基于隨機(jī)森林算法的耕地質(zhì)量定級指標(biāo)體系研究
發(fā)布時間:2021-01-10 05:46
【目的】分析研究區(qū)域內(nèi)的耕地質(zhì)量差異,優(yōu)化耕地利用與布局,為耕地保護(hù)提供參考依據(jù)!痉椒ā恳郧嗪J」埠涂h、都蘭縣和烏蘭縣的耕地為研究對象,根據(jù)歷史及現(xiàn)有文獻(xiàn)收集耕地質(zhì)量的影響因素,采用隨機(jī)森林算法和相關(guān)性分析篩選定級指標(biāo)并確認(rèn)權(quán)重,通過加權(quán)求和法計算定級指數(shù)并劃分級別,得到定級結(jié)果。與常用的特爾菲法定級成果進(jìn)行比較分析。【結(jié)果】隨機(jī)森林算法得到的變量重要性(I)范圍在0.03~11.94,相關(guān)性分析結(jié)果顯示,大部分影響因素間相關(guān)性不顯著,有8個為顯著相關(guān),綜合I值和相關(guān)性分析結(jié)果將30個影響因素收斂為4個緯度下的14個定級指標(biāo),其中影響研究區(qū)域耕地質(zhì)量的主要因素為生態(tài)系統(tǒng)脆弱性、生長季平均降水和年總太陽輻射量,權(quán)重分別為0.11、0.10和0.09,隨機(jī)森林算法評價結(jié)果與實(shí)際情況相符!窘Y(jié)論】與常用的特爾菲法比較,隨機(jī)森林算法穩(wěn)定性更好,級別指數(shù)變幅區(qū)間更小,更有利于構(gòu)建省級空間尺度的耕地級別可比序列。
【文章來源】:華南農(nóng)業(yè)大學(xué)學(xué)報. 2020,41(04)北大核心
【文章頁數(shù)】:11 頁
【部分圖文】:
研究區(qū)域2種方法的定級結(jié)果及空間分布圖
從對樣帶的定級結(jié)果(圖4)可知,隨機(jī)森林算法和特爾菲法的定級結(jié)果空間變化趨勢基本一致的趨同性強(qiáng),對同一地塊的級別高低判斷基本一致,都能夠較好地體現(xiàn)出耕地級別的空間變異性。另外,隨機(jī)森林算法更加穩(wěn)定,級別變化程度小,更有利于構(gòu)建省級空間尺度的耕地級別可比序列。圖4 隨機(jī)森林算法和特爾菲法對2條樣帶定級結(jié)果的對比
圖3 研究區(qū)域2條樣帶位置圖在西北-東南樣帶第220 km處,隨機(jī)森林算法的定級結(jié)果與特爾菲法比較相似。該位置地形平整,土壤質(zhì)地為壤土,有效土層厚度大于1 m,土壤有機(jī)質(zhì)含量較高,但生長季降水及溫度條件較差,距離共和縣城區(qū)較遠(yuǎn),區(qū)位條件較差。表明盡管隨機(jī)森林算法比特爾菲法的定級指標(biāo)數(shù)量較少,但定級結(jié)果由于權(quán)重的大小調(diào)整,未影響定級結(jié)果的準(zhǔn)確性,隨機(jī)森林算法能夠有效地表現(xiàn)研究區(qū)域耕地級別的空間變異性。
【參考文獻(xiàn)】:
期刊論文
[1]對耕地質(zhì)量內(nèi)涵的再認(rèn)識[J]. 溫良友,孔祥斌,辛蕓娜,孫曉兵. 中國農(nóng)業(yè)大學(xué)學(xué)報. 2019(03)
[2]基于隨機(jī)森林模型的土壤重金屬源解析——以晉中盆地為例[J]. 劉斌,郭星,朱宇恩. 干旱區(qū)資源與環(huán)境. 2019(01)
[3]青海省近10年草地植被覆蓋動態(tài)變化及其驅(qū)動因素分析[J]. 馬昊翔,陳長成,宋英強(qiáng),曄沙,胡月明. 水土保持研究. 2018(06)
[4]基于多層級指標(biāo)的省域耕地質(zhì)量評價體系構(gòu)建[J]. 馬瑞明,馬仁會,韓冬梅,鄖文聚. 農(nóng)業(yè)工程學(xué)報. 2018(16)
[5]耕地質(zhì)量定級方法改進(jìn)研究:以農(nóng)安縣為例[J]. 劉歡,吳克寧,宋文,宋恒飛,劉浩然. 北京師范大學(xué)學(xué)報(自然科學(xué)版). 2018(03)
[6]青海省太陽輻射強(qiáng)度時空變化特征分析[J]. 保廣裕,張靜,周丹,馬守存,劉瑋. 冰川凍土. 2017(03)
[7]耕地數(shù)量、質(zhì)量、生態(tài)三位一體綜合監(jiān)管體系研究[J]. 張超,喬敏,鄖文聚,劉佳佳,朱德海,楊建宇. 農(nóng)業(yè)機(jī)械學(xué)報. 2017(01)
