呂雅慧　鄖文聚　張　超,　朱德海,　楊建宇,　陳英義

(1.中國(guó)農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院， 北京 100083； 2.國(guó)土資源部農(nóng)用地質(zhì)量與監(jiān)控重點(diǎn)實(shí)驗(yàn)室， 北京 100035)

0　引言

耕地是糧食生產(chǎn)的資源基礎(chǔ)，直接影響到國(guó)家和區(qū)域的糧食安全和生態(tài)安全。近年來(lái)，面對(duì)耕地?cái)?shù)量減少和區(qū)域耕地質(zhì)量下降等問(wèn)題，我國(guó)從最嚴(yán)格的耕地保護(hù)制度和節(jié)約用地制度，發(fā)展為耕地?cái)?shù)量、質(zhì)量、生態(tài)“三位一體”保護(hù)，高標(biāo)準(zhǔn)農(nóng)田建設(shè)是重要舉措。高標(biāo)準(zhǔn)農(nóng)田是指土地平整、土壤肥沃、集中連片、設(shè)施完善、農(nóng)電配套、高產(chǎn)穩(wěn)產(chǎn)、生態(tài)良好、抗災(zāi)能力強(qiáng)，與現(xiàn)代農(nóng)業(yè)生產(chǎn)和經(jīng)營(yíng)方式相適應(yīng)的基本農(nóng)田[1]。我國(guó)長(zhǎng)期重視高標(biāo)準(zhǔn)農(nóng)田建設(shè)，2008年首次提出“努力建設(shè)一批高標(biāo)準(zhǔn)農(nóng)田”[2]，“十二五”規(guī)劃繼續(xù)推進(jìn)“大規(guī)模建設(shè)旱澇保收高標(biāo)準(zhǔn)農(nóng)田”[3]，2013年《全國(guó)高標(biāo)準(zhǔn)農(nóng)田建設(shè)總體規(guī)劃》明確指出“‘十二五’期間建成4億畝，2020年建成8億畝”的具體要求[4]，“十三五”規(guī)劃中強(qiáng)調(diào)“持之以恒抓好高標(biāo)準(zhǔn)農(nóng)田建設(shè)”[5]，中發(fā)[2017]4號(hào)文件則明確了“確保建成8億畝、力爭(zhēng)建成10億畝高標(biāo)準(zhǔn)農(nóng)田，穩(wěn)步提高糧食綜合生產(chǎn)能力”的工作目標(biāo)[6]。

在實(shí)際工作中，我國(guó)的高標(biāo)準(zhǔn)農(nóng)田主要有兩種來(lái)源：一種是嚴(yán)格按照國(guó)標(biāo)建設(shè)而成的高標(biāo)準(zhǔn)農(nóng)田(進(jìn)行了整治和改造)，另一種則是由生產(chǎn)及生態(tài)現(xiàn)狀良好的區(qū)域直接認(rèn)定而來(lái)的高標(biāo)準(zhǔn)農(nóng)田(稍加改造或無(wú)需改造的高質(zhì)量農(nóng)田)。因此，在研究中將高標(biāo)準(zhǔn)農(nóng)田定義為“綜合質(zhì)量較高的農(nóng)田”，將建設(shè)而成的高標(biāo)準(zhǔn)農(nóng)田、直接認(rèn)定而來(lái)的高標(biāo)準(zhǔn)農(nóng)田和最有潛力被建設(shè)或認(rèn)定為高標(biāo)準(zhǔn)農(nóng)田的區(qū)域都包含在內(nèi)，旨在更加全面地理解高標(biāo)準(zhǔn)農(nóng)田。利用遙感、空間分析等技術(shù)手段實(shí)現(xiàn)高標(biāo)準(zhǔn)農(nóng)田識(shí)別，是高標(biāo)準(zhǔn)農(nóng)田建設(shè)、管護(hù)的重要基礎(chǔ)。

目前，國(guó)際上與高標(biāo)準(zhǔn)農(nóng)田相關(guān)的研究主要圍繞高質(zhì)量農(nóng)田內(nèi)涵及尺度的統(tǒng)一[7]、國(guó)家政策的制定[8]，多重效益分析[9]、環(huán)境修復(fù)與生態(tài)建設(shè)[10]以及利用統(tǒng)計(jì)學(xué)方法實(shí)現(xiàn)資源管控[11-12]等方面展開(kāi)；而國(guó)內(nèi)的研究側(cè)重于高標(biāo)準(zhǔn)農(nóng)田的選址規(guī)劃[13-14]、時(shí)序確定[15-16]、潛力評(píng)價(jià)[17]、生態(tài)服務(wù)[18]和投資預(yù)算[19]等方面，針對(duì)高標(biāo)準(zhǔn)農(nóng)田識(shí)別[20]的研究較少?，F(xiàn)有的評(píng)價(jià)指標(biāo)體系、綜合評(píng)價(jià)及賦權(quán)方法適用條件不同且各有利弊[21]，其中逼近理想點(diǎn)排序法(Technique for order preference by similarity to an ideal solution, TOPSIS)具有原理簡(jiǎn)單、數(shù)據(jù)利用充分等優(yōu)點(diǎn)[22-23]，BP(Back propagation)神經(jīng)網(wǎng)絡(luò)可以通過(guò)客觀數(shù)據(jù)訓(xùn)練實(shí)現(xiàn)權(quán)值的隱性調(diào)整[24]，二者相結(jié)合可以互為補(bǔ)充，得到更合理的評(píng)價(jià)結(jié)果。

