基于 ANN- CA及 AgentLA模型的农用地整治研究
——以吉林省敦化市为例
余 娜1,2 , 李淑杰2 , 王灵芝2 , 李月芬2
(1.吉林省国土资源调查规划研究院,长春 130061;2.吉林大学 地球科学学院,长春 130061)
摘要: 以吉林省敦化市为例,基于ArcGIS 10.6平台、GeoSOS的ANN-CA和AgentLA模型,在预测建设用地扩张占用耕地整治亟需度的基础上,结合农用地整治规模效应、生态安全性、耕地限制因素,实现多因素相耦合,对农用地整治进行分区并自动生成高标准农田保护区范围。结果表明:预测期内,敦化市耕地在空间分布格局上依旧延续耕地的保护与占用相重叠、人地矛盾尖锐的特点,各乡镇整治亟需度存在明显差异。敦化市耕地质量提升潜力较大,主要限制因素为剖面构型,其他限制因素为坡度、质地-构型以及障碍层-构型。将研究区耕地划分为5个整治类型区,明确了各类型区的整治方向与重点。AgentLA模型在划定高标准农田保护区范围方面具有很高的应用价值,具有斑块个数少、单个图斑面积大也更紧凑的特点。
关 键 词: 农用地整治;ANN-CA模型;AgentLA模型;高标准农田;敦化市
0 引言
国外土地整治发源于德国,最早出现在13世纪,土地整治从最初的局部整理发展到包括迁移村庄、河流改造、农地合并、基于自然的整治方案等内容的全面性土地整治[1-2]。与国外相比,我国土地整治工作起步较晚,在土地整治技术方面的深入研究仍相对欠缺。目前,国土空间综合整治已上升为国家层面的战略部署,是统筹推进现代化建设、生态文明建设、乡村振兴和城乡融合的综合平台和重要手段,研究成果也在不断增多,为我国土地整治事业发展带来了蓬勃生机。近年来,以浙江省为样板的 “千村示范万村整治”工程积极推进全域土地综合整治试点工作,美丽乡村建设成绩斐然[3-4]。
目前,国内外农用地整治分区研究并未考虑到耕地因被建设用地扩张占用而导致整治亟需度存在地域差异化的因素。因此,本研究以整治亟需度作为Ⅰ层控制因素划分整治类型区更加接近农用地整治的实际需求,从而实现农用地整治由静态方案向动态监测转变。考虑新时期下的农用地整治更加注重耕地资源整合、布局优化及生态服务价值的提升,以耕地规模效应和生态安全性作为整治分区的Ⅱ、Ⅲ层控制因素,符合新时期下国土空间综合整治和生态修复的战略定位[5-6]。耦合耕地限制因素有利于促进耕地地力改良以及明确各整治区的整治方向与重点。基于人工神经网络(ANN)与元胞自动机(CA)相结合的土地利用空间格局模拟模型(ANN-CA)和多智能体的空间优化配置模型(AgentLA)的运用是对传统农用地整治方法的革新,对农用地整治分区及高标准农田保护区自动生成具有一定借鉴意义。
想要避免一味比较的习惯,真正有效的办法不是禁止做某事,而是用做另一件事来替代。如果我们要减少有害的比较,就得让自己去做有益的比较。
1 研究区域、数据来源与研究方法
1.1 研究区域
敦化市地处吉林省东部山地区,介于127°28′E~129°17′E、42°42′~44°30′N,是吉林省面积最大的县级市。截至2017年末,土地总面积1 178 776.34 hm2,其中农用地占土地总面积的95%,而林地占农用地面积比例高达84%,耕地严重不足。敦化市耕地为中低等地(12等和13等),其中12等地占耕地总面积的95.62%。土地利用地域分异明显、圈层化凸显,以中心城区为中心,形成了以城镇建设用地为主导的内部城镇与工业圈层,以农用地、水域为主导的中部平原农业区圈层,以牧草地、林地为主导的外部山地林地圈层。
1.2 数据来源
土地利用数据来源于敦化市年度土地变更数据调查成果(2012—2017年);耕地质量数据来源于2017年耕地质量年度更新评价成果;DEM数据主要来源于地理国情监测云平台;GDP数据来源于中国科学院地理科学与资源研究所的中国公里格网GDP分布数据集;生态安全数据及图件主要来源于敦化市相关规划;土地整治项目数据从农村土地整治监测监管系统中提取。