[8]耕地質(zhì)量觀的演變與再認(rèn)識[J]. 杜國明,劉彥隨,于鳳榮,劉美,鄭惠玉. 農(nóng)業(yè)工程學(xué)報. 2016(14)
[9]基于隨機(jī)森林算法的農(nóng)耕區(qū)土地利用分類研究[J]. 馬玥,姜琦剛,孟治國,李遠(yuǎn)華,王棟,劉驊欣. 農(nóng)業(yè)機(jī)械學(xué)報. 2016(01)
[10]中國谷物產(chǎn)出的"面積-質(zhì)量"導(dǎo)向因素分析[J]. 馮超. 干旱區(qū)資源與環(huán)境. 2015(08)
本文編號:2968175
【文章來源】:華南農(nóng)業(yè)大學(xué)學(xué)報. 2020,41(04)北大核心
【文章頁數(shù)】:11 頁
【部分圖文】:
研究區(qū)域2種方法的定級結(jié)果及空間分布圖
從對樣帶的定級結(jié)果(圖4)可知,隨機(jī)森林算法和特爾菲法的定級結(jié)果空間變化趨勢基本一致的趨同性強(qiáng),對同一地塊的級別高低判斷基本一致,都能夠較好地體現(xiàn)出耕地級別的空間變異性。另外,隨機(jī)森林算法更加穩(wěn)定,級別變化程度小,更有利于構(gòu)建省級空間尺度的耕地級別可比序列。圖4 隨機(jī)森林算法和特爾菲法對2條樣帶定級結(jié)果的對比
圖3 研究區(qū)域2條樣帶位置圖在西北-東南樣帶第220 km處,隨機(jī)森林算法的定級結(jié)果與特爾菲法比較相似。該位置地形平整,土壤質(zhì)地為壤土,有效土層厚度大于1 m,土壤有機(jī)質(zhì)含量較高,但生長季降水及溫度條件較差,距離共和縣城區(qū)較遠(yuǎn),區(qū)位條件較差。表明盡管隨機(jī)森林算法比特爾菲法的定級指標(biāo)數(shù)量較少,但定級結(jié)果由于權(quán)重的大小調(diào)整,未影響定級結(jié)果的準(zhǔn)確性,隨機(jī)森林算法能夠有效地表現(xiàn)研究區(qū)域耕地級別的空間變異性。
【參考文獻(xiàn)】:
期刊論文
[1]對耕地質(zhì)量內(nèi)涵的再認(rèn)識[J]. 溫良友,孔祥斌,辛蕓娜,孫曉兵. 中國農(nóng)業(yè)大學(xué)學(xué)報. 2019(03)
[2]基于隨機(jī)森林模型的土壤重金屬源解析——以晉中盆地為例[J]. 劉斌,郭星,朱宇恩. 干旱區(qū)資源與環(huán)境. 2019(01)
[3]青海省近10年草地植被覆蓋動態(tài)變化及其驅(qū)動因素分析[J]. 馬昊翔,陳長成,宋英強(qiáng),曄沙,胡月明. 水土保持研究. 2018(06)
[4]基于多層級指標(biāo)的省域耕地質(zhì)量評價體系構(gòu)建[J]. 馬瑞明,馬仁會,韓冬梅,鄖文聚. 農(nóng)業(yè)工程學(xué)報. 2018(16)
[5]耕地質(zhì)量定級方法改進(jìn)研究:以農(nóng)安縣為例[J]. 劉歡,吳克寧,宋文,宋恒飛,劉浩然. 北京師范大學(xué)學(xué)報(自然科學(xué)版). 2018(03)
[6]青海省太陽輻射強(qiáng)度時空變化特征分析[J]. 保廣裕,張靜,周丹,馬守存,劉瑋. 冰川凍土. 2017(03)
[7]耕地數(shù)量、質(zhì)量、生態(tài)三位一體綜合監(jiān)管體系研究[J]. 張超,喬敏,鄖文聚,劉佳佳,朱德海,楊建宇. 農(nóng)業(yè)機(jī)械學(xué)報. 2017(01)
[8]耕地質(zhì)量觀的演變與再認(rèn)識[J]. 杜國明,劉彥隨,于鳳榮,劉美,鄭惠玉. 農(nóng)業(yè)工程學(xué)報. 2016(14)
[9]基于隨機(jī)森林算法的農(nóng)耕區(qū)土地利用分類研究[J]. 馬玥,姜琦剛,孟治國,李遠(yuǎn)華,王棟,劉驊欣. 農(nóng)業(yè)機(jī)械學(xué)報. 2016(01)
[10]中國谷物產(chǎn)出的"面積-質(zhì)量"導(dǎo)向因素分析[J]. 馮超. 干旱區(qū)資源與環(huán)境. 2015(08)
本文編號:2968175
本文鏈接:http://sikaile.net/jingjilunwen/nongyejingjilunwen/2968175.html
最近更新
教材專著