基本农田规划决策支持：模型构建与系统研发

汪西林，胡娈运

1. 北京林业大学水土保持学院重点实验室，北京 100083；2. 湖南省第三测绘院，湖南 长沙 410007

基本农田规划决策支持：模型构建与系统研发

汪西林1，胡娈运2

1. 北京林业大学水土保持学院重点实验室，北京 100083；2. 湖南省第三测绘院，湖南 长沙 410007

基本农田的保护是确保粮食安全的“底线”。随着中国 1.03亿公顷永久基本农田的划定工作进入尾声，基本农田划定中的高效操作经验有待系统梳理和总结。文章依据沈阳苏家屯区土地利用调查分等定级成果，构建基本农田识别划定模型，辅以决策支持系统的开发，探索科学识别、快速划定基本农田，减轻人为干扰，提高基本农田的识别划定效率的方法。该研究提取9项评价指标——自然质量分、自然质量等指数、土地利用等指数、农用地等别指数、耕作距离、中心城市影响度、道路通达度、对外交通便利度、农贸市场影响度，通过主成分分析“降维”为3个主成分因子，特征值分别为5.084、1.342、1.011，累积贡献率达到 82.632%。其中，土地利用等指数、农用地等别指数、自然质量等指数、自然质量分、农贸市场影响度在第一主成分上有较高载荷，反映自然条件和社会投入-产出值对耕地综合质量的影响；对外交通便利度、中心城市影响度在第二主成分上有较高的载荷，反映区位条件对耕地综合质量的影响；耕作距离在第三成分上有较高的载荷，反映经济条件对耕地综合质量的影响。利用主成分分析计算耕地综合质量指数，再预测基本农田规划面积约束，建立0-1整数规划模型，识别筛选综合质量指数较高耕地，通过决策系统快速划定入选基本农田的耕地。该模型全面反映了自然因素、经济因素、区位因素对耕地综合质量的影响，其决策系统的模型构建与系统应用为区县尺度的基本农田划定提供了科学识别、基本农田面积确定和基本农田的划定三大功能，使基本农田规划决策工作得以有效提升。

基本农田；分等定级；主成分分析；0-1整数规划模型；决策支持系统

在中国当前的快速城镇化背景下，城市周边和道路沿线的优质耕地面积急剧下降，对基本农田的保护成为确保粮食安全的“底线”（郑新奇等，2007；谢高地等，2017）。根据1998年的《基本农田保护条例》，基本农田是指按照对农产品的需求，依据土地利用总体规划确定的不得占用的耕地。党的十七届三中全会提出了永久基本农田的概念，进一步强调了基本农田保护的永久性约束（郧文聚等，2009）。2017年，人民网又提到永久基本农田划定，要强化“量质并重”。“在保证数量的同时，特别强调划定的耕地质量。从大到小，空间由近及远，质量由高到低的步骤，从城市周边的划定逐步扩展到全域的划定，依次推开，确保整个划定的质量”（朱江等，2017）。针对永久基本农田划定的规划任务，构建数理模型并研发基本农田规划决策支持系统可以有效提升工作效率，为区县尺度的基本农田划定提供科学的规划依据。

为保障基本农田划定的科学性并提升工作效率，围绕基本农田划定的技术方法问题，国内学者已进行了长期探索。杨建宇等（2017）引入TOPSIS算法对耕地优劣进行量化排序，调整建设区域和重点整治区域的耕地，为永久基本农田划定拓宽了思路。周明等（2016）定义基本农田为部分质优、空间分布相对集中、形状不太规则的耕地，根据多因素综合评价法确定的质量总分值比较接近，难以人工区分的特点，采用K均值聚类的方法对耕地质量进行分级，以此作为基本农田划定的依据。孔祥斌等（2008）基于K-Mean聚类分析，将农用地利用等别聚类为高、中、低三类，作为基本农田的划定依据。程锋等（2003）提出了逼近于理想点的加权排序模型与0-1整数规划模型，避免了简单加权法中线性叠加存在的误差。张兆瑞等（2000）利用MAPGIS研发系统，为基本农田需求预测和指标分解等数量决策提供支持。近年来，新的指标与模型也不断涌现。任艳敏等（2017）改进连片度和田间道路密度计算方法，将基本农田划定指标分解为自然禀赋条件、基础设施条件、社会经济条件和区位条件4方面。马世发等（2017）利用种子扩充算法进行耕地保护片区搜索，利用神经网络进行耕地保护压力预警，利用ArcGIS Engine研发基本农田保护片区智能识别系统。关小东等（2016）考虑耕地历史变化过程，基于贝叶斯网络模型划定基本农田。陈荣（2016）利用GIS技术手段对永久性基本农田数据进行处理和分析，提供了对永久性基本农田划定和保护的智能支持，从而实现永久性基本农田规划成图的数字化等等，新模型的不断推进显然有助于提升基本农田划定的科学性。

