非均匀网格环境下基于耕地质量与集中连片度的基本农田划定

田惠文，张欣欣，毕如田，闫 晶，李广月，张 婧

非均匀网格环境下基于耕地质量与集中连片度的基本农田划定

田惠文，张欣欣，毕如田※，闫 晶，李广月，张 婧

（山西农业大学资源环境学院，太谷 030801）

基本农田的划定是保持耕地数量、提升耕地质量的有效途径。该文提出了在非均匀网格环境下，利用耕地集中连片度和耕地质量指数来划定和表达基本农田的方法。借助ArcEngine二次开发平台，构建非均匀网格和多尺度均匀网格，分析非均匀网格在耕地表达上的优势；从耕地集中连片度和耕地质量2方面对耕地空间布局进行综合评价；以山西省闻喜县为研究区开展实例验证，采用空间叠加的方法，划定和表达基本农田。结果表明：与均匀网格相比，非均匀网格在减少数据冗余的同时，实现了耕地信息的小误差表达；闻喜县基本农田的划定结果可满足“集中连片、质量好”的要求，基本农田的面积占耕地总面积的83.22%，划定比例符合国家规程；非均匀网格可以很好的表达基本农田的空间分布。该方法适用于基本农田的划定，为基本农田的精细化表达提供了新的思路。

土地利用；分区；基本农田；非均匀网格；局部空间自相关；集中连片

0 引 言

耕地资源是国家粮食安全和生态安全的重要保障，是人类生存和发展的物质基础[1]。近年来，中国面临耕地面积减少、质量等级不高、分布细碎、耕地保护不到位和后备耕地资源不足等问题，建立耕地数量与质量并重的保护体系势在必行[2]。而基本农田是通过土地整治形成的集中连片、高产稳产并与现代农业生产和经营方式相适应的不得占用的耕地[3]。在以往的基本农田划定工作中，由于缺乏科学合理的划定方法，导致基本农田总体质量偏低，空间布局不合理，且缺乏稳定性。

当前，对于基本农田划定的研究多采用耕地质量等别成果或结合耕地产能进行核算来划分耕地[4-5]，还有通过LESA法[6-7]、多因素综合评价法[8-9]、XGS决策模型[10]等进行基本农田划定。以上研究方法忽视了基本农田的空间分布规律，近来有学者在基本农田空间布局上采用空间聚类和空间自相关等方法，更加注重耕地空间分布对于基本农田划定的影响[11-13]。然而，基于行政单元及地块图斑描述区域内耕地的空间差异非常有限，不利于政府的管理、数据的更新和耕地信息的整合，难以满足实际研究与应用需求。

网格是对地理空间的规则划分，可以打破行政单元及不规则地理数据的束缚，也是对现有测量参照系、行政区划参照系和其他专题定位系统的补充，易于空间定位[14]。网格作为空间数据的载体，可实现对信息资源的整合、共享与利用，成为信息技术条件下空间信息收集、存储、处理、分析的新形式[15-16]。资源环境数据进行网格化可较好的表达其空间分布特征[17-20]，网格化方法广泛应用于土地利用[21-23]、城市管理[24]、生态环境[25]、地理国情监测[26]等领域。近来有学者在网格环境下对耕地质量评价[27]、耕地质量监测样点布设[28-29]、基本农田的建设[19,30]进行研究，有效提升中国耕地质量领域的研究水平。这些研究多在一定尺度上的均匀网格中进行，然而耕地在丘陵、山地上分布细碎、零散，采用均匀网格，忽视了不同地形条件的尺度效应、减弱了地图制图与表达的精度要求。以耕地质量监测样点中土壤养分点的选取为例，均匀网格布设样点，使得落在丘陵、山区的样点较少，空间插值精度降低；以基本农田建设为例，耕地细碎、零散区域采用大尺度网格进行制图表达的面积误差较大，小尺度网格表达可以减少面积误差，但造成数据量大、冗余度高。非均匀网格的数据量远小于均匀网格，可以有效减少无效数据块的查找次数，提升数据的检索和传输效率[31]。利用非均匀网格可以在丘陵、山区增选采样点，达到插值精度的提升，同时非均匀网格可以保证耕地属性信息无损的情况下，实现耕地信息的小误差表达。因此，科学、高效划定基本农田并进行小误差表达成为亟待解决的问题。

本文在非均匀网格环境下对耕地信息进行提取，同时应用到基本农田的划定与表达。笔者以山西省闻喜县为例，从耕地集中连片度和耕地质量两个方面，采用非均匀网格处理相关数据并分析耕地的空间分布特征，对基本农田的网格化表达进行优化，并为基本农田的划定提供参考依据。

