耕地地力评价方法及实践应用研究进展

厉雅华，张向前，安 祺，武 迪，刘战勇，孙 峰，张德健，高 敏，张国英，邢 俊

（1内蒙古大学生命科学学院，呼和浩特 010070；2牧草与特色作物教育部重点实验室，呼和浩特 010070；3内蒙古自治区农牧业科学院，呼和浩特 010031；4退化农田生态修复与污染治理重点实验室，呼和浩特 010031；5阿荣旗农业技术推广中心，内蒙古 呼伦贝尔 162750；6鄂尔多斯市乌审旗农牧局，内蒙古 鄂尔多斯 017300；7内蒙古中农高科科技有限公司，内蒙古 鄂尔多斯 017004；8鄂尔多斯市达拉特旗农牧技术推广中心，呼和浩特 014300）

0 引言

耕地是指人类开发利用，用以种植农作物的土地，是人类赖以生存的物质基础及基本条件，对于保障食品安全、生态安全以及维持农业可持续发展具有重要意义。尽管中国粮食连年丰收，库存充裕，但粮食生产和消费之间的矛盾依然存在，结构性问题、抗风险能力及现代化发展水平中的深层次矛盾和问题都有待解决，耕地保护面临多重压力，形势依然严峻[1]。

中国土地资源总量较大，耕地面积1.35亿hm2，占世界总耕地面积的9%，但由于人口众多，人均耕地仅为世界平均水平的40%，现有的耕地资源仅能满足国内65%的粮食需求。为保证农业生产、经济发展与工业建设之间的协调发展，实现人口、资源、生态的可持续利用，中国于1958年和1979年分别进行了第一次和第二次全国土壤普查，为中国未来土壤调查工作积累了宝贵的工作经验及基础数据资料[2]，但受当时人力、物力、技术等因素的影响，评价方法及体系构建均不完善，且随着社会经济不断发展，土地利用方式、规模等发生了巨大的变化，新污染物风险增加，土壤安全风险加剧，生态服务功能显著下降。

当前中国土壤资源基础状况不明，耕地分布不均，不利于农业生产决策，严重制约中国粮食安全和农业绿色转型。尤其是进入21世纪以来，伴随着“3S”(GIS、GPS、RS)的不断发展，土地评价研究更趋向于系统化和自动化，计算机辅助设备的应用越发广泛，评价技术日趋完善。第二次全国土壤普查数据及体系构建方法等均不适合指导当下农业生产。因此，重视耕地质量保护，落实耕地地力评价研究，在先进科学技术的辅助下，充分挖掘第二次全国土壤普查数据，构建更加完善的评价体系，寻找更为适合的评价方法进行耕地地力评价研究，因地制宜发展农业是调整农业发展与经济建设之间矛盾的有力举措。本文在总结国内外耕地地力评价相关文献的基础上，总结了耕地地力评价的主要技术及方法，对比分析了不同方法在研究中的优缺点，以期在一定程度上为第三次全国土壤普查以及发展效益农业、绿色生态农业以及可持续发展农业提供理论及技术支撑。

1 耕地地力评价研究进展

1.1 国外研究进展

Dent.D和A.Young指出，土地评价是以不同的土地利用为目的，估价土地潜力和土地适宜性的过程，本质上是对土地生产力高低的评价[3]。国外有关耕地质量评价的研究相对较早，其发展历史大致可分为定性评价（20世纪60年代以前）、半定量评价（20世纪60—80年代）和定量评价（20世纪80年代以后）3个阶段[4]

早期国外的地力评价研究主要是为土地征税服务的，最早可起源至15世纪欧洲莫斯科公国的土地评价，以土地优劣程度决定征收地税的数额[5]，以保证合理征收地税。此举措初见成效后，奥地利（1717年）、法兰西（1808年）、普鲁士（1861年）等国家紧随其后，也纷纷效仿莫斯科公国陆续开展了以征收赋税为目的的耕地评价。1877年俄罗斯学者道库恰耶夫通过研究黑钙土，并结合其他学者的科研经验，确定土地税与土地量值之间的关系，并对耕地质量体系及其方法进行比较全面系统的阐述，在土地评价的历史上产生了深远影响[6-7]。20世纪30年代初，美国农业部为治理美国中西部地区土壤侵蚀及水土流失严重等问题，首次从合理利用土地的角度，提出了土地利用潜力分类，以土壤分类为基础，从土壤、坡度、侵蚀类型和侵蚀强度4个方面，划分了8个土地利用潜力级[8]，随后美国进行大范围的土地调查研究，并于1945年开始陆续绘制了一系列土壤图，为完善土地评价体系奠定基础。1934年德国颁布《土地评价法》，首次以立法形式确认土地评价的法律地位。此后，20世纪30年代德国学者提出的《土地指数分等》、1934年德国财政部提出《农地评价条例》以及1937年美国学者提出“斯托利指数分等”(STR)均以赋税为目的，从土地清查出发，为土地管理与利用提供依据。

