基本農田規劃決策支持：模型構建與系統研發

汪西林，胡孌運

1. 北京林業大學水土保持學院重點實驗室，北京 100083；2. 湖南省第三測繪院，湖南 長沙 410007

基本農田規劃決策支持：模型構建與系統研發

汪西林1，胡孌運2

1. 北京林業大學水土保持學院重點實驗室，北京 100083；2. 湖南省第三測繪院，湖南 長沙 410007

基本農田的保護是確保糧食安全的“底線”。隨著中國 1.03億公頃永久基本農田的劃定工作進入尾聲，基本農田劃定中的高效操作經驗有待系統梳理和總結。文章依據沈陽蘇家屯區土地利用調查分等定級成果，構建基本農田識別劃定模型，輔以決策支持系統的開發，探索科學識別、快速劃定基本農田，減輕人為干擾，提高基本農田的識別劃定效率的方法。該研究提取9項評價指標——自然質量分、自然質量等指數、土地利用等指數、農用地等別指數、耕作距離、中心城市影響度、道路通達度、對外交通便利度、農貿市場影響度，通過主成分分析“降維”為3個主成分因子，特征值分別為5.084、1.342、1.011，累積貢獻率達到 82.632%。其中，土地利用等指數、農用地等別指數、自然質量等指數、自然質量分、農貿市場影響度在第一主成分上有較高載荷，反映自然條件和社會投入-產出值對耕地綜合質量的影響；對外交通便利度、中心城市影響度在第二主成分上有較高的載荷，反映區位條件對耕地綜合質量的影響；耕作距離在第三成分上有較高的載荷，反映經濟條件對耕地綜合質量的影響。利用主成分分析計算耕地綜合質量指數，再預測基本農田規劃面積約束，建立0-1整數規劃模型，識別篩選綜合質量指數較高耕地，通過決策系統快速劃定入選基本農田的耕地。該模型全面反映了自然因素、經濟因素、區位因素對耕地綜合質量的影響，其決策系統的模型構建與系統應用為區縣尺度的基本農田劃定提供了科學識別、基本農田面積確定和基本農田的劃定三大功能，使基本農田規劃決策工作得以有效提升。

基本農田；分等定級；主成分分析；0-1整數規劃模型；決策支持系統

在中國當前的快速城鎮化背景下，城市周邊和道路沿線的優質耕地面積急劇下降，對基本農田的保護成為確保糧食安全的“底線”（鄭新奇等，2007；謝高地等，2017）。根據1998年的《基本農田保護條例》，基本農田是指按照對農產品的需求，依據土地利用總體規劃確定的不得占用的耕地。黨的十七屆三中全會提出了永久基本農田的概念，進一步強調了基本農田保護的永久性約束（鄖文聚等，2009）。2017年，人民網又提到永久基本農田劃定，要強化“量質并重”。“在保證數量的同時，特別強調劃定的耕地質量。從大到小，空間由近及遠，質量由高到低的步驟，從城市周邊的劃定逐步擴展到全域的劃定，依次推開，確保整個劃定的質量”（朱江等，2017）。針對永久基本農田劃定的規劃任務，構建數理模型并研發基本農田規劃決策支持系統可以有效提升工作效率，為區縣尺度的基本農田劃定提供科學的規劃依據。

為保障基本農田劃定的科學性并提升工作效率，圍繞基本農田劃定的技術方法問題，國內學者已進行了長期探索。楊建宇等（2017）引入TOPSIS算法對耕地優劣進行量化排序，調整建設區域和重點整治區域的耕地，為永久基本農田劃定拓寬了思路。周明等（2016）定義基本農田為部分質優、空間分布相對集中、形狀不太規則的耕地，根據多因素綜合評價法確定的質量總分值比較接近，難以人工區分的特點，采用K均值聚類的方法對耕地質量進行分級，以此作為基本農田劃定的依據。孔祥斌等（2008）基于K-Mean聚類分析，將農用地利用等別聚類為高、中、低三類，作為基本農田的劃定依據。程鋒等（2003）提出了逼近于理想點的加權排序模型與0-1整數規劃模型，避免了簡單加權法中線性疊加存在的誤差。張兆瑞等（2000）利用MAPGIS研發系統，為基本農田需求預測和指標分解等數量決策提供支持。近年來，新的指標與模型也不斷涌現。任艷敏等（2017）改進連片度和田間道路密度計算方法，將基本農田劃定指標分解為自然稟賦條件、基礎設施條件、社會經濟條件和區位條件4方面。馬世發等（2017）利用種子擴充算法進行耕地保護片區搜索，利用神經網絡進行耕地保護壓力預警，利用ArcGIS Engine研發基本農田保護片區智能識別系統。關小東等（2016）考慮耕地歷史變化過程，基于貝葉斯網絡模型劃定基本農田。陳榮（2016）利用GIS技術手段對永久性基本農田數據進行處理和分析，提供了對永久性基本農田劃定和保護的智能支持，從而實現永久性基本農田規劃成圖的數字化等等，新模型的不斷推進顯然有助于提升基本農田劃定的科學性。

