-
题名平原-丘陵区域数字土壤制图方法比较
- 1
-
-
作者
孟可
黄魏
傅佩红
李文岳
冯玲
-
机构
华中农业大学资源与环境学院
-
出处
《土壤学报》
北大核心
2025年第4期958-969,共12页
-
基金
国家自然科学基金项目(41877001,42171056)资助。
-
文摘
构建适宜性土壤-景观关系模型是提高数字土壤制图精度的关键。由于平原-丘陵区域的多尺度复杂地形,如何充分考虑土壤-景观关系模型建立的主要环节来准确预测其土壤类型空间分布需要进一步探讨。本研究以湖北省麻城市乘马岗镇北部为研究区,将其划分为平原和丘陵2个地形单元,以28个环境变量为辅助因子,评估决策树(Decision Tree,DT)、随机森林(Random Forest,RF)、梯度提升树(Gradient Boosting Decision Tree,GBDT)和极端梯度提升(Extreme Gradient Boosting,XGBoost)在各地形下进行推理制图的精度,基于因子重要性排序筛选变量,通过对比整体与按地形分区制图的精度,探索提高平原-丘陵区域土壤类型制图精度的途径。结果表明:不同地形条件下,最优推理制图方法不同。RF在整体和平原区域制图效果较好,XGBoost在丘陵区域制图效果较好。通过变量筛选能够有效提升推理制图总体精度和Kappa系数,整体区域提升效果最好(分别提升了4.96%和0.06),平原区域提升效果最差(分别提升了1.43%和0.02)。相比较于整体制图,按地形分区制图精度较好,总体精度和Kappa系数分别为73.05%和0.69。在平原-丘陵混合区域,综合考虑制图方法优选、环境变量筛选以及制图方式能有效提升土壤类型推理制图精度,为复杂地形区域土壤类型推理制图提供了实践案例和技术支持。
-
关键词
土壤类型
土壤-景观关系模型
机器学习算法
环境变量
地形
-
Keywords
Soil type
Soil-landscape relationship model
Machine learning algorithm
Environment variables
Terrain
-
分类号
S159
[农业科学—土壤学]
-