1961年，美国农业部颁布历史上第一个较为全面的耕地评价系统《土地潜力分类系统》，该系统以农业生产为目的，在土壤特性基础上将土壤潜力分为潜力级、潜力亚级、潜力单元三级，实现了耕地资源调查及其合理利用[8]，20世纪中叶，该系统逐渐完善，并在澳大利亚（1963年）、日本（1963年）、加拿大（1969年）、英国（1969年）、巴基斯坦等国家获得广泛推广。1976年，联合国粮农组织颁布了《土地评价纲要》，从土地适宜性和土地限制性因子出发，将土地分为适宜纲、适宜类、适宜亚类和适宜单元4个等级，在极大程度上促进了世界范围内的土地评价研究[9]。20世纪60年代，以地理空间数据为基础，集地理学、信息学、计算机科学、空间科学、遥感、测绘、统计等多种学科和技术为一体的新兴交叉学科地理信息系统(GIS)初步发展起来[10]，1967年，加拿大学者罗杰·汤姆林森博士开发了世界上第一个投入应用的地理信息系统——加拿大地理信息系统(CGIS)，可对相关土地信息进行储存、利用和分析并进行等级分类[11]。20世纪70年代，伴随着遥感技术在土地研究中的应用，计算机技术与GIS技术紧密结合，广泛应用于土地资源利用调查差、土地评价及土地管理等领域，土地研究向定量化方向转变，指标体系更为合理[12]。20世界80年代以后，随着信息化产业高速发展及数字化产品普遍应用，土地评价研究逐渐向综合化、精确化、数字化、定量化方向发展。1981年，美国农业部土壤保持局在《土地潜力分类系统》的基础上提出《土地评价和立地评价(LESA)》系统[13]，在土壤质量、农业生产能力、发展压力、公共价值等因素基础上综合评定土地重要性[14]。1983年联合国粮农组织(FOA)在《土地评级纲要》的基础上，针对不同土地利用类型，分析不同土地对土壤质量的需求，构建土地评价体系并拟订相关文件，显著推动了土地评价研究的发展，形成了系统全面土地评价体系，在土地评价发展历史上具有里程碑意义[15]。20世纪90年代以后，土地评价的研究重点逐渐转向土地的可持续利用评价[16]，GIS与数学方法相结合，通过建立数学模型，对评价因子进行定量描述。

1.2 国内研究进展

中国的土地分类评价历史悠久，早在2000多年前，春秋战国时期著作《尚书·禹贡》及管仲等人所作《管子·地员篇》均提及黄河、长江流域土地分类评价，按照土壤色泽、性质以及水分状况等将天下九州土壤分为三等九级并根据土地分级进行征税，这是世界上目前已发现的最早关于土地质量评价分级研究的记载[17-18]。中国早期土地资源调查工作主要以清算耕地为主，东汉光武帝建武十五年（公元39年）因“天下垦田多不实”，而下令度田，进行了历史上第一次全国土地丈量工作。但由于工作量巨大，技术难度大，早期全国性土地清丈工作多无疾而终。