本文以耕地圖斑為基本單元，從本底條件、空間形態(tài)、建設(shè)水平、生態(tài)防護(hù)等角度出發(fā)，構(gòu)建土壤生產(chǎn)力、耕地連片性、田塊形狀度、道路通達(dá)度和生態(tài)防護(hù)水平等農(nóng)田綜合質(zhì)量的5個(gè)特性，利用TOPSIS得到相應(yīng)的初步評(píng)價(jià)結(jié)果，并通過(guò)人機(jī)交互選取各等級(jí)農(nóng)田的真值樣本，再利用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)高標(biāo)準(zhǔn)農(nóng)田的最終識(shí)別。

1　研究區(qū)與數(shù)據(jù)概況

1.1　研究區(qū)概況

圖1　大安市區(qū)位圖Fig.1　Location map of Daan City

選擇吉林省大安市為研究區(qū)，大安市位于吉林省西北部，地處松嫩平原腹地。東與黑龍江省肇源縣隔江相望，西與洮南市、通榆縣交壤，南與松原市相鄰，北與鎮(zhèn)賚縣以洮兒河為界，如圖1所示。地理范圍為123°08′45″～124°21′56″E，44°57′00″～45°45′51″N。東西長(zhǎng)95 km，南北寬90 km，總面積為4 879 km2。境內(nèi)地勢(shì)平坦，土壤肥沃，主要種植玉米、水稻等農(nóng)作物。大安市屬中溫帶季風(fēng)氣候，四季分明，全年日照時(shí)數(shù)平均為3 012.8 h，年平均氣溫4.3℃，年平均積溫2 921.3℃，年平均降雨量413.7 mm，地表水年徑流量較大，地下水儲(chǔ)量豐富。2016年，按照《吉林省率先實(shí)現(xiàn)農(nóng)業(yè)現(xiàn)代化總體規(guī)劃(2016—2025年)》部署要求，吉林省政府整合發(fā)改、國(guó)土、農(nóng)業(yè)綜合開(kāi)發(fā)、水利、農(nóng)業(yè)等方面資金共計(jì)27.621 2億元，擬建成160.92萬(wàn)畝高標(biāo)準(zhǔn)農(nóng)田[25]，大安市是吉林省的重點(diǎn)建設(shè)區(qū)。

1.2　數(shù)據(jù)及預(yù)處理

本文采用的數(shù)據(jù)包括：2013年土地利用現(xiàn)狀變更調(diào)查數(shù)據(jù)、“全球變化科學(xué)研究數(shù)據(jù)出版系統(tǒng)”提供的中國(guó)與東盟地區(qū)2013年1 km分辨率植被凈初級(jí)生產(chǎn)力(Net primary productivity，NPP)數(shù)據(jù)集、2014年耕地質(zhì)量等別年度更新數(shù)據(jù)、2015年林業(yè)小班數(shù)據(jù)、大安市2013—2015年高標(biāo)準(zhǔn)農(nóng)田項(xiàng)目區(qū)地塊邊界數(shù)據(jù)等，以及8景2015年3—11月大安市關(guān)鍵物候期的16 m分辨率GF1-WFV遙感影像。

對(duì)多期遙感影像進(jìn)行預(yù)處理并計(jì)算歸一化差值植被指數(shù)(Normalized difference vegetation index，NDVI)，選擇2015年9月5日的影像，進(jìn)行研究區(qū)耕地面向?qū)ο筇崛?，更?013年土地利用現(xiàn)狀變更調(diào)查數(shù)據(jù)中的耕地圖斑作為評(píng)價(jià)單元。根據(jù)高標(biāo)準(zhǔn)農(nóng)田建設(shè)對(duì)田塊面積的基本要求，將6.67 hm2以下的評(píng)價(jià)單元篩除，并以5 m為閾值進(jìn)行連片判斷，得到連片耕地區(qū)域。疊加中國(guó)與東盟地區(qū)2013年1 km分辨率植被凈初級(jí)生產(chǎn)力數(shù)據(jù)集，得到全年耕地平均NPP；從2013年土地利用現(xiàn)狀變更調(diào)查數(shù)據(jù)和2015年林業(yè)小班數(shù)據(jù)中分別提取通達(dá)耕地圖斑的道路、服務(wù)于耕地圖斑的林帶，通過(guò)緩沖區(qū)分析和疊加分析等，獲得每塊耕地圖斑的道路通達(dá)度和生態(tài)防護(hù)程度。

2　研究方法

農(nóng)田綜合質(zhì)量評(píng)價(jià)和高標(biāo)準(zhǔn)農(nóng)田識(shí)別方法具體流程如圖2所示。

2.1　多特性表征體系構(gòu)建

根據(jù)耕地的本底條件優(yōu)良、空間形態(tài)規(guī)整、建設(shè)水平完善、生態(tài)防護(hù)良好等原則，構(gòu)建本文的農(nóng)田綜合質(zhì)量多特性表征體系。

2.1.1土壤生產(chǎn)力特性(I1)

土壤生產(chǎn)力特性表征耕地地塊的本底條件，由多種土壤理化性質(zhì)共同決定。已有研究表明[26-27]，光譜反射特性與土壤內(nèi)部多種理化性質(zhì)密切相關(guān)，同時(shí)王瓊[28]的研究表明，多時(shí)相NDVI可顯著反映作物長(zhǎng)勢(shì)、土壤綜合質(zhì)量等的空間分布規(guī)律。本文通過(guò)空間分析提取年平均值NPP和年多期NDVI總值的2 155個(gè)耕地內(nèi)部隨機(jī)樣點(diǎn)，對(duì)樣點(diǎn)進(jìn)行相關(guān)性分析，結(jié)果如表1所示，在雙側(cè)置信度0.01的水平上，兩者呈顯著的中等正相關(guān)。因此本文選擇全年關(guān)鍵生物期農(nóng)田的NDVI總值來(lái)間接反演土壤基礎(chǔ)生產(chǎn)力，具體為

(1)

式中INDN——土壤生產(chǎn)力特性值，用整年內(nèi)關(guān)鍵物候期NDVI的總和表征

NDVIk——第k個(gè)關(guān)鍵物候期的NDVI值

m——關(guān)鍵物候期個(gè)數(shù)

2.1.2耕地連片特性(I2)

耕地連片特性表征耕地地塊間的集中連片程度，影響農(nóng)業(yè)生產(chǎn)的機(jī)械化程度及效率。本文采取連接性計(jì)算法[29]，以連片耕地的周長(zhǎng)密度反映連片情況：值越大，說(shuō)明耕地被打斷或分割的程度越大；反之說(shuō)明被分割的程度越小，耕地越連片。具體為

圖2　方法流程圖Fig.2　Flow chart of method

(2)

式中IND_P——耕地連片特性值

L——連片耕地周長(zhǎng)總和

A——連片耕地面積總和

2.1.3田塊形狀特性(I3)

田塊規(guī)整是高標(biāo)準(zhǔn)農(nóng)田建設(shè)的主要目標(biāo)之一，田塊形狀特性表征耕地地塊形態(tài)的規(guī)整性。本文選用面積加權(quán)平均斑塊形狀指數(shù)度量連片耕地內(nèi)部田塊的平均形狀復(fù)雜度，值越大，說(shuō)明形狀越復(fù)雜、越不規(guī)則。具體為

(3)

式中IND_S——田塊形狀特性值

N——連塊耕地內(nèi)部的田塊總數(shù)

ai——連片耕地內(nèi)部各田塊的面積

Pi——連片耕地內(nèi)部各田塊的周長(zhǎng)

式中，0.25為正方形校正常數(shù)。

2.1.4道路通達(dá)特性(I4)

道路通達(dá)特性表征連片耕地內(nèi)部田塊的通達(dá)情況。高標(biāo)準(zhǔn)農(nóng)田建設(shè)要求在田間道路密度與占地面積合理的情況下，確保農(nóng)機(jī)盡可能到達(dá)多的田塊，值越大，說(shuō)明連片耕地內(nèi)部道路能夠通達(dá)的田塊越多，機(jī)械化生產(chǎn)成本越小。具體為

表1　相關(guān)性分析結(jié)果Tab.1　Correlation analysis results

注：** 表示在置信度0.01水平(雙側(cè))上顯著相關(guān)。

(4)

式中IND_RC——連片耕地內(nèi)部各田塊的道路通達(dá)度特性值

n——連片耕地內(nèi)部所有道路可通達(dá)的田塊數(shù)

2.1.5生態(tài)防護(hù)特性(I5)

生態(tài)防護(hù)特性表征連片耕地的生態(tài)防護(hù)水平，高標(biāo)準(zhǔn)農(nóng)田重視耕地生態(tài)改善和可持續(xù)發(fā)展，防護(hù)林是當(dāng)前農(nóng)田中最普遍的生態(tài)防護(hù)措施，本文以林網(wǎng)對(duì)連片耕地的防護(hù)面積占比定量評(píng)價(jià)農(nóng)田生態(tài)防護(hù)特性，具體為

(5)

式中IND_E——耕地田塊生態(tài)防護(hù)特性值

E——覆蓋連片耕地的防護(hù)林服務(wù)帶面積，每條防護(hù)林的服務(wù)帶是以防護(hù)林為中心，300 m有效距離范圍的緩沖區(qū)

2.2　多特性值歸一化

為了消除量綱、數(shù)量級(jí)以及屬性導(dǎo)向等對(duì)數(shù)據(jù)分析和決策結(jié)果的影響，本文對(duì)正相關(guān)和負(fù)相關(guān)指標(biāo)分別采用歸一化方法，將數(shù)據(jù)映射到0～1，具體為

(6)

(7)

式中j——各耕地評(píng)價(jià)單元的編號(hào)

i——各特性的編號(hào)