2.1.3 耕地整治亟需度测算。以各等别的耕地为单元,计算不同等别耕地整治亟需度。计算公式为:
1.3 方法与模型
1.3.1 ANN-CA模型。GeoSOS的ANN-CA模型在模拟多种土地利用变化中具备了高准确性、模拟速度快的优势,作为一种模拟复杂系统时空演变的模型,能够有效反映在既定影响因子下土地利用格局形态的演变规律,不仅实现了普通模型模拟数量的预测,而且使各土地利用类型在空间上转移、集聚,形成新的土地利用空间格局[7-11]。本研究选择ANN-CA模型模拟预测2018—2022年敦化市土地利用变化情景,确定2022年建设用地扩张的空间布局信息,为测算建设用地扩张占用耕地亟需度奠定基础。
将凌源市本地0.5~1mm粒径的细河砂作为固体杂质,试验组类设计如表3。装置固定放置完毕后,将对照组和试验组的护坡模型置于试验装置上,进行植生混凝土吸附除杂试验,实验结果如表3,图3。
1.3.2 AgentLA模型。采用常规密度分割的方法划定高标准农田保护区往往会形成破碎的空间格局,难以实现成片连续的区域,不利于高标准农田的规模化经营和保护。而AgentLA模型能很好地避免这个问题,不仅考虑到了土地的适宜性,还将空间聚集效应整合进来[12]。AgentLA是使用Java Repast 3.0开发的一个基于智能体(agent)的土地分配优化模型,将AgentLA模型应用于高标准农田保护区的划定,实现了将具体的土地利用单元(agent)分配到最佳的位置,克服了耕地破碎化严重的弊端,从而实现耕地集中连片、规模化耕作与管理[13-14]。
式中:D 为第i 类土地利用类型模拟的精度误差;A im 为第i 类土地利用类型的实际栅格数;S in 为第i 类土地利用类型的模拟栅格数。测算结果表明,各土地利用类型模拟数量精度误差为0,各土地利用类型栅格数相等,模拟精度高,此参数组合适合作为2022年建设用地空间布局预测的模拟参数。③ 2022年建设用地空间布局预测。以2017年为基期年,以2017年土地利用现状图为模型模拟的起始年份数据,采用随机干扰强度为2.00、转变概率阈值为0.95的参数组合,以建设用地所能达到的栅格数99 500作为模型模拟终止条件,预测2022年建设用地空间布局。④ 获取2018—2022年耕地被占用的数量、质量信息。将模拟预测的2022年建设用地空间布局信息与2017年耕地质量年度更新评价成果在ArcGIS平台进行叠加分析,获取耕地被占用数量、质量及空间信息。结果表明,被占用耕地总规模1 809.01 hm2,主要位于雁鸣湖镇,被占用的耕地主要为中等地12等地,占被占用总规模的93%。
2 结果与分析
2.1 建设用地扩张预测及耕地整治亟需度分析
2.1.1 建设用地扩张占用耕地分析。选取城市扩张影响因子,基于ANN-CA模型预测2022年敦化市建设用地空间布局,并与2017年耕地质量年度更新评价成果在ArcGIS平台进行叠加分析,获取2018—2022年耕地被占用的数量、质量信息。① 技术约定与影响因子选择。将土地归并为耕地、园地、林地、草地、水域、建设用地和其他土地7类[15],基于ArcGIS将2012年和2017年土地利用现状图转换为ASCII数据(统一分辨率为:像元50,栅格数2 849×4 009)。考虑到社会经济因素、自然因素、政策因素及空间距离因素对土地利用结构演变的影响,以GDP、坡度、高程、重要发展轴线、基本农田、禁止建设区、重点发展区域、距公路距离、距铁路距离、距河流距离、距市中心距离、距乡镇距离共12个因子作为模拟城市扩张的影响因子,进行指标标准化、栅格化并生成ASCII文件。② ANN-CA模型训练与校验。以城市扩张影响因子作为变量条件,利用2012年土地利用现状数据挖掘ANN-CA模拟转换规则,2017年的土地利用数据作为模拟准确程度的检验标准,从而选择精度最高的模型参数。模型训练结果显示在随机干扰强度为2.00、转变概率阈值为0.95时,模拟效果最好,精度最高,建设用地模拟精度达90.57%,耕地模拟精度达98.39%。计算在此参数组合下2017年模拟结果与实际土地利用现状的土地利用类型栅格数的差异。计算公式为:
D =(A im -S in )/S in ×100% 。
(3)在做动物眼球实验时,先让学生通过教材大致掌握眼球解剖相关知识,然后与新鲜羊眼球标本结合教授,使学生更加真实全面掌握眼球结构[2]。实验中,从眼眶上壁和侧壁进行逐层解剖,以便学生观察和学习眼球内部结构。通过本实验不仅使学生掌握眼球的结构,而且锻炼了学生的动手能力,从而更好地将理论知识、模型与鲜活标本结合起来,全面理解眼球的结构和鲜活状态,为以后的临床工作打下坚实基础。
下班回到家,我都会去阳台看看它们。虎尾兰冒出了新叶片,长寿花开始鼓花苞了;绿萝的枝叶都要垂到地面了,紫背竹最近长得格外茂盛;香水百合的新芽探出了小脑袋,好奇地打量着这个世界,好一个不速之客……几乎每天都有惊喜的发现,惬意而舒心。我会拿出手机,及时定格这些美丽的瞬间,心满而意足——这才是养花种草的乐趣所在——充实生活,愉悦心情。
2.2.2 生态安全性分级。选取生态用地区、生态廊道区域、环境保护分区及地质环境适宜性分区作为农用地整治生态安全性分级的重要依据(表2),对各指标不同区域类型分别赋值,利用层次分析法计算各指标权重。运用自然间断点分级法对各耕地图斑综合分值进行分级处理,分为Ⅰ级高生态安全区、Ⅱ级中生态安全区、Ⅲ级低生态安全区及Ⅳ级生态敏感区。位于中、低生态安全区及生态敏感区范围内的耕地生态环境较为脆弱,存在不同程度的生态安全性制约。分级结果表明:高生态安全区耕地占总耕地面积的73.60%,主要分布在官地镇、大石头镇、黑石乡及沙河沿镇;中生态安全区耕地占总耕地面积的16.79%,主要分布在官地镇、黄泥河镇;低生态安全区耕地占总耕地面积的7.94%,主要分布在雁鸣湖镇、江南镇;生态敏感区耕地占总耕地面积的1.68%,主要分布在雁鸣湖镇、江南镇。
个股方面,深股通前十大活跃股分别为五粮液、海康威视、京东方A、万科A、格力电器、美的集团、洋河股份、分众传媒、大族激光和爱尔眼科。
式中:U i 为i 等耕地整治亟需度;N ij 为j 乡镇i 等别耕地被建设用地占用数量;C ij 为j 乡镇新增i 等耕地数量。测算结果表明,12等耕地总亟需度为93.69%,13等耕地总亟需度为108.49%,全域耕地占补平衡基本可实现。但各乡镇耕地整治亟需度存在明显差异,其中以官地镇和雁鸣湖镇亟需度最大,12等地亟需度分别高达1 322.75%,1 602.56%,13等耕地亟需度也分别高达2 298.85%,955.11%,这些乡镇内的耕地被占用现象严重,供给不足以满足需求。
2.2 规模效应、生态安全性及限制因素分析
2.2.1 规模效应分级。以规模指数、规整度指数和交通便利度指数作为表征农用地整治规模效应的3个指标(表1)。规模指数以耕地图斑面积表示,耕地图斑面积越大,通过合并周边田块越有利于实现田块相连与成片。各耕地图斑规整度指数计算公式为:A =2ln (L /4)/lna 。式中:A 表示规整度指数;L 为耕地图斑周长;a 为耕地面积。农用地规整情况与A 的大小成反比,A 越小表示耕地图斑形状越规整。交通便利度指数通过ArcGIS的近邻分析,计算各耕地图斑距敦化市内各县(乡)公路用地的距离,耕地的交通便利度与交通便利度指数大小成反比,指数越小交通越便利。各耕地图斑的各项指标值根据其所处区间分别赋值,利用层次分析法计算各指标权重,对各耕地图斑综合分值运用ArcGIS自然间断点分级法分为Ⅰ,Ⅱ,Ⅲ级。同样,运用自然间断点分级法确定各指标阈值区间。规模效应分级结果表明:规模效应Ⅰ级耕地占耕地总面积的47.24%,主要分布在官地镇、沙河沿镇和大石头镇;Ⅱ级耕地占耕地总面积的38.45%,主要分布在官地镇;Ⅲ级耕地占耕地总面积的14.30%,主要分布在额穆镇、黑石乡、官地镇。
