区域粮食生产能力评估系统构建设想

白晓飞 李宪文 汪秀莲 何禾

（中国土地勘测规划院，北京，100035）

摘要：本文采用系统分析理论与方法，阐述与分析了建设系统的思路与数据基础。提出了构建区域粮食生产能力评估系统的业务模型、系统总体框架以及设计功能，明确了系统建设当前存在的问题。

关键词：粮食生产能力；决策支持

1 系统建设背景

土地是人类生存和发展的载体，是国家经济快速发展的根本保证。耕地问题是国土资源管理的核心问题，耕地保护不仅涉及国家粮食安全，而且关系亿万农民的生计和社会稳定。目前，耕地大量减少，危及国家粮食安全的形势已经引起了党中央、国务院的高度重视。我国人均耕地仅有143 亩，不到世界人均水平的40%，在这种情况下，仍有不少地区盲目乱占耕地，耕地资源浪费严重，如何有效遏制耕地减少势头，科学利用耕地资源，既保证国家粮食安全，又保证地区经济发展成为国土资源管理的一项重要任务。从直观上看，耕地面积的减少势必会影响区域粮食产量，但是由于耕地分布的空间相异特点，相同数量而不同位置的耕地面积变化对粮食产量的影响是不同的。所以耕地保护不仅要从数量上保护，而且要注重质量保护；不仅要考虑保证国家粮食安全的需要，而且要保证经济发展有足够的空间。当前的耕地保护工作难点在于难于把握空间粮食生产格局，对年度耕地数量的变化情况只有简单的数量分析，而缺乏对这种变化所带来的粮食生产能力的变动分析，对国家宏观调控产生的作用有限。随着经济增长和耕地保护矛盾的日益尖锐，全面分析把握耕地的粮食生产能力，切实将耕地数量——耕地质量——粮食生产能力三者紧密结合起来，更深层地开展耕地保护工作已经成为国土资源管理的迫切需求。

随着国土资源信息化水平的不断提高，我国已建成了一批覆盖规划、地籍、土地利用现状、地价等业务领域的重要数据库，基础数据积累达到了一定规模。这些基础数据的不断完善，为我们实行科学合理的耕地保护政策提供了有利的条件。在先进的信息技术支持下，我们可以充分利用与管理这些海量数据，迅速、准确地对这些数据进行科学分析并为国土资源管理提供有力的决策支持。

在这种背景下，可以考虑以国土资源数据平台为依托，建设一套为耕地生产能力分析服务的决策支持系统，为国土资源耕地保护工作提供必要的信息。区域粮食生产能力分析系统就是按照这种思路设计并且拟投入开发的系统，其建设的主要目的是掌握区域耕地变化对粮食生产能力所带来的影响，为国土资源决策提供依据。耕地保护的核心是保护可耕地的粮食生产能力，在保障生态安全的前提下，支撑人口发展对农产品的基本需求。区域耕地粮食生产能力评估系统是面向以保障粮食安全为核心的耕地保护决策的计算机辅助支持系统。该系统以分析不同地区可耕地数量变化对我国耕地资源粮食生产能力的影响为核心，兼顾耕地保护预警，在相关数据和模型方法的支持下，通过系统开发，建立区域耕地粮食生产能力计算机动态评估系统，为我国耕地保护和土地供应决策服务。

2 系统设计思路

决策支持系统的主要作用是对某一个管理过程所积累的数据资源进行充分挖掘，通过模型计算结果动态反映不同管理策略产生的不同效果。本系统的设计主要是充分利用区域土地利用变更或更新调查数据、农用地分等定级数据、土地开发整理数据、土地利用遥感监测等数据，以及相关经济、自然和社会数据，建立集可耕地现实生产能力测算、耕地生产潜力估算、耕地人口承载能力预警、信息统计分析、数据处理与管理等功能在内的区域耕地生产能力分析系统，在动态掌握耕地数量变化情况的同时，动态掌握区域可耕地生产能力及增减情况，在此基础上，对耕地未来生产能力和可承载人口数量进行预测，为区域耕地保护和土地供应决策提供现实和预警信息。

图1 粮食生产能力分析系统业务流程设计

本系统设计的业务流程如图1所示。从图中可以看出，粮食生产能力评估系统的业务核心是耕地的生产能力，反映耕地生产能力大小的一项重要指标是耕地人口承载能力，而人口承载力同时也是保证粮食安全的重要评价依据，所以，分析粮食安全水平下的耕地生产能力变化必须紧紧围绕耕地——粮食——人口三者构成的关系模型展开。这种关系模型必须考虑耕地的质量因素，使评估结果最大限度地接近客观实际。耕地质量的数据来源于农用地分等定级数据，结合土地调查得到的耕地数量数据可以得到现有耕地数量与质量；同时通过土地开发整理和耕地后备资源评价数据可以得到在未来一定的期限内，区域可作为耕地的土地面积数量和质量；通过人口预测以及人口对粮食的需求预测，将耕地的现有面积和总可耕作面积等相关数据综合比对分析，就可以得到一定粮食安全水平下耕地生产能力的数学模型，这个模型表达了耕地数量、质量、人口、粮食需求等要素之间的关系，可以动态地反映不同情景下耕地的生产能力变化以及这种变化带来的土地资源压力和粮食安全水平变化。

3 系统框架设计

图2 粮食生产能力评估系统整体框架

在业务流程的基础上，设计该系统的总体框架如图2所示，本系统设计由6个模块组成，分别是数据处理与管理维护模块、模型库管理模块、可耕地现实生产能力估算模块、耕地生产潜力估算模块、可耕地人口承载能力预警模块、信息综合分析应用模块。从图中可以看出，系统内所有的数据都由数据处理与管理模块维护管理，本系统所涉及的数据内容广泛，数据格式、精度等要求也不尽相同。该模块通过数据接口与国土资源数据平台连接，抽取和整理相关数据，结合其他相关的数据库，支撑系统运行，同时对系统运行所产生的过程和成果数据进行统一管理和维护。

系统模型库管理模块为系统提供数学模型的支持，并将运算结果反馈给各功能模块。系统的功能模块有三个：耕地现实生产能力估算模块负责对可耕地生产能力进行估算和分析；耕地生产潜力评估模块负责耕地生产潜力进行分析；可耕地人口承载能力预警模块依据耕地生产能力和生产潜力估算结果，结合人口现状和预测数据，评估不同投入水平下的粮食安全水平。系统功能模块所用到的数据与统计分析等通用功能均来自于数据管理以及应用模块，同时各功能模块所生成的数据也会由该模块管理。另外功能模块所用到的模型也由模型管理模块统一管理，功能模块只需向模型管理模块发出模型调用请求即可。

信息综合分析应用模块是系统中比较复杂的一个模块，该模块的作用主要是对三个功能模块的处理结果进行综合比对分析，分析的过程主要依靠人工完成，该模块提供相关必要的工具辅助。这种设计保证了最大范围地应用系统结果，扩大了系统数据的应用层面，用户不仅可以得到耕地变化带来的粮食生产能力的变动，而且可以根据用户自己的意愿得出其他的相关数据，体现了决策支持的本意。

4 系统拟开发的功能

本系统的功能设计本着以人为本、人机交互的原则，强调功能的交互性和实用性。归纳起来主要拟开发以下功能。

41 数据处理与管理维护模块

该模块是系统数据处理与管理维护模块，主要提供系统其他模块的业务处理的数据支持，以及常规统计分析工具等功能性工具，主要功能设计如下：

（1）数据抽取 基于国土资源数据库管理平台开发数据接口，按照运行耕地生产能力分析系统数据要求，抽取和下载国土资源数据库中的数据集，支持系统运行。

（2）数据逻辑检查和处理 对抽取或下载数据进行质量检查，根据系统运行对数据的要求，进行数据整理、转换、配准。

（3）数据输入与编辑 针对不同的数据类型 （空间型和统计型），建立数据结构； 系统提供统计和空间数据输入、编辑功能，支持空间数据矢量化、投影转换和基本的空间分析；允许用户对数据字典进行创建、修改和编辑 *** 作，根据实际应用情况进行维护。

