基于TOPSIS和BP神经网络的高标准农田综合识别 |
| |
引用本文: | 吕雅慧,郧文聚,张超,朱德海,杨建宇,陈英义. 基于TOPSIS和BP神经网络的高标准农田综合识别[J]. 农业机械学报, 2018, 49(3): 196-204 |
| |
作者姓名: | 吕雅慧 郧文聚 张超 朱德海 杨建宇 陈英义 |
| |
作者单位: | 中国农业大学,国土资源部农用地质量与监控重点实验室,中国农业大学;国土资源部农用地质量与监控重点实验室,中国农业大学;国土资源部农用地质量与监控重点实验室,中国农业大学;国土资源部农用地质量与监控重点实验室,中国农业大学 |
| |
基金项目: | 国家高技术研究发展计划(863计划)项目(2013AA10230103) |
| |
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 |
收稿时间: | 2017-07-19 |
Multi-characteristic Comprehensive Recognition of Well-facilitied Farmland Based on TOPSIS and BP Neural Network |
| |
Affiliation: | China Agricultural University,Key Laboratory for Agricultural Land Quality Monitoring and Control, Ministry of Land and Resources,China Agricultural University;Key Laboratory for Agricultural Land Quality Monitoring and Control, Ministry of Land and Resources,China Agricultural University;Key Laboratory for Agricultural Land Quality Monitoring and Control, Ministry of Land and Resources,China Agricultural University;Key Laboratory for Agricultural Land Quality Monitoring and Control, Ministry of Land and Resources and China Agricultural University |
| |
Abstract: | |
| |
Keywords: | well-facilitied farmland comprehensive recognition multi-source data TOPSIS BP neural network |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
|
点击此处可从《农业机械学报》下载全文 |
|