随着计算机在土地利用与规划中的应用越来越普遍（Miyamoto et al.，1996；Kalogirou，2002；Li et al.，2006），应用操作软件进行基本农田的划定已逐步代替了传统的手工方法，但划定中的决策过程仍存在过度的人工干预，基本农田划定等土地利用规划中的自动化决策能力仍有待提升（Lam，1997；Matthews et al.，1999）。针对基本农田划定过程中“划劣不划优、划远不划近”的重数量、轻质量问题，以及人工目视调整地块的主观性，我们探索建立基本农田规划决策模型，并以 ArcGIS为操作平台、C#为开发工具，根据技术规程要求（中华人民共和国国土资源部，2011），设计基于规则和约束条件的基本农田规划决策支持系统，为科学划定基本农田提供有力的技术支持。

1 基本农田规划决策总体技术路线

基本农田规划决策总体分为前期准备、模型构建、系统研发3项内容，其中模型构建和系统研发是重点内容。模型构建主要通过分析筛选指标因子、建立决策指标体系、利用主成分分析法确定农用地综合质量指数。依据上级下发的基本农田保护面积，通过0-1整数规划模型进行面积约束，建立识别和划定基本农田模型。决策系统主要通过系统结构分析和模块设计选取开发方式，建立决策支持系统，进行系统验证运行。

从基本农田的内涵来看，建立基本农田划定指标体系应该优先将土壤肥力强、水源条件好、水利基础设施完善、地势平坦的优质耕地划为基本农田，并考虑社会经济条件（包括交通条件、区位条件、政策因素以及社会发展对环境的要求等）以及不同区域在识别、划定基本农田时的特殊因素（张凤荣等，2005），通过土壤质地、水资源状况、坡度、交通区位、城镇辐射影响等指标的优劣，构建基本农田划定指标体系。

其次，选择判定基本农田入选模型准则。采取主成分分析法对多元指标进行降维筛选，定量确定每一土地单元土地综合质量的优劣，得出耕地综合质量指数，避免人为干预下权重设置的主观性。根据技术规程建立基本农田面积预测模型，在基本农田面积约束的条件下，再利用0-1整数规划模型，最终确定入选的基本农田。

最后，研发基本农田规划决策支持系统。结合ArcGIS Engine开发组件，利用Visual C#编程语言进行二次开发，编制基本农田规划决策支持系统软件，从而为科学识别与快速划定基本农田提供有效方法，为区县尺度的基本农田划定提供科学依据及技术支持。

2 基本农田规划决策模型构建

2.1 指标体系

决策模型的建立为决策系统整个功能和应用效果提供了内在支持，而决策模型的核心又在于求解算法。基本农田规划模型的构建需先确定基本农田数量以及基本农田的空间定位，因此，基本农田保护决策模型体系包括基本农田定量模型和基本农田定位模型。其中，定量模型体现为基本农田面积预测，定位模型体现为耕地的综合质量分析、基本农田入选两个步骤。基本农田划定的内涵包括两个方面：一是强调基本农田与一般农田的内在肥力差异，即土地自然生产力高低；二是明确基本农田与一般农田所处地段不同，即农田区位条件优劣。由于基本农田的划定不仅受耕地自然质量、社会利用水平、经济效益等因素影响，也受行政政策、法律法规等硬性规定约束，甚至受到土地管理者观念、意识等主观因素限制，为保证基本农田划定的合理性和科学性，需要综合考虑多种指标，剔除人为干扰，科学评价耕地综合质量，为保证基本农田的质量与数量提供指标支持。

