基于数据挖掘方法的玉米和油菜土地适宜性分析——以贵州省遵义市为例

张 晨, 林 艳, 周 华,3

(1.贵州省自然资源勘测规划研究院, 贵州 贵阳 550004; 2.贵州大学 生命科学学院,贵州 贵阳 550025; 3.自然资源部 土地利用重点实验室贵州科研基地, 贵阳 贵州 550004)

为了进一步落实国家粮食安全战略，可持续利用农业土地资源，综合考虑自然资源禀赋和了解当地自然环境条件的主要局限性可以帮助我们选择特定的作物种植，可以为决策者创建最佳的作物种植决策管理[1-2]。气候、地形、土壤等自然环境条件和土地用途的不同，土地对特定作物的适宜性会呈现差异性，有必要根据最有效的自然环境条件因素对土地单元进行分类和管理，而土地适宜性评价(land suitability assessment， LSA)是促进农业可持续发展和进行科学的土地利用规划的关键途径[3]，科学开展LSA在全面推进乡村振兴加快农业农村现代化中起着十分重要的基础性作用，是保障乡村振兴战略实施的重要举措。

近10 a来，LSA在土地利用这一核心主题下围绕评价对象、评价理论、评价技术方法和评价数据等方面开展研究。在评价对象方面，开展蚕豆[1]、小麦[3-5]、油菜[2]、烤烟[6]、高粱[7-8]、玉米[8]等多种作物LSA研究。在LSA理论方面，大致可以分为空间叠加[9]、多指标决策模型[4]、人工智能[5]等3种方法，其中，空间叠加使用较多的是加权叠加[6,10]，多准则决策模型最常用层次分析法[11-13]、主成分分析法[14]等，人工智能则尝试使用支持向量机和随机森林[5]、人工神经网络[15]等。在LSA技术方面，主要是借助遥感、地理信息系统技术手段开展评价研究工作，其在改善土地适宜性评价方面具有很大潜力[3]。在LSA数据方面，涉及到矢量数据、栅格数据或矢量—栅格混合数据多种空间数据类型[16-17]。综上所述，当前，最为常用的LSA理论技术方法是在遥感、地理信息系统技术手段支持下，使用表征气候、地形、土壤等自然环境条件多源多维空间数据和空间叠加、多准则决策模型等进行LSA建模分析，但在数据挖掘视角下开展多作物LSA的研究成果相对较少。此外，随着空间数据采集技术不断革新使得量化自然环境因素的有效数据大量存在，致使LSA越来越复杂，现有农业资源与农业生产活动不匹配可能导致粮食供求关系失衡，合理的农业生产作物规划在资源投入获取与分配中起着重要的作用[7-8]。玉米和油菜分别是遵义市粮食产量第二和油料产量第一的作物，在连续种植玉米或玉米休耕的地区，油菜可以作为一种有价值的轮作作物出现[18]，探讨该地区主要作物玉米、油菜等农业生产作物规划，有利于提高玉米和油菜的产量以改善粮食安全。因此，如何把握当前数据驱动的战略机遇，突破LSA多源多维属性数据认知与分析的困境，构建更加综合、科学与智能的多作物LSA是值得研究的。

鉴于此，本研究以科学布局作物种植空间，合理利用农业土地资源作为切入点，思考这种自然环境条件差异性对多作物种植空间布局的影响。在此基础之上基于数据挖掘方法，引入机器学习算法随机森林构建气候、地形、土壤等多源多维属性数据与不同作物种植空间之间的关联模型，试图开展多作物土地适宜性分析，为农业生产的作物规划、土地利用规划和管理提供一种准确有效的方法。

