基于PCA和决策树模型的耕地质量评价研究
耕地是人类赖以生存和发展的最基本的农业资源，综合评定耕地质量级别已成为土地管理中的一项重要的工作之一，通过剖析耕地自然属性和社会经济属性的特点开展耕地质量评价，能更科学利用耕地资源。目前常用的耕地质量评价方法有特尔斐法、区域赋值法、层次分析法、灰色关联度分析法等，这些方法都在不同程度上存在主观性太大、过于依赖经验知识，不能够对知识的不完整性做出调整等问题，从而影响了耕地等别划分的准确性、科学性和合理性。而决策树方法是数据挖掘中广泛使用的分类方法之一，它是非参数的分类方法，不需要依赖经验知识，采用以实例为基础的归纳算法，在确定训练集之后，完全依赖数据本身来学习，以类似于流程图的树状结构表示数据挖掘结果，还能够揭示各类别之间的非线性关系和等级关系，使各类间的关系一目了然，具有速度快、精度高、生成模式简单等优点，目前已经在金融、医疗、地学等方面得到成功的应用。本文以福建省将乐县为例，利用PCA和See5决策树模型，并结合GIS技术对耕地质量进行评价，自动构建决策树模型，进而用构建的模型来获取耕地质量分等规则的方法，最后划分耕地质量级别。
耕地质量评价 耕地质量级别 PCA 决策树模型 土地管理 数据挖掘
林志垒 叶金玉
福建师范大学地理科学学院,福州350007
国内会议
徐州
中文
2008-06-25（万方平台首次上网日期，不代表论文的发表时间）