1.2.1 发病规律调查 2015~2017年在试验地对1~3年生青杨苗木的病害发病规律进行系统调查。采取标准地调查和线路调查2种方法,每年6月中旬开始,根据青杨病害历年发生情况、扦插密度、树龄、地形地貌、坡向、交通和管理等条件确定7个固定标准地,每个标准地选有代表性的青杨苗木15株,每株树固定调查3~5个枝条,50~100片叶,每5d观察1次病害发生情况,做好记录。线路调查每10d进行1次,根据目测情况,每点调查20株,每株树调查3~5个枝条,50~100片叶,借助80倍解剖镜观察叶片病斑发生情况。
表1 农用地整治规模效应评价指标体系
Tab.1 Scale effect evaluation index system of agricultural land remediation
2.1.2 耕地补充供给分析。在分析已经实施的土地整理项目并结合典型地块调查的基础上,确定田坎-沟渠-道路面积降低系数和地类调整系数,从而确定新增耕地面积。通过计算,2018—2022年敦化市可补充耕地1 887.36 hm2,主要位于大石头镇、额穆镇及江南镇。
表2 农用地整治生态安全性评价指标体系
Tab.2 Ecological safety evaluation index system of agricultural land remediation
2.3.1 农用地整治分区。以亟需度为Ⅰ层控制,将农用地整治规模效应分级、农用地整治生态安全性分级结果作为Ⅱ、Ⅲ层控制,把敦化市耕地划分为5个整治类型区(图1)。将亟需度小于1且规模效应为Ⅰ级、高生态安全区的耕地纳入优化整治区;将亟需度大于1、规模效应为Ⅰ级、高生态安全区的耕地纳入重点整治区;将规模效应为Ⅰ级、中生态安全区、低生态安全区及生态敏感区的耕地纳入谨慎整治区;将规模效应Ⅱ和Ⅲ级、高生态安全区的耕地纳入有条件整治区;将规模效应Ⅱ和Ⅲ级、中生态安全区、低生态安全区及生态敏感区的耕地纳入暂不整治区。将5种整治类型区范围与限制因素聚类结果进行空间联合,分析各类型区的限制因素,明确研究区农用地整治方向与整治难度(表3)。
2.3 农用地整治分区及高标准农田保护区划定
2.2.3 限制因素聚类。敦化市农用地分等因素包括有效土层厚度、土壤有机质含量、表层土壤质地、剖面构型、土壤酸碱度、障碍层距地表深度、地形坡度。其中,耕地有效土层厚度(>40 cm),土壤pH值(<7)不属于限制因素。根据《中国耕地质量等级调查与评定(吉林卷)》确定的各分等因素分值,结合敦化市耕地实际,确定限制因素及指标分值。各限制因素赋分通过一票否决的办法,将限制因素赋为0分,其他为1分,并对耕地质量限制因素进行聚类。敦化市耕地共存在18种限制因素组合类型,无限制因素类耕地广泛分布于各乡镇,面积达138 168.46 hm2,耕地图斑32 868个。构型是限制因素中的主导因素,面积为18 248.30 hm2,耕地图斑4 766个;坡度以及由质地、构型组合的限制因素是耕地质量除构型外的两大主要限制因素组合;此外,由障碍层、构型组合的限制因素面积达1 449.15 hm2,占耕地总面积的0.87%,也是不可忽视的限制因素。因此,构型、坡度、质地-构型、障碍层-构型类限制因素是耕地质量提升的主要阻力,也是农用地整治需要改善的重点。
图1 农用地整治分区划定
Fig.1 Zoning results of agricultural land remediation
表3 农用地整治分区结果与限制因素耦合表
