一种农田连片整治的优化方法及其系统技术方案

本发明专利技术实施例公开了一种农田连片整治的优化方法及其系统，其中，该方法包括：获取耕地质量原始数据和基本农田空间分布数据；对所述耕地质量原始数据和基本农田空间分布数据进行多源数据空间属性连接，筛选出优质农用地；对优质农用地进行连片度因素计算，获得连片度因素值；对连片度因素值进行同趋势化预处理，建立多因素同趋势化连片度综合指标模型；根据多因素同趋势化连片度综合指标模型选择优化规划连片度阈值满意解；根据优化规划连片度阈值满意解构建最优连片度规划图。在本发明专利技术实施例中，通过搜索决定农田连片度大小阈值的满意解，选择接近拐点处的阈值可节省巨额费用，可以尽量提高连片度，能够提高优化效果，降低农田连片整治的成本。

【技术实现步骤摘要】

本专利技术涉及农田整治优化
，尤其涉及一种农田连片整治的优化方法及其系统。
技术介绍
提高连片性是当前农用地整治的重要目标之一。中国作为一个人口大国，优质农用地资源稀缺是中国的基本国情，农用地保护处在中国农业与农村可持续发展的关键地位。农用地整治从根本上来说，是农用地利用格局重新组织的过程。现有农用地格局多是呈现低效的、无序的、自然的状态。农用地被分成细碎的小块，导致田埂过多，地块之间遗留下的路障没有移除。破碎的、规模较小的田块不利于高效利用及保护，故连片性是农用地评价的重要指标。提高农用地的连片性，在农业机械化作业、产业结构调整和规模经营等方面起到积极的效果。国务院批复了国家发展改革委会同有关部门编制的《全国高标准农田建设总体规划》中也指出：从促进规模经营、提高农业机械化水平出发，强调要合理确定农田连片规模。当前有关连片性整治的研究的现状还很不理想。研究当前有关连片度的研究还停留在评价的层面，极少见到有关连片度整治的可实施的方法研究；通常连片度整治的规划是依据主观判断、个人经验或延用历史的数据，连片度高低决定于作连片度整治规划时设定的阈值d0,当前有关连片度整治的管理部门对于连片度的阈值d0设定，大都主观决策；目前尚未见到有成熟的连片度整治优化规划，农田的连片度的整治往往耗资巨额，连片度整治的优化规划能节省巨额资金。当前有关连片度的研究还停留在连片度评价的层面，极少见到有关连片度整治的可实施的方法研究。目前绝大部分的研究都集中在整治潜力评估、景观格局分析、整治模式研究和综合效益评价等方面。在国内，周尚意等分析了农田集中连片的优势，提出了将连片性分析结果添加到现有的基本农田保护规划的方案，设计了空间相连性计算法、模糊文理定量法和质量加权模糊指数法这3种连片度分析，实现对高于设定阈值的地块空间分布和面积信息的提取和分析。连片度分析方法虽然有所创新，但是阈值依旧是通过人为选取。熊庆提出了基于耕地产能核算的基本农田保护空间规划的新方法，通过衡量研究地块对空间连片性的影响因素等方法确定距离闭值和最小规模，并利用GIS软件制作研究地块的基本农田连片性分布图。虽然是衡量影响因素后确定距离闭值等参数，但是依旧是通过人为选取，而且连片度只是作为农田产能核算的其中一个参数。缑武龙等选取图斑平均面积、图斑边界密度等4项指标作为农田连片性评价指数，通过构建了基于Geoprocessing的基本农田连片性模型，实现了对研究区内农田连片程度的分析和图形化显示。但是依旧停留在对连片度的分析评价，并未研究如何实际应用到农田整治当中。Qiao Fuzhen等利用有效距离模型对连云港围垦新区连云新城水体进行景观连片性分析，建议在景观生态规划时，将连通性作为一个重要指标加以考量。当前学者的研究多停留在宏观尺度。在国外，Gurrutxaga Mikel等使用GIS技术分析生态网络的连片性，并配合空间建模方法完善巴斯克地区现有的生态网络。Galpern Paul等通过建立连片度模型和图形理论，分析并解决以往进行小块栖息地建设时的问题，确定连片度模型对保护区建设、生态分析等方面的重要性。Garcia Feced等通过分析和使用林区连片度，将原有的繁琐的退耕还林的规划步骤缩减为两个阶段。目前大部分研究停留在生态、评价、分析的虚拟的层面，对于机械化需求的农田实体连片整治的研究极少。对于农用地连片性的刻画，连片性，也称连通性、连接度，是指同一质量范围(同一类型等级，或某一等级以上，或某等级区间内)地块的相连程度。连片度高低决定于作连片度整治规划时设定的阈值d0，连片度整治时必须把地块距离小于d0的地块修田间道路连接起来。当前有关连片度整治的管理部门对于连片度的阈值d0设定，通常是依据主观判断、个人经验或延用历史的数据，设定过程缺乏理论依据和数据支持。现有技术中，连片整治的研究较薄弱。当前的有关农田连片度的研究集中在整治潜力评估、景观格局分析、整治模式研究和综合效益评价等方面，农用地连片整治规划方面的研究较为薄弱。另外，农田整治的连片性规划大部分只是凭主观判断。农田整治相关管理部门对于连片整治的阈值d0设定，通常是依据主观判断、个人经验或延用历史的数据，设定过程缺乏理论依据和数据支持，农田的连片性整治缺乏实施性强有科学依据的方法。
技术实现思路
本专利技术的目的在于克服现有技术的不足，本专利技术提供了一种农田连片整治的优化方法及其系统，可以尽量提高连片度，能够提高优化效果，降低农田连片整治的成本。为了解决上述问题，本专利技术提出了一种农田连片整治的优化方法，所述方法包括：获取耕地质量原始数据和基本农田空间分布数据；对所述耕地质量原始数据和基本农田空间分布数据进行多源数据空间属性连接，筛选出优质农用地；对所述优质农用地进行连片度因素计算，获得连片度因素值；对所述连片度因素值进行同趋势化预处理，建立多因素同趋势化连片度综合指标模型；根据所述多因素同趋势化连片度综合指标模型选择优化规划连片度阈值满意解；根据所述优化规划连片度阈值满意解构建最优连片度规划图。优选地，所述对所述耕地质量原始数据和基本农田空间分布数据进行多源数据空间属性连接，筛选出优质农用地的步骤，包括：将所述耕地质量原始数据的属性表追加到所述基本农田空间分布数据的属性表中；在所述耕地质量原始数据的属性表中的国家自然等别数据中筛选出优质农用地。优选地，所述连片度因素值包括：地块平均面积、边界密度、最大地块指数、地块面积标准差、任意两点间最短距离平均值。优选地，所述对所述连片度因素值进行同趋势化预处理，建立多因素同趋势化连片度综合指标模型的步骤，包括：根据以下公式对所述连片度因素值进行同趋势化预处理：其中，x*为同趋势化变量x处理后的值，x为需要同趋势化调整的因素值，xmax为该因素的最大数值；将同趋化和归一化处理后的连片度因素值进行加权，建立多因素同趋势化连片度综合指标模型。优选地，根据以下公式对所述连片度因素值进行归一化处理：X＝(x-xmin/(xmax-xmin)其中，X为因素x归一化处理后的值，xmin为因素x的最小值，xmax为因素x的最大值。相应地，本专利技术还提供一种农田连片整治的优化系统，所述系统包括：获取模块，用于获取耕地质量原始数据和基本农田空间分布数据；筛选模块，用于对所述耕地质量原始数据和基本农田空间分布数据进行多源数据空间属性连接，筛选出优质农用地；计算模块，用于对所述优质农用地进行连片度因素计算，获得连片度因素值；模型建立模块，用于对所述连片度因素值进行同趋势化预处理，建立多因素同趋势化连片度综合指标模型；选择模块，用于根据所述多因素同趋势化连片度综合指标模型选择优化规划连片度阈值满意解；构建模块，用于根据所述优化规划连片度阈值满意解构建最优连片度规划图。优选地，所述筛选模块包括：添加单元，用于将所述耕地质量原始数据的属性表追加到所述基本农田空间分布数据的属性表中；筛选单元，用于在所述耕地质量原始数据的属性表中的国家自然等别数据中筛选出优质农用地。优选地，所述连片度因素值包括：地块平均面积、边界密度、最大地块指数、地块面积标准差、任意两点间最短距离平均值。优选地，所述模块建立模块包括：预处理单元，用于根据以下公式对所述连片度因素值进行同趋势化预处理：其中，x*为同趋势本文档来自技高网...

