土地整治是保护国家耕地资源和开发耕地后备资源的重要手段,而土地整治适宜性评价则是土地整治前必不可少的工作,对土地整治规划和实施,优化土地利用结构、促进土地资源合理利用等方面具有重要意义。已有研究在土地整治适宜性评价过程中仍存在:关键指标选取的有效性问题、评价模型具有主观性、不确定性问题及评价结果的准确性不便评估的问题,这些问题都会对评价结果的准确性及合理性产生影响。为了解决上述问题,本研究以延安市宝塔区沟道土地整治适宜性评价为实例,通过高分遥感解译并采集已整治/未整治土地样本,采用信息增益率法选取适宜性评价的关键指标,建立一种新的基于统计指数-随机森林(SI-RF)集成模型的土地整治适宜性评价模型,并对模型进行训练和准确度检验,计算研究区的土地整治适宜性,最后进行适宜性分区和分析。主要研究结论如下:(1)信息增益率方法(IGR)可以有效筛选影响土地整治适宜性的关键评价指标,从而提高评价结果的合理性及可靠性。在以延安市沟道土地整治适宜性评价为例的实证研究中,通过采集已整治流域和未整治流域样本,采用信息增益率法从22个评价指标中选取了关键的18个评价指标。信息增益率法通过对土地整治样本数据进行挖掘,定量测算各评价指标对于适宜性的预测能力,剔除冗余和不相关的指标,从而有效识别土地整治适宜性评价关键指标,有助于提高适宜性评价工作效率及评价结果的可靠性。(2)本研究提出的基于统计指数-随机森林(SI-RF)集成模型的土地整治适宜性评价模型准确度较高。在基于SI-RF模型的土地整治适宜性评价实例研究中,十折交叉准确度检验结果表明:ROC曲线下面积AUC达到了0.856,总体准确度(Accuracy)达到了80%。因此,该模型达到了土地整治适宜性评价的精度要求,具有较好的实用价值,为土地整治适宜性评价提供了一种新方法。(3)最后应用上述模型进行延安市宝塔区土地整治适宜性评价及分区,根据土地整治适宜性的大小将研究区划分为:最不适宜、较不适宜、较适宜和最适宜四个分区,分析了各分区的空间分布及数量特征,为宝塔区土地整治规划与实施提供借鉴。