【目的】土壤屬性的空間分布是影響農(nóng)業(yè)生產(chǎn)力、土地管理和生態(tài)安全的重要因素。通過土壤環(huán)境耦合關系,在機器學習算法框架下,定量預測出干旱區(qū)土壤酸堿度（pH）、土壤鹽分含量（Soil Salt Content,SSC）與土壤有機質(zhì)（Soil Organic Matter, SOM）3種土壤屬性的空間分布,為干旱區(qū)農(nóng)業(yè)生產(chǎn)和生態(tài)安全提供科學依據(jù)�！痉椒ā吭谖几珊印獛燔嚭泳G洲干旱區(qū)于2017年7月設計采集典型表層（0—20 cm）土壤樣品82個,依據(jù)土壤-環(huán)境之間的關系,集成DEM數(shù)據(jù)和Landsat 8數(shù)據(jù)提取出32種環(huán)境協(xié)變量,利用柵格重采樣將提取出的32種變量重采樣為90 m空間分辨率并轉(zhuǎn)換為Grid格式參與建模。借助梯度提升決策樹（Gradient Boosting Decision Tree,GBDT）模型依次對3類土壤屬性的32種環(huán)境協(xié)變量進行重要性排序,并通過均方根誤差（Root Mean SquareError,RMSE）界定出協(xié)變量重要性閾值點,從而篩選出參與3類土壤屬性制圖的環(huán)境協(xié)變量。進而運用隨機森林（Random Forest, RF）、Bagging和Cubist 3種... 

【文章來源】：中國農(nóng)業(yè)科學. 2020,53(03)北大核心CSCD

【文章頁數(shù)】：11 頁

【部分圖文】：

研究區(qū)概況和采樣點分布圖

通過R-3.5.3中sample函數(shù)隨機劃分出70%(n=57）的建模集和30%(n=25）的驗證集并用set.seed函數(shù)固定選中的數(shù)據(jù)集。渭-庫綠洲3種土壤屬性描述性統(tǒng)計分析結(jié)果如圖2所示。土壤酸堿度（p H）全集其均值為8.0423，變異系數(shù)為0.0404，屬于弱變異，其建模集與驗證集變異系數(shù)在全集0.1%左右浮動。土壤有機質(zhì)含量（SOM）范圍在1.2863—29.9705 g·kg-1，變異系數(shù)全集為0.4802，屬于中等變異。建模集和驗證集變異系數(shù)在全集2%上下波動。土壤鹽分含量（SSC）變異系數(shù)為3種土壤屬性中最高。其中全集變異系數(shù)達到1.2646，屬于強變異。建模集和驗證集分別為1.2894和1.2075。干旱區(qū)鹽分變異系數(shù)相對較高表明表層土受鹽分影響較大[22]。3種土壤屬性全集、建模集、驗證集在統(tǒng)計特征中保持相似的統(tǒng)計形態(tài)，表明樣本劃分合理。2.2 環(huán)境協(xié)變量遴選

為與傳統(tǒng)線性模型作對比，本文引入多元線性回歸模型（MLR）。根據(jù)驗證標準，3種模型均比MLR預測精度高�？傮w而言，RF在3種土壤屬性預測中效果拔群（表3）。在土壤p H預測中，驗證集效果RF亦為最佳（R2=0.6779,RMSE=0.2182，ρc=0.6084）。pH預測制圖效果總體上來看依次是RF>Bagging>Cubist>MLR。在SSC預測中，無論是建模集還是驗證集RF均最為突出（建模集R2=0.9067,RMSE=2.6680，ρc=0.9219；驗證集R2=0.7945,RMSE=3.1803，ρc=0.8377),Cubist次之（R2=0.8820,RMSE=2.9190，ρc=0.9237），但是在驗證集中Cubist的RMSE達到7.5771，一致性ρc降至0.6194。這很有可能是因為信息量過大，信息的復雜性可能會導致局部最優(yōu)，繼而主導優(yōu)化過程，從而產(chǎn)生局部最優(yōu)的情況[19]。MLR效果在SSC預測中最差。而在SOM預測中，驗證集RF(R2=0.7472,RMSE=3.5456，ρc=0.7009）效果較好。圖5為土地利用圖，圖6、7、8分別為pH、SSC和SOM 3種土壤屬性最佳制圖。圖4 數(shù)字土壤制圖環(huán)境協(xié)變量閾值劃分

【參考文獻】：
期刊論文
[1]基于RF和SGT算法的子區(qū)優(yōu)先建模對綠洲尺度土壤鹽度預測精度的影響[J]. 王飛,楊勝天,魏陽,楊曉東,丁建麗.  中國農(nóng)業(yè)科學. 2018(24)
[2]環(huán)境敏感變量優(yōu)選及機器學習算法預測綠洲土壤鹽分[J]. 王飛,楊勝天,丁建麗,魏陽,葛翔宇,梁靜.  農(nóng)業(yè)工程學報. 2018(22)
[3]基于競爭適應重加權采樣算法耦合機器學習的土壤含水量估算[J]. 葛翔宇,丁建麗,王敬哲,王飛,蔡亮紅,孫慧蘭.  光學學報. 2018(10)
[4]寧夏砂田小尺度土壤性質(zhì)空間變異特征與肥力評價[J]. 王幼奇,白一茹,趙云鵬.  中國農(nóng)業(yè)科學. 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]基于改進植被指數(shù)的黃河口區(qū)鹽漬土鹽分遙感反演[J]. 陳紅艷,趙庚星,陳敬春,王瑞燕,高明秀.  農(nóng)業(yè)工程學報. 2015(05)
[7]鹽漬化土壤光譜特征的區(qū)域異質(zhì)性及鹽分反演[J]. 彭杰,劉煥軍,史舟,向紅英,遲春明.  農(nóng)業(yè)工程學報. 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-環(huán)境關系的更新傳統(tǒng)土壤圖研究[J]. 楊琳,Fahmy Sherif,Hann Sheldon,朱阿興,秦承志,徐志剛.  土壤學報. 2010(06)

碩士論文
[1]渭—庫綠洲不同土地利用方式下土壤理化性質(zhì)分析[D]. 古麗波斯坦·巴圖.新疆大學 2018
[2]灌區(qū)尺度土壤特性空間變異性研究[D]. 谷海斌.新疆農(nóng)業(yè)大學 2011



本文編號：3264352