隨著計算機在土地利用與規劃中的應用越來越普遍（Miyamoto et al.，1996；Kalogirou，2002；Li et al.，2006），應用操作軟件進行基本農田的劃定已逐步代替了傳統的手工方法，但劃定中的決策過程仍存在過度的人工干預，基本農田劃定等土地利用規劃中的自動化決策能力仍有待提升（Lam，1997；Matthews et al.，1999）。針對基本農田劃定過程中“劃劣不劃優、劃遠不劃近”的重數量、輕質量問題，以及人工目視調整地塊的主觀性，我們探索建立基本農田規劃決策模型，并以 ArcGIS為操作平臺、C#為開發工具，根據技術規程要求（中華人民共和國國土資源部，2011），設計基于規則和約束條件的基本農田規劃決策支持系統，為科學劃定基本農田提供有力的技術支持。

1 基本農田規劃決策總體技術路線

基本農田規劃決策總體分為前期準備、模型構建、系統研發3項內容，其中模型構建和系統研發是重點內容。模型構建主要通過分析篩選指標因子、建立決策指標體系、利用主成分分析法確定農用地綜合質量指數。依據上級下發的基本農田保護面積，通過0-1整數規劃模型進行面積約束，建立識別和劃定基本農田模型。決策系統主要通過系統結構分析和模塊設計選取開發方式，建立決策支持系統，進行系統驗證運行。

從基本農田的內涵來看，建立基本農田劃定指標體系應該優先將土壤肥力強、水源條件好、水利基礎設施完善、地勢平坦的優質耕地劃為基本農田，并考慮社會經濟條件（包括交通條件、區位條件、政策因素以及社會發展對環境的要求等）以及不同區域在識別、劃定基本農田時的特殊因素（張鳳榮等，2005），通過土壤質地、水資源狀況、坡度、交通區位、城鎮輻射影響等指標的優劣，構建基本農田劃定指標體系。

其次，選擇判定基本農田入選模型準則。采取主成分分析法對多元指標進行降維篩選，定量確定每一土地單元土地綜合質量的優劣，得出耕地綜合質量指數，避免人為干預下權重設置的主觀性。根據技術規程建立基本農田面積預測模型，在基本農田面積約束的條件下，再利用0-1整數規劃模型，最終確定入選的基本農田。

最后，研發基本農田規劃決策支持系統。結合ArcGIS Engine開發組件，利用Visual C#編程語言進行二次開發，編制基本農田規劃決策支持系統軟件，從而為科學識別與快速劃定基本農田提供有效方法，為區縣尺度的基本農田劃定提供科學依據及技術支持。

2 基本農田規劃決策模型構建

2.1 指標體系

決策模型的建立為決策系統整個功能和應用效果提供了內在支持，而決策模型的核心又在于求解算法。基本農田規劃模型的構建需先確定基本農田數量以及基本農田的空間定位，因此，基本農田保護決策模型體系包括基本農田定量模型和基本農田定位模型。其中，定量模型體現為基本農田面積預測，定位模型體現為耕地的綜合質量分析、基本農田入選兩個步驟。基本農田劃定的內涵包括兩個方面：一是強調基本農田與一般農田的內在肥力差異，即土地自然生產力高低；二是明確基本農田與一般農田所處地段不同，即農田區位條件優劣。由于基本農田的劃定不僅受耕地自然質量、社會利用水平、經濟效益等因素影響，也受行政政策、法律法規等硬性規定約束，甚至受到土地管理者觀念、意識等主觀因素限制，為保證基本農田劃定的合理性和科學性，需要綜合考慮多種指標，剔除人為干擾，科學評價耕地綜合質量，為保證基本農田的質量與數量提供指標支持。

