基于随机森林的耕地质量评价智能模型及其应用研究

为了更精确地表达耕地质量的系统性、非线性、差异性等特点，本研究旨在探索一种新的智能化耕地质量评价方法，提高耕地质量评价精度。以襄州区为研究区域，从地形地貌、土壤条件、社会经济、生态安全4个方面构建耕地质量综合评价指标体系，选用熵权法（EW）、后向传播神经网络（BPNN）、随机森林（RF）三种模型进行训练，比较三种模型的评价精度，并分析襄州区2018年耕地质量等级分布规律。结果表明：（1）襄州区耕地质量整体较好，以二、三等级为主，累积面积占比达到54.63%，呈现出明显的地域分异规律，高质量耕地主要分布在中北部，低质量耕地主要聚集在南部，且各乡镇耕地质量等级分布也具有明显差异；（2）耕地质量RF评价模型能够较为精确地模拟指标之间的复杂关系，科学定量分析各指标对耕地质量的贡献；（3）耕地质量平均指数比较，RF＞BPNN＞EW，RF与BPNN的评价结果具有相似的空间分布，且均与EW的差异较为显著；（4）相比于BPNN和EW，RF具有更高的数据挖掘能力和训练精度，其评价结果最为理想，决定系数R2为0.814 5，MAE为0.009，MSE为0.012，RF能有效运用于耕地质量评价研究。本研究丰富和完善了县域尺度耕地质量评价指标体系及方法，为襄州区耕地资源数量、质量、生态“三位一体”的管护提供理论依据，同时为其他类似地区耕地质量评价提供借鉴与参考。

An Intelligent Model of Cultivated Land Quality Evaluation Based on Random Forest and Its Application