20世纪50年代中国在内蒙古、新疆等偏远地区进行荒地调查，将土地划分为类、亚类、等、组4级，这是中国首次对耕地质量评价进行系统研究[19]。1958年中国以耕地土壤为中心进行了第一次全国土壤普查，以土壤农业性状为基础，对土壤类型、数量、质地及各种土地利用类型的全面调查，并提出中国第一个农业土壤分类系统。至1960年，全国各地土壤普查和资料汇总工作基本完成，为新中国成立后粮食生产和土地资源合理分配奠定了坚实基础[20]，但受当时科学技术的限制，评价体系还不完善，仍然存在很大问题。20世纪70年代末，中国通过引入联合国粮农组织土地评价标准对农用地的质量分等定级开展探索性研究。1979—1985年，中国在全国范围内开展第二次土壤普查，在第一次全国土壤普查的基础上，以成土条件、成土过程及其属性为分类依据，采用土类、亚类、土属、土种、变种5级分类方法，对耕地土壤理化特性及生产能力进行全面性、全国性与区域性的调查[21]，并分级绘制完成相关图件资料，之后又陆续编撰《中国土壤》、中国《土壤普查数据》等系列土壤学著作，为未来土壤研究提供了大量理论及数据资料[22]。

20世纪90年代，为解决中国土地资源分配不均、利用不合理等问题，中国逐步开展系统的耕地质量评价工作，众多学者从自然、环境、经济、社会等各多个角度，同时结合“3S”技术，探讨土地评价的方法及指标[23]，推动土地评价工作向高效化、精确化、综合化、生态化方向发展[24]。1996年，国家农业部颁布NY/T309—1996《全国耕地类型区、耕地地力等级划分》，提出了7种耕地类型区的主要特征和10个耕地地力等级划分指标，构建不同类型区耕地基础地力要素指标体系，为全国各地耕地评价工作提供参考[25]。

2002年农业部启动全国耕地地力调查与质量评价项目，全国各地陆续开展耕地地力调查与质量评价工作，构建地力评价指标体系，并建立了耕地管理信息系统；2008年农业部又颁布了NY/T 1634—2008《耕地地力调查与质量评价技术规程》[26]，对耕地地力与环境质量调查以及评价的方法、程序和内容进行较为完整的阐述，为各地耕地质量调查提供了基本方法与思路。到2012年底，涉及30个省（市、区），总面积1.2亿hm2的耕地地力调查与质量评价工作基本完成，从立地条件、耕层理化性状、土壤管理、障碍因素和土壤剖面性状等多个方面综合评价耕地地力，将全国耕地按质量划分为10个等级，其中中等级耕地（4～6等）占44.8%，是未来粮食增产的重点区域及主要突破口[27]。国土资源部于2003年颁布实施《农用地分等规程》、《农用地定级规程》和《农用地估价规程》3个行业标准，并在此标准指导下，于2009年在全国范围内首次发布农用地（耕地）质量等别评定成果；为统一农用地，尤其是耕地质量分等程序和方法，掌握农用地资源现状，促进中国农用地资源的合理配置，国土资源部于2012年6月29日正式颁布《农用地质量分等规程》(GB/T28407—2012)、《农用地定级规程》(GB/T28405—2012)和《农用地估价规程》(GB/T28406—2012)3个国家标准，并于同年10月1日起正式实施，首次以国家标准形式发布农用地质量等别评定和价格评估的技术标准。为切实加强农田耕地质量保护，贯彻落实好《中华人民共和国基本农田保护条例》，依据《中华人民共和国土地管理法》、《土地调查条例》相关规定，国务院自2017年开展第三次全国国土土地调查[28]，截止2019年11月，第三次全国国土调查数据成果进入全面核查阶段。2020年，农业农村部发布《2019年全国耕地质量等级情况公报》，将全国1.35亿hm2耕地质量划分为10等，其中中等级耕地（4～6等）面积为 0.63亿 hm2，占耕地总面积的46.81%，较2014年提高了2.01%。《公报》针对各地不同区域耕地质量现状及相应障碍因子提出对策建议，指导各地因地制宜加强耕地质量建设。

2 耕地地力评价主要研究方法

目前，与耕地地力评价相关的方法大致可划分为3大类：一是基于数值的方法，主要包括经验判断指数和法、层次分析法、主成分分析法、模糊综合评价法以及灰色关联度分析法等；二是基于人工智能机器学习的方法，如人工神经网络法和支持向量机法等；三是基于地理信息(GIS)技术和数据挖掘技术的方法，如基于决策树的分析方法等。