【技术保护点】
一种农田连片整治的优化方法，其特征在于，所述方法包括：获取耕地质量原始数据和基本农田空间分布数据；对所述耕地质量原始数据和基本农田空间分布数据进行多源数据空间属性连接，筛选出优质农用地；对所述优质农用地进行连片度因素计算，获得连片度因素值；对所述连片度因素值进行同趋势化预处理，建立多因素同趋势化连片度综合指标模型；根据所述多因素同趋势化连片度综合指标模型选择优化规划连片度阈值满意解；根据所述优化规划连片度阈值满意解构建最优连片度规划图。

【技术特征摘要】
1.一种农田连片整治的优化方法，其特征在于，所述方法包括：获取耕地质量原始数据和基本农田空间分布数据；对所述耕地质量原始数据和基本农田空间分布数据进行多源数据空间属性连接，筛选出优质农用地；对所述优质农用地进行连片度因素计算，获得连片度因素值；对所述连片度因素值进行同趋势化预处理，建立多因素同趋势化连片度综合指标模型；根据所述多因素同趋势化连片度综合指标模型选择优化规划连片度阈值满意解；根据所述优化规划连片度阈值满意解构建最优连片度规划图。2.如权利要求1所述的农田连片整治的优化方法，其特征在于，所述对所述耕地质量原始数据和基本农田空间分布数据进行多源数据空间属性连接，筛选出优质农用地的步骤，包括：将所述耕地质量原始数据的属性表追加到所述基本农田空间分布数据的属性表中；在所述耕地质量原始数据的属性表中的国家自然等别数据中筛选出优质农用地。3.如权利要求1所述的农田连片整治的优化方法，其特征在于，所述连片度因素值包括：地块平均面积、边界密度、最大地块指数、地块面积标准差、任意两点间最短距离平均值。4.如权利要求1或3所述的农田连片整治的优化方法，其特征在于，所述对所述连片度因素值进行同趋势化预处理，建立多因素同趋势化连片度综合指标模型的步骤，包括：根据以下公式对所述连片度因素值进行同趋势化预处理：其中，e为同趋势化变量x处理后的值，x为需要同趋势化调整的因素值，xmax为该因素的最大数值；将同趋化和归一化处理后的连片度因素值进行加权，建立多因素同趋势化连片度综合指标模型。5.如权利要求4所述的农田连片整治的优化方法，其特征在于，根据以下公式对所述连片度因素值进行归一化处理：X＝(x-xmin/(xmax-xmin)其中，X为因素x归一化处理后的值，xmin为因素x的最小值，xmax为因素x的最大值。6....

【专利技术属性】
技术研发人员：胡月明，张飞扬，陈联诚，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：广东;44