基于多模型对比的土壤盐分制图及不确定性研究

摘要

基于野外采集的110个表层土壤盐分样本，采用四种机器学习算法（随机森林、极限学习机、多元自适应样条回归和人工神经网络）与46个环境协变量来绘制新疆艾比湖地区土壤盐分的空间分布图并预测了其不确定性．通过10折交叉验证对各模型的精度进行比较，研究结果表明：（1）使用随机森林（Random Forest, RF）模型能够更稳定更准确地预测土壤EC值，其R²均值达到了0.662，该性能优于人工神经网络（0.622）、极限学习机（0.637）和多元自适应样条回归模型（0.549）.（2）Sentinel-2光谱数据是土壤EC预测最重要的变量，其次是盐分指数、气候、地形数据以及植被指数，相对重要性分别为44%、31%、20%和5%.（3）RF模型的结果揭示了区域土壤盐分空间分布的变化信息，模拟结果精度优于其余三个模型，确定RF模型是干旱区尾闾湖流域土壤盐分监测的有效方法．

关键词

土壤盐渍化 / Sentinel-2光谱数据 / 环境协变量 / 回归分析 / 数字土壤制图