为探究机器学习应用于土壤侵蚀领域的研究进展和发展趋势,基于CiteSpace等文献计量工具,借助Web of Science (WOS)核心合集数据库中收录的以机器学习应用于土壤侵蚀领域的相关文献,对该领域研究动态进行可视化展示与分类。结果表明:该...为探究机器学习应用于土壤侵蚀领域的研究进展和发展趋势,基于CiteSpace等文献计量工具,借助Web of Science (WOS)核心合集数据库中收录的以机器学习应用于土壤侵蚀领域的相关文献,对该领域研究动态进行可视化展示与分类。结果表明:该领域研究成果不断增长,尤其2014年后呈指数型增加;中国是该领域内发文量与被引量最多的国家,但中介中心性低于伊朗、美国;侵蚀敏感性分析是热点问题,大多数研究者目标是基于机器学习相较传统模型分析更快更精准的特点,开发高效侵蚀预测模型;深度学习和各类回归算法是广大研究者常用的方法。未来,研究者们应充分利用不同机器学习方法的特性,探索最新的深度学习预测性能,提高复杂环境条件下土壤侵蚀的预测预报精度,揭示主要影响因子的贡献及因子之间的相关作用机制。展开更多
文摘为探究机器学习应用于土壤侵蚀领域的研究进展和发展趋势,基于CiteSpace等文献计量工具,借助Web of Science (WOS)核心合集数据库中收录的以机器学习应用于土壤侵蚀领域的相关文献,对该领域研究动态进行可视化展示与分类。结果表明:该领域研究成果不断增长,尤其2014年后呈指数型增加;中国是该领域内发文量与被引量最多的国家,但中介中心性低于伊朗、美国;侵蚀敏感性分析是热点问题,大多数研究者目标是基于机器学习相较传统模型分析更快更精准的特点,开发高效侵蚀预测模型;深度学习和各类回归算法是广大研究者常用的方法。未来,研究者们应充分利用不同机器学习方法的特性,探索最新的深度学习预测性能,提高复杂环境条件下土壤侵蚀的预测预报精度,揭示主要影响因子的贡献及因子之间的相关作用机制。