农用地分等定级方法就是农用地综合质量的评价与确定方法。其中农用地定级工作是行政区（省或县）内进行的农用地综合质量评定，反映构成土地质量的自然因素和社会经济因素，包括使用农用地自然质量等指数反映农用地的自然质量水平；农用地利用等指数反映农用地平均利用水平；农用地经济等指数反映农用地的经济效益水平。农用地分等定级方法可以为耕地划分为基本农田的评价提供技术指导，可作为基本农田保护区划定的质量依据（张蕾娜等，2006）。因此，将农用地分等定级工作中部分重要指标作为选取指标，采用自然因素包括自然质量分、自然质量等指数，经济因素包括农用地利用等指数、农用地等别指数，区位因素包括耕作距离、道路通达度、对外交通便利度、农贸市场影响度、中心城市影响度，共涉及9个指标，作为这次研究识别基本农田的指标因子，为科学合理识别与划定基本农田提供简单易用的方法。

2.2 模型算法

利用探索性统计的分析方法——主成分分析将分散在一组变量上的信息通过线形组合，集中到某几个综合指标上，用降维的思想把多个指标转换成较少的几个互不相关的指标（钟晓娟等，2011；王莺等，2014；汪西林等，2008）。通过指标相关系数矩阵计算出主成分的特征根及累积贡献率，以方差贡献率作为主成分的因子权重，从而得出基于主成分因子变量的耕地综合质量指数。其中，提取特征值大于1的前m个主成分，用于耕地综合质量指数计算。

目前，中国乡级基本农田保护面积确定的方法是综合考虑基本农田需求预测量及县级下达的基本农田保护指标（靳取货等，2010）。一般地，当基本农田需求预测量大于上级下达的指标时，采用需求预测量作为基本农田保护面积；当需求预测量小于县级下达指标时，采用县级下达指标作为基本农田保护面积。按照技术规程，基本农田需求量预测模型如下式所示：

式中，S为基本农田预测面积；P0为规划基期人口数；k为人口自然增长率；m为规划期年数；B为规划期内人口机械增长数；Li为第 i种农产品的人均需求标准；Ai为外地净调入的第种农产品量；Yi0为规划基期第 i种农产品的播面单产；ai为第 i种农产品播面单产平均增长率；f为复种指数。

整数规划是指规划中的变量（部分或全部）限制为整数，其中0-1型整数规划是整数规划中的特殊情形，它的变量Xj仅取值0或1（孙小玲等，2014）。尽管通过穷举法检查变量取值为0或1的每一种组合，比较目标函数值可以求得最优解，但工作效率极其低下。因此，常设计隐枚举法（Implicit Enumeration），只检查变量取值组合的一部分即求得问题的最优解。在确定入选基本农田的耕地时，不仅需要考虑主成分分析得出的耕地综合质量指数高低，还要考虑基本农田保护面积指标的约束。所建立的0-1整数规划模型中，Xj取0则表示第j块耕地未被选为基本农田，而Xj取1则反之，通过隐枚举法确定入选基本农田的耕地。

为确保耕地入选的顺序完全按照综合质量 Fj的优劣结果进行，以 Fj作为目标函数的系数，使Fj与Xj的乘积加和最大，在此目标下，应满足入选耕地的面积之和等于基本农田面积指标，但实际操作中为了不破坏耕地地块的完整性，通常只能保证入选耕地面积之和与基本农田面积指标接近，一般略大。所以将应为等式的约束条件调整为一个不等式的约束条件和一个使两者差值最小的次目标函数，其模型如下式所示：