Tab.3 Coupling results of agricultural land remediation zoning results and limiting factors
2.3.2 高标准农田保护区划定。AgentLA模型运行时,将智能体数量确定为130 000个,以需要确定的保护区面积为确定依据,将2017年敦化市耕地数量的20%划入高标准农田保护区范围,由AgentLA模型确定保护区空间范围。另外,需将ASCII格式的农田适宜性图层输入模型进行用地分配。根据适宜性评价因素及权重(表4),适宜性图层通过对耕地的适宜性评价来获取。个体适宜度函数表达式为:f =w v v +w c c 。式中:f 为个体适宜度;w v 和w c 为权重,满足w v +w c =1;v 为耕地适宜性函数;c 为空间集聚效应函数。通过多次模拟校验,发现当w v 取值为0.8时,函数f 值达最大,最终确定w v 为0.8。对整治亟需迫切度、规模效应、生态安全性进行分类型赋分值,其中优化整治区100分,重点整治区90分,谨慎整治区和有条件整治区40分,暂不整治区0分;自然因素根据吉林省东部山地区农用地分等因素权重,确定7个分等因素的权重,结合敦化市标准耕作制度,分别给每块耕地赋上自然因素分值(0~100);经济因素由GDP值表征,表明农用地整治的经济可行性,通过ArcGIS克里金插值获取。AgentLA模型运行121步时迭代终止,此时f =0.887 5,并输出高标准农田保护区范围的优化方案,将输出结果进行ASCII-栅格-shape files转换后得到高标准农田保护区(图2)。AgentLA模型在自动生成高标准农田保护区时,最大的特点是不仅考虑了农田的适宜性,还考虑了空间集聚效益。
表4 适宜性评价因素及权重
Tab.4 Factors and weights for suitability evaluation
图2 高标准农田保护区范围
Fig.2 Range of high standard farmland protection areas
2.4 讨论
2.4.1 农用地整治分区及可持续利用分析。敦化市地处吉林省东部绿色发展转型区,可通过开展农用地整治,优化农田内部结构,增强农田基础设施完备度,注重构建区域生态安全格局,提高耕地质量,实现土地资源的可持续利用。农用地整治实施在不同空间尺度上存在较大差异。① 优化整治区为耕地亟需度强、规模效应佳、生态安全性高的耕地集聚区域,构型、坡度是主要限制因素。未来农用地整治的方向除了改善剖面构型外,当务之急便是尽量降低因坡度因素对耕地质量的影响,采用土方填平、在坡度大的耕地边缘植树种草等措施,以免造成雨水对耕地的冲刷以及水土流失。② 重点整治区经过农用地整治以后耕地易形成连片分布的规整格局,质地-构型是本区域一个较为明显的限制因素。未来农用地整治的方向除了改善剖面构型外,还要改善表层土壤质地,采用深翻土壤、优化施肥、适量追肥、大水灌溉等措施。③ 谨慎整治区为规模效应好但存在一定生态安全威胁的耕地集合,构型、坡度、障碍层、障碍层-构型是此区域的主要限制因素。本区域农用地整治的方向是在保护区域环境不受破坏、不打破生态安全格局的前提下,改善剖面构型、减缓坡度、增加障碍层距地表深度,提高土壤肥力。④ 有条件整治区为规模效应差但生态安全无威胁的耕地集合,范围内耕地零散破碎、交通便利度低,构型、质地-构型和坡度是主要限制因素。针对此类型区域,当务之急是在有条件的地方调整田块产权,改变耕地形状,在农田易于形成连片的区域实施整治,加大农田基础设施的投入力度以增加便利度,在改善剖面构型的同时,注意质地-构型和坡度对耕地的限制作用。⑤ 暂不整治区范围内耕地无论是规模效应还是生态安全性均处于全域耕地最差水平,与其他类型区相比,本区域耕地规模效应较差、整治后生态安全无法保障,耕地坡度明显加大,易发生水土流失,整治成本高昂[16]。因此,短期内不建议在本区域范围内安排农用地整治活动。
