基于遥感的有机碳农业和自然土壤的影响盐和砂矿采矿的预测,使用机器学习

科学领域:

• 土壤科学 土壤科学
• 环境科学 环境科学
• 遥感 遥感 遥感 遥感
• 机器学习 机器学习

背景情况:

• 保持土壤有机碳 (SOC) 对土壤健康和质量至关重要.
• 采矿活动,特别是像伊朗这样的干旱和半干旱地区的采矿活动,可能会对SOC库存产生重大影响.
• 了解这些影响对于可持续的土地管理至关重要.

研究的目的:

• 评估采矿活动对伊朗中部土壤有机碳 (SOC) 库存的影响.
• 开发和比较用于SOC预测的机器学习模型 (GEP,SVR,ANN).
• 评估地形和遥感数据在改进SOC预测模型方面的有效性.

主要方法:

• 在天然和农业土壤的180个随机点测量了SOC.
• 使用机器学习模型 (GEP,SVR,ANN) 来估计SOC.
• 在三个情景中,地形数据 (DEM) 和遥感数据 (Landsat 9) 被用作输入变量.

主要成果:

• 使用地形和遥感数据 (情景III) 的支持向量回归 (SVR) 模型显示出最高的预测准确性 (R2 = 0.642,RMSE = 0.620%).
• 第三种情景中的SVR是预测自然和农业土壤SOC的最佳方法.
• 地图显示,采矿活动对SOC分布产生了负面影响,盐和沙矿附近的SOC含量较低,特别是在盐丰富的地区.

结论:

• 机器学习,特别是SVR与遥感和地形数据相结合,对于预测矿业受影响的干旱地区的SOC是有效的.
• 采矿活动明显降低了周围土壤中的SOC水平.
• 这些发现强调了需要在受采矿影响的地区制定有针对性的土壤管理战略.