2.1 基于数值的方法

2.1.1 经验判断指数和法 经验判断指数和法是根据经验判断参评因子权重并进行耕地地力评价的一种方法[29]，是指综合社会、经济等因素，结合走访调查以及多年生产管理经验选定参评因子，依据专家经验判断参评因素权重，然后按评价单元对各参评因子的指数进行累加求得指数和，按照事先设定的耕地综合指数等级范围划分耕地地力等级。

加权指数和法的公式如式(1)所示。

式中：G为耕地等级指数；gi为各评价单元的单因子指数；pi为各评价因子权重；n为评价因子的总数目；i为评价因子的编号。

经验判断指数和法简便易行，易于操作，能够清晰明确地显示各样点耕地质量等级及其排序。在耕地质量评价中应用较早，第二次全国土壤普查主要应用该方法进行土地分级评价。近年来，随着生产实践的深入，该方法也在不断完善和发展。张萍等[30]通过探讨山东省东营市农业土地资源动态评价体系的建立，基于土地资源的动态性特点，提出采用“变权”的动态加权法结合GIS技术建立土地评价模型，结果表明水体污染、土壤盐碱化和供水、排水状况是影响东营市农业土地资源生产力水平主要因子；王瑞燕等[31-33]认为在多因子评价体系中，各参评指标间无明显相关性且无主要限制因子，可采用经验判断指数和法进行综合评价。

但由于经验判断指数和法参评因子的选择和因子权重的确定均基于经验判断，主观依赖性较强。随参评人员的变动，评价结果往往存在较大差异。因此在评价过程中须基于当地实地调查数据，充分考虑不同质量耕地产量及其它效益的比较试验研究。

2.1.2 层次分析法(AHP)层次分析法是对定性问题进行定量研究的一种多方案或多目标的决策方法，由美国运筹学家T.L.Saaty教授于20世纪70年代初提出[34]，具有系统化、层次化、定性与定量相结合的特点。自1982年引入中国后，广泛应用于经济、能源、城市规划等各个领域。层次分析法使一个复杂多目标决策问题中的各个因子按属性划分为相互联系的有序层次，使之条理化；以多年生产经验为基础，结合客观判断，对同一层各因素采用成对比较法和1—9比较尺度构造成对比较阵；通过建立数学模型，计算每一层次元素相对于上一层次而言的相对重要性次序的权值并进行排序，通过所有层次之间的总排序计算所有元素的相对权重并进行排序[34-35]。

近年来，众多学者开始研究层次分析法在土地利用中的应用。梁金明等[36]、毛雪等[37]、朱海娣等[38]、张颖等[39]运用层次分析法，结合德尔菲法选取耕地地力评价因子并确定其权重；李莉鸿[40]利用层次分析法建立土地健康评价数学模型，结果表明临沂地区土地资源处于亚健康状况，而烟台、威海、淄博、日照、菏泽等地区土地资源处于健康状况；顿耀龙等[41]采用AHP-FCE方法构建大安市土地整理可持续性发展评价体系，引入模糊集理论，更好地解决了评价过程中评价因子的复杂性、模糊性问题。

层次分析法将研究对象作为一个系统，从对研究问题本质、要素的主观理解出发，定性方法与定量方法有机结合，将复杂问题简单化、层次化，需要定量数据信息较少，所得评价结果清晰明确；但是评价过程中定性指标较多，主观因素占比大，且计算过程较为复杂，当评价因子较多时，数据计算量大，因子权重难以确定。

2.1.3 主成分分析法(PCA)主成分分析法，又称主分量分析，由英国学者Karl Pearson于1901年首次提出，1933年美国学者Harold Hotelling对其发展做出重大贡献，其后广泛应用于人口统计学、数学地理学、数学建模及梳理分析等[42-43]。主成分分析法在是一种以统计特征为基础的多维正交线性变化，常用于信号特征提取及数据降维[44]。PCA是指在研究多变量问题时，去除重复变量（关系紧密的变量），将原来的变量重新组合成相互无关的新的综合变量，使这些新变量在最大程度上反映原变量的信息。