2.4.2 AgentLA模型划定高标准农田保护区的可行性分析。划定高标准农田保护区的常规方法为密度分割法,该方法将适宜性图层中各耕地图斑得分从高到低排序,将前n 个耕地图斑面积总和为耕地总面积的20%作为选择标准。对两种方法划定的高标准农田保护区进行对比(表5)。其中,紧凑度计算公式为:式中:C 为紧凑度;A 为耕地面积;L 为耕地周长。两种方法基本都覆盖了适宜性最高的区域,由AgentLA模型划定的高标准农田保护区范围斑块个数更少、单个图斑面积更大也更紧凑,而密度分割法划定的保护区空间格局破碎,不利于保护区的日常维护和管理,起不到促进农田集中连片分布、农业规模化经营的作用。
表5 AgentLA模型、密度分割法划定保护区结果对比
Tab.5 Comparison of the results of AgentLA model and density partition method
3 结论
预测期内,敦化市耕地在空间分布格局上依旧延续耕地的保护与占用相重叠、人地矛盾尖锐的特点,全域耕地占补平衡基本可实现,补充耕地以12等为主,各乡镇整治亟需度存在明显差异,部分乡镇实现耕地质量数量平衡难度很大,其中以官地镇和雁鸣湖镇最为突出。
敦化市耕地质量总体不高,质量等别提升潜力较大,耕地主要限制因素为剖面构型,其次是坡度、质地-构型以及障碍层-构型。
耕地划分为5个类型区,各类型区除了剖面构型这个普遍存在的限制因素外,优化整治区以坡度、坡度-构型为主;重点整治区以质地-构型为主;谨慎整治区以坡度、障碍层为主;有条件整治区以坡度、质地-构型为主;暂不整治区与其他类型区相比,耕地规模效应较差、整治后生态安全无法保障,耕地坡度明显加大,易发生水土流失,整治成本高昂,此类型区范围内短期将不安排农用地整治活动。
AgentLA模型在划定高标准农田保护区范围方面具有很高的应用价值,划定的保护区范围具有斑块个数更少、单个图斑面积更大也更紧凑的特点,有利于保护区的日常维护和管理,能够更好地促进农田集中连片分布和农业规模化经营。
参考文献:
[1] VAN DIJK T.Complications for Traditional Land Consolidation in Central Europe[J].Geoforum,2007,38(3):505-511.
[2] MIRANDA D,CRECENTE R,ALVAREZ M F.Land Consolidation in Inland Rural Galicia,NW Spain,since 1950:An Example of the Formulation and Use of Questions, Criteria and Indicators for Evaluation of Rural Development Policies[J].Land Use Policy,2006,23(4):511-520.
[3] 赴浙江专题培训班委会.吉林省借鉴浙江“千村示范、万村整治”工程经验学习总结[J].吉林农业,2019(15):12-15.
[4] 夏方舟,杨雨濛,严金明.中国国土综合整治近40年内涵研究综述:阶段演进与发展变化[J].中国土地科学,2018,32(5):78-85.
[5] 李兰维,张鸿.包头:分区开展国土综合整治与生态修复[J].中国土地,2019(9):59-60.
[6] 王威,贾文涛.生态文明理念下的国土综合整治与生态保护修复[J].中国土地,2019(5):29-31.
[7] 黎夏,李丹,刘小平.地理模拟优化系统(GeoSOS)及其在地理国情分析中的应用[J].测绘学报,2017,46(10):1598-1608.
