耕地是农业生产的重要载体,对确保国家粮食安全,满足工业化和城市化对土地利用的需求及生态环境建设至关重要。近年来,耕地质量下降、破碎化、撂荒和生态退化等问题给国家粮食安全带来重大挑战,对此国家提出要落实耕地资源数量、质量和生态“三位一体”保护,第三次全国国土调查立足于该目标也对耕地资源质量分类方法体系从自然地理格局控制下的生态环境条件方面作出了具体要求。但当前的耕地质量评价指标体系多从土壤要素层面进行考量,关于区域要素对耕地自然质量影响的研究较少,因此,如何从不同空间维度上构建综合的评价指标体系,科学量化耕地自然质量,客观认识其空间分布规律,深度挖掘主要影响因素,探寻管理和保护耕地的新路径成为当前耕地研究的现实需求。山西省地形复杂,土地资源禀赋要素分异明显,水土流失严重,粮食生产条件脆弱,粮食安全意识普遍淡化。本研究以山西省为研究区,在明晰耕地自然质量内涵的基础上,基于农业区位、人地关系和土壤肥力等理论,首先按照“要素-区域”层级控制的思路,从土壤、立地、生态环境和气候四个空间维度构建评价指标体系,然后采用因素修正法量化耕地自然质量,以因素修正法评价结果为参考,依次运用BP神经网络——GA-BP神经网络对指标权重进行优化,通过对比评价结果精度选定最有效的评价方法;最后运用地理探测器模型揭示耕地自然质量空间分异主要影响因素,以期为政府差异化管理和保护耕地提供依据。本文的主要研究内容和结论如下:（1）遵循“要素-区域”统筹思路的评价指标体系构建。在界定耕地自然质量内涵的基础上,参考已有研究,结合山西省实际,从微观要素尺度到宏观区域尺度优化指标体系,选取了土壤条件、立地条件、生态环境条件和气候条件四个空间维度共15个测度指标构建适合省级尺度的评价体系。（2）耕地自然质量评价指标权重的优化。以采用主客观结合对指标赋权的因素修正法评定的耕地自然质量结果为参考,依次引入BP和GA-BP神经网络技术对评价指标权值进行优化并进行评价结果精度对比。结果表明:BP神经网络预测输出的绝对误差、相对误差和平均绝对百分比误差都较GA-BP神经网络大。BP、GA-BP神经网络与因素修正法各等级面积比例趋势基本一致,但预测的四等地面积BP神经网络＞GA-BP神经网络＞因素修正法,五等地面积BP神经网络＜GA-BP神经网络＜因素修正法,总体来看,BP和GA-BP神经网络学习能力都较强,但后者预测效果更好,探究其可能原因是BP神经网络陷入了局部最优,以致网络训练的权值并非最优解,因而引入遗传算法通过全局搜索对BP权值进行优化,评价精度有所提升。（3）运用因素修正法得到耕地自然质量分值,采用自然断点分级法将其划分为五个等级,并借助地理探测器模型对耕地自然质量空间分异主要影响因素进行分析。结果表明:山西省耕地自然质量较差,一、二等地仅占耕地面积的10%,四、五等地占耕地面积的75%,优等地少而中低等地分布广泛,呈现出南高北低,盆地高山地低的空间格局,整体分布与地形及积温分布趋同;耕地自然质量空间分布是多因素综合作用的结果,单因子影响分析方面,≥10℃积温、高程、有效土层厚度、年均降雨量和灌溉保证率对空间分异影响较大;从影响因子的交互作用可以发现,各因子交互作用的解释力都强于单因子解释力,主要表现为非线性增强和双因子增强。该研究可以为加强耕地保护提供依据。