本文通过对国内外土地适宜性评价研究方法进行综述与分析,发现当前土地适宜性评价方法存在以下问题：(1)传统的适宜性评价工作流程伴随有一定的主观随意性,在评价指标权重确定、定级分类标准选定等环节不同程度地引入人为因素的干扰,不容易进行定量研究。(2)人工智能方法虽能较好地解决权重主观性、结果不确定性与模糊性等问题,但其在计算过程中对问题采用隐藏模式的“黑箱”分析风格,使得研究者只能直接获取评价结果而难以探究其具体的评价过程与技术细节,从而在权重合理性、可解释性等方面易受到质疑；另外,人工智能算法较为复杂,实现困难,普及性不高,在实际应用中不易被采用。为了解决传统适宜性评价方法存在一定主观性以及人工智能算法复杂性、结果解释性差等缺陷,本文尝试将证据权法引入土地适宜性评价工作中,扩展土地适宜性评价方法体系。研究在结合土地适宜性评价和证据权方法原理的基础上,构建一套基于证据权的土地适宜性评价模型。将证据权模型中的证据图层转为土地适宜性评价指标体系；扩展传统证据权法的训练点内涵,采用多年期土地利用数据叠加的方式获取土地利用类型不变空间位置,构建证据权土地适宜性评价证据点提取方法：应用协克里金插值方法,对证据权土地适宜性评价模型中训练点的提取进行修正,验证证据点提取模型的合理性和可行性；使用ArcGIS平台下的Model Builder工具,将证据权评价模块与协克里金插值模块集成为一套评价工具,实现土地评价过程的便捷化,模型共享化。研究以济南市基本农田适宜性评价及建设用地扩展边界的划定为实例,验证了所提出的证据权土地适宜性评价模型,获得了以下结论：(1)证据权法作为一种基于数据驱动的多元离散统计方法,能够有效客观地进行土地适宜性评价,以后验概率的形式获得土地适宜性评价结果。ROC曲线检验发现获得的精度均高于90%,.同时与其他研究成果叠加取得了较高的精度,从而验证了模型的有效性和可行性。(2)证据权土地适宜性评价模型获得的权重值,是通过综合训练点以及相应指标体系之间相关关系获得,权重的计算是通过条件概率来决定相应证据的重要性,因此获得的权重客观且易于解释。(3)通过ROC曲线以及与检验点进行比对表明,采用协克里金插值修正和验证证据点,能够在一定程度上提高评价结果精度,同时通过将插值结果与提取训练点叠加验证了证据点提取模型的合理性以及作为训练点的可行性。