首页|滨海重度盐碱地改良土壤盐渍化动态特征及预测

滨海重度盐碱地改良土壤盐渍化动态特征及预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
试验设置了对照处理(CK)、有机肥(OM)、聚丙烯酰胺+有机肥(PAM+OM)、秸秆覆盖+有机肥(SM+OM)、秸秆深埋+有机肥(BS+OM)和生物菌肥+有机肥(BM+OM)6个处理方式来探讨滨海盐碱地不同改良方式对土壤含盐量、pH、钠吸附比(SAR)和碱化度(ESP)的影响,进而识别影响土壤盐渍化程度的主要因子,并构建多元线性回归模型(Multi-linear Regression,MLR)、BP神经网络模型(BP Artificial Neural Network,BP-ANN)和随机森林模型(Random Forest,RF)对滨海重度盐碱地改良背景下的土壤盐渍化参数进行模拟预测.研究结果表明:各改良措施均能有效地降低表层土壤盐渍化水平,其中SM+OM处理对于土壤含盐量的抑制效果最好,而BM+OM处理则对于土壤碱分的抑制效果最好.改良过程中气象条件和土壤性质均对表层土壤盐渍化水平产生了显著影响.在模型预测中,随机森林模型对土壤含盐量、pH、SAR和ESP的综合预测精度明显优于BP神经网络模型和多元线性回归模型,体现在随机森林模型具有较高决定系数(Coefficient of determination,R2)和纳什系数(Nash-sutcliffe efficiency coefficient,NSE)和较低的均方根误差(Root mean square error,RMSE).
Dynamics and Prediction of Soil Salinization Parameters under the Amelioration of Heavy Coastal Saline-alkali Land

解雪峰、濮励杰、沈洪运、吴涛、朱明、黄思华

展开 >

浙江师范大学地理与环境科学学院,浙江金华 321004

自然资源部海岸带开发与保护重点实验室,南京 210023

南京大学地理与海洋科学学院,南京 210023

土壤盐渍化参数 滨海盐碱地 动态预测 随机森林模型 BP人工神经网络模型

国家自然科学基金国家自然科学基金国家自然科学基金浙江省自然科学基金

421010684187108342171245LQ21D010007

2022

10.11766/trxb202101240043

土壤学报
中国土壤学会

土壤学报

CSTPCDCSCD北大核心
影响因子：2
ISSN：0564-3929
年,卷(期)：2022.59(6)
  • 6
  • 1