|
| 基于多源数据与多模型集成的多种土壤属性制图方法对比 |
| Comparison of Various Soil Property Mapping Methods Based on Multi-Source Data and Multi-Model Integration |
| 投稿时间：2025-08-17 修订日期：2025-12-31 |
| DOI： |
| 中文关键词: 土壤属性制图 多源数据 机器学习 多模型集成 澄迈县 |
| 英文关键词: soil property mapping multi-source data machine learning multi-model ensemble Chengmai County |
| 基金项目:国家重点研发计划课题（2023YFD1900101）；四川省重点研发计划项目（24ZDYF1583） |
|
| 摘要点击次数: 996 |
| 全文下载次数: 0 |
| 中文摘要: |
| 探究不同模型在土壤属性空间制图中的性能差异。本研究以海南岛澄迈县为例，结合地形、气候、遥感等环境协变量，基于297个表层土壤样本，运用随机森林（RF）、地理加权回归随机森林（GWRF）、回归克里格随机森林（RK-RF）、极端梯度提升（XGB）、地理加权极端梯度提升（GWR-XGB）、回归克里格极端梯度提升（RK-XGB）共6种数字土壤制图模型，对研究区土壤有机质（SOM）、酸碱度（pH）、阳离子交换量（CEC）、全氮（TN）、全磷（TP）、全钾（TK）等6种土壤属性进行空间制图，并根据模型精度评价结果选择最优模型进行空间制图。结果表明，pH、CEC、TN最佳制图效果为GWRF模型，R2较单一模型分别提高了0.01、0.05、0.07；SOM、TP、TK最佳制图效果分别为RK-RF模型、GWR-XGB模型和RK-XGB模型，R2较单一模型分别提高了0.10、0.02、0.02。模型集成结合了空间分析和机器学习的优点，可以更好地反映土壤属性空间变异特征，可适用于对空间预测精度有较高要求的场景，而当资源有限时，单一模型则更具成本效益。SOM、CEC、TN、TP等的高值区集中在澄迈县北部，低值区集中在南部，pH值由北向南逐渐降低，TK高值区集中在南部丘陵和南渡江流域。 |
| 英文摘要: |
| 本研究以海南省澄迈县为研究区，融合地形、气候、土壤等多源数据，对单一模型和集成模型的预测精度进行对比研究，并开展土壤属性制图研究。具体研究目标包括：（1）比较单一模型与集成模型在土壤属性制图中的适用性与精度差异；（2）对SOM、CEC、pH、TN、TP、TK等6种土壤属性进行空间制图与空间异质性特征分析。 |
| HTML
View Fulltext
查看/发表评论 下载PDF阅读器 |
| 关闭 |
