La degradación de la tierra se ha convertido en uno de los principales problemas ambientales globales que amenazan el bienestar humano. La posibilidad de restaurar tierras degradadas tiene un profundo efecto en el logro de los Objetivos de Desarrollo Sostenible de la ONU para 2030. Por lo tanto, las formas de identificar el estado actual de la investigación y los temas de investigación potenciales en la masiva literatura científica sobre la degradación de la tierra son un tema crucial para las instituciones de investigación científica en varios países. A la vista de las deficiencias en la investigación actual sobre la evolución temática y la predicción temática, como la ignorancia de características aleatorias durante la innovación científica, los defectos de la clasificación manual y la dificultad para identificar términos técnicos, esta investigación propone un nuevo método combinado. Primero, se utiliza el algoritmo de Asignación de Dirichlet Latente (LDA) en el aprendizaje automático para capturar el potencial de agrupamiento de temas en el conjunto de muestras de literatura de investigación sobre la degradación de la tierra. Luego, se analizan las características de distribución y evolución de los temas en cada período. El método se combina con el Modelo Oculto de Markov (HMM), que contiene un proceso estocástico doble para predecir cuantitativamente la tendencia de la evolución temática futura. Finalmente, se utiliza el método combinado mencionado anteriormente para analizar las características de evolución y las tendencias de desarrollo futuro de los temas en el campo de la degradación de la tierra. Los experimentos comparativos muestran que el método de este estudio es efectivo y práctico. Los resultados de la investigación muestran que la degradación de pastizales, la temperatura superficial, las islas, la degradación del suelo, la calidad del agua, la productividad de los cultivos y la restauración son temas de investigación importantes en el campo de la degradación de la tierra en el futuro. Además, basándose en las ventajas de este modelo, este modelo puede ser ampliamente utilizado en el análisis de evolución y predicción temática de diferentes campos de investigación en la ciencia del uso de la tierra.