随着城镇人口增长和经济发展,城镇的空间扩展是一种必然的发展趋势。但是城镇化的加速带来的城镇用地的盲目扩展和对耕地资源大量占用己经成为国家及地方政府面临的共同问题。土地利用数据是国土资源管理的重要基础数据。土地管理业务系统中存在大量的有价值的土地数据,其中包括土地管理业务流程中“批供用补查”各个环节的数据,覆盖面广,信息量大。因此,通过挖掘土地数据来研究问题用地的快速发现技术对于土地资源的有效利用具有重大意义。本文以武汉市汉南区国土资源数据库为基础,对问题用地的发现技术进行了研究,针对不同的类型的问题用地提出了对应的解决方案。主要研究内容如下:(1)针对土地管理中问题用地类型划分不清的情况,本文进行了综合梳理,并根据问题用地快速发现技术研究的需要,将问题用地类型进行了划分,将问题用地类型划分成两个大类:基于规则的问题用地类型,可预测的问题用地类型。(2)针对能够用规则判断的问题用地类型,采用了基于规则判断的专家系统,并利用专家知识建立相应的问题用地判断规则库。设计开发了基于规则判断的专家系统软件,包括实现了规则录入,数据修改,问题用地查询等功能,实现了问题用地快速发现。(3)针对可以预测的问题用地类型,本文分别建立了基于随机森林算法、梯度提升决策树(GBDT)算法、支持向量机(SVM)算法的问题用地发现模型,分析了土地属性与问题用地之间的关系。并提出了一种基于SVM,GBDT,随机森林的多分类器融合算法,能够有效提高对问题用地的识别效果。(4)在数据挖掘算法的基础上,结合专家经验的方法与土地评价相关知识,优化了数据挖掘算法。并验证了该算法对于闲置用地的预测的有效性,证明了专家经验与数据挖掘相结合的方法对于传统的数据挖掘方法具有一定的提升作用,且对问题用地具有较好的识别效果。本文针对不同类型的问题用地给出了相应的解决方案,各方案均能达到预期目标,为国土管理中的问题用地发现提供了科学有效地帮助。