式中，Xj为第 j块耕地的进入判定；Fj为第 j块耕地的综合质量指数；Z为指标乘积加和值，Sj为第j块耕地的面积；S0为基本农田保护面积指标。

3 基本农田规划决策系统研发

3.1 需求与可行性分析

基本农田规划决策支持系统软件的用户主要是各级管理部门以及相关科研人员，用户最基本的需求是快速、高效、高质地识别与划定基本农田。具体包括：各种图件及数据的输入，对基本农田面积需求进行预测，区域实际基本农田面积的确定，区域各耕地综合特征的评价。因此，要求决策系统能实现各应用模型与GIS的高效整合，具备简洁、友好的用户界面，满足模型参数的灵活选择或直接输入以及基本农田规划图件的最终生成。

系统可行性分析表明，基本农田规划决策系统的建立具有技术合理性、经济适宜性和建立与应用的可能性。该系统包括数据输入部分、数据分析处理部分和数据输出部分，其中数据分析处理部分包括了进行基本农田规划的各决策模型，如数量预测模型、基本农田识别模型、基本农田划定模型等，模型在理论上是合理的。同时，GIS技术发展到一个全新的阶段，能很好地与基本农田规划决策支持系统无缝集成，所以该模型在技术上是合理的。该模型是面向土地管理部门和科研机构规划人员的通用系统软件，其硬件配置费用不高，具有经济适宜性。目前，中国正以高强度开发土地，对土地的规划调查很是紧迫，基本农田作为土地规划的重要部分，利用科学快速的基本农田规划系统划定基本农田很有必要，应用性很强。

3.2 系统结构

依循科学性、实用性、规范性、经济性和扩充性等系统结构设计原则，设计系统基本功能包含 5项主要模块：（1）用户登录模块，该模块设计了管理员、普通用户两种登录形式，管理员用户的权限增添了系统数据库的动态维护等功能；（2）加载文档模块，该模块可以查询国家、省部级有关农用地分等定级规程、基本农田保护条例等相关规范和规程；（3）基本农田识别模块，该模块用于计算耕地综合指数，对耕地综合质量进行分析并制图；（4）基本农田面积确定模块，该模块可以自动计算基本农田预测面积，并与输入的上级下达的基本农田面积进行比较，最终确定基本农田面积规模；（5）基本农田划定模块，根据 0-1整数规划模型，系统自动划定入选基本农田的耕地。在保证面积基本一致的情况下，用户也可根据实际情况自由增减小班，最终打印成图。

4 基本农田规划决策案例解析

苏家屯区位于辽宁省沈阳市南部，是沈阳市九个辖区之一，总面积776 km2，总人口41.6万。基于苏家屯农用地分等定级成果数据，以其区域为例进行基本农田规划决策模型与系统的分析。

4.1 综合质量指数计算

基本农田自然质量分高低反映了耕地的自然质量高低，是基本农田划定的基础。根据苏家屯区的自然条件、标准耕作制度，选择分等因素，遵循主导因素原则、稳定性原则、综合性原则、差异性原则、实际性原则，在苏家屯平原耕地区选取表层土壤质地、剖面构型、盐渍化程度、土壤有机质含量（%）、土壤酸碱度（土壤 pH值）、障碍层距地表深度（cm）、排水条件、灌溉保证率、灌溉水源因素等9个指标；在苏家屯区坡耕地区选取有效土层厚度、表层土壤质地、土壤有机质含量、土壤酸碱度、灌溉保证率、地形坡度、地表岩石露头度等7个指标，对照苏家屯区的平原耕地、坡耕地“指定作物-分等因素-自然质量分”记分规则关系表计算耕地自然质量分。同时，采用农用地分等数据成果中耕地自然质量等、农用地利用等、农用地等别指数作为识别基本农田的经济因素指标。

区位条件对耕地质量的影响是一种隐性的影响。距离城镇较近或位于交通沿线的耕地，由于长期投入的积累，集约度高，其质量也较高。铁路、公路等交通沿线，以及城市、集镇和村庄地区周边的优质耕地，应当优先划入基本农田保护区。因此，农用地定级成果中与区位条件有关的耕作距离、中心城镇影响度、农贸市场影响度、对外交通便利度、道路通达度也作为指标因子。

