节点文献

基于Boruta-支持向量回归的安徽省土壤pH值预测制图

免费订阅

【作者】 卢宏亮赵明松刘斌寅张平陆龙妹

【Author】 LU Hong-liang;ZHAO Ming-song;LIU Bin-yin;ZHANG Ping;LU Long-mei;School of Geodesy and Geomatics,Anhui University of Science and Technology;State Key Laboratory of Soil and Sustainable Agriculture,Nanjing Institute of Soil Science,Chinese Academy of Sciences;

【通讯作者】 赵明松;

【机构】 安徽理工大学测绘学院土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所)

【摘要】 以安徽省为研究区域,将Boruta算法用于特征筛选,选择最优变量组合输入支持向量回归(SVR)模型,经参数优化和核函数对比后,选择最优的SVR预测模型进行土壤pH值空间分布制图。结果表明:1)使用Boruta算法筛选后的特征变量建模优于全部变量建模;特征变量重要性分析表明,年均降水(MAP)是影响安徽省土壤pH值的最重要因素,多尺度山谷平坦指数(MrVBF)、多尺度山脊平坦指数(MrRTF)和年均温(MAT)等特征变量均对土壤pH值有较重要的影响。2)选择径向基函数(RBF)作为核函数建立SVR模型进行土壤pH值预测最为合理;参数C=1,γ=0.125时,SVR模型精度最高,可以解释土壤pH值变异的74%,验证集R~2为0.62。3)土壤pH值预测制图结果表明,安徽省土壤pH值空间分布呈由北至南逐渐降低的趋势,符合"南酸北碱"特征,且预测制图的统计结果与样本点的统计结果基本一致。将Boruta算法与SVR模型结合可以提高土壤pH值的预测制图精度,且模型的泛化能力较强。

【基金】 国家自然科学基金项目(41501226);安徽省高校自然科学研究项目(KJ2015A034);土壤与农业可持续发展国家重点实验室开放基金项目(Y412201431)
【所属期刊栏目】 地理信息系统理论与方法 (2019年05期)
  • 【分类号】P285.1;S151.9
  • 【下载频次】84
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: