| 基于随机森林模型的耕地表层土壤有机质含量空间预测——以河南省辉县市为例 |
| |
| 引用本文： | 韩杏杏,陈 杰,王海洋,巫振富,程道全.基于随机森林模型的耕地表层土壤有机质含量空间预测——以河南省辉县市为例[J].土壤,2019,51(1):152-159. |
| |
| 作者姓名： | 韩杏杏 陈 杰 王海洋 巫振富 程道全 |
| |
| 作者单位： | 郑州大学水利与环境学院,郑州大学水利与环境学院,郑州大学水利与环境学院,郑州大学公共管理学院,河南省土壤肥料站 |
| |
| 基金项目： | 国家自然科学基金项目(40971128)资助。 |
| |
| 摘 要： | 耕地表层土壤有机质含量与作物生长发育密切相关,掌握土壤有机质空间分布对土壤肥力定向培养和农业生产指导具有重要意义。本研究以河南省辉县市5 922个耕地资源管理单元图斑中心点为基础数据,并分别按8∶2、7∶3、6∶4的比例随机划分训练数据集和验证数据集,以土壤类型作为辅助定性变量,利用随机森林模型模拟预测土壤有机质含量与自然环境变量(坡向、曲率、坡度、高程、土壤质地、归一化植被指数NDVI)、社会经济因子(排水能力、灌溉状况)之间的复杂非线性关系。结果表明:①当训练集与检验集中样点数量的比例为8∶2时,对应的随机森林模型总体上预测精度较高;②选用80%基础数据作为训练集时,预测得到的地图与已有图件相比,相关性达到0.859;③当用303个实地数据验证时,预测值与实测值的皮尔逊相关系数为0.595。通过对影响因子的重要性排序,发现土壤质地是研究区农用地表层土壤有机质含量的最重要影响因子。因此,随机森林模型作为机器学习和数据挖掘的有效方法,能较好地模拟输入变量与有机质含量之间的关系,预测图件与实际情况相符,但对有机质含量精细的差异不能很好体现。
|
| 关 键 词： | 随机森林 土壤有机质 耕地预测制图 辉县市 |
| 收稿时间： | 2017/8/12 0:00:00 |
| 修稿时间： | 2017/10/19 0:00:00 |
Spatial Prediction of SOM Content in Topsoil Based on Random Forest Algorithm: A Case Study of Huixian City, Henan Province |
| |
| HAN Xingxing,CHEN Jie,WANG Haiyang,WU Zhenfu and CHENG Daoquan.Spatial Prediction of SOM Content in Topsoil Based on Random Forest Algorithm: A Case Study of Huixian City, Henan Province[J].Soils,2019,51(1):152-159. |
| |
| Authors: | HAN Xingxing CHEN Jie WANG Haiyang WU Zhenfu and CHENG Daoquan |
| |
| Institution: | School of Water Conservation and Environment, Zhengzhou University,School of Water Conservation and Environment, Zhengzhou University,School of Water Conservation and Environment, Zhengzhou University,School of Public Administration, Zhengzhou University and Soil and Fertilizer Station of Henan Province |
| |
| Abstract: | |
| |
| Keywords: | Random forest Soil organic matter Agricultural land predictive mapping Huixian City |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《土壤》浏览原始摘要信息 |
| 点击此处可从《土壤》下载免费的PDF全文 |
|