（4）数据查询、统计与输出 包括多条件、多方式的数据查询和统计； 统计分析图表制作。表格、图件的可视化显示和输出。

42 可耕地现实生产能力估算模块

该模块结合耕地数量、质量数据以及可耕地数据，主要任务是综合分析与评价区域可耕地粮食生产能力，为掌握区域耕地生产能力数据提供依据，主要设计功能如下：

（1）耕地数量校正功能 可以根据遥感数据对耕地的面积进行匹配修正。

（2）耕地面积自动统计汇总功能 可以在不同区域，不同尺度上对耕地面积自动汇总。

（3）县级土地单位生产能力估算功能 该功能是区域可耕地现实生产能力分析的关键，其估算内容包括耕地二级类型平均单产、可调整为耕地的农用地单位生产能力、待开发耕地后备资源的单位生产能力和耕地平均单产，在此基础上形成粮食单产参数表，该参数表可以根据实际情况进行人工动态调整。

43 耕地生产潜力估算模块

该模块的主要任务是提供区域耕地的生产潜力数据，为区域耕地生产能力分析提供一个上限值，该模块的成果是耕地生产能力评估的重要组成部分，主要设计功能如下：

（1）耕地生产潜力估算 该功能主要基于机理型模型，提供具有良好应用效果光温水生产潜力估算模型、土地适宜性评价模型和耕地生产潜力计算模型，并提供相应的空间分析和统计工具，将其封装化处理，用户输入相关原始数据就可以得到所需的生产潜力数据。

（2）耕地生产函数分析 提供属性数据标准化处理工具、提供建立生产函数的基本数学模型。

（3）投入情景设置 提供良好的对话窗口，方便用户设置不同的投入情景。

（4）不同投入水平耕地生产能力估算 根据投入情景和生产力函数进行估算，具有选择函数和投入情景的功能及按照版本存储运算结果的功能。

（5）耕地生产潜力汇总 可以对潜力分析的结果按照不同的要求，进行不同的汇总，得到不同区域的不同生产潜力耕地面积汇总表。

44 耕地人口承载能力预警模块

该模块是系统的核心模块，目的是给出用户区域耕地人口承载能力的数据，这项数据是制定耕地保护政策的重要依据，主要设计功能如下：

（1）人口设置与预测功能 在采用人口预测或设置区域总人口和城市化人口的基础上，以区域人口为控制，结合预测模型，获取区域内不同行政单元的人口发展情景（总人口、城镇人口）。

（2）社会经济发展指标设置与预测功能 在采用数学预测和设置区域社会经济发展指标的基础上，以区域社会经济发展指标为控制，结合预测模型，获取区域内不同行政单元的社会经济发展情景。

（3）土地利用变化预测功能 提供基于历史变化数据的趋势预测模型，和基于驱动力的土地利用变化预测模型，预测土地利用变化情景（主要是耕地变化情景）。

（4）人口消费水平设置 提供对话窗，用于设置人口消费水平。

（5）耕地人口承载能力估算 耕地土地利用变化情景和人口变化情景，以及不同投入水平下的耕地生产力水平，估算不同投入水平下耕地人口承载能力，并估算未来不同社会经济发展情景下粮食安全水平。

