He J, Liu Y L, Yu Y, et al. A counterfactual scenario simulation approach for assessing the impact of farmland preservation policies on urban sprawl and food security in a major grain-producing area of China[J]. Applied Geography, 2013, 37: 127－138.

[29] 毛亮，李滿春，劉永學，等. 一種基于面積緊湊度的二維空間形狀指數(shù)及其應用[J]. 地理與地理信息科學，2005， 21(5)：11－14.

Mao Liang, Li Manchun, Liu Yongxue, et al. A 2-dimensional shape index based on area compactness and its applications[J]. Geography and Geo-information Science, 2005, 21(5): 11－14. (in Chinese with English abstract)

[30] 楊家紅，劉杰，鐘堅成，等. 結合分水嶺與自動種子區(qū)域生長的彩色圖像分割算法[J]. 中國圖象圖形學報，2010，15(1)：63－68.

Yang Jiahong, Liu Jie, Zhong Jiancheng, et al. A color image segmentation algorithm by integrating watershed with automatic seeded region growing[J]. Journal of Image and Graphics, 2010, 15(1): 63－68. (in Chinese with English abstract)

[31] Li X, Lao C H, Liu X P, et al. Early warning of illegal development for protected areas by integrating cellular automata with neural networks[J]. Journal of Environmental Management, 2013, 130: 106－116.

Establishment and application of iZone system for intelligently identifying preserved zones of permanent prime farmland

Ma Shifa1, Wu Kaizhao1, Lao Chunhua2※, Zhong Yuanjun1, Zhang Ting1, Huang Tao1

(1.,,510075,;2.,, 510520,)

China has fed about 20% of the world population with only 8% of the world land. Actually, the proportion of arable land is much lower than 8% because most of the land is unavailable for agriculture activity, such as mountains, deserts and so on. Since the reform and opening-up policy was proposed in 1978, China has undergone rapid urbanization, which has become a great threat to food security. In this case, Chinese government proposed a new policy about protection of permanent basic farmland in response to the increasing urban growth. It is important and urgent to zone the permanent farmland for restraining the pell-mell urban expansion and improving the protective efficiency, which is of great significance to food security for China. Whether the basic farmland protection is permanent or not, the core problem is to identify which arable land should be protected. In general, the core elements for identifying permanent basic farmland are the quality and the spatial pattern of arable land, which mainly determines the zoning pattern of permanent basic farmland protection. This aims to contradict the conflicts between farmland protection and urban growth. And there are many objectives should be considered when identifying the permanent basic farmland in actual engineering practice. For example, a contiguous pattern is more preferred for modernizing the agricultural sector. Therefore, it is a complex data mining problem to identify and zone permanent basic farmland from land-use status quo database. In this paper, the result of farmland utilization grade was applied to measure the quality of arable land. Cellular automata was further developed to simulate the conflict between farmland protection and urban growth, and then the arable lands located within the simulated growth area can be easily detected and excluded from protection. However, those arable lands around cities and traffic lines with the high quality may be also allowed for urban growth. This may disobey the new policy of farmland protection enacted by government. Whether the arable lands of high quality around cities and traffic lines are protected or not is greatly determined by local government. In order to zone the plausible protection pattern, a seed search algorithm was improved and induced. A series of factors including the quality of arable land, coordinated pattern of urban growth, landscape connectivity of zoned protection area, and topographic constraints were further incorporated to derive the relatively best protection pattern. Moreover, artificial neural network algorithm was used to forecast the protection stress of basic farmland due to the increasing urban expansion. An intelligent zoning tool (iZone) was developed using the component technology of ArcGIS and C#. This tool was used to identify universe basic farmlands with the integration of the above mentioned data mining models. Jinli town of Gaoyao district located in Guangdong province was further selected as a case study area to test the iZone’s performance. The quantitative comparison between the pattern identified by expert’s work and that obtained by iZone was also carried out. Results demonstrated that iZone can retrieve a better protection pattern of permanent basic farmland from land-use status quo database, which can efficiently avoid the subjectivity of artificial work. iZone can identify the permanent basic farmland under the support of complex geographic computation technologies. It is of some practicability in decision-making for permanent basic farmland protection.

land use; zoning; identification; permanent prime farmland; farmland utilization grade; cellular automata; seed searching; artificial neural network

10.11975/j.issn.1002-6819.2017.02.038

P208

A

1002-6819(2017)-02-0276-07

2016-08-23

2016-12-17

廣東省國土資源科研項目（GDGTKJ2016005）；中國博士后科學基金資助項目（2016M602439）

馬世發(fā)，博士，主要從事國土資源監(jiān)測及數(shù)據(jù)挖掘應用研究。廣州，廣東省國土資源技術中心，510075。Email：whuma@163.com

勞春華，博士，講師，主要從事GIS應用及國土資源管理研究。廣州，廣東工業(yè)大學管理學院，510520。Email：chanverlao@qq.com

馬世發(fā)，吳楷釗，勞春華，鐘遠軍，張 婷，黃 韜. 永久基本農(nóng)田保護片區(qū)智能識別系統(tǒng)iZone的建立與應用[J]. 農(nóng)業(yè)工程學報，2017，33(2)：276－282. doi：10.11975/j.issn.1002-6819.2017.02.038 http://www.tcsae.org

Ma Shifa, Wu Kaizhao, Lao Chunhua, Zhong Yuanjun, Zhang Ting, Huang Tao. Establishment and application of iZone system for intelligently identifying preserved zones of permanent prime farmland[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(2): 276－282. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.02.038 http://www.tcsae.org