1 研究区与数据

1.1 研究区概况

闻喜县隶属于山西省，位于运城盆地与临汾盆地的交界处（110°59′33″～111°37′29″E、35°9′38″～35°34′11″N，图1）。闻喜县地处黄土高原，东、西、南三面环山，地形复杂，主要有平原、台地、丘陵和山地。地势西北、东南高，中部和南部地势平坦。闻喜县下辖13个乡镇，是山西省重要的粮食生产基地，耕地以旱地为主，总耕地面积74 492.70 hm2。闻喜县自然资源丰富，近年来矿产资源的不合理开采、工业建设压占和损毁优质耕地，面临的生态环境问题愈演愈烈，粮食安全也遭受到严峻的挑战。

图1 闻喜县示意图

1.2 数据来源

本研究所需数据主要包括：闻喜县2017年1∶10 000土地利用变更调查数据库、闻喜县2017年耕地质量等别更新成果、闻喜县2017年耕地质量监测评价数据，以上数据均经空间数据格式转换、校正并投影转化为CGCS2000坐标系。

2 研究方法

2.1 技术流程

首先构建非均匀网格，选取耕地集中连片性和耕地质量的相关指标，采用层次分析法与熵权法相结合的方式赋予权重，计算耕地集中连片指数并分级，计算耕地质量指数并分析耕地质量的空间分布；将耕地集中连片指数分级结果与耕地质量指数的空间分布分类结果叠加，按照设立的耕地分区原则划定和表达基本农田，流程如图2。

2.2 评价指标体系

空间高标准的基本农田建设要求实现“集中连片、质量好”的基本要求，文章依据《基本农田划定技术流程》《农用地质量分等规程》并结合相关文献[12,19]，从“集中连片”角度，选取了与耕地集中连片度最为相关的指标，分别为纯度指数、连接度指数、破碎度指数、形状指数来确定耕地集中连片度；从“耕地质量”角度，选取立地条件、基础设施、清洁状况、剖面构型、土壤特性等维度的指标确定耕地质量水平；最后结合耕地集中连片度和耕地质量分布来确定基本农田。综合主观经验和客观信息来确定权重可以使评价结果更具有准确性与科学性，本文采用层次分析法、熵权法结合的方式[32]，确定耕地集中连片度的指标权重（表1），将各指标进行标准化后获得其作用分值。耕地质量指标体系中各指标权重（表2）及赋值规则（表3和表4）参考《全国耕地质量等级评价指标体系》中晋东豫西丘陵山地农林牧区指标体系。

图2 技术路线图

表1 耕地集中连片评价指标及其权重

注：缓冲区距离运用ArcGIS 软件平台近邻点距离计算工具对闻喜县耕地图斑进行计算得到，此最小距离为106.33 m，该距离保证每个要素至少有一个要素与之相邻。A为第个耕地斑块的面积，m2;A为缓冲区总面积，m2;为缓冲区中耕地斑块的总个数;a，a为第和第个耕地斑块的面积，m2;n为耕地斑块和耕地斑块之间的连接数;E为第个耕地斑块边界长度，m。

Note: The distance of buffer zone is calculated by using the nearest neighbor distance calculation tool of ArcGIS software platform to arable land plots in Wenxi county, and the minimum distance is 106.33m, which ensures that at least one element of each element is adjacent to it.Ais the area of theth arable land plot, m2.Ais the total area of the buffer zone,m2.is the total number of arable land plots in the buffer zone.aandaare the areas of theandarable land plots, m2.nis the number of connections between theandarable land plots.Eis the boundary length of theth arable land plot, m.

表2 耕地质量评价指标及其权重

表3 耕地质量评价数值型指标赋值规则

注：为赋值；为系数；为实测值；为标准指标。当函数类型为戒上型，小于等于下限值时，为0；大于等于上限值时，为1；当函数类型为戒下型则相反；当函数类型为峰型，小于等于下限或大于等于上限时，为0。

Note:is assignment;is coefficient;is the measured value;is the standard index. When the function is of the upper bound type andis less than or equal to the lower bound value,=0; Whenis greater than or equal to the upper limit,=1; The opposite is true when the type of function is subtype;is 0 whenis less than or equal to the lower limit oris greater than or equal to the upper limit

表4 耕地质量评价非数值型指标赋值规则

2.3 非均匀网格的构建

对闻喜县的耕地数据进行网格化，网格化结果保证耕地面积属性信息无损。为了便于计算机运算，实现精确剖分，借鉴全球四叉树剖分体系（geographic subdividing grid with one dimension coding on 2－Tree，GeoSOT）中的尺度设置方法，采用2为非均匀网格尺度[20]，网格化基本思路：1）借助ArcEngine二次开发平台，以闻喜县行政界线外接矩形为范围生成1 024 m×1 024 m的网格。2）若耕地完全覆盖网格，则不对网格进行剖分，若耕地未完全覆盖网格，则将该网格通过四叉剖分法向下剖分为512 m×512 m的网格。3）剖分后的网格若被耕地完全覆盖，则不对网格进行剖分，若仍未完全覆盖，则继续向下剖分为256 m×256 m的网格，以此类推，一直将网格剖分到16 m为止。研究区小型水域和居民点的面积占比为4.02%，多位于集中连片区耕地的内部，网格法表达耕地，最多允许网格侵蚀掉耕地边缘的小型水域和居民点，因此耕地专题图表达面积应控制在5%以内，此时网格剖分到16 m，示意图如图3a。4）每个网格单元自左下向右上赋予唯一标识码，示意图如图3b。网格中耕地表达面积采用面积占优法（rule of max area，RMA）计算。

