| 基于特征筛选算法的数字土壤制图研究 |
| |
| 引用本文： | 张晓婷,黄 魏,傅佩红,孟 可,王苏放.基于特征筛选算法的数字土壤制图研究[J].土壤学报,2024,61(3). |
| |
| 作者姓名： | 张晓婷 黄 魏 傅佩红 孟 可 王苏放 |
| |
| 作者单位： | 华中农业大学资源与环境学院,华中农业大学资源与环境学院,华中农业大学资源与环境学院,华中农业大学资源与环境学院,华中农业大学资源与环境学院 |
| |
| 基金项目： | 国家自然科学基金项目(42171056，41877001)资助 |
| |
| 摘 要： | 平缓地带数字土壤制图中，环境协变量的选择是提高制图精度的关键。已有研究证明遥感影像可作为推理制图的辅助因子，而如何确定环境因子推理制图时各自的权重已成为现阶段研究的重点。选取湖北省麻城市乘马岗镇为研究区，采用3种特征筛选方法进行有效环境变量筛选，探索参与平原-丘陵混合区域制图的因子并确定其重要性，依据选择的相对稳定的指标，进一步探索提高土壤类型制图准确性的途径。根据141个野外独立样点的检验结果表明：在推理制图中，遥感因子在平原区域的重要性程度高于丘陵区域，且遥感因子中归一化植被指数(NDVI)和均值(Mean)较为稳定；基于递归特征算法的按地形推理制图精度最高为75.89%，分别高于ReliefF算法和基于Tree的特征筛选算法13.48%和4.97%；此外3种特征筛选算法制图结果中，按地形因子分区制图的精度均高于整体区域制图。因此，遥感因子作为辅助手段参与推理过程可有效提高制图精度。本研究采用的特征挖掘与机器学习算法对提升土壤制图精度具有一定的理论意义。
|
| 关 键 词： | 土壤-环境知识获取 特征筛选 数字土壤制图 贝叶斯优化 梯度提升树 |
| 收稿时间： | 2022/8/9 0:00:00 |
| 修稿时间： | 2023/10/11 0:00:00 |
Research on Digital Soil Mapping Based on Feature Selection Algorithm |
| |
| ZHANG Xiaoting,HUANG Wei,FU Peihong,MENG Ke and WANG Sufang.Research on Digital Soil Mapping Based on Feature Selection Algorithm[J].Acta Pedologica Sinica,2024,61(3). |
| |
| Authors: | ZHANG Xiaoting HUANG Wei FU Peihong MENG Ke and WANG Sufang |
| |
| Institution: | College of Resource and Environment, Huazhong Agricultural University,College of Resource and Environment, Huazhong Agricultural University,College of Resource and Environment, Huazhong Agricultural University,College of Resource and Environment, Huazhong Agricultural University,College of Resource and Environment, Huazhong Agricultural University |
| |
| Abstract: | |
| |
| Keywords: | Soil-environment knowledge acquisition Feature selecting Digital soil mapping Bayesian optimization Gradient Boosting Decision Tree |
|
| 点击此处可从《土壤学报》浏览原始摘要信息 |
| 点击此处可从《土壤学报》下载免费的PDF全文 |
|