黄安等[45]利用主成分分析法对蓝田县4个土壤养分养分（有机质、碱解氮、速效钾、有效磷）进行综合评价，结果表明样区土壤养分含量有由西北向东南降低的趋势，土壤含量多为中等偏下，且土壤养分含量空间分布不均匀，区域差异依次为：速效钾＞碱解氮＞有效磷＞有机质，同时黄安等人认为PCA分析能减弱由于指标间相关性所引起的误差，从而对土壤养分质量进行综合精确评价；杨文娜等[46]利用层次分析法和模糊评价法分别对喀斯特地区的土壤肥力水平进行评价并对两种评价结果进行相关性分析，结果表明喀斯特地区土壤养分总体呈中等偏上水平，但有效氮和有效磷的含量偏低，此外该研究还发现，2种方法的评价结果具有极显著的正相关性；李丹等[47]则在采用层次分析法的基础上，结合聚类分析法建立广州市土地利用综合分区指标体系。

主成分分析法可以排除评价指标值之间的相互影响，减少了指标选取的工作量和计算量；但在分析过程中要保证变量降维后的信息量要保持在较高的水平，且选取的主成分应具有实际背景和现实意义。此外，选取的主成分所反映的信息具有模糊性，没有原始变量清晰确切，因此在分析过程中要保证提取的主成分数要小于原始变量个数。

2.1.4 模糊综合评价法(FCE)模糊综合评价法是一种以模糊数学为基础的综合评价法，以隶属度描述模糊界限。1965年美国自动控制专家Zadeh教授首次以精确的数学方法描述模糊概念，从而宣布模糊数学的诞生。耕地评价体系由于评价因子的复杂性、评价对象的层次性、评价标准及评价影响因素的模糊性和不确定性，难以对定性指标进行精准定量化描述，不同品类之间界限模糊。模糊综合评价法基于隶属度理论，将定性指标转化为定量指标，对多因素体系进行总体评价。

模糊评价法是目前土地评价中数据标准化最常用的方法。数值标准化是指在多指标评价体系中，为保证评价结果的合理性和可靠性，对每一个评价单元不同性质、具有不同的量纲和数量级的评价指标数据进行标准化处理，利用标准化后的数据进行数据分析。FCE运用隶属函数如式(2)所示。

其中x表示评价指标值；u表示隶属度，在这里表示耕地生产能力，u∈[0,1]。将评价指标的模糊特征用[0,1]中的某个数值进行度量，使其定量化、精确化，从而建立起耕地地力与评价指标数值之间的隶属函数关系。樊冰婕[48]等认为AHP-FCE集成分析模型能够在综合考虑评价对象影响因子的基础上减少主观臆断对评价和决策过程的影响。

模糊综合评价方法利用精准的数学方法对模糊性指标进行定量化描述，对模糊性资料做出科学合理的量化评价，但是计算过程较为复杂，对权重指标的确定具有很大的主观性，此外当评价指标较多时，相对隶属度权系数往往偏小，权矢量与模糊矩阵R不匹配，结果会出现超模糊现象，分辨率差，甚至造成评判失败，此时可用分层模糊评估法加以改进[49]。

2.1.5 灰色关联度分析法(GRA)1982年华中科技大学控制科学与工程系教授邓聚龙创立灰色系统理论，用以研究信息不完备的问题[50]。灰色关联度分析法是灰色系统理论的重要组成部分，同时也是灰色系统分析、预测和决策的基础[51]。灰色关联度分析法是灰色关联分析的理论工具，是以各因素的样本数据为基础，通过确定反映系统行为特征的参考数列及影响系统行为特征的比较序列，根据因子动态过程发展态势的相似或相异程度对各因子间关系的强弱、大小和次序进行定量化比较与描述，度量因子之间的关联程度，适合于因子动态历程分析[52]。

汪权方等[53]以GRA为基础，改进了AHP中判断矩阵的构建，并获取各项评价指标的权重，在此基础上对枣阳市土地资源可持续利用水平及其限制因子进行评价，结果表明改进后的AHP能够在有效降低主观赋权影响的同时避免熵值法等客观赋权法对评价过程造成的影响；马会宁等[54]针对地力评价过程的权重问题，根据作物产量与综合指数的一致性程度，对比AHP、GRA和主客观集成赋权法3种方法的优劣，认为主客观集成赋权法明显优于其他2种方法，有利于提高评价结果的精确度；曾荣等[55]则提出采用层次分析法与灰色关联度分析法相结合的方法能够对耕地质量进行科学有效的评价，这也在一定程度上验证了马会宁等人的结论。

