评估机器学习在预测地中海东部可持续土壤水资源管理的吸附比率方面的表现

科学领域:

• 农业科学 农业科学
• 环境科学 环境科学
• 数据科学数据科学数据科学

背景情况:

• 土壤盐化对全球粮食安全和可持续农业构成重大威胁.
• 在区域范围内监测土壤盐度及其驱动因素对于有效管理至关重要.

研究的目的:

• 评估机器学习 (ML) 模型,以利用东地中海的吸收比率 (SAR) 预测土壤盐度.
• 为了确定影响SAR的关键环境因素,使用SHapely添加式扩展 (SHAP).

主要方法:

• 评估了四种ML模型 (随机森林,支持向量回归,人工神经网络多层感知器,梯度增强回归).
• 使用递归特征消除 (RFE) 来进行特征选择.
• 快速添加式扩张 (SHAP) 用于灵敏度分析.

主要成果:

• 在训练和测试期间,Nu Support Vector Regression (NuSVR) 在SAR预测方面表现出卓越的表现.
• 使用七个选定的特征 (场景2) 的模型实现了高预测准确度.
• 交换能力 (CEC),Ca+2,Mg+2和Na+被确定为对SAR预测最有影响力的变量.

结论:

• 机器学习,特别是NuSVR,为准确地预测土壤盐度提供了一个强大的工具.
• 了解CEC和具体情况等影响因素对于有针对性的土壤管理战略至关重要.
• 这些发现为加强地中海东部地区农业土壤管理提供了宝贵的见解.