基于TOPSIS和BP神经网络的高标准农田综合识别

摘要：

为提高耕地综合生产能力,适应农业现代化发展需求,我国提出了高标准农田建设的重大战略部署.高标准农田的识别是建设前选址和建设后评价的基础.本文以耕地图斑为基本单元,融合遥感影像等多源数据,从本底条件、空间形态、建设水平、生态防护等方面,构建农田综合质量多特性表征体系,采用逼近理想点排序法(TOPSIS)进行初步评价,再以人机交互的方式选取各质量等级农田的真值样本,进一步采用BP神经网络算法修正各特性权值,得到农田综合质量的精确评价结果,实现高标准农田识别.以吉林省大安市为研究区,研究结果表明:基于多特性表征体系的农田综合质量评价方法精度达到96％以上;研究区高标准农田面积广大,主要分布在耕地集中连片、道路通达、生态防护良好、具有农业现代化生产优势的东北部、中北部、西北部边缘和部分南部区域;当地已备案的高标准农田和未备案、有潜力的高质量农田区域均得到有效识别.

关键词：高标准农田、综合识别、多源数据、TOPSIS、BP神经网络

所属期刊栏目：49

分类号：F301.21(农业经济理论)

资助基金：国家高技术研究发展计划863计划项目2013AA10230103

在线出版日期：2018-05-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：196-204