永久基本农田保护片区智能识别系统iZone的建立与应用

马世发，吴楷钊，劳春华，钟远军，张 婷，黄 韬



永久基本农田保护片区智能识别系统iZone的建立与应用

马世发1，吴楷钊1，劳春华2※，钟远军1，张 婷1，黄 韬1

（1. 广东省国土资源技术中心，广州 510075；2. 广东工业大学管理学院，广州 510520）

永久基本农田划定是当前国土资源管理一项十分重要而紧迫的任务，其对维护粮食安全和控制城镇无序增长具有重要意义。永久基本农田划定不仅要满足耕地质量较高而且还要集中连片，更需要协调城镇化矛盾。因此，如何从土地利用现状数据库中提取永久基本农田保护图斑实际上是一个复杂的空间数据挖掘过程。研究利用农用地分等成果定义保护片区质量，利用元胞自动机模拟分析土地利用矛盾，利用种子扩充算法进行保护片区搜索，利用神经网络进行耕地保护压力预警。基于C#和ArcEngine10.1将多种空间数据挖掘模型进行集成，构成了面向全域永久基本农田识别的智能系统工具包iZone，并在广东省高要区金利镇进行实例应用。研究表明，iZone能按既定规则从土地利用现状数据库中提取保护图斑，有效避免了人为划定的过多主观性，并且能获得与人工方案相当乃至更好的表现。iZone利用复杂地理计算技术进行永久基本农田智能识别，可提高永久基本农田划定工作的科学性。

土地利用；区划；识别；永久基本农田；农用地利用等别；元胞自动机；种子搜索；人工神经网络

0 引 言

2015年3月30日，中国国土资源部联合农业部下发了《关于切实做好106个重点城市周边永久基本农田划定工作有关事项的通知》，部署了106个重点城市周边永久基本农田划定任务及要求[1]。在此基础上，进一步要求全国于2016年底全面推进全域永久基本农田划定工作。实际上，永久基本农田划定并不是一项新的命题，只不过是在新形势下通过“永久”这种强化政策以应对城镇工业化和粮食安全风险[2-3]。因此，永久基本农田划定本质上还是农田保护问题。

基本农田保护一直是农业工程领域的热点问题之一，中国长期以来坚持的基本农田保护政策在维护区域粮食安全等方面发挥了重要作用[4]。关于基本农田保护，数量是底线，核心在质量，关键需落实。因此，相关科学研究主要围绕耕地质量评价展开[5-7]，目标是通过对影响耕地质量的多种因素进行集成分析，进而为判别各个地块是否纳入保护区提供依据。随着农用地分等在中国全面开展，基本农田划定可直接将分等成果作为评价保护质量信息的主要依据[8-9]。总体来说，不论是单纯进行耕地质量评价[10]，还是综合考虑其生态特性[11]，其都可以归类为综合评价，只是采用的指标和方法各不相同而已。

虽然耕地质量是决定基本农田保护格局的核心，但实际划定还需要考虑更为复杂的因素，诸如协调城镇空间增长、保护格局集中连片等等。目前，相关研究在片区识别[12]、产能核算[13]，城镇周边协调[14]等方面做了相关探讨。虽然也有从GIS角度开发建设永久基本农田识别系统[15]，但现有系统主要利用基本的GIS空间分析作为技术支撑手段，如何利用地理空间建模的方式构建一个定量可计算的分析工具以满足当前全域永久基本农田的划定还需拓展。本文根据国土资源部关于永久基本农田划定的相关技术要求，基于元胞自动机、种子搜索、神经网络等复杂地理计算技术研发了iZone工具包，用于协助全域永久基本农田划定及成果审查。

1 iZone系统设计

1.1 iZone系统的设计目标

基本农田划定是一个系统性的工程，总体可以概括为“数量保障是底线，质量平衡是原则，空间协调是关键，集中连片是要求”等四大方面[16]，具体分析如下：

1）保护高质量的耕地

永久基本农田保护片区的划定不仅要满足最基本的数量要求，更重要的是要满足质量要求[17]，故耕地质量是判定地块保护与否的核心要素[18]。耕地质量主要由农田地块的地理条件、灌溉排水条件、土壤有机质等多种因素决定[19]。通过对这些要素的综合评价，可以评估耕地质量，进而为基本农田保护空间定位提供直接依据[20]。同时，耕地质量综合评价也可以为基本农田地块调整坚守质量平衡提供数据支撑[21]。

