耕地及耕地质量对于中国粮食安全、经济良性发展及社会和谐稳定至关重要。科学的耕地质量评价有利于准确把握耕地质量现状及空间布局特征,对指导有限耕地资源合理利用和保护以及实现耕地数量-质量综合平衡与管理具有重要意义。构建合理的评价指标体系、探寻有效的评价方法已成为当前耕地质量评价研究的重要内容。文章旨在探寻一种智能化耕地质量评价方法,避免设定指标权重,同时提高评价效率。以珠三角耕地为研究对象,从自然质量、经济质量、利用质量、生态质量4个方面构建适用于该区域的耕地质量综合评价指标体系,在BP(Back Propagation)神经网络模型的基础上引入遗传算法,设计基于GA-BP(Genetic Algorithm-Back Propagation)神经网络的评价方法,选择珠三角具有代表性的4 000个样本,其中3 000个作为训练样本,500个作为测试样本,500个作为检验样本,利用建立的GA-BP神经网络模型进行训练,通过仿真输出耕地质量评价结果,分析珠三角区域耕地质量等级分布。通过试验得出GA-BP神经网络模型的训练次数明显小于BP神经网络,且均方误差的最大与最小差值也比BP网络模型的差值小0.105 1,与实际耕地质量等级更接近,用于耕地质量评价更稳定,适应度更好。耕地质量评价的结果表明:珠三角区域耕地质量总体较好,其中2、3等地所占比重最大,占耕地总面积的52.94%,耕地质量等别基本符合正态分布的态势,呈现出明显的地域分布规律,整体表现为中部高,四周低的特点;各区域耕地质量的分布等级差别也较大。该文丰富和完善了大尺度区域耕地质量评价指标体系及方法研究,为实现珠三角耕地资源的合理持续利用提供依据,也为其他类似研究提供一定的借鉴与参考。