1 研究区概况

研究区位于贵州省北部遵义市，东经105°36′—108°12′，北纬27°08′—29°14′，总面积3.08×106hm2，占贵州省总面积的17.47%。东邻铜仁市，南抵黔东南州、黔南州和贵阳市，西南与毕节市接壤，西与四川省交界，北连重庆市，是大西南通江达海的重要通道。地处云贵高原向湖南丘陵和四川盆地过渡的斜坡地带，地形起伏较大，海拔210～2 208.13 m，平均海拔984.51 m。地貌类型复杂，境内大娄山山脉及其支脉呈东北向斜贯本市中部，是市内南北水系的分水岭，遵义市被划分为两大片，山南以低中山丘陵和宽谷盆地为主，一般耕地比较集中连片，土地利用率较高。山北以中山峡谷为主，山高谷深，山地垂直差异明显，耕地比较分散。气候属于中亚热带季风湿润气候区，终年温凉湿润，气候温和，全年日均气温4～32 ℃，日照充足，雨水充沛，年均降水量1 097.8 mm。土壤类型多样，低山丘陵盆地区主要分布着以酸性黄壤为主，有机质含量高。地质地貌条件复杂，降雨分布不均，水分的区域性和时间性变化很大，对土地利用与土壤的形成均有较大的影响。

遵义市在贵州省国土空间总体规划(2021—2035年)中被划定为5类农业现代化复合发展分区之一的黔北农业区，是贵州省重要农产品生产基地和粮食、油料作物的主要产地。科学合理布局作物种植空间是保障现代山地特色高效农业强省建设以及持续推进农业现代化当中不可或缺的关键环节。开展多作物生产的土地综合适宜性评价实地量化研究既是亟待解决的科学问题，也是落实乡村振兴重大国家战略的具体措施。

2 数据来源与研究方法

2.1 数据来源及预处理

本研究所用矢量数据来源包括遵义市自然资源局所提供的2020年耕地资源质量分类数据库成果，2020年贵州省地理国情监测成果地表覆盖数据集农作物种植样点专题图层V_SPCP，及市行政区划；栅格数据来源包括数字高程模型采用中科图新(http:∥www.tuxingis.com/store.html)提供的12.5 m空间分辨率DEM数据，国家青藏高原科学数据中心提供的2017年中国区域融合日照时数10 km高分辨率地表太阳辐射数据集，国家地球系统科学数据中心提供的2012年中国0.083 33°分辨率逐月土壤有效水分数据集，中国科学院资源环境科学与数据中心提供的500 m空间分辨率≥10 ℃活动积温(经DEM校正)数据集，以及贵州省气象局提供的30 a(1989—2018)30 m空间分辨率年均气温和年均降水量栅格数据。为便于叠加分析，所有空间数据坐标系统统一转换成 CGCS2 000_3_Degree_GK_Zone_26。

提取耕地资源质量分类数据库成果中的耕地和种植属性标注为“即可恢复”和“工程恢复”的相关地类图斑作为评价单元，共计1 153 748个，涵盖种植土地范围。在作物种植LSA中，表征地形特征的坡度、海拔由DEM数据生成，其中坡度采用百分比坡度度量；除了土壤有效水分之外，表征土壤特性的土层厚度、土壤质地、有机质含量、土壤pH值取自耕地资源质量分类数据库成果，其中土壤质地是非数值型数据，这里依据国务院第三次全国土地调查领导小组办公室印发的《第三次全国土地调查耕地资源质量分类工作方案》进行数值化，1，2，3分别表示壤质、黏质、砂质；表征气候条件的因素有活动积温、年均降水量、年均气温和日照时数。评价单元相关属性赋值计算时均将栅格数据重新采样至5 m×5 m空间分辨率，然后使用分区统计叠加计算获得评价单元属性数据；玉米和油菜种植采样点是采用国土调查云手机应用软件App据实调查，分别有171个和127个。

2.2 研究方法

本研究总体研究思路是紧扣影响作物种植气候、地形和土壤3大类自然环境条件，在作物适宜性生长因子约束下构建起作物种植空间适宜性评价因子特征数据集；在既定的评价单元内使用随机森林算法建立作物与评价因子特征数据集之间的关联模型，得出作物种植空间适宜性评价结果及其评价因子贡献度；在此基础之上，利用GIS技术空间化作物种植空间适宜性评价结果以分析作物种植空间布局特征；综合运用综合指数评价法、空间约束多元聚类和空间统计研究作物适宜性空间等级特征及异质性，进而使用空间叠加分析法实现多作物种植空间综合适宜性分析。研究思路详见图1。

