基于自组织神经网络的耕地自然质量评价方法及其应用

耕地质量各构成要素的特点和相互间的影响,决定了耕地质量的外在表现,客观地确定耕地自然质量,对耕地分等定级具有重要的意义。该文通过对已有耕地质量评价方法的优势与不足的分析,提出在空间数据库基础上应用自组织神经网络的耕地自然质量评价方法,并应用该方法对吉林省九台市耕地自然质量进行了评价,通过步长为1 000次训练,自动生成13个类别,在13个类别基础上按照九台市的指定作物的光温生产潜力指数、作物的产量比系数,进行了耕地自然质量评价。根据评价分值的大小分为3等,其中质量等级Ⅰ级占全市耕地面积42.13%,Ⅱ级占全市耕地面积30.40%,Ⅲ级占全市耕地面积27.47%。评价结果与《九台市耕地质量更新成果》比较,图斑重合率为80.78%,面积重合率为79.42%。2种评价方法可能出现差异的原因:该文评价方法增加了坡度因子,且《九台市耕地质量更新成果》采用的是全省统一的指标权重;2种方法对于一些定性描述指标均通过信息赋权值法进行量化,而2种方法中量化方法不同,赋值不同。该方法将自组织神经网络和地理信息系统相结合,有效地集成影响耕地质量相关的土壤及土壤环境信息,利用自组织神经网络在没有教师信号时自动连接权值向着更利于竞争方向调整,通过度量评价单元的相似程度,使类间差异最大而类内差异最小,逐步将评价单元划分类别。根据每个类别中图斑自然质量指数的大小进行耕地质量等别评价,提高了评价结果的可信度,为耕地质量评价提供了新思路。