2）协调城镇化空间增长

基本农田保护的根本原因在于土地利用存在矛盾，但城镇工业化侵占部分耕地实际上难以避免，且城市周边的农田被侵占的风险也最高[22]。因此，永久基本农田划定时，一方面需要考虑耕地质量限制城镇化无序发展，但也应该为城镇化发展预留必要的空间。如果完全因保护而导致城镇空间格局支离破碎，则这种保护也是没意义的。因此，永久基本农田划定需要兼顾保护与发展。研究表明，元胞自动机等模型可以较好地预测未来城市空间增长格局[23]，可用于排除被侵占概率大的耕地，但完全排除则降低了高质量农田保护对城市无序蔓延的限制性功能[24]，因此城镇周边还必须划定必要的永久基本农田。城镇周边永久基本农田划定与否是一个复杂的博弈选择结果，不能简单地用耕地质量与城镇发展概率进行阈值分割，需要在相关原则指导下经过地方政府的博弈而确定。

3）集中连片与坡度限制

集中连片是现代农业规模化经营的必备条件。实际上，每个保护片区由若干土地利用图斑构成，而图斑的数量、形态和破碎度对片区形态具有重要影响[25]。研究表明，借助景观生态学原理可对农田景观格局进行评价[26]。保护片区的自动识别可利用种子搜索算法，以田块之间的距离为阈值，结合景观指数进行判断，将距离小于给定的阈值且能成片的地块通过递归判断划入到同一个保护子区中。此外，坡耕地是导致水土流失等生态问题的重要原因之一，如大于25°的坡耕地不宜划入永久基本农田。

1.2 iZone系统的运行步骤

根据永久基本农田划定的目标与要求，iZone系统运行的核心模型架构如图1所示，主要流程如下：

第一步：从土地利用变更调查数据库中提取耕地和城镇图斑。其中，耕地图斑保留坡度属性，并利用农用地分等成果中的国家综合利用等给耕地图斑添加质量信息。由于农用地分等与土地利用变更调查具有时间上的不一致性，对于耕地质量信息缺少的图斑默认为空值处理；

第二步：利用泰森多边形对形状不规则、大小各异的耕地图斑进行切片标准化处理，切片需要记录现状土地利用图斑编号且进行面积平差处理，在确保耕地图斑可比的同时能对切片进行合并；

第三步：从基础地理信息数据库中提取城市扩张影响因子，如地形坡度、交通条件等，结合第一步提取的城镇数据，利用元胞自动机模型进行城镇增长模拟，得到指定面积规模的城镇空间格局；

第四步：将耕地切片数据与城镇增长模拟格局进行空间叠加分析，排除可能被城市侵占的田块，生成基本农田候选数据A；

第五步：对基本农田候选数据A进行专家决策修正，包括人工排除或添加指定田块，形成博弈选择后的基本农田候选数据B；

第六步：将基本农田候选数据B与城镇周边已划入的基本农田数据进行合并，形成基本农田候选数据C。

第七步：用种子扩充搜索算法对基本农田候选数据C的每个图斑进行递归搜索，形成满足条件的永久基本农田保护片块。其中，城镇周边已划入永久基本农田的耕地图斑必须入选。

第八步：对第七步的搜索结果按土地利用现状图斑编号对切片进行合并，并对方案进行评估和对比，最终完成永久基本农田识别。

1.3 iZone系统的核心技术

1）耕地泰森多边形切片

农田保护与城镇增长空间矛盾分析主要利用GIS空间叠置分析功能，包括裁剪（cut）和识别（identify）等模式。矛盾分析用于表明未来城镇增长是否会侵占此块耕地而非一定侵占，故不适用于裁剪功能。然而，identity过程可能存在一大块耕地只被侵占一小部分而整体被排除的现象。如图2所示，如果耕地图斑没有进行切片标准化处理，则其与城镇化模拟格局叠置分析时耕地会整体被排除。为消除这种不合理的空间分析过程，iZone先对面积较大的耕地单元进行内部随机泰森多边形切片处理，切片后的耕地单元再进行地类面积平差，并保留原图斑编号，形成新的耕地单元图层，进而保证空间叠置分析合理。关于面积较大的耕地图斑及其切片泰森多边形个数属于一个经验参数，可自行调整。理论上，切片越小越有利于空间矛盾分析，但切片过小会无谓的增加系统计算量。iZone根据国土资源管理部门的经验，将默认值设为大于2万m2的耕地图斑即需切片，切片泰森多边形个数按最小阈值的整数倍进行估计。