研究思路中所采用的随机森林算法是一种在Bagging策略的基础之上通过引入双随机性来实现次优分割的有监督机器学习算法[19]，其对特征贡献度I评估是使用袋外数据计算每棵分类树的袋外误差E，然后对袋外数据第j个特征Xj随机加入噪声，并计算新的袋外误差Xj(t)，则特征变量Xj的贡献度定义为[20]：

(1)

若特征变量Xj的变化引起袋外误差增加越大，模型准确度就会大幅度降低，则说明这一特征变量对于样本分类结果影响就很大，也就是说它的贡献度比较高[21]。用于作物种植LSA的样本由两个部分组成： ①根据外业实地调查获得的标记样本； ②以作物种植土地适宜性限制性因素阈值作为依据[2,8](表1)，根据每一个限制性因素阈值构成条件语句筛选得到多组不适宜种植标记样本，多组不适宜种植标记样本协同验证，取其空间交集作为最终作物不适宜种植样本，以提高不适宜样本标记的可靠性。

表1 玉米和油菜种植土地适宜性限制性因素

此外，使用的综合指数评价法是在确定的评价指标基础之上，将指标数据无量纲化，并对每个指标赋予一定的权重，然后进行无量纲化指标数值加权求和，进而得到综合指数[22]，其计算公式如下：

(2)

式中：ECI表示评价系统综合指数；i表示评价指标；wi表示评价指标对应的权重； Indexi表示评价指标数值。指标无量纲化处理采用最大最小值归一化法进行指标数据无量纲数据处理[23]，其计算公式如下：

(3)

式中：rij表示指标数值无量化结果；xij表示i项指标第j项数值。结合随机森林算法给出的每一个评价因子贡献度进而计算得到LSA综合指数，以此来研究作物适宜性空间分异规律。

图1 多作物种植空间适宜性评价技术路线图

2.3 作物种植土地适宜性评价因子

气候条件对于种植土地的开发和利用影响最大，气候影响着能够种植什么作物，一年能够种植几茬[24]，温度是作物生长发育的重要条件，需要在一定的温度条件下才能进行；活动积温为作物在其全生长期内提供热量需求，只有当温度累积到一定的总和时才能完成其发育周期；日照时数是太阳辐射因子当中影响作物光合作用的主要因素，光照时间长度对光合作用产物有着重要影响；此外，降水量作为作物生长发育所需水分主要来源，在相同的年均降水量下，降水变率越大，作物生产的稳定性越低。作物实际产量除了受气候条件的影响外，还受到地形和土壤等影响。地形影响着物质与能量的再分配，尤其山区地形对光照、热量、水分以及土壤肥力等起着再分配作用，对作物的分布和生长有很大的影响[2,25]。土壤为作物提供所必需的生存空间直接影响着作物的生长发育状况[26]，深厚土层提供作物扎根良好条件，对养分和水分的保蓄能力强；土壤质地则关系到土壤的物理性质以及蓄水保肥能力；作物养分供给的来源之一是土壤有机质，对于保持土壤良好的物理性质具有重要作用；土壤pH值对不同作物生长的影响程度不同，酸碱度过高或过低都会影响作物养分吸收，加速养分流失，使土壤失去耕种价值；土壤有效水分不足会抑制作物的光合作用，还会影响作物产量品质。顾及到数据的可获取性，选取气候、地形、土壤3个大类11个对作物种植具有重要影响因素构成LSA特征数据集(表2)。

表2 作物种植土地适宜性评价因子[2,24-26]

