センチネル2と説明可能な機械学習に基づくヘタオ平原の農地における土壌塩分とpHの逆転

科学分野:

• 農業科学
• 環境科学
• リモートセンシング

背景:

• 土壌の塩化とアルカリ化は 農業の持続可能性と環境の健康を脅かしています
• これらの問題を監視するために,土壌塩分量 (SSC) とpHの正確な評価が不可欠です.
• リモートセンシングは土壌状態の大規模モニタリングに有効な解決策です.

研究 の 目的:

• リモートセンシングデータと機械学習を使用してSSCとpHの逆モデルを開発し,検証する.
• 土壌の塩化とアルカリ化に影響を与える重要な変数を特定する.
• ヘタオ平原における土壌塩分と塩分の空間的分布をマッピングする.

主な方法:

• 統合されたセンチネル2画像,環境変数,土壌の物理化学的属性,SARデータ.
• 特徴のスクリーニングのために使用されたグラデントブースティングマシン (GBM).
• 6つの機械学習アルゴリズム (XGBoost,LightGBM,AdaBoost,CatBoost,RF,ERT) をSSCとpHの逆転に適用した.
• 変数貢献分析のためにシャップリー添加物説明法 (SHAP) を利用した.

主要な成果:

• 土壌の塩化とアルカリ化は全体的に軽度から中度で,空間的な異質性が顕著でした.
• GBMはフィルタリング機能によってモデルの複雑さを効果的に削減しました.
• XGBoostとERTモデルは,それぞれSSC (R2=0. 925) とpH (R2=0. 818) の逆転に最適な性能を示した.
• 塩分指数は最も重要な変数であった (SSCは34. 9%,pHは34. 2%).

結論:

• 機械学習と組み合わせたリモートセンシングは 土壌の塩化とアルカリ化のモニタリングに 効果的なアプローチを提供します
• 塩分指数は,土壌の塩分とpHを評価するための重要な指標です.
• この発見は,同様の地域における農業の管理と意思決定に科学的基盤を提供している.