Xij——原始數(shù)據(jù)中第j個(gè)評(píng)價(jià)單元第i個(gè)特性的特性值

Ximin——所有評(píng)價(jià)單元第i個(gè)特性的最小值

Ximax——所有評(píng)價(jià)單元第i個(gè)特性的最大值

Yij——第j個(gè)評(píng)價(jià)單元第i個(gè)特性歸一化值

2.3　TOPSIS與BP神經(jīng)網(wǎng)絡(luò)模型

TOPSIS是一種實(shí)現(xiàn)相對(duì)優(yōu)劣程度評(píng)價(jià)的方法，通過(guò)找到多特性的最優(yōu)解集和最劣解集，分別檢測(cè)評(píng)價(jià)單元與兩者的相對(duì)貼近程度，從而進(jìn)行優(yōu)劣排序并實(shí)現(xiàn)綜合評(píng)價(jià)，其中多特性的最優(yōu)解集由所有特性的最優(yōu)值組成，最劣解集由所有特性的最差值組成。具體為

(8)

wi——第i個(gè)特性的權(quán)重

Yimax——第i個(gè)特性歸一化后的最大值

Yimin——第i個(gè)特性歸一化后的最小值

Rj——第j個(gè)評(píng)價(jià)單元特性與理想最優(yōu)解集的相對(duì)貼切度

Rj的值越小，表明該評(píng)價(jià)單元與最優(yōu)解集越接近，其耕地綜合質(zhì)量應(yīng)初步被認(rèn)定為越好。先假設(shè)在高標(biāo)準(zhǔn)農(nóng)田中各特性權(quán)重相同，均初步設(shè)定為0.20，據(jù)此進(jìn)行農(nóng)田綜合質(zhì)量的初步評(píng)價(jià)。其中對(duì)各特性的相對(duì)重要性考慮不足，需要與大安市2014年耕地質(zhì)量利用等指數(shù)據(jù)進(jìn)行空間套合，結(jié)合人機(jī)交互的方式，選取評(píng)價(jià)合理的各等級(jí)農(nóng)田作為真值樣本；進(jìn)一步通過(guò)BP神經(jīng)網(wǎng)絡(luò)對(duì)權(quán)值進(jìn)行隱性調(diào)整，獲得精確的綜合評(píng)價(jià)結(jié)果。BP神經(jīng)網(wǎng)絡(luò)是一種按誤差反向傳播算法訓(xùn)練的多層前饋網(wǎng)絡(luò)，適用于各種非線性關(guān)系分析[30]。其結(jié)構(gòu)由輸入層(I)、輸出層(O)和若干隱含層(H)組成：輸入包含輸入量和期望輸出量的學(xué)習(xí)樣本，實(shí)際輸出量與期望輸出量之間存在偏差，使用最速下降法和反向傳播算法對(duì)網(wǎng)絡(luò)的權(quán)值和偏差反復(fù)調(diào)整，直到實(shí)際輸出量與期望輸出量盡可能地接近時(shí)結(jié)束訓(xùn)練。原理為

(9)

式中δ——實(shí)際輸出值與期望值之間的偏差

p——輸出層的神經(jīng)元個(gè)數(shù)

Zk——輸出層第k個(gè)神經(jīng)元的實(shí)際輸出量

Z′k——輸出層第k個(gè)神經(jīng)元的期望輸出量

ωij——輸入單元j到隱含層單元i的權(quán)重

Δωij——權(quán)重的修正量

μ——學(xué)習(xí)速率

Mi——隱含層單元i到輸出層的傳輸函數(shù)

本文將5項(xiàng)特性作為主控因素，即BP神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)為5；研究表明，輸入節(jié)點(diǎn)數(shù)為τ、隱含層節(jié)點(diǎn)數(shù)取2τ+1時(shí)，BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力好[30]，故隱含層節(jié)點(diǎn)數(shù)為11；此外，3層結(jié)構(gòu)的BP網(wǎng)絡(luò)具有模擬復(fù)雜非線性關(guān)系的能力[31]；農(nóng)田的綜合質(zhì)量等級(jí)為輸出層節(jié)點(diǎn)。綜上確定BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。

圖3　BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.3　Construction diagram of BP neural networks model

3　試驗(yàn)結(jié)果與分析

3.1　耕地圖斑多特性值歸一化結(jié)果分析

土壤生產(chǎn)力特性(I1)歸一化結(jié)果如圖4a所示。大安市耕地的該特性平均水平高且分布均勻，大部分區(qū)域特性值高，中南部和東南沿線較高，東北部和南部有極少部分特性值偏低；當(dāng)?shù)剞r(nóng)業(yè)生產(chǎn)基礎(chǔ)條件好，耕地土質(zhì)優(yōu)良，僅有少數(shù)鹽漬化耕地土壤基礎(chǔ)較差。

圖4　I1～I(xiàn)5歸一化結(jié)果Fig.4　Normalization results of I1～I(xiàn)5

耕地連片特性(I2)歸一化結(jié)果如圖4b所示。大安市耕地的該特性平均水平一般，空間分異明顯，東部和南部高，中北部、東北部和西北沿線較高，中西部和中南部偏低；特性值較高的耕地主要分布在田塊集中、距離市中心較近的區(qū)域，適于農(nóng)業(yè)現(xiàn)代化生產(chǎn)的需求。

