容易に利用可能な土壌特性と機械学習技術を用いた土壌団粒安定性の予測【JST・京大機械翻訳】

Rivera Javier I.; Bonilla Carlos A.; Bonilla Carlos A.

文献

J-GLOBAL ID：202002261553249169 整理番号：20A0384017

容易に利用可能な土壌特性と機械学習技術を用いた土壌団粒安定性の予測【JST・京大機械翻訳】

Predicting soil aggregate stability using readily available soil properties and machine learning techniques

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=20A0384017&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A0384017&from=J-GLOBAL&jstjournalNo=W1943A") }}

著者 (3件)： , ,
資料名：
巻： 187 ページ： Null 発行年： 2020年
JST資料番号： W1943A ISSN： 0341-8162 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)

団粒安定性は,安定な団粒の存在が広範囲の土壌生態系サービスに関連するので,土壌質の測定である。しかし,団粒安定性はほとんどの土壌調査で報告されていないので,予測モデルは直接測定のない代替法として注目されている。したがって,本研究の目的は,人工ニューラルネットワーク(ANN)モデルと一般化線形モデル(GLM)の2つの機械学習技術を用いて,凝集体安定性を予測するための新しいモデルを開発することであった。これらの技術を土壌テクスチャ,有機物含有量,pH,および水安定凝集体に関して記述された土壌データセットに適用した。このデータセットは,農業土壌,低木地,森林地を含むチリの乾燥,半乾燥,湿潤地域から0~17cmの土壌深度で得られた109の土壌サンプルを含んだ。このデータセットにおけるほとんどの土壌テクスチャは砂質ローム,ローム,粘土ロームであり,各土壌特性は大きな範囲の値を有していた。凝集安定性を測定し,湿式ふるい分け装置を用いて水安定凝集体の割合として計算し,ANN及びGLMモデルを構築し,反復交差検証(訓練及び試験のためのデータセットのそれぞれ80%及び20%)により評価した。ANNとGLMモデルを,修正r2(radj2),Root平均二乗誤差(RMSE),および平均絶対誤差(MAE)を計算することによって比較した。結果は,乾燥(平均40%)から湿潤(87%)領域への団粒安定性の正の勾配を示し,それは有機物含有量の増加とpHの減少に関連した。有機物含有量とpHは,それぞれr=0.56とr=-0.73で,団粒安定性と有意な相関を示した。さらに,土壌テクスチャを計算するために用いた画分の中で,粘土含有量は団粒安定性(r=0.30)と最も高い相関を示した。これらの変数をANNとGLMモデルの訓練と試験に用いた。ANNモデルは,交差検証手順においてRMSE,radj2およびMAEに関して優れた性能を達成し,訓練に対してr2=0.80,試験に対してr2=0.82を示した。GLMは,訓練と試験のためにそれぞれr2=0.59とr2=0.63をもたらした。したがって,ANNを実行するときに観察される限界にもかかわらず,その使用は参照モデルとしてGLMの代わりに推奨される。少数の容易に測定された変数を考慮して,本研究は,他の既存の土壌ルーチンと結合できる2つのモデルを提供し,団粒安定性が測定されなかった土壌調査を完全にするために直接使用できる。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , , , , ,

著者キーワード (5件)： , , , ,

土壌管理 , 土壌化学 , 施肥法・肥効 , 土壌汚染

, , , ,

前のページに戻る