基于不同特征挖掘方法结合广义提升回归模型估测安徽省土壤pH

为探讨不同特征挖掘方法与广义提升回归模型相结合在数字土壤制图中的应用,本研究首先使用递归特征消除和过滤式两种特征筛选方法对环境协变量进行筛选,再分别使用原始环境协变量、筛选后的最优变量组合作为自变量,建立基于广义提升回归模型和随机森林模型的安徽省土壤pH预测模型并进行制图。结果表明: 引入两种特征挖掘方法均可有效提高广义提升回归模型和随机森林模型预测土壤pH的精度,并且可以起到降维的作用;相较于随机森林模型,广义提升回归模型的验证集预测精度略低,在训练集中,广义提升回归模型的精度却远高于随机森林模型,模型解释度高,整体效果较好;随机森林模型的主要参数ntree和mtry对于模型的影响程度较低,而不同参数对于广义提升回归模型的预测精度影响较大,不同参数组合模型精度不同,建模前需要进行调参。空间制图结果表明,安徽省土壤pH呈“南酸北碱”趋势。     

江苏省土壤有机质变异及其主要影响因素

土壤有机质在陆地生态系统中具有重要作用,是估算土壤碳储量、评价土壤肥力和质量的重要指标。从省域尺度上分析土壤有机质的分布和变异,及其影响因素,对节能减排和土壤的可持续利用具有重要的指导意义。以江苏省第二次土壤普查的1519个土壤剖面数据为基础,分析了江苏省表层(0-20 cm)土壤有机质分布、变异及其影响因素。结果表明,全省土壤有机质平均含量为(16.55±8.49) g/kg,变异系数为51.36%,属中等变异水平。不同土壤类型有机质含量差异较大,沼泽土最高,为31.60 g/kg,棕壤最低,为8.69 g/kg;自然土壤的有机质含量变异程度大于耕作土壤。年均温、年均降雨量、成土母质、土地利用、土壤质地和土壤pH对全省土壤有机质含量变异的综合能解释能力为52.6%。土壤质地和年均温是有机质含量变异的主要影响因素,土壤质地对其变异的影响大于年均温,二者能够独立解释其变异的32.0%和23.4%。