田塊形狀特性(I3)歸一化結(jié)果如圖4c所示。大安市耕地的該特性平均水平較高且分布較均勻，東部、中東部和南部高，東北部和西部較高，西南部和東南沿線偏低；特性值較高的耕地主要分布在田塊集中的區(qū)域，在分布散亂的區(qū)域特性值偏低。

道路通達(dá)特性(I4)歸一化結(jié)果如圖4d所示。大安市耕地的該特性平均水平高，僅有零星的低值耕地分散在全域各部；特性值較高的耕地區(qū)域田塊集中、路網(wǎng)密集，較低的耕地分布在田塊零散且路網(wǎng)稀疏的區(qū)域。

生態(tài)防護(hù)特性(I5)歸一化結(jié)果如圖4e所示。大安市耕地的該特性平均水平一般，空間分異明顯，東部、中北部和南部值較高，東北部和西北沿線值一般，西部和西南部值偏低，在東北和西北的邊界也有少量低值分布；田塊集中連片區(qū)域的防護(hù)林建設(shè)較為完善，而分布零散的區(qū)域生態(tài)防護(hù)建設(shè)薄弱，有待加強(qiáng)。

3.2　基于TOPSIS的農(nóng)田質(zhì)量初步評(píng)價(jià)

利用式(8)得到各評(píng)價(jià)單元綜合特性與理想最優(yōu)解集的相對(duì)貼切度(Rj)，作為研究區(qū)農(nóng)田綜合質(zhì)量的初步評(píng)價(jià)結(jié)果。如圖5所示，研究區(qū)農(nóng)田的平均質(zhì)量水平較高，高質(zhì)量農(nóng)田主要分布在中東部、東部、東北部、西北沿線和南部等耕地連片區(qū)域，低質(zhì)量農(nóng)田主要在西部和東南部邊緣零散分布。

圖5　基于TOPSIS的評(píng)價(jià)結(jié)果Fig.5　Evaluation results based on TOPSIS

依據(jù)TOPSIS的結(jié)果，利用自然斷點(diǎn)法對(duì)研究區(qū)農(nóng)田質(zhì)量進(jìn)行初步等級(jí)劃分，并將大安市2014年耕地質(zhì)量等別數(shù)據(jù)中的國(guó)家利用等指數(shù)，通過(guò)自然斷點(diǎn)法對(duì)應(yīng)分級(jí)，空間疊加分析得到評(píng)價(jià)一致的耕地圖斑，相應(yīng)的初步等級(jí)劃分結(jié)果作為該農(nóng)田的綜合質(zhì)量真值，從中隨機(jī)抽取如表2所示的1 096個(gè)樣本。

3.3　基于BP神經(jīng)網(wǎng)絡(luò)的高標(biāo)準(zhǔn)農(nóng)田最終識(shí)別

3.3.1構(gòu)建BP神經(jīng)網(wǎng)絡(luò)

利用1 096個(gè)真值樣本，通過(guò)構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)隱性調(diào)整各特性的權(quán)值大小。其中80%的樣本用于訓(xùn)練、20%的樣本用于測(cè)試，并采用交叉驗(yàn)證法求取實(shí)驗(yàn)均值作為模型參數(shù)，最終各等級(jí)的識(shí)別精度如圖6所示，預(yù)測(cè)變量中I5、I2、I4、I3、I1的權(quán)重依次為：0.23、0.21、0.20、0.19、0.17。

表2　樣本選取情況Tab.2　Sample selection

綜合質(zhì)量為1、2、3等級(jí)的農(nóng)田具有較高的分類(lèi)準(zhǔn)確性，精度均達(dá)到96%以上；但對(duì)于4等級(jí)農(nóng)田分類(lèi)精度不高，原因是研究區(qū)農(nóng)田的平均綜合質(zhì)量較好，較差的4等級(jí)農(nóng)田樣本數(shù)極少，造成了錯(cuò)分現(xiàn)象，但對(duì)于本文識(shí)別1、2等級(jí)高標(biāo)準(zhǔn)農(nóng)田的目標(biāo)沒(méi)影響。

圖6　BP神經(jīng)網(wǎng)絡(luò)運(yùn)行結(jié)果Fig.6　BP neural networks results

3.3.2基于農(nóng)田質(zhì)量綜合評(píng)價(jià)的高標(biāo)準(zhǔn)農(nóng)田識(shí)別

將所有評(píng)價(jià)單元的BP網(wǎng)絡(luò)輸出作為農(nóng)田綜合質(zhì)量的最終評(píng)價(jià)結(jié)果。如圖7所示，研究區(qū)農(nóng)田的平均綜合質(zhì)量水平較高，1、2等級(jí)農(nóng)田占到耕地總面積的一半以上，呈現(xiàn)出東北高于西南的特點(diǎn)，與初步評(píng)價(jià)結(jié)果具有空間一致性。

圖7　基于BP神經(jīng)網(wǎng)絡(luò)的精確綜合評(píng)價(jià)結(jié)果Fig.7　Accurate comprehensive evaluation results based on BP neural network

