不同空间聚类算法在识别优质集聚基本农田图斑中的应用及对比研究

研究目的：探索基于不同空间聚类指数排序的优质永久性基本农田保护点的确定，为现行土地空间规划中永久性基本农田的调整、补充规划和布局优化提供方法参考。研究方法：利用规则空间聚类算法Local　Morans　I和盖蒂斯奥德GI*和不规则空间搜索AMOEBA聚类算法，构建在地块尺度上同时反映耕地质量及其空间集聚信息的表征指数，设计相应的布局优化方案，然后快速确定指定数量的永久性基本农田保护点，并进行比较和邻域敏感性分析。结果：（1）基于AMEOBA算法的聚类指数输出和相应的排序方案设计，可以识别出研究区域内质量较高的永久性基本农田保护点。（2） 与基于空间距离的邻域定义方法相比，基于邻域关系的邻域定义方法可以在研究区域获得更好的识别效果。研究结论：利用空间聚类算法计算反映耕地质量及其空间集聚和分散的宗地级代表性指数，并设计相应的优化排序方案，确定优质集聚型永久性基本农田保护点是有效可行的。