[发明专利]基于神经网络元胞自动机模型的永久性基本农田划定方法

摘要

本发明提出了一种基于神经网络元胞自动机模型的永久性基本农田划定方法，该方法一方面利用了神经网络元胞自动机模型科学地模拟出城市未来复杂发展和扩张的情形，识别出了被城市侵占风险较高的优质农田，另一方面该方法考虑了耕地分等定级多因子的影响，提取出符合条件的优质的耕地，结合改进的模糊纹理指数划定出了连片性较高的永久性基本农田区域。该方法将识别优质农田与保护城市周边的优质农田相结合，能较好地协调城市扩张与基本农田划定保护的矛盾，更科学合理地划定永久基本农田。本发明的方法还保护了农田的景观功能，得到了连片度较高的永久基本农田划分结果，是一种科学合理的永久性基本农田划分方法。

主权项

一种基于神经网络元胞自动机模型的永久性基本农田划定方法，其特征在于：该方法包括以下步骤：S1.获取基础地理信息数据，对栅格处理，统一分辨率；使用研究区边界裁切数据；根据农田分等定级的指标体系，选取若干影响农田质量的影响因子，并计算植被经初级生产力表征农作物生产力水平，作为影响农田质量的重要指标，组成多因子数据，并将数据依次重采样成统一的分辨率；S2.提取多因子数据作为参数输入到神经网络模型中，构建神经网络；S3.根据神经网络模型的全局概率结果和已有建设用地数据，构建元胞自动机城市增长模型，进行城市扩张的模拟；S4.根据模拟得到的城市扩张情景，与农业用地数据进行叠加，得到城市扩张可能侵占农田的分布情况；S5.采用层次分析法确定影响农田等级的每个因子的权重，并设定阈值得到满足基本农田判断标准的适宜和不适宜划入永久基本农田的耕地；S6.考虑农田的连片度和景观功能，采用移动窗口扫描法，对农田数据进行扫描，并结合改进的模糊纹理指数，计算不适合划入永久基本农田的像元周边与适合像元的邻接程度，再按分区统计的方法将邻接程度高的不适合农田重新划入永久基本农田中；S7.将适合划入的农田和城市扩张可能侵占的农田以及坡度条件不适宜划入的农田进行空间叠加，筛选出最终应划入永久基本农田的耕地。