期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
样点规模与采样方法对表层土壤pH空间预测精度的影响
1
作者
孙越琦
孙笑梅
+3 位作者
巫振富
闫军营
赵彦锋
陈杰
《土壤学报》
CAS
CSCD
北大核心
2023年第6期1595-1609,共15页
土壤空间预测与数字化制图的精度受土壤样点规模、采样策略、预测模型选择、目标区域地貌与成土环境复杂程度、协变量数据质量等多种因素共同制约。选择河南省为研究区,基于9种土壤样点规模、5种采样方法,应用5种最具代表性的机器学习(M...
土壤空间预测与数字化制图的精度受土壤样点规模、采样策略、预测模型选择、目标区域地貌与成土环境复杂程度、协变量数据质量等多种因素共同制约。选择河南省为研究区,基于9种土壤样点规模、5种采样方法,应用5种最具代表性的机器学习(Machine learning,ML)算法对耕地表层土壤pH实施空间预测与数字化制图,用以对比分析不同样点规模与采样方法对ML模型的性能表现及土壤pH预测精度的影响。结果表明:(1)当研究区土壤样点规模从200个经由400个、800个、1200个、1600上升至2000个时,无论使用何种采样方法,所有ML模型的性能表现与预测精度均呈快速上升的总体趋势;当样点规模达到并超过2000个时,大多数ML性能表现及预测精度趋于稳定,表明2000个土壤样点可能是这些ML模型预测研究区耕地表层土壤pH的样点规模阈值。(2)5种ML模型性能表现及其土壤pH预测精度存在明显差距,基于树结构的随机森林(Randomforests,RF)和Cubist表现最好,无论使用哪种采样方法,这两种模型预测结果的决定系数(R2)均可稳定在0.75~0.80之间、RMSE保持在0.50以下。(3)当土壤样点规模足够大时,采样方法对ML模型性能和土壤pH预测精度的影响很小,五种采样方法的效果相差不大。当土壤样点规模小于2000个时,采样方法的影响逐渐凸显。比较而言,条件拉丁超立方采样在样点规模较小时具备优势。当样点规模为1000个时,条件拉丁超立方采样仍可使随机森林和Cubist预测的R2维持在0.80左右;在样点规模小至200个时,条件拉丁超立方采样方法下5种ML模型预测的R2均在0.55以上。(4)不确定性分析结果显示,平均73.9%的验证样点表层土壤pH观测值落入随机森林模型90%预测区间,表明该模型的可靠性被轻微高估,但处于可接受范畴。此外,数据显示模型预测的不确定性与样点规模无明显关联。
展开更多
关键词
土壤空间预测
数字土壤制图
机器学习
样点规模
采
样
方法
土壤PH
下载PDF
职称材料
题名
样点规模与采样方法对表层土壤pH空间预测精度的影响
1
作者
孙越琦
孙笑梅
巫振富
闫军营
赵彦锋
陈杰
机构
郑州大学农学院
河南省土壤肥料站
郑州大学政治与公共管理学院
出处
《土壤学报》
CAS
CSCD
北大核心
2023年第6期1595-1609,共15页
基金
国家重点研发计划项目(2021YFD1700900)资助。
文摘
土壤空间预测与数字化制图的精度受土壤样点规模、采样策略、预测模型选择、目标区域地貌与成土环境复杂程度、协变量数据质量等多种因素共同制约。选择河南省为研究区,基于9种土壤样点规模、5种采样方法,应用5种最具代表性的机器学习(Machine learning,ML)算法对耕地表层土壤pH实施空间预测与数字化制图,用以对比分析不同样点规模与采样方法对ML模型的性能表现及土壤pH预测精度的影响。结果表明:(1)当研究区土壤样点规模从200个经由400个、800个、1200个、1600上升至2000个时,无论使用何种采样方法,所有ML模型的性能表现与预测精度均呈快速上升的总体趋势;当样点规模达到并超过2000个时,大多数ML性能表现及预测精度趋于稳定,表明2000个土壤样点可能是这些ML模型预测研究区耕地表层土壤pH的样点规模阈值。(2)5种ML模型性能表现及其土壤pH预测精度存在明显差距,基于树结构的随机森林(Randomforests,RF)和Cubist表现最好,无论使用哪种采样方法,这两种模型预测结果的决定系数(R2)均可稳定在0.75~0.80之间、RMSE保持在0.50以下。(3)当土壤样点规模足够大时,采样方法对ML模型性能和土壤pH预测精度的影响很小,五种采样方法的效果相差不大。当土壤样点规模小于2000个时,采样方法的影响逐渐凸显。比较而言,条件拉丁超立方采样在样点规模较小时具备优势。当样点规模为1000个时,条件拉丁超立方采样仍可使随机森林和Cubist预测的R2维持在0.80左右;在样点规模小至200个时,条件拉丁超立方采样方法下5种ML模型预测的R2均在0.55以上。(4)不确定性分析结果显示,平均73.9%的验证样点表层土壤pH观测值落入随机森林模型90%预测区间,表明该模型的可靠性被轻微高估,但处于可接受范畴。此外,数据显示模型预测的不确定性与样点规模无明显关联。
关键词
土壤空间预测
数字土壤制图
机器学习
样点规模
采
样
方法
土壤PH
Keywords
Soil spatial prediction
Digital soil mapping
Machine learning
Sample size
Sampling method
Soil pH
分类号
S159.9 [农业科学—土壤学]
P934 [天文地球—自然地理学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
样点规模与采样方法对表层土壤pH空间预测精度的影响
孙越琦
孙笑梅
巫振富
闫军营
赵彦锋
陈杰
《土壤学报》
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部