45 模型管理模块

该模块是功能型模块，主要负责系统所需模型的管理工作，设计为组件式，可以用户动态添加所需模型，主要功能如下：

（1）模型的调用功能 可以根据模块的要求自动调用相应的模型。

（2）模型的新增功能 可以根据对新增模型进行添加。

（3）模型的删除功能 可以对已有模型进行删除处理。

（4）模型的修改功能 可以添加对现有模型的参数、修改模型公式等。

（5）模型的调试功能 提供数学方法辅助用户对模型的有效性进行调试。

（6）模型库维护功能 针对模型库的运行情况提供维护工具，可以进行日常模型库的管理工作。

46 信息综合分析应用模块

该模块是人机交互理念的集中体现，主要负责数据的综合分析对比，用户可以自由组合不同数据进行分析，得出自己想要的结果，主要功能设计如下：

（1）统计分析功能 支持常规统计分析方法，可以允许用户从数据库中自由选择需要分析的数据进行常规统计学分析，以工具包的形式提供给用户。

（2）图表管理功能 支持用户将分析结果以图表的形式表现出来，主要包含功能有：图表自动生成、图表修改工具包、自定义图表形式工具包等。

5 系统预期应用前景以及问题预测

51 系统应用前景

区域粮食生产能力分析系统主要以土地利用现状数据、土地分等定级数据、土地开发整理数据和土地利用遥感监测等数据为基础，结合相关经济、自然和社会数据，综合分析与预测了区域耕地粮食生产能力，在系统的运算过程中，应该可以得到众多不同的过程数据，如：通过空间分析与模型运算，可以掌握耕地现状与变化趋势；通过预测模型对粮食需求变化进行分析，可以预测未来一段时期内粮食的需求量；通过数据计算与空间拓扑分析，可以得到区域可耕地面积以及其生产潜力等等。这些数据不仅可以反映耕地变化带来的耕地生产能力的变化，而且可以提供给决策者大量的附属信息，为我们制定科学的耕地保护政策具有积极的意义。该系统设计用户为省级以上层面的国土资源管理部门，主要开发目的是为国土资源管理参与宏观调控工作提供有力的支撑。

52 系统开发问题预测

系统虽然还停留在设计阶段，但是根据当前国土资源管理特点和数据基础情况，可以预见可能会存在以下问题：

（1）系统遇到的突出问题是数据质量不过关 决策支持系统的核心是数据分析，数据基础的完善与否直接影响到系统的运行效率。区域粮食生产能力评估系统的主要数据基础来源于国土资源数据平台，但是相关的国土资源数据普遍存在格式不一、兼容性与准确性差的问题，如何能有效的整合这些数据资源，提高数据的准确程度是系统建设需要解决的重大问题之一。

（2）系统所需数据不完善 系统中融合了多种分析模型与预测方法，这些模型与方法需要大量的数据作为数据源，但是由于数据源覆盖面广，精度要求高，给系统建设带来了一定的难度，需要整合力量进一步完善数据源。

（3）系统建设与维护是一个长期的过程，不能在短期完成 区域粮食生产能力评估系统是一个比较复杂的决策支持系统，其建设包含了大量的数据与模型方法，这样的系统是不可能一期就建设完成的，应当在总体目标的指导下分期完成，其决策支持效果也不会马上显现，需要时间来慢慢显现。