将生成的非均匀网格用行政界限裁剪并与耕地矢量数据进行空间叠加，将网格单元内耕地面积按照唯一标识码分类汇总，作为网格单元的属性值。按照面积加权平均法，根据网格数据的顺序编码和行列数自左下向右上依次进行迭代运算，将整个研究区的耕地集中连片度和耕地质量指数赋值给网格单元，并去除不包含耕地的网格单元。

图3 非均匀网格划分示意图

2.4 非均匀网格表达的优势分析

非均匀网格在地图与制图表达、数据处理等方面拥有较强的优势，本文以闻喜县外接矩形为范围，生成1 024 m×1 024 m的均匀网格，采用四叉剖分法向下剖分至16 m×16 m的均匀网格，示意图如图4，生成1 024 m×1 024 m、512 m×512 m、256 m×256 m、128 m× 128 m、64 m×64 m、32 m×32 m和16 m×16 m的多尺度均匀网格。非均匀及多尺度均匀网格的生成、耕地质量指数的提取均在ArcEngine二次开发平台下运用C#语言编程实现。

图4 均匀网格划分示意图

通过对比耕地在非均匀网格与均匀网格环境下的面积表达误差、数据遍历时长来进行优势分析。

耕地面积表达误差公式为：

E=A−A（1）

式中E为耕地面积表达误差；A为网格面积，hm2；A为网格中耕地实际面积，hm2。

耕地面积百分比表达误差公式为

式中E为耕地面积百分比表达误差。

在ArcEngine中对所有网格进行遍历，统计遍历时长。

2.5 耕地集中连片度的等级划分

耕地集中连片度采用加权求和模型计算[21]，公式为

式中，Q为的耕地集中连片度，w为第个耕地斑块第个指标权重值，f为第个耕地斑块第个指标的作用分值，=4。计算分值赋值给网格，按照自然间断点分级法将耕地集中连片指数分为3个等级，1级耕地集中连片度最优，2级次之，3级最差。

2.6 局部空间自相关

空间自相关分析可以分析地理实体间的空间关系，作为地理实体的耕地在空间上也肯定有规律性[13]，耕地质量在空间上的聚集或离散特征也可以采用空间自相关分析来确定。采用质量指数来表征耕地质量（耕地质量指数计算方法同耕地集中连片度），通过局部空间自相关Local Moran’s I来对耕地质量的空间分布特征进行分类[12,33]，公式为

式中X、X分别为对应网格单元提取的耕地质量指数，W为和之间的空间权重。经局部空间自相关分析后，耕地质量空间分布被划分为5种类型，分别为HH、LL、HL、LH和N型。其中正相关类型为HH型和LL型，分别表示高等地集聚网格和低等地集聚网格；负相关类型为LH和HL型，分别表示低等地被高等地包围和高等地被低等地包围，空间上具有较强的异质性，N型是空间集聚性不强的区域，高等地和低等地呈现随机分布。

2.7 耕地的分区原则

通过耕地集中连片性度等级图与耕地质量空间分布类型图叠加，按照耕地集中连片度和耕地质量组合的优劣顺序，结合相关文献[12-13,19,34]，将耕地类型分为永久保护型、质量提升型、重点治理型、后备管理型4类，组合模式如表5。

表5 耕地的分区组合模式

注：HH为高等地集聚，LH为低等地被高等地包围，LL为低等地集聚，HL为高等地被低等地包围，N为高等地和低等地随机分布。<1, HH>为集中连片度1级的耕地与HH型的叠加组合，<2, HH>为集中连片度2级的耕地与HH型的叠加组合，其余组合模式以此类推。

Note: HH is high grade arable land agglomeration, LH is low grade arable land surrounded by high grade arable land, LL is low grade arable land agglomeration, HL is high grade arable land surrounded by low grade arable land, N is high grade arable land and low grade arable land random distribution. <1, HH> is the superposition of grade 1 arable landconcentricity and HH type; <2, HH> is the superposition ofgrade 2 arable landconcentricity and HH type, and the rest of the combination modes are similar.

