農業土壌からの亜酸化窒素排出予測を、分類スワップ機械学習アプローチを用いて強化する

科学分野:

• 農業科学; 環境科学; 機械学習

背景:

• 亜酸化窒素（N₂O）排出量の正確な予測は、気候スマート農業にとって重要です。; 既存のモデルは、農業システムにおけるN₂Oフラックスの複雑なダイナミクスを捉えるのに苦労しています。; 改善されたモデリングには、背景イベントと一時的な高排出イベントの区別が鍵となります。

研究 の 目的:

• N₂Oフラックスを予測するための新しいアンサンブル機械学習モデル「クラススワップ」を導入および評価すること。; クラススワップモデルと従来のランダムフォレスト（RF）モデルのパフォーマンスを比較すること。; 様々な農業管理慣行の下でのN₂O排出量を予測するモデルの能力を評価すること。

主な方法:

• 背景およびホットモーメントのN₂O排出量でトレーニングされた2つの独立したRFモデルを使用してクラススワップモデルを開発しました。; モデル選択のためにフラックス観測を分類するために統計的異常検出アルゴリズムを採用しました。; 長期的な綿作物の輪作実験からの独立したデータセットでモデルのパフォーマンスを評価しました。

主要な成果:

• クラススワップモデルは、従来のRFモデルを大幅に上回り、R²値が高かった（0.33-0.34対0.08-0.25）。; クラススワップは、より低い二乗平均平方根誤差（9.8-9.9対10.5-11.6 g N₂O-N ha⁻¹ day⁻¹）を達成しました。; モデルは、従来のRFモデルとは異なり、排出量の大きさとしばしばのダイナミクスを正確に捉えました。

結論:

• 背景およびホットモーメントのN₂O排出量の生物地球化学的ドライバーを区別することは、予測モデリングの精度を向上させます。; クラススワップアプローチは、農業における動的な土壌N₂Oフラックスを予測するための堅牢な代替手段を提供します。; さまざまな農業生態系および条件でのさらなる検証が推奨されます。