随着我国耕地资源的减少和经济、人口的持续增长,人地矛盾逐渐尖锐,严重制约了社会经济的发展。耕地分等评价工作可以客观而准确地评价耕地质量,进而为合理利用和管理好有限的耕地资源,实现耕地的可持续利用提供依据。我国的耕地分等评价正向着综合化、多元化、精确化、定量化及信息管理系统方向发展,耕地资源管理正处在有数量管理向数量质量并重管理的转变时期。常用的耕地分等评价方法主要是因素加权求和,该方法对因素权重的确定不免因主观性而对分等结果产生较大影响。本文在深入研究了神经网络和遗传算法的理论基础上,建立了遗传算法优化的BP神经网络模型,并利用山东省历城区耕地分等的相关资料,在GIS技术的支持下完成了耕地分等评价的系统过程。本文受科技部国际科技合作与交流计划项目(2007DFB70200)和山东省自然科学基金(Y2008E10)资助。论文根据耕地分等的技术要求,对历城区耕地进行了分指标区的定量评价。根据研究区的地貌、气候、植被、农业综合区划等分区成果,并参考山东省耕地分等评价工作,将历城区分成2个三级指标区,即济潍山前平原区和泰鲁沂蒙尼山地丘陵区。利用BP神经网络模型分指标区模拟了耕地影响因子和耕地质量之间的关系,通过样本学习能够快速获得耕地影响因子分值和耕地自然质量分值之间的非线性关系,并自动将这种非线性关系以复杂的神经元节点权重的形式储存在模型中。根据模型可以完成研究区内所有分等单元的自然质量分计算,然后通过逐级修正的方法,划分了自然质量等、耕地利用等和耕地经济等。基于不同层次的耕地等别划分,形成了耕地质量的等别体系,科学的揭示耕地的内在质量差异,直观地反映在土地利用现状图上,为基本农田保护的划定、空间配置和定位化管理提供了科学依据。针对神经网络模型BP算法的不足,论文在Matlab平台上,利用遗传算法高效的全局搜索能力和高度的鲁棒性,对BP神经网络各层的初始连接权重和阈值进行了优化,将遗传算法和BP神经网络有机结合起来,做到了优势互补,提高了神经网络模型的整体性能。将优化后的BP神经网络模型和简单的BP神经网络进行比较,实验结果表明,基于遗传算法优化的BP神经网络模型在耕地分等评价工作中的应用完全可行。遗传算法优化的BP神经网络在收敛速度和泛化能力上都较简单的BP神经网络要好,模拟结果更接近于真实值。在数据准备和分析的过程中,采用聚类分析的定量模型完成了分等因素的分级和赋值,并运用了GIS叠加分析方法和空间数据库技术,通过空间数据和属性数据的对应统一,实现了耕地分等评价中分等单元划分、分等因素数据处理等过程的空间表达。完成了常规方法难以实现的大量数据处理和复杂的空间计算,在很大程度上提高了工作效率和成果的精度。