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
机器学习用于耕地土壤有机碳空间预测对比研究——以亚热带复杂地貌区为例
被引量:
7
1
作者
任必武
陈瀚阅
+3 位作者
张黎明
聂祥琴
邢世和
范协裕
《中国生态农业学报(中英文)》
CAS
CSCD
北大核心
2021年第6期1042-1050,共9页
耕地土壤有机碳(SOC)是土壤质量的重要指标,也是生态系统健康的重要表征。当前机器学习(Machine Learning,ML)用于SOC数字制图日益热门,但不同算法在高空间分辨率SOC数字制图中的对比研究尚有欠缺。本研究以福建省东北部复杂地形地貌区...
耕地土壤有机碳(SOC)是土壤质量的重要指标,也是生态系统健康的重要表征。当前机器学习(Machine Learning,ML)用于SOC数字制图日益热门,但不同算法在高空间分辨率SOC数字制图中的对比研究尚有欠缺。本研究以福建省东北部复杂地形地貌区为例,采用10 m空间分辨率Sentinel-2影像数据,选取地形、气候、遥感植被变量为驱动因子,重点分析当前常用的机器学习算法——支持向量机(Support Vector Machine,SVM)、随机森林(Random Forest,RF)在SOC预测中的差异,并与传统普通克里格模型(Ordinary Kriging,OK)进行比较。结果表明:基于地形、遥感植被因子和气候因子构建的RF模型表现最佳(RMSE=2.004,r=0.897),其精度优于OK模型(RMSE=4.571,r=0.623),而SVM模型预测精度相对最低(RMSE=5.190,r=0.431);3种模型预测SOC空间分布趋势总体相似,表现为西高东低、北高南低,其中RF模型呈现的空间分异信息更加精细;最优模型反演得到耕地土壤有机碳平均含量为15.33 g·kg^(−1);RF模型和SVM模型变量重要性程度表明:高程和降水是影响复杂地貌区SOC空间分布的重要变量,而遥感植被因子重要性程度低于高程。
展开更多
关键词
复杂地貌区
耕地土壤有机碳
机器学习算法
普通克里格
数字
土壤
制图
下载PDF
职称材料
题名
机器学习用于耕地土壤有机碳空间预测对比研究——以亚热带复杂地貌区为例
被引量:
7
1
作者
任必武
陈瀚阅
张黎明
聂祥琴
邢世和
范协裕
机构
福建农林大学资源与环境学院/福建省土壤生态系统健康与调控重点实验室
福建农林大学公共管理学院
出处
《中国生态农业学报(中英文)》
CAS
CSCD
北大核心
2021年第6期1042-1050,共9页
基金
国家自然科学基金项目(41971050)
福建省科技计划项目(2017N5006)
+2 种基金
农业农村部农技推广项目(KLD19H01A)
中央引导地方科技发展专项(2018L3013)
福建农林大学科技创新专项基金项目(KFA18106A)资助。
文摘
耕地土壤有机碳(SOC)是土壤质量的重要指标,也是生态系统健康的重要表征。当前机器学习(Machine Learning,ML)用于SOC数字制图日益热门,但不同算法在高空间分辨率SOC数字制图中的对比研究尚有欠缺。本研究以福建省东北部复杂地形地貌区为例,采用10 m空间分辨率Sentinel-2影像数据,选取地形、气候、遥感植被变量为驱动因子,重点分析当前常用的机器学习算法——支持向量机(Support Vector Machine,SVM)、随机森林(Random Forest,RF)在SOC预测中的差异,并与传统普通克里格模型(Ordinary Kriging,OK)进行比较。结果表明:基于地形、遥感植被因子和气候因子构建的RF模型表现最佳(RMSE=2.004,r=0.897),其精度优于OK模型(RMSE=4.571,r=0.623),而SVM模型预测精度相对最低(RMSE=5.190,r=0.431);3种模型预测SOC空间分布趋势总体相似,表现为西高东低、北高南低,其中RF模型呈现的空间分异信息更加精细;最优模型反演得到耕地土壤有机碳平均含量为15.33 g·kg^(−1);RF模型和SVM模型变量重要性程度表明:高程和降水是影响复杂地貌区SOC空间分布的重要变量,而遥感植被因子重要性程度低于高程。
关键词
复杂地貌区
耕地土壤有机碳
机器学习算法
普通克里格
数字
土壤
制图
Keywords
Complex landform
Soil organic carbon of cultivated land
Machine learning
Ordinary kriging
Digital soil mapping
分类号
S15 [农业科学—土壤学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
机器学习用于耕地土壤有机碳空间预测对比研究——以亚热带复杂地貌区为例
任必武
陈瀚阅
张黎明
聂祥琴
邢世和
范协裕
《中国生态农业学报(中英文)》
CAS
CSCD
北大核心
2021
7
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