耕地自然质量评价对于耕地质量和数量并重管理,实现土地资源的高效利用,促进农业的可持续化发展具有重要意义。实际应用中耕地质量的评价多数采用《农用地分等规程》中相对成熟的方法,但引入智能化、信息化技术研究耕地自然质量评价的报道相对较少。鉴于此,本研究将从BP神经网络理论研究出发,针对耕地自然质量评价构建相应的模型计算耕地自然质量分,探讨基于BP神经网络的耕地自然质量评价方法,以湖北省公安县为例进行实证研究。通过研究表明,人工神经网络模型是一种应用于耕地自然质量评价中的新型信息处理技术,BP神经网络可减少因函数模型选择不当带来的误差和主观因素对评价结果的影响,根据学习样本自动映射耕地自然质量分与其影响因素之间的非线性关系,从而对耕地自然质量分进行更科学的预测,使评价结果更加科学准确、评价过程更加智能简便。公安县耕地的自然质量总体来说较优,呈规则区片状分布。一、二等耕地占全县耕地总面积的65.63%,其中二等地占全县耕地总面积的56.11%,主要分布在公安县西部靠近长江(支流)两岸和公安县东部沿长江主干道大部分区域。三、四等地主要分布在公安县中部和北部大部分区域。五等耕地仅占总面积的6.85%,主要分布在公安县南部和西南部。另外,研究还发现,评价因子的区分耕地自然质量差异能力不总是与其因子重要性或影响力呈正相关关系。某个评价因子对于该评价单元的耕地自然质量具有重要作用,但不一定敏感度高,就公安县而言,各评价因子按对自然质量结果的敏感程度排序为:灌溉保证率>排水条件>大量元素含量>剖面构型>表层质地>盐渍化程度>有机质含量>土壤污染状况>土壤酸碱度>有效土层厚度>光温生产潜力指数。本研究的特色之处在于,在耕地自然质量评价的研究领域,引入BP神经网络模型,并系统地加以分析研究,包括网络模型选择、网络结构设计、样本构建、算法实现等。