農用地分等定級方法就是農用地綜合質量的評價與確定方法。其中農用地定級工作是行政區（省或縣）內進行的農用地綜合質量評定，反映構成土地質量的自然因素和社會經濟因素，包括使用農用地自然質量等指數反映農用地的自然質量水平；農用地利用等指數反映農用地平均利用水平；農用地經濟等指數反映農用地的經濟效益水平。農用地分等定級方法可以為耕地劃分為基本農田的評價提供技術指導，可作為基本農田保護區劃定的質量依據（張蕾娜等，2006）。因此，將農用地分等定級工作中部分重要指標作為選取指標，采用自然因素包括自然質量分、自然質量等指數，經濟因素包括農用地利用等指數、農用地等別指數，區位因素包括耕作距離、道路通達度、對外交通便利度、農貿市場影響度、中心城市影響度，共涉及9個指標，作為這次研究識別基本農田的指標因子，為科學合理識別與劃定基本農田提供簡單易用的方法。

2.2 模型算法

利用探索性統計的分析方法——主成分分析將分散在一組變量上的信息通過線形組合，集中到某幾個綜合指標上，用降維的思想把多個指標轉換成較少的幾個互不相關的指標（鐘曉娟等，2011；王鶯等，2014；汪西林等，2008）。通過指標相關系數矩陣計算出主成分的特征根及累積貢獻率，以方差貢獻率作為主成分的因子權重，從而得出基于主成分因子變量的耕地綜合質量指數。其中，提取特征值大于1的前m個主成分，用于耕地綜合質量指數計算。

目前，中國鄉級基本農田保護面積確定的方法是綜合考慮基本農田需求預測量及縣級下達的基本農田保護指標（靳取貨等，2010）。一般地，當基本農田需求預測量大于上級下達的指標時，采用需求預測量作為基本農田保護面積；當需求預測量小于縣級下達指標時，采用縣級下達指標作為基本農田保護面積。按照技術規程，基本農田需求量預測模型如下式所示：

式中，S為基本農田預測面積；P0為規劃基期人口數；k為人口自然增長率；m為規劃期年數；B為規劃期內人口機械增長數；Li為第 i種農產品的人均需求標準；Ai為外地凈調入的第種農產品量；Yi0為規劃基期第 i種農產品的播面單產；ai為第 i種農產品播面單產平均增長率；f為復種指數。

整數規劃是指規劃中的變量（部分或全部）限制為整數，其中0-1型整數規劃是整數規劃中的特殊情形，它的變量Xj僅取值0或1（孫小玲等，2014）。盡管通過窮舉法檢查變量取值為0或1的每一種組合，比較目標函數值可以求得最優解，但工作效率極其低下。因此，常設計隱枚舉法（Implicit Enumeration），只檢查變量取值組合的一部分即求得問題的最優解。在確定入選基本農田的耕地時，不僅需要考慮主成分分析得出的耕地綜合質量指數高低，還要考慮基本農田保護面積指標的約束。所建立的0-1整數規劃模型中，Xj取0則表示第j塊耕地未被選為基本農田，而Xj取1則反之，通過隱枚舉法確定入選基本農田的耕地。

為確保耕地入選的順序完全按照綜合質量 Fj的優劣結果進行，以 Fj作為目標函數的系數，使Fj與Xj的乘積加和最大，在此目標下，應滿足入選耕地的面積之和等于基本農田面積指標，但實際操作中為了不破壞耕地地塊的完整性，通常只能保證入選耕地面積之和與基本農田面積指標接近，一般略大。所以將應為等式的約束條件調整為一個不等式的約束條件和一個使兩者差值最小的次目標函數，其模型如下式所示：

式中，Xj為第 j塊耕地的進入判定；Fj為第 j塊耕地的綜合質量指數；Z為指標乘積加和值，Sj為第j塊耕地的面積；S0為基本農田保護面積指標。

3 基本農田規劃決策系統研發

3.1 需求與可行性分析

基本農田規劃決策支持系統軟件的用戶主要是各級管理部門以及相關科研人員，用戶最基本的需求是快速、高效、高質地識別與劃定基本農田。具體包括：各種圖件及數據的輸入，對基本農田面積需求進行預測，區域實際基本農田面積的確定，區域各耕地綜合特征的評價。因此，要求決策系統能實現各應用模型與GIS的高效整合，具備簡潔、友好的用戶界面，滿足模型參數的靈活選擇或直接輸入以及基本農田規劃圖件的最終生成。