[8] LI X,CHEN Y M,LIU X P,et al .Concepts,Methodologies,and Tools of An Integrated Geographical Simulation and Optimization System[J].International Journal of Geographical Information Science,2011,25(4):633-655.
[9] 闫丽洁,杨瑞霞,石忆邵,等.基于GIS与CA的城市扩展研究——以洛阳市为例[J].地域研究与开发,2010,29(4):140-144.
[10] 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.
[11] 黎夏,李丹,刘小平,等.地理模拟优化系统GeoSOS软件构建与应用[J].中山大学学报(自然科学版),2010,49(4):1-5.
[12] 姜广辉,张瑞娟,张翠玉,等.基于空间集聚格局和边界修正的基本农田保护区划定方法[J].农业工程学报,2015,31(23):222-229.
[13] 周浩,雷国平,杨雪昕,等.基于AgentLA模型的农田精准灌溉管理分区研究[J].水土保持学报,2018,32(1):274-279.
[14] CHEN Y M,LI X,LIU X P,et al .An Agent-based Model for Optimal Land Allocation (AgentLA) with A Contiguity Constraint[J].International Journal of Geographical Information Science,2010,24(8):1269-1288.
[15] 张美美,张荣群,郝晋珉,等.基于ANN-CA的银川平原湿地景观演化驱动力情景模拟分析[J].地球信息科学学报,2014,16(3):418-425.
[16] 李亚萍,刘秀霜,王萍,等.生态脆弱区农民环境意识与行为研究——以山东省典型盐渍化区为例[J].地域研究与开发,2019,38(4):127-131.
Agricultural Land Reclamation Based on ANN -CA and AgentLA Model :A Case Study of Dunhua City in Jilin Province
YU Na1,2, LI Shujie2, WANG Lingzhi2, LI Yuefen2
(1.Institute of Land and Resources Survey Planning of Jilin Province ,Changchun 130061,China ; 2.College of Earth Sciences ,Jilin University ,Changchun 130061,China )
Abstract : Taking Dunhua City in Jilin Province as an example, based on ArcGIS 10.6 platform, GeoSOS ANN-CA model and AgentLA model,on the basis of predicting the urgent need for land use for the expansion of construction land,and combining the scale effect of agricultural land reclamation, ecological security, and the limiting factors of cultivated land, to realize the coupling of multiple factors, the research has partitioned partition the agricultural land reclamation in the study area and automatically generate a high standard farmland protection area. During the forecast period, the spatial distribution of the cultivated land in Dunhua still has the characteristics that the protection and occupation of high quality cultivated land overlap with each other, there is a significant difference in the demand for reclamation in townships and towns; Dunhua City has a greater potential for improving the quality of cultivated land, the main limiting factors of cultivated land are profile configuration, in addition, the slope, texture of surface soil and depth of obstacle layer; Dividing the cultivated land in Dunhua into five types, and clarifies the reclamation direction and emphasis of all types of zone; In addition, AgentLA model has high application value in designating the protection area range of high standard farmland, and has the characteristics that the number of patches is less, and the area of each patch is larger and more compact.
Key words : agricultural land reclamation; ANN-CA; AgentLA; high standard farmland; Dunhua City
中图分类号: F301.21
文献标志码: A
文章编号: 1003- 2363( 2019) 06- 0136- 05
doi: 10.3969/ j.issn.1003- 2363.2019.06.025
收稿日期: 2018-09-06;修回日期: 2019-10-18
基金项目: 2018年度吉林省教育厅“十三五”科学研究规划项目(JJKH20180163KJ)
作者简介: 余娜(1991-),女,陕西安康市人,助理工程师,硕士,主要从事国土空间规划研究,(E-mail)1085905177@qq.com。
通信作者: 李月芬(1974-),女,山东青岛市人,教授,博士,主要从事土地资源利用与评价研究,(E-mail)yfli@jlu.edu.cn。
标签:农用地整治论文; ANN-CA模型论文; AgentLA模型论文; 高标准农田论文; 敦化市论文; 吉林省国土资源调查规划研究院论文; 吉林大学地球科学学院论文;