农用地定级是土地评价领域的重要内容,也是实现土地综合管理的抓手;为促进土地资产的合理配置,土地估价应运而生。论文以农用地定级、估价的基础理论为原点,参照相关的规程,在做好基础资料调查整理的前提下开展研究。选取长春市九台区作为研究区域,在数据方面,采用土地利用调查数据、社会发展和国民经济两大统计公报及该领域的统计年鉴作为支撑;在方法上,引入BP神经网络分析法对国有农用地级别进行划定,探索收益还原法与成本逼近法结合使用,按水田、旱地两种类型分别进行基准地价评估,同时借助于ArcGIS、MATLAB等软件技术平台,对长春市九台区国有农用地进行定性与定量的分析,并为扩大国有土地有偿使用范围、建立城乡统一土地流转市场、完善征地补偿办法和补偿标准,管控农用地占补平衡等提供支撑。研究结果表明:(1)以中心城镇为圆心国有农用地级别呈圈层递降;以公路主干道为轴,国有农用地级别呈带状向两侧递降;以主干的水系为轴,国有农用地级别呈带状递降;国有农用地级别反映出耕地在利用效益上的差异,一般情况下,利用效益与级别成正相关。如水田的经营效益比旱田的经营效益高,水田的级别比旱田的级别高。(2)国有农用地基准地价主要体现的是级别价,在级别基础上计算基准地价,所以在分布上与农用地级别分布相同,同时也存在着明显的空间递减规律。(3)本研究对基准地价的评估以级别为基础,研究结果符合九台区实际,地价调整幅度在不同级别、不同地类之间交叉,表明在相同地类中不同级别的价格过渡平稳、衔接合理。(4)以级别为基础测算基准地价具有一定的优势。首先,明确估价单元在研究区农用地整体范围内的地价水平,降低主观性对估价过程的干扰,使结果趋于客观、科学。其次,定级与估价同步进行大幅度减少了重复工作,例如基础数据调查及处理。第三,定级与估价结合可使二者良性互动,实现二者成果的相互更新与修正。(5)在学习中,LM算法改进的BP神经网络具有训练时间短、次数少精度高的优势,本文的研究实例充分说明,将人工神经网络运用于国有农用地级别划定实践中,是切实可行的。农用地定级指数计算的BP网络具有三个特点:第一,影响因子权重不需人为确定,从而降低了结果的主观性;第二,BP神经网络不具有简单数学推理的局限性,能够根据事物的本质特征进行直观的推理判断,计算结果较为精确;第三,可行性高,完成对网络的训练及给定输入后,可直接得到输出结果,简单易用。(6)基于BP神经网络分析划定国有农用地级别是比较合理的,基本符合九台区农用地定级的实际情况;在定级基础上进行基准地价评估具有一定的科学性。