3 结果与分析

3.1 网格环境下耕地布局

3.1.1 耕地的网格化

图5是非均匀网格与耕地矢量数据进行空间叠加后去除不含耕地网格单元的结果。闻喜县行政区面积为116 795.24 hm2，其中耕地面积为74 492.70 hm2。县域中部的平原、台地网格较大，耕地集中，分布较广，东部、西部、北部的丘陵山区网格较小，耕地分散，分布破碎。

3.1.2 非均匀网格优势分析

网格环境下，以唯一标识码汇总提取耕地面积，可保证耕地面积属性信息的无损，但在面积表达上存在一定误差。为了直观的对比非均匀网格和均匀网格的表达效果，本文截取了闻喜县的部分区域（图6），计算不同网格环境下耕地面积的表达误差（表6）。

图5 闻喜县耕地网格化结果

在均匀网格环境下，网格尺度越大，网格个数越少，耕地面积表达误差越大；剖分到16 m的非均匀网格和16 m的均匀网格都可准确表达耕地信息（误差小于5%）。从网格个数看，剖分到16 m的非均匀网格的个数大约是16 m均匀网格的21.69%，在ArcEngine中，对网格数据进行遍历，16 m均匀网格遍历时长为16 m的非均匀网格的3倍。由上述可知，非均匀网格能很好的表达耕地面积，同时也极大的减少了数据冗余，提升了数据处理与传输能力，可更好的进行精细化管理。因此，本文采用非均匀网格进行耕地集中连片度、耕地质量局部空间自相关及基本农田的划定与表达等。

图6 不同网格环境下耕地的表达

表6 网格环境下耕地表达误差

3.1.3 集中连片度分级结果分析

图7是耕地集中连片度专题图，从空间分布上看，1级耕地网格多为1 024 m×1 024 m和512 m×512 m，2级耕地的网格多为256 m×256 m和128 m×128 m，基本分布于耕地面积广、集中连片、交通便利的台地和平原，耕地适合集中治理。3级网格多为64 m×64 m、32 m×32 m和16 m×16 m，基本分布于耕地面积小、散乱、交通不便的丘陵、山区，基础设施不易配备。各个等级耕地的面积比例如表7。

图7 耕地集中连片度等级图

表7 耕地集中连片度划分

3.1.4 局部空间自相关结果分析

图8是非均匀网格上耕地质量的局部空间自相关分布专题图。HH、LL和不显著类型的网格个数较多，HH型主要分布在平原区，这些区域耕地的自然禀赋、区位条件及生态环境优越，空间集聚性显著；LL型主要分布在耕地质量较低、交通不便的东部、西部山区；不显著型分布较广，主要分布在台地区。HL型和LH型网格分布很少，其中HL型分布于LL型边缘，LH型分布于HH型边缘。

图8 耕地质量局部空间自相关类型分布图

3.2 基本农田的划定

3.2.1 耕地分区结果

按照耕地分区原则，将闻喜县耕地划分为4个类型，图9是非均匀网格下耕地分区专题图。

图9 耕地分区图

1）永久保护型

永久保护型耕地主要分布在交通便利、土壤肥沃、灌溉充足的平原。其中<1, HH>和<2, HH>组合区域经济条件优越、地势平坦、耕地集中连片度高且质量好，利于大规模的机械化耕作；<1, LH>组合区域内耕地集中连片度最优，且高等地包围低等地，低等地可以同化为高等地从而形成HH型的空间聚集状态。因此，这3种组合适宜作为永久保护型耕地优先划入基本农田。

2）质量提升型

质量提升型耕地在自然、区位及生态环境上相较永久保护型耕地较差，但各方面的条件仍然很理想，土地整治的难度较小。其中<1, LL>、<1, N>和<1, HL>组合区域内耕地集中连片度虽然为最优，但是LL型的耕地质量是低等聚集，N型的空间集聚度差，同时HL型中低等地包围高等地会同化为LL型；<2，LH>组合区域内耕地集中连片度虽为2级，但LH型的空间分布类型容易转化为HH型。此4种组合归入质量提升型耕地，通过对其进行适度的改善，可提升为永久保护型。

3）重点治理型

重点治理型耕地零散分布于永久保护型和质量提升型耕地周边，该区域的耕地面积大，被后备管理型耕地包围，外围耕地质量较差，要着重加大该型耕地的治理，防止其发生扩散，造成前两种耕地质量的退化，同时也防止其退化为后备管理型耕地。其中<2, LL>、<2, N>和<2, HL>组合区域内耕地集中连片度和耕地质量比质量提升型耕地差；<3, HH>组合区域内耕地集中连片度最差，但耕地质量为高等地集聚，为了保证高等质量的耕地不被舍弃，故与上面3种组合共同归入重点治理型耕地，经针对性的重点整治后可划入基本农田。

4）后备管理型

后备管理型主要分布于交通不便、地势较高、基础设施难以配备的丘陵和山区，<3, LH>、<3, HL>、<3, LL>和<3, N>组合区域内耕地的集中连片度和耕地质量更低，且距离乡镇中心较远、土壤肥力差、耕地投入较大、作物产量较低、土地整治难度大，难以通过治理达到基本农田“集中连片、质量好”的目标，故不适于划入基本农田，但可以种植经济作物来提高农民的收入或者作为非农建设的首选区域发展其他产业。

