基于机器学习预测干旱区(如新疆)土壤盐分的研究目前较少涉及且敏感变量的筛选还需深入探讨。该研究比较5种机器学习算法(套索算法,The Least Absolute Shrinkage and Selection Operator-LASSO;多元自适应回归样条函数,Multiple Adapti...
详细信息
基于机器学习预测干旱区(如新疆)土壤盐分的研究目前较少涉及且敏感变量的筛选还需深入探讨。该研究比较5种机器学习算法(套索算法,The Least Absolute Shrinkage and Selection Operator-LASSO;多元自适应回归样条函数,Multiple Adaptive Regression Splines-MARS;分类与回归树,Classification and Regression Trees-CART;随机森林,Random Forest-RF;随机梯度增进算法,Stochastic Gradient Treeboost-SGT)在3个不同地理区域(奇台绿洲,渭-库绿洲和于田绿洲)的性能表现;参与的变量被分为6组:波段,植被相关变量集,土壤相关变量集,数字高程模型(digital elevation model,DEM)衍生变量集,全变量组,优选变量组(全变量组经过算法筛选后的变量集合)。通过算法筛选,以示不同研究区的盐度敏感变量。同时借助以上述6组结果评判算法的性能。结果表明:综合分析6个变量组的R2和RMSE,预测精度排名如下:优选变量组>植被指数变量组>土壤相关变量组>波段>DEM衍生变量组。由于结果不稳定,全变量组未参与排名。在所有变量中,植被指数(EEVI,ENDVI,EVI2,CSRI,GDVI)和土壤盐度指数(SIT,SI2和SAIO)与土壤盐度相关性高于其他变量。综合评价以上5种算法,Lasso和MARS的预测结果出现极端异常值,但其预测结果能基本呈现土壤盐分空间分布格局。CART的结果能清晰分辨灌区和非灌区土壤盐分的分布态势,但二者内部并无太多变化且稳定性较差。RF和SGT的结果显示,二者在3个绿洲的土壤盐分值域范围和土壤盐分空间分布格局相似,纹理信息相对其他3个算法更为丰富。更为重要的是,算法在各个地区的结果都较为稳定。二者相比,SGT验证精度相对最高,其次为RF。
生态系统水分利用效率(water use efficiency,WUE)是碳水循环中的重要参数。全球干旱在未来几十年将会持续增加,干旱对生态系统WUE的影响研究成为了区域及全球尺度上的研究热点与难点。该文研究中亚地区生态系统WUE对干旱的响应。以中亚...
详细信息
生态系统水分利用效率(water use efficiency,WUE)是碳水循环中的重要参数。全球干旱在未来几十年将会持续增加,干旱对生态系统WUE的影响研究成为了区域及全球尺度上的研究热点与难点。该文研究中亚地区生态系统WUE对干旱的响应。以中亚5国及中国新疆为研究区,利用基于中分辨率成像光谱仪的总初级生产力产品和蒸散产品计算2000—2014年生态系统尺度上的WUE,使用归一化植被指数和陆地表面温度计算温度植被干旱指数分析干旱区生态系统WUE与干旱的关系。结果表明,WUE对干旱的响应在不同地区和植被类型中表现出一定的差异;当干旱发生时,干旱区生态系统WUE对干旱通常表现出负面响应,同时干旱对生态系统WUE有滞后影响;干旱事件结束后,生态系统WUE与干旱指数呈现正相关关系;另外,干旱区生态系统WUE对干湿环境突变敏感,当环境从干旱转向湿润,郁闭灌木林,农田,森林,草地,稀疏灌木林WUE分别增加了30.03%,49.57%,18.39%,54.71%,49.28%,WUE的快速增长表明了干旱区生态系统有较强的恢复力稳定性。
暂无评论