灰色关联度分析法能够对信息不完整系统建立模型并寻求其现实发展规律，对各因子间关系进行定量化描述，在很大程度上减少了由于数据不足或系统周期短的所带来的问题，且对数据要求较低，工作量较少；但需要对各项指标的最优值进行确定，仍需借助一定的主观经验，且部分指标最优值难以确定。

2.2 基于人工智能机器学习的方法

2.2.1 人工神经网络法(ANNs)人工神经网络也简称为神经网络(NNs)或连接模型。1943年，心理学家McCulloch和数理逻辑学家Pitts在分析总结神经元基本特性的基础上首次提出神经网络模型——MP模型[56]。1957年Rosenblatt提出“感知器模型”首次将ANNs付诸实践。1986年，David Rumelhart以及Geoffrey Hinton等人提出多层前馈神经网络的学习算法，即BP算法，这也是目前应用最为广泛的神经网络。

人工神经网络是指在研究大脑生理结构和运行机制的基础上，以神经元作为信息处理单元，对人脑或自然神经系统基本特性进行为简单抽象与模拟而建立的一种信息处理系统或数学物理模型。神经元是神经系统最基本的结构和功能单位，人工神经网络就是通过神经元相互连接形成庞大而复杂的神经网络系统，以权值来表示神经元之间的连接强度，抽象模拟人脑的某些特征。通过对大量数据样本进行反复学习及系统内自适应过程，对表示各神经元之间连接强度的权值进行不断修改，直至网络系统内部权值趋于稳定分布，即可用于解决实际问题。

人工神经网络近年来广泛应用于环境测评等领域，在耕地质量评价方面目前研究相对较少。王瑞燕等[57]在传统AHP-模糊评判方法的基础上，建立ANN—产量定量评价模型对耕地进行评价，将山东省鱼台县耕地划分为5个等级，评价结果表明该模型与传统评价方法结果较为一致，且在评价过程中无需确定权重，避免了主观因素的影响，具有较高的客观性，孔维娜[58]采用ANN—产量评价法研究辽宁省彭武县耕地地力等级分布也获得一致的结果；乔亮[59]通过对比农用地分等法、模糊综合判断法以及SOFM神经网络法公共3种评价方法对宅基地复垦耕地地力进行评价，结果表明3种方法的评价结果具有一致性，且前2种方法评价等级分布一致，但由于理论基础不同，很难评判哪种方法更好，可根据实际需要采用合适的方法。

人工神经网络能够凭借其大规模并行处理、分布式信息存储、良好的自组织自学习能力以及与各学科结合紧密等特点，近年来广泛应用信号处理与模式识别、智能控制、故障诊断等方面，但目前对人工神经网络尚无简洁易懂的解释，且BP神经网络隐含层节点数需经反复人工测试才能获得最优参数，拓扑结构也难以确定。此外，神经网络训练时间一般较长且前期数据准备工作量巨大，在训练神经网络时需采用合适的方法，以免学习过度。

2.2.2 支持向量机(SVM)支持向量机是一种基于统计学习理论[60]，按照监督学习的方式对数据进行统计分类和回归分析的二元分类模型。1964年，Vapnik和Chervonenkis以模式识别中广义肖像算法为基础讨论并建立了硬边距的线性SVM[61]。1992年，Boser等[62]采用核方法(KMs)获得非线性SVM。

支持向量机是指基于某一特定的训练样本，构建一个超平面wTx+b=0，使其在最大程度上将不同类别的样本点分开，使不同样本点距离超平面尽可能远。

赖红松等[63]以浙江省温州市鹿城区为试验地，提出基于SVM的标准农田地力等级评价方法，并给出遗传算法-模拟退火(GASA)优化SVM参数算法，实现SVM参数的自动优化选择；陈巧燕[64]发现，BP神经网络耕地质量评价模型和SVM耕地质量评价模型两种评价模型均能精确地反映耕地质量，但相比之下，后者的精度更高、泛化能力更强，耕地质量评价效果更好；李露璐[65]等人基于改进的SVM算法建立广西壮族自治区百色地区标准农田地力等级评价模型，评价结果与当地实际情况相符，且与传统评价方法相比，SVM算法对非线性特征值的评价精度更高。