3.2.2 基本农田的划定与表达

通过对耕地分区划定结果的分析，以基本农田内涵为依据，本研究将永久保护型、质量提升型和重点治理型耕地划入基本农田，图10是非均匀网格环境下基本农田的空间分布专题图。

图10 基本农田的空间分布图

基本农田的国家相关规程要求县域基本农田面积大于耕地总面积的80%，本文在非均匀网格环境下对闻喜县耕地进行研究得到基本农田的比例为83.22%，符合基本农田的要求及当地现状。闻喜县基本农田主要分布于城乡周边区域、交通便利的平原以及易于整治的台地，对耕地进行适度的控制与改善，可满足“集中连片、质量好”的基本要求。其余一般农田主要分布在闻喜县边远丘陵及山区，区位与自然条件差，不适于划入基本农田。从基本农田的划定结果上看，非均匀网格可以很好的表达基本农田的分布情况，每个网格都被赋予唯一标识码，当耕地信息发生变化时，可以迅速定位到需要更新的耕地区域，为基本农田的动态更新奠定基础。而采用网格去处理相关数据，不仅可以打破行政界限、土地斑块化的束缚，还可以提高信息的检索、数据的更新，便于进行可视化表达。

4 结论与展望

4.1 结 论

本文基于非均匀网格，利用耕地质量等别更新成果、耕地质量监测评价数据，依据基本农田“集中连片、质量好”的基本要求，对基本农田的划定和表达进行了研究，具体结论如下：

1）相较于均匀网格，本文构建的非均匀网格可以降低数据冗余，实现耕地专题图的小误差表达（耕地面积误差4.72%）。

2）闻喜县的基本农田主要分布在耕地集中连片性强、耕地质量好的平原和台地，基本农田面积占耕地总面积的83.22%，符合当地现状和国家相关规程要求。

3）非均匀网格可以很好的表达基本农田的空间分布，利用网格易于定位、便于更新与检索的优势，为基本农田的划定、和精细化表达提供了科学依据。

4.2 展 望

4.2.1 综合利用多源数据的基本农田动态监测

实际工作中，耕地的土壤属性很难实时连续的采样获取，遥感数据具有区域覆盖广，更新频率快以及自动获取性等其他数据不具备的优势，且遥感数据本身属于网格数据，可通过重采样等方式，与耕地的非均匀网格数据进行叠加。随着遥感技术的发展，结合监测样点数据，采用遥感反演有机质、生产力等进行参数修正，其势必会成为未来耕地质量监测的主要数据来源[35]，进而实现对基本农田的动态监测。

4.2.2 基于信息技术的基本农田管理系统

随着基本农田数据获取频率的加快，人工更新很难满足基本农田的监测要求，形成自动化的基本农田监测管理系统会逐渐成熟。对涉及耕地质量的地貌、土壤、灌排条件等矢量和栅格数据进行网格化提取，打破斑块化束缚，实现多源数据的统一管理。基于实时更新成果，生成基本农田评价报告，对其空间分布、变化规律进行归纳，并对变化明显的区域进行预警。

4.2.3 数据共享

依据不同应用人员和信息保密层次的需要，对矢量数据进行不同尺度制图的工作量庞大、不确定性强，而结合非均匀网格的尺度特征，生成不同尺度基本农田专题图，可实现不同级别的数据保密和共享。非均匀网格中4个小尺度的网格可组合成1个大尺度网格，具有简单明确的对应关系，也可生成不同层级的均匀网格来共享数据。

本文仅选取闻喜县为研究区域，未来可扩大研究区范围，更加精确地体现非均匀网格环境下基本农田的划定与表达。本文只对耕地数据进行了网格化提取，也可综合土地利用现状、土壤类型、土壤养分、气象和生态环境等数据，利用网格打破各类数据的斑块化形态，进而建立资源环境数据库，对进一步研究地理信息很有意义。

[1]张红富，周生路，吴绍华，等. 省域尺度耕地产能空间分异规律及其影响因子[J]. 农业工程学报，2010，26(8):308－314.

Zhang Hongfu, Zhou Shenglu, Wu Shaohua, et al. Provincial scale spatial variation of cultivated land production capacity and its impact factors[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(8): 308－314. (in Chinese with English abstract)

[2]宋小青，欧阳竹，柏林川. 中国耕地资源开发强度及其演化阶段[J]. 地理科学，2013，33(2):135－142.

Song Xiaoqing, Ou Yangzhu, Bai Linchuan. Evaluation and evolution of exploitative intensity of cultivated land resources in China[J]. Scientia Geographica Sinica, 2013, 33(2): 135－142. (in Chinese with English abstract)

[3]TD/T 1033-2012. 高标准基本农田建设标准[S].

[4]孔祥斌，靳京，刘怡，等. 基于农用地质量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)

[5]侯现慧，王占岐，杨俊，等. 基于产能核算和土地质量地球化学评估的县域基本农田布局研究[J]. 中国土地科学，2016，30(1):89－96.