2）城镇空间增长模拟

城镇空间格局与地形、交通等要素的分布具有较高的空间相关性，故可以通过地理空间建模的方式进行模拟[27]，模拟结果可识别城镇化过程可能会侵蚀哪些耕地，进而为空间矛盾分析提供依据[28]。如果用回归模型解释这种空间驱动机制，则模拟城镇增长的元胞自动机模型可以定义为

式中p用于表示土地单元于时刻的开发概率；x是一系列空间驱动变量在单元的取值状况，如距离变量等，=1,2,3…,；和b表示这些驱动变量的驱动力系数，可以用逻辑回归模型进行样本训练获取；W表示单元在时刻的邻域相互作用，可以用开发密度表示；C表示限制性条件，如保护区等政策禁止区不能开发；R是一个随机变量，用于表达模拟过程的中的不确定性。

3）农田斑块规整度计算

耕地单元形状越规则越有利于现代化农业耕作，故永久基本农田片区识别需要考虑规整度，其计算模式一般是利用图斑的面积与其最小外接矩形面积进行比值。理论上，斑块形态越规则，其越接近参考矩形，比值也越大。在普通GIS分析工具中，外接矩形通常按坐标轴正南正北提取，这种方式不能表达真实耕地图斑地理空间轴向分布情况。因此，iZone采用最大横轴外接矩形度量斑块规整度[29]，主要计算原理为先求解图斑的最小外接矩形，然后求该矩形的最大横切对角线，以该对角线为轴线将图斑旋转到与坐标轴平行，进而求得旋转后的外接矩形，最后将该外接矩形还原得到图斑的最大横轴外接矩形（图3）。

4）种子扩充片区搜索

种子搜索是图象图形学中常用的片区识别方法[30]，基于种子搜索原理的基本农田保护片区主要识别过程如图4所示。

基本农田保护片区识别主要包括以下几个步骤：

①对基本农田候选数据C的所有图斑按耕地质量由高到低排序。

②对于每一个图斑，首先判断其是否已划入基本农田，如果已经划入，则进行下一个图斑判断。如果没有划入，则判断该图斑是否满足坡度条件或者是否是必须划入基本农田。如果否，则进行下一个图斑判断；否则，建立新的农田片区，并将该图斑划入到该片区中。

③以该图斑为种子，搜索指定距离（一般小于30 m）范围内的图斑。如果没有搜索到新的图斑，则该片区搜索完成。如果搜索到新的图斑，则逐一判断搜索到的图斑是否已划入基本农田。如果已划入，则不作处理。如果没有划入，则判断该图斑是否满足坡度条件且耕地质量与种子质量相近（两者质量之差在指定的阈值内），或者是否必须划入基本农田。如果否，则不作处理。如果是，则判断已识别的基本农田面积是否小于指定的面积。如果是，则将该图斑加入到待搜索图斑集合中，并将该图斑划入到基本农田，且与搜索种子位于同一个片区。如果否，则表示已经完成所有基本农田识别与片区划分。

④如果已识别基本农田面积小于指定面积，且待搜索图斑集合中有图斑，则对于待搜索图斑集合中的每一个图斑，进行第③步操作。

经过以上4步的递归操作，可以识别出指定面积规模的永久基本农田，并自动搜索保护片区。

5）保护压力神经网络风险预警

研究表明，人工神经网络是十分有效的非线性关系数据挖掘方法，其在违法用地监测预警等方面具有较好的应用表现[31]。根据影响农田流失的相关空间因素，可建立城镇化过程发展概率预测模型，进而达到农田流失风险预警的目的，模型运行原理如图5所示。