自动识别技术

自动识别技术是以计算机、光、机、电、通信等技术的发展为基础的一种高度自动化的数据采集技术。它通过应用一定的识别装置，自动地获取被识别物体的相关信息，并提供给后台的处理系统来完成相关后续处理的一种技术。它能够帮助人们快速而又准确地进行海量数据的自动采集和输入，在运输、仓储、配送等方面已得到广泛的应用。经过近30年的发展，自动识别技术已经发展成为由条码识别技术、智能卡识别技术、光字符识别技术、射频识别技术、生物识别技术等组成的综合技术，并正在向集成应用的方向发展。 条码识别技术是目前使用最广泛的自动识别技术，它是利用光电扫描设备识读条码符号，从而实现信息自动录入。条码是由一组按特定规则排列的条、空及对应字符组成的表示一定信息的符号。不同的码制，条码符号的组成规则不同。较常使用的码制有： EAN/ UPC 条码、128 条码、ITF - 14 条码、交插二五条码、三九条码、库德巴条码等。 射频识别（RFID）技术是近几年发展起来的现代自动识别技术，它是利用感应、无线电波或微波技术的读写器设备对射频标签进行非接触式识读，达到对数据自动采集的目的。它可以识别高速运动物体，也可以同时识读多个对象，具有抗恶劣环境、保密性强等特点。 生物识别技术是利用人类自身生理或行为特征进行身份认定的一种技术。生物特征包括手形、指纹、脸形、虹膜、视网膜、脉搏、耳廓等，行为特征包括签字、声音等。由于人体特征具有不可复制的特性，这一技术的安全性较传统意义上的身份验证机制有很大的提高。人们已经发展了虹膜识别技术、视网膜识别技术、面部识别技术、签名识别技术、声音识别技术、指纹识别技术等六种生物识别技术。

数据挖掘技术

数据仓库出现在20 世纪80 年代中期，它是一个面向主题的、集成的、非易失的、时变的数据集合，数据仓库的目标是把来源不同的、结构相异的数据经加工后在数据仓库中存储、提取和维护，它支持全面的、大量的复杂数据的分析处理和高层次的决策支持。数据仓库使用户拥有任意提取数据的自由，而不干扰业务数据库的正常运行。 数据挖掘是从大量的、不完全的、有噪声的、模糊的及随机的实际应用数据中， 挖掘出隐含的、未知的、对决策有潜在价值的知识和规则的过程。一般分为描述型数据挖掘和预测型数据挖掘两种。描述型数据挖掘包括数据总结、聚类及关联分析等，预测型数据挖掘包括分类、回归及时间序列分析等。其目的是通过对数据的统计、分析、综合、归纳和推理， 揭示事件间的相互关系，预测未来的发展趋势，为企业的决策者提供决策依据。

人工智能技术

人工智能就是探索研究用各种机器模拟人类智能的途径，使人类的智能得以物化与延伸的一门学科。它借鉴仿生学思想，用数学语言抽象描述知识，用以模仿生物体系和人类的智能机制，主要的方法有神经网络、进化计算和粒度计算三种。 神经网络：神经网络是在生物神经网络研究的基础上模拟人类的形象直觉思维，根据生物神经元和神经网络的特点，通过简化、归纳，提炼总结出来的一类并行处理网络。神经网络的主要功能主要有联想记忆、分类聚类和优化计算等。虽然神经网络具有结构复杂、可解释性差、训练时间长等缺点，但由于其对噪声数据的高承受能力和低错误率的优点，以及各种网络训练算法如网络剪枝算法和规则提取算法的不断提出与完善，使得神经网络在数据挖掘中的应用越来越为广大使用者所青睐。 进化计算：进化计算是模拟生物进化理论而发展起来的一种通用的问题求解的方法。因为它来源于自然界的生物进化，所以它具有自然界生物所共有的极强的适应性特点，这使得它能够解决那些难以用传统方法来解决的复杂问题。它采用了多点并行搜索的方式，通过选择、交叉和变异等进化 *** 作，反复叠代，在个体的适应度值的指导下，使得每代进化的结果都优于上一代，如此逐代进化，直至产生全局最优解或全局近优解。其中最具代表性的就是遗传算法，它是基于自然界的生物遗传进化机理而演化出来的一种自适应优化算法。 粒度计算：早在1990 年，我国着名学者张钹和张铃就进行了关于粒度问题的讨论，并指出“人类智能的一个公认的特点，就是人们能从极不相同的粒度（granulari2ty） 上观察和分析同一问题。人们不仅能在不同粒度的世界上进行问题的求解，而且能够很快地从一个粒度世界跳到另一个粒度世界，往返自如，毫无困难。这种处理不同粒度世界的能力，正是人类问题求解的强有力的表现”随后，Zadeh 讨论模糊信息粒度理论时，提出人类认知的三个主要概念，即粒度（包括将全体分解为部分） 、组织（包括从部分集成全体） 和因果（包括因果的关联） ,并进一步提出了粒度计算。他认为，粒度计算是一把大伞，它覆盖了所有有关粒度的理论、方法论、技术和工具的研究。目前主要有模糊集理论、粗糙集理论和商空间理论三种。