Hou Xianhui, Wang Zhanqi, Yang Jiu, et al. Research on the layout of county prime farmland based on productivity and land quality geochemical assessment[J]. China Land Sciences, 2016, 30(1): 89－96. (in Chinese with English abstract)

[6]边振兴，杨子娇，钱凤魁，等. 基于LESA体系的高标准基本农田建设时序研究[J]. 自然资源学报，2016，31(3):436－446.

Bian Zhenxing, Yang Zijiao, Qian Fengkui, et al. Study on time sequence of high-standard prime farmland based on LESA[J]. Journal of Natural Resources, 2016, 31(3): 436－446. (in Chinese with English abstract)

[7]Cheng Qianwen, Jiang Penghui, Cai Lingyan, et al. Delineation of a permanent basic farmland protection area around a city centre: Case study of Changzhou City, China[J]. Lang Use Policy, 2017, 60: 73－89.

[8]刘霈珈，吴克宁，赵华甫，等. 基于耕地综合质量的基本农田布局优化：以河南省温县为例[J]. 中国土地科学，2015，29(2):54－59.

Liu Peijia, Wu Kening, Zhao Huafu, et al. Spatial allocation optimization of prime farmland based on cultivated land comprehensive quality: A case study of Wen County, Henan Province[J]. China Land Sciences, 2015, 29(2): 54－59. (in Chinese with English abstract)

[9]薛剑，韩娟，张凤荣，等. 高标准基本农田建设评价模型的构建及建设时序的确定[J]. 农业工程学报，2014，30(5)：193－203.

Xue Jian, Han Juan, Zhang Fengrong, et al. Development of evaluation model and determination of its construction sequence for well-facilitied capital farmland[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(5): 193－203.(in Chinese with English abstract)

[10]王欣星，张安明. XGS决策模型在基本农田划定中的应用研究：以重庆市黔江区石会镇为例[J]. 农机化研究，2013，35(7)：217－220.

Wang xinxing, Zhang Anming. Application of XGS decision-making models in primary farmland zoning: A case of Shihui Town of Qiangjiang District in Chongqing[J]. Journal of Agricultural Mechanization Research, 2013, 35(7): 217－220. (in Chinese with English abstract)

[11]荆耀栋，毕如田，周淑琴，等. 基于网格化表达的县域基本农田集中连片特征提取[J]. 中国土地科学，2015，29(10)：57－64.

Jing Yaodong, Bi Rutian, Zhou Shuqin, et al. Extraction of concentrated prime farmland based on grid within the scale of county[J]. China Land Sciences, 2015, 29(10): 57－64. (in Chinese with English abstract)

[12]杨建宇，张欣，徐凡，等. 基于TOPSIS和局部空间自相关的永久基本农田划定方法[J]. 农业机械学报，2018，49(4)：172－180.

Yang Jianyu, Zhang Xin, Xu Fan, et al. Designation method of permanent basic farmland based on TOPSIS and local spatial autocorrelation[J]. Transactions of The Chinese Society of Agricultural Machinery, 2018, 49(4): 172－180.(in Chinese with English abstract)

[13]熊昌盛，谭荣，岳文泽. 基于局部空间自相关的高标准基本农田建设分区[J]. 农业工程学报，2015，31(22)：276－284.

Xiong Changsheng, Tan Rong, Yue Wenze. Zoning of high standard farmland construction based on local indicators of spatial association[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(22): 276－284. (in Chinese with English abstract)

[14]李德仁，邵振峰. 空间信息多级网格及其功能[J]. 地理空间信息，2005，3(4)：1－3.

Li Deren, Shao Zhenfeng. Spatial information multi-grid and its functions[J]. Geospatial Information, 2005, 3(4): 1－3. (in Chinese with English abstract)

[15]徐振，荆耀栋，毕如田，等. 基于资源环境数据格网化表达的关联模式发现[J]. 地球信息科学学报，2018，20(1)：28－36.

Xu Zhen, Jing Yaodong, Bi Rutian, et al. The discovery of spatial association patterns of resource and environment information based on grid data[J]. Geo-Information Science, 2018, 20(1): 28－36. (in Chinese with English abstract)

[16]李德仁，邵振峰，丁霖. 地理国情信息的多级网格化表达[J]. 地理空间信息，2014，12(1)：1－9.

Li Deren, Shao Zhenfeng, Ding Lin. Research on multi-grids expression of geographic national conditions[J]. Geospatial Information, 2014, 12(1): 1－9. (in Chinese with English abstract)

[17]冯雨豪，王瑾，毕如田，等. 基于GIS格网模型的亳清河经济区产业开发空间适宜性评价[J]. 地域研究与开发，2018，37(6)：39－45.

Feng Yuhao, Wang Jin, Bi Rutian, et al. Suitability evaluation of industrial development in Boqing River Economic Zone based on GIS grid model[J]. Areal Research and Development, 2018, 37(6): 39－45. (in Chinese with English abstract)

[18]毕如田，高艳. 典型地貌景观指数的多尺度效应分析：以山西省运城市为例[J]. 地球信息科学学报，2012，14(3)：338－343.