2 iZone的实现与案例应用

2.1 iZone的系统实现

基于Windows平台，利用ArcEngine 10.1提供的组件和C#语言进行系统开发。iZone将数据预处理、城镇化过程空间协调、片区的自动识别、保护风险预警以及结果综合评估等进行了一站式集成，其用于人机交互的软件界面如图6所示。永久基本农田智能识别系统总体架构按照分层架构的设计思想，从逻辑上划分为4个层次，即数据层、模型层、功能层和界面层。最底层为数据层，为整个平台提供数据支撑；数据层往上为模型层，模型层中集成了满足系统功能需要的模型，各个模型独立封装，同时可相互调用。模型层往上为功能层，由系统所能提供的具体功能组成；最顶层为界面层，为用户提供操作界面。每一层次的设计都以永久基本农田智能识别和审查为导向，每一项功能的实现都采用了“高内聚、低耦合”的设计原则，简化功能之间的相互依赖性，实现“工具箱”式的功能系统。

2.2 案例应用与结果分析

研究选择金利镇进行应用示范。金利镇位于广东省肇庆市高要区东部，是肇庆市与珠江三角洲发达地区联系的一个重要门户。金利镇总面积162 km2，辖19个村委会和13个社区居委会，常住人口8.3万，外来人口20多万，是广东省中心镇、专业技术创新试点镇，广肇高速公路（G80）贯通全境，西江黄金水道流经全镇，地理区位优势明显。当前，金利城镇化发展与基本农田保护矛盾显著，研究区具有典型的应用示范效果。示范应用所需要用到的核心数据主要是国土资源部门的土地利用调查和农用地分等成果，包括2015年土地利用变更调查数据，含地类编码、耕地坡度级等字段（图7a）；农用地分等数据，含综合利用等字段（图7b）；以及2015年上交的基本农田保护片区（包括城镇周边永久基本农田）备案成果数据（图8b）；其他辅助数据主要包括行政区划、交通网络、河网等基础地理数据，以上数据全部来源于广东省基础地理信息中心。

iZone系统操作步骤如下：1）首先，从土地利用现状数据库中提取耕地和城镇图斑，并将农用地综合利用等属性更新到耕地图层；2）其次，对大于2万m2的耕地图斑进行随机泰森多边形切片，并进行地类面积平差；3）再次，利用元胞自动机模拟未来城镇增长格局以排除被城镇化侵占的耕地，但对于城镇周边已划为永久基本农田的耕地须再补录；4）然后，利用种子搜索算法按30 m邻近规则从耕地切片数据库中自动搜索片区，片区按现状图斑编号进行切片合并后形成最终的保护方案；5）最后，利用神经网络模型估计耕地保护压力，并对每个片区进行风险预警，iZone系统识别的永久基本农田格局如图8a所示。为了客观评价iZone在实际工程应用中的效果，将之与地方政府上交的基本农田划分成果进行对比（图8b）。地方政府上交的成果可称之为人工方案，是地方基本农田保护专家根据坡度限制、质量平衡、连片性等永久基本农田划定原则，在ArcGIS等工具支持下，从2015年土地利用变更调查数据中人工筛选划定的格局。若人工方案缺少耕地质量信息，则需要先利用农用地分等成果对其进行属性更新，以便方案对比。

本文选择了5方面的关键性评价指数（片区规整度、耕地质量差异、坡耕地情况、耕地保护压力以及景观斑块个数）进行定量对比。其中，片区规整度指片区的面积与其最小横切外接矩形的比值；耕地质量差异主要统计每个片区的农用地综合利用等属性；坡耕地情况主要统计片区的坡度级属性；耕地保护压力主要是利用神经网络估计耕地流失概率，进而可统计每个片区的流失风险并进行保护压力预警；景观斑块个数则直接统计保护方案片区个数即可。一般情况下，地方政府划定的格局与上级下达的保护规模指标严格一致，但iZone系统在计算时只能保证识别的规模等于或大于上级下达的指标。

为了能对2套方案形成对比，可先对评价指数按片区平均，对比结果如表1所示。总体而言，iZone识别的片区比人工划定的方案要更加规整，虽然平均利用等基本相当，但坡度级和斑块数更少，且耕地流失风险也大为降低。对比分析表明，iZone挖掘的方案要比人工划定的格局具有更高的质量、更优的形态和更低的保护压力。从实际工程应用来讲，iZone系统显著提高了永久基本农田划定的工作效率，节省了人工数据分析工作量，且定量识别计算比人工主观判断也要更加科学。