GIS技术

GIS是打造智能物流的关键技术与工具，使用GIS可以构建物流一张图，将订单信息、网点信息、送货信息、车辆信息、客户信息等数据都在一张图中进行管理，实现快速智能分单、网点合理布局、送货路线合理规划、包裹监控与管理。

GIS技术可以帮助物流企业实现基于地图的服务，比如：1、网点标注：将物流企业的网点及网点信息（如地址、电话、提送货等信息）标注到地图上，便于用户和企业管理者快速查询。2、片区划分：从“地理空间”的角度管理大数据，为物流业务系统提供业务区划管理基础服务，如划分物流分单责任区等，并与网点进行关联。3、快速分单：使用GIS地址匹配技术，搜索定位区划单元，将地址快速分派到区域及网点。并根据该物流区划单元的属性找到责任人以实现“最后一公里”配送。4、车辆监控管理系统，从货物出库到到达客户手中全程监控，减少货物丢失；合理调度车辆，提高车辆利用率；各种报警设置，保证货物司机车辆安全，节省企业资源。5、物流配送路线规划辅助系统用于辅助物流配送规划。合理规划路线，保证货物快速到达，节省企业资源，提高用户满意度。6、数据统计与服务，将物流企业的数据信息在地图上可视化直观显示，通过科学的业务模型、GIS专业算法和空间挖掘分析，洞察通过其他方式无法了解的趋势和内在关系，从而为企业的各种商业行为，如制定市场营销策略、规划物流路线、合理选址分析、分析预测发展趋势等构建良好的基础，使商业决策系统更加智能和精准，从而帮助物流企业获取更大的市场契机。

ETL，是英文Extract-Transform-Load的缩写，用来描述将数据从来源端经过抽取（extract）、转换（transform）、加载（load）至目的端的过程。ETL一词较常用在数据仓库，但其对象并不限于数据仓库。

数据仓库是为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合。它是单个数据存储，出于分析性报告和决策支持目的而创建。 为需要业务智能的企业，提供指导业务流程改进、监视时间、成本、质量以及控制。

ETL是将业务系统的数据经过抽取、清洗转换之后加载到数据仓库的过程，目的是将企业中的分散、零乱、标准不统一的数据整合到一起，为企业的决策提供分析依据， ETL是BI（商业智能）项目重要的一个环节。

扩展资料：

ETL与ELT：

ETL所描述的过程，一般常见的作法包含ETL或是ELT（Extract-Load-Transform），并且混合使用。通常愈大量的数据、复杂的转换逻辑、目的端为较强运算能力的数据库，愈偏向使用ELT，以便运用目的端数据库的平行处理能力。

ETL（orELT）的流程可以用任何的编程语言去开发完成，由于ETL是极为复杂的过程，而手写程序不易管理，有愈来愈多的企业采用工具协助ETL的开发，并运用其内置的metadata功能来存储来源与目的的对应（mapping）以及转换规则。

工具可以提供较强大的连接功能（connectivity）来连接来源端及目的端，开发人员不用去熟悉各种相异的平台及数据的结构，亦能进行开发。当然，为了这些好处，付出的代价便是金钱。

以上就是关于区域粮食生产能力评估系统构建设想全部的内容，包括:区域粮食生产能力评估系统构建设想、智能物流的主要技术、etl是什么等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！