文献

J-GLOBAL ID：201802269969720207   整理番号：18A0421930

視覚パラメータに基づく土壌かさ密度を予測するための機械学習を用いた:現場と事後評価のためのツール【Powered by NICT】

Using machine learning to predict soil bulk density on the basis of visual parameters: Tools for in-field and post-field evaluation

著者 (5件)： Bondi Giulia (Teagasc Crops, Environment and Land-Use Research Centre, Wexford, Ireland) ,  Creamer Rachel (Soil Biology and Biological Soil Quality, Wageningen University, Wageningen, The Netherlands) ,  Ferrari Alessio (Consiglio Nazionale delle Ricerche, Istituto di Scienza e Tecnologie dell’Informazione “A. Faedo” (CNR-ISTI), Pisa, Italy) ,  Fenton Owen (Teagasc Crops, Environment and Land-Use Research Centre, Wexford, Ireland) ,  Wall David (Teagasc Crops, Environment and Land-Use Research Centre, Wexford, Ireland)
資料名： Geoderma  (Geoderma)
巻： 318  ページ： 137-147  発行年： 2018年 
JST資料番号： E0256B  ISSN： 0016-7061  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 土壌構造は全ての土壌機能を支援する重要な因子である。土壌物理的パラメータ(例えばバルク密度(B_d)または粒子サイズ分布)の定量のための無傷土壌コアと地平特異的試料の抽出土壌構造の指標を評価するための一般的な方法である。しかし,これらは測定することは困難であることが多い,高価で時間のかかる実験室分析を必要とするからである。著者らの目的は,機械学習技術を用いて,土壌視覚評価のみに基づいてB_dの値,現場で直接演算子により観測されたを推定するツールを提供することであった。最初のツールは,決定木学習アルゴリズムで導出された決定木モデル三B_d範囲間の識別を可能にした。第二のツールは,線形回帰アルゴリズムで導出された線形方程式モデル土壌B_dの数値を予測した。これらのツールは,471土壌層位のデータセットで検証し,アイルランドで調査した201土壌断面ピットに属していた。全体として,決定木モデルは約60%の精度を示したが,線形方程式モデルは,測定されたB_d値と比較し,相関係数は約0.65であった。両モデルに対して,土壌構造品質に影響する最も関連する特性は,土壌のフミン特性,土壌孔隙率と土壌形成を伴うと思われる。二ツールである倹約と種々の土壌機能的応用のための構造品質の近似その場推定を必要とする土壌測量技術者と分析者が使用することができる。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *容積重 ,  土壌層位 ,  学習アルゴリズム ,  土壌生成 ,  *視覚 ,  粒度分布 ,  *機械学習 ,  土壌孔隙率 ,  相関係数 ,  土壌断面 ,  品質 ,  土壌構造 ,  ディシジョンツリー ,  一次方程式
準シソーラス用語： 視覚評価 , 【Automatic Indexing@JST】

著者キーワード (4件)： 土壌バルク密度 ,  土壌構造 ,  土壌品質 ,  機械学習

分類 (1件)： 土壌物理  (FB04030R)

タイトルに関連する用語 (9件)： 視覚 ,  パラメータ ,  土壌 ,  かさ密度 ,  予測 ,  機械学習 ,  現場 ,  事後評価 ,  ツール