使用机器学习方法绘制土壤适合药用植物的地图.
S Roopashree1, J Anitha1, Suryateja Challa1
1Department of Computer Science and Engineering, RV Institute of Technology and Management, Bengaluru, Karnataka, India.
Scientific reports
|February 14, 2024
概括
这项研究使用机器学习和地理信息系统来绘制和保护脆弱的药用植物. 它提供了一种快速,准确的方法来识别适合植物生长和保护的地区和土壤类型.
科学领域:
- 综合生物学和计算科学 综合生物学和计算科学
- 环境科学和环境保护
- 药物鉴定和药物发现.
背景情况:
- 药用植物的保护至关重要,但受到气候变化,过度采摘和息地丧失的挑战.
- 传统的评估方法耗时且容易出现错误.
- 药用草药的可持续利用需要创新的保护策略.
研究的目的:
- 为保护脆弱的药用植物制定快速决策方法.
- 用数据驱动的方法提高药用植物的生产率.
- 通过改善药用草药的保护和鉴定,促进药物发现.
主要方法:
- 利用了机器学习算法 (额外树分类器,随机森林等). 和地理信息系统 (GIS).
- 开发了一个新的数据集,使用量子GIS工具进行空间分析.
- 实施监督算法来分类与药用植物相关的土壤类型和子区域.
主要成果:
- 额外树木分类器 (EXTC) 模型实现了高准确性 (土壤的99.01%,次区域分类的98.76%).
- 该系统可以预测给定次区域的合适土壤等级,反之亦然.
- 科罗普莱特地图可视化潜在的药用草药及其基于土壤和次区域的保护状况.
结论:
- 开发的方法为保存药草提供了一个全面和快速的参考.
- 机器学习和GIS集成为空间分析和保护规划提供了有效的工具.
- 该方法支持保护主义者,研究人员和公众识别和保护脆弱的药用植物.