將1、2等級(jí)農(nóng)田作為高標(biāo)準(zhǔn)農(nóng)田的識(shí)別結(jié)果，如圖8所示。研究區(qū)高標(biāo)準(zhǔn)農(nóng)田面積大，重點(diǎn)分布在耕地集中連片、道路通達(dá)且防護(hù)林分布密集，具有農(nóng)業(yè)現(xiàn)代化生產(chǎn)優(yōu)勢(shì)條件的區(qū)域，在南部也有小規(guī)模分布；1等級(jí)高標(biāo)準(zhǔn)農(nóng)田主要分布在東部、中東和南部，應(yīng)以合理利用為主，輔以可持續(xù)監(jiān)管；2等級(jí)高標(biāo)準(zhǔn)農(nóng)田主要連片分布在西北部邊緣、中西部和東北部，應(yīng)當(dāng)管護(hù)與利用并重，同時(shí)加強(qiáng)薄弱環(huán)節(jié)的建設(shè)。

圖8　高標(biāo)準(zhǔn)農(nóng)田識(shí)別結(jié)果Fig.8　Extraction results of well-facilitated farmland

3.3.3驗(yàn)證與分析

為了驗(yàn)證識(shí)別結(jié)果的科學(xué)性，將當(dāng)?shù)匾褌浒傅母邩?biāo)準(zhǔn)農(nóng)田區(qū)域即大安市2013—2015年高標(biāo)準(zhǔn)農(nóng)田項(xiàng)目區(qū)地塊邊界與之進(jìn)行套合，同時(shí)結(jié)合野外調(diào)研的實(shí)際情況進(jìn)行分析。如圖9所示，已備案的高標(biāo)準(zhǔn)農(nóng)田區(qū)域得到了有效識(shí)別，主要分布在月亮泡鎮(zhèn)、太山鎮(zhèn)、聯(lián)合鄉(xiāng)、四棵樹(shù)鄉(xiāng)、紅崗子鎮(zhèn)、燒鍋鎮(zhèn)鄉(xiāng)和舍力鎮(zhèn)；但在識(shí)別結(jié)果中，有大片的區(qū)域雖未備案為高標(biāo)準(zhǔn)農(nóng)田，也被識(shí)別了出來(lái)。

圖9　識(shí)別結(jié)果檢驗(yàn)Fig.9　Test of extraction results

除了生產(chǎn)、生態(tài)條件原本較為優(yōu)越，耕地資源豐沃的原因之外，這部分農(nóng)田被識(shí)別主要有兩種情況：分布在已備案的高標(biāo)準(zhǔn)農(nóng)田附近，原因是其周?chē)嬖诟邩?biāo)準(zhǔn)農(nóng)田整治項(xiàng)目，促進(jìn)了自身農(nóng)田綜合質(zhì)量的提升，如舍力鎮(zhèn)和月亮泡鎮(zhèn)等區(qū)域；分布在其他土地整治項(xiàng)目區(qū)及周邊，原因是通過(guò)土地整治提高了相應(yīng)區(qū)域的農(nóng)田質(zhì)量，使其具有潛力成為高標(biāo)準(zhǔn)農(nóng)田，如叉干鎮(zhèn)和龍沼鎮(zhèn)等區(qū)域。

4　結(jié)論

(1)從耕地質(zhì)量、生態(tài)和適應(yīng)農(nóng)業(yè)現(xiàn)代化生產(chǎn)需求的角度理解高標(biāo)準(zhǔn)農(nóng)田，圍繞耕地本底條件、空間形態(tài)、建設(shè)水平、生態(tài)防護(hù)等方面構(gòu)建農(nóng)田綜合質(zhì)量的多特性表征及高標(biāo)準(zhǔn)農(nóng)田識(shí)別的技術(shù)方法體系，并利用耕地多期的NDVI間接表征耕地土壤生產(chǎn)力特性。

(2)在利用TOPSIS實(shí)現(xiàn)農(nóng)田綜合質(zhì)量初步評(píng)價(jià)的基礎(chǔ)上，進(jìn)一步采用BP神經(jīng)網(wǎng)絡(luò)識(shí)別高標(biāo)準(zhǔn)農(nóng)田；農(nóng)田綜合質(zhì)量的評(píng)價(jià)精度達(dá)到96%以上，當(dāng)?shù)馗邩?biāo)準(zhǔn)農(nóng)田主要分布在具有農(nóng)業(yè)現(xiàn)代化生產(chǎn)優(yōu)勢(shì)的東北部、中北部、西北部邊緣和部分南部區(qū)域。

(3)通過(guò)空間分析和實(shí)地調(diào)研，驗(yàn)證識(shí)別結(jié)果的科學(xué)性；研究區(qū)已備案的高標(biāo)準(zhǔn)農(nóng)田得到有效識(shí)別，可為高標(biāo)準(zhǔn)農(nóng)田建設(shè)后評(píng)價(jià)和管護(hù)提供支撐；研究區(qū)未備案的、有潛力的農(nóng)田得到有效提取，可為高標(biāo)準(zhǔn)農(nóng)田建設(shè)前選址提供依據(jù)。

1中華人民共和國(guó)國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局,中國(guó)國(guó)家標(biāo)準(zhǔn)化管理委員會(huì).高標(biāo)準(zhǔn)農(nóng)田建設(shè)通則：GB/T 30600—2014[S].北京:中國(guó)標(biāo)準(zhǔn)出版社,2014.