将标准化后的研究区数据进行主成分分析，得到苏家屯区耕地综合质量分析方差解释表，如表 1所示，其前3个主成分的特征值分别为5.084、1.342、1.011，累积方差贡献率达到82.632%，可以代表所有影响因素的信息，故选取前3个主成分因子作为规划决策模型分析初始因子。

通过确定的主成分因子，可计算得到主成分初始因子的载荷矩阵，见表2。载荷矩阵表（未旋转）内各主成分的载荷可以显示出原始变量与各主成分之间的相关程度。其中，土地利用等指数、农用地等别指数、自然质量等指数、自然质量分、农贸市场影响度在第一主成分上有较高载荷，说明第一主成分主要反映了自然条件和社会投入-产出值对耕地综合质量的影响。对外交通便利度、中心城市影响度在第二主成分上有较高的载荷，说明第二主成分主要反映了区位条件对耕地综合质量的影响。耕作距离在第三主成分上有较高的载荷，说明第三主成分主要反映了经济条件对耕地综合质量的影响。依据主成分算法计算权重（以每个主成分所对应的特征值λ占所提取主成分总的特征值λ的比例）以及每个地块的3个主成分分量，最后得出每一地块由 3个主成分因子代表的耕地综合质量指数F：

表2 载荷矩阵Table 2 Component matrix

表1 总方差解释Table 1 Total variance explained

表 3所示为苏家屯区部分耕地综合质量指数表。结果显示：在全区范围内，耕地综合质量评价指数主要以苏家屯城区、临湖街道办事处为中心向外散射。靠城区、铁路道路处耕地综合评质量评价指数高，如八一镇、林盛堡镇、沙河堡镇；而姚千户屯镇、白清寨乡等处于丘陵地区，其耕地综合质量评价指数最低。利用 ArcGIS按照综合质量指数进行分类，形成苏家屯区耕地综合质量指数分布图，如图1所示。

4.2 软件系统操作实现

基本农田规划决策系统的界面采用通用菜单、工具条和实时提示等技术，使软件的系统功能高度集成，操作简单。系统的操作共分为 8个步骤。以苏家屯区永乐乡为例，（1）打开系统应用图标，以普通用户身份登录。（2）在文件下拉菜单中点击“打开”，选取需要划定基本农田的苏家屯区永乐乡，即出现该乡的土地利用现状图。（3）单击“综合识别”菜单下的“导入数据库”，将主成分分析结果数据导入系统中。（4）单击“计算综合质量指数”，输入权重值，系统自动显示该乡耕地综合质量指数分布图。（5）单击菜单“面积确定”下的“计算基本农田预测面积”，按照提示信息输入各个参数，然后单击“面积确定”，再输入上级给该乡下达的基本农田面积 3775 hm2。（6）单击“筛选划定”菜单下的“自动划定”，则系统自动划选出的该乡基本农田空间分布图。（7）若所得出的基本农田空间分布图不符合实际情况，可选择“基本农田划定”菜单下的“手动划定”。对该自动划选出来的图进行手动规划，先“删除”不符合条件的基本农田小班，再“添加”符合条件的基本农田小班，系统会自动默认限制的基本农田面积，直至满足条件才终止选择。（8）最终得出苏家屯区永乐乡基本农田空间分布图，如图2所示。

表3 苏家屯区部分耕地综合质量指数Table 3 Comprehensive quality index of cultivated land in Sujiatun district

图1 沈阳市苏家屯区耕地综合质量指数分布Fig. 1 Distribution of comprehensive quality index for farmlands in Sujiatun district, Shenyang city

图2 苏家屯区永乐乡基本农田空间分布Fig. 2 Map of basic farmland in Yongle, Sujiatun district in Shenyang city

5 结论与建议

5.1 结论

（1）本文通过对基本农田划定识别规则与方法的探讨，论证了基本农田规划决策模型的建立过程、决策支持系统的设计与实现，展示了基本农田规划决策支持系统的应用方法，是对基本农田划定中高效操作经验的一项总结。

（2）以沈阳苏家屯区为例进行基本农田规划，决策支持系统依托主成分分析法对耕地综合质量多个指标进行“降维”，再通过0-1整数规划模型，从“质”和“量”双方面对基本农田进行分析，是一种科学划定基本农田的方法。