3 结果与分析

3.1 玉米和油菜种植适宜性空间评价

将玉米和油菜种植样点所在的图斑标注适宜性标签“1”，限制性因素协同标注图斑的空间交集标注不适宜性标签“0”，由此分别生成LSA样本集，按照7∶3划分为训练数据集和测试数据集，其余图斑作为预测数据集。在使用随机森林算法进行作物LSA过程中，需要设置关键参数决策树棵数(n_estimator)和保证模型达到最优时的最大特征数(max_feature)。本研究使用网格搜索法和交叉验证法进行参数寻优，通过反复迭代试验当n_estimator分别为63，50时误差逐渐收敛并趋于稳定，这时的max_feature设置为总特征数n的平方根，二者模型输出的泛化误差分别为97.82%和98.14%。预测数据集分别放入训练得到的模型便可得到玉米和油菜种植空间适宜性评价结果(图略)。

参与作物种植LSA区域占研究区总面积的30.28%。研究区有很大一部分土地适合玉米生产，占作物种植LSA区域的91.23%，而油菜仅占69.64%(表3)，在研究区范围内玉米适宜种植区远远大于油菜，其中面积较差最大的桐梓县相差33 286.61 hm2，平均相差15 741.02 hm2，最小的湄潭县相差5 327.26 hm2，但只有靠近研究区西北方向的赤水市范围内油菜适宜种植区大于玉米，相差3 499.62 hm2，这一定量研究结果表明并不是参与作物种植LSA单元都适宜种植玉米和油菜，相比之下，在相同的自然环境条件下，玉米种植土地适宜性远比油菜高得多，农业土地资源对特定作物种植适宜性具有差异性[2]。

此外，玉米和油菜适宜性呈现出局部集中和零散分布两种模式，适宜种植区在空间上具有一定局部集聚特征，这样的区域有利于发展规模性农业产业，而零散分布的适宜种植区仍然可以用于玉米和油菜的生产，但会造成生产成本过高。由表3可知，整体而言，在研究区适宜种植范围内，不管玉米还是油菜，赤水市适宜种植区过于分散，集中度最低，不建议用于生产。

表3 玉米和油菜适宜种植面积及集中度

3.2 评价因子对玉米和油菜种植适宜性影响

通过随机森林算法得出评价因子适宜性贡献度，分析了11个评价因子对玉米和油菜适宜性影响程度(图2)。①土壤质地(40.35%)是玉米种植土地适宜性影响最显著的的因子，其次是活动积温(36.19%)，另外，坡度、海拔、年均气温和有机质含量的影响最小。对于玉米而言，图2中土壤性质的权重与Kazemi等[1]对蚕豆生产提出的权重相当，玉米种植适宜区壤黏土比例高达91.71%，这可能与壤黏质土壤能够为玉米床层的生长提供丰富土壤养分含量有关[27]。除土壤性质外，气候参数活动积温对玉米种植适宜区选择具有重要的影响，这不仅与≥10 ℃积温条件对玉米的阶段发育有显著影响有关，而且和≥10 ℃积温利用密切相关，还与活动积温能够为玉米群体生物量、叶面积提供热量资源有关，综合表现为随着热量资源增加，生育期明显缩短，生物量增加，单位叶面积的籽粒生产效率更高，玉米阶段发育与区域热量资源有效匹配是玉米获得高产和热量资源高效利用的前提[28]。②影响油菜种植土地适宜性最显著的因子是年均气温(45.99%)，其次是活动积温(36.19%)。此外影响最小的因子有日照时数和有机质含量，这一定量结果表明年均气温和活动积温是油菜种植适宜区选择的主要限制因素，它们在油菜全生育期起着重要的作用[29]。除气候参数外，对油菜种植适宜区选择影响较大的是地形因子海拔(2.64%)和坡度(2.21%)，其中坡度权重与Wanyama等[30]对玉米生产提出的权重相当，随着海拔增加加大了结霜的可能性，在油菜生长月份的播种和莲座期范围内发生霜冻对油菜危害极大，并会造成产量损失[18]。不论是玉米还是油菜，都有自己独特的标准来决定一个地区是否适宜生产。因此，很大程度上土壤质地和活动积温决定着玉米适宜区的确定，而油菜适宜区的确定基本上取决于年均气温和活动积温，在建立良好玉米和油菜土地适宜性评价模型过程中土壤性质和气候条件具有巨大的参考价值。

