首页|基于空间大数据及机器学习的红壤数字制图研究

基于空间大数据及机器学习的红壤数字制图研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
精准的数字化土壤地图及空间属性数据库对于适地适树、适地适种分析,生态环境保护规划和决策,土壤生态系统多样性研究等都具有重要的理论及实践意义.为探索滇中及滇东南地区红壤空间分布,基于机器学习中的决策树和随机森林两种树形模型,利用1145个样点训练获取了滇东高原红壤与地形地貌、气候、生物等多种环境因子之间的非线性关系,并以250 m为最小栅格单元实现了滇东红壤的空间分布制图;通过31个已知剖面样本进行了模型检验,并与云南省1995年红壤分布图对比.结果显示:(1)决策树算法在验证集上的模型精度为82％,但过拟合严重;(2)使用随机森林算法拟合的验证集模型精度为81.38％,红壤空间分布结果精度为67.74％,与1995年版土壤类型图相比精度提高了9.68％;(3)树形模型中的随机森林算法具有更好的泛化和抗过拟合能力,拟合结果可展现更详细的空间细节和空间变化信息,与云南自然地理环境要素空间格局的吻合度更好,更适合大尺度的数字土壤制图;(4)影响滇东高原红壤分布的主要因素是海拔、温度、地表切割度和地表隆起度.本研究首次尝试了应用树形模型和空间大数据开展复杂山地区域的大尺度土壤类型制图,机器学习方法可以用于我国西南地区大尺度的精准化土壤数字制图.
Digital Mapping of Red Soil Based on Spatial Data and Machine Learning

杨阳、叶江霞、王艳霞、蔡志勇、周汝良

展开 >

西南林业大学 地理与生态旅游学院, 云南 昆明650224

西南林业大学 林学院, 云南 昆明650224

中航通飞研究院有限公司/中国特种飞行器研究所, 广东 珠海519000

红壤 机器学习 决策树 随机森林 数字土壤 空间大数据 数字制图

国家自然科学基金云南省科技厅重大科技专项

31760212202002AA100007

2021

10.16473/j.cnki.xblykx1972.2021.06.005

西部林业科学
云南省林业科学院 云南省林学会

西部林业科学

CSTPCD北大核心
影响因子：0.807
ISSN：1672-8246
年,卷(期)：2021.50(6)
  • 2
  • 27