2中華人民共和國(guó)中央人民政府.2008年國(guó)務(wù)院政府工作報(bào)告[EB/OL][2008-03-05].http:∥www.gov.cn.

3中華人民共和國(guó)中央人民政府.中華人民共和國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十二個(gè)五年規(guī)劃綱要[EB/OL][2011-03-14].http:∥www.gov.cn.

4中華人民共和國(guó)國(guó)家發(fā)展和改革委員會(huì).全國(guó)高標(biāo)準(zhǔn)農(nóng)田建設(shè)總體規(guī)劃[EB/OL][2013-12-09].http:∥camn.agri.gov.cn.

5中華人民共和國(guó)中央人民政府.中華人民共和國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十三個(gè)五年規(guī)劃綱要[EB/OL][2016-03-17].http:∥www.gov.cn.

6中發(fā)[2017]4號(hào).中共中央國(guó)務(wù)院關(guān)于加強(qiáng)耕地保護(hù)和改進(jìn)占補(bǔ)平衡的意見(jiàn)[EB/OL][2017-01-09].http:∥www.chinadnid.com.

7ANDERSEN E,BALDOCK D,BROUWER F M, et al.Developing a high nature value farming area indicator: final report[R]. FAO,2004.

8ROSA D L,PRIVITERA R.Characterization of non-urbanized areas for land-use planning of agricultural and green infrastructure in urban contexts[J].Landscape & Urban Planning,2013,109(1):94-106.

9PLIENINGER T,BIELING C.Resilience-based perspectives to guiding high nature value farmland through socio-economic change[J].Ecology & Society,2013,18(4):20.

10DOXA A,PARACCHINI M L,POINTEREAU P, et al.Preventing biotic homogenization of farmland bird communities: the role of high nature value farmland[J].Agriculture Ecosystems & Environment,2012,148(7):83-88.

11POINTEREAU P,PARACCHINI M L,TERRES J M, et al.Identification of high nature value farmland in france through statistical information and farm practice surveys[J].Dissertations & Theses-Gradworks,2007:22786.

12HAZEU G,MILENOV P,PEDROLI B, et al.High nature value farmland identification from satellite imagery, a comparison of two methodological approaches[J].International Journal of Applied Earth Observation & Geoinformation,2014,30:98-112.

13楊建宇,杜貞容,杜振博,等.基于耕地質(zhì)量評(píng)價(jià)和局部空間自相關(guān)的高標(biāo)準(zhǔn)農(nóng)田劃定[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào),2017,48(6):109-115.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20170614&journal_id=jcsam.DOI：10.6041/j.issn.1000-1298.2017.06.014.

YANG Jianyu,DU Zhenrong,DU Zhenbo, et al.Well facilitied capital farmland assignment based on land quality evaluation and LISA[J/OL].Transactions of the Chinese Society for Agricultural Machinery,2017,48(6):109-115.(in Chinese)

14楊建宇,趙龍,徐凡,等.基于耕地連片度的高標(biāo)準(zhǔn)基本農(nóng)田建設(shè)劃區(qū)[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào),2017,48(4):142-148.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20170418&journal_id=jcsam.DOI：10.6041/j.issn.1000-1298.2017.04.018.

YANG Jianyu,ZHAO Long,XU Fan, et al.Zoning of high standard prime farmland construction based on arable lands connectivity[J/OL].Transactions of the Chinese Society for Agricultural Machinery,2017,48(4):142-148.(in Chinese)

15趙冬玲,何珊珊,林尚緯,等.基于TOPSIS和熱點(diǎn)分析的高標(biāo)準(zhǔn)農(nóng)田建設(shè)優(yōu)先區(qū)選擇[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào),2017,48(7):153-158.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20170719&journal_id=jcsam.DOI：10.6041/j.issn.1000-1298.2017.07.019.

ZHAO Dongling,HE Shanshan,LIN Shangwei, et al.Layout of high-standard farmland construction priority area based on TOPSIS and hotspot analysis[J/OL].Transactions of the Chinese Society for Agricultural Machinery,2017,48(7):153-158.(in Chinese)

16薛劍,韓娟,張鳳榮,等.高標(biāo)準(zhǔn)基本農(nóng)田建設(shè)評(píng)價(jià)模型的構(gòu)建及建設(shè)時(shí)序的確定[J].農(nóng)業(yè)工程學(xué)報(bào),2014,30(5):193-203.

XUE Jian,HAN Juan,ZHANG Fengrong, et al.Development of evaluation model and determination of its construction sequence for well-facilitied capital farmland[J].Transactions of the CSAE,2014,30(5):193-203.(in Chinese)

17楊偉,謝德體,廖和平,等.基于高標(biāo)準(zhǔn)基本農(nóng)田建設(shè)模式的農(nóng)用地整治潛力分析[J].農(nóng)業(yè)工程學(xué)報(bào),2013,29(7):219-229.

