基于TOPSIS算法的基本农田划定关键技术

2015-02-19金贤锋

地理空间信息 2015年6期

叶胜，金贤锋，何宗，曾攀

（1.重庆市地理信息中心，重庆 400020）

基本农田是依据土地利用总体规划而确定的不得随便占用的耕地，它的确定参照了一个国家或地区一定时期内的人口和社会经济发展对农业产品的需求[1]。为了确保国家粮食安全，稳定农业的正常生产，加大对耕地的保护力度，客观科学地划定基本农田则显得十分重要[2]。

在国外并没有基本农田的说法，他们称之为重要农地。在20世纪60年代，美国、日本等国家都提出了重要农地的科学划定和保障体系，去应对城市扩张的压力、环境破坏以及粮食安全等一系列问题。其中1982美国提出的“土地评价和立地分析系统”，可以说是国际上农地保障的楷模[3]。我国以前的耕地保护体系更多地关注于数量指标，虽然近些年来国内专家开始关注耕地质量、立地条件、宏观政策以及数学模型对基本农田划定的作用，但大多数评价指标过于简单，缺乏系统性的评价且都是定性的研究，缺乏实际案例的相关研究[4]。在基本农田数据库建立的实践中，拿一些零散的、劣等的耕地充数的现象非常普遍[5]。不能忽视的因素有基本农田评价指标体系缺乏客观性、科学性，主观性较强，给基本农田保护的工作造成了困难[6]。

基于对以上问题的思考，本文尝试从农用地等级质量、环境条件以及政策方针等方面考虑建立基本农田综合评价指标体系。同时将GIS技术，特别是空间分析技术引入到基本农田划定工作中，为永久性基本农田的划定提供有效的办法，为以后的基本农田等相关工作提供客观的参考依据。

1 研究区域概况

选择重庆市南川区作为本文的研究区域，主要考虑了南川区境内山地丘陵地貌典型、农业发展水平等，具有一定的代表性。南川区坐落于重庆南部与贵州省接壤，具有热量充足、降水多、无霜期长等气候特征，属于亚热带湿润季风性气候区。研究区域内地形起伏度较大，相对高差1 905 m，整体地势由东南向西北倾斜。水稻土为主要的土壤类型，区域面积2 601.92 km2，管辖3个街道和31个乡镇，总人口约为66万人。

2 基础数据来源及预处理

1）基础数据来源。本文数据主要来源于2009年第二次全国土地调查数据；南川区土地利用总体规划图（2006～2020）；南川区农用地分等定级数据及社会经济等相关数据。

2）基础数据预处理，划分评价单元。图斑法、叠置法以及地块法是常用的3种评价单元的划分方法。鉴于本研究的情况，采用图斑法来进行评价单元划分。从二调现状数据中提取研究区域的耕地，将其作为评价对象。借用ArcGIS和Excel对每一块耕地图斑进行编号排序，确保编号的唯一性。

3 研究方法及过程

3.1 研究方法

按照基本农田工作相关的规定和数据库建库的要求，从农用地等级质量、环境条件以及政策方针3大方面，综合考虑各影响因子，依据专家的经验采用层次分析法确定各个因子的权重，建立基本农田指标评价体系。对评价指标值用Z-Score 方法进行标准化处理，然后利用TOPSIS算法对其进行排序。最后，依据研究区域基本农田的保护任务，从高分到低分的原则，确定基本农田保护图斑。

3.2 评价指标体系的建立以及权重的确定

1）评价指标体系。1982年，原美国农业部提出的“土地评价和立地分析”系统（简称LESA），主要由土地评价模块和立地分析模块组成。土地评价模块主要针对农地的自然条件进行分析，立地分析模块主要针对农地的社会经济条件进行分析。我国的《土地管理法》规定优质、连片、永久、稳定的耕地，既具有良好的质量条件，又具有较优立地条件的耕地才能够划入基本农田。在实际工作中，基本农田的划定应该适当地考虑政策方面的因素。

2）指标权重的确定。指标的权重，主要是用来判断指标作用的大小。主观赋权法、德尔菲法和层次分析法是确定权重常用的3种分析方法。权重的确定，主要是利用层次分析法进行计算，如表1所示。