图2 玉米和油菜种植空间适宜性评价因子权重贡献度

3.3 玉米和油菜种植适宜性空间等级划分

虽然有较大部分种植土地适合玉米和油菜的生产，但必须注意到这是较大尺度上的适宜，实际上局部地区适宜程度是存在差异的，不同适宜区生产玉米和油菜的产量是不同的。为了进一步揭示在更小尺度上玉米和油菜种植适宜程度的空间异质性，本文以Delaunay三角测量自然邻域关系作为空间约束，结合前文优选对玉米和油菜种植适宜性贡献度较大的主要评价因子和适宜性综合指数作为属性约束以增加空间聚类分组的确定性，使用空间约束多元聚类算法进行聚类分析，聚类有效性通过Calinski-Harabasz伪F统计量度量，探索评估最佳聚类数[31]，使用箱型图对聚类划分结果适宜性综合指数进行统计分析(如图3，4所示)。图3—4中的符号g1—6分别代表聚类类别，g0代表县域全局。

由图3可以观察到，县域尺度上有3个地区的玉米种植适宜程度在空间上特别突出，分别是凤冈县、赤水市和务川县，其中赤水市综合指数差异最大，数值分布很广，绝大部分具有较低值，相反凤冈县大部分具有较高值。从种植适宜程度和空间上来看： ①玉米种植适宜程度最高的区域位于研究区东部凤冈县(g2)，但仅占玉米总适宜面积的0.01%(48.39 hm2)，它们几乎看不见，这也意味着这个区域很小。 ②位于研究区西北部赤水市(g2)是玉米种植高度适宜区，占玉米总适宜面积的0.40%(3 395.01 hm2)，虽然这一区域的玉米种植适宜程度较高，但是适宜区分布过于分散。 ③玉米种植适宜程度较高的区域位于研究区东北部务川县(g1)，占玉米总适宜面积的0.07%(608.58 hm2)。结果表明确实是存在高度适宜玉米种植的区域，从经济上讲，受到集聚程度较小和适宜区分布较为分散的制约，用于玉米的生产将会造成成本过高，产量也很难保障，这样的区域不建议用于玉米生产。除此之外，紧随其后的分别是凤冈县(g3)、赤水市(g1)和务川县(g2)，占玉米总适宜面积2.21%(18 806.8 hm2)，1.51%(12 875.64 hm2)和9.04%(76 842.49 hm2)，在空间上凤冈县(g3)适宜区呈现带状空间分布，务川县(g2)分布较为密集，而赤水市(g1)呈现出东北方向局部集聚和西北方向分散两种形态，相对之下，建议优先考虑务川县(g2)用于玉米生产规划。玉米种植适宜程度最差的区域位于研究区中部汇川区，占玉米种植适宜总面积5.35%(45 493.16 hm2)。

对比图3和图4可以观察到，在县域尺度上油菜种植适宜程度在空间上特别突出3个地区与玉米相同，这表明确实是存在高度适合玉米生长的地区也适合油菜生长，仅仅是适宜程度不同，这与Muzira等[24]对玉米和高粱两种作物土地综合适宜性评价观点是一致的。从种植适宜程度和空间上来看： ①最适宜油菜种植的区域赤水市(g2)位于研究区西北部，仅仅占油菜总适宜面积的1.27%(8 233.44 hm2)，虽然这一区域的最适合油菜种植，但是同样存在空间分布过于分散的特征。 ②位于研究区东北部务川县(g1)和务川县(g4)油菜种植适宜程度相当，占油菜总适宜面积的3.93%(25 488.01 hm2)，适宜区域空间分布较为密集。 ③油菜种植适宜程度较高的区域是位于研究区东部凤冈县(g2)，占油菜总适宜面积的6.65%(43 171.50 hm2)，集中连片程度较好。

