土地数据库的准确性,尤其是耕地质量数据库的准确性和规范性是进行耕地质量评价和土地退化评估的首要前提,耕地质量数据库的错误检查是保证这些耕地质量数据库准确性和规范性的关键环节。近年来耕地问题频生,土壤污染、水土流失、有机质含量下降、吃肥持肥能力下降等现象仍在大面积增长,长此以往必将严重影响人类的物质供给和生存发展。耕地质量评价作为耕地保护的基础和前提,其评价结果将直接影响国家和政府对耕地现状的判断和对耕地未来发展策略的决定,保障耕地质量评价和土地退化评估的科学性和有效性事关重大,所以耕地质量数据库的准确性和规范性也就显得尤为重要。但目前现有的耕地质量数据库的检错方法大都依赖于专家经验和知识积累,要么直接通过传统的人工方式检错,要么借助专家知识和经验从元数据、时空逻辑关系及地物特征等几个方面总结检测规则,据此开发专门的数据检查系统,以计算机自动/半自动的方式进行耕地数据库的质量检测,没有考虑从耕地质量数据库中数据项之间潜在的内在关系（关联关系）这一角度来进行错误检查。本文探索了一种利用数据库中存在的内在关系来进行耕地质量数据库错误检查的新思路。这个思路主要基于一个假设:数据库中的错误往往低频发生,并与数据库中的其他数据项一起以低频的关联关系的形式出现。因此,本文认为可以通过数据挖掘技术挖掘和分析数据库中数据项之间的关联关系来找到这些错误。基于这个思路,本文提出了一种新方法--基于低频关联的耕地质量数据库检错方法（简称LFDA,Low Frequency Data Associations）,并利用广州市2015年度耕地质量等别更新评价指标数据库对LFDA方法的检错性能进行了充分的剖析和验证。研究结果表明:（1）LFDA方法可有效找到耕地质量数据库中的绝大多数错误,这对保证耕地质量数据库的准确性和规范性具有重要贡献。（2）与耕地领域现有的传统手工检错方法相比,LFDA方法可在同等条件下将数据检错的工作量减少90余倍,甚至更多,大幅提高了耕地质量数据库的检错效率。（3）LFDA方法可以针对不同的数据库迅速挖掘关联关系,无需预设规则,是以能灵活的应对不同的耕地数据库和日新月异的错误类型,现有的耕地质量数据库错误检查方法还不能做到这一点。结论:利用数据项之间内在的低频的关联关系来检测耕地质量数据库的这一思路是可行的,这项研究不仅为耕地质量数据库开辟了一个新的检错方式,还能高效便捷地找到耕地数据库中的错误记录。所以无论从数据科学的理论角度还是从提高耕地数据库的质量的实际应用角度,本研究都具有重要意义,值得在地学领域被广泛应用。