YANG Wei,XIE Deti,LIAO Heping, et al.Analysis of consolidation potential of agricultural land based on construction mode of high-standard basic farmland[J].Transactions of the CSAE,2013,29(7):219-229.(in Chinese)

18唐秀美,潘瑜春,程晉南,等.高標(biāo)準(zhǔn)基本農(nóng)田建設(shè)對(duì)耕地生態(tài)系統(tǒng)服務(wù)價(jià)值的影響[J].生態(tài)學(xué)報(bào),2015,35(24):8009-8015.

TANG Xiumei,PAN Yuchun,CHENG Jinnan, et al.Impact of high-standard prime farmland construction on ecosystem service value in Beijing[J]. Acta Ecologica Sinica,2015,35(24):8009-8015.(in Chinese)

19劉建生,鄖文聚,趙小敏,等.基于差距度與投資度的高標(biāo)準(zhǔn)基本農(nóng)田建設(shè)研究與應(yīng)用[J].中國(guó)人口資源與環(huán)境,2014,24(3):47-53.

LIU Jiansheng,YUN Wenju,ZHAO Xiaomin, et al.Theory and application of well-facilitied capital farmland construction: an analysis based on the gap degree and investment intensity[J].China Population Resources and Environment,2014,24(3):47-53.(in Chinese)

20劉佳佳.基于遙感的高標(biāo)準(zhǔn)農(nóng)田快速識(shí)別研究[D].北京:中國(guó)農(nóng)業(yè)大學(xué),2017.

LIU Jiajia.Research on quick identification of high standard farmland based on remote sensing[D].Beijing:China Agricultural University,2017.(in Chinese)

21王暉,陳麗,陳墾,等.多指標(biāo)綜合評(píng)價(jià)方法及權(quán)重系數(shù)的選擇[J].廣東藥學(xué)院學(xué)報(bào),2007,23(5):583-589.

22劉繼斌,曲成毅,王瑞花.基于屬性AHM的Topsis綜合評(píng)價(jià)及其應(yīng)用[J].現(xiàn)代預(yù)防醫(yī)學(xué),2006,33(10):1862-1863.

23楊建宇,徐凡,劉光成,等.基于TOPSIS算法的永久基本農(nóng)田劃定方法[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào),2017,48(8):133-139.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20170814&journal_id=jcsam.DOI：10.6041/j.issn.1000-1298.2017.08.014.

YANG Jianyu,XU Fan,LIU Guangcheng, et al.Demarcation method of permanent prime cultivated land based on TOPSIS[J/OL].Transactions of the Chinese Society for Agricultural Machinery,2017,48(8):133-139.(in Chinese)

24張宏,馬巖,李勇,等.基于遺傳BP神經(jīng)網(wǎng)絡(luò)的核桃破裂功預(yù)測(cè)模型[J].農(nóng)業(yè)工程學(xué)報(bào),2014,30(18):78-84.

ZHANG Hong,MA Yan,LI Yong, et al.Rupture energy prediction model for walnut shell breaking based on genetic BP neural network[J].Transactions of the CSAE,2014,30(18):78-84.(in Chinese)

25吉林省農(nóng)委發(fā)展計(jì)劃處.突出抓好“五個(gè)結(jié)合、五個(gè)優(yōu)先”扎實(shí)推進(jìn)吉林省高標(biāo)準(zhǔn)農(nóng)田整合建設(shè)[J].吉林農(nóng)業(yè)月刊,2017(3):46-47.

26白燕英.基于多時(shí)相遙感影像的鹽漬化農(nóng)田表層土壤水分反演研究[D].呼和浩特:內(nèi)蒙古農(nóng)業(yè)大學(xué),2014.

BAI Yanying.Study on surface soil moisture inversion of salinization of farmland based on multi·temporal remote sensing images[D].Huhhot:Inner Mongolia Agricultural University,2014.(in Chinese)

27吳嵩.典型黑土區(qū)土壤有機(jī)質(zhì)含量反演研究[D].長(zhǎng)春:吉林大學(xué),2016.

WU Song.Research on soil organic matter content inversion in typical black soil area[D].Changchun:Jilin University,2016.(in Chinese)

28王瓊.基于遙感技術(shù)的棉田土壤質(zhì)量評(píng)價(jià)研究[D].石河子:石河子大學(xué),2013.

WANG Qiong.The assessment of soil quality on cotton field based on remote sensing technology[D].Shihezi:Shihezi University,2013.(in Chinese)

29郭姿含,楊永俠.基于GIS的耕地連片性分析方法與系統(tǒng)實(shí)現(xiàn)[J].地理與地理信息科學(xué),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)

30孟召平,田永東,雷旸.煤層含氣量預(yù)測(cè)的BP神經(jīng)網(wǎng)絡(luò)模型與應(yīng)用[J].中國(guó)礦業(yè)大學(xué)學(xué)報(bào),2008,37(4):456-461.

MENG Zhaoping,TIAN Yongdong,LEI Yang.Prediction models of coal bed gas content based on BP neural networks and its applications[J].Journal of China University of Mining & Technology,2008,37(4):456-461.(in Chinese)

31唐萬(wàn)梅.BP神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化問(wèn)題的研究[J].系統(tǒng)工程理論與實(shí)踐,2005,25(10):95-100.

TANG Wanmei.The study of the optimal structure of BP nueral network[J].Systems Engineering—Theory & Practice,2005,25(10):95-100.(in Chinese)