Bi Rutian, Gao Yan. Analysis of multi－scale effect of landscape indices of classical landforms in Yuncheng City, Shanxi Province[J]. Geo-Information Science, 2012, 14(3): 338－343. (in Chinese with English abstract)

[19]张超，张海锋，杨建宇，等. 网格环境下县域基本农田建设空间布局方法研究[J]. 农业机械学报，2016，47(11)：245－251.

Zhang Chao, Zhang Haifeng, Yang Jianyu, et al. Spatial layout of basic farmland construction at county scale in grid environment[J]. Transactions of The Chinese Society of Agricultural Machinery, 2016, 47(11): 245－251. (in Chinese with English abstract)

[20]王鹏，毕如田，徐振，等. 多尺度格网的耕地信息无损提取与表达：以山西省芮城县为例[J]. 生态环境学报，2018，27(4)：706－713.

Wang Peng, Bi Rutian, Xu Zhen, et al. Lossless extraction and expression methods of cultivated land information based on multi-scale grids: A case study on Ruicheng County of Shanxi Province[J]. Ecology and Environment, 2018, 27(4): 706－713. (in Chinese with English abstract)

[21]买买提江·买提尼亚孜，阿里木江·卡斯木. 基于网格单元的乌鲁木齐市土地覆被/利用时空变化[J]. 农业工程学报，2018，34(1)：210－216.

Maimaitijiang Maitiniyazi, Alimujiang Kasimu. Spatial- temporal change of Urumqi Urban land use and land cover based on grid cell approach[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(1): 210－216. (in Chinese with English abstract)

[22]Li Z, Bagan H, Yamagata Y. Analysis of spatiotemporal land cover changes in Inner Mongolia using self-organizing map neural network and grid cells method[J]. Science of the Total Environment, 2018, 636(15): 1180－1191.

[23]Koga T, Kawamura A, Amaguchi H, et al. Assessing impervious area ratios of grid-based land-use classifications on the example of an urban watershed[J]. International Association of Scientific Hydrology Bulletin, 2016, 154(9): 609－616.

[24]李德仁，李宗华，彭明军，等. 武汉市城市网格化管理与服务系统建设与应用[J]. 测绘通报，2007(8)：1－5.

Li Deren, Li Zonghua, Peng Mingjun, et al. The construction and application of Wuhan Urban grid management and service system[J]. Bulletin of Surveying and Mapping, 2007(8): 1－5. (in Chinese with English abstract)

[25]Yang Jun, Wang Yichen, Xiao Xiangming, et al. Spatial differentiation of urban wind and thermal environment in different grid sizes[J]. Urban Climate, 2019, 28: 100458

[26]连世忠，丁霖，陈江平. 顾及空间自相关的地理国情信息统计格网尺度选择：以植被覆盖信息为例[J]. 测绘通报，2017(3)：46－51.

Lian Shizhong, Ding Lin, Chen Jiangping. Scale selecting of geographic national conditions information statistical grids with spatial autocorrelation: A case study of vegetation cover information statistics[J]. Bulletin of Surveying and Mapping, 2017(3): 46－51. (in Chinese with English abstract)

[27]陈彦清，杨建宇，郧文聚，等. 基于网格的耕地质量分等成果省级汇总方法[J]. 农业工程学报，2014，30(24)：280－287.

Chen Yanqing, Yang Jianyu, Yu Wenju, et al. Cultivated land quality grading results integration method at provincial level based on grid[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(24): 280－287. (in Chinese with English abstract)

[28]胡冲冲，毕如田. 省域尺度下土壤养分的最佳采样尺度确定[J]. 山西农业大学学报：自然科学版，2016，36(3)：209－218.

Hu Chongchong, Bi Rutian. Determination of the optimum sampling scale of soil nutrients in provincial[J]. Journal of Shanxi Agricultural University, 2016, 36(3): 209－218. (in Chinese with English abstract)

[29]张玉臻，刘树明，孔祥斌，等. 基于监测单元划分方法的耕地质量监测效率研究：以内蒙古自治区开鲁县为例[J]. 中国农业大学学报，2017，22(9)：154－163.

Zhang Yuzhen, Liu Shuming, Kong Xiangbin, et al. Monitoring efficient study of arable land quality based on the monitoring unit division method: A case study of Kailu County in Inner Mongolia[J]. Journal of China Agricultural University, 2017, 22(9): 154－163. (in Chinese with English abstract)

[30]王玉军，刘琼，欧名豪. 基于地质环境适宜性的基本农田布局优化研究[J]. 农业工程学报，2019，35(14)：252－260.

Wang Yujun, Liu Qiong, Ou Minghao. Optimization of prime farmland layout on basis of geological environment suitability[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(14): 252－260. (in Chinese with English abstract)

[31]胡诚. 对等网络环境下三维GIS优化策略研究[D]. 武汉：武汉大学，2013.

