摘要：耕地恢复力是耕地遭受外界扰动后恢复的能力，是土地复垦与生态修复规划编制的依据。采煤沉陷区耕地恢复力评估还缺少有效方法。本文引入机器学习方法，将恢复力评价转换为对耕地修复可能性概率的测算，并对徐州市城北采煤沉陷区耕地恢复力水平开展实证研究。结果表明：①随机森林算法可作为恢复力评价的新方法，模型优化后的平均精确度达88.28%，能够充分利用耕地修复的历史经验，避免评价过程中的主观性，准确反映采煤沉陷区耕地恢复的能力。②研究区耕地恢复力概率介于0.037～0.995之间，沉陷区外围地带恢复力高，中心区恢复力低。③机器学习表明，灌溉保证率是影响采煤沉陷区耕地恢复力的核心因子，重要性占比达到20.88%，积水深度次之，占比17.15%；土壤有机质含量、耕地破碎度和道路可达性等因子的影响也较大，重要性占比分别为15.18%、12.58%和12.38%。本研究表明利用训练样本数据和机器学习方法可以有效评估采煤沉陷区耕地恢复力水平，为矿区土地复垦和生态修复决策提供科学依据。
文章目录
0 引 言
1 数据来源与研究方法
1.1 研究区概况
1.2 耕地恢复力内涵
1.3 机器学习方法
1.4 恢复力评价模型构建
1.5 模型可靠性评估
2 结果与分析
2.1 模型评价精度分析
2.2 恢复力评价结果分析
2.3 因子重要性分析
2.4 不同恢复力区域的耕地修复对策分析
3 结 论