系統可行性分析表明，基本農田規劃決策系統的建立具有技術合理性、經濟適宜性和建立與應用的可能性。該系統包括數據輸入部分、數據分析處理部分和數據輸出部分，其中數據分析處理部分包括了進行基本農田規劃的各決策模型，如數量預測模型、基本農田識別模型、基本農田劃定模型等，模型在理論上是合理的。同時，GIS技術發展到一個全新的階段，能很好地與基本農田規劃決策支持系統無縫集成，所以該模型在技術上是合理的。該模型是面向土地管理部門和科研機構規劃人員的通用系統軟件，其硬件配置費用不高，具有經濟適宜性。目前，中國正以高強度開發土地，對土地的規劃調查很是緊迫，基本農田作為土地規劃的重要部分，利用科學快速的基本農田規劃系統劃定基本農田很有必要，應用性很強。

3.2 系統結構

依循科學性、實用性、規范性、經濟性和擴充性等系統結構設計原則，設計系統基本功能包含 5項主要模塊：（1）用戶登錄模塊，該模塊設計了管理員、普通用戶兩種登錄形式，管理員用戶的權限增添了系統數據庫的動態維護等功能；（2）加載文檔模塊，該模塊可以查詢國家、省部級有關農用地分等定級規程、基本農田保護條例等相關規范和規程；（3）基本農田識別模塊，該模塊用于計算耕地綜合指數，對耕地綜合質量進行分析并制圖；（4）基本農田面積確定模塊，該模塊可以自動計算基本農田預測面積，并與輸入的上級下達的基本農田面積進行比較，最終確定基本農田面積規模；（5）基本農田劃定模塊，根據 0-1整數規劃模型，系統自動劃定入選基本農田的耕地。在保證面積基本一致的情況下，用戶也可根據實際情況自由增減小班，最終打印成圖。

4 基本農田規劃決策案例解析

蘇家屯區位于遼寧省沈陽市南部，是沈陽市九個轄區之一，總面積776 km2，總人口41.6萬。基于蘇家屯農用地分等定級成果數據，以其區域為例進行基本農田規劃決策模型與系統的分析。

4.1 綜合質量指數計算

基本農田自然質量分高低反映了耕地的自然質量高低，是基本農田劃定的基礎。根據蘇家屯區的自然條件、標準耕作制度，選擇分等因素，遵循主導因素原則、穩定性原則、綜合性原則、差異性原則、實際性原則，在蘇家屯平原耕地區選取表層土壤質地、剖面構型、鹽漬化程度、土壤有機質含量（%）、土壤酸堿度（土壤 pH值）、障礙層距地表深度（cm）、排水條件、灌溉保證率、灌溉水源因素等9個指標；在蘇家屯區坡耕地區選取有效土層厚度、表層土壤質地、土壤有機質含量、土壤酸堿度、灌溉保證率、地形坡度、地表巖石露頭度等7個指標，對照蘇家屯區的平原耕地、坡耕地“指定作物-分等因素-自然質量分”記分規則關系表計算耕地自然質量分。同時，采用農用地分等數據成果中耕地自然質量等、農用地利用等、農用地等別指數作為識別基本農田的經濟因素指標。

區位條件對耕地質量的影響是一種隱性的影響。距離城鎮較近或位于交通沿線的耕地，由于長期投入的積累，集約度高，其質量也較高。鐵路、公路等交通沿線，以及城市、集鎮和村莊地區周邊的優質耕地，應當優先劃入基本農田保護區。因此，農用地定級成果中與區位條件有關的耕作距離、中心城鎮影響度、農貿市場影響度、對外交通便利度、道路通達度也作為指標因子。

將標準化后的研究區數據進行主成分分析，得到蘇家屯區耕地綜合質量分析方差解釋表，如表 1所示，其前3個主成分的特征值分別為5.084、1.342、1.011，累積方差貢獻率達到82.632%，可以代表所有影響因素的信息，故選取前3個主成分因子作為規劃決策模型分析初始因子。