Hu Cheng. Study of Optimization Strategies for P2P Oriented 3D GIS[D]. Wuhan: Wuhan University, 2013. (in Chinese with English abstract)

[32]李帅，魏虹，倪细炉，等. 基于层次分析法和熵权法的宁夏城市人居环境质量评价[J]. 应用生态学报，2014，25(9)：2700－2708.

Li Shuai, Wei Hong, Ni Xilu, et al. Evaluation of urban human settlement quality in Ningxia based on AHP and the entropy method[J]. Chinese Journal of Applied Ecology, 2014, 25(9): 2700－2708. (in Chinese with English abstract)

[33]Anselin L. Local indicators of spatial association-LISA[J]. Geographical Analysis, 1995, 27(2): 93－115.

[34]杨建宇，杜贞容，杜振博，等. 基于耕地质量评价和局部空间自相关的高标准农田划定[J]. 农业机械学报，2017，48(6)：109－115.

Yang Jianyu, Du Zhenrong, Du Zhenbo, et al. Well-facilitied capital farmland assignment based on land quality evaluation and LISA[J]. Transactions of The Chinese Society for Agricultural Machinery, 2017, 48(6): 109－115. (in Chinese with English abstract)

[35]孔祥斌. 耕地质量系统及生产潜力监测预警的理论与实践[M]. 北京：中国农业大学出版社，2017：453－493.

Prime farmland demarcation based on arable land quality and concentricity in non-uniform grid environment

Tian Huiwen,Zhang Xinxin, Bi Rutian※, Yan Jing, Li Guangyue, Zhang Jing

(030801,)

An important measure to ensure the national food security and improve the quality of arable land is to demarcate the prime farmland scientifically and reasonably. There are three types of evaluation units for delimiting prime farmland, mainly including administrative villages, plots and grids. Compared with the other two types, grid can not only break the constraints of irregular geographic data, improve the ability of data update and retrieval, but also integrate, share and use information resources, which is easy to locate in the space. In the current research field, the demarcation of prime farmland is generally carried out in a uniform grid environment. If using large-scale uniform grid, however, the area of small and scattered arable land will have a large error. Although using small-scale uniform grid can reduce the area error, there are other problems such as large amount of data and high redundancy. The advantages of non-uniform grid are obvious. Its data volume is far less than that of uniform grid, which effectively reduces the frequency of invalid data search. And, the efficiency of data retrieval and transmission can be improved. “Centralized and continuous, high quality” is the requirement of realizing the construction of prime farmland with high spatial standard. Therefore, the purpose of this paper is to establish a method to divide and express prime farmland by using arable land concentricity and arable land quality index with the non-uniform grid environment. Wenxi County of Shanxi Province is taken as the research area. The research methods of the paper are as follows: to construct non-uniform grid and multi-scale uniform grid with the help of Arc-Engine secondary development platform; Comparing the expression error of arable land area and the data amount of grid, and then analyzing the advantage of non-uniform grid in cultivated land expression. Focusing on the contiguous land and the quality of cultivated land evaluates the spatial distribution of cultivated land. The results show that the arable land is divided into permanent protection type, quality improvement type, key management type and reserve management type by the method of spatial superposition; On the basis of the connotation of prime farmland, demarcating and expressing prime farmland. Using non-uniform grid can not only reduce data redundancy, but also achieve small error expression of arable land information. The delimitation results of prime farmland in Wenxi County meet the requirements of “centralized, continuous and high quality”. The area of prime farmland accounts for 83.22% of the total area of farmland, and the demarcation proportion conforms to the national regulations. The non-uniform grid can well express the spatial distribution of prime farmland. Obviously, this method is suitable for the demarcation of prime farmland and provides a new way for expressing prime farmland better.

land use; zoning; prime farmland; non-uniform grid; local spatial autocorrelation; concentricity

田惠文，张欣欣，毕如田，闫 晶，李广月，张 婧. 非均匀网格环境下基于耕地质量与集中连片度的基本农田划定[J]. 农业工程学报，2020，36(3)：254－262.doi：10.11975/j.issn.1002-6819.2020.03.031 http://www.tcsae.org

Tian Huiwen, Zhang Xinxin, Bi Rutian, Yan Jing, Li Guangyue, Zhang Jing. Prime farmland demarcation based on arable land quality and concentricity in non-uniform grid environment[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(3): 254－262. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.03.031 http://www.tcsae.org

2019-09-03

2020-01-06

国土资源部公益性行业项目（201411007）；山西省研究生教育创新项目（2019SY234）

田惠文，主要研究方向为3S技术及应用。Email：tianhuiwensxau@163.com

毕如田，教授，博士生导师。主要研究方向为资源环境信息技术。Email：brt@sxau.edu.cn

10.11975/j.issn.1002-6819.2020.03.031

F301.21

A

1002-6819(2020)-03-0254-09