使用遥感和现场土壤数据绘制土壤侵蚀性地图,在印度喜马拉雅山脉的一个山区的山区采用随机森林模型

科学领域:

• 环境科学 环境科学
• 土壤科学 土壤科学
• 地质科学是地球科学.

背景情况:

• 土地退化和土壤侵蚀是喜马拉雅生态系统的关键问题,导致营养损失和水库沉等场外影响.
• 土壤侵蚀性 (K因子) 是一个关键的土壤特性,表明易受侵蚀,但在复杂的山地地形上研究它是具有挑战性的.
• 数字土壤绘图提供了一种方法,可以在空间上预测土壤特性,克服在崎的景观中采样的限制.

研究的目的:

• 绘制地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图地图
• 确定影响土壤侵蚀性预测的关键环境共变量.
• 评估不同土地使用/土地覆盖类型的土壤侵蚀能力的变化.

主要方法:

• 利用随机森林 (RF) 机器学习模型进行土壤侵蚀性的空间预测.
• 采集了556个地表土壤样本,使用山区的分层随机采样方法.
• 采用环境共变量和现场土壤数据来训练和验证射频模型,生成12.5米分辨率的K因子地图.

主要成果:

• 射频模型在训练 (r2=0.91) 和测试 (r2=0.45) 阶段都表现出令人满意的性能.
• 对于K因子的关键预测因素包括地质,平均NDVI和气候因素.
• 在荒地 (0.0344) 和耕地 (0.0307) 中发现了较高的K因子值,而森林 (常青 0.0294,落叶 0.0295) 显示了较低的值,表明保护性益处.

结论:

• 该研究成功生成了喜马拉雅地区土壤侵蚀性的高分辨率数字地图.
• 了解K因子分布突出了脆弱区域,如荒地和耕地,需要有针对性的侵蚀控制.
• 森林覆盖在缓解土壤侵蚀方面发挥着重要作用,强调了保护对可持续土地管理和水资源保护的重要性.