基于机器学习的植烟区土壤有机质和全氮含量预测

S572.061; 为揭示植烟土壤有机质(SOM)和土壤全氮(STN)含量的空间分布规律,以重庆市巫山县笃坪乡为研究区,以成土母质和地形因子为预测因子,采用随机森林(RF)、梯度提升决策树(GBDT)和极端梯度提升(XGBoost)3种机器学习方法进行模型构建和评价,同时选择最优模型进行数字土壤制图并分析了环境变量的重要性.结果表明:①成土母质为二叠系梁山组灰岩发育的土壤SOM和STN含量显著高于成土母质为三叠系大冶组灰岩发育土壤.②GBDT模型的预测精度最佳,对于SOM和STN含量的预测,其决定系数(R2)分别为0.6167和0.7468,平均绝对误差(MAE)分别为4.81 g/kg和0....

Full description

Saved in:
Bibliographic Details
Published in烟草科技 Vol. 55; no. 8; pp. 20 - 27
Main Authors 张鑫, 杨超, 刘洪斌, 武伟
Format Journal Article
LanguageChinese
Published 西南大学资源环境学院,重庆市北碚区天生路2号 400715%重庆市烟草科学研究所,重庆市北碚区天生路2号 400715%西南大学计算机与信息科学学院,重庆市北碚区天生路2号 400715 01.08.2022
Subjects
有机质
环境因子
GBDT模型
植烟土壤
全氮
Online AccessGet full text
ISSN1002-0861
DOI10.16135/j.issn1002-0861.2021.0726

Cover

More Information
Summary:S572.061; 为揭示植烟土壤有机质(SOM)和土壤全氮(STN)含量的空间分布规律,以重庆市巫山县笃坪乡为研究区,以成土母质和地形因子为预测因子,采用随机森林(RF)、梯度提升决策树(GBDT)和极端梯度提升(XGBoost)3种机器学习方法进行模型构建和评价,同时选择最优模型进行数字土壤制图并分析了环境变量的重要性.结果表明:①成土母质为二叠系梁山组灰岩发育的土壤SOM和STN含量显著高于成土母质为三叠系大冶组灰岩发育土壤.②GBDT模型的预测精度最佳,对于SOM和STN含量的预测,其决定系数(R2)分别为0.6167和0.7468,平均绝对误差(MAE)分别为4.81 g/kg和0.25 g/kg,均方根误差(RMSE)分别为5.94 g/kg和0.34 g/kg.③主要环境因子对SOM含量影响的排序依次为母质>海拔>地形湿度指数>山谷深度,对STN含量影响排序依次为母质>坡高>海拔.
ISSN:1002-0861
DOI:10.16135/j.issn1002-0861.2021.0726