基于特征集成学习的四川省土壤厚度预测

摘要：

以四川省土壤厚度预测为例,为农业生产与生态环境评价中土壤厚度空间分布图的编制提供方法支持.对比分析了随机森林、分位数回归森林、支持向量机、集成学习模型对连续型土壤厚度的预测精度,并提出了一种基于特征集成学习的土壤厚度类型预测算法.研究结果表明:①四川省土壤厚度具有较高的空间异质性,控制其空间变化的主要地形因子包括谷底平坦综合指数、高程与地形湿度指数;②四川省土壤厚度预测模型的决定系数为0.32～0.47,均方根误差为0.28～0.41 m;③面向连续型土壤厚度预测的集成模型具有较高的预测精度与稳健性,能够充分集成子模型的优势.特征集成学习能够有效集成并融合了连续型土壤厚度预测与离散型土壤厚度类型预测结果,通过减少方差来提高预测结果的稳健性.

关键词：数字土壤制图、机器学习、集成学习、四川省

所属期刊栏目：55

分类号：S158.3(土壤学)

资助基金：中国烟草总公司四川省公司科技项目;中国烟草总公司重点研发项目;南京工业职业技术大学引进人才科研启动基金项目

在线出版日期：2023-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：894-902