机器学习组合技术用于探索土壤类型演变的探索
Xiangyuan Wu1, Kening Wu2,3, Shiheng Hao2
1School of Public Affairs, Institute of Land Science and Property, Zhejiang University, Hangzhou, 310058, China.
Scientific reports
|July 7, 2025
概括
集成机器学习模型准确地预测土壤类型的演变,这对土地管理至关重要. 这项研究使用了基于投票的组合模型 (VEM) 来进行强大的土壤分析和绘制地图.
科学领域:
- 土壤科学 土壤科学
- 机器学习 机器学习
- 地理空间分析的研究.
背景情况:
- 单独的机器学习模型往往过度适应,限制了它们对土壤特性的预测概括.
- 集合模型集成多个算法,以提高复杂预测的准确性和稳定性.
- 了解土壤类型的演变对于有效的土地管理和保护战略至关重要.
研究的目的:
- 应用基于投票的集体模型 (VEM) 来预测土壤类型演变.
- 评估VEM整合Random Forest,SVM和XGBoost的准确性和稳定性.
- 为了生成详细的土壤类型地图,并确定北京通州区的进化趋势.
主要方法:
- 基于投票的整体模型 (VEM) 的开发和应用.
- 整合随机森林 (RF),支持向量机 (SVM) 和XGBoost (XGB) 算法.
- 使用了5000个采样点进行培训,237个表面样本进行测试,97个配置文件进行验证.
主要成果:
- VEM在预测土壤特性和演变方面表现出高准确性和稳定性.
- 成功制作了研究区域的详细土壤类型地图.
- 确定了土壤类型演化的关键趋势,为土壤动态提供了洞察力.
结论:
- 集体模型对于理解土壤类型的演变和动态非常有效.
- VEM方法为土壤属性预测和绘制提供了一种可靠的方法.
- 结果为土壤保护和土地管理实践提供了宝贵的见解.


