《表3 土壤属性建模集与验证集性能比较》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《集成土壤-环境关系与机器学习的干旱区土壤属性数字制图》
为与传统线性模型作对比,本文引入多元线性回归模型(MLR)。根据验证标准,3种模型均比MLR预测精度高。总体而言,RF在3种土壤属性预测中效果拔群(表3)。在土壤p H预测中,验证集效果RF亦为最佳(R2=0.6779,RMSE=0.2182,ρc=0.6084)。pH预测制图效果总体上来看依次是RF>Bagging>Cubist>MLR。在SSC预测中,无论是建模集还是验证集RF均最为突出(建模集R2=0.9067,RMSE=2.6680,ρc=0.9219;验证集R2=0.7945,RMSE=3.1803,ρc=0.8377),Cubist次之(R2=0.8820,RMSE=2.9190,ρc=0.9237),但是在验证集中Cubist的RMSE达到7.5771,一致性ρc降至0.6194。这很有可能是因为信息量过大,信息的复杂性可能会导致局部最优,继而主导优化过程,从而产生局部最优的情况[19]。MLR效果在SSC预测中最差。而在SOM预测中,验证集RF(R2=0.7472,RMSE=3.5456,ρc=0.7009)效果较好。图5为土地利用图,图6、7、8分别为pH、SSC和SOM 3种土壤属性最佳制图。
图表编号 | XD00143871200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 张振华、丁建丽、王敬哲、葛翔宇、王瑾杰、田美玲、赵启东 |
绘制单位 | 新疆大学资源与环境科学学院、新疆大学绿洲生态教育部重点实验室、新疆大学智慧城市与环境建模自治区普通高校重点实验室、新疆大学资源与环境科学学院、新疆大学绿洲生态教育部重点实验室、新疆大学智慧城市与环境建模自治区普通高校重点实验室、新疆大学资源与环境科学学院、新疆大学绿洲生态教育部重点实验室、新疆大学智慧城市与环境建模自治区普通高校重点实验室、新疆大学资源与环境科学学院、新疆大学绿洲生态教育部重点实验室、新疆大学智慧城市与环境建模自治区普通高校重点实验室、新疆大学资源与环境科学学院、新疆大学绿洲生态教育部重点 |
更多格式 | 高清、无水印(增值服务) |