集成土壤-环境关系与机器学习的干旱区土壤属性数字制图
发布时间：2021-07-04 07:41
【目的】土壤属性的空间分布是影响农业生产力、土地管理和生态安全的重要因素。通过土壤环境耦合关系,在机器学习算法框架下,定量预测出干旱区土壤酸碱度（pH）、土壤盐分含量（Soil Salt Content,SSC）与土壤有机质（Soil Organic Matter, SOM）3种土壤属性的空间分布,为干旱区农业生产和生态安全提供科学依据。【方法】在渭干河—库车河绿洲干旱区于2017年7月设计采集典型表层（0—20 cm）土壤样品82个,依据土壤-环境之间的关系,集成DEM数据和Landsat 8数据提取出32种环境协变量,利用栅格重采样将提取出的32种变量重采样为90 m空间分辨率并转换为Grid格式参与建模。借助梯度提升决策树（Gradient Boosting Decision Tree,GBDT）模型依次对3类土壤属性的32种环境协变量进行重要性排序,并通过均方根误差（Root Mean SquareError,RMSE）界定出协变量重要性阈值点,从而筛选出参与3类土壤属性制图的环境协变量。进而运用随机森林（Random Forest, RF）、Bagging和Cubist 3种...
【文章来源】：中国农业科学. 2020,53(03)北大核心CSCD
【文章页数】：11 页
【部分图文】：
研究区概况和采样点分布图
通过R-3.5.3中sample函数随机划分出70%(n=57）的建模集和30%(n=25）的验证集并用set.seed函数固定选中的数据集。渭-库绿洲3种土壤属性描述性统计分析结果如图2所示。土壤酸碱度（p H）全集其均值为8.0423，变异系数为0.0404，属于弱变异，其建模集与验证集变异系数在全集0.1%左右浮动。土壤有机质含量（SOM）范围在1.2863—29.9705 g·kg-1，变异系数全集为0.4802，属于中等变异。建模集和验证集变异系数在全集2%上下波动。土壤盐分含量（SSC）变异系数为3种土壤属性中最高。其中全集变异系数达到1.2646，属于强变异。建模集和验证集分别为1.2894和1.2075。干旱区盐分变异系数相对较高表明表层土受盐分影响较大[22]。3种土壤属性全集、建模集、验证集在统计特征中保持相似的统计形态，表明样本划分合理。2.2 环境协变量遴选
为与传统线性模型作对比，本文引入多元线性回归模型（MLR）。根据验证标准，3种模型均比MLR预测精度高。总体而言，RF在3种土壤属性预测中效果拔群（表3）。在土壤p H预测中，验证集效果RF亦为最佳（R2=0.6779,RMSE=0.2182，ρc=0.6084）。pH预测制图效果总体上来看依次是RF>Bagging>Cubist>MLR。在SSC预测中，无论是建模集还是验证集RF均最为突出（建模集R2=0.9067,RMSE=2.6680，ρc=0.9219；验证集R2=0.7945,RMSE=3.1803，ρc=0.8377),Cubist次之（R2=0.8820,RMSE=2.9190，ρc=0.9237），但是在验证集中Cubist的RMSE达到7.5771，一致性ρc降至0.6194。这很有可能是因为信息量过大，信息的复杂性可能会导致局部最优，继而主导优化过程，从而产生局部最优的情况[19]。MLR效果在SSC预测中最差。而在SOM预测中，验证集RF(R2=0.7472,RMSE=3.5456，ρc=0.7009）效果较好。图5为土地利用图，图6、7、8分别为pH、SSC和SOM 3种土壤属性最佳制图。图4 数字土壤制图环境协变量阈值划分
【参考文献】：
期刊论文
[1]基于RF和SGT算法的子区优先建模对绿洲尺度土壤盐度预测精度的影响[J]. 王飞,杨胜天,魏阳,杨晓东,丁建丽. 中国农业科学. 2018(24)
[2]环境敏感变量优选及机器学习算法预测绿洲土壤盐分[J]. 王飞,杨胜天,丁建丽,魏阳,葛翔宇,梁静. 农业工程学报. 2018(22)
[3]基于竞争适应重加权采样算法耦合机器学习的土壤含水量估算[J]. 葛翔宇,丁建丽,王敬哲,王飞,蔡亮红,孙慧兰. 光学学报. 2018(10)
[4]宁夏砂田小尺度土壤性质空间变异特征与肥力评价[J]. 王幼奇,白一茹,赵云鹏. 中国农业科学. 2016(23)
[5]Digital Soil Mapping Using Artificial Neural Networks and Terrain-Related Attributes[J]. Mohsen BAGHERI BODAGHABADI,José Antonio MARTINEZ-CASASNOVAS,Mohammad Hasan SALEHI,Jahangard MOHAMMADI,Isa ESFANDIARPOOR BORUJENI,Norair TOOMANIAN,Amir GANDOMKAR. Pedosphere. 2015(04)
[6]基于改进植被指数的黄河口区盐渍土盐分遥感反演[J]. 陈红艳,赵庚星,陈敬春,王瑞燕,高明秀. 农业工程学报. 2015(05)
[7]盐渍化土壤光谱特征的区域异质性及盐分反演[J]. 彭杰,刘焕军,史舟,向红英,迟春明. 农业工程学报. 2014(17)
[8]Relationships between Soil Depth and Terrain Attributes in a Semi Arid Hilly Region in Western Iran[J]. Abdolmohammad MEHNATKESH,Shamsollah AYOUBI,Ahmad JALALIAN,Kanwar L.SAHRAWAT. Journal of Mountain Science. 2013(01)