注：横坐标中g1，g2，g3，g4，g5和g6分别代表按照县域尺度聚类类别。g0表示县域全局。下同。

图4 油菜种植适宜性空间等级划分

除此之外，紧随其后的分别是务川县(g3)、务川县(g2)和赤水市(g1)，占油菜总适宜面积2.81%(18 259.16 hm2)，1.87%(12 143.82 hm2)和1.78%(11 536.83 hm2)，同样地，油菜种植适宜程度最差的也是汇川区，占油菜总适宜面积的4.80%(31 134.31 hm2)。总体而言，油菜高度适宜区空间分布比较密集，务川县适宜性整体水平较高。

3.4 玉米和油菜种植空间综合适宜性

与Muzira等[8]研究类似由于缺乏对作物适宜性水平进行分层的先验知识，为了进一步了解玉米和油菜在种植空间上的综合适宜性，这里在县域尺度上玉米和油菜种植空间等级划分结果之上，采用 ArcGIS 10.2.2数据分层自然断裂点法划分为4个等级，进而采用空间叠加得到二者种植空间综合适宜性评价结果。在4个划分等级基础上对二者适宜性评价因子进行描述性统计(详见表4)。从单一作物适宜程度和空间分布来看：①最适宜玉米种植的区域比例最小，仅占总适宜面积的2.59%，主要集中分布于研究东部凤冈县境内；而其中比例最大是中度适宜区，比例达总适宜面积的一半以上，空间分布基本上遍布整个研究区，但主要分布在道真、桐梓、习水、正安县和仁怀市境内；其次是高度适宜区，比例达总适宜面积的23.37%，主要分布在绥阳、务川、凤冈、湄潭和余庆县境内；轻微适宜区占总适宜面积的12.99%，主要分布在红花岗、汇川和播州区境内。②最适宜油菜种植的区域占总适宜面积的13.46%，主要分布在凤冈和务川县境内；与玉米不同，其中比例最大是高度适宜区，占总适宜面积的24.37%，主要分布在正安、道真、湄潭、余庆县境内；其次是中度适宜区，占总适宜面积的19.55%，主要分布在播州区、绥阳县、习水县和仁怀市境内；轻微适宜区占适宜面积的13.25%，主要分布在汇川区、播州区和桐梓县境内。

表4 玉米和油菜适宜性评价因子描述性统计

从多作物综合适宜程度和空间分布来看： ①对于单独适宜区而言，玉米最适宜区仅有0.14%，空间零散分布在凤冈县东部；高度适宜区有6.76%，主要分布在务川县西部；中度适宜区有16.40%，主要分布在桐梓县西部、正安县东南和西北部以及习水县中东部；轻微适宜区有3.23%，主要分布在汇川区中部及西南部和播州区西北部。而油菜最适宜区仅有0.92%，空间零散分布在务川县、凤冈县和赤水市整个县域境内，分布范围跨度较大；高度、中度和轻微适宜分别为1.37%，1.33%和0.13%，空间零散分布在桐梓县等12个县境内。 ②对于二者种植适宜程度相当区域而言，同时最适宜二者种植区域有2.14%，主要分布在凤冈县中部及北部；同时高度适宜二者种植区域有10.94%，主要分在湄潭县北部和余庆县西北部；同时中度适宜二者种植区域有16.73%，主要分在仁怀市境内；同时轻度适宜二者种植区域有8.92%，主要分在汇川区西部及东部、红花岗区西部和播州区中部。 ③玉米种植适宜程度优于油菜区域，最适宜区凤冈县西南部有0.31%，高度适宜区主要是绥阳县南部有1.20%，中度适宜区主要有桐梓县中部及西南部有3.40%。 ④油菜种植适宜程度优于玉米区域，最适宜区主要有凤冈县东部有3.03%和务川县境内绝大多数地区有5.98%，高度适宜区主要是正安县和道真县绝大多数地区有9.65%，中度适宜区分布在红花岗区与播州区交界处以及汇川区最东边仅有0.84%。