表1 评价指标体系

3.3 各影响因子评价

1）土壤肥力。土壤肥力对农作物的影响主要有2 种方式：T型效应和S型效应。

T型效应：

式中，Ci为指标因子的分值；X为指标因子的测定值；S型效应第1、2个拐弯点对应的值是X1和X2，T型效应的第3、4个拐弯点对应的值是X3和X4。

2）耕地坡度。耕地的坡度和土层的厚度、土壤的肥力往往呈现出负相关。根据经验，坡度在6°以下的耕地，一般适宜耕作和农作物生长；当坡度大于25°，一般不适宜进行耕作，容易造成水土流失等灾害。所以以6°和25°作为2个分界点。图斑分值为：

式中，S为某农地坡度得分值；X为某农地坡度。

3）地貌类型。地形地貌对农作物的生长也存在很大的影响。依据地形地貌，各耕地图斑得分值如表2所示。

表2 耕地地形地貌分值表

4）水利设施条件。在水利工程设施中，灌溉条件和排水条件是2个重要因子，根据其不同的情况判定分值如表3所示。

表3 水利工程设施分值表

5）连片性。耕地地块的连片性越好，耕地图斑面积越大，越利于土地的规模经营。南川区主要以山地为主，山高坡陡，耕地的破碎度较大。该文采用耕地图斑地类面积10 hm2和100 hm2作为临界值，其指标分值为：

式中，P为某农地连片性得分值；X为某农地图斑地类面积。

6）交通通达度。交通通达度主要反映耕地周边的交通状况，一般靠近交通线的耕地具有优势。首先，为农村道路（机耕道）设500 m、1 000 m、1 500 m、2 000 m、2 500 m、3 000 m的缓冲区。交通通达度分值为：

式中，T为某农地交通通达度分值；X为某农地交通线缓冲距离。

7）耕作半径。耕作半径即耕地到周边场镇或居民点的远近。由于研究区域在山地丘陵地区，对农村居民点设500 m、1 000 m、1 500 m、2 000 m、2 500 m、3 000 m的缓冲区。标准化分值为：

式中，R为某农地耕作半径标准化分值；X为某农地附近居民点缓冲区半径。

8）政策因素。因为政策原因划为基本农田的耕地，其分值判断为100，否则判为0；被规划为城镇建设区的耕地，分值判断为0，否则判断为100。

4 图斑综合评价分值及综合分数排序

4.1 图斑综合评价分值计算

添加代表各指标的属性字段，为各指标设置不同的缓冲区。Lable点属性追加，确定各图斑所属的缓冲区范围。导出属性数据，利用标准化公式，计算各个图斑的得分值。利用属性数据的链接工具，将“分数”追加给相应的图斑。

将整个研究区域内的耕地看做是一个集合体A，A={a1，a2，…，an}。式中，aj表示某一块耕地，前文计算出来的所有指标当作是一个指标集F，F={f1，f2，…，fn}。式中，fi表示为某一个指标。每一个地块aj，在每一个指标fi下都会有一个值xij，这些取值组成一个决策矩阵R。正向指标采用式（7）计算，逆向指标采用式（8）计算。对决策矩阵进行标准化，可得到一个标准化的决策矩阵R={Rij}m×n，R∈[0,1]且无量纲[7,8]。

4.2 采用TOPSIS法进行排序

TOPSIS算法的思想是确定一个理想值，然后将评价对象与之进行比较，从而评价对象值与理想值的远近，判断出评价对象值的好坏。一般理想值有两个，一个是正向理想值，一个是负向理想值，理想的方案应该是接近正向理想值同时又远离负向理想值。

正向理想值和负向理想值的计算：

式中，r+是正向理想值；r-为负向理想值。

计算评价对象值到正向理想值和负向理想值的距离。一般采用n维欧几里德距离表示：

式中，wi为指标fi的权重；S+为评价对象与正向理想值的距离；S-为评价对象到负向理想值的距离。最佳的方案应该是S+最小，而S-最大。

最后，计算理想值的靠近度Cj：

式中，0≤Cj≤1。当Cj=0时，表示该目标为最差对象；当Cj=1时，表示该目标为最佳对象，根据Cj的值按从小到大的顺序对各评价目标进行排列，排序结果贴近度Cj值越大，该目标越优[9,10]。

采用TOPSIS算法法对重庆市南川区69 912.67 hm2耕地按评价单元进行排序，再综合考虑整个区的规划指标。最后，得到南川区的基本农田保护区图。根据基本农田划定规程要求，基本农田要占耕地面积80%以上，本轮规划基本农田面积为56 111.52 hm2，占南川区全部耕地的80.26%，符合规划要求。