表1 iZone识别保护片区与人工划定保护片区对比

3 结 论

实例应用及对比试验表明，iZone能按既定规则从土地利用现状数据库中挖掘出空间格局较好的保护片区方案，在很大程度上可以减少人工干预。iZone一方面可以为规划师提供决策草图，另一方面也可以辅助管理人员进行成果审图。iZone作为面向全域永久基本农田保护片区识别的工具包，也是对现有GIS平台的一个有效补充。虽然iZone考虑了很多规则，但依然面临一些功能不足，尤其在农田生态方面的分析还存在不足，后续研究还要结合实际工程应用加以改进和完善。

[1] 周怀龙. 永久基本农田怎么“划”?——就106个重点城市周边永久基本农田划定任务下达访国土资源部耕保司负责人[J]. 国土资源，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] 王兴，杜新波，曹瑞海. 永久基本农田应服务于未来[J]. 中国土地，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. 基于土地评价的基本农田划定方法[J]. 农业工程学报，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，张凤荣，李灿，等. 基于耕地质量综合评价的县域基本农田空间布局[J]. 农业工程学报，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，刘怡，等. 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，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] 张英，潘瑜春，曾志炫，等. 基于农用地分等定级的耕地入选基本农田评价比较分析[J]. 中国土地科学，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] 汤思阳，雷国平，张慧，等. 基于耕地质量评价的基本农田划定方法[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] 任艳敏，唐秀美，刘玉，等. 考虑耕地生态质量的基本农田划定方法[J]. 农业工程学报，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，朱阿兴，邱维理，等. 基于GIS的农用地连片性分析及其在基本农田保护规划中的应用[J]. 农业工程学报，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] 聂艳，吴学敏，何颖，等. 基于产能核算和空间聚类的县级基本农田划定研究[J]. 长江流域资源与环境，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] 边振兴，刘琳琳，王秋兵，等. 基于LESA的城市边缘区永久基本农田划定研究[J]. 资源科学，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] 王晓燕，田永中，高凡，等. 基于GIS的永久性基本农田划定技术方法探讨[J]. 西南师范大学学报：自然科学版，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] 钱凤魁，王秋兵，边振兴，等. 永久基本农田划定和保护理论探讨[J]. 中国农业资源与区划，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] 赖作卿. 耕地保护要在数量和质量两个方面下功夫[J]. 广东经济，2013，8：55－56.

[18] 姜威，魏继禄. 永久基本农田划定须质量优先[J]. 中国土地，2015，7：56－57.

[19] 付国珍，摆万奇. 耕地质量评价研究进展及发展趋势[J]. 资源科学，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] 郑新奇，杨树佳，象伟宁，等. 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，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] 郧文聚，张蕾娜，陈桂珅，等. 基于农用地分等的耕地占补平衡项目评价研究[J]. 中国土地科学，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] 陈逸敏，黎夏，刘小平，等. 基于耦合地理模拟优化系统GeoSOS的农田保护区预警[J]. 地理学报，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，刘小平，何晋强，等. 基于耦合的地理模拟优化系统[J]. 地理学报，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] 彭艳丽，杨静. 城市周边永久基本农田划定方法探析：以武汉市为例[J]. 中国土地，2015(9)：40－42.

[25] 郭姿含，杨永侠. 基于GIS的耕地连片性分析方法与系统实现[J]. 地理与地理信息科学，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] 张保华，王雷，白振华，等. 基于景观格局指数的基本农田保护区集中连片性研究：以济南市历城区为例[J]. 山东国土资源，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，李满春，刘永学，等. 一种基于面积紧凑度的二维空间形状指数及其应用[J]. 地理与地理信息科学，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] 杨家红，刘杰，钟坚成，等. 结合分水岭与自动种子区域生长的彩色图像分割算法[J]. 中国图象图形学报，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

广东省国土资源科研项目（GDGTKJ2016005）；中国博士后科学基金资助项目（2016M602439）

马世发，博士，主要从事国土资源监测及数据挖掘应用研究。广州，广东省国土资源技术中心，510075。Email：whuma@163.com

劳春华，博士，讲师，主要从事GIS应用及国土资源管理研究。广州，广东工业大学管理学院，510520。Email：chanverlao@qq.com

马世发，吴楷钊，劳春华，钟远军，张 婷，黄 韬. 永久基本农田保护片区智能识别系统iZone的建立与应用[J]. 农业工程学报，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