（3）基于GIS的二次开发，形成了一套较为完整的基本农田规划系统。该系统从基础图件和数据的输入、基本农田保护数量的确定、基本农田精确的空间定位到最后图表输出的全过程，实现基本农田保护规划成图的自动化，为基本农田的科学识别和快速划定提供了理论依据，可以为区域基本农田规划工作提供借鉴。

5.2 建议

（1）基本农田的划定是一个复杂的决策问题，受自然、社会经济、政策与行政等多方面的影响，在建立决策指标体系过程中，涉及耕地的质量状况、区位条件、经济条件3个方面，综合了自然因素与人为因素的影响。在确立相应的指标体系时，对于不同特征区域，如南方与北方土壤差异，旱地与水田的差异，其地形坡度、土壤质地、土壤酸碱度、有机质含量、水文状况、田间工程、区位等因素侧重点也不同，若通过耕地自然质量分或等构建其基础数据库，在选取的指标上，区分不同地域再按照该模式对决策系统软件进行扩充与调整，实现区域其他地类的量化与定位问题，就可形成更具综合性的土地利用总体规划决策支持系统，争取实现土地利用结构与布局优化的自动化，也能使该决策系统的普适性得到改进。

（2）在指标体系构建方面，还应该加强农业基础设施、耕作方式以及对农田耕作环境影响的评价指标。在模块功能方面，模型的多种计算方法有待整理，以形成完整系统。

LI F R, ZHAO Y H. 2006. Development of a GIS-based decision-support system of forest resource management [J]. Science in China E:Technological Sciences, 49(s1): 76-85.

MATTHEWS K B, SIBBALD A R, CRAW S, et al. 1999. Implementation of a spatial decision support system for rural land use planning:integrating geographic information system and environmental models with search and optimisation algorithms [J]. Computers & Electronics in Agriculture, 23(1): 9-26.

MIYAMOTO K, UDOMSRI R, SATHYAPRASAD S, et al. 1996. A decision support system for integrating land use, transport and environmental planning in developing metropolises [J]. Computers Environment & Urban Systems, 20(4-5): 327-338.

LAM S S. 1997. The effects of group decision support systems and task structures on group communication and decision quality [J]. Journal of Management Information Systems, 13(4): 193-215.

KALOGIROU S. 2002. Expert Systems and GIS: an application of land suitability evaluation [J]. Computers, Environment and Urban Systems,26(23): 89-112.

陈荣. 2016. GIS技术在我国永久性基本农田划定中的应用探究[J]. 低碳世界, (30): 107-108.

程锋, 石英, 朱德举. 2003. 耕地入选基本农田决策模型研究[J]. 地理与地理信息科学, 19(3): 50-53.

关小东, 何建华. 2016. 基于贝叶斯网络的基本农田划定方法[J]. 自然资源学报, 31(6): 1061-1072.

靳取货, 吴克宁, 王金满, 等. 2010. 寒地黑土区基本农田建设模式探讨——以海伦市基本农田示范区为例[J]. 资源与产业, 12(4): 85-90.

孔祥斌, 靳京, 刘怡, 等. 2008. 基于农用地利用等别的基本农田保护区划定[J]. 农业工程学报, 24(10): 46-51.

任艳敏, 孙九林, 刘玉, 等. 2017. 县域永久基本农田划定方法研究[J].农业机械学报, 48(4): 135-141.

孙小玲, 李端. 2014. 整数规划新进展[J]. 运筹学学报, 18(1): 39-68.

汪西林, 谢宝元, 关文彬. 2008.泥石流多发区生态安全评价——以汶川县为例[J]. 生态学杂志, 27(11): 1990-1996.

王莺, 王静, 姚玉璧, 等. 2014. 基于主成分分析的中国南方干旱脆弱性评价[J]. 生态环境学报, 23(12): 1897-1904.

谢高地, 成升魁, 肖玉, 等. 2017. 新时期中国粮食供需平衡态势及粮食安全观的重构[J]. 自然资源学报, 32(6): 895-903.

杨建宇, 徐凡,刘光成, 等. 2017. 基于TOPSIS算法的永久基本农田划定方法[J]. 农业机械学报, 48(8): 133-139.

郧文聚, 张蕾娜, 程锋. 2009. 基本农田保护 20年[J]. 中国土地, (11):51-53.

张凤荣, 安萍莉, 孔祥斌. 2005. 北京市土地利用总体规划中的耕地和基本农田保护规划之我见[J]. 中国土地科学, 19(1): 10-16.

张蕾娜, 刘晓燕. 2006. 农用地分等定级成果在基本农田保护中的应用研究[J]. 经济地理, 26(s1): 87-88.

郑新奇, 杨树佳, 象伟宁, 等. 2007. 基于农用地分等的基本农田保护空间规划方法研究[J]. 农业工程学报, 23(1): 66-71.

中华人民共和国国土资源部. 2011. TD/T 1032—2011, 基本农田划定技术规程, 中华人民共和国行业标准[S]. 北京: 中国标准出版社: 20.

钟晓娟, 孙保平, 赵岩, 等. 2011. 基于主成分分析的云南省生态脆弱性评价[J]. 生态环境学报, 20(1): 109-113.

周明, 王占岐. 2016. 基于耕地质量和空间聚类的县域基本农田划定[J].水土保持研究, 23(5): 316-321.

朱江, 曹昆. 2017. 保障国家粮食安全 我国划定永久基本农田 15.50亿亩[EB/OL]. http://finance.people.com.cn/n1/2017/0920/c1004-29547942. html 7.html.

The Decision Support for Basic Farmlands Planning: Model Application and System Development

WANG Xilin1, HU Luanyun2
1. Key of Laboratory of School of Soil and Water Conservation, Beijing Forestry University, Beijing 100083, China;2. Hunan No.3 Institute of Surveying and Mapping, Changsha 410007, China

To ensure its national food security, the Chinese government plans to delineate and protect 103 million hectares permanent basic cropland. However, the area needs to be selected and analyzed based on a combined land use survey and a decision support system. Using Sujiatun District, Shenyang City as the case study area, nine indices, including natural quality score, natural quality grading index, land use grading index, agricultural land grading index, farming distance, influence degree of central city, road accessibility, external traffic convenience degree, and influence degree of market, were applied for the analysis. Through a Principle Component Analysis (PCA), the listed indices were reduced to three major component factors which explained 82.63% of the accumulated variations in the metrics (eigenvalues were 5.084, 1.322, and 1.011 for the three components, respectively). The first principal components showed that the quality of cultivated land was strongly associated with land use grading index, agricultural land grading index, natural quality grading index, natural quality score and market influence degree, which indicated the influence of natural and socio-economic conditions. The second component was associated to the external traffic convenience degree, and the influence degree of central city, which reflected the importance of farmland location. While farming distance indicating the impacts from economic conditions, was reflected in the third component. Based on these results, the quality of the cultivated land could be predicted using the impacts of natural, economic and location factors. In addition, the “0-1” integer model was established, and cultivated land with a relatively higher quality score would be assigned as protected basic farmland. Supported by scientific approach, this proposed method and model system could support county-level basic farmland designation to effectively promote farmland planning and decision-making activities.

basic cropland; classification and gradation; principal component analysis; “0-1” integer model; decision support system

10.16258/j.cnki.1674-5906.2017.10.007

X144

A

1674-5906（2017）10-1689-07

汪西林, 胡娈运. 2017. 基本农田规划决策支持：模型构建与系统研发[J]. 生态环境学报, 26(10): 1689-1695.

WANG Xilin, HU Luanyun. 2017. The decision support for basic farmlands planning: model application and system development [J].Ecology and Environmental Sciences, 26(10): 1689-1695.

国家重点研发项目（2017YFC0505500）；林业科技创新平台运行补助项目（2016-LYPT-SY-013）；国家科技支撑项目（2006BAB15B05）

汪西林（1958年生），女，高级实验师，从事计算机及GIS在水土保持中的应用。E-mail: wangxl@bjfu.edu.cn

2017-09-18