| 基于随机森林模型的安徽省土壤属性空间分布预测 |
| |
| 引用本文： | 卢宏亮,赵明松,刘斌寅,张 平,陆龙妹.基于随机森林模型的安徽省土壤属性空间分布预测[J].土壤,2019,51(3):602-608. |
| |
| 作者姓名： | 卢宏亮 赵明松 刘斌寅 张 平 陆龙妹 |
| |
| 作者单位： | 安徽理工大学测绘学院,安徽理工大学测绘学院,安徽理工大学测绘学院,安徽理工大学测绘学院,安徽理工大学测绘学院 |
| |
| 基金项目： | 国家自然科学基金项目(41501226)、安徽省高校自然科学研究项目(KJ2015A034)和土壤与农业可持续发展国家重点实验室开发基金项目(Y412201431)资助。 |
| |
| 摘 要： | 为探讨随机森林(random forest,RF)模型对土壤属性空间预测的精度,本文以安徽省为例,收集140个土壤样本,利用GIS和RS技术,获取相关的地形因子、遥感植被指数及气候数据,利用RF模型分析土壤有机碳(SOC)含量、土壤容重和土壤黏粒含量与地形因子、遥感植被指数及气候数据之间的关系,并进行空间分布预测。研究结果表明:①RF建模预测中,当节点分裂次数(mtry)值为1,决策树数量(ntree)值分别为100、1 000和100时,获得的SOC含量、土壤容重和土壤黏粒含量RF模型最优;②高程、归一化植被指数(NDVI)、地貌、多尺度山谷平坦指数(MrVBF)和土壤类型是SOC含量的重要预测因子;地貌、年均降水量(MAP)、MrVBF、高程和土壤类型是土壤容重的重要预测因子;高程、MAP、MrVBF和平面曲率是土壤黏粒含量的重要预测因子;③RF模型可以较好地进行土壤属性空间预测,多源环境变量组合可以分别解释SOC含量、土壤容重和土壤黏粒含量的26%、23%和22%;同时RF模型对于土壤类型和地貌等类型变量的处理具有一定优势。研究表明,在大尺度研究区域内,利用RF模型进行土壤属性空间预测有一定的意义。
|
| 关 键 词： | 土壤属性预测 随机森林模型 环境变量 安徽省 |
| 收稿时间： | 2018/7/30 0:00:00 |
| 修稿时间： | 2018/8/29 0:00:00 |
Spatial Prediction of Soil Properties Based on Random Forest Model in Anhui Province |
| |
| LU Hongliang,ZHAO Mingsong,LIU Binyin,ZHANG Ping and LU Longmei.Spatial Prediction of Soil Properties Based on Random Forest Model in Anhui Province[J].Soils,2019,51(3):602-608. |
| |
| Authors: | LU Hongliang ZHAO Mingsong LIU Binyin ZHANG Ping and LU Longmei |
| |
| Institution: | School of Geodesy and Geomatics, Anhui University of Science and Technology,School of Geodesy and Geomatics, Anhui University of Science and Technology,School of Geodesy and Geomatics, Anhui University of Science and Technology,School of Geodesy and Geomatics, Anhui University of Science and Technology and School of Geodesy and Geomatics, Anhui University of Science and Technology |
| |
| Abstract: | |
| |
| Keywords: | Soil properties prediction Random Forest model Environmental variables Anhui Province |
| 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 |
|