[9]基于土壤-环境关系的更新传统土壤图研究[J]. 杨琳,Fahmy Sherif,Hann Sheldon,朱阿兴,秦承志,徐志刚. 土壤学报. 2010(06)
硕士论文
[1]渭—库绿洲不同土地利用方式下土壤理化性质分析[D]. 古丽波斯坦·巴图.新疆大学 2018
[2]灌区尺度土壤特性空间变异性研究[D]. 谷海斌.新疆农业大学 2011
本文编号：3264352
【文章来源】：中国农业科学. 2020,53(03)北大核心CSCD
【文章页数】：11 页
【部分图文】：
研究区概况和采样点分布图
通过R-3.5.3中sample函数随机划分出70%(n=57）的建模集和30%(n=25）的验证集并用set.seed函数固定选中的数据集。渭-库绿洲3种土壤属性描述性统计分析结果如图2所示。土壤酸碱度（p H）全集其均值为8.0423，变异系数为0.0404，属于弱变异，其建模集与验证集变异系数在全集0.1%左右浮动。土壤有机质含量（SOM）范围在1.2863—29.9705 g·kg-1，变异系数全集为0.4802，属于中等变异。建模集和验证集变异系数在全集2%上下波动。土壤盐分含量（SSC）变异系数为3种土壤属性中最高。其中全集变异系数达到1.2646，属于强变异。建模集和验证集分别为1.2894和1.2075。干旱区盐分变异系数相对较高表明表层土受盐分影响较大[22]。3种土壤属性全集、建模集、验证集在统计特征中保持相似的统计形态，表明样本划分合理。2.2 环境协变量遴选
为与传统线性模型作对比，本文引入多元线性回归模型（MLR）。根据验证标准，3种模型均比MLR预测精度高。总体而言，RF在3种土壤属性预测中效果拔群（表3）。在土壤p H预测中，验证集效果RF亦为最佳（R2=0.6779,RMSE=0.2182，ρc=0.6084）。pH预测制图效果总体上来看依次是RF>Bagging>Cubist>MLR。在SSC预测中，无论是建模集还是验证集RF均最为突出（建模集R2=0.9067,RMSE=2.6680，ρc=0.9219；验证集R2=0.7945,RMSE=3.1803，ρc=0.8377),Cubist次之（R2=0.8820,RMSE=2.9190，ρc=0.9237），但是在验证集中Cubist的RMSE达到7.5771，一致性ρc降至0.6194。这很有可能是因为信息量过大，信息的复杂性可能会导致局部最优，继而主导优化过程，从而产生局部最优的情况[19]。MLR效果在SSC预测中最差。而在SOM预测中，验证集RF(R2=0.7472,RMSE=3.5456，ρc=0.7009）效果较好。图5为土地利用图，图6、7、8分别为pH、SSC和SOM 3种土壤属性最佳制图。图4 数字土壤制图环境协变量阈值划分
【参考文献】：
期刊论文
[1]基于RF和SGT算法的子区优先建模对绿洲尺度土壤盐度预测精度的影响[J]. 王飞,杨胜天,魏阳,杨晓东,丁建丽. 中国农业科学. 2018(24)
[2]环境敏感变量优选及机器学习算法预测绿洲土壤盐分[J]. 王飞,杨胜天,丁建丽,魏阳,葛翔宇,梁静. 农业工程学报. 2018(22)
[3]基于竞争适应重加权采样算法耦合机器学习的土壤含水量估算[J]. 葛翔宇,丁建丽,王敬哲,王飞,蔡亮红,孙慧兰. 光学学报. 2018(10)
[4]宁夏砂田小尺度土壤性质空间变异特征与肥力评价[J]. 王幼奇,白一茹,赵云鹏. 中国农业科学. 2016(23)
[5]Digital Soil Mapping Using Artificial Neural Networks and Terrain-Related Attributes[J]. Mohsen BAGHERI BODAGHABADI,José Antonio MARTINEZ-CASASNOVAS,Mohammad Hasan SALEHI,Jahangard MOHAMMADI,Isa ESFANDIARPOOR BORUJENI,Norair TOOMANIAN,Amir GANDOMKAR. Pedosphere. 2015(04)
[6]基于改进植被指数的黄河口区盐渍土盐分遥感反演[J]. 陈红艳,赵庚星,陈敬春,王瑞燕,高明秀. 农业工程学报. 2015(05)
[7]盐渍化土壤光谱特征的区域异质性及盐分反演[J]. 彭杰,刘焕军,史舟,向红英,迟春明. 农业工程学报. 2014(17)
[8]Relationships between Soil Depth and Terrain Attributes in a Semi Arid Hilly Region in Western Iran[J]. Abdolmohammad MEHNATKESH,Shamsollah AYOUBI,Ahmad JALALIAN,Kanwar L.SAHRAWAT. Journal of Mountain Science. 2013(01)
[9]基于土壤-环境关系的更新传统土壤图研究[J]. 杨琳,Fahmy Sherif,Hann Sheldon,朱阿兴,秦承志,徐志刚. 土壤学报. 2010(06)
硕士论文
[1]渭—库绿洲不同土地利用方式下土壤理化性质分析[D]. 古丽波斯坦·巴图.新疆大学 2018
[2]灌区尺度土壤特性空间变异性研究[D]. 谷海斌.新疆农业大学 2011
本文编号：3264352
本文链接：https://www.wllwen.com/kejilunwen/nykj/3264352.html