通過確定的主成分因子，可計算得到主成分初始因子的載荷矩陣，見表2。載荷矩陣表（未旋轉）內各主成分的載荷可以顯示出原始變量與各主成分之間的相關程度。其中，土地利用等指數、農用地等別指數、自然質量等指數、自然質量分、農貿市場影響度在第一主成分上有較高載荷，說明第一主成分主要反映了自然條件和社會投入-產出值對耕地綜合質量的影響。對外交通便利度、中心城市影響度在第二主成分上有較高的載荷，說明第二主成分主要反映了區位條件對耕地綜合質量的影響。耕作距離在第三主成分上有較高的載荷，說明第三主成分主要反映了經濟條件對耕地綜合質量的影響。依據主成分算法計算權重（以每個主成分所對應的特征值λ占所提取主成分總的特征值λ的比例）以及每個地塊的3個主成分分量，最后得出每一地塊由 3個主成分因子代表的耕地綜合質量指數F：

表2 載荷矩陣Table 2 Component matrix

表1 總方差解釋Table 1 Total variance explained

表 3所示為蘇家屯區部分耕地綜合質量指數表。結果顯示：在全區范圍內，耕地綜合質量評價指數主要以蘇家屯城區、臨湖街道辦事處為中心向外散射。靠城區、鐵路道路處耕地綜合評質量評價指數高，如八一鎮、林盛堡鎮、沙河堡鎮；而姚千戶屯鎮、白清寨鄉等處于丘陵地區，其耕地綜合質量評價指數最低。利用 ArcGIS按照綜合質量指數進行分類，形成蘇家屯區耕地綜合質量指數分布圖，如圖1所示。

4.2 軟件系統操作實現

基本農田規劃決策系統的界面采用通用菜單、工具條和實時提示等技術，使軟件的系統功能高度集成，操作簡單。系統的操作共分為 8個步驟。以蘇家屯區永樂鄉為例，（1）打開系統應用圖標，以普通用戶身份登錄。（2）在文件下拉菜單中點擊“打開”，選取需要劃定基本農田的蘇家屯區永樂鄉，即出現該鄉的土地利用現狀圖。（3）單擊“綜合識別”菜單下的“導入數據庫”，將主成分分析結果數據導入系統中。（4）單擊“計算綜合質量指數”，輸入權重值，系統自動顯示該鄉耕地綜合質量指數分布圖。（5）單擊菜單“面積確定”下的“計算基本農田預測面積”，按照提示信息輸入各個參數，然后單擊“面積確定”，再輸入上級給該鄉下達的基本農田面積 3775 hm2。（6）單擊“篩選劃定”菜單下的“自動劃定”，則系統自動劃選出的該鄉基本農田空間分布圖。（7）若所得出的基本農田空間分布圖不符合實際情況，可選擇“基本農田劃定”菜單下的“手動劃定”。對該自動劃選出來的圖進行手動規劃，先“刪除”不符合條件的基本農田小班，再“添加”符合條件的基本農田小班，系統會自動默認限制的基本農田面積，直至滿足條件才終止選擇。（8）最終得出蘇家屯區永樂鄉基本農田空間分布圖，如圖2所示。

表3 蘇家屯區部分耕地綜合質量指數Table 3 Comprehensive quality index of cultivated land in Sujiatun district

圖1 沈陽市蘇家屯區耕地綜合質量指數分布Fig. 1 Distribution of comprehensive quality index for farmlands in Sujiatun district, Shenyang city

圖2 蘇家屯區永樂鄉基本農田空間分布Fig. 2 Map of basic farmland in Yongle, Sujiatun district in Shenyang city

5 結論與建議

5.1 結論

（1）本文通過對基本農田劃定識別規則與方法的探討，論證了基本農田規劃決策模型的建立過程、決策支持系統的設計與實現，展示了基本農田規劃決策支持系統的應用方法，是對基本農田劃定中高效操作經驗的一項總結。

（2）以沈陽蘇家屯區為例進行基本農田規劃，決策支持系統依托主成分分析法對耕地綜合質量多個指標進行“降維”，再通過0-1整數規劃模型，從“質”和“量”雙方面對基本農田進行分析，是一種科學劃定基本農田的方法。

（3）基于GIS的二次開發，形成了一套較為完整的基本農田規劃系統。該系統從基礎圖件和數據的輸入、基本農田保護數量的確定、基本農田精確的空間定位到最后圖表輸出的全過程，實現基本農田保護規劃成圖的自動化，為基本農田的科學識別和快速劃定提供了理論依據，可以為區域基本農田規劃工作提供借鑒。

