近年来,随着我国经济和社会的快速发展,各行各业信息化程度不断提高,林业信息化建设也取得长足的进展。地力数据是林业中最重要的数据类型之一,对这类数据进行分析,对地力等级进行评价,已成为林业部门一项重要的日常工作。支持向量机(SVM)作为一种新的机器学习方法,由于其具有小样本学习、收敛速度快、泛化能力强、能够得到全局最优解等优点,已成为研究的热点课题,并广泛地应用于模式识别、分类分析等领域。粗糙集(RS)是一种处理不确定性和不完整性的数学工具,在处理大量数据,消除冗余信息和处理不确定性信息等方面具有一定的优势。本文从支持向量机的算法研究出发,结合粗糙集理论,通过实验验证支持向量机模型在人工林地力等级评价中的可行性,并最终将其应用到人工林地力等级评价系统的实际项目中。本文首先介绍了国内外常用的地力等级评价方法,并分析了现有方法的不足,结合地力方面数据的特点,提出了基于粗糙集与支持向量机的分类方法；然后简要论述了支持向量机的理论基础,深入研究了支持向量机解决实际问题的主流方法,给出人工林地力等级的RS-SVM评价模型；再将RS-SVM评价模型应用于人工林地力等级评价实验中,并与单一的SVM评价模型及基于BP人工神经网络的方法进行实验比较,根据实验的结果分析该模型的可行性；最后在以上研究的基础上设计开发了基于.NET平台的人工林地力等级评价的信息系统。实验表明,与单一SVM评价方法相比,RS-SVM评价模型在保证评价精度的同时,降低了算法的空间和时间复杂度,提高了训练效率,同时它具有比BP人工神经网络更高的评价精度。实际地力等级评价工作中,到评价区的每一处采样和测量都是非常困难的,在大规模地力评价中,特别是样本有限的情况下,采用RS-SVM评价方法进行地力等级评价,是一种可行的方案。