与以往LSA研究不同[1-2,8-9,18,22]，以往研究是从整个研究区出发对选取评价因子分层分级划分适宜等级进而图层综合叠加得到作物适宜区，评价单元是整个研究区，而本研究事先将评价单元界定在种植土地图斑内进行作物种植LSA，由于受地形制约评价单元空间分布遍及整个研究区，此外，本研究结果也表明经评价后适宜玉米和油菜种植区基本上遍及整个研究区。由表4可知年均气温和土壤质地对于二者种植适宜区选择几乎没有区别，似乎与本文研究结果相矛盾，但同时适宜二者种植重叠区有69.71%，二者评价因子适宜范围信息是来源于整个研究区，这只是较大尺度的适宜性，而本文对评价因子贡献度是基于微观尺度评价单元进行，能够很好揭示出评价因子对二者种植适宜区选择差异性。此外，表4结果表明海拔大于1 267.61 m是油菜生产的主要制约因素，油菜种植pH值适宜范围5.25～9.00这结果与Ostovari等[2]研究结果基本一致，玉米种植pH值适宜范围与Muzira等[8]研究结果基本一致，不同的是：无论玉米还是油菜适宜种植坡度范围都远超Ostovari等[2,8,30]不适宜坡度百分比最小下界值30%的研究结果，这主要是因为研究区地处喀斯特山区耕地资源以坡耕地为主导致的。

4 结 论

(1) 随机森林算法能够定量精准识别出多种农作物适宜种植空间。这一算法能够整合多源多维属性数据信息对农作物种植土地适宜性进行综合分析，探索出多因素综合作用下农作物种植空间资源最优生态位，挖掘农作物潜在的种植适宜空间，且在多种影响因素中能够识别出对农作物种植适宜空间确定起主导作用的影响因素。

(2) 农作物种植适宜性空间具有显著的空间异质性。研究区内玉米和油菜种植适宜区具有显著的空间异质性，玉米主要适宜种植区域占总适宜面积的25.96%，主要分布在务川、凤冈、湄潭、余庆和绥阳县境内，油菜主要适宜种植区域占总适宜面积的37.83%，主要分布在务川、凤冈、湄潭、余庆、正安和道真县境内，同时主要适宜二者种植区域有13.08%，主要分布在凤冈县中部及北部、湄潭县北部和余庆县西北部。

(3) 数据挖掘能够为种植土地利用提供多方案决策。随机森林算法对不同农作物种植LSA结果表明对种植土地利用并不是唯一的，这不仅为区域种植土地利用提供了多方案选择，而且不同农作物样本对同一种植土地适宜性程度评价结果可能相同，这也为选择适合种植土地利用的最优方案提供了可能，提高了这一方法的通用性。

光照、温度、水分、土壤等自然条件变化是十分复杂，而LSA是针对特定用途对区域资源质量进行综合评定，在这些复杂因素的综合影响下LSA是一个复杂的科学问题，具有不断发展演化的动态特征，其研究属性亦呈现出跨学科、多元化特征，涉及较广泛的学科理论范畴。本文综合运用机器学习理论、生态学理论、空间统计及空间分析等理论、模型和技术手段在数据挖掘视角下对多作物土地适宜性进行初步探讨，可为区域农业用地适宜性评价及优化、明确种植土地利用优先级、建立科学合理耕地轮作休耕制度提供新的视角和思路。开展山区种植LSA涉及较多纷繁复杂的因素，未来需在评价指标体系的精细化、动态性等方面持续完善。例如，结合乡村振兴战略的现实要求，如何妥善考量社会经济要素对种植LSA的内在影响，值得深入研究。此外，遵义市作为典型的喀斯特生态环境脆弱区，除了喀斯特地区外还有其他地区，不同地区对特定作物土地适宜性评价因子选择上是否具有差别，需要进一步开展不同生态脆弱区下评价因子选择机制的研究，这也是构建科学合理LSA体系的关键环节之一。科学LSA评价体系对于优化国土空间格局，构建低碳排放的土地利用结构以及构建土地生态安全格局具有重要作用，这既是人与自然相互作用、相互影响这一地理学经典命题的应有之义，又是喀斯特生态环境脆弱区空间韧性研究等新领域的基础性科学问题。