5.2 建議

（1）基本農田的劃定是一個復雜的決策問題，受自然、社會經濟、政策與行政等多方面的影響，在建立決策指標體系過程中，涉及耕地的質量狀況、區位條件、經濟條件3個方面，綜合了自然因素與人為因素的影響。在確立相應的指標體系時，對于不同特征區域，如南方與北方土壤差異，旱地與水田的差異，其地形坡度、土壤質地、土壤酸堿度、有機質含量、水文狀況、田間工程、區位等因素側重點也不同，若通過耕地自然質量分或等構建其基礎數據庫，在選取的指標上，區分不同地域再按照該模式對決策系統軟件進行擴充與調整，實現區域其他地類的量化與定位問題，就可形成更具綜合性的土地利用總體規劃決策支持系統，爭取實現土地利用結構與布局優化的自動化，也能使該決策系統的普適性得到改進。

（2）在指標體系構建方面，還應該加強農業基礎設施、耕作方式以及對農田耕作環境影響的評價指標。在模塊功能方面，模型的多種計算方法有待整理，以形成完整系統。

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.

陳榮. 2016. GIS技術在我國永久性基本農田劃定中的應用探究[J]. 低碳世界, (30): 107-108.

程鋒, 石英, 朱德舉. 2003. 耕地入選基本農田決策模型研究[J]. 地理與地理信息科學, 19(3): 50-53.

關小東, 何建華. 2016. 基于貝葉斯網絡的基本農田劃定方法[J]. 自然資源學報, 31(6): 1061-1072.

靳取貨, 吳克寧, 王金滿, 等. 2010. 寒地黑土區基本農田建設模式探討——以海倫市基本農田示范區為例[J]. 資源與產業, 12(4): 85-90.

孔祥斌, 靳京, 劉怡, 等. 2008. 基于農用地利用等別的基本農田保護區劃定[J]. 農業工程學報, 24(10): 46-51.

任艷敏, 孫九林, 劉玉, 等. 2017. 縣域永久基本農田劃定方法研究[J].農業機械學報, 48(4): 135-141.

孫小玲, 李端. 2014. 整數規劃新進展[J]. 運籌學學報, 18(1): 39-68.

汪西林, 謝寶元, 關文彬. 2008.泥石流多發區生態安全評價——以汶川縣為例[J]. 生態學雜志, 27(11): 1990-1996.

王鶯, 王靜, 姚玉璧, 等. 2014. 基于主成分分析的中國南方干旱脆弱性評價[J]. 生態環境學報, 23(12): 1897-1904.

謝高地, 成升魁, 肖玉, 等. 2017. 新時期中國糧食供需平衡態勢及糧食安全觀的重構[J]. 自然資源學報, 32(6): 895-903.

楊建宇, 徐凡,劉光成, 等. 2017. 基于TOPSIS算法的永久基本農田劃定方法[J]. 農業機械學報, 48(8): 133-139.

鄖文聚, 張蕾娜, 程鋒. 2009. 基本農田保護 20年[J]. 中國土地, (11):51-53.

張鳳榮, 安萍莉, 孔祥斌. 2005. 北京市土地利用總體規劃中的耕地和基本農田保護規劃之我見[J]. 中國土地科學, 19(1): 10-16.

張蕾娜, 劉曉燕. 2006. 農用地分等定級成果在基本農田保護中的應用研究[J]. 經濟地理, 26(s1): 87-88.

鄭新奇, 楊樹佳, 象偉寧, 等. 2007. 基于農用地分等的基本農田保護空間規劃方法研究[J]. 農業工程學報, 23(1): 66-71.

中華人民共和國國土資源部. 2011. TD/T 1032—2011, 基本農田劃定技術規程, 中華人民共和國行業標準[S]. 北京: 中國標準出版社: 20.

鐘曉娟, 孫保平, 趙巖, 等. 2011. 基于主成分分析的云南省生態脆弱性評價[J]. 生態環境學報, 20(1): 109-113.

周明, 王占岐. 2016. 基于耕地質量和空間聚類的縣域基本農田劃定[J].水土保持研究, 23(5): 316-321.

朱江, 曹昆. 2017. 保障國家糧食安全 我國劃定永久基本農田 15.50億畝[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, 胡孌運. 2017. 基本農田規劃決策支持：模型構建與系統研發[J]. 生態環境學報, 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.

國家重點研發項目（2017YFC0505500）；林業科技創新平臺運行補助項目（2016-LYPT-SY-013）；國家科技支撐項目（2006BAB15B05）

汪西林（1958年生），女，高級實驗師，從事計算機及GIS在水土保持中的應用。E-mail: wangxl@bjfu.edu.cn

2017-09-18