SVM算法以严密的数学逻辑为支撑，可解释性强，且不依赖于统计方法，最终决策函数由少数对评价结果起决定作用的关键因子（即支持向量）所确定，计算复杂性取决于支持向量的数目，而非样本空间维数，分析过程得以简化，避免了“维数灾难”，此外采用核方法能够更好地处理非线性分类/回归问题；但该算法训练时间长，且当支持向量的数量较大时，预测计算复杂度较高。因此SVM机目前只适合小样本的任务，无法适应百万甚至上亿样本的任务。

2.3 基于地理信息(GIS)技术和数据挖掘技术的方法

决策树分析法是指利用概率论原理，以树形图为分析工具，每个决策点所代表的决策问题均能引出两个及以上可供选择的方案（方案分支）或可能出现的结果（概率分支），通过对比各种方案在各种结果条件下的期望损益值，为决策者获得最优方案提供决策依

据[66]。

相比于其他分析方法，决策树分析法以树形图表示决策问题的全部可行方案及可能出现结果，以及各结果在各种不同状态下的期望值，直观地显示整个决策问题在时间和决策顺序上不同阶段的决策过程，在应用于复杂的多阶段决策时，阶段明显，层次清晰，且计算量相对较小，能够综合考虑各种因素，有利于决策者做出正确决策；但决策树分析法也具有一定的局限性，如使用范围有限，无法对非数量型数据进行决策，对各种方案的出现概率进行确定时主观性可能较大，容易导致决策失误，且当类别过多时，错误几率可能增加。

2.4 其他研究方法

在土地评价中，除上述方法外，还包括生态位适宜度模型评价法[67]、多元线性回归分析方法[68]、极限条件法[69]、模糊聚类法[70]等。随着人工智能的广泛应用，元胞自动机、遗传算法(GA)、决策树分析法[71-72]等人工智能方法逐渐成为研究热点，但目前多用于生态、土地利用规划、土地适宜性评价等方面，在耕地地力等级评价方面的研究较少。

3 研究展望

1957年和1979年在全范围内开展的2次土壤普查，为土地利用规划、因地制宜发展农业提供了重要的数据支撑。但2次土壤普查主要从农业生产角度出发，重点关注土壤肥力，而时隔近40年，中国农业生产管理、土地利用规划、作物布局等方面都发生巨大改变，同时随着城镇化进程的不断推进以及环境污染、水土流失等问题日益突出，优质耕地急剧减少、基础地力持续下降，当前中国耕地质量全局状况不明，不利于农业可持续发展，开展以土壤环境质量为核心的第三次全国土壤普查迫在眉睫。

随着计算机辅助技术、人工智能研究以及遥感技术的不断深入，评价过程日益向定量化、全面化、系统化，可视化方向发展，耕地地力评价指标体系的构建理论与方法也在不断发展与完善。但当前工作中仍存在许多问题。

首先，小尺度区县级土壤状况有待进一步摸清，相关政策、法规、标准有待进一步完善。虽然2020年农业农村部发布的《2019年全国耕地质量等级情况公报》分析了全国9个区域的耕地质量等级情况及影响农业生产的主要障碍因素，但由于点位密度小，对于小尺度的不同区县级土地评价指导性不强，且中国目前关于耕地地力评价的相关文件主要是针对大尺度范围的评价，针对具体不同生态类型区的相关标准、法规及政策尚需要完善。相关专家学者应根据本地区实际情况，因地制宜开展土地评价工作，并建立县域耕地基础资源数据库。

其次，目前较为通用的评价方法仍是基于经验判断参评因子权重，易受主观因素影响，而近年兴起的基于人工智能的评价方法在土地评价方面应用较少，且缺少统一的标准。使用的软件没有统一的要求，各个地区收集的资料，软件、版本均不同，对于不同地区之间的交流、汇总工作造成很多困难。

最后，在国家乡村振兴战略不断聚焦，新一轮国土空间规划编制的关键时期，把握好土地评价与农业生产之间的关系，充分利用GIS技术、卫星、遥感以及计算机辅助设备，更为精准化地提高农田信息的准确性和时效性，逐步建立和完善耕地质量的动态监测与预警体系，实现耕地质量状态的全面把握，实现农业资源